JPWO2005112751A1 - 診断方法とその装置、診断用プログラム - Google Patents

Abstract

患者の心電図データから、心臓の様々な環境への対応力不足やその結果起こりうる突発的異常事態を予見する方法を提供する。 心電図データ収集部１で長時間にわたって収集した心電図データから、各心拍に現れるピーク点の間隔（Ｒ−Ｒ間隔）の時系列データ（ｒ０、ｒ１…）をその検出部３で検出する。次に、一定の個数ｎを定め、検出した時系列データの先頭要素ｒ０からｎ個、２番目の要素ｒ１からｎ個…と順次１要素ずつずらしながらｎ要素からなる部分列Ｂ０、Ｂ１…をつくり、部分列Ｂｊのｎ要素の平均値ｙｊと、Ｂｊの各要素からその先頭要素ｒｊを差し引いた値の平均値ｘｊとを部分列Ｂｊの特徴値組として特徴値算出部５で算出する。さらに診断部７では、予め格子状に分割された二次元平面へ前記特徴値組をプロットしたとき、ある特徴値組が存在する格子内に他の特徴値組が１つも存在しないような特徴値組の個数を孤立数ｂ、特徴値組の総数から孤立数ｂを差し引いた値を重複数ａ、及びもっとも多くの特徴値組が存在する格子内の特徴値組の個数を最大重複度ｃとして算出し、重複数ａ及び最大重複度ｃが大きいほど、また孤立数が小さいほど心状態がよくないと判定するようにする。

Description

本発明は、診断方法、診断用プログラム、および診断システムに係わり、特に心電図を用いた診断に好適な診断方法、診断用プログラム、および診断システムに関するものである。

心電図を分析して患者の症状を診断する技術は数多く開発されており、例えば個々の心電図波形の特徴点を正確に自動認識して診断を正確に行えるようにしたもの（特許文献１，特許文献２号等）、個々の心電図波形の解析により診断を行うもの（特許文献３、特許文献４、特許文献５等）、心電図波形からＲ−Ｒ間隔等の時系列データを取り出してその時系列データの解析により診断を行うもの（特許文献６、特許文献７等）などがある。これらの技術を用いれば、心電図の目視のみによる診断に比べれば、より効率的でかつ迅速な診断が可能となり、症状の見逃しも少なくできる。
特開平８−５６９１４ 特開平９−２０１３４４ 特開平１０−２２５４４３ ＵＳＰ５，６０９，１５８ ＵＳＰ５，５６０，３６８ ＵＳＰ５，７５５，６７１ 特開平６−５４８１５

上記に例示したような従来技術は、数分、あるいは長くても１０数分程度の心電図波形の観察、解析を行うものであるが、このような短い時間では心状態の異常を示すデータが得られないことが多い。例えば、心筋梗塞が発生すると、その後の数時間内に心室頻拍による突然死の危険があり、心筋梗塞発生後の数日間に不整脈が発生する確率は９０％にもなる。その後は不整脈発生率は減少するが、１年以内には患者の５〜１０％は死亡する。従って、このような患者の診断には、長時間にわたる心電図データを連続して取得し、監視することが望まれる。しかし、従来はこの記録されたデータを、記録が終わってから医師が肉眼で見て診断を行ったり、あるいはその記録データから医師が異常と見なした短時間のデータを取り出して自動分析するなどの方法が用いられてきた。このために、計測から診断結果が得られるまでの時間遅れが大きく、症状の変化や切迫する危機を予知する点で不十分であった。また、医師の肉眼による判断が入るので見落としが生じ易いという問題もあった。

本発明の目的は、長時間にわたって患者の心電図データを取得し、異常の発生を迅速に予見できるようにした診断方法、診断用プログラム、および診断システムを提供することにある。

上記の目的を達成するために、本発明は、被検者の心電図データを所定の時間にわたってディジタル化して収集し、
収集した心電図データに現れるピーク点の間隔を検出することにより時系列データを生成し、
その各々が前記時系列データの要素数よりも少ない個数の連続した要素からなる部分列であって、その先頭要素を前記時系列データの先頭要素から順次１要素ずつずらして構成された部分列の系列を生成し、該部分列の各々について当該部分列の要素の平均値と各要素から当該部分列の先頭要素を差し引いた値の平均値との２値組からなる特徴値組を算出し、
あらかじめ格子状に分割された二次元平面へ前記特徴値組をプロットしたとき、ある特徴値組が存在する格子内に他の特徴値組が１つも存在しないような特徴値組の個数を孤立数として求め、さらに前記特徴値組の総個数から前記孤立数を差し引いた値を重複数として求め、前記孤立数と重複数を用いて診断を行うことを特徴とする診断方法を提供する。

また、本発明は、被検者の心電図データを所定の時間にわたってディジタル化して収集し、
収集した心電図データに現れるピーク点の間隔を検出することにより時系列データを生成し、
その各々が前記時系列データの要素数よりも少ない個数の連続した要素からなる部分列であって、その先頭要素を前記時系列データの先頭要素から順次１要素ずつずらして構成された部分列の系列を生成し、該部分列の各々について当該部分列の要素の平均値と各要素から当該部分列の先頭要素を差し引いた値の平均値との２値組からなる特徴値組を算出し、
あらかじめ格子状に分割された二次元平面へ前記特徴値組をプロットしたとき、ある特徴値組が存在する格子内に他の特徴値組が１つも存在しないような特徴値組の個数を孤立数として求め、前記特徴値組の総個数から前記孤立数を差し引いた値を重複数として求め、さらにもっとも多くの特徴値組が存在する格子の特徴値組の個数を最大重複度として求め、前記孤立数、重複数及び最大重複度を用いて診断を行うことを特徴とする診断方法を提供する。

また、本発明は、被検者の心電図データを所定の時間にわたってディジタル化して収集し、
収集した心電図データに現れるピーク点の間隔を検出することにより時系列データを生成し、
その各々が前記時系列データの要素数よりも少ない個数の連続した要素からなる部分列であって、その先頭要素を前記時系列データの先頭要素から順次１要素ずつずらして構成された部分列の系列を生成し、該部分列の各々について当該部分列の要素の平均値と各要素から当該部分列の先頭要素を差し引いた値の平均値との２値組からなる特徴値組を算出し、
あらかじめ格子状に分割された二次元平面へ前記特徴値組をプロットしたとき、ある特徴値組が存在する格子内に他の特徴値組が１つも存在しないような特徴値組の個数を孤立数として求め、前記特徴値組の総個数から前記孤立数を差し引いた値を重複数として求め、さらにもっとも多くの特徴値組が存在する格子の特徴値組の個数を最大重複度として求め、前記求めた孤立数、重複数、及び最大重複度から１０＊（孤立数）／（重複数）／（最大重複度）を心状態量として求め、この心状態量を用いて診断を行うことを特徴とする診断方法を提供する。

また、本発明は、センター装置と、このセンター装置にネットワークを介して接続された１または複数の計測端末装置とからなる診断システムであって、
計測端末装置の各々は、
心電計装置と、
この心電計装置により計測された心電図データを収集し送信用の心電図データを編集するためのデータ収集装置と、
このデータ収集装置により編集された心電図データをネットワークを介してセンター装置へ送信するための通信インタフェースとを備え、
センター装置は、
各計測端末装置から送信されてきた心電図データを受信するための通信インタフェースと、
この通信インタフェースにより受信された心電図データを格納するための記憶装置と、この記憶装置に格納された心電図データのピーク点の間隔をＲ−Ｒ間隔として検出し時系列データを生成するためのＲ−Ｒ間隔検出手段と、
その各々が前記時系列データの要素数よりも少ない個数の連続した要素からなる部分列であって、その先頭要素を前記時系列データの先頭要素から順次１要素ずつずらして構成された部分列の系列を生成し、該部分列の各々について当該部分列の要素の平均値と各要素から当該部分列の先頭要素を差し引いた値の平均値との２値組からなる特徴値組を算出するための特徴値算出手段と、
あらかじめ格子状に分割された二次元平面へ前記特徴値組をプロットしたとき、ある特徴値組が存在する格子内に他の特徴値組が１つも存在しないような特徴値組の個数を孤立数として求め、さらに前記特徴値組の総個数から前記孤立数を差し引いた値を重複数として求め、前記孤立数と重複数を用いて診断を行うための診断手段と、
を備えたことを特徴とする診断システムを提供する。

また、本発明は、センター装置と、このセンター装置にネットワークを介して接続された１または複数の計測端末装置とからなる診断システムであって、
計測端末装置の各々は、
心電計装置と、
この心電計装置により計測された心電図データを収集し送信用の心電図データを編集するためのデータ収集装置と、
このデータ収集装置により編集された心電図データをネットワークを介してセンター装置へ送信するための通信インタフェースとを備え、
センター装置は、
各計測端末装置から送信されてきた心電図データを受信するための通信インタフェースと、
この通信インタフェースにより受信された心電図データを格納するための記憶装置と、この記憶装置に格納された心電図データのピーク点の間隔をＲ−Ｒ間隔として検出し時系列データを生成するためのＲ−Ｒ間隔検出手段と、
その各々が前記時系列データの要素数よりも少ない個数の連続した要素からなる部分列であって、その先頭要素を前記時系列データの先頭要素から順次１要素ずつずらして構成された部分列の系列を生成し、該部分列の各々について当該部分列の要素の平均値と各要素から当該部分列の先頭要素を差し引いた値の平均値との２値組からなる特徴値組を算出するための特徴値算出手段と、
あらかじめ格子状に分割された二次元平面へ前記特徴値組をプロットしたとき、ある特徴値組が存在する格子内に他の特徴値組が１つも存在しないような特徴値組の個数を孤立数として求め、前記特徴値組の総個数から前記孤立数を差し引いた値を重複数として求め、さらにもっとも多くの特徴値組が存在する格子の特徴値組の個数を最大重複度として求め、前記孤立数、重複数及び前記最大重複度を用いて診断を行うための診断手段と、
を備えたことを特徴とする診断システムを提供する。

また、本発明は、センター装置と、このセンター装置にネットワークを介して接続された１または複数の計測端末装置とからなる診断システムであって、
計測端末装置の各々は、
心電計装置と、
この心電計装置により計測された心電図データを収集し送信用の心電図データを編集するためのデータ収集装置と、
このデータ収集装置により編集された心電図データをネットワークを介してセンター装置へ送信するための通信インタフェースとを備え、
センター装置は、
各計測端末装置から送信されてきた心電図データを受信するための通信インタフェースと、
この通信インタフェースにより受信された心電図データを格納するための記憶装置と、この記憶装置に格納された心電図データのピーク点の間隔をＲ−Ｒ間隔として検出し時系列データを生成するためのＲ−Ｒ間隔検出手段と、
その各々が前記時系列データの要素数よりも少ない個数の連続した要素からなる部分列であって、その先頭要素を前記時系列データの先頭要素から順次１要素ずつずらして構成された部分列の系列を生成し、該部分列の各々について当該部分列の要素の平均値と各要素から当該部分列の先頭要素を差し引いた値の平均値との２値組からなる特徴値組を算出するための特徴値算出手段と、
あらかじめ格子状に分割された二次元平面へ前記特徴値組をプロットしたとき、ある特徴値組が存在する格子内に他の特徴値組が１つも存在しないような特徴値組の個数を孤立数として求め、前記特徴値組の総個数から前記孤立数を差し引いた値を重複数として求め、さらにもっとも多くの特徴値組が存在する格子の特徴値組の個数を最大重複度として求め、前記孤立数、重複数及び前記最大重複度から１０＊（孤立数）／（重複数）／（最大重複度）を心状態量として求め、この心状態量を用いて診断を行うための診断手段と、
を備えたことを特徴とする診断システムを提供する。

また、本発明は、所定の時間にわたってディジタル化して収集された被検者の心電図データに現れるピーク点の間隔を検出することにより時系列データを生成する第１の手順と、
その各々が前記時系列データの要素数よりも少ない個数の連続した要素からなる部分列であって、その先頭要素を前記時系列データの先頭要素から順次１要素ずつずらして構成された部分列の系列を生成し、該部分列の各々について当該部分列の要素の平均値と各要素から当該部分列の先頭要素を差し引いた値の平均値との２値組からなる特徴値組を算出する第２の手順と、
あらかじめ格子状に分割された二次元平面へ前記特徴値組をプロットしたとき、ある特徴値組が存在する格子内に他の特徴値組が１つも存在しないような特徴値組の個数を孤立数として求め、前記特徴値組の総個数から前記孤立数を差し引いた値を重複数として求め、求めた孤立数及び重複数を診断用データとして出力する第３の手順と、
をコンピュータに実行させるための診断用プログラムを提供する。

また、本発明は、所定の時間にわたってディジタル化して収集された被検者の心電図データに現れるピーク点の間隔を検出することにより時系列データを生成する第１の手順と、
その各々が前記時系列データの要素数よりも少ない個数の連続した要素からなる部分列であって、その先頭要素を前記時系列データの先頭要素から順次１要素ずつずらして構成された部分列の系列を生成し、該部分列の各々について当該部分列の要素の平均値と各要素から当該部分列の先頭要素を差し引いた値の平均値との２値組からなる特徴値組を算出する第２の手順と、
あらかじめ格子状に分割された二次元平面へ前記特徴値組をプロットしたとき、ある特徴値組が存在する格子内に他の特徴値組が１つも存在しないような特徴値組の個数を孤立数として求め、前記特徴値組の総個数から前記孤立数を差し引いた値を重複数として求め、さらにもっとも多くの特徴値組が存在する格子の特徴値組の個数を最大重複度として求め、求めた孤立数、重複数及び最大重複度を診断用データとして出力する第３の手順と、
をコンピュータに実行させるための診断用プログラムを提供する。

さらに、本発明は、所定の時間にわたってディジタル化して収集された被検者の心電図データに現れるピーク点の間隔を検出することにより時系列データを生成する第１の手順と、
その各々が前記時系列データの要素数よりも少ない個数の連続した要素からなる部分列であって、その先頭要素を前記時系列データの先頭要素から順次１要素ずつずらして構成された部分列の系列を生成し、該部分列の各々について当該部分列の要素の平均値と各要素から当該部分列の先頭要素を差し引いた値の平均値との２値組からなる特徴値組を算出する第２の手順と、
あらかじめ格子状に分割された二次元平面へ前記特徴値組をプロットしたとき、ある特徴値組が存在する格子内に他の特徴値組が１つも存在しないような特徴値組の個数を孤立数として求め、前記特徴値組の総個数から前記孤立数を差し引いた値を重複数として求め、さらにもっとも多くの特徴値組が存在する格子の特徴値組の個数を最大重複度として求め、求めた孤立数、重複数及び最大重複度から１０＊（孤立数）／（重複数）／（最大重複度）を心状態量として求め、この心状態量を診断用データとして出力する第３の手順と、
をコンピュータに実行させるための診断用プログラムを提供する。

重複数や最大重複度が大きいほど、そして孤立数が小さいほど、心臓の脈動変化がより少なく、心臓の活動に影響するような刺激や環境変化に対する反応が鈍くなっていると考えられる。従って、重複数、最大重複度、及び孤立数から、突発的に短時間現れる心拍異常ではなく、長時間にわたる定常的な心状態の診断を行うことが出来る。しかもこれらのデータは長時間測定データから自動的に簡単な計算で算出でき、特別な熟練技術を必要とせず、また短時間観測時のような見逃しの問題も生じることはない。

以下、本発明の実施の形態を、詳細に説明する。心電図波形の特徴を表す代表的な特微量はＲ−Ｒ間隔（Ｒ：１心拍ごとに現れるピーク点）であり、これは１心拍に１個づつの値をとる時系列データである。この時系列データは被検者ごとに一般に異なった値をとり、健康な人で同じように平静にしている状態で測定しても、ある人は平均的に１秒（１分の心拍数６０）であり、別の人は平均的に６／７秒（１分の心拍数７０）…というように異なっており、しかも一拍ずつのＲ−Ｒ間隔は完全に一定ではなく、細かく変動している。そして、被検者が運動をした後や被検者の症状が変化したときには、Ｒ−Ｒ間隔の平均値もその細かい揺らぎも変化する。本発明ではこのようなＲ−Ｒ間隔の時系列データを解析して診断を行う。

図１は、本発明になる診断方法を実現する機能ブロック構成例で、心電図データ収集部１は、対象とする被検者の心電図データをディジタル化して長時間、例えば５時間にわたり収集する。本実施の形態ではこのデータを１ｍｓ間隔でサンプリングし、１２ｂｉｔｓで符号化するものとするが、これは別の値であっても良い。１ｍｓサンプリング、１２ｂｉｔｓ符号化であると、１秒あたりのデータ数（サンプリング数）は１０００個、バイト（Ｂ）で表した情報量は１２ｋｂｉｔｓ＝１．５ｋＢであり、１時間あたりに換算するとデータ数は３６０万個、情報量は約５．４ＭＢ（メガバイト）になる。この収集したデータは心電図データ記録部２に格納される。

Ｒ−Ｒ間隔検出部３は、まず心電図データを解析してＲ点の検出を行い、Ｒ−Ｒ間隔の時系列データを算出する。心電図にほぼ周期的に現れるピーク点であるＲ点の検出は公知の技術を用いればよい。Ｒ点を示す時刻は、適当に定めた基準時刻、例えば最初のＲ点の時刻との時間差であらわせばよい。そして心電図データ収集部１により収集された心電図データからＮ＋１個のＲ点｛Ｒｊ；ｊ＝０〜Ｎ｝が検出されたとすると、つぎに｛Ｒｊ｝の隣接要素間の差ｒｊを

により算出する。これはＮ個の要素からなるＲ−Ｒ間隔の時系列データ｛ｒｊ；ｊ＝０〜Ｎ−１｝である。算出されたＲ−Ｒ間隔の時系列データ｛ｒｊ｝はＲ−Ｒ間隔記録部４に格納される。このＲ−Ｒ間隔は１心拍ごとに１個ずつ現れるから、例えば平均心拍数を７０とすると１時間で４，２００個、データ量は１時間あたりで６．３ｋＢ（キロバイト）となる。

特徴値算出部５では、まずＲ−Ｒ間隔記録部４に格納された時系列データ｛ｒｊ；ｊ＝０〜Ｎ−１｝から、ｎ＋１個の連続した要素からなる部分列Ｂｊを（数２）に従って取り出す。ただしｎはＮよりも十分小さい値とし、またＭは（数３）である。

次に（数２）の部分列Ｂｊごとにその要素の平均値ｙｊと、各要素から先頭の要素ｒｊを差し引いた値の平均値ｘｊとを、心電図波形の特徴値として（数４）（数５）に従って算出する。

（数５）から分かるように、特徴値ｘｊは、部分列Ｂｊの要素の平均値ｙｊと最初の要素ｒｊとの偏差に比例する量であり、特徴値ｙｊが求まれば容易に算出できる。一方、特徴値ｙｊは、

とおいてＰｊの漸化式を（数４）から求めると

となる。従ってＰ０のみはｎ回の加算を必要とするが、Ｐｊ、ｊ≧１については加算１回、減算１回のみで算出可能であり、得られたＰｊをｎ＋１で割れば平均値ｙｊ、ｊ＝０〜Ｍをすべて算出できる。こうして得られた特徴値の組｛ｙｊ、ｘｊ；ｊ＝０〜Ｍ｝のデータ量はＲ−Ｒ間隔ｒｊ、ｊ＝０〜Ｎ−１のデータ量と同じオーダーであり、これらは特徴値記録部６へ格納される。

診断部７では、まず特徴値記録部６に記録された特徴値の組｛ｙｊ、ｘｊ；ｊ＝０〜Ｍ｝の分布状態を示すいくつかのパラメータを求める。このため、（ｙ、ｘ）平面をｙ，ｘ方向ともにｑｍｓ×ｑｍｓの格子状に区切り、その平面上にすべての特徴値の組（ｙｊ、ｘｊ；ｊ＝０〜Ｍ）をプロットする。そして同一格子内に当該特徴値の組以外の他の特徴値の組が存在しないような特徴値の組の個数を求め、これを孤立数ｂとする。そうすると残りの特徴値の組の個数ａは

で与えられ、これらの特徴値の組は、どの１つをとってもそれが属する格子内に他の特徴値の組が必ず１個以上属している。このａを重複数として算出する。続いて診断部７では、１つの格子に属する特徴値の組の個数を重複度としたとき、全格子の内で最大の重複度をもつ格子を捜し出し、その重複度を最大重複度ｃとして求める。

以上のようにして求めた重複数、孤立数、及び最大重複度を観察すれば、心臓の状態を把握できるが、以下ではさらに上記３個のパラメータを１つにまとめ、心状態量μを（数９）により算出する。

ここで係数の１０は、心状態量μの数値を扱いやすくするために乗算したもので、これは他の値であっても良い。（数９）の心状態量μは、重複数ａ、最大重複度ｃが大きいほど小さい値となる。重複数ａ、最大重複度ｃが大きいほど心臓の脈動変化がより少ないことを意味するから、健常者の場合よりも心状態量μが大幅に小さいときは、心臓の活動に影響するような刺激や環境変化に対する反応が鈍くなっていると考えられる。

表示部８は、診断部７で算出された心状態量μを表示手段へ表示し、医師などの診断に供する。また、医師などが必要と認めたときは、心電図データ記録部２に格納された心電図データを表示して観察できるようにする。さらに、特徴値記録部６に格納された特徴値の組｛ｙｊ、ｘｊ；ｊ＝０〜Ｍ｝を、前述したｑ×ｑの格子単位で表示し、かつ各格子の色をその重複度に応じた色で表せば、心状態量μが小さいほど狭い範囲に大きな重複度を示す格子が集中しているのが見られ、心臓の活動の反応が鈍化している様子を視覚的に観察できる。

以下、実測例を説明する。図７は、心電図データの収集時間を変えたときの、（数９）によって算出された心状態量μの変化を２人の被検者ＺＡ，ＺＢの場合を例として示したものである。この実測例では、心電図データのディジタル化は１ｍｓサンプリング、１２ｂｉｔｓ量子化で行った。また部分列Ｂｊの要素数ｎはすべて３００、格子のサイズｑは１ｍｓとして処理を行っている。図７の横軸は収集データの心拍数Ｎ＋１を１０００で割った値、縦軸はＮ＋１＝３６，０００の時の心状態量μ３６により心状態量μを規準化した値である。横軸の値は、１分あたりの心拍数を６０とすればＮ＋１＝３，６００が１時間に相当し、Ｎ＋１＝３６，０００は１０時間分のデータに相当する。従って、１分間の心拍数が異なれば同じ横軸の値でもその時間は異なる。図７から分かるように、およそＮ＞２０，０００（１分心拍数６０で約５時間半）以上になると、心状態量の値は安定する。この傾向は図示を省略した他の被検者でも同様であった。従ってｎ＝３００の場合は、収集データ量としてはＮ＞２０，０００が望ましいことを示している。

表１は、Ｎ＞２０，０００のデータを収集できた被検者の内の７名について、その処理結果を示したものである。心電図データのディジタル化におけるサンプリング周期と量子化ビット数、特徴値の算出精度、及び部分列の要素数ｎは図７の場合と同じである。

表中で被検者Ｚ１の実験回数１２，Ｎ＋１＝全３６，０００というのは、Ｎ＋１＝３６，０００のデータを１２回にわたって取得したことを示している。この場合は１２個の心状態量μが得られ、その平均値、最大値、および最小値が同じ被検者の欄に示されている。被検者Ｚ２〜Ｚ５についても同様である。被検者Ｚ６については、Ｎ＋１＝２９，３２４のデータを１回取得し、そのデーから得られた心状態量μが３．７９であったことを、被検者Ｚ７については、Ｎ＋１＝２３，１５６および２２，６１８のデータを取得し、得られた心状態量μが１７．２および３６．３であったことを示している。なお、備考欄の「死亡」とあるのは、データ取得後数週間以内に亡くなったことを意味している。

この結果から、被検者Ｚ１〜Ｚ５のように多数回にわたってデータ取得を行うと、得られる心状態量μがかなりばらつくが、これはそのデータ取得時の被検者の状態を反映してのものと思われる。そしてそのようなばらつきがあるにもかかわらず、心状態量μの大きさがおよそ１以下になると、かなり危険な状態で、健康な被検者Ｚ６，Ｚ７のようにμが１より十分大きい場合と対照的な結果となっている。この傾向は掲載を省略した多くのデータからも得られており、心電図データから自動的に算出される心状態量μが心状態量を判定する有効なパラメータであることを示している。

以上に説明したように、図１に示した本発明の診断方法によれば、被検者の心電図に一時的に現れる脈動の乱れではなく、長い時間にわたっての心拍の定常的状態の特徴を監視して自動的に異常発生を早期に予見でき、病状変化への対応を早めることができる。さらに、心電図の解析では、波形分析が自動的に１００％の正確さで行えるわけではなく、十分小さい頻度とはいえ個々の波形分析では誤判定が生じるものであるが、本発明の装置では、特徴量としてのＲ−Ｒ間隔に関する統計的平均を利用して診断を行っているから、発生頻度の少ない波形分析の誤判定があっても結果には影響することがなく、短時間の解析を用いる従来技術よりもずっと精度のよい診断が可能になる。

次に、本発明の診断システムについて述べる。心電計は被検者の体に常時装着して計測を行うものであり、一方、表示装置やその操作を行う操作装置は医師・看護婦・検査技師などが容易にアクセスできる場所に設置されている必要がある。また、Ｒ−Ｒ間隔検出部、特徴値算出部、診断部などの処理のために個々の被検者ごとに専用装置を用いるのは効率的ではなく、複数の被検者が共用できるパソコン等で実行するのが好ましい。

図２は、このような点を考慮したときのシステム構成例を示しており、被検者周辺に設けられる各計測端２０，２０…には心電計装置２１、この装置で計測された心電図データを送信データとしてまとめるデータ収集装置２２、通信インタフェース２３が設けられており、ネットワーク４０を介してデータをセンター側へ送信するように構成されている。被検者に常時装着して用いる心電計装置２１とデータ収集装置２２との間は無線回線で接続する。

ここで心電図データは、その処理、記憶、伝送などを考えるとなるべく早くディジタル化されているのが好ましいから、このディジタル化は心電計装置２１の出力側またはデータ収集装置２２の入力側で行われるものとする。このディジタル化が前述のように、１ｍｓサンプリング、１２ｂｉｔｓ量子化とすると、１秒あたり１．５ｋＢ＝１２ｋｂｉｔｓのデータ量になる。ネットワーク４０としては、常時接続またはダイアルアップによるインターネットの利用、あるいは病院内等でのＬＡＮの利用、ダイアルアップによる固定電話網や携帯電話網の利用などを考えると、これらのデータ伝送速度はいずれも１２ｋｂｉｔｓ／ｓｅｃよりも十分大きく、その大きな伝送速度で連続して送信した方が効率がよいから、データ収集装置２３は取り込んだ心電図データを一時記憶し、例えば数分ごとにバースト的にセンター側へ送信するようにするのが好ましい。

図２のセンター側３０では、ネットワーク４０を介して送信されてきたデータが通信インタフェース３１を介して記憶装置３３へ格納される。通信インタフェース３１は、一般に複数の測定端からのデータを受信できる機能が必要で、例えばインターネットの場合はサーバ機能を持つものとする。演算処理装置３２は、図１で説明したＲ−Ｒ間隔検出部、特徴値演算部および診断部の処理を行い、表示装置３４へ結果を出力する。制御装置３６は、操作装置３５からの指示に基づき、演算処理装置３２，表示装置３４の動作制御を行う。なお、１つの測定端に複数の心電計装置が設けられて複数人の心電図データを採取するときは、データ収集装置はこれら複数の心電計装置からの心電図データ収集を行うものとする。

演算処理装置３２には、Ｒ−Ｒ間隔検出処理３７，特徴値算出処理３８，および診断処理３９が設けられている。Ｒ−Ｒ間隔検出処理３７は、医師等が操作装置３５を操作して指示した被検者の心電図データを記憶装置３３から読み込み、心電図波形のＲ点の検出とその間隔の算出を行う。この処理は公知の技術を用いるものとして、その詳細は省略する。検出されたＲ−Ｒ間隔データは記憶装置３３へ格納される。

図３は、特徴値算出処理３８のフローチャートである。この処理では、まず操作装置３５を介して指示された被検者のＲ−Ｒ間隔データを記憶装置３３から読み込み、ｊ＝０に対してＰ０，ｙ０，ｘ０を（数７）（数６）（数５）に従って算出し（ステップ３０１，３０２，３０３）、次にｊ＝１〜Ｍに対してＰｊ，ｙｊ，ｘｊをやはり（数７）（数６）（数５）に従って算出する（ステップ３０４〜３０９）。算出された特徴値は記憶装置３３へ格納される。

図４は、診断処理３９の概略フローチャートで、まず操作装置３５を介して指示された被検者の特徴値データを記憶装置３３から読み込み、特徴値の組（ｙｊ、ｘｊ、ｊ＝０〜Ｍ）の各々について、その特徴値の組が属している格子に自分も含めて何個の特徴値の組が属しているかを示す重複度Ｈ（ｊ）を算出する（ステップ４０１）。次に重複度Ｈ（ｊ），ｊ＝０〜Ｍを用いて前述の重複数ａ、孤立数ｂ、最大重複度ｃを算出し（ステップ４０２）、これらを用いて（数９）の心状態量μを算出する（ステップ４０３）。この心状態量μは、即座に、あるいはいったん記憶装置３３へ格納された後指示に従って表示装置３３へ表示される。

図５は、図４のステップ４０１の詳細を示すフローチャートである。いま、（ｙ，ｘ）面を、ｙ一定の直線群ｙ＝０，ｙ＝±ｑ，ｙ＝±２ｑ・・・とｘ一定の直線群ｘ＝０，ｘ＝±ｑ，ｘ＝±２ｑ・・・によって格子状に分割するものとする。このとき各格子の領域（ｙ，ｘ）は整数値の組（ｇ，ｆ）を用いて

によって表すことができるから、（数１０）によって示される領域をもつ格子を格子（ｇ，ｆ）と呼ぶことにする。また、こうして生成された格子に属している特徴値の組の個数を当該格子の重複度としたとき、そこに属している特徴値の組の各々も同じ重複度をもっていると言うことにする。そしてこの各特徴値の組の重複度をＨで表す。例えばある１つの格子に３個の特徴値の組（ｙ１，ｘ１）（ｙ５，ｘ５）（ｙ６，ｘ６）が、かつこれらのみが属しているとき、これら３つの特徴値の組の重複度Ｈ（１），Ｈ（５），Ｈ（６）はすべて３である。この特徴値の組の定義から、つねにＨ（ｊ）≧１であり、またＨ（ｊ）＝１である特徴値の組（ｙｊ，ｘｊ）の個数は孤立数ｂであり、Ｈ（ｊ）≧２である特徴値の組（ｙｊ，ｘｊ）の個数は重複数ａであり、Ｈ（ｊ），ｊ＝０〜Ｍの内の最大値が最大重複度ｃである。

そこで図５の処理では、まず特徴値の組（ｙｊ、ｘｊ、ｊ＝０〜Ｍ）の重複度Ｈ（ｊ）をすべて１に初期化する（ステップ５０１）。次にｊ＝０〜Ｍの各々について

によって特徴値の組（ｙｊ，ｘｊ）を整数値の組（ｇｊ，ｆｊ）に対応づけると（ステップ５０２）、特徴値の組（ｙｊ，ｘｊ）は格子（ｇｊ，ｆｊ）に属している。次に変数ｋを０とし、さらに変数ｊをｋ＋１とする（ステップ５０３、５０４）。その後２つの特徴値の組（ｙｋ、ｘｋ）と（ｙｊ、ｘｊ）が属する格子（ｇｋ，ｆｋ）と（ｇｊ，ｆｊ）が等しいかを調べる（ステップ５０５）。

ステップ５０５で“Ｙｅｓ”のときは重複度Ｈ（ｊ）、Ｈ（ｋ）をともに１増やし（ステップ５０６）、“Ｎｏ”のときは何もしない。そしてｊがＭ未満であれば（ステップ５０７で“Ｎｏ”）、ｊを＋１し（ステップ５０９）、ステップ５０５へ戻る。またｊがＭになっていると（ステップ５０７で“Ｙｅｓ”）、ｋがＭ未満かを調べる（ステップ５０８）。そしてｋがＭ未満である間はｋをｋ＋１し（ステップ５１０）、ステップ５０４へ戻り、ｋがＭになると終了する。

図６は、図４のステップ４０２の詳細を示すフローチャートである。まず重複度Ｈ（ｊ）が２またはそれ以上の特徴値の組の個数、すなわち重複数ａ、およびＨ（ｊ）が１である特徴値の組の個数、すなわち孤立数ｂを０と初期化し、また最大重複度ｃをＨ（０）とする（ステップ６０１）。次にｊを０とした後（ステップ６０２）、Ｈ（ｊ）が１ならば孤立数ｂを＋１し、１でなければ重複数ａを＋１する（ステップ６０３，６０４，６０５）。つぎにＨ（ｊ）と最大重複度ｃを比べ、Ｈ（ｊ）がｃを超えていればｃをＨ（ｊ）とする（ステップ６０６，６０７）。以上のステップ６０３〜６０７をｊがＭになるまで繰り返す（ステップ６０８，６０９）。

なお、Ｒ−Ｒ間隔検出処理３７，特徴値算出処理３８，および診断処理３９は、操作装置３５からの指示によりそれぞれ呼び出されて処理を開始し、その結果を記憶装置３３へ格納するものとして説明したが、１人の被検者についてこれらの処理を自動的に連続して実行するようにした方が実用的であることは言うまでもない。また、各処理３７〜３９の処理結果を格納する記憶装置は１つの記憶装置３３を用いるものとしているが、これは物理的に分離された別のものを用いてもかまわない。さらに、表示装置３４への表示情報は、心状態量μのみでなく、必要に応じて操作装置からの指示により当該被検者の心電図の表示、および特徴値データのｘ、ｙ面への表示も行えるようにしておくものとする。

以上、本発明を心電図解析による人の診断を例として詳細に説明したが、本発明は、例えば機械的構造物やプラント内を移動する物体などで、複雑な揺らぎを伴うがほぼ周期的な振動を生じるような場合の診断にも適用可能である。

［図１］本発明の診断システムの機能ブロック構成例である。
［図２］本発明の診断システムの構成例である。
［図３］特徴値算出処理のフローチャートである。
［図４］診断処理の概略フローチャートである。
［図５］図４のステップ４０１の詳細フローチャートである。
［図６］図４のステップ４０２の詳細フローチャートである。
［図７］データ収集時間を変えたときの心状態量μの変化例である。

符号の説明

１ 心電図データ収集部
３ Ｒ−Ｒ間隔検出部
５ 特徴値算出部
７ 診断部
８ 表示部

Claims (9)

1. 被検者の心電図データを所定の時間にわたってディジタル化して収集し、
   収集した心電図データに現れるピーク点の間隔を検出することにより時系列データを生成し、
   その各々が前記時系列データの要素数よりも少ない個数の連続した要素からなる部分列であって、その先頭要素を前記時系列データの先頭要素から順次１要素ずつずらして構成された部分列の系列を生成し、該部分列の各々について当該部分列の要素の平均値と各要素から当該部分列の先頭要素を差し引いた値の平均値との２値組からなる特徴値組を算出し、
   あらかじめ格子状に分割された二次元平面へ前記特徴値組をプロットしたとき、ある特徴値組が存在する格子内に他の特徴値組が１つも存在しないような特徴値組の個数を孤立数として求め、さらに前記特徴値組の総個数から前記孤立数を差し引いた値を重複数として求め、前記孤立数と重複数を用いて診断を行うことを特徴とする診断方法。
2. 被検者の心電図データを所定の時間にわたってディジタル化して収集し、
   収集した心電図データに現れるピーク点の間隔を検出することにより時系列データを生成し、
   その各々が前記時系列データの要素数よりも少ない個数の連続した要素からなる部分列であって、その先頭要素を前記時系列データの先頭要素から順次１要素ずつずらして構成された部分列の系列を生成し、該部分列の各々について当該部分列の要素の平均値と各要素から当該部分列の先頭要素を差し引いた値の平均値との２値組からなる特徴値組を算出し、
   あらかじめ格子状に分割された二次元平面へ前記特徴値組をプロットしたとき、ある特徴値組が存在する格子内に他の特徴値組が１つも存在しないような特徴値組の個数を孤立数として求め、前記特徴値組の総個数から前記孤立数を差し引いた値を重複数として求め、さらにもっとも多くの特徴値組が存在する格子の特徴値組の個数を最大重複度として求め、前記孤立数、重複数及び最大重複度を用いて診断を行うことを特徴とする診断方法。
3. 被検者の心電図データを所定の時間にわたってディジタル化して収集し、
   収集した心電図データに現れるピーク点の間隔を検出することにより時系列データを生成し、
   その各々が前記時系列データの要素数よりも少ない個数の連続した要素からなる部分列であって、その先頭要素を前記時系列データの先頭要素から順次１要素ずつずらして構成された部分列の系列を生成し、該部分列の各々について当該部分列の要素の平均値と各要素から当該部分列の先頭要素を差し引いた値の平均値との２値組からなる特徴値組を算出し、
   あらかじめ格子状に分割された二次元平面へ前記特徴値組をプロットしたとき、ある特徴値組が存在する格子内に他の特徴値組が１つも存在しないような特徴値組の個数を孤立数として求め、前記特徴値組の総個数から前記孤立数を差し引いた値を重複数として求め、さらにもっとも多くの特徴値組が存在する格子の特徴値組の個数を最大重複度として求め、前記求めた孤立数、重複数、及び最大重複度から１０＊（孤立数）／（重複数）／（最大重複度）を心状態量として求め、この心状態量を用いて診断を行うことを特徴とする診断方法。
4. センター装置と、このセンター装置にネットワークを介して接続された１または複数の計測端末装置とからなる診断システムであって、
   計測端末装置の各々は、
   心電計装置と、
   この心電計装置により計測された心電図データを収集し送信用の心電図データを編集するためのデータ収集装置と、
   このデータ収集装置により編集された心電図データをネットワークを介してセンター装置へ送信するための通信インタフェースとを備え、
   センター装置は、
   各計測端末装置から送信されてきた心電図データを受信するための通信インタフェースと、
   この通信インタフェースにより受信された心電図データを格納するための記憶装置と、この記憶装置に格納された心電図データのピーク点の間隔をＲ−Ｒ間隔として検出し時系列データを生成するためのＲ−Ｒ間隔検出手段と、
   その各々が前記時系列データの要素数よりも少ない個数の連続した要素からなる部分列であって、その先頭要素を前記時系列データの先頭要素から順次１要素ずつずらして構成された部分列の系列を生成し、該部分列の各々について当該部分列の要素の平均値と各要素から当該部分列の先頭要素を差し引いた値の平均値との２値組からなる特徴値組を算出するための特徴値算出手段と、
   あらかじめ格子状に分割された二次元平面へ前記特徴値組をプロットしたとき、ある特徴値組が存在する格子内に他の特徴値組が１つも存在しないような特徴値組の個数を孤立数として求め、さらに前記特徴値組の総個数から前記孤立数を差し引いた値を重複数として求め、前記孤立数と重複数を用いて診断を行うための診断手段と、
   を備えたことを特徴とする診断システム。
5. センター装置と、このセンター装置にネットワークを介して接続された１または複数の計測端末装置とからなる診断システムであって、
   計測端末装置の各々は、
   心電計装置と、
   この心電計装置により計測された心電図データを収集し送信用の心電図データを編集するためのデータ収集装置と、
   このデータ収集装置により編集された心電図データをネットワークを介してセンター装置へ送信するための通信インタフェースとを備え、
   センター装置は、
   各計測端末装置から送信されてきた心電図データを受信するための通信インタフェースと、
   この通信インタフェースにより受信された心電図データを格納するための記憶装置と、この記憶装置に格納された心電図データのピーク点の間隔をＲ−Ｒ間隔として検出し時系列データを生成するためのＲ−Ｒ間隔検出手段と、
   その各々が前記時系列データの要素数よりも少ない個数の連続した要素からなる部分列であって、その先頭要素を前記時系列データの先頭要素から順次１要素ずつずらして構成された部分列の系列を生成し、該部分列の各々について当該部分列の要素の平均値と各要素から当該部分列の先頭要素を差し引いた値の平均値との２値組からなる特徴値組を算出するための特徴値算出手段と、
   あらかじめ格子状に分割された二次元平面へ前記特徴値組をプロットしたとき、ある特徴値組が存在する格子内に他の特徴値組が１つも存在しないような特徴値組の個数を孤立数として求め、前記特徴値組の総個数から前記孤立数を差し引いた値を重複数として求め、さらにもっとも多くの特徴値組が存在する格子の特徴値組の個数を最大重複度として求め、前記孤立数、重複数及び前記最大重複度を用いて診断を行うための診断手段と、
   を備えたことを特徴とする診断システム。
6. センター装置と、このセンター装置にネットワークを介して接続された１または複数の計測端末装置とからなる診断システムであって、
   計測端末装置の各々は、
   心電計装置と、
   この心電計装置により計測された心電図データを収集し送信用の心電図データを編集するためのデータ収集装置と、
   このデータ収集装置により編集された心電図データをネットワークを介してセンター装置へ送信するための通信インタフェースとを備え、
   センター装置は、
   各計測端末装置から送信されてきた心電図データを受信するための通信インタフェースと、
   この通信インタフェースにより受信された心電図データを格納するための記憶装置と、この記憶装置に格納された心電図データのピーク点の間隔をＲ−Ｒ間隔として検出し時系列データを生成するためのＲ−Ｒ間隔検出手段と、
   その各々が前記時系列データの要素数よりも少ない個数の連続した要素からなる部分列であって、その先頭要素を前記時系列データの先頭要素から順次１要素ずつずらして構成された部分列の系列を生成し、該部分列の各々について当該部分列の要素の平均値と各要素から当該部分列の先頭要素を差し引いた値の平均値との２値組からなる特徴値組を算出するための特徴値算出手段と、
   あらかじめ格子状に分割された二次元平面へ前記特徴値組をプロットしたとき、ある特徴値組が存在する格子内に他の特徴値組が１つも存在しないような特徴値組の個数を孤立数として求め、前記特徴値組の総個数から前記孤立数を差し引いた値を重複数として求め、さらにもっとも多くの特徴値組が存在する格子の特徴値組の個数を最大重複度として求め、前記孤立数、重複数及び前記最大重複度から１０＊（孤立数）／（重複数）／（最大重複度）を心状態量として求め、この心状態量を用いて診断を行うための診断手段と、
   を備えたことを特徴とする診断システム。
7. 所定の時間にわたってディジタル化して収集された被検者の心電図データに現れるピーク点の間隔を検出することにより時系列データを生成する第１の手順と、
   その各々が前記時系列データの要素数よりも少ない個数の連続した要素からなる部分列であって、その先頭要素を前記時系列データの先頭要素から順次１要素ずつずらして構成された部分列の系列を生成し、該部分列の各々について当該部分列の要素の平均値と各要素から当該部分列の先頭要素を差し引いた値の平均値との２値組からなる特徴値組を算出する第２の手順と、
   あらかじめ格子状に分割された二次元平面へ前記特徴値組をプロットしたとき、ある特徴値組が存在する格子内に他の特徴値組が１つも存在しないような特徴値組の個数を孤立数として求め、前記特徴値組の総個数から前記孤立数を差し引いた値を重複数として求め、求めた孤立数及び重複数を診断用データとして出力する第３の手順と、
   をコンピュータに実行させるための診断用プログラム。
8. 所定の時間にわたってディジタル化して収集された被検者の心電図データに現れるピーク点の間隔を検出することにより時系列データを生成する第１の手順と、
   その各々が前記時系列データの要素数よりも少ない個数の連続した要素からなる部分列であって、その先頭要素を前記時系列データの先頭要素から順次１要素ずつずらして構成された部分列の系列を生成し、該部分列の各々について当該部分列の要素の平均値と各要素から当該部分列の先頭要素を差し引いた値の平均値との２値組からなる特徴値組を算出する第２の手順と、
   あらかじめ格子状に分割された二次元平面へ前記特徴値組をプロットしたとき、ある特徴値組が存在する格子内に他の特徴値組が１つも存在しないような特徴値組の個数を孤立数として求め、前記特徴値組の総個数から前記孤立数を差し引いた値を重複数として求め、さらにもっとも多くの特徴値組が存在する格子の特徴値組の個数を最大重複度として求め、求めた孤立数、重複数及び最大重複度を診断用データとして出力する第３の手順と、
   をコンピュータに実行させるための診断用プログラム。
9. 所定の時間にわたってディジタル化して収集された被検者の心電図データに現れるピーク点の間隔を検出することにより時系列データを生成する第１の手順と、
   その各々が前記時系列データの要素数よりも少ない個数の連続した要素からなる部分列であって、その先頭要素を前記時系列データの先頭要素から順次１要素ずつずらして構成された部分列の系列を生成し、該部分列の各々について当該部分列の要素の平均値と各要素から当該部分列の先頭要素を差し引いた値の平均値との２値組からなる特徴値組を算出する第２の手順と、
   あらかじめ格子状に分割された二次元平面へ前記特徴値組をプロットしたとき、ある特徴値組が存在する格子内に他の特徴値組が１つも存在しないような特徴値組の個数を孤立数として求め、前記特徴値組の総個数から前記孤立数を差し引いた値を重複数として求め、さらにもっとも多くの特徴値組が存在する格子の特徴値組の個数を最大重複度として求め、求めた孤立数、重複数及び最大重複度から１０＊（孤立数）／（重複数）／（最大重複度）を心状態量として求め、この心状態量を診断用データとして出力する第３の手順と、
   をコンピュータに実行させるための診断用プログラム。

Images