KR101102545B1 - 진단방법과 그 장치, 진단용 프로그램을 기록한 컴퓨터로 판독 가능한 기록매체 - Google Patents

진단방법과 그 장치, 진단용 프로그램을 기록한 컴퓨터로 판독 가능한 기록매체 Download PDF

Info

Publication number
KR101102545B1
KR101102545B1 KR1020067024154A KR20067024154A KR101102545B1 KR 101102545 B1 KR101102545 B1 KR 101102545B1 KR 1020067024154 A KR1020067024154 A KR 1020067024154A KR 20067024154 A KR20067024154 A KR 20067024154A KR 101102545 B1 KR101102545 B1 KR 101102545B1
Authority
KR
South Korea
Prior art keywords
feature value
data
value sets
time series
elements
Prior art date
Application number
KR1020067024154A
Other languages
English (en)
Other versions
KR20070030198A (ko
Inventor
기요시 다키자와
Original Assignee
기요시 다키자와
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 기요시 다키자와 filed Critical 기요시 다키자와
Publication of KR20070030198A publication Critical patent/KR20070030198A/ko
Application granted granted Critical
Publication of KR101102545B1 publication Critical patent/KR101102545B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—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
    • A61B5/02405—Determining heart rate variability
    • 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
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Cardiology (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Physiology (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

본 발명은 환자의 심전도 데이터로부터 심장의 여러가지 환경에 대한 대응력 부족이나 그 결과 일어날 수 있는 돌발적 이상사태를 예견하는 방법을 제공하는 것이다. 이를 위하여 본 발명에서는 심전도 데이터 수집부(1)에서 장시간에 걸쳐 수집한 심전도 데이터로부터 각 심박에 나타나는 피크점의 간격(R-R간격)의 시계열 데이터(r0, r1 …)를 그 검출부(3)에서 검출한다. 다음에 일정한 개수(n)를 정하여 검출한 시계열 데이터의 선두요소(r0)로부터 n개, 2번째 요소(r1)로부터 n개…로 차례로 1요소씩 어긋나게 하면서 n요소로 이루어지는 부분열(B0, B1 …)을 만들고, 부분열(Bj)의 n요소의 평균값(yj)과, Bj의 각 요소로부터 그 선두요소(rj)를 뺀 값의 평균값(xj)을 부분열(Bj)의 특징값 세트로 하여 특징값 산출부(5)에서 산출한다. 또한 진단부(7)에서는, 미리 격자형상으로 분할된 2차원 평면에 상기 특징값 세트를 플롯하였을 때, 소정의 특정값 세트가 존재하는 격자 내에 다른 특징값 세트가 하나도 존재하지 않는 바와 같은 특징값 세트의 개수를 고립수(b), 특징값 세트의 총수로부터 고립수(b)를 뺀 값을 중복수(a) 및 가장 많은 특징값 세트가 존재하는 격자 내의 특징값 세트의 개수를 최대 중복도(c)로서 산출하고, 중복수(a) 및 최대 중복도(c)가 클수록, 또 고립수가 작을수록 심장 상태가 좋지 않다고 판정하도록 한다.

Description

진단방법과 그 장치, 진단용 프로그램을 기록한 컴퓨터로 판독 가능한 기록매체{DIAGNOSTIC METHOD AND ITS APPARATUS, AND COMPUTER-READABLE RECORDING MEDIUM STORING PROGRAM FOR DIAGNOSIS}
본 발명은 진단방법, 진단용 프로그램 및 진단시스템에 관한 것으로, 특히 심전도를 사용한 진단에 적합한 진단방법, 진단용 프로그램 및 진단시스템에 관한 것이다.
심전도를 분석하여 환자의 증상을 진단하는 기술은 수많이 개발되어 있고, 예를 들면 하나하나의 심전도 파형의 특징점을 정확하게 자동 인식하여 진단을 정확하게 행할 수 있도록 한 것(특허문헌 1, 특허문헌 2 등), 하나하나의 심전도 파형의 해석에 의하여 진단을 행하는 것(특허문헌 3, 특허문헌 4, 특허문헌 5 등), 심전도 파형으로부터 R-R 간격 등의 시계열 데이터를 인출하여 그 시계열 데이터의 해석에 의해 진단을 행하는 것(특허문헌 6, 특허문헌 7 등) 등이 있다. 이들 기술을 사용하면 심전도를 눈으로 보는 것에만 의한 진단과 비교하면, 더욱 효율적이고 또한 신속한 진단이 가능해지고, 증상을 못보고 놓치는 것도 적게 할 수 있다.
[특허문헌 1]
일본국 특개평8-56914
[특허문헌 2]
일본국 특개평9-201344
[특허문헌 3]
일본국 특개평10-225443
[특허문헌 4]
USP5,609,158
[특허문헌 5]
USP5,560,368
[특허문헌 6]
USP5,755,671
[특허문헌 7]
특개평6-54815
상기에 예시한 바와 같은 종래기술은 수분 또는 길더라도 10수분 정도의 심전도 파형의 관찰, 해석을 행하는 것이나, 이와 같은 짧은 시간으로는 심장 상태의 이상을 나타내는 데이터가 얻어지지 않는 경우가 많다. 예를 들면 심근경색이 발생하면 그후 수시간 내에 심실빈박에 의한 돌연사의 위험이 있고, 심근경색 발생 후의 수일 사이에 부정맥이 발생할 확률은 90%나 된다. 그후는 부정맥 발생율은 감소하나, 1년 이내에는 환자의 5∼10%는 사망한다. 따라서 이와 같은 환자의 진단에는 장시간에 걸치는 심전도 데이터를 연속하여 취득하여 감시하는 것이 요망된다. 그러나 종래는 이 기록된 데이터를 기록이 끝나고 나서 의사가 육안으로 보고 진단을 행하거나, 또는 그 기록 데이터에서 의사가 이상하다고 간주한 단시간의 데이터를 인출하여 자동 분석하는 등의 방법이 사용되어 왔다. 이 때문에 계측으로부터 진단결과가 얻어지기까지의 시간지연이 커서 증상의 변화나 절박한 위기를 예지하는 점에서 불충분하였다. 또 의사의 육안에 의한 판단이 들어가기 때문에 못보고 지나치기가 쉽다는 문제도 있었다.
본 발명의 목적은 장시간에 걸쳐 환자의 심전도 데이터를 취득하여 이상 발생을 신속하게 예견할 수 있도록 한 진단방법, 진단용 프로그램 및 진단시스템을 제공하는 것에 있다.
상기한 목적을 달성하기 위하여 본 발명은 피검자의 심전도 데이터를 소정의 시간에 걸쳐 디지털화하여 수집하고,
수집한 심전도 데이터에 나타나는 피크점의 간격을 검출함으로써 시계열 데이터를 생성하고,
그 각각이 상기 시계열 데이터의 요소수보다 적은 개수의 연속된 요소로 이루어지는 부분열로서, 그 선두 요소를 상기 시계열 데이터의 선두 요소로부터 차례로 1요소씩 어긋나게 하여 구성된 부분열의 계열을 생성하고, 상기 부분열의 각각에 대하여 상기 부분열의 요소의 평균값과, 각 요소로부터 상기 부분열의 선두요소를 뺀 값의 평균값과의 2값 세트로 이루어지는 특징값 세트를 산출하고,
미리 격자형상으로 분할된 2차원 평면에 상기 특징값 세트를 플롯하였을 때, 소정의 특징값 세트가 존재하는 격자 내에 다른 특징값 세트가 하나도 존재하지 않는 바와 같은 특징값 세트의 개수를 고립수로서 구하고, 또한 상기 특징값 세트의 총갯수로부터 상기 고립수를 뺀 값을 중복수로서 구하여, 상기 고립수와 중복수를 사용하여 진단을 행하는 것을 특징으로 하는 진단방법을 제공한다.
또 본 발명은 피검자의 심전도 데이터를 소정의 시간에 걸쳐 디지털화하여 수집하고,
수집한 심전도 데이터에 나타나는 피크점의 간격을 검출함으로써 시계열 데이터를 생성하고,
그 각각이 상기 시계열 데이터의 요소 수보다도 적은 개수의 연속된 요소로 이루어지는 부분열로서, 그 선두요소를 상기 시계열 데이터의 선두요소로부터 차례로 1요소씩 어긋나게 하여 구성된 부분열의 계열을 생성하고, 상기 부분열의 각각에 대하여 상기 부분열의 요소의 평균값과 각 요소로부터 상기 부분열의 선두요소를 뺀 값의 평균값과의 2값 세트로 이루어지는 특징값 세트를 산출하고,
미리 격자형상으로 분할된 2차원 평면에 상기 특징값 세트를 플롯하였을 때, 소정의 특징값 세트가 존재하는 격자 내에 다른 특징값 세트가 하나도 존재하지 않는 바와 같은 특징값 세트의 개수를 고립수로서 구하여, 상기 특징값 세트의 총갯수로부터 상기 고립수를 뺀 값을 중복수로서 구하고, 상기 고립수, 중복수 및 최대 중복도를 사용하여 진단을 행하는 것을 특징으로 하는 진단방법을 제공한다.
또 본 발명은 피검자의 심전도 데이터를 소정의 시간에 걸쳐 디지털화하여 수집하고,
수집한 심전도 데이터에 나타나는 피크점의 간격을 검출함으로써 시계열 데이터를 생성하고,
그 각각이 상기 시계열 데이터의 요소 수보다도 적은 개수의 연속된 요소로 이루어지는 부분열로서, 그 선두요소를 상기 시계열 데이터의 선두요소로부터 차례로 1요소씩 어긋나게 하여 구성된 부분열의 계열을 생성하고, 상기 부분열의 각각에 대하여 상기 부분열의 요소의 평균값과 각 요소로부터 상기 부분열의 선두요소를 뺀 값의 평균값과의 2값 세트로 이루어지는 특징값 세트를 산출하고,
미리 격자형상으로 분할된 2차원 평면에 상기 특징값 세트를 플롯하였을 때, 소정의 특징값 세트가 존재하는 격자 내에 다른 특징값 세트가 하나도 존재하지 않는 바와 같은 특징값 세트의 개수를 고립수로서 구하여, 상기 특징값 세트의 총갯수로부터 상기 고립수를 뺀 값을 중복수로서 구하고, 또한 가장 많은 특징값 세트가 존재하는 격자의 특징값 세트의 개수를 최대 중복도로서 구하여 상기 구한 고립수, 중복수 및 최대 중복도로부터 10 *(고립수)/(중복수)/(최대 중복수)를 심장 상태량으로서 구하고, 이 심장 상태량을 사용하여 진단을 행하는 것을 특징으로 하는 진단방법을 제공한다.
또 본 발명은 센터장치와, 이 센터장치에 네트워크를 거쳐 접속된 1 또는 복수의 계측 단말장치로 이루어지는 진단시스템에 있어서,
계측 단말장치의 각각은,
심전계장치와,
상기 심전계장치에 의하여 계측된 심전도 데이터를 수집하여 송신용 심전도 데이터를 편집하기 위한 데이터 수집장치와,
상기 데이터 수집장치에 의하여 편집된 심전도 데이터를 네트워크를 거쳐 센터장치에 송신하기 위한 통신 인터페이스를 구비하고,
센터장치는,
각 계측 단말장치로부터 송신되어 온 심전도 데이터를 수신하기 위한 통신 인터페이스와,
상기 통신 인터페이스에 의하여 수신된 심전도 데이터를 저장하기 위한 기억장치와, 상기 기억장치에 저장된 심전도 데이터의 피크점의 간격을 R-R 간격으로서 검출하여 시계열 데이터를 생성하기 위한 R-R 간격 검출수단과,
그 각각이 상기 시계열 데이터의 요소수보다 적은 개수의 연속된 요소로 이루어지는 부분열로서, 그 선두요소를 상기 시계열 데이터의 선두요소로부터 차례로 1요소씩 어긋나게 하여 구성된 부분열의 계열을 생성하고, 상기 부분열의 각각에 대하여 상기 부분열의 요소의 평균값과 각 요소로부터 상기 부분열의 선두요소를 뺀 값의 평균값과의 2값 세트로 이루어지는 특징값 세트를 산출하기 위한 특징값 산출수단과,
미리 격자형상으로 분할된 2차원 평면에 상기 특징값 세트를 플롯하였을 때, 소정의 특징값 세트가 존재하는 격자 내에 다른 특징값 세트가 하나도 존재하지 않는 바와 같은 특징값 세트의 개수를 고립수로서 구하고, 또한 상기 특징값 세트의 총갯수로부터 상기 고립수를 뺀 값을 중복수로서 구하여 상기 고립수와 중복수를 사용하여 진단을 행하기 위한 진단수단을 구비한 것을 특징으로 하는 진단시스템을 제공한다.
또, 본 발명은 센터장치와, 상기 센터장치에 네트워크를 거쳐 접속된 1 또는 복수의 계측 단말장치로 이루어지는 진단시스템에 있어서,
계측 단말장치의 각각은,
심전계장치와,
상기 심전계장치에 의하여 계측된 심전도 데이터를 수집하여 송신용 심전도 데이터를 편집하기 위한 데이터수집장치와,
상기 데이터수집장치에 의하여 편집된 심전도 데이터를 네트워크를 거쳐 센터장치에 송신하기 위한 통신 인터페이스를 구비하고,
센터장치는,
각 계측 단말장치로부터 송신되어 온 심전도 데이터를 수신하기 위한 통신 인터페이스와,
상기 통신 인터페이스에 의하여 수신된 심전도 데이터를 저장하기 위한 기억장치와, 상기 기억장치에 저장된 심전도 데이터의 피크점의 간격을 R-R간격으로서 검출하여 식계열 데이터를 생성하기 위한 R-R 간격 검출수단과,
그 각각이 상기 시계열 데이터의 요소수보다 적은 개수의 연속된 요소로 이루어지는 부분열로서, 그 선두요소를 상기 시계열 데이터의 선두요소로부터 차례로 1요소씩 어긋나게 하여 구성된 부분열의 계열을 생성하고, 상기 부분열의 각각에 대하여 상기 부분열의 요소의 평균값과 각 요소로부터 상기 부분열의 선두요소를 뺀 값의 평균값과의 2값 세트로 이루어지는 특징값 세트를 산출하기 위한 특징값 산출수단과,
미리 격자형상으로 분할된 2차원 평면에 상기 특징값 세트를 플롯하였을 때, 소정의 특징값 세트가 존재하는 격자 내에 다른 특징값 세트가 하나도 존재하지 않는 바와 같은 특징값 세트의 개수를 고립수로서 구하고, 상기 특징값 세트의 총갯수로부터 상기 고립수를 뺀 값을 중복수로서 구하고, 또한 가장 많은 특징값 세트가 존재하는 격자의 특징값 세트의 개수를 최대 중복도로서 구하여 상기 고립수, 중복수 및 상기 최대 중복도를 사용하여 진단을 행하기 위한 진단수단을 구비한 것을 특징으로 하는 진단시스템을 제공한다.
또, 본 발명은 센터장치와, 상기 센터장치에 네트워크를 거쳐 접속된 1 또는 복수의 계측 단말장치로 이루어지는 진단시스템으로서,
계측 단말장치의 각각은,
심전계장치와,
상기 심전계장치에 의하여 계측된 심전도 데이터를 수집하여 송신용 심전도 데이터를 편집하기 위한 데이터수집장치와,
상기 데이터수집장치에 의하여 편집된 심전도 데이터를 네트워크를 거쳐 센터장치에 송신하기 위한 통신 인터페이스를 구비하고,
센터장치는,
각 계측 단말장치로부터 송신되어 온 심전도 데이터를 수신하기 위한 통신 인터페이스와,
상기 통신 인터페이스에 의하여 수신된 심전도 데이터를 저장하기 위한 기억장치와, 상기 기억장치에 저장된 심전도 데이터의 피크점의 간격을 R-R 간격으로서 검출하여 시계열 데이터를 생성하기 위한 R-R 간격 검출수단과,
그 각각이 상기 시계열 데이터의 요소수보다 적은 개수의 연속된 요소로 이루어지는 부분열로서, 그 선두요소를 상기 시계열 데이터의 선두요소로부터 차례로 1요소씩 어긋나게 하여 구성된 부분열의 계열을 생성하고, 상기 부분열의 각각에 대하여 상기 부분열의 요소의 평균값과 각 요소로부터 상기 부분열의 선두요소를 뺀 값의 평균값과의 2값 세트로 이루어지는 특징값 세트를 산출하기 위한 특징값 산출수단과,
미리 격자형상으로 분할된 2차원 평면에 상기 특징값 세트를 플롯하였을 때 소정의 특징값 세트가 존재하는 격자 내에 다른 특징값 세트가 하나도 존재하지 않는 바와 같은 특징값 세트의 개수를 고립수로서 구하고, 상기 특징값 세트의 총갯수로부터 상기 고립수를 뺀 값을 중복수로서 구하고, 또한 가장 많은 특징값 세트가 존재하는 격자의 특징값 세트의 개수를 최대 중복도로서 구하여 상기 고립수, 중복수 및 상기 최대 중복도로부터 10 * (고립수)/(중복수)/(최대 중복도)를 심장 상태량으로서 구하고, 이 심장 상태량을 사용하여 진단을 행하기 위한 진단수단을 구비한 것을 특징으로 하는 진단시스템을 제공한다.
또, 본 발명은 소정의 시간에 걸쳐 디지털화하여 수집된 피검자의 심전도 데이터에 나타나는 피크점의 간격을 검출함으로써 시계열 데이터를 생성하는 제 1 순서와,
그 각각이 상기 시계열 데이터의 요소수보다 적은 개수의 연속된 요소로 이루어지는 부분열로서, 그 선두요소를 상기 시계열 데이터의 선두요소로부터 차례로 1요소씩 어긋나게 하여 구성된 부분열의 계열을 생성하고, 상기 부분열의 각각에 대하여 상기 부분열의 요소의 평균값과 각 요소로부터 상기 부분열의 선두요소를 뺀 값의 평균값과의 2값 세트로 이루어지는 특징값 세트를 산출하는 제 2 순서와,
미리 격자형상으로 분할된 2차원 평면에 상기 특징값 세트를 플롯하였을 때, 소정의 특징값 세트가 존재하는 격자 내에 다른 특징값 세트가 하나도 존재하지 않는 바와 같은 특징값 세트의 개수를 고립수로서 구하고, 상기 특징값 세트의 총갯수로부터 상기 고립수를 뺀 값을 중복수로서 구하여, 구한 고립수 및 중복수를 진단용 데이터로서 출력하는 제 3 순서를 컴퓨터에 실행시키기 위한 진단용 프로그램을 제공한다.
또 본 발명은 소정의 시간에 걸쳐 디지털화하여 수집된 피검자의 심전도 데이터에 나타나는 피크점의 간격을 검출함으로써 시계열 데이터를 생성하는 제 1 순서와,
그 각각이 상기 시계열 데이터의 요소수보다 적은 개수의 연속된 요소로 이루어지는 부분열로서, 그 선두요소를 상기 시계열 데이터의 선두요소로부터 차례로 1요소씩 어긋나게 하여 구성된 부분열의 계열을 생성하고, 상기 부분열의 각각에 대하여 상기 부분열의 요소의 평균값과 각 요소로부터 상기 부분열의 선두요소를 뺀 값의 평균값과의 2값 세트로 이루어지는 특징값 세트를 산출하는 제 2 순서와,
미리 격자형상으로 분할된 2차원 평면에 상기 특징값 세트를 플롯하였을 때 소정의 특징값 세트가 존재하는 격자 내에 다른 특징값 세트가 하나도 존재하지 않는 바와 같은 특징값 세트의 개수를 고립수로서 구하고, 상기 특징값 세트의 총갯수로부터 상기 고립수를 뺀 값을 중복수로서 구하고, 또한 가장 많은 특징값 세트가 존재하는 격자의 특징값 세트의 개수를 최대 중복도로서 구하여, 구한 고립수, 중복수 및 최대 중복도를 진단용 데이터로서 출력하는 제 3 순서를 컴퓨터에 실행시키기 위한 진단용 프로그램을 제공한다.
또한 본 발명은 소정의 시간에 걸쳐 디지털화하여 수집된 피검자의 심전도 데이터에 나타나는 피크점의 간격을 검출함으로써 시계열 데이터를 생성하는 제 1 순서와,
그 각각이 상기 시계열 데이터의 요소수보다 적은 개수의 연속된 요소로 이루어지는 부분열로서, 그 선두요소를 상기 시계열 데이터의 선두요소로부터 차례로 1요소씩 어긋나게 하여 구성된 부분열의 계열을 생성하고, 상기 부분열의 각각에 대하여 상기 부분열의 요소의 평균값과 각 요소로부터 상기 부분열의 선두요소를 뺀 값의 평균값과의 2값 세트로 이루어지는 특징값 세트를 산출하는 제 2 순서와,
미리 격자형상으로 분할된 2차원 평면에 상기 특징값 세트를 플롯하였을 때 소정의 특징값 세트가 존재하는 격자 내에 다른 특징값 세트가 하나도 존재하지 않는 바와 같은 특징값 세트의 개수를 고립수로서 구하고, 상기 특징값 세트의 총갯수로부터 상기 고립수를 뺀 값을 중복수로서 구하고, 또한 가장 많은 특징값 세트가 존재하는 격자의 특징값 세트의 개수를 최대 중복도로서 구하여, 구한 고립수, 중복수 및 최대 중복도로부터 10 * (고립수)/(중복수)/(최대 중복도)를 심장 상태량으로서 구하여, 이 심장 상태량을 진단용 데이터로서 출력하는 제 3 순서를 컴퓨터에 실행시키기 위한 진단용 프로그램을 제공한다.
중복수나 최대 중복도가 클수록, 그리고 고립수가 작을수록, 심장의 맥동변화가 더욱 적고, 심장의 활동에 영향을 미치는 자극이나 환경변화에 대한 반응이 둔해져 있다고 생각된다. 따라서 중복수, 최대 중복도 및 고립수로부터 돌발적으로 단시간 나타나는 심박 이상이 아닌, 장시간에 걸치는 정상적인 심장 상태의 진단을 행할 수 있다. 또한 이들 데이터는 장시간 측정 데이터로부터 자동적으로 간단한 계산으로 산출할 수 있고, 특별한 숙련기술을 필요로 하지 않으며, 또 단시간 관측시와 같은 못보고 지나치는 문제도 생기지 않는다.
도 1은 본 발명의 진단시스템의 기능 블록 구성예,
도 2는 본 발명의 진단시스템의 구성예,
도 3은 특징값 산출처리의 플로우차트,
도 4는 진단처리의 개략 플로우차트,
도 5는 도 4의 단계 401의 상세 플로우차트,
도 6은 도 4의 단계 402의 상세 플로우차트,
도 7은 데이터 수집시간을 바꾸었을 때의 심장 상태량(μ)의 변화예이다.
※ 도면의 주요한 부분에 대한 부호의 설명
1 : 심전도 데이터수집부 3 : R-R 간격 검출부
5 : 특징값 산출부 7 : 진단부
8 : 표시부
이하, 본 발명의 실시형태를 상세하게 설명한다. 심전도 파형의 특징을 나 타내는 대표적인 특징량은 R-R 간격(R : 1 심박마다 나타나는 피크점)이고, 이것은 1심박에 1개씩의 값을 취하는 시계열 데이터이다. 이 시계열 데이터는 피검자마다 일반적으로 다른 값을 취하고, 건강한 사람과 마찬가지로 평정하게 되어 있는 상태에서 측정하여도 어느 사람은 평균적으로 1초(1분의 심박수 60)이고, 다른 사람은 평균적으로 6/7초(1분의 심박수 70) … 라는 바와 같이 다르고, 또한, 1박씩의 R-R 간격은 완전하게 일정하지 않고 미세하게 변동하고 있다. 그리고 피검자가 운동을 한 후나 피검자의 증상이 변화되었을 때에는 R-R 간격의 평균값도 그 미세한 흔들림도 변화한다. 본 발명에서는 이와 같은 R-R 간격의 시계열 데이터를 해석하여 진단을 행한다.
도 1은 본 발명이 되는 진단방법을 실현하는 기능 블럭 구성예로서, 심전도 데이터수집부(1)는 대상으로 하는 피검자의 심전도 데이터를 디지털화하여 장시간, 예를 들면 5시간에 걸쳐 수집한다. 본 실시형태에서는 이 데이터를 1 ms 간격으로 샘플링하여 12 bits로 부호화하는 것으로 하나, 이것은 다른 값이어도 좋다. 1 ms 샘플링, 12 bits 부호화이면, 1초당의 데이터수(샘플링수)는 1000개, 바이트(B)로 표시한 정보량은 12 kbits = 1.5 kB 이고, 1시간당으로 환산하면 데이터수는 360만개, 정보량은 약 5.4 MB(메가바이트)가 된다. 이 수집한 데이터는 심전도 데이터 기록부(2)에 저장된다.
R-R 간격 검출부(3)는 먼저 심전도 데이터를 해석하여 R점의 검출을 행하여, R-R 간격의 시계열 데이터를 산출한다. 심전도에 대략 주기적으로 나타나는 피크점인 R점의 검출은 공지의 기술을 사용하면 좋다. R점을 나타내는 시각은, 적당하게 정한 기준시각, 예를 들면 최초의 R점의 시각과의 시간차로 나타내면 좋다. 그리고 심전도 데이터 수집부(1)에 의하여 수집된 심전도 데이터로부터 N + 1개의 R점{Rj;j= 0∼N}이 검출되었다고 하면, 다음에 {Rj}의 인접요소 사이의 차(rj)를
Figure 112006084286064-pct00001
에 의하여 산출한다. 이것은 N개의 요소로 이루어지는 R-R 간격의 시계열 데이터{rj;j = 0∼N-1}이다. 산출된 R-R 간격의 시계열 데이터{rj)는 R-R 간격 기록부(4)에 저장된다. 이 R-R 간격은 1심박마다 1개씩 나타나기 때문에 예를 들면 평균 심박수를 70이라 하면 1시간에 4,200개, 데이터량은 1시간당 6.3 kB(킬로바이트)가 된다.
특징값 산출부(5)에서는 먼저 R-R 간격 기록부(4)에 저장된 시계열 데이터{rj;j = 0∼N-1}로부터, n + 1개의 연속된 요소로 이루어지는 부분열(Bj)를 수학식 2에 따라 인출한다. 단 n은 N보다 충분히 작은 값으로 하고, 또 M은 수학식 3이다.
Figure 112006084286064-pct00002
Figure 112006084286064-pct00003
다음에 수학식 2의 부분열(Bj)마다 그 요소의 평균값(yj)과, 각 요소로부터 선두의 요소(rj)를 뺀 값의 평균값(xj)을, 심전도 파형의 특징값으로서 수학식 4, 수학식 5에 따라 산출한다.
Figure 112006084286064-pct00004
Figure 112006084286064-pct00005
수학식 5에서 알 수는 바와 같이 특징값(xj)은, 부분열(Bj) 요소의 평균값(yj)과 최초 요소(rj)와의 편차에 비례하는 양으로, 특정값(yj)이 구해지면 용이하게 산출할 수 있다. 한편, 특징값(yj)은,
Figure 112006084286064-pct00006
로 두고, Pj의 점화식을 수학식 4로부터 구하면
Figure 112006084286064-pct00007
이 된다. 따라서 PO만은 n회의 가산을 필요로 하나, Pj, j ≥ 1에 대해서는 가산 1회, 감산 1회만으로 산출 가능하고, 얻어진 Pj를 n + 1로 나누면 평균 값(yj), j = 0∼M을 모두 산출할 수 있다. 이와 같이 하여 얻어진 특징값의 세트{yj, xj;j = 0∼M}의 데이터량은 R-R 간격(rj), j = 0∼N-1의 데이터량과 같은 오더이고, 이들은 특징값 기록부(6)에 저장된다.
진단부(7)에서는 먼저 특징값 기록부(6)에 기록된 특징값 세트{yj, xj;j = 0∼M}의 분포상태를 나타내는 몇개인가의 파라미터를 구한다. 이를 위하여 (y, x)평면을 y, x 방향 모두 qms × qms의 격자형상으로 구분짓고, 그 평면상에 모든 특징값의 세트(yj, xj;j = O∼M)를 플롯한다. 그리고 동일 격자 내에 상기 특징값의 세트 이외의 다른 특징값의 세트가 존재하지 않는 바와 같은 특징값 세트의 개수를 구하여, 이것을 고립수(b)라 한다. 그렇게 하면 나머지 특징값 세트의 개수(a)는
Figure 112006084286064-pct00008
로 주어지고, 이들 특징값의 세트는 어느 하나를 취하여도 그것이 속하는 격자 내에 다른 특징값의 세트가 반드시 1개 이상 속해 있다. 이 a를 중복수로서 산출한다. 계속해서 진단부(7)에서는 하나의 격자에 속하는 특징값 세트의 개수를 중복도라 하였을 때, 모든 격자 중에서 최대의 중복도를 가지는 격자를 찾아내어 그 중복도를 최대 중복도(c)로서 구한다.
이상과 같이 하여 구한 중복수, 고립수 및 최대 중복도를 관찰하면, 심장의 상태를 파악할 수 있으나, 이하에서는 다시 상기 3개의 파라미터를 하나로 정리하여 심장 상태량(μ)을 수학식 9에 의하여 산출한다.
Figure 112006084286064-pct00009
여기서 계수 10은 심장 상태량(μ)의 수치를 처리하기 쉽게 하기 위하여 승산한 것으로, 이것은 다른 값이어도 좋다. 수학식 9의 심장 상태량(μ)은, 중복수(a), 최대 중복도(c)가 클수록 작은 값이 된다. 중복수(a), 최대 중복도(c)가 클수록 심장의 맥동변화가 더욱 적은 것을 의미하기 때문에, 건상자(健常者)의 경우보다 심장 상태량(μ)이 대폭으로 작을 때는 심장의 활동에 영향을 미치는 자극이나 환경변화에 대한 반응이 둔해져 있다고 생각된다.
표시부(8)는 진단부(7)에서 산출된 심장 상태량(μ)을 표시수단에 표시하여 의사 등의 진단에 제공한다. 또 의사 등이 필요하다고 인정하였을 때는 심전도 데이터기록부(2)에 저장된 심전도 데이터를 표시하여 관찰할 수 있도록 한다. 또한 특징값 기록부(6)에 저장된 특징값의 세트{yj, xj;j= 0∼M}를, 상기한 q × q의 격자단위로 표시하고, 또한 각 격자의 색을 그 중복도에 따른 색으로 나타내면 심장 상태량(μ)이 작을수록 좁은 범위에 큰 중복도를 나타내는 격자가 집중하고 있는 것이 보여, 심장활동의 반응이 둔화되어 있는 모양을 시각적으로 관찰할 수 있다.
이하, 실측예를 설명한다. 도 7은 심전도 데이터의 수집시간을 바꿀 때의 수학식 9에 의하여 산출된 심장 상태량(μ)의 변화를 2명의 피검자(ZA, ZB)의 경우를 예로서 나타낸 것이다. 이 실측예에서는 심전도 데이터의 디지털화는 1ms 샘플링, 12 bits 양자화로 행하였다. 또 부분열(Bj)의 요소수(n)는 모두 300, 격자의 크기(q)는 1 ms로서 처리를 행하고 있다. 도 7의 가로축은 수집 데이터의 심박수(N + 1)를 1000으로 나눈 값, 세로축은 N + 1 = 36,000일 때의 심장 상태량(μ36)에 의하여 심장 상태량(μ)을 표준화한 값이다. 가로축의 값은 1분당 심박수를 60이라 하면 N + 1 = 3,600이 1시간에 상당하고, N + 1 = 36,000은 10시간 분의 데이터에 상당한다. 따라서 1분간의 심박수가 다르면 동일한 가로축의 값이라도 그 시간은 다르다. 도 7에서 알 수 있는 바와 같이 대략 N > 20,000(1분 심박수 60으로 약 5시간 반) 이상이 되면 심장 상태량의 값은 안정된다. 이 경향은 도시를 생략한 다른 피검자이어도 동일하였다. 따라서 n = 300인 경우는, 수집 데이터량으로서는 N > 20,000이 바람직한 것을 나타내고 있다.
표 1은 N > 20,000의 데이터를 수집할 수 있었던 피검자 중의 7명에 대하여 그 처리결과를 나타낸 것이다. 심전도 데이터의 디지털화에 있어서의 샘플링주기와 양자화 비트수, 특징값의 산출 정밀도 및 부분열의 요소수(n)는 도 7의 경우와 동일하다.

피검자
연령, 성
심장 상태량(μ) 실험회수
N + 1
비 고
평균 최대 최소
Z1 88 여 0.021 0.037 0.0045 12 모두 36,000 폐암말기, 사망
Z2 78 여 0.15 0.58 0.042 23 모두 36,000 와병(臥病)
Z3 92 남 0.21 0.60 0.024 47 모두 36,000 노쇠, 사망
Z4 94 여 0.53 1.76 0.022 12 모두 36,000 사망
Z5 72 여 0.70 1.40 0.086 24 모두 36,000 고혈압, 사망
Z6 30 여 3.79 - - 1 29,324 건강
Z7 23 남 17.2
36.3		 -
-		 -
-		 1
1		 23,156
22,618		 건강
표 중에서 피검자 Z1의 실험회수 12, N + 1 = 모두 36,000이라는 것은, N + 1 = 36,000의 데이터를 12회에 걸쳐 취득한 것을 나타내고 있다. 이 경우는 12개의 심장 상태량(μ)이 얻어지고, 그 평균값, 최대값 및 최소값이 동일한 피검자란에 나타나 있다. 피검자 Z2∼Z5에 대해서도 마찬가지이다. 피검자 Z6에 대해서는 N + 1 = 29,324의 데이터를 1회 취득하고, 그 데이터로부터 얻어진 심장 상태량(μ)이 3.79이었던 것을, 피검자 Z7에 대해서는 N + 1 = 23,156 및 22,618의 데이터를 취득하고, 얻어진 심장 상태량(μ)이 17.2 및 36.3이었던 것을 나타내고 있다. 또한 비고란의 「사망」이라는 것은, 데이터 취득후 수주간 이내에 사망한 것을 의미하고 있다.
이 결과로부터 피검자 Z1∼Z5와 같이 다수회에 걸쳐 데이터 취득을 행하면 얻어지는 심장 상태량(μ)이 매우 불균일하나, 이것은 그 데이터 취득시의 피검자의 상태를 반영한 것이라고 생각된다. 그리고 그와 같은 불균일이 있음에도 불구하고 심장 상태량(μ)의 크기가 대략 1 이하가 되면, 아주 위험한 상태로서, 건강한 피검자 (Z6, Z7)와 같이 μ가 1보다 충분히 큰 경우와 대조적인 결과로 되어 있다. 이 경향은 기재를 생략한 많은 데이터로부터도 얻어지고 있고, 심전도 데이터로부터 자동적으로 산출되는 심장 상태량(μ)이 심장 상태량을 판정하는 유효한 파라미터인 것을 나타내고 있다.
이상으로 설명한 바와 같이 도 1에 나타낸 본 발명의 진단방법에 의하면 피검자의 심전도에 일시적으로 나타나는 맥동의 흩어짐이 아닌, 긴 시간에 걸쳐 심박의 정상적상태의 특징을 감시하여 자동적으로 이상발생을 조기에 예견할 수 있어, 병상변화에 대한 대응을 빠르게 할 수 있다. 또한 심전도의 해석으로는 파형분석을 자동적으로 100%의 정확함을 행할 수 있는 것은 아니고, 충분히 작은 빈도라고는 하나, 하나하나의 파형분석에서는 오판정이 생기는 일이 있으나, 본 발명의 장치에서는 특징량으로서의 R-R 간격에 관한 통계적 평균을 이용하여 진단을 행하고 있기 때문에 발생빈도가 적은 파형분석의 오판정이 있어도 결과에는 영향을 미치지 않아 단시간의 해석을 사용하는 종래기술보다 훨씬 정밀도가 좋은 진단이 가능하게 된다.
다음에 본 발명의 진단시스템에 대하여 설명한다. 심전계는 피검자의 몸에 항시 장착하여 계측을 행하는 것으로, 한편 표시장치나 그 조작을 행하는 조작장치는 의사·간호사·검사기사 등이 용이하게 엑세스할 수 있는 장소에 설치되어 있을 필요가 있다. 또 R-R 간격 검출부, 특징값 산출부, 진단부 등의 처리를 위해 하나하나의 피검자마다 전용장치를 사용하는 것은 효율적이지 않고, 복수의 피검자가 공용할 수 있는 퍼스널 컴퓨터 등으로 실행하는 것이 바람직하다.
도 2는 이와 같은 점을 고려하였을 때의 시스템 구성예를 나타내고 있고, 피검자 주변에 설치되는 각 계측단(20, 20, …)에는 심전계장치(21), 이 장치로 계측된 심전도 데이터를 송신 데이터로서 정리하는 데이터 수집장치(22), 통신 인터페이스(23)가 설치되어 있고, 네트워크(40)를 거쳐 데이터를 센터측에 송신하도록 구성되어 있다. 피검자에게 항시 장착하여 사용하는 심전계장치(21)와 데이터수집장치(22)의 사이는 무선회선으로 접속한다.
여기서 심전도 데이터는 그 처리, 기억, 전송 등을 생각하면 되도록 빨리 디지털화되어 있는 것이 바람직하기 때문에, 이 디지털화는 심전계장치(21)의 출력측 또는 데이터수집장치(22)의 입력측에서 행하여지는 것으로 한다. 이 디지털화가 상기한 바와 같이 1 ms 샘플링, 12 bits 양자화라 하면, 1초당 1.5 kB = 12 kbits의 데이터량이 된다. 네트워크(40)으로서는 항시 접속 또는 다이얼업에 의한 인터넷의 이용, 또는 병원 내 등에서의 LAN의 이용, 다이얼업에 의한 고정 전화망이나 휴대 전화망의 이용 등을 생각하면, 이들 데이터 전송속도는 모두 12 kbits/sec보다 충분히 크고, 그 큰 전송속도로 연속하여 송신한 쪽이 효율이 좋기 때문에, 데이터수집장치(23)는 도입한 심전도 데이터를 일시 기억하고, 예를 들면 수분마다 버스트적으로 센터측에 송신하도록 하는 것이 바람직하다.
도 2의 센터측(30)에서는 네트워크(40)를 거쳐 송신되어 온 데이터가 통신 인터페이스(31)를 거쳐 기억장치(33)에 저장된다. 통신 인터페이스(31)는 일반적으로 복수의 측정단으로부터의 데이터를 수신할 수 있는 기능이 필요하고, 예를 들면 인터넷의 경우는 서버기능을 가지는 것으로 한다. 연산처리장치(32)는, 도 1에서 설명한 R-R 간격 검출부, 특징값 연산부 및 진단부의 처리를 행하여, 표시장치(34)에 결과를 출력한다. 제어장치(36)는 조작장치(35)로부터의 지시에 의거하여 연산처리장치(32), 표시장치(34)의 동작제어를 행한다. 또한 하나의 측정단에 복수의 심전계장치가 설치되어 복수인의 심전도 데이터를 채취할 때는 데이터수집장치는 이들 복수의 심전계장치로부터의 심전도 데이터수집을 행하는 것으로 한다.
연산처리장치(32)에는 R-R간격 검출처리(37), 특징값 산출처리(38) 및 진단처리(39)가 설치되어 있다. R-R 간격 검출처리(37)는 의사 등이 조작장치(35)를 조작하여 지시한 피검자의 심전도 데이터를 기억장치(33)로부터 판독하여 심전도 파형의 R점의 검출과 그 간격의 산출을 행한다. 이 처리는 공지의 기술을 이용하는 것으로 하고, 그 상세한 것은 생략한다. 검출된 R-R 간격 데이터는 기억장치(33)에 저장된다.
도 3은 특징값 산출처리(38)의 플로우차트이다. 이 처리에서는 먼저 조작장치(35)를 거쳐 지시된 피검자의 R-R 간격 데이터를 기억장치(33)로부터 판독하여 j = 0에 대하여 P0, y0, x0을 수학식 7, 수학식 6, 수학식 5에 따라 산출하고(단계 301, 302, 303), 다음에 j = 1∼M 에 대하여 Pj, yj, xj를 역시 수학식 7, 수학식 6, 수학식 5에 따라 산출한다(단계 304∼309). 산출된 특징값은 기억장치(33)에 저장된다.
도 4는 진단처리(39)의 개략 플로우차트로서, 먼저 조작장치(35)를 거쳐 지시된 피검자의 특징값 데이터를 기억장치(33)로부터 판독하여 특징값의 세트(yj, xj, j = 0∼M)의 각각에 대하여, 그 특징값의 세트가 속해 있는 격자에 자기도 포함시켜 몇개의 특징값의 세트가 속해 있는지를 나타내는 중복도 H(j)를 산출한다(단계 401). 다음에 중복도 H(j), j = 0∼M을 이용하여 상기한 중복수(a), 고립수(b), 최대 중복도 (c)를 산출하고(단계 402), 이들을 이용하여 수학식 9의 심장 상태량(μ)을 산출한다(단계 403). 이 심장 상태량(μ)은 즉시 또는 일단 기억장치(33)에 저장된 후 지시에 따라 표시장치(33)에 표시된다.
도 5는 도 4의 단계 401의 상세를 나타내는 플로우차트이다. 지금 (y, x)면을, y 일정한 직선군 y = 0, y = ±q, y = ±2q …와, x 일정한 직선군 x = 0, x = ±q, x = ±2q …에 의하여 격자형상으로 분할하는 것으로 한다. 이때 각 격자의 영역(y, x)은 정수값의 세트(g, f)를 이용하여
Figure 112006084286064-pct00010
에 의하여 나타낼 수 있기 때문에, 수학식 10에 의하여 표시되는 영역을 가지는 격자를 격자(g, f)라 부르기로 한다. 또 이와 같이 하여 생성된 격자에 속해 있는 특징값의 세트의 개수를 상기 격자의 중복도라 하였을 때, 그곳에 속해 있는 특징값의 세트의 각각도 동일한 중복도를 가지고 있다고 하기로 한다. 그리고 이 각 특징값의 세트의 중복도를 H로 나타낸다. 예를 들면 어느 하나의 격자에 3개의 특징값의 세트(y1, x1) (y5, x5) (y6, x6)가, 또한 이들만이 속해 있을 때, 이들 3개의 특징값 세트의 중복도 H(1), H(5), H(6)는 모두 3이다. 이 특징값 세트의 정의로부터, 항상 H(j) ≥ 1이고, 또 H(j) = 1인 특징값 세트(yj, xj)의 개수는 고립수(b)이고, H(j) ≥ 2인 특징값 세트(yj, xj)의 개수는 중복수(a)이고, H(j), j = 0∼M 중의 최대값이 최대 중복도(c)이다.
따라서 도 5의 처리에서는 먼저 특징값 세트(yj, xj, j = 0∼M)의 중복도 H(j)를 모두 1로 초기화한다(단계 501). 다음에 j = 0∼M의 각각에 대하여
Figure 112006084286064-pct00011
에 의하여 특징값의 세트(yj, xj)를 정수값의 세트(gj, fj)에 대응시키면(단계 502), 특징값의 세트(yj, xj)는 격자(gj, fj)에 속해 있다. 다음에 변수(k)를 0이라 하고, 또한 변수(j)를 k + 1이라 한다(단계 503, 504). 그후 2개의 특징값의 세트(yk, xk)와 (yj, xj)가 속하는 격자(gk, fk)와 (gj, fj)가 같은지를 조사하다(단계 505).
단계 505에서 "Yes"일 때는 중복도 H(j), H(k)를 모두 1 늘리고(단계 506), "No"일 때는 아무것도 하지 않는다. 그리고 j가 M 미만이면(단계 507에서 "No"), j를 +1하고(단계 509), 단계 505로 되돌아간다. 또 j가 M으로 되어 있으면(단계 507에서 "Yes"), k가 M 미만인지를 조사한다(단계 508). 그리고 k가 M 미만인 동안은 k를 k + 1하고(단계 510), 단계 504로 되돌아가, k가 M이 되면 종료한다.
도 6은 도 4의 단계 402의 상세를 나타내는 플로우차트이다. 먼저 중복도 H(j)가 2 또는 그것 이상의 특징값 세트의 개수, 즉 중복수(a) 및 H(j)가 1인 특징값 세트의 개수, 즉 고립수(b)를 0으로 초기화하고, 또 최대 중복도(c)를 H(0)라 한다(단계 601). 다음에 j를 0으로 한 뒤(단계 602), H(j)가 1이면 고립수(b)를 +1하고, 1이 아니면 중복수(a)를 +1한다(단계 603, 604, 605). 다음에 H(j)과 최대 중복도(c)를 비교하여, H(j)가 c를 넘어 있으면 c를 H(j)라 한다(단계 606, 607). 이상의 단계 603∼607을 j가 M이 될 때까지 반복한다(단계 608, 609).
또한 R-R 간격 검출처리(37), 특징값 산출처리(38) 및 진단처리(39)는 조작장치(35)로부터의 지시에 의하여 각각 호출되어 처리를 개시하고, 그 결과를 기억장치(33)에 저장하는 것으로서 설명하였으나, 1명의 피검자에 대하여 이들 처리를 자동적으로 연속하여 실행하도록 한 쪽이 실용적인 것은 물론이다. 또 각 처리 37∼39의 처리결과를 저장하는 기억장치는 하나의 기억장치(33)를 사용하는 것으로 하고 있으나, 이것은 물리적으로 분리된 다른 것을 사용하여도 상관없다. 또한 표시장치(34)에 대한 표시정보는 심장 상태량(μ)만이 아니고, 필요에 따라 조작장치로부터의 지시에 의하여 상기 피검자의 심전도의 표시 및 특징값 데이터의 x, y 면에의 표시도 행할 수 있도록 하여 두는 것으로 한다.
이상, 본 발명을 심전도 해석에 의한 사람의 진단을 예로 하여 상세하게 설명하였으나, 본 발명은 예를 들면 기계적 구조물이나 플랜트 내를 이동하는 물체 등으로, 복잡한 흔들림을 수반하나, 대략 주기적인 진동을 일으키는 경우의 진단에도 적용 가능하다.

Claims (9)

  1. 삭제
  2. 삭제
  3. 삭제
  4. 센터장치와, 상기 센터장치에 네트워크를 거쳐 접속된 1 또는 복수의 계측 단말장치로 이루어지는 진단시스템에 있어서,
    계측 단말장치의 각각은,
    심전계장치와,
    상기 심전계장치에 의하여 계측된 심전도 데이터를 수집하여 송신용 심전도 데이터를 편집하기 위한 데이터 수집장치와,
    상기 데이터 수집장치에 의하여 편집된 심전도 데이터를 네트워크를 거쳐 센터장치에 송신하기 위한 통신 인터페이스를 구비하고,
    센터장치는,
    각 계측 단말장치로부터 송신되어 온 심전도 데이터를 수신하기 위한 통신 인터페이스와,
    상기 통신 인터페이스에 의하여 수신된 심전도 데이터를 저장하기 위한 기억장치와, 상기 기억장치에 저장된 심전도 데이터의 피크점의 간격을 R-R 간격으로서 검출하여 시계열 데이터를 생성하기 위한 R-R 간격 검출수단과,
    그 각각이 상기 시계열 데이터의 요소수보다 적은 개수의 연속된 요소로 이루어지는 부분열로서, 그 선두요소를 상기 시계열 데이터의 선두요소로부터 차례로 1요소씩 어긋나게 하여 구성된 부분열의 계열을 생성하고, 해당 부분열의 각각에 대하여 당해 부분열의 요소의 평균값과 각 요소로부터 당해 부분열의 선두요소를 뺀 값의 평균값과의 2값 세트로 이루어지는 특징값 세트를 산출하기 위한 특징값 산출수단과,
    미리 격자형상으로 분할된 2차원 평면에 상기 특징값 세트를 플롯하였을 때, 소정의 특징값 세트가 존재하는 격자 내에 다른 특징값 세트가 하나도 존재하지 않는 바와 같은 특징값 세트의 개수를 고립수로서 구하고, 또한 상기 특징값 세트의 총갯수로부터 상기 고립수를 뺀 값을 중복수로서 구하여, 상기 고립수와 중복수를 사용하여 진단을 행하기 위한 진단수단을 구비한 것을 특징으로 하는 진단시스템.
  5. 센터장치와, 상기 센터장치에 네트워크를 거쳐 접속된 1 또는 복수의 계측 단말장치로 이루어지는 진단시스템에 있어서,
    계측 단말장치의 각각은,
    심전계장치와,
    상기 심전계장치에 의하여 계측된 심전도 데이터를 수집하여 송신용 심전도 데이터를 편집하기 위한 데이터수집장치와,
    상기 데이터수집장치에 의하여 편집된 심전도 데이터를 네트워크를 거쳐 센터장치에 송신하기 위한 통신 인터페이스를 구비하고,
    센터장치는,
    각 계측 단말장치로부터 송신되어 온 심전도 데이터를 수신하기 위한 통신 인터페이스와,
    상기 통신 인터페이스에 의하여 수신된 심전도 데이터를 저장하기 위한 기억장치와, 상기 기억장치에 저장된 심전도 데이터의 피크점의 간격을 R-R간격으로서 검출하여 시계열 데이터를 생성하기 위한 R-R 간격 검출수단과,
    그 각각이 상기 시계열 데이터의 요소수보다 적은 개수의 연속된 요소로 이루어지는 부분열로서, 그 선두요소를 상기 시계열 데이터의 선두요소로부터 차례로 1요소씩 어긋나게 하여 구성된 부분열의 계열을 생성하고, 해당 부분열의 각각에 대하여 당해 부분열의 요소의 평균값과 각 요소로부터 당해 부분열의 선두요소를 뺀 값의 평균값과의 2값 세트로 이루어지는 특징값 세트를 산출하기 위한 특징값 산출수단과,
    미리 격자형상으로 분할된 2차원 평면에 상기 특징값 세트를 플롯하였을 때, 소정의 특징값 세트가 존재하는 격자 내에 다른 특징값 세트가 하나도 존재하지 않는 바와 같은 특징값 세트의 개수를 고립수로서 구하고, 상기 특징값 세트의 총갯수로부터 상기 고립수를 뺀 값을 중복수로서 구하고, 또한 가장 많은 특징값 세트가 존재하는 격자의 특징값 세트의 개수를 최대 중복도로서 구하여, 상기 고립수, 중복수 및 상기 최대 중복도를 사용하여 진단을 행하기 위한 진단수단을 구비한 것을 특징으로 하는 진단시스템.
  6. 센터장치와, 상기 센터장치에 네트워크를 거쳐 접속된 1 또는 복수의 계측 단말장치로 이루어지는 진단시스템에 있어서,
    계측 단말장치의 각각은,
    심전계장치와,
    상기 심전계장치에 의하여 계측된 심전도 데이터를 수집하여 송신용 심전도 데이터를 편집하기 위한 데이터수집장치와,
    상기 데이터수집장치에 의하여 편집된 심전도 데이터를 네트워크를 거쳐 센터장치에 송신하기 위한 통신 인터페이스를 구비하고,
    센터장치는,
    각 계측 단말장치로부터 송신되어 온 심전도 데이터를 수신하기 위한 통신 인터페이스와,
    상기 통신 인터페이스에 의하여 수신된 심전도 데이터를 저장하기 위한 기억장치와, 상기 기억장치에 저장된 심전도 데이터의 피크점의 간격을 R-R 간격으로서 검출하여 시계열 데이터를 생성하기 위한 R-R 간격 검출수단과,
    그 각각이 상기 시계열 데이터의 요소수보다 적은 개수의 연속된 요소로 이루어지는 부분열로서, 그 선두요소를 상기 시계열 데이터의 선두요소로부터 차례로 1요소씩 어긋나게 하여 구성된 부분열의 계열을 생성하고, 해당 부분열의 각각에 대하여 당해 부분열의 요소의 평균값과 각 요소로부터 당해 부분열의 선두요소를 뺀 값의 평균값과의 2값 세트로 이루어지는 특징값 세트를 산출하기 위한 특징값 산출수단과,
    미리 격자형상으로 분할된 2차원 평면에 상기 특징값 세트를 플롯하였을 때, 소정의 특징값 세트가 존재하는 격자 내에 다른 특징값 세트가 하나도 존재하지 않는 바와 같은 특징값 세트의 개수를 고립수로서 구하고, 상기 특징값 세트의 총갯수로부터 상기 고립수를 뺀 값을 중복수로서 구하고, 또한 가장 많은 특징값 세트가 존재하는 격자의 특징값 세트의 개수를 최대 중복도로서 구하여, 상기 고립수, 중복수 및 상기 최대 중복도로부터 10 * (고립수)/(중복수)/(최대 중복도)를 심장 상태량으로서 구하고, 상기 심장 상태량을 사용하여 진단을 행하기 위한 진단수단을 구비한 것을 특징으로 하는 진단시스템.
  7. 소정의 시간에 걸쳐 디지털화하여 수집된 피검자의 심전도 데이터에 나타나는 피크점의 간격을 검출함으로써 시계열 데이터를 생성하는 제 1 순서와,
    그 각각이 상기 시계열 데이터의 요소수보다 적은 개수의 연속된 요소로 이루어지는 부분열로서, 그 선두요소를 상기 시계열 데이터의 선두요소로부터 차례로 1요소씩 어긋나게 하여 구성된 부분열의 계열을 생성하고, 해당 부분열의 각각에 대하여 당해 부분열의 요소의 평균값과 각 요소로부터 당해 부분열의 선두요소를 뺀 값의 평균값과의 2값 세트로 이루어지는 특징값 세트를 산출하는 제 2 순서와,
    미리 격자형상으로 분할된 2차원 평면에 상기 특징값 세트를 플롯하였을 때, 소정의 특징값 세트가 존재하는 격자 내에 다른 특징값 세트가 하나도 존재하지 않는 바와 같은 특징값 세트의 개수를 고립수로서 구하고, 상기 특징값 세트의 총갯수로부터 상기 고립수를 뺀 값을 중복수로서 구하여, 구한 고립수 및 중복수를 진단용 데이터로서 출력하는 제 3 순서를 컴퓨터에 실행시키기 위한 진단용 프로그램을 기록한 것을 특징으로 하는 컴퓨터 판독 가능한 기록매체.
  8. 소정의 시간에 걸쳐 디지털화하여 수집된 피검자의 심전도 데이터에 나타나는 피크점의 간격을 검출함으로써 시계열 데이터를 생성하는 제 1 순서와,
    그 각각이 상기 시계열 데이터의 요소수보다 적은 개수의 연속된 요소로 이루어지는 부분열로서, 그 선두요소를 상기 시계열 데이터의 선두요소로부터 차례로 1요소씩 어긋나게 하여 구성된 부분열의 계열을 생성하고, 해당 부분열의 각각에 대하여 당해 부분열의 요소의 평균값과 각 요소로부터 당해 부분열의 선두요소를 뺀 값의 평균값과의 2값 세트로 이루어지는 특징값 세트를 산출하는 제 2 순서와,
    미리 격자형상으로 분할된 2차원 평면에 상기 특징값 세트를 플롯하였을 때, 소정의 특징값 세트가 존재하는 격자 내에 다른 특징값 세트가 하나도 존재하지 않는 바와 같은 특징값 세트의 개수를 고립수로서 구하고, 상기 특징값 세트의 총갯수로부터 상기 고립수를 뺀 값을 중복수로서 구하고, 또한 가장 많은 특징값 세트가 존재하는 격자의 특징값 세트의 개수를 최대 중복도로서 구하여, 구한 고립수, 중복수 및 최대 중복도를 진단용 데이터로서 출력하는 제 3 순서를 컴퓨터에 실행시키기 위한 진단용 프로그램을 기록한 것을 특징으로 하는 컴퓨터로 판독 가능한 기록매체.
  9. 소정의 시간에 걸쳐 디지털화하여 수집된 피검자의 심전도 데이터에 나타나는 피크점의 간격을 검출함으로써 시계열 데이터를 생성하는 제 1 순서와,
    그 각각이 상기 시계열 데이터의 요소수보다 적은 개수의 연속된 요소로 이루어지는 부분열로서, 그 선두요소를 상기 시계열 데이터의 선두요소로부터 차례로 1요소씩 어긋나게 하여 구성된 부분열의 계열을 생성하고, 해당 부분열의 각각에 대하여 당해 부분열의 요소의 평균값과 각 요소로부터 당해 부분열의 선두요소를 뺀 값의 평균값과의 2값 세트로 이루어지는 특징값 세트를 산출하는 제 2 순서와,
    미리 격자형상으로 분할된 2차원 평면에 상기 특징값 세트를 플롯하였을 때, 소정의 특징값 세트가 존재하는 격자 내에 다른 특징값 세트가 하나도 존재하지 않는 바와 같은 특징값 세트의 개수를 고립수로서 구하고, 상기 특징값 세트의 총갯수로부터 상기 고립수를 뺀 값을 중복수로서 구하고, 또한 가장 많은 특징값 세트가 존재하는 격자의 특징값 세트의 개수를 최대 중복도로서 구하여, 구한 고립수, 중복수 및 최대 중복도로부터 10 * (고립수)/(중복수)/(최대 중복도)를 심장 상태량으로서 구하여, 상기 심장 상태량을 진단용 데이터로서 출력하는 제 3 순서를 컴퓨터에 실행시키기 위한 진단용 프로그램을 기록한 것을 특징으로 하는 컴퓨터로 판독 가능한 기록매체.
KR1020067024154A 2004-05-20 2005-05-19 진단방법과 그 장치, 진단용 프로그램을 기록한 컴퓨터로 판독 가능한 기록매체 KR101102545B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JPJP-P-2004-00150375 2004-05-20
JP2004150375 2004-05-20
PCT/JP2005/009123 WO2005112751A1 (ja) 2004-05-20 2005-05-19 診断方法とその装置、診断用プログラム

Publications (2)

Publication Number Publication Date
KR20070030198A KR20070030198A (ko) 2007-03-15
KR101102545B1 true KR101102545B1 (ko) 2012-01-04

Family

ID=35428218

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020067024154A KR101102545B1 (ko) 2004-05-20 2005-05-19 진단방법과 그 장치, 진단용 프로그램을 기록한 컴퓨터로 판독 가능한 기록매체

Country Status (11)

Country Link
US (1) US8036733B2 (ko)
EP (1) EP1790285B1 (ko)
JP (1) JP4369955B2 (ko)
KR (1) KR101102545B1 (ko)
CN (1) CN100450434C (ko)
AU (1) AU2005244694B2 (ko)
DK (1) DK1790285T3 (ko)
ES (1) ES2405265T3 (ko)
PL (1) PL1790285T3 (ko)
SI (1) SI1790285T1 (ko)
WO (1) WO2005112751A1 (ko)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100966590B1 (ko) * 2007-12-11 2010-06-29 한국전자통신연구원 생체신호 측정 장치들의 상호 협업 방법 및 시스템
WO2010000009A1 (en) * 2008-07-02 2010-01-07 Cardanal Pty Ltd Improved detection of cardiac dysfunction
KR101030170B1 (ko) * 2009-08-28 2011-04-18 성균관대학교산학협력단 저전력 소모를 위한 피크 심장 박동 검출 시스템 및 그 방법
JP5243375B2 (ja) * 2009-09-09 2013-07-24 日本光電工業株式会社 生体信号処理装置及び医療装置制御方法
WO2011153428A1 (en) * 2010-06-03 2011-12-08 Medtronic, Inc. System and method for assessing a likelihood of a patient to experience a future cardiac arrhythmia using dynamic changes in a biological parameter
CN107303177B (zh) * 2016-04-15 2020-04-14 中国科学院微电子研究所 一种心电图t波、p波的检测方法及系统
DE102018220236A1 (de) * 2018-11-26 2020-05-28 Heidelberger Druckmaschinen Ag Schnelle Bildentzerrung für Bildinspektion

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08322813A (ja) * 1995-06-01 1996-12-10 Isuzu Motors Ltd 心拍変動波形周波数解析方法及び装置
JP2003260035A (ja) * 2002-03-12 2003-09-16 Kiyoshi Takizawa 診断方法とその装置、診断用プログラム
JP2004016248A (ja) * 2002-06-12 2004-01-22 Junichiro Hayano 心電図に基づく発作性心房細動の検出・評価システム

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5201321A (en) * 1991-02-11 1993-04-13 Fulton Keith W Method and apparatus for diagnosing vulnerability to lethal cardiac arrhythmias
JPH0654815A (ja) 1992-08-07 1994-03-01 Fukuda Denshi Co Ltd Ｒｒ間隔スペクトル分析方法及びその装置
JP2665161B2 (ja) 1994-08-25 1997-10-22 栃木日本電気株式会社 心電図解析方法
US5560368A (en) * 1994-11-15 1996-10-01 Berger; Ronald D. Methodology for automated QT variability measurement
US5609158A (en) * 1995-05-01 1997-03-11 Arrhythmia Research Technology, Inc. Apparatus and method for predicting cardiac arrhythmia by detection of micropotentials and analysis of all ECG segments and intervals
US5755671A (en) * 1995-10-05 1998-05-26 Massachusetts Institute Of Technology Method and apparatus for assessing cardiovascular risk
JP2834057B2 (ja) 1996-01-29 1998-12-09 群馬日本電気株式会社 心電図解析装置
JPH10225443A (ja) 1997-02-13 1998-08-25 Nippon Telegr & Teleph Corp <Ntt> 心電図データ解析装置
CN1428130A (zh) * 2001-12-27 2003-07-09 泷泽清 诊断方法及其装置，诊断程序
US7330750B2 (en) * 2003-04-25 2008-02-12 Instrumentarium Corp. Estimation of cardiac death risk

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08322813A (ja) * 1995-06-01 1996-12-10 Isuzu Motors Ltd 心拍変動波形周波数解析方法及び装置
JP2003260035A (ja) * 2002-03-12 2003-09-16 Kiyoshi Takizawa 診断方法とその装置、診断用プログラム
JP2004016248A (ja) * 2002-06-12 2004-01-22 Junichiro Hayano 心電図に基づく発作性心房細動の検出・評価システム

Also Published As

Publication number Publication date
ES2405265T3 (es) 2013-05-30
JPWO2005112751A1 (ja) 2008-03-27
CN1953706A (zh) 2007-04-25
KR20070030198A (ko) 2007-03-15
JP4369955B2 (ja) 2009-11-25
DK1790285T3 (da) 2013-05-21
AU2005244694A1 (en) 2005-12-01
US20090012414A1 (en) 2009-01-08
EP1790285A1 (en) 2007-05-30
US8036733B2 (en) 2011-10-11
WO2005112751A1 (ja) 2005-12-01
SI1790285T1 (sl) 2013-06-28
EP1790285B1 (en) 2013-03-06
EP1790285A4 (en) 2009-08-12
PL1790285T3 (pl) 2013-07-31
CN100450434C (zh) 2009-01-14
AU2005244694B2 (en) 2011-01-27

Similar Documents

Publication Publication Date Title
US4974598A (en) EKG system and method using statistical analysis of heartbeats and topographic mapping of body surface potentials
US10028706B2 (en) System for processing physiological data
KR101102545B1 (ko) 진단방법과 그 장치, 진단용 프로그램을 기록한 컴퓨터로 판독 가능한 기록매체
JP5203215B2 (ja) 脳波（ｅｅｇ）測定値を使って抑うつおよびその他の気分障害を分析し、評価するシステムおよび方法
JP3136408B2 (ja) 脳のバイオポテンシャル分析システム及び方法
US5419337A (en) Non-invasive multi-electrocardiographic apparatus and method of assessing acute ischaemic damage
EP1304072B1 (en) Method and apparatus for the serial comparison of electrocardiograms
US20110295142A1 (en) Detector for identifying physiological artifacts from physiological signals and method
JPH02504232A (ja) 心臓病死亡確率決定装置
CN105411554A (zh) 一种无线式无创伤人体生理参数采集、检测及智能诊断系统
US20030166995A1 (en) Method and device for mneasuring vital parameters
US3841309A (en) Method of analyzing cerebral electrical activity
CN114081462B (zh) 一种基于多维度生理信息的心脏健康监护系统
Randazzo et al. VITAL-ECG: A portable wearable hospital
CN110037689A (zh) 一种基于马桶圈的心电采集装置、心电监测系统及方法
Jumanazarovna et al. Principle of electrocardiographic work and its role in modern medicine
Rocha et al. Wearable computing for patients with coronary diseases
De Capua et al. A Soft Computing-Based Measurement System for Medical Applications in Diagnosis of Cardiac Arrhythmias by ECG Signals Analysis
Kim et al. ECG Biomarker based Heart Disease Automation Detection Scheme
CN114533081A (zh) 一种融合早搏抑制策略的阵发性房颤检测装置
Bodin et al. Methods of Electrocardiosignal Analysis for Diagnosis of Myocardial Infarction
Surowiec et al. Deep Learning ECG Signal Analysis: Description and Preliminary Results Check for updates
CN113876308A (zh) 一种智能化物联网心血管疾病医疗健康预警系统
CN117915834A (zh) 利用复数个心电图的基于深度学习的健康状态预测系统
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

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20140808

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20150904

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20161010

Year of fee payment: 6

LAPS Lapse due to unpaid annual fee