JP4573149B2 - 臨床判断を助けるシステム及び方法 - Google Patents
臨床判断を助けるシステム及び方法 Download PDFInfo
- Publication number
- JP4573149B2 JP4573149B2 JP2000566757A JP2000566757A JP4573149B2 JP 4573149 B2 JP4573149 B2 JP 4573149B2 JP 2000566757 A JP2000566757 A JP 2000566757A JP 2000566757 A JP2000566757 A JP 2000566757A JP 4573149 B2 JP4573149 B2 JP 4573149B2
- Authority
- JP
- Japan
- Prior art keywords
- estimates
- value
- estimated
- values
- estimate
- 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.)
- Expired - Fee Related
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
- A61B5/48—Other medical applications
- A61B5/4821—Determining level or depth of anaesthesia
-
- 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]
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Public Health (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Anesthesiology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Electrotherapy Devices (AREA)
- Complex Calculations (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
【０００１】
【発明の属する分野】
本願発明は生理学的モニターシステムとモニター方法とに関する。特に本願発明は生理学的パラメータの改良計測値を提供する生理学的モニターシステムとモニター方法とに関する。
【０００２】
【従来の技術】
医療用モニター装置または診断装置は一般的に生理学的パラメータの真の値の推定値を得るための計測能力を有している。この推定値は患者の看護に関する医療行為の決定またはモニターの目的で、患者の肉体的状態に関する情報を得るために医者によって利用される。この方法では、この測定によって提供される生理学的パラメータの推定値が実際値と同一であるとする想定が介在する。
【０００３】
現実には、計測値によって提供されるパラメータの推定値は固有の誤差を含んでおり、あるいは推定（計測）値と実際値との間に相違を有している。一般的に計測システムは、不規則な誤差を生み出す（誤差の平均値は“０”）ものであったり、計測値が偏っており、推定値の平均誤差が“０”とはならないものであったりする。
【０００４】
医学分野で問題となるのはテストの感度と特異性とである。バイナリー推定方法とは計測値が２数値の一方となることである。すなわち、正また負、イエスまたはノー、存在または不在、等々となる推定方法である。例えば、その値が正（肯定）あるいは負（否定）であるバイナリーパラメータの場合には、いずれか一方の計測値または推定値が、実際の値が正（肯定）である時に正（肯定）の反応または正（肯定）の推定を行う確率がその計測値の“感度”である。従って、この感度は真の正（肯定）の結果を検出する確率である。いずれか１つの計測値または予測値が、実際の値が負（否定）である時に、負（否定）の反応または負（否定）の推定を行う確率がその計測値の“特異性”である。従って、この特異性は真の負（否定）の結果を検出する確率である。
【０００５】
理想的な推定または予想とは、その感度と特異性とが両方共１００％であることである。すなわち、間違いの正（肯定）であったり、間違いの負（否定）であったりするような誤検出の確率が“０”となることである。しかしながら、物理的に実現可能な計測ではこの理想を達成できない。典型的には、それらは両方共１００％以下の感度と特異性とを有している。
【０００６】
計測システムの感度と特異性とは相反する要素であることは知られている。すなわち、感度を高めれば特異性が犠牲になり、特異性を高めれば感度は犠牲になる。計測システムの可能なオペレーションポイントはレシーバオペレーション特性曲線(ROC: Receiver Operating Characteristic curve)として説明できる。例示的ＲＯＣ曲線は図１に示されている。実際のＲＯＣ曲線は異なる形態であろうが、全ては特異性と感度と相対犠牲的関係にある。
【０００７】
バイナリーパラメータのバイナリー推定はそのパラメータに対する予測値を直接的に導く。予測値は連続的推定から得られると当業界では理解されている。バイナリー予測値を提供するため、敷居（しきい）値をバイナリーパラメータの連続的推定値に適用することができる。例えば、もし推定値がその敷居値より小さければそのパラメータはそのバイナリー状態の一方を有することが予測される。もしその推定値が敷居値以上であるならばそのパラメータは他方のバイナリー状態を有すると予測される。推定値とパラメータとの間の関係は図２に示すごとき反応の確率として実験データから導くことができよう。本願明細書の好適実施態様においては、反応の確率が５０％である推定値が敷居値として使用されている。
【０００８】
同様に、複数の敷居値を連続的推定値に適用して序数パラメータ値を予測することもできよう。例えば、一般的に、“活発度/沈静度”の変調オブザーバ評価(Modified Observer's Assessment of Alertness/Sedation Scale)が麻酔された外科患者の沈静度レベルの定量化に使用されている。５つの序数敷居値のセットを患者の沈静状態を表す１つの連続推定値に適用して予測される沈静状態を知ることができるであろう。
序数パラメータ値の予測に使用される連続的推定値は、連続的パラメータ値の予測に使用される連続的推定値にも適用できるであろう。推定値と、それが予測するパラメータとの関係は線的（一次的）である必要はない。このことはその敷居値が序数推定値の場合に等間隔である必要がないのと同じである。いかなる連続的パラメータ（例えば、患者の沈静状態）でもディスクリートな序数状態のセットであると考えられる。その各々はその連続予測値に適当なセットの敷居値を適用することで推定できよう。各状態はそれぞれ特徴的であるが、その状態の範囲の１端から別端までの連続状態のステップである。よって、ＲＯＣ曲線の概念は全体的な連続状態及び全てのペア状態にも適用され、推定値の能力は全範囲のパラメータに関してその感度と特異性とを変更させるように調整できよう。ＲＯＣ概念を利用するのに明瞭な敷居値を連続的推定値に適用させる必要がないことは重要である。反応の確率は推定値及び関与するパラメータとの間の相関性を介して暗示される。
【０００９】
物理的に実現可能な計測システムが１００％の感度と特異性の両方を提供するものでなければ、重要な設計問題は計測の実際の感度と特異性とに対応するＲＯＣ曲線上の点に集約される。そなわちこれがオペレーションポイントである。連続的推定値の場合には、敷居値を変動させるとオペレーションポイントはＲＯＣ曲線に沿って移動する。ＲＯＣ曲線上のオペレーションポイントの最良位置は好適には犠牲-利益の観点から導かれる。誤検出（誤“正”及び誤“負”）の危険度と正確な検出による利益度との対比によってその分析がなされる。両者が対等ではないとき、推定値を偏らせるようにオペレーションポイントを感度増強方向あるいは特異性増強方向のいずれかに片寄らせることが望ましいであろう。例えば、致命的な病気の存在を調べるために患者を検査するシステムは、特異性を犠牲にしてでも非常に高い感度を提供するように設計されるであろう。増強された感度によって与えられる増加した検出率は、間違いの判定を避けるのに必要な余分な試験をも正当化するであろう。しかし、この設計は、オペレーションポイントを特定するために高感度と高特異性との間の選択を迫る。
【００１０】
ビルグタイの米国特許第４５１７９８６号は、異なる強度を有した圧力パルス波から血圧を正確に測定するために異なる感度を備えた一連の増幅器の使用を教示する。しかし、この特許は、圧力波形の異なる部分を増幅させるために異なる変換関数を有した増幅器セットの利用を教示するだけである。この特許は血圧に関する情報を得るためにＲＯＣ曲線の異なるポイントの選択や、同時進行的推定値間の相違の利用は教示していない。
【００１１】
【発明が解決しようとする課題】
よって、本願発明の主たる目的は、計測された生理学的パラメータに関して従来のシステムよりも多くの情報を提供する生理学的パラメータの計測システム及び計測方法の提供である。
【００１２】
本願発明の別の目的は、複数の同時的推定値を利用した生理学的パラメータの計測システム及び計測方法の提供である。
【００１３】
【課題を解決するための手段】
本願発明のシステム及び方法は、計測されたパラメータの実際の状態の判断に利用できる情報を医療用モニター装置または診断装置の利用者に対して提供する。好適な実施態様では同一である生理学的手法により得られる複数の推定値または予測値を使用する。それぞれの推定値は関与するパラメータの特異状態または人工物の種類を検出あるいは予測するようにデザインされている。よって、特異状態または人工物の予測に関して各推定値は異なる感度と特異性とを有し、その状態または人工物の予測に対応するＲＯＣ曲線上に異なるオペレーションポイントを有するであろう。これら推定値は予測するようにデザインされている状態または人工物が不在である場合には類似値を提供するようにデザインされている。さらに、特異状態または人工物が存在する場合には推定値間の差の程度が常に類似したものとなるようにもデザインされる。異なる性能特徴を備えた同一パラメータの複数の推定値の利用によって、本願発明のシステムや方法の利用者はそれら推定値のみならず、それら推定値間の差の程度からも情報を引き出すことができる。よって利用者は測定パラメータまたは状態についての追加的知識及び情報を１つの推定値から得られるもの以上に引き出すことができる。本願発明のシステム及び方法は、推定値やそれらの差異の瞬間的な値からだけではなく、推定値や差異の経時的習性からも情報を引き出させる。
【００１４】
【発明の実施の形態】
本願発明のこれら及び他の目的並びに特徴の理解は、添付の図面を利用した続く詳細な説明によりさらに深まるであろう。
【００１５】
ＥＥＧデータは０〜４０Ｈｚの周波数領域に含まれていることは当業界では公知である。軽い麻酔状態（覚醒状態に向かっている）は典型的にはＥＥＧ周波数幅２０〜４０Ｈｚで増加電気力（強度）を示す。よって、患者が覚醒しているか否かを予測する推定値はこの周波数幅で得ることができよう。電気量（強度）の増大は患者が覚醒している高い確率を表す。
【００１６】
筋肉から発生する電気的活性状態を表すＥＭＧ(electromyographic)信号は３０〜３００Ｈｚの周波数領域に含まれていることも知られている。よってＥＭＧ信号はＥＥＧ信号と同じ周波数領域に現われることができる。ＥＭＧ活性は麻酔された患者が覚醒状態に近づくに連れて増大する。このＥＭＧ活性はＥＥＧ活性と共に３０〜４０Ｈｚで増大する傾向にあり、２０〜４０Ｈｚでの覚醒状態の予測能力を増強する。しかし、ＥＭＧ活性の増大は深く麻酔された患者の反射動作でも発生する。この場合、ＥＭＧ活性は３０〜４０Ｈｚで増強され、推定値に対してＥＥＧとは反対である影響を及ぼす。これで覚醒状態の誤った予測の確率が増加し、２０〜４０Ｈｚ周波数バンドを利用したＥＥＧ活性の診断用推定値の実効性が損なわれる。
【００１７】
本願発明の好適実施例は２つの異なる推定値を使用して麻酔患者の覚醒状態を予測する。各推定値は患者が覚醒している確率を反映する値を有するようにデザインされている。さらに、推定値の１つはＥＭＧ活性の存在を検出するようにデザインされている。これら推定値はＥＭＧ活性が不在であってもほぼ等しい値を有し、ＥＭＧ活性の存在下では相違を示すであろう。従って、覚醒状態とＥＭＧ活性の存在に関して推定値は異なる感度と特異性とを有することになる。各瞬間的推定値は経時的に考察され、それら２つの推定値の相違を明示するように斜線領域がグラフ的に表示される。この斜線領域の幅は、ＥＭＧ活性が患者の覚醒状態の推定値に影響を及ぼす程度を示しており、それぞれの推定値単独である場合よりも多量の覚醒の状態に関する追加的な臨床情報を提供する。この実施例では２つであるが、Ｎ個の推定値の利用にまで推定値の数を増加させるのは容易である。このＮは２よりも大きな数字である。これら追加された推定値のそれぞれは特異な覚醒度またはＥＥＧ状態あるいは人工物の種類を検出し、検出対象の状態または人工物が不在である場合には他の推定値と類似するようにデザインされるであろう。
【００１８】
図３には複数の推定値を発生させるシステムのブロック図が示されている。このデータ取得装置１２は人体からの生理学的信号を取得し、それら信号を処理用に変換することができるものであればどのような装置であってもよい。この処理装置１４はそのような信号を処理し、次に解説するように推定値を算出する。さらにこの処理装置１４は推定値間の関係を算出する。この表示装置１６はこの実施例ではＣＲＴ表示器であるが、コンピュータ情報を表示するのに使用されるどのようなビデオ、ハードコピーあるいは他の表示装置であってもよい。推定値とそれら推定値間の関係がグラフで表されるような実施態様においては、その出力装置はグラフ画像を表示するものであるべきである。
【００１９】
推定値の実際の形態は実験的デザイン処理手法を使用して導き出される。
【００２０】
特定すべき状態や人工物のプロトタイプとして利用するセグメントを含んだデータベースがまず準備される。このデータベースは多数のテスト対象からの記録を含んでいるものでなければならない。前述の好適実施例においては、この開発データベースは様々な覚醒状態及び麻酔状態や様々な筋肉内反射動作中に記録されたＥＥＧ信号の部分を含んでいる。推定値は複合分析または判別分析のごとき手法を駆使して提供することができる。これら推定値は対象の特異状態または人工物の不在時に同様な値を有し、対象の特異状態または人工物の存在下でほぼ一定の偏差を有するようにデザインされている。これ以外の形態の推定値であっても同等またはさらに優れた性能を提供できるであろう。本願発明は推定値の形態には依存しない。
【００２１】
図４は第１好適実施例に基く推定値の算出方法を表すブロック図である。ステップ２０において、ＥＥＧ信号はまず１２８Ｈｚでサンプル取得され、２つの第２エポックｘiに分割される。
ｘi i=１，２，……Ｎ
変数Ｎはエポック内のサンプル数であり、この場合にはＮ＝２５６である。そのデータは５０Ｈｚでコーナ周波数（ｆc）を有した第５オーダバターワースフィルター(fifth order Butterworth filter)を使用してステップ２２で低パスフルター(low pass filter)される。このコーナ周波数は全ＥＥＧ信号がそのフィルターを通過できるように選択されており、ＡＣ電力線妨害(AC power line interference)（６０Ｈｚ）を排除している。
ｙi = b1ｘi + b2ｘi-1 + b3ｘi-2 + b4ｘi-3 + b5ｘi-4 + b6ｘi-5 - a2ｙi-1 - a3ｙi-2 - a4ｙi-3 - a5ｙi-4 - a6ｙi-5
b1=0.3198, b2=1.5990, b3=3.1980, b4=3.1980, b5=1.5990,
b6=0.3198, a2=2.7872, a3=3.4091, a4=2.1972, a5=0.7377,
a6=0.1023
【００２２】
ステップ２４で、フィルターされたエポックｙiは、スペクトル推定値を改善するためにブラックマン窓(Blackman window)（ｗ＿ｂｌｋ）（Ｊ．Ｎ．リトル、Ｌ．シュア、マットラブ信号処理器具箱使用者ガイド(Matlab Signal Processing Toolbox User's Guide)、マスワーク・インク社、ナチック、マサチューセッツ州、１９９２年、２〜９ページ）が掛け算される。
i＝１，２，３，....... Ｎ
ｙ＿ｆｉｌｔi＝ｙiｗ＿ｂｌｋi
【００２３】
フィルターされて窓処理されたデータはステップ２６でファーストフーリエ変換（ＦＦＴ）技術を利用して周波数ドメインに変換される。
ここで ｊ＝√−1
【００２４】
この好適実施例において、ｎ＝２５６であり、Ｙ＿ＦＩＬＴkは０〜６４.０Ｈｚの周波数に対応して０.５Ｈｚづつ増加する１２９の複素数値を含む。
このパワースペクトルはステップ２８でＹ＿ＦＩＬＴkの平方として算出される。
Ｐkは周波数０〜６４.０Ｈｚで０.５Ｈｚ単位で増加する周波数でのパワー値に対応する１２９の値を含む。
【００２５】
第１推定値と第２推定値とは次のように算出される。
【００２６】
ステップ３０と３２において、推定値はパーセント（％）にて全対象スペクトルのパワーに関する特定周波数バンドのパワーとして計算される。推定値Ｅ1は２０〜４０Ｈｚ周波数バンドに含まれる全パワー（２〜４０Ｈｚ）の百分率である。推定値Ｅ2は２０〜３０Ｈｚ周波数バンドに含まれる全パワー（２〜３０Ｈｚ）の百分率である。推定値Ｅ1はＥＭＧ活性の存在に敏感であるが、推定値Ｅ2は敏感ではないであろう。大きなＥＭＧ活性が存在しなければ両推定値は類似値となるであろう。なぜなら、３０〜４０Ｈｚ周波数バンドは全パワーに対して無視できる程度のものを含むであろうからである。この場合、両推定値は２０〜３０Ｈｚ周波数バンドにてパワーで示される覚醒状態の確率を表すであろう。高パワーは高い確率を示し、低パワーは低い確率を示す。しかし、大きなＥＭＧ活性が存在する場合にはＥ1の値はＥ2の値よりも大幅に増加し、これら２つの推定値の差は広がるであろう。増加したＥＭＧ活性は増加覚醒レベルと深い麻酔状態の患者の反射的動作を表すものであるため、Ｅ1はＥ2よりも増加したレベルの覚醒度に対して敏感であろう。一方Ｅ2はＥ1よりも増加したレベルの覚醒度に対する高い特異性を示すであろう。この方法の効用は、同一のパラメータに対して異なるＲＯＣ曲線と異なるオペレーションポイントとを有する２つ以上の推定値を提供することである。図５に示すように、Ｏ.Ｐ.Ａで作動する推定値Ｅ1は高感度で覚醒度を予測し、Ｏ.Ｐ.Ｂで作動する推定値Ｅ2は高特異度を提供する。
【００２７】
推定値間の差異は予測の信頼度を示す。それら推定値がほぼ同じであるときは（ほとんど差異が無いとき）、ユーザーは両者の差異で表される特異状態または人工物が存在せず、関連パラメータは高精度で推定されていることを知る。推定値間の差はユーザーに状況の注意深い評価が必要であることを知らせるバロメータである。好適な実施態様では、これらの差異は、どちらの推定値が患者の状態を的確に表しているかを決定させるようにユーザーに医学的判断を求める必要性を知らせる。例えば、もし手術中にＥ1が急増すれば（Ｅ2はそのまま）、麻酔医は沈静度レベルに注意を払い、患者への鎮痛剤投与量を考えなければならない。もしこれらが、患者を深く麻酔させる必要性を示しており、脈拍や血圧の同時増加がなければ、推定値Ｅ1は筋肉の反射動作で増加したであろうことが推定できる。反射動作は患者の麻酔脳状態とは無関係であるため、推定値Ｅ2は覚醒度のさらに正確な確率を表すであろう。一方、もし両方の推定値が麻酔剤の投与量の減少または停止に反応してその後に増加し、Ｅ1が急増する場合には、その原因は覚醒状態への復帰による筋肉音の増加によるものと推定できよう。この場合はＥ1が覚醒状態の確率のさらに信頼性が高い推定値となる。推定値が異なる全ての場合に、医者は「どのようにしてこうなったか」を考えるヒントを得る。
【００２８】
図６は典型的な手術中の２つの推定値とそれらの間の差異の傾向サンプルを示す。手術の開始時であるポイントＡでは患者は覚醒状態である。そこでは両推定値は高い水準にあり、軽い麻酔状態と高い覚醒状態の確率を示している。Ｅ2４０の高い値はＥＥＧからの２０〜４０Ｈｚパワーへの実質的な貢献を示している。斜線の差領域４２はＥＭＧ活性がさらに大きなパワーを貢献していることを示し、覚醒状態の予測を確認している。ポイントＢでが２つの推定値は同じであり、両方とも患者の麻酔状態を予測している。斜線の差領域の不在は覚醒状態の低確率の予測の高信頼性を示している。
【００２９】
ポイントＣで、推定値Ｅ1４４は軽い麻酔状態を示し、推定値Ｅ2４０は深い麻酔状態を示している。斜線領域４６で示される幅広い両者間の差は専門医による判断の必要性を示している。患者が麻酔剤を投与されたときに起きたＥ1のその急増現象はまず問題がないと考えられた。外科的刺激の急増はなかった。この理由で、Ｅ1の増加は不随反射動作に起因するＥＭＧ活性によるものであり、Ｅ2が患者の覚醒状態のさらに正確な評価が提供されることを示している。
【００３０】
ポイントＤにおいて両推定値は上方に向かって延びており、患者が軽い麻酔状態に向かっていることを示す。両者間の差異の不在は２０〜４０Ｈｚ領域での全パワーがＥＥＧからのものであり、予測の精度が高いことを示している。
【００３１】
ポイントＥにおいて、広い斜線差領域４８は麻酔医に対してどちらの推定値が患者の実状を表しているかの判断を求める。両推定値は上方に向かって延びており、増大した覚醒の確率を示すＥＥＧ状態を示している。これは最終段階で発生するので、この差は覚醒への復帰に関係した基底ＥＭＧ活性の増加によるものであると考えられ、推定値Ｅ1のほうが患者の状態を正確に反映することを示している。
【００３２】
この例においては、それぞれのＲＯＣ曲線上の異なるオペレーションポイントでの２つの推定値（予測値）の異なる感度と特異性の特徴が明確に示されている。斜線で表されている差異領域は麻酔医の注意を異なる推定値により予測された患者の状態の判定に向けさせ、結合された推定値の信頼レベルを示すものとして利用させ、その解釈に対する医学的判断の必要性の有無を知らせる。
【００３３】
前述の実施例は異なるＲＯＣ曲線を有した２つの推定値を利用して同じパラメータを予測させている。別実施例においては同一のＲＯＣ曲線を備えた２つの推定値が利用される。このような実施例のＲＯＣ曲線は図７に示されている。そのオペレーションポイントは、１つのオペレーションポイント（Ｏ.Ｐ.Ａ）が特異性を擬制にして高感度を提供し、別のオペレーションポイント（Ｏ.Ｐ.Ｂ）が感度を犠牲にして高特異性を提供するように選択される。そのような同一のＲＯＣ曲線を備えた２つの推定値を利用するこのような別実施例は、１つの推定値（予測値）のＲＯＣ曲線の２つのオペレーションポイントの利用と機能的には同じである。このようなシステムは、異なるオペレーションポイントに対応する正（肯定）または負（否定）の予測を定義する敷居値として２つの異なる推定値を利用することで１つの推定値の使用で実施できよう。
【００３４】
前述の好適実施例は２つの推定値を採用しているが、本願発明はＮ個の推定値を利用する別実施例にすることができる。このＮは２よりも大きな数である。この場合、特異なＥＥＧまたは覚醒状態あるいは特異なタイプの信号人工物を予測するようにデザインされた追加的推定値が組み入れられる。例えば、１つの推定値を、低確率の覚醒程度を有した深い麻酔状態を示す低周波ＥＥＧ活性の存在を検出するようにデザインすることができる。第２の推定値は軽い麻酔状態を示す高周波ＥＥＧの存在を検出するようにデザインできる。第３は推定値は外部の電磁波障害に起因する高周波ノイズの存在を検出するようにデザインできる。第４の推定値は眼球の動きを検出するようにデザインできる。これらの推定値のそれぞれは検出対象の状態または信号の不在時には同様な値を有するようにデザインできる。それらは汎用的に、類似信号状態に対してはほぼ一定の差異を有するようにもデザインできる。差異は各ペアの推定値または選択された推定値間のみで示されるようにできるであろう。
【００３５】
さらに、パワースペクトル分析以外にも、多くの別方法を利用して推定値を算出することができる。これらには、バイスペクトル及び高オーダースペクトル分析、時間ドメイン分析、並びに確率的で非パラメータ的モデル法も含まれる。本願発明は前述の実施例に記載された分析方法に限定されることは意図されていない。
【００３６】
２つの異なるオペレーションポイントで挟まれた特定エンドポイント（例：覚醒）の予測された確率の範囲の推定と表示の利用は心臓病学分野でも有用である。例えば、患者の冠状動脈病（ＣＡＤ）の初期検出は心臓発作の危険性を最低限度に抑えるのに有効である（初期の診断は早期の治療またはライフスタイルの変更を可能にし、心臓病の進行を抑えることができよう）。ＣＡＤの存在を予測する心臓インデックスは、ＱＲＳ複素体である、表面ＥＣＧ波形のプライマリ三角成分(primary triangular component)から導かれたパラメータまたは特徴から構成できる。例えば、ＣＡＤの存在を予測する特徴はＱＲＳ時間、平均ＱＲＳバイコヒーレンス（６００＜ｆ１+ｆ２＜１０００Ｈｚ）及びＱＲＳパワーを含む。健康人及び患者からのＥＣＧのデータベースを使用して、これら同じ特徴の一次的組み合わせによる論理モデルが提供可能であり、ＣＡＤの存在を予測させることができる。従って、本願発明の別例はこれらの特徴を利用した２つのモデル（一方は高感度に調律、他方は高特異性に調律）を利用する。新たな患者は両方の予測モデルを評価することでＣＡＤの存在を判定することが可能である。その結果、患者のＣＡＤの確率の下限と上限とが示されるであろう。多くの場合この範囲は狭いものであろう（例えば、老人あるいは若い婦人の場合）。他の場合にはこの範囲は広いであろう（例えば、中年の女性）。不確定度は予測確率の範囲で表されるであろう。これら２モデルのそれぞれを利用したＣＡＤの確率の予測は各推定値に対して１つの値を提供するであろう。よって、これら推定値（確率）は時間に連関されないであろう。しかし推定値間の差により示される不確定度は表示装置上にそれらの間の領域に陰影をつけてグラフで表すことができる。
【００３７】
予測された確率範囲の提供の概念は、２つの異なるオペレーションポイントで算出された１つの推定値の利用から、一方が高感度で他方が高特異性である２つの異なる推定値（例えば、異なる特徴）の利用にまで広げることができる。例えば、覚醒状態の予測値セットの適用においては、電子眼球測定器（ＥＯＧ）から得られた正確な“まばたき”検出器は覚醒の検出器となろうが、感度が低いであろう。すなわち、“まばたき”の存在は覚醒状態を示すが、“まばたき”せずとも覚醒状態であり得る。一方、前述のＥＥＧ推定値Ｅ1は覚醒状態に非常に敏感であるが特異性は低い。ＥＥＧ及びＥＯＧから導かれた覚醒の確率の別々の推定値が、前述の２つのＥＥＧ推定値と同様な手法で覚醒の確率の上限と下限とを提供するであろう。
【００３８】
本願発明は好適実施例を利用して解説されてきたが、当業技術者であればそれら実施例に多様な改良を加えることが可能であろう。それらの改良は本明細書の「請求の範囲」に含まれるものである。
【００３９】
【発明の効果】
２つの異なるオペレーションポイントで挟まれた特定エンドポイント（例：覚醒）の予測された確率の範囲の推定と表示の利用は心臓病学分野でも有用である。例えば、患者の冠状動脈病（ＣＡＤ）の初期検出は心臓発作の危険性を最低限度に抑えるのに有効である（初期の診断は早期の治療またはライフスタイルの変更を可能にし、心臓病の進行を抑えることができよう）。
【図面の簡単な説明】
【図１】例示的ＲＯＣ曲線である。
【図２】例示的反応確率曲線である。
【図３】本願発明の１実施例によるシステムの機能要素ブロック図である。
【図４】本願発明の１実施例によるシステム及び方法に利用される第１推定値と第２推定値の決定方法ブロック図である。
【図５】本願発明の１実施例によるシステム及び方法によって発生されたＲＯＣ曲線であり、それぞれの推定値（予測値）は別々のＲＯＣ曲線を有している。
【図６】本願発明の１実施例によるシステム及び方法によって発生された２つの推定値（予測値）の経時的傾向を表すグラフであり、斜線領域は２つの推定値間の差異を示している。
【図７】本願発明の別実施例によるシステムと方法によって発生されるＲＯＣ曲線であり、推定値（予測値）は同一のＲＯＣ曲線となっている。
【発明の属する分野】
本願発明は生理学的モニターシステムとモニター方法とに関する。特に本願発明は生理学的パラメータの改良計測値を提供する生理学的モニターシステムとモニター方法とに関する。
【０００２】
【従来の技術】
医療用モニター装置または診断装置は一般的に生理学的パラメータの真の値の推定値を得るための計測能力を有している。この推定値は患者の看護に関する医療行為の決定またはモニターの目的で、患者の肉体的状態に関する情報を得るために医者によって利用される。この方法では、この測定によって提供される生理学的パラメータの推定値が実際値と同一であるとする想定が介在する。
【０００３】
現実には、計測値によって提供されるパラメータの推定値は固有の誤差を含んでおり、あるいは推定（計測）値と実際値との間に相違を有している。一般的に計測システムは、不規則な誤差を生み出す（誤差の平均値は“０”）ものであったり、計測値が偏っており、推定値の平均誤差が“０”とはならないものであったりする。
【０００４】
医学分野で問題となるのはテストの感度と特異性とである。バイナリー推定方法とは計測値が２数値の一方となることである。すなわち、正また負、イエスまたはノー、存在または不在、等々となる推定方法である。例えば、その値が正（肯定）あるいは負（否定）であるバイナリーパラメータの場合には、いずれか一方の計測値または推定値が、実際の値が正（肯定）である時に正（肯定）の反応または正（肯定）の推定を行う確率がその計測値の“感度”である。従って、この感度は真の正（肯定）の結果を検出する確率である。いずれか１つの計測値または予測値が、実際の値が負（否定）である時に、負（否定）の反応または負（否定）の推定を行う確率がその計測値の“特異性”である。従って、この特異性は真の負（否定）の結果を検出する確率である。
【０００５】
理想的な推定または予想とは、その感度と特異性とが両方共１００％であることである。すなわち、間違いの正（肯定）であったり、間違いの負（否定）であったりするような誤検出の確率が“０”となることである。しかしながら、物理的に実現可能な計測ではこの理想を達成できない。典型的には、それらは両方共１００％以下の感度と特異性とを有している。
【０００６】
計測システムの感度と特異性とは相反する要素であることは知られている。すなわち、感度を高めれば特異性が犠牲になり、特異性を高めれば感度は犠牲になる。計測システムの可能なオペレーションポイントはレシーバオペレーション特性曲線(ROC: Receiver Operating Characteristic curve)として説明できる。例示的ＲＯＣ曲線は図１に示されている。実際のＲＯＣ曲線は異なる形態であろうが、全ては特異性と感度と相対犠牲的関係にある。
【０００７】
バイナリーパラメータのバイナリー推定はそのパラメータに対する予測値を直接的に導く。予測値は連続的推定から得られると当業界では理解されている。バイナリー予測値を提供するため、敷居（しきい）値をバイナリーパラメータの連続的推定値に適用することができる。例えば、もし推定値がその敷居値より小さければそのパラメータはそのバイナリー状態の一方を有することが予測される。もしその推定値が敷居値以上であるならばそのパラメータは他方のバイナリー状態を有すると予測される。推定値とパラメータとの間の関係は図２に示すごとき反応の確率として実験データから導くことができよう。本願明細書の好適実施態様においては、反応の確率が５０％である推定値が敷居値として使用されている。
【０００８】
同様に、複数の敷居値を連続的推定値に適用して序数パラメータ値を予測することもできよう。例えば、一般的に、“活発度/沈静度”の変調オブザーバ評価(Modified Observer's Assessment of Alertness/Sedation Scale)が麻酔された外科患者の沈静度レベルの定量化に使用されている。５つの序数敷居値のセットを患者の沈静状態を表す１つの連続推定値に適用して予測される沈静状態を知ることができるであろう。
【０００９】
物理的に実現可能な計測システムが１００％の感度と特異性の両方を提供するものでなければ、重要な設計問題は計測の実際の感度と特異性とに対応するＲＯＣ曲線上の点に集約される。そなわちこれがオペレーションポイントである。連続的推定値の場合には、敷居値を変動させるとオペレーションポイントはＲＯＣ曲線に沿って移動する。ＲＯＣ曲線上のオペレーションポイントの最良位置は好適には犠牲-利益の観点から導かれる。誤検出（誤“正”及び誤“負”）の危険度と正確な検出による利益度との対比によってその分析がなされる。両者が対等ではないとき、推定値を偏らせるようにオペレーションポイントを感度増強方向あるいは特異性増強方向のいずれかに片寄らせることが望ましいであろう。例えば、致命的な病気の存在を調べるために患者を検査するシステムは、特異性を犠牲にしてでも非常に高い感度を提供するように設計されるであろう。増強された感度によって与えられる増加した検出率は、間違いの判定を避けるのに必要な余分な試験をも正当化するであろう。しかし、この設計は、オペレーションポイントを特定するために高感度と高特異性との間の選択を迫る。
【００１０】
ビルグタイの米国特許第４５１７９８６号は、異なる強度を有した圧力パルス波から血圧を正確に測定するために異なる感度を備えた一連の増幅器の使用を教示する。しかし、この特許は、圧力波形の異なる部分を増幅させるために異なる変換関数を有した増幅器セットの利用を教示するだけである。この特許は血圧に関する情報を得るためにＲＯＣ曲線の異なるポイントの選択や、同時進行的推定値間の相違の利用は教示していない。
【００１１】
【発明が解決しようとする課題】
よって、本願発明の主たる目的は、計測された生理学的パラメータに関して従来のシステムよりも多くの情報を提供する生理学的パラメータの計測システム及び計測方法の提供である。
【００１２】
本願発明の別の目的は、複数の同時的推定値を利用した生理学的パラメータの計測システム及び計測方法の提供である。
【００１３】
【課題を解決するための手段】
本願発明のシステム及び方法は、計測されたパラメータの実際の状態の判断に利用できる情報を医療用モニター装置または診断装置の利用者に対して提供する。好適な実施態様では同一である生理学的手法により得られる複数の推定値または予測値を使用する。それぞれの推定値は関与するパラメータの特異状態または人工物の種類を検出あるいは予測するようにデザインされている。よって、特異状態または人工物の予測に関して各推定値は異なる感度と特異性とを有し、その状態または人工物の予測に対応するＲＯＣ曲線上に異なるオペレーションポイントを有するであろう。これら推定値は予測するようにデザインされている状態または人工物が不在である場合には類似値を提供するようにデザインされている。さらに、特異状態または人工物が存在する場合には推定値間の差の程度が常に類似したものとなるようにもデザインされる。異なる性能特徴を備えた同一パラメータの複数の推定値の利用によって、本願発明のシステムや方法の利用者はそれら推定値のみならず、それら推定値間の差の程度からも情報を引き出すことができる。よって利用者は測定パラメータまたは状態についての追加的知識及び情報を１つの推定値から得られるもの以上に引き出すことができる。本願発明のシステム及び方法は、推定値やそれらの差異の瞬間的な値からだけではなく、推定値や差異の経時的習性からも情報を引き出させる。
【００１４】
【発明の実施の形態】
本願発明のこれら及び他の目的並びに特徴の理解は、添付の図面を利用した続く詳細な説明によりさらに深まるであろう。
【００１５】
ＥＥＧデータは０〜４０Ｈｚの周波数領域に含まれていることは当業界では公知である。軽い麻酔状態（覚醒状態に向かっている）は典型的にはＥＥＧ周波数幅２０〜４０Ｈｚで増加電気力（強度）を示す。よって、患者が覚醒しているか否かを予測する推定値はこの周波数幅で得ることができよう。電気量（強度）の増大は患者が覚醒している高い確率を表す。
【００１６】
筋肉から発生する電気的活性状態を表すＥＭＧ(electromyographic)信号は３０〜３００Ｈｚの周波数領域に含まれていることも知られている。よってＥＭＧ信号はＥＥＧ信号と同じ周波数領域に現われることができる。ＥＭＧ活性は麻酔された患者が覚醒状態に近づくに連れて増大する。このＥＭＧ活性はＥＥＧ活性と共に３０〜４０Ｈｚで増大する傾向にあり、２０〜４０Ｈｚでの覚醒状態の予測能力を増強する。しかし、ＥＭＧ活性の増大は深く麻酔された患者の反射動作でも発生する。この場合、ＥＭＧ活性は３０〜４０Ｈｚで増強され、推定値に対してＥＥＧとは反対である影響を及ぼす。これで覚醒状態の誤った予測の確率が増加し、２０〜４０Ｈｚ周波数バンドを利用したＥＥＧ活性の診断用推定値の実効性が損なわれる。
【００１７】
本願発明の好適実施例は２つの異なる推定値を使用して麻酔患者の覚醒状態を予測する。各推定値は患者が覚醒している確率を反映する値を有するようにデザインされている。さらに、推定値の１つはＥＭＧ活性の存在を検出するようにデザインされている。これら推定値はＥＭＧ活性が不在であってもほぼ等しい値を有し、ＥＭＧ活性の存在下では相違を示すであろう。従って、覚醒状態とＥＭＧ活性の存在に関して推定値は異なる感度と特異性とを有することになる。各瞬間的推定値は経時的に考察され、それら２つの推定値の相違を明示するように斜線領域がグラフ的に表示される。この斜線領域の幅は、ＥＭＧ活性が患者の覚醒状態の推定値に影響を及ぼす程度を示しており、それぞれの推定値単独である場合よりも多量の覚醒の状態に関する追加的な臨床情報を提供する。この実施例では２つであるが、Ｎ個の推定値の利用にまで推定値の数を増加させるのは容易である。このＮは２よりも大きな数字である。これら追加された推定値のそれぞれは特異な覚醒度またはＥＥＧ状態あるいは人工物の種類を検出し、検出対象の状態または人工物が不在である場合には他の推定値と類似するようにデザインされるであろう。
【００１８】
図３には複数の推定値を発生させるシステムのブロック図が示されている。このデータ取得装置１２は人体からの生理学的信号を取得し、それら信号を処理用に変換することができるものであればどのような装置であってもよい。この処理装置１４はそのような信号を処理し、次に解説するように推定値を算出する。さらにこの処理装置１４は推定値間の関係を算出する。この表示装置１６はこの実施例ではＣＲＴ表示器であるが、コンピュータ情報を表示するのに使用されるどのようなビデオ、ハードコピーあるいは他の表示装置であってもよい。推定値とそれら推定値間の関係がグラフで表されるような実施態様においては、その出力装置はグラフ画像を表示するものであるべきである。
【００１９】
推定値の実際の形態は実験的デザイン処理手法を使用して導き出される。
【００２０】
特定すべき状態や人工物のプロトタイプとして利用するセグメントを含んだデータベースがまず準備される。このデータベースは多数のテスト対象からの記録を含んでいるものでなければならない。前述の好適実施例においては、この開発データベースは様々な覚醒状態及び麻酔状態や様々な筋肉内反射動作中に記録されたＥＥＧ信号の部分を含んでいる。推定値は複合分析または判別分析のごとき手法を駆使して提供することができる。これら推定値は対象の特異状態または人工物の不在時に同様な値を有し、対象の特異状態または人工物の存在下でほぼ一定の偏差を有するようにデザインされている。これ以外の形態の推定値であっても同等またはさらに優れた性能を提供できるであろう。本願発明は推定値の形態には依存しない。
【００２１】
図４は第１好適実施例に基く推定値の算出方法を表すブロック図である。ステップ２０において、ＥＥＧ信号はまず１２８Ｈｚでサンプル取得され、２つの第２エポックｘiに分割される。
ｘi i=１，２，……Ｎ
変数Ｎはエポック内のサンプル数であり、この場合にはＮ＝２５６である。そのデータは５０Ｈｚでコーナ周波数（ｆc）を有した第５オーダバターワースフィルター(fifth order Butterworth filter)を使用してステップ２２で低パスフルター(low pass filter)される。このコーナ周波数は全ＥＥＧ信号がそのフィルターを通過できるように選択されており、ＡＣ電力線妨害(AC power line interference)（６０Ｈｚ）を排除している。
ｙi = b1ｘi + b2ｘi-1 + b3ｘi-2 + b4ｘi-3 + b5ｘi-4 + b6ｘi-5 - a2ｙi-1 - a3ｙi-2 - a4ｙi-3 - a5ｙi-4 - a6ｙi-5
b1=0.3198, b2=1.5990, b3=3.1980, b4=3.1980, b5=1.5990,
b6=0.3198, a2=2.7872, a3=3.4091, a4=2.1972, a5=0.7377,
a6=0.1023
【００２２】
ステップ２４で、フィルターされたエポックｙiは、スペクトル推定値を改善するためにブラックマン窓(Blackman window)（ｗ＿ｂｌｋ）（Ｊ．Ｎ．リトル、Ｌ．シュア、マットラブ信号処理器具箱使用者ガイド(Matlab Signal Processing Toolbox User's Guide)、マスワーク・インク社、ナチック、マサチューセッツ州、１９９２年、２〜９ページ）が掛け算される。
ｙ＿ｆｉｌｔi＝ｙiｗ＿ｂｌｋi
【００２３】
フィルターされて窓処理されたデータはステップ２６でファーストフーリエ変換（ＦＦＴ）技術を利用して周波数ドメインに変換される。
【００２４】
この好適実施例において、ｎ＝２５６であり、Ｙ＿ＦＩＬＴkは０〜６４.０Ｈｚの周波数に対応して０.５Ｈｚづつ増加する１２９の複素数値を含む。
このパワースペクトルはステップ２８でＹ＿ＦＩＬＴkの平方として算出される。
【００２５】
第１推定値と第２推定値とは次のように算出される。
ステップ３０と３２において、推定値はパーセント（％）にて全対象スペクトルのパワーに関する特定周波数バンドのパワーとして計算される。推定値Ｅ1は２０〜４０Ｈｚ周波数バンドに含まれる全パワー（２〜４０Ｈｚ）の百分率である。推定値Ｅ2は２０〜３０Ｈｚ周波数バンドに含まれる全パワー（２〜３０Ｈｚ）の百分率である。推定値Ｅ1はＥＭＧ活性の存在に敏感であるが、推定値Ｅ2は敏感ではないであろう。大きなＥＭＧ活性が存在しなければ両推定値は類似値となるであろう。なぜなら、３０〜４０Ｈｚ周波数バンドは全パワーに対して無視できる程度のものを含むであろうからである。この場合、両推定値は２０〜３０Ｈｚ周波数バンドにてパワーで示される覚醒状態の確率を表すであろう。高パワーは高い確率を示し、低パワーは低い確率を示す。しかし、大きなＥＭＧ活性が存在する場合にはＥ1の値はＥ2の値よりも大幅に増加し、これら２つの推定値の差は広がるであろう。増加したＥＭＧ活性は増加覚醒レベルと深い麻酔状態の患者の反射的動作を表すものであるため、Ｅ1はＥ2よりも増加したレベルの覚醒度に対して敏感であろう。一方Ｅ2はＥ1よりも増加したレベルの覚醒度に対する高い特異性を示すであろう。この方法の効用は、同一のパラメータに対して異なるＲＯＣ曲線と異なるオペレーションポイントとを有する２つ以上の推定値を提供することである。図５に示すように、Ｏ.Ｐ.Ａで作動する推定値Ｅ1は高感度で覚醒度を予測し、Ｏ.Ｐ.Ｂで作動する推定値Ｅ2は高特異度を提供する。
【００２７】
推定値間の差異は予測の信頼度を示す。それら推定値がほぼ同じであるときは（ほとんど差異が無いとき）、ユーザーは両者の差異で表される特異状態または人工物が存在せず、関連パラメータは高精度で推定されていることを知る。推定値間の差はユーザーに状況の注意深い評価が必要であることを知らせるバロメータである。好適な実施態様では、これらの差異は、どちらの推定値が患者の状態を的確に表しているかを決定させるようにユーザーに医学的判断を求める必要性を知らせる。例えば、もし手術中にＥ1が急増すれば（Ｅ2はそのまま）、麻酔医は沈静度レベルに注意を払い、患者への鎮痛剤投与量を考えなければならない。もしこれらが、患者を深く麻酔させる必要性を示しており、脈拍や血圧の同時増加がなければ、推定値Ｅ1は筋肉の反射動作で増加したであろうことが推定できる。反射動作は患者の麻酔脳状態とは無関係であるため、推定値Ｅ2は覚醒度のさらに正確な確率を表すであろう。一方、もし両方の推定値が麻酔剤の投与量の減少または停止に反応してその後に増加し、Ｅ1が急増する場合には、その原因は覚醒状態への復帰による筋肉音の増加によるものと推定できよう。この場合はＥ1が覚醒状態の確率のさらに信頼性が高い推定値となる。推定値が異なる全ての場合に、医者は「どのようにしてこうなったか」を考えるヒントを得る。
【００２８】
図６は典型的な手術中の２つの推定値とそれらの間の差異の傾向サンプルを示す。手術の開始時であるポイントＡでは患者は覚醒状態である。そこでは両推定値は高い水準にあり、軽い麻酔状態と高い覚醒状態の確率を示している。Ｅ2４０の高い値はＥＥＧからの２０〜４０Ｈｚパワーへの実質的な貢献を示している。斜線の差領域４２はＥＭＧ活性がさらに大きなパワーを貢献していることを示し、覚醒状態の予測を確認している。ポイントＢでが２つの推定値は同じであり、両方とも患者の麻酔状態を予測している。斜線の差領域の不在は覚醒状態の低確率の予測の高信頼性を示している。
【００２９】
ポイントＣで、推定値Ｅ1４４は軽い麻酔状態を示し、推定値Ｅ2４０は深い麻酔状態を示している。斜線領域４６で示される幅広い両者間の差は専門医による判断の必要性を示している。患者が麻酔剤を投与されたときに起きたＥ1のその急増現象はまず問題がないと考えられた。外科的刺激の急増はなかった。この理由で、Ｅ1の増加は不随反射動作に起因するＥＭＧ活性によるものであり、Ｅ2が患者の覚醒状態のさらに正確な評価が提供されることを示している。
【００３０】
ポイントＤにおいて両推定値は上方に向かって延びており、患者が軽い麻酔状態に向かっていることを示す。両者間の差異の不在は２０〜４０Ｈｚ領域での全パワーがＥＥＧからのものであり、予測の精度が高いことを示している。
【００３１】
ポイントＥにおいて、広い斜線差領域４８は麻酔医に対してどちらの推定値が患者の実状を表しているかの判断を求める。両推定値は上方に向かって延びており、増大した覚醒の確率を示すＥＥＧ状態を示している。これは最終段階で発生するので、この差は覚醒への復帰に関係した基底ＥＭＧ活性の増加によるものであると考えられ、推定値Ｅ1のほうが患者の状態を正確に反映することを示している。
【００３２】
この例においては、それぞれのＲＯＣ曲線上の異なるオペレーションポイントでの２つの推定値（予測値）の異なる感度と特異性の特徴が明確に示されている。斜線で表されている差異領域は麻酔医の注意を異なる推定値により予測された患者の状態の判定に向けさせ、結合された推定値の信頼レベルを示すものとして利用させ、その解釈に対する医学的判断の必要性の有無を知らせる。
【００３３】
前述の実施例は異なるＲＯＣ曲線を有した２つの推定値を利用して同じパラメータを予測させている。別実施例においては同一のＲＯＣ曲線を備えた２つの推定値が利用される。このような実施例のＲＯＣ曲線は図７に示されている。そのオペレーションポイントは、１つのオペレーションポイント（Ｏ.Ｐ.Ａ）が特異性を擬制にして高感度を提供し、別のオペレーションポイント（Ｏ.Ｐ.Ｂ）が感度を犠牲にして高特異性を提供するように選択される。そのような同一のＲＯＣ曲線を備えた２つの推定値を利用するこのような別実施例は、１つの推定値（予測値）のＲＯＣ曲線の２つのオペレーションポイントの利用と機能的には同じである。このようなシステムは、異なるオペレーションポイントに対応する正（肯定）または負（否定）の予測を定義する敷居値として２つの異なる推定値を利用することで１つの推定値の使用で実施できよう。
【００３４】
前述の好適実施例は２つの推定値を採用しているが、本願発明はＮ個の推定値を利用する別実施例にすることができる。このＮは２よりも大きな数である。この場合、特異なＥＥＧまたは覚醒状態あるいは特異なタイプの信号人工物を予測するようにデザインされた追加的推定値が組み入れられる。例えば、１つの推定値を、低確率の覚醒程度を有した深い麻酔状態を示す低周波ＥＥＧ活性の存在を検出するようにデザインすることができる。第２の推定値は軽い麻酔状態を示す高周波ＥＥＧの存在を検出するようにデザインできる。第３は推定値は外部の電磁波障害に起因する高周波ノイズの存在を検出するようにデザインできる。第４の推定値は眼球の動きを検出するようにデザインできる。これらの推定値のそれぞれは検出対象の状態または信号の不在時には同様な値を有するようにデザインできる。それらは汎用的に、類似信号状態に対してはほぼ一定の差異を有するようにもデザインできる。差異は各ペアの推定値または選択された推定値間のみで示されるようにできるであろう。
【００３５】
さらに、パワースペクトル分析以外にも、多くの別方法を利用して推定値を算出することができる。これらには、バイスペクトル及び高オーダースペクトル分析、時間ドメイン分析、並びに確率的で非パラメータ的モデル法も含まれる。本願発明は前述の実施例に記載された分析方法に限定されることは意図されていない。
【００３６】
２つの異なるオペレーションポイントで挟まれた特定エンドポイント（例：覚醒）の予測された確率の範囲の推定と表示の利用は心臓病学分野でも有用である。例えば、患者の冠状動脈病（ＣＡＤ）の初期検出は心臓発作の危険性を最低限度に抑えるのに有効である（初期の診断は早期の治療またはライフスタイルの変更を可能にし、心臓病の進行を抑えることができよう）。ＣＡＤの存在を予測する心臓インデックスは、ＱＲＳ複素体である、表面ＥＣＧ波形のプライマリ三角成分(primary triangular component)から導かれたパラメータまたは特徴から構成できる。例えば、ＣＡＤの存在を予測する特徴はＱＲＳ時間、平均ＱＲＳバイコヒーレンス（６００＜ｆ１+ｆ２＜１０００Ｈｚ）及びＱＲＳパワーを含む。健康人及び患者からのＥＣＧのデータベースを使用して、これら同じ特徴の一次的組み合わせによる論理モデルが提供可能であり、ＣＡＤの存在を予測させることができる。従って、本願発明の別例はこれらの特徴を利用した２つのモデル（一方は高感度に調律、他方は高特異性に調律）を利用する。新たな患者は両方の予測モデルを評価することでＣＡＤの存在を判定することが可能である。その結果、患者のＣＡＤの確率の下限と上限とが示されるであろう。多くの場合この範囲は狭いものであろう（例えば、老人あるいは若い婦人の場合）。他の場合にはこの範囲は広いであろう（例えば、中年の女性）。不確定度は予測確率の範囲で表されるであろう。これら２モデルのそれぞれを利用したＣＡＤの確率の予測は各推定値に対して１つの値を提供するであろう。よって、これら推定値（確率）は時間に連関されないであろう。しかし推定値間の差により示される不確定度は表示装置上にそれらの間の領域に陰影をつけてグラフで表すことができる。
【００３７】
予測された確率範囲の提供の概念は、２つの異なるオペレーションポイントで算出された１つの推定値の利用から、一方が高感度で他方が高特異性である２つの異なる推定値（例えば、異なる特徴）の利用にまで広げることができる。例えば、覚醒状態の予測値セットの適用においては、電子眼球測定器（ＥＯＧ）から得られた正確な“まばたき”検出器は覚醒の検出器となろうが、感度が低いであろう。すなわち、“まばたき”の存在は覚醒状態を示すが、“まばたき”せずとも覚醒状態であり得る。一方、前述のＥＥＧ推定値Ｅ1は覚醒状態に非常に敏感であるが特異性は低い。ＥＥＧ及びＥＯＧから導かれた覚醒の確率の別々の推定値が、前述の２つのＥＥＧ推定値と同様な手法で覚醒の確率の上限と下限とを提供するであろう。
【００３８】
本願発明は好適実施例を利用して解説されてきたが、当業技術者であればそれら実施例に多様な改良を加えることが可能であろう。それらの改良は本明細書の「請求の範囲」に含まれるものである。
【００３９】
【発明の効果】
２つの異なるオペレーションポイントで挟まれた特定エンドポイント（例：覚醒）の予測された確率の範囲の推定と表示の利用は心臓病学分野でも有用である。例えば、患者の冠状動脈病（ＣＡＤ）の初期検出は心臓発作の危険性を最低限度に抑えるのに有効である（初期の診断は早期の治療またはライフスタイルの変更を可能にし、心臓病の進行を抑えることができよう）。
【図面の簡単な説明】
【図１】例示的ＲＯＣ曲線である。
【図２】例示的反応確率曲線である。
【図３】本願発明の１実施例によるシステムの機能要素ブロック図である。
【図４】本願発明の１実施例によるシステム及び方法に利用される第１推定値と第２推定値の決定方法ブロック図である。
【図５】本願発明の１実施例によるシステム及び方法によって発生されたＲＯＣ曲線であり、それぞれの推定値（予測値）は別々のＲＯＣ曲線を有している。
【図６】本願発明の１実施例によるシステム及び方法によって発生された２つの推定値（予測値）の経時的傾向を表すグラフであり、斜線領域は２つの推定値間の差異を示している。
【図７】本願発明の別実施例によるシステムと方法によって発生されるＲＯＣ曲線であり、推定値（予測値）は同一のＲＯＣ曲線となっている。
Claims (7)
- 生理学的パラメータ値の評価システムであって、
人体から単一の生理学的信号を取得する信号取得装置と、
該生理学的信号から同一のパラメータの少なくとも二つの推定値を導き出し、該推定値間の関係を計算する処理装置と、
を含んで構成され、推定値単独である場合よりも多量の覚醒の状態に関する追加的な臨床情報を提供することを特徴とするシステム。 - １つの推定値は１種の物理手法または計算手法で導き出され、残りの推定値のうちの少なくとも１つの推定値は異なる物理手法または計算手法で導き出されることを特徴とする請求項１記載のシステム。
- 処理装置で計算された関係はそれぞれの推定値の値間の瞬間的差異であることを特徴とする請求項１記載のシステム。
- 処理装置は推定値間の関係の瞬間値を利用し、表示装置で表示される第１推定値の瞬間値近辺、以下または以上の特定可能な領域の幅を決定することを特徴とする請求項１記載のシステム。
- 処理装置は推定値間の関係の瞬間値を利用し、表示装置で表示される第１推定値の瞬間値のグラフ特性を決定することを特徴とする請求項１記載のシステム。
- 処理装置は対象パラメータの第１推定値とは無関係の計測値を利用し、表示装置で表示される第１推定値近辺、以下または以上の特定可能な領域の幅を決定することを特徴とする請求項１記載のシステム。
- 処理装置は対象パラメータの第１推定値とは無関係の計測値を利用し、表示装置で表示される第１推定値の瞬間値のグラフ特性を決定することを特徴とする請求項１記載のシステム。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US09/135,931 | 1998-08-18 | ||
| US09/135,931 US6338713B1 (en) | 1998-08-18 | 1998-08-18 | System and method for facilitating clinical decision making |
| PCT/US1999/017688 WO2000011569A1 (en) | 1998-08-18 | 1999-08-04 | System and method for facilitating clinical decision making |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2002523163A JP2002523163A (ja) | 2002-07-30 |
| JP4573149B2 true JP4573149B2 (ja) | 2010-11-04 |
Family
ID=22470442
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2000566757A Expired - Fee Related JP4573149B2 (ja) | 1998-08-18 | 1999-08-04 | 臨床判断を助けるシステム及び方法 |
Country Status (8)
| Country | Link |
|---|---|
| US (1) | US6338713B1 (ja) |
| EP (1) | EP1105812B1 (ja) |
| JP (1) | JP4573149B2 (ja) |
| AT (1) | ATE230863T1 (ja) |
| AU (1) | AU773433B2 (ja) |
| CA (1) | CA2338843C (ja) |
| DE (1) | DE69904836T2 (ja) |
| WO (1) | WO2000011569A1 (ja) |
Families Citing this family (73)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE19638738B4 (de) * | 1996-09-10 | 2006-10-05 | Bundesrepublik Deutschland, vertr. d. d. Bundesministerium für Wirtschaft und Technologie, dieses vertr. d. d. Präsidenten der Physikalisch-Technischen Bundesanstalt | Verfahren zur Gewinnung einer diagnostischen Aussage aus Signalen und Daten medizinischer Sensorsysteme |
| JP4891511B2 (ja) * | 2000-03-29 | 2012-03-07 | ユニバーシテイ・オブ・バージニア・パテント・フアウンデーシヨン | 自己モニタリングデータから糖尿病の血糖管理を評価する方法、システム及びコンピユータプログラム製品 |
| CA2449567A1 (en) * | 2001-06-13 | 2002-12-19 | Ckm Diagnostics, Inc. | Non-invasive method and apparatus for tissue detection |
| US20030149597A1 (en) * | 2002-01-10 | 2003-08-07 | Zaleski John R. | System for supporting clinical decision-making |
| US7490085B2 (en) * | 2002-12-18 | 2009-02-10 | Ge Medical Systems Global Technology Company, Llc | Computer-assisted data processing system and method incorporating automated learning |
| US20040122787A1 (en) * | 2002-12-18 | 2004-06-24 | Avinash Gopal B. | Enhanced computer-assisted medical data processing system and method |
| US20040122707A1 (en) * | 2002-12-18 | 2004-06-24 | Sabol John M. | Patient-driven medical data processing system and method |
| US20040122705A1 (en) * | 2002-12-18 | 2004-06-24 | Sabol John M. | Multilevel integrated medical knowledge base system and method |
| US20040122706A1 (en) * | 2002-12-18 | 2004-06-24 | Walker Matthew J. | Patient data acquisition system and method |
| US20040122709A1 (en) * | 2002-12-18 | 2004-06-24 | Avinash Gopal B. | Medical procedure prioritization system and method utilizing integrated knowledge base |
| US20040122719A1 (en) * | 2002-12-18 | 2004-06-24 | Sabol John M. | Medical resource processing system and method utilizing multiple resource type data |
| US7187790B2 (en) * | 2002-12-18 | 2007-03-06 | Ge Medical Systems Global Technology Company, Llc | Data processing and feedback method and system |
| US20040122703A1 (en) * | 2002-12-19 | 2004-06-24 | Walker Matthew J. | Medical data operating model development system and method |
| US7367949B2 (en) | 2003-07-07 | 2008-05-06 | Instrumentarium Corp. | Method and apparatus based on combination of physiological parameters for assessment of analgesia during anesthesia or sedation |
| WO2005031448A1 (ja) * | 2003-09-26 | 2005-04-07 | Toshiba Matsushita Display Technology Co., Ltd. | 液晶表示パネル |
| US7865236B2 (en) * | 2004-10-20 | 2011-01-04 | Nervonix, Inc. | Active electrode, bio-impedance based, tissue discrimination system and methods of use |
| US20060085048A1 (en) * | 2004-10-20 | 2006-04-20 | Nervonix, Inc. | Algorithms for an active electrode, bioimpedance-based tissue discrimination system |
| US7625340B2 (en) * | 2004-12-02 | 2009-12-01 | Instrumentarium Corporation | Identification of a dominant signal component in a biosignal |
| US20060129324A1 (en) * | 2004-12-15 | 2006-06-15 | Biogenesys, Inc. | Use of quantitative EEG (QEEG) alone and/or other imaging technology and/or in combination with genomics and/or proteomics and/or biochemical analysis and/or other diagnostic modalities, and CART and/or AI and/or statistical and/or other mathematical analysis methods for improved medical and other diagnosis, psychiatric and other disease treatment, and also for veracity verification and/or lie detection applications. |
| US20060282302A1 (en) * | 2005-04-28 | 2006-12-14 | Anwar Hussain | System and method for managing healthcare work flow |
| ATE492208T1 (de) * | 2005-06-22 | 2011-01-15 | Koninkl Philips Electronics Nv | Vorrichtung zum messen von momentanen wahrnehmungsfähigkeitswerten eines patienten |
| US8311622B2 (en) * | 2005-12-01 | 2012-11-13 | Neba Health LLC | Systems and methods for analyzing and assessing depression and other mood disorders using electroencephalographic (EEG) measurements |
| JP5292104B2 (ja) * | 2006-01-05 | 2013-09-18 | ユニバーシティ オブ バージニア パテント ファウンデーション | 自己監視データから糖尿病における血糖変動性を評価するためのコンピュータ実装方法、システム及びコンピュータ・プログラム |
| US7676446B2 (en) * | 2006-01-11 | 2010-03-09 | Decision Command, Inc. | System and method for making decisions |
| US8442932B2 (en) * | 2006-01-11 | 2013-05-14 | Decision Command, Inc. | System and method for making decisions |
| US20070276197A1 (en) * | 2006-05-24 | 2007-11-29 | Lifescan, Inc. | Systems and methods for providing individualized disease management |
| US7751340B2 (en) * | 2006-11-03 | 2010-07-06 | Microsoft Corporation | Management of incoming information |
| US20080154513A1 (en) * | 2006-12-21 | 2008-06-26 | University Of Virginia Patent Foundation | Systems, Methods and Computer Program Codes for Recognition of Patterns of Hyperglycemia and Hypoglycemia, Increased Glucose Variability, and Ineffective Self-Monitoring in Diabetes |
| US20090012812A1 (en) * | 2007-03-06 | 2009-01-08 | Tracy Rausch | System and method for patient care |
| US8758245B2 (en) * | 2007-03-20 | 2014-06-24 | Lifescan, Inc. | Systems and methods for pattern recognition in diabetes management |
| US20080234943A1 (en) * | 2007-03-20 | 2008-09-25 | Pinaki Ray | Computer program for diabetes management |
| US20080235053A1 (en) * | 2007-03-20 | 2008-09-25 | Pinaki Ray | Communication medium for diabetes management |
| TWI324918B (en) * | 2007-04-04 | 2010-05-21 | Ind Tech Res Inst | Monitoring apparatus, system and method |
| US20090240127A1 (en) * | 2008-03-20 | 2009-09-24 | Lifescan, Inc. | Methods of determining pre or post meal time slots or intervals in diabetes management |
| US11395634B2 (en) | 2008-10-29 | 2022-07-26 | Flashback Technologies, Inc. | Estimating physiological states based on changes in CRI |
| US20110172545A1 (en) * | 2008-10-29 | 2011-07-14 | Gregory Zlatko Grudic | Active Physical Perturbations to Enhance Intelligent Medical Monitoring |
| US11382571B2 (en) | 2008-10-29 | 2022-07-12 | Flashback Technologies, Inc. | Noninvasive predictive and/or estimative blood pressure monitoring |
| US11406269B2 (en) | 2008-10-29 | 2022-08-09 | Flashback Technologies, Inc. | Rapid detection of bleeding following injury |
| US9757041B2 (en) | 2008-10-29 | 2017-09-12 | Flashback Technologies, Inc. | Hemodynamic reserve monitor and hemodialysis control |
| US8512260B2 (en) | 2008-10-29 | 2013-08-20 | The Regents Of The University Of Colorado, A Body Corporate | Statistical, noninvasive measurement of intracranial pressure |
| US11395594B2 (en) | 2008-10-29 | 2022-07-26 | Flashback Technologies, Inc. | Noninvasive monitoring for fluid resuscitation |
| US11478190B2 (en) | 2008-10-29 | 2022-10-25 | Flashback Technologies, Inc. | Noninvasive hydration monitoring |
| US12201405B2 (en) | 2008-10-29 | 2025-01-21 | Flashback Technologies, Inc. | Assessing effectiveness of CPR |
| US11857293B2 (en) | 2008-10-29 | 2024-01-02 | Flashback Technologies, Inc. | Rapid detection of bleeding before, during, and after fluid resuscitation |
| US8364254B2 (en) * | 2009-01-28 | 2013-01-29 | Brainscope Company, Inc. | Method and device for probabilistic objective assessment of brain function |
| US20100332445A1 (en) * | 2009-06-30 | 2010-12-30 | Lifescan, Inc. | Analyte testing method and system |
| US8509884B2 (en) * | 2009-08-28 | 2013-08-13 | Neba Health LLC | Systems and methods to identify a subgroup of ADHD at higher risk for complicating conditions |
| EP2473100A4 (en) | 2009-09-01 | 2014-08-20 | Exxonmobil Upstream Res Co | METHOD OF USING HUMAN PHYSIOLOGICAL RESPONSES AS INPUT DATA FOR HYDROCARBON MANAGEMENT DECISIONS |
| EP2480128A4 (en) * | 2009-09-25 | 2013-03-13 | Med El Elektromed Geraete Gmbh | POSITION OF HEARING PROSTHESIS |
| DE102009053256A1 (de) * | 2009-11-06 | 2011-05-19 | Baars, Jan H., Dr. med. | Verfahren zur Bestimmung des Analgesieniveaus eines sedierten oder narkotisierten Individuums |
| US20130310422A1 (en) | 2010-09-01 | 2013-11-21 | The General Hospital Corporation | Reversal of general anesthesia by administration of methylphenidate, amphetamine, modafinil, amantadine, and/or caffeine |
| EP2621333B1 (en) | 2010-09-28 | 2015-07-29 | Masimo Corporation | Depth of consciousness monitor including oximeter |
| US9615781B2 (en) | 2011-02-03 | 2017-04-11 | Covidien Lp | Systems and methods for monitoring depth of consciousness |
| US20140081659A1 (en) | 2012-09-17 | 2014-03-20 | Depuy Orthopaedics, Inc. | Systems and methods for surgical and interventional planning, support, post-operative follow-up, and functional recovery tracking |
| US9351670B2 (en) | 2012-12-31 | 2016-05-31 | Abbott Diabetes Care Inc. | Glycemic risk determination based on variability of glucose levels |
| US10383580B2 (en) | 2012-12-31 | 2019-08-20 | Abbott Diabetes Care Inc. | Analysis of glucose median, variability, and hypoglycemia risk for therapy guidance |
| FI3409201T3 (fi) | 2013-03-15 | 2024-07-11 | Abbott Diabetes Care Inc | Glukoosimediaaniin, glukoosin variabiliteettiin ja hypoglykeemiseen riskiin perustuva järjestelmä ja menetelmä diabeteksen hallitsemiseksi |
| WO2014173558A1 (en) | 2013-04-24 | 2014-10-30 | Fresenius Kabi Deutschland Gmbh | Method of operating a control device for controlling an infusion device |
| WO2014176441A1 (en) * | 2013-04-24 | 2014-10-30 | The General Hospital Corporation | System and method for monitoring level of dexmedatomidine-induced sedation |
| US10314503B2 (en) | 2013-06-27 | 2019-06-11 | The General Hospital Corporation | Systems and methods for tracking non-stationary spectral structure and dynamics in physiological data |
| WO2014210527A1 (en) | 2013-06-28 | 2014-12-31 | The General Hospital Corporation | System and method to infer brain state during burst suppression |
| US10602978B2 (en) | 2013-09-13 | 2020-03-31 | The General Hospital Corporation | Systems and methods for improved brain monitoring during general anesthesia and sedation |
| US10154815B2 (en) | 2014-10-07 | 2018-12-18 | Masimo Corporation | Modular physiological sensors |
| CA2989625A1 (en) | 2015-07-02 | 2017-01-05 | Rob NUNN | Automation for improved sleep quality |
| US10786168B2 (en) | 2016-11-29 | 2020-09-29 | The General Hospital Corporation | Systems and methods for analyzing electrophysiological data from patients undergoing medical treatments |
| WO2019060298A1 (en) | 2017-09-19 | 2019-03-28 | Neuroenhancement Lab, LLC | METHOD AND APPARATUS FOR NEURO-ACTIVATION |
| US11717686B2 (en) | 2017-12-04 | 2023-08-08 | Neuroenhancement Lab, LLC | Method and apparatus for neuroenhancement to facilitate learning and performance |
| US11318277B2 (en) | 2017-12-31 | 2022-05-03 | Neuroenhancement Lab, LLC | Method and apparatus for neuroenhancement to enhance emotional response |
| US12280219B2 (en) | 2017-12-31 | 2025-04-22 | NeuroLight, Inc. | Method and apparatus for neuroenhancement to enhance emotional response |
| US11364361B2 (en) | 2018-04-20 | 2022-06-21 | Neuroenhancement Lab, LLC | System and method for inducing sleep by transplanting mental states |
| CN113382683A (zh) | 2018-09-14 | 2021-09-10 | 纽罗因恒思蒙特实验有限责任公司 | 改善睡眠的系统和方法 |
| US11918386B2 (en) | 2018-12-26 | 2024-03-05 | Flashback Technologies, Inc. | Device-based maneuver and activity state-based physiologic status monitoring |
| US11786694B2 (en) | 2019-05-24 | 2023-10-17 | NeuroLight, Inc. | Device, method, and app for facilitating sleep |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4517986A (en) * | 1984-03-05 | 1985-05-21 | Bilgutay Ilhan M | Four function vital sign monitor |
| JPH069546B2 (ja) * | 1990-11-30 | 1994-02-09 | 株式会社コンピュータコンビニエンス | 体表面から採取した脈波及び／又は心拍を用いる診断装置 |
| US5195531A (en) | 1991-03-01 | 1993-03-23 | Bennett Henry L | Anesthesia adequacy monitor and method |
| JP3369201B2 (ja) * | 1991-10-02 | 2003-01-20 | マツダ株式会社 | 覚醒度維持装置 |
| US5458117A (en) | 1991-10-25 | 1995-10-17 | Aspect Medical Systems, Inc. | Cerebral biopotential analysis system and method |
| JPH07231880A (ja) * | 1994-02-24 | 1995-09-05 | Sanyo Electric Co Ltd | ストレス評価方法及び装置 |
| US5590650A (en) * | 1994-11-16 | 1997-01-07 | Raven, Inc. | Non-invasive medical monitor system |
| JP3351160B2 (ja) * | 1995-03-24 | 2002-11-25 | 松下電器産業株式会社 | 生体評価装置 |
| US5687733A (en) | 1995-10-26 | 1997-11-18 | Baxter International Inc. | System and method for estimating cardiac output |
| US5913308A (en) * | 1996-12-19 | 1999-06-22 | Hewlett-Packard Company | Apparatus and method for determining respiratory effort from muscle tremor information in ECG signals |
| US5924980A (en) * | 1998-03-11 | 1999-07-20 | Siemens Corporate Research, Inc. | Method and apparatus for adaptively reducing the level of noise in an acquired signal |
-
1998
- 1998-08-18 US US09/135,931 patent/US6338713B1/en not_active Expired - Lifetime
-
1999
- 1999-08-04 JP JP2000566757A patent/JP4573149B2/ja not_active Expired - Fee Related
- 1999-08-04 WO PCT/US1999/017688 patent/WO2000011569A1/en not_active Ceased
- 1999-08-04 EP EP99942007A patent/EP1105812B1/en not_active Expired - Lifetime
- 1999-08-04 DE DE69904836T patent/DE69904836T2/de not_active Expired - Lifetime
- 1999-08-04 AT AT99942007T patent/ATE230863T1/de active
- 1999-08-04 AU AU55474/99A patent/AU773433B2/en not_active Ceased
- 1999-08-04 CA CA002338843A patent/CA2338843C/en not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| AU5547499A (en) | 2000-03-14 |
| US6338713B1 (en) | 2002-01-15 |
| DE69904836T2 (de) | 2003-11-13 |
| WO2000011569A1 (en) | 2000-03-02 |
| CA2338843C (en) | 2008-12-02 |
| CA2338843A1 (en) | 2000-03-02 |
| EP1105812B1 (en) | 2003-01-08 |
| ATE230863T1 (de) | 2003-01-15 |
| EP1105812A1 (en) | 2001-06-13 |
| DE69904836D1 (de) | 2003-02-13 |
| JP2002523163A (ja) | 2002-07-30 |
| AU773433B2 (en) | 2004-05-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6338713B1 (en) | System and method for facilitating clinical decision making | |
| Dolatabadi et al. | Automated diagnosis of coronary artery disease (CAD) patients using optimized SVM | |
| Hilton et al. | Evaluation of frequency and time-frequency spectral analysis of heart rate variability as a diagnostic marker of the sleep apnoea syndrome | |
| US8321005B2 (en) | System for continuous cardiac pathology detection and characterization | |
| JP6109155B2 (ja) | 麻酔投与中の脳の状態を追跡するシステム及び方法 | |
| JP6275109B2 (ja) | Ｅｃｇ信号に基づいて睡眠の質の視覚的表現を提供するための方法及び装置 | |
| EP2428160A2 (en) | Monitoring physiological activity using partial state space reconstruction | |
| Zink et al. | Unobtrusive nocturnal heartbeat monitoring by a ballistocardiographic sensor in patients with sleep disordered breathing | |
| JP2011516238A (ja) | 胎児ｅｃｇモニタリング | |
| CN112867441A (zh) | 用于监测神经信号的系统及方法 | |
| US20150157271A1 (en) | Analysis and Characterization of Patient Signals | |
| US20150126884A1 (en) | System for Heart Performance Characterization and Abnormality Detection | |
| JP2015508693A (ja) | 生理的リズムを表す信号を処理する方法 | |
| Li et al. | Probability density distribution of delta RR intervals: a novel method for the detection of atrial fibrillation | |
| US20210315507A1 (en) | System and methods for consciousness evaluation in non-communicating subjects | |
| Xu et al. | Morphology variability analysis of wrist pulse waveform for assessment of arteriosclerosis status | |
| Thirion et al. | BCG-VARS: BallistoCardioGraphy vital algorithms for real-time systems | |
| Parlato et al. | Fully automated template matching method for ECG-free heartbeat detection in cardiomechanical signals of healthy and pathological subjects | |
| Szmajda et al. | Three methods for determining respiratory waves from ECG (Part I) | |
| Rawal et al. | Adaptive correlation dimension method for analysing heart rate variability during the menstrual cycle | |
| Kumari et al. | A Novel Methodology for Obstructive Sleep Apnea Detection from ECG using Deep Learning Approach | |
| Stapelberg et al. | A preprocessing tool for removing artifact from cardiac RR interval recordings using three‐dimensional spatial distribution mapping | |
| Elmansouri et al. | Developing a real time electrocardiogram system using virtual bio-instrumentation | |
| JP2021094381A (ja) | ユニポーラ信号及びバイポーラ信号を使用した心室活動の検出 | |
| Olbert et al. | Power modulation spectrum–a promising approach for the indispensable quality control of electrocardiogram signals from monitoring units for the detection of autonomic dysfunction |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20060803 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090602 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090827 |
|
| RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20090827 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20100208 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100602 |
|
| A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20100611 |
|
| 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: 20100706 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20100805 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130827 Year of fee payment: 3 |
|
| 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 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |