JPH05207985A - 心電図波形認識方式 - Google Patents
心電図波形認識方式Info
- Publication number
- JPH05207985A JPH05207985A JP3315914A JP31591491A JPH05207985A JP H05207985 A JPH05207985 A JP H05207985A JP 3315914 A JP3315914 A JP 3315914A JP 31591491 A JP31591491 A JP 31591491A JP H05207985 A JPH05207985 A JP H05207985A
- Authority
- JP
- Japan
- Prior art keywords
- waveform
- data
- template
- input
- error
- 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.)
- Pending
Links
- 238000013528 artificial neural network Methods 0.000 claims abstract description 22
- 208000000418 Premature Cardiac Complexes Diseases 0.000 claims abstract description 3
- 238000000034 method Methods 0.000 claims description 27
- 206010015856 Extrasystoles Diseases 0.000 claims 1
- 238000013500 data storage Methods 0.000 abstract description 13
- 230000008878 coupling Effects 0.000 abstract description 4
- 238000010168 coupling process Methods 0.000 abstract description 4
- 238000005859 coupling reaction Methods 0.000 abstract description 4
- 230000007423 decrease Effects 0.000 abstract 2
- 238000001514 detection method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000013075 data extraction Methods 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 2
- 238000000718 qrs complex Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
(57)【要約】
【構成】デジタル化された時系列心電図波形データを入
力および出力とするニューラル・ネットワーク５を備
え、これの入出力間を接続する重み係数を決定する学習
過程で、心電図のテンプレート波形データを入力データ
及び教師データとし、出力データと教師データとの誤差
を減らすように重み係数を変化させてテンプレート波形
を学習し、認識過程では出力データとテンプレート波形
データとの誤差が閥値内にあると判定し、入力波形がテ
ンプレート波形と同一であるかを認識する。 【効果】ニューラル・ネットワーク５を用いて、入力さ
れた心電図波形がテンプレート波形と同一波形かどうか
を認識できるので、振幅値や時間幅などの数値パラメー
タによる波形認識に比べ、より忠実に波形の特徴抽出が
できるという効果がある。
力および出力とするニューラル・ネットワーク５を備
え、これの入出力間を接続する重み係数を決定する学習
過程で、心電図のテンプレート波形データを入力データ
及び教師データとし、出力データと教師データとの誤差
を減らすように重み係数を変化させてテンプレート波形
を学習し、認識過程では出力データとテンプレート波形
データとの誤差が閥値内にあると判定し、入力波形がテ
ンプレート波形と同一であるかを認識する。 【効果】ニューラル・ネットワーク５を用いて、入力さ
れた心電図波形がテンプレート波形と同一波形かどうか
を認識できるので、振幅値や時間幅などの数値パラメー
タによる波形認識に比べ、より忠実に波形の特徴抽出が
できるという効果がある。
Description
【０００１】
【産業上の利用分野】本発明は心電図波形認識方式に関
し、特にニューラル・ネットワークを利用した心電図波
形認識方式に関する。
し、特にニューラル・ネットワークを利用した心電図波
形認識方式に関する。
【０００２】
【従来の技術】従来行われていた心電図波形の比較方法
は、例えばＱＲＳ群の比較においては、テンプレートと
なるＱＲＳ群の始点と終点を特殊な区分点認識論理を用
いて求めた後、ＱＲＳ群の面積・振幅・時間幅などのパ
ラメータを計算し、また比較対称となるＱＲＳ群の各パ
ラメータを計算し、双方のパラメータ値を比較して、そ
れぞれのパラメータがある誤差範囲にあればテンプレー
トＱＲＳ群と同一波形とみなすというような方法があ
る。
は、例えばＱＲＳ群の比較においては、テンプレートと
なるＱＲＳ群の始点と終点を特殊な区分点認識論理を用
いて求めた後、ＱＲＳ群の面積・振幅・時間幅などのパ
ラメータを計算し、また比較対称となるＱＲＳ群の各パ
ラメータを計算し、双方のパラメータ値を比較して、そ
れぞれのパラメータがある誤差範囲にあればテンプレー
トＱＲＳ群と同一波形とみなすというような方法があ
る。
【０００３】また、心電図所見分類の方法は、Ｐ波，Ｑ
ＲＳ群，Ｔ波などの始点と終点とを特殊の区分点認識論
理を用いて求めた後、各棘波の振幅値，時間幅などのパ
ラメータを計算し、それぞれのパラメータが正常範囲内
にあるかを調べる方法がある。通常所見分類を行うため
には、一回の検査につき１２個の波形を誘導し（標準１
２誘導心電図検査）、１２誘導波形それぞれについて各
パラメータを求め、ある決まった分類基準（例えばミネ
ソタコード分類基準）に基づき所見分類を行う方法が最
も一般的である。
ＲＳ群，Ｔ波などの始点と終点とを特殊の区分点認識論
理を用いて求めた後、各棘波の振幅値，時間幅などのパ
ラメータを計算し、それぞれのパラメータが正常範囲内
にあるかを調べる方法がある。通常所見分類を行うため
には、一回の検査につき１２個の波形を誘導し（標準１
２誘導心電図検査）、１２誘導波形それぞれについて各
パラメータを求め、ある決まった分類基準（例えばミネ
ソタコード分類基準）に基づき所見分類を行う方法が最
も一般的である。
【０００４】
【発明が解決しようとする課題】従来の方法では、振
幅，時間幅，面積などの限られた数値パラメータのみで
波形全体の特徴を十分に表現していないため、例えば波
形比較の場合には一見して異なる波形であってもパラメ
ータの数値の上ではさほど差異がなかったり、また同一
波形と見なせる場合でもノイズが混入した場合などにパ
ラメータ値に影響を与え、異なる波形として判定される
などの問題点があった。また所見分類においては、振幅
や時間幅などのパラメータが、所見の分類基準値に極く
近い場合に分類精度が不安定となったり、ノイズが混入
した場合にはパラメータの算出に誤差が生じ、所見分類
を設るなどの問題点があった。
幅，時間幅，面積などの限られた数値パラメータのみで
波形全体の特徴を十分に表現していないため、例えば波
形比較の場合には一見して異なる波形であってもパラメ
ータの数値の上ではさほど差異がなかったり、また同一
波形と見なせる場合でもノイズが混入した場合などにパ
ラメータ値に影響を与え、異なる波形として判定される
などの問題点があった。また所見分類においては、振幅
や時間幅などのパラメータが、所見の分類基準値に極く
近い場合に分類精度が不安定となったり、ノイズが混入
した場合にはパラメータの算出に誤差が生じ、所見分類
を設るなどの問題点があった。
【０００５】
【課題を解決するための手段】本発明の心電図波形認識
方式は、デジタル化された時系列心電図波形データを入
力および出力とするニューラル・ネットワークを備え、
前記ニューラル・ネットワークの入出力間を接続する重
み係数を決定する学習過程において、心電図のテンプレ
ート波形データを入力データ及び教師データとし、出力
データと教師データとの誤差を減らすように重み係数を
変化させることによりテンプレート波形を学習し、認識
過程においては出力データとテンプレート波形データの
誤差が閥値内にあるかを判定することにより、入力波形
がテンプレート波形と同一であるかを認識して構成され
る。
方式は、デジタル化された時系列心電図波形データを入
力および出力とするニューラル・ネットワークを備え、
前記ニューラル・ネットワークの入出力間を接続する重
み係数を決定する学習過程において、心電図のテンプレ
ート波形データを入力データ及び教師データとし、出力
データと教師データとの誤差を減らすように重み係数を
変化させることによりテンプレート波形を学習し、認識
過程においては出力データとテンプレート波形データの
誤差が閥値内にあるかを判定することにより、入力波形
がテンプレート波形と同一であるかを認識して構成され
る。
【０００６】
【実施例】次に、本発明について図面を参照して説明す
る。図１は本発明の一実施例の構成を示すブロック図で
ある。
る。図１は本発明の一実施例の構成を示すブロック図で
ある。
【０００７】生体から誘導された心電図信号は、アンプ
１によって増幅された後、Ａ／Ｄ変換器２によって時系
列デジタルデータに変換される。例えば本実施例でのサ
ンプリング周波数は１２５Ｈｚとした。また、増幅され
た心電図信号はＲ波検出部３にも入力され、心電図のＱ
ＲＳ群時系列的な発生位置が検出される。データ抽出部
４ではニューラル・ネットワークに入力するデータの抽
出が行われる。本実施例ではＱＲＳ群位置の前後８０ｍ
ｓｅｃとした。すなわちデータ数はＱＲＳ群検出位置の
前後２０ポイントとなり、検出点を含めて合計４１ポイ
ントとなる。
１によって増幅された後、Ａ／Ｄ変換器２によって時系
列デジタルデータに変換される。例えば本実施例でのサ
ンプリング周波数は１２５Ｈｚとした。また、増幅され
た心電図信号はＲ波検出部３にも入力され、心電図のＱ
ＲＳ群時系列的な発生位置が検出される。データ抽出部
４ではニューラル・ネットワークに入力するデータの抽
出が行われる。本実施例ではＱＲＳ群位置の前後８０ｍ
ｓｅｃとした。すなわちデータ数はＱＲＳ群検出位置の
前後２０ポイントとなり、検出点を含めて合計４１ポイ
ントとなる。
【０００８】学習過程においては、抽出されたデータは
データ記憶部６に格納される。一定時間心電図データの
入力を行った後、入力時間内にＲ波検出部３で検出され
たＱＲＳ群検出位置に基づいてデータ抽出部４で抽出さ
れ、データ記憶部６に格納されている複数心拍の心電図
データが表示部９に表示される。操作者は、表示部９に
表示されている心電図データを観察しながらテンプレー
トとなる波形を選択し、操作部８より指定する。テンプ
レート波形は、正常洞調律であっても体位変動等により
波形が変化している場合にはそれぞれをテンプレートと
し、また期外収縮でも形の異なるものについても、それ
ぞれをテンプレートとして選択する。こうして正常波形
及び期外収縮波形のそれぞれ複数のテンプレート波形が
選択され、データ記憶部６に格納される。
データ記憶部６に格納される。一定時間心電図データの
入力を行った後、入力時間内にＲ波検出部３で検出され
たＱＲＳ群検出位置に基づいてデータ抽出部４で抽出さ
れ、データ記憶部６に格納されている複数心拍の心電図
データが表示部９に表示される。操作者は、表示部９に
表示されている心電図データを観察しながらテンプレー
トとなる波形を選択し、操作部８より指定する。テンプ
レート波形は、正常洞調律であっても体位変動等により
波形が変化している場合にはそれぞれをテンプレートと
し、また期外収縮でも形の異なるものについても、それ
ぞれをテンプレートとして選択する。こうして正常波形
及び期外収縮波形のそれぞれ複数のテンプレート波形が
選択され、データ記憶部６に格納される。
【０００９】テンプレートデータの選択の後、ニューラ
ル・ネットワーク５の学習が行われる。図２は本実施例
で使用したニューラル・ネットワークである。入力層Ｅ
の数は４１個、中間層Ｍの数は１０個、出力層Ａの数は
４１個である。学習過程においてはスイッチ１１はニュ
ーラル・ネットワーク５とデータ記憶部６がつながった
状態にあり、入力層にはデータ記憶部に格納されている
テンプレート心電図波形の４１ポイントのデータがその
まま入力されている。
ル・ネットワーク５の学習が行われる。図２は本実施例
で使用したニューラル・ネットワークである。入力層Ｅ
の数は４１個、中間層Ｍの数は１０個、出力層Ａの数は
４１個である。学習過程においてはスイッチ１１はニュ
ーラル・ネットワーク５とデータ記憶部６がつながった
状態にあり、入力層にはデータ記憶部に格納されている
テンプレート心電図波形の４１ポイントのデータがその
まま入力されている。
【００１０】学習アルゴリズムにはバックプロパゲーシ
ョンを用いている。すなわち、一回の学習ではあるテン
プレート波形をニューラル・ネットワークに入力してそ
の結果として出力層に得られた出力波形と、教師信号と
の比較が誤差判定部７で行われ２乗誤差が減少するよう
に各結合係数を変化させる方法をとる。結合係数は入力
層Ｅと中間層Ｍ及び中間層Ｍと出力層Ａの各素子間を結
合する重み係数であり、例えばｗ（Ｅ＝ｉ，Ｍ＝ｊ），
ｗ（Ｍ＝ｉ，Ａ＝ｊ）で示される。教師信号には入力し
たテンプレート波形と同じ波形を用いることにより、入
力した波形をネットワークに学習させることができる。
学習回数はデータ記憶部６に格納されている各テンプレ
ート波形それぞれについて５００回ずつ行われる。学習
終了時の結合係数が認識過程で用いられる。
ョンを用いている。すなわち、一回の学習ではあるテン
プレート波形をニューラル・ネットワークに入力してそ
の結果として出力層に得られた出力波形と、教師信号と
の比較が誤差判定部７で行われ２乗誤差が減少するよう
に各結合係数を変化させる方法をとる。結合係数は入力
層Ｅと中間層Ｍ及び中間層Ｍと出力層Ａの各素子間を結
合する重み係数であり、例えばｗ（Ｅ＝ｉ，Ｍ＝ｊ），
ｗ（Ｍ＝ｉ，Ａ＝ｊ）で示される。教師信号には入力し
たテンプレート波形と同じ波形を用いることにより、入
力した波形をネットワークに学習させることができる。
学習回数はデータ記憶部６に格納されている各テンプレ
ート波形それぞれについて５００回ずつ行われる。学習
終了時の結合係数が認識過程で用いられる。
【００１１】認識過程においては、学習過程と同様にし
てＱＲＳ群検出位置前後の４１ポイントのデータがつぎ
つぎにデータ抽出部４で抽出され、ニューラル・ネット
ワーク５に入力される。誤差判定部７ではニューラル・
ネットワーク５の出力データとデータ記憶部６に格納さ
れているテンプレートデータとの２乗誤差が計算され、
誤差が最小となったテンプレートの波形が入力データに
最も近い波形であると認識され、データ記憶部６に設け
たテンプレートカウンターのうち、同一波形であると認
識されたテンプレートに対応するカウンタが繰り上が
る。また認識された波形の発生時刻がデータ記憶部６に
格納される。
てＱＲＳ群検出位置前後の４１ポイントのデータがつぎ
つぎにデータ抽出部４で抽出され、ニューラル・ネット
ワーク５に入力される。誤差判定部７ではニューラル・
ネットワーク５の出力データとデータ記憶部６に格納さ
れているテンプレートデータとの２乗誤差が計算され、
誤差が最小となったテンプレートの波形が入力データに
最も近い波形であると認識され、データ記憶部６に設け
たテンプレートカウンターのうち、同一波形であると認
識されたテンプレートに対応するカウンタが繰り上が
る。また認識された波形の発生時刻がデータ記憶部６に
格納される。
【００１２】認識過程が終了するとデータ記憶部に格納
されているテンプレート波形データとテンプレートに対
応するカウンタのカウント数及び単位時間内に発生した
ＱＲＳ群のヒストグラムが各テンプレート毎に編集され
て記録部１０に記録される。図３および図４に記録例を
示す。本記録例は正常波形を１パターン（図３）と，期
外収縮波形を４パターン（図４），計５パターンのテン
プレートを使用して分類した結果であり、それぞれのパ
ターンについて、テンプレート波形，ヒストグラム，発
生した回数が記録される。なお、図４では４パターンの
期外収縮波形の中からそのうちの指定されたパターンに
対応したテンプレート波形について〔この場合は
（Ａ）〕の単位時間〔この場合は１時間ごと〕に発生回
数を集計して表示している。また、ヒストグラム下の
「ＴＯＴＡＬ」の次に数字は計測開始後の累計集計数で
ある。
されているテンプレート波形データとテンプレートに対
応するカウンタのカウント数及び単位時間内に発生した
ＱＲＳ群のヒストグラムが各テンプレート毎に編集され
て記録部１０に記録される。図３および図４に記録例を
示す。本記録例は正常波形を１パターン（図３）と，期
外収縮波形を４パターン（図４），計５パターンのテン
プレートを使用して分類した結果であり、それぞれのパ
ターンについて、テンプレート波形，ヒストグラム，発
生した回数が記録される。なお、図４では４パターンの
期外収縮波形の中からそのうちの指定されたパターンに
対応したテンプレート波形について〔この場合は
（Ａ）〕の単位時間〔この場合は１時間ごと〕に発生回
数を集計して表示している。また、ヒストグラム下の
「ＴＯＴＡＬ」の次に数字は計測開始後の累計集計数で
ある。
【００１３】
【発明の効果】以上説明したように本発明は、ニューラ
ル・ネットワークを用いて、入力された心電図波形がテ
ンプレート波形と同一波形かどうかを認識できるので、
振幅値や時間幅などの数値パラメータによる波形認識に
比べ、より忠実に波形の特徴抽出を行うことができ、ノ
イズの混入などにも影響されずに精度よく波形認識を行
うことができるという効果を有する。
ル・ネットワークを用いて、入力された心電図波形がテ
ンプレート波形と同一波形かどうかを認識できるので、
振幅値や時間幅などの数値パラメータによる波形認識に
比べ、より忠実に波形の特徴抽出を行うことができ、ノ
イズの混入などにも影響されずに精度よく波形認識を行
うことができるという効果を有する。
【図１】本発明の一実施例の構成を示すブロック図。
【図２】図１に示したニューラル・ネットワークの構造
を示す説明図。
を示す説明図。
【図３】本実施例による記録の一例を示す説明図。
【図４】本実施例による記録の一例を示す説明図。
１ アンプ ２ Ａ／Ｄ変換器 ３ Ｒ波検出部 ４ データ抽出部 ５ ニューラル・ネットワーク ６ データ記憶部 ７ 誤差判定部 ８ 操作部 ９ 表示部 １０ 記録部
Claims (5)
- 【請求項１】 デジタル化された時系列心電図波形デー
タを入力および出力とするニューラル・ネットワークを
備え、前記ニューラル・ネットワークの入出力間を接続
する重み係数を決定する学習過程において、心電図のテ
ンプレート波形データを入力データ及び教師データと
し、出力データと教師データとの誤差を減らすように重
み係数を変化させることによりテンプレート波形を学習
し、認識過程においては出力データとテンプレート波形
データの誤差が閥値内にあるかを判定することにより、
入力波形がテンプレート波形と同一であるかを認識して
成ることを特徴とする心電図波形認識方式。 - 【請求項２】 前記ニューラル・ネットワークにおい
て、学習過程においては複数のテンプレート波形を学習
し、認識過程においては出力データと各テンプレートデ
ータとの誤差が閥値内におるかを判定することにより入
力波形がどのテンプレート波形に近いかを判定し、パタ
ーン分類を行って成ることを特徴とする請求項１記載の
心電図波形認識方式。 - 【請求項３】 前記ニューラル・ネットワークにおい
て、学習過程においては、同一被検者の少なくとも１箇
の正常波形及び少なくとも１箇の期外収縮波形のＱＲＳ
群近傍のデータを学習し、認識過程においては前記被検
者の任意時間内のＱＲＳ近傍のデータと入力し、入力波
形が学習させたどのＱＲＳ群に近いかを認識することに
より入力時間内に発生した期外収縮の回数を計数するこ
とを特徴とする請求項２記載の心電図波形認識方式。 - 【請求項４】 前記ニューラル・ネットワークにおい
て、学習過程においてはある心電図所見に特徴的な１つ
または複数の波形を学習し、認識過程においては入力し
た波形がその所見に該当するかを判定することを特徴と
する請求項１又は２記載の心電図波形認識方式。 - 【請求項５】 請求項４記載のニューラル・ネットワー
クを複数箇用いることにより、学習過程においては、異
なる複数の心電図所見のそれぞれに特徴的な少なくとを
１箇の波形をそれぞれに対応するニューラル・ネットワ
ークに学習させておき、認識過程においては入力波形を
複数のニューラル・ネットワークに順次入力してゆき、
入力波形がどの心電図所見に該当するかを判定すること
を特徴する心電図波形認識方式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3315914A JPH05207985A (ja) | 1991-11-29 | 1991-11-29 | 心電図波形認識方式 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3315914A JPH05207985A (ja) | 1991-11-29 | 1991-11-29 | 心電図波形認識方式 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH05207985A true JPH05207985A (ja) | 1993-08-20 |
Family
ID=18071129
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP3315914A Pending JPH05207985A (ja) | 1991-11-29 | 1991-11-29 | 心電図波形認識方式 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH05207985A (ja) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06225859A (ja) * | 1993-01-29 | 1994-08-16 | Topcon Corp | 神経回路網を用いた波形評価装置 |
| JP2004159888A (ja) * | 2002-11-13 | 2004-06-10 | Teijin Ltd | 酸素療法の治療効果予測方法、酸素療法の実施支援方法 |
| JP2013027715A (ja) * | 2004-12-15 | 2013-02-07 | Cardiac Pacemakers Inc | ペーシングパルスに対する心臓応答を分類するための医療システム |
| CN107822622A (zh) * | 2017-09-22 | 2018-03-23 | 成都比特律动科技有限责任公司 | 基于深度卷积神经网络的心电图诊断方法和系统 |
| JP2018175631A (ja) * | 2017-04-19 | 2018-11-15 | 日本光電工業株式会社 | 生体情報波形処理方法、記憶媒体、プログラム及び生体情報波形処理装置 |
| US10188351B2 (en) | 2016-02-01 | 2019-01-29 | Samsung Electronics Co., Ltd. | Electrocardiogram (ECG) signal based authentication apparatus and method |
| WO2021019984A1 (ja) * | 2019-07-29 | 2021-02-04 | 株式会社カルディオインテリジェンス | 心電図表示装置、心電図表示方法及びプログラム |
| JP2021112564A (ja) * | 2020-01-17 | 2021-08-05 | 長佳智能股▲分▼有限公司 | 心調律分類モデルを構築するための方法 |
| JP2024147695A (ja) * | 2020-09-25 | 2024-10-16 | フクダ電子株式会社 | 生体信号処理装置および心電図解析用データの生成方法 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6156633A (ja) * | 1984-08-27 | 1986-03-22 | オムロン株式会社 | 心電異常検出装置 |
| JPS63270026A (ja) * | 1987-04-28 | 1988-11-08 | Nec Corp | 心電図ｑｒｓ群形状比較分類方式 |
| JPH02111341A (ja) * | 1987-11-16 | 1990-04-24 | Spacelabs Inc | Ｅｃｇデータ検討及び分析の改良方法及び装置 |
| JPH0366357A (ja) * | 1989-08-02 | 1991-03-22 | Matsushita Electric Ind Co Ltd | 生体信号処理装置 |
| JPH0392795A (ja) * | 1989-09-05 | 1991-04-17 | Toshiba Corp | 原子力発電プラントの診断方法 |
| JPH03114439A (ja) * | 1989-09-29 | 1991-05-15 | Nec Corp | 適応型心電図波形認識装置 |
| JPH03207342A (ja) * | 1989-11-17 | 1991-09-10 | Univ Wayne State | 生理的波形解析組立体 |
| JPH03218731A (ja) * | 1990-01-24 | 1991-09-26 | Nec Corp | 予測型心電図波形認識装置 |
| JPH03218730A (ja) * | 1990-01-24 | 1991-09-26 | Nec Corp | 心電図波形認識装置 |
| JPH03236864A (ja) * | 1990-02-13 | 1991-10-22 | Matsushita Electric Ind Co Ltd | ガス遮断装置 |
| JPH03238370A (ja) * | 1990-02-16 | 1991-10-24 | Toshiba Corp | 部分放電診断法 |
| JPH04279175A (ja) * | 1990-07-03 | 1992-10-05 | Telectronics Nv | 不整脈制御装置および不整脈検出方法 |
-
1991
- 1991-11-29 JP JP3315914A patent/JPH05207985A/ja active Pending
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6156633A (ja) * | 1984-08-27 | 1986-03-22 | オムロン株式会社 | 心電異常検出装置 |
| JPS63270026A (ja) * | 1987-04-28 | 1988-11-08 | Nec Corp | 心電図ｑｒｓ群形状比較分類方式 |
| JPH02111341A (ja) * | 1987-11-16 | 1990-04-24 | Spacelabs Inc | Ｅｃｇデータ検討及び分析の改良方法及び装置 |
| JPH0366357A (ja) * | 1989-08-02 | 1991-03-22 | Matsushita Electric Ind Co Ltd | 生体信号処理装置 |
| JPH0392795A (ja) * | 1989-09-05 | 1991-04-17 | Toshiba Corp | 原子力発電プラントの診断方法 |
| JPH03114439A (ja) * | 1989-09-29 | 1991-05-15 | Nec Corp | 適応型心電図波形認識装置 |
| JPH03207342A (ja) * | 1989-11-17 | 1991-09-10 | Univ Wayne State | 生理的波形解析組立体 |
| JPH03218731A (ja) * | 1990-01-24 | 1991-09-26 | Nec Corp | 予測型心電図波形認識装置 |
| JPH03218730A (ja) * | 1990-01-24 | 1991-09-26 | Nec Corp | 心電図波形認識装置 |
| JPH03236864A (ja) * | 1990-02-13 | 1991-10-22 | Matsushita Electric Ind Co Ltd | ガス遮断装置 |
| JPH03238370A (ja) * | 1990-02-16 | 1991-10-24 | Toshiba Corp | 部分放電診断法 |
| JPH04279175A (ja) * | 1990-07-03 | 1992-10-05 | Telectronics Nv | 不整脈制御装置および不整脈検出方法 |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06225859A (ja) * | 1993-01-29 | 1994-08-16 | Topcon Corp | 神経回路網を用いた波形評価装置 |
| JP2004159888A (ja) * | 2002-11-13 | 2004-06-10 | Teijin Ltd | 酸素療法の治療効果予測方法、酸素療法の実施支援方法 |
| JP2013027715A (ja) * | 2004-12-15 | 2013-02-07 | Cardiac Pacemakers Inc | ペーシングパルスに対する心臓応答を分類するための医療システム |
| US10188351B2 (en) | 2016-02-01 | 2019-01-29 | Samsung Electronics Co., Ltd. | Electrocardiogram (ECG) signal based authentication apparatus and method |
| US11109812B2 (en) | 2016-02-01 | 2021-09-07 | Samsung Electronics Co., Ltd. | Electrocardiogram (ECG) signal based authentication apparatus and method |
| JP2018175631A (ja) * | 2017-04-19 | 2018-11-15 | 日本光電工業株式会社 | 生体情報波形処理方法、記憶媒体、プログラム及び生体情報波形処理装置 |
| CN107822622A (zh) * | 2017-09-22 | 2018-03-23 | 成都比特律动科技有限责任公司 | 基于深度卷积神经网络的心电图诊断方法和系统 |
| CN107822622B (zh) * | 2017-09-22 | 2022-09-09 | 成都比特律动科技有限责任公司 | 基于深度卷积神经网络的心电图诊断方法和系统 |
| WO2021019984A1 (ja) * | 2019-07-29 | 2021-02-04 | 株式会社カルディオインテリジェンス | 心電図表示装置、心電図表示方法及びプログラム |
| JP6865329B1 (ja) * | 2019-07-29 | 2021-04-28 | 株式会社カルディオインテリジェンス | 表示装置、表示方法及びプログラム |
| JP2021112564A (ja) * | 2020-01-17 | 2021-08-05 | 長佳智能股▲分▼有限公司 | 心調律分類モデルを構築するための方法 |
| JP2024147695A (ja) * | 2020-09-25 | 2024-10-16 | フクダ電子株式会社 | 生体信号処理装置および心電図解析用データの生成方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Shyu et al. | Using wavelet transform and fuzzy neural network for VPC detection from the Holter ECG | |
| US5090418A (en) | Method and apparatus for screening electrocardiographic (ECG) data | |
| Mitra et al. | A rough-set-based inference engine for ECG classification | |
| Prasad et al. | Classification of ECG arrhythmias using multi-resolution analysis and neural networks | |
| US5271411A (en) | Method and apparatus for ECG signal analysis and cardiac arrhythmia detection | |
| CN106725428A (zh) | 一种心电信号分类方法及装置 | |
| CN112617849A (zh) | 一种基于cnn+lstm的心房颤动检测与分类方法 | |
| JP2002512831A (ja) | 急性心虚血に伴う症状の検出装置及び検出方法 | |
| CN111481192B (zh) | 一种基于改进U-Net的心电信号R波检测方法 | |
| de Chazal et al. | Automatic classification of ECG beats using waveform shape and heart beat interval features | |
| CN1951320A (zh) | 基于超完备特征的异常心电识别方法 | |
| Gawande et al. | Heart diseases classification using convolutional neural network | |
| Portet | P wave detector with PP rhythm tracking: evaluation in different arrhythmia contexts | |
| Rao et al. | P-and T-wave delineation in ECG signals using parametric mixture Gaussian and dynamic programming | |
| JPH05207985A (ja) | 心電図波形認識方式 | |
| CN115062655A (zh) | 一种多导联心电信号分析方法及多导联心肌梗死分析系统 | |
| Xue et al. | Late potential recognition by artificial neural networks | |
| US20060052717A1 (en) | Method and system for evaluating cardiac ischemia | |
| CN116570295B (zh) | 一种心电图低电压t波终点定位方法 | |
| Turnip et al. | Classification of ECG signals using decision trees and linear discriminant analysis | |
| Silipo et al. | Continuous monitoring and detection of ST-T changes in ischemic patients | |
| Kharshid et al. | Classification of short-time single-lead ECG recordings using deep residual CNN | |
| CN120241096A (zh) | 一种基于qrs波调整算法与自适应阈值的心电图分类方法 | |
| Zhu et al. | ECG monitoring with artificial neural networks | |
| JP3224569B2 (ja) | Ｅｃｇ信号に基づく心臓不整脈検出装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20000125 |