JPH0551292B2 - - Google Patents
Info
- Publication number
- JPH0551292B2 JPH0551292B2 JP1254112A JP25411289A JPH0551292B2 JP H0551292 B2 JPH0551292 B2 JP H0551292B2 JP 1254112 A JP1254112 A JP 1254112A JP 25411289 A JP25411289 A JP 25411289A JP H0551292 B2 JPH0551292 B2 JP H0551292B2
- Authority
- JP
- Japan
- Prior art keywords
- pattern
- standard
- input
- neural network
- recurrent neural
- 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
- 238000013528 artificial neural network Methods 0.000 claims description 32
- 230000000306 recurrent effect Effects 0.000 claims description 32
- 230000011218 segmentation Effects 0.000 claims description 24
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 6
- 230000002123 temporal effect Effects 0.000 description 4
- 238000007796 conventional method Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000000034 method Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 235000014347 soups Nutrition 0.000 description 1
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Image Analysis (AREA)
Description
【発明の詳細な説明】
（産業上の利用分野）
本発明は、心電図波形の区分点の認識を行なう
装置に関する。
装置に関する。
（従来の技術）
従来、区分点の認識のためには入力信号に対し
てローパスフイルタまたはバンドパスフイルタを
用いて雑音を取り除き、その結果に対して微分を
行ない、その値が０となる点をＲ波のピーク点と
して検出する。また、フイルタの出力に対して２
次微分を行ない極大となる時刻点をＲ波のピーク
点として検出することができる。そしてＲ波のピ
ーク点の時刻点を見つけた後に、入力波形が０点
と交差する点を用いてＱ波、Ｓ波の区分点を見つ
ける。その後に、Ｑ波、Ｓ波の区分点と入力波形
が０点と交差する点を用いてＴ波、Ｐ波の区分点
を見つける。第４図には一般的な心電図波形とそ
の区分点を示す。
てローパスフイルタまたはバンドパスフイルタを
用いて雑音を取り除き、その結果に対して微分を
行ない、その値が０となる点をＲ波のピーク点と
して検出する。また、フイルタの出力に対して２
次微分を行ない極大となる時刻点をＲ波のピーク
点として検出することができる。そしてＲ波のピ
ーク点の時刻点を見つけた後に、入力波形が０点
と交差する点を用いてＱ波、Ｓ波の区分点を見つ
ける。その後に、Ｑ波、Ｓ波の区分点と入力波形
が０点と交差する点を用いてＴ波、Ｐ波の区分点
を見つける。第４図には一般的な心電図波形とそ
の区分点を示す。
（発明が解決しようとする課題）
従来法では、心電図波形の時間的な構造には注
目せずに、Ｒ波のピーク点を見つけることを元に
してその他の区分点の認識を行なつている。した
がつて、Ｒ波のピーク点の認識を誤ると、全ての
区分点の認識結果が誤まつてしまう。
目せずに、Ｒ波のピーク点を見つけることを元に
してその他の区分点の認識を行なつている。した
がつて、Ｒ波のピーク点の認識を誤ると、全ての
区分点の認識結果が誤まつてしまう。
本発明は、標準パターンの区分点認識について
リカレント・ニユーラルネツトワーク学習を行い
心電図波形の時間的な構造に適応化したリカレン
ト・ニユーラルネツトワークを用いる。そのため
に、区分点の認識は心電図波形の時間的な構造に
注目して行なわれるため、従来の方式に比べて、
区分点の認識精度と確度がともに向上する。ま
た、学習パターンにノイズを重畳させた波形を元
にリカレント・ニユーラルネツトワーク学習を行
うことによつて、学習パターンの種類を増加で
き、特定の学習パターンのみに過度に学習するこ
とを防止できる。
リカレント・ニユーラルネツトワーク学習を行い
心電図波形の時間的な構造に適応化したリカレン
ト・ニユーラルネツトワークを用いる。そのため
に、区分点の認識は心電図波形の時間的な構造に
注目して行なわれるため、従来の方式に比べて、
区分点の認識精度と確度がともに向上する。ま
た、学習パターンにノイズを重畳させた波形を元
にリカレント・ニユーラルネツトワーク学習を行
うことによつて、学習パターンの種類を増加で
き、特定の学習パターンのみに過度に学習するこ
とを防止できる。
（問題点を解決するための手段）
本願の第１の発明による適応型心電図波形認識
装置は、標準的な心電図波形のパターンである標
準パターンとその波形の区分点を保持する標準区
分点パターンメモリ部と、標準パターンにノイズ
を重畳させ学習パターンの種類を増加させるノイ
ズ発生器と、ノイズ信号が重畳した学習パターン
から区分点を切り出すリカレント・ニユーラルネ
ツトワーク部と、前記リカレント・ニユーラルネ
ツトワーク部の学習を制御する学習制御部とを有
する。
装置は、標準的な心電図波形のパターンである標
準パターンとその波形の区分点を保持する標準区
分点パターンメモリ部と、標準パターンにノイズ
を重畳させ学習パターンの種類を増加させるノイ
ズ発生器と、ノイズ信号が重畳した学習パターン
から区分点を切り出すリカレント・ニユーラルネ
ツトワーク部と、前記リカレント・ニユーラルネ
ツトワーク部の学習を制御する学習制御部とを有
する。
本願の第２の発明による適応型心電図波形認識
装置は、前記本願の第１発明に加え、学習時に前
記リカレント・ニユーラルネツトワーク部の入力
に教師信号と対応する時刻点の近傍における心電
図パターンを提示する標準パターン読みだし制御
部と、認識時に入力心電図パターンを保持する入
力パターンメモリ部と、前記リカレント・ニユー
ラルネツトワーク部の入力に認識時刻の近傍の時
間における入力パターンを提示する入力パターン
読みだし制御部とを有する。
装置は、前記本願の第１発明に加え、学習時に前
記リカレント・ニユーラルネツトワーク部の入力
に教師信号と対応する時刻点の近傍における心電
図パターンを提示する標準パターン読みだし制御
部と、認識時に入力心電図パターンを保持する入
力パターンメモリ部と、前記リカレント・ニユー
ラルネツトワーク部の入力に認識時刻の近傍の時
間における入力パターンを提示する入力パターン
読みだし制御部とを有する。
（作用）
本願の第１および第２の発明による適応型心電
図波形認識装置は、入力された未知の心電図波形
の区分点の認識をリカレント・ニユーラルネツト
ワークを用いて認識を行なう。
図波形認識装置は、入力された未知の心電図波形
の区分点の認識をリカレント・ニユーラルネツト
ワークを用いて認識を行なう。
ここで用いるリカレント・ニユーラルネツトワ
ークには、例えばServan−Schreiber.D.et.al.
“Encoding Sequential Structure in Simple
Recurrent Networks”Technical Report
CMU−CS−88−183，Carnegie Mellon
University.（1988）により、詳細に解説されてい
る（以下引用文献１と称す）リカレント・ニユー
ラルネツトワークを用いることができる。第３図
はこのリカレント・ニユーラルネツトワークの構
造を示すものである。第３図に示すように、この
リカレント・ニユーラルネツトワークは入力層３
１、コンテキスト層３２、中間層３３、出力層３
４の各層が階層構造になつている。中間層は、こ
の図では１層となつているが、２層以上の多層で
もよい。
ークには、例えばServan−Schreiber.D.et.al.
“Encoding Sequential Structure in Simple
Recurrent Networks”Technical Report
CMU−CS−88−183，Carnegie Mellon
University.（1988）により、詳細に解説されてい
る（以下引用文献１と称す）リカレント・ニユー
ラルネツトワークを用いることができる。第３図
はこのリカレント・ニユーラルネツトワークの構
造を示すものである。第３図に示すように、この
リカレント・ニユーラルネツトワークは入力層３
１、コンテキスト層３２、中間層３３、出力層３
４の各層が階層構造になつている。中間層は、こ
の図では１層となつているが、２層以上の多層で
もよい。
リカレント・ニユーラルネツトワークの各層の
ノードの出力は、そのノードに接続されているノ
ードに重みｗを掛けたものの総和の値を、非線形
関数により変換したものである。この様にリカレ
ント・ニユーラルネツトワークの変換特性は重み
ｗによつて決定される。重みｗの値は学習によつ
て決定される。
ノードの出力は、そのノードに接続されているノ
ードに重みｗを掛けたものの総和の値を、非線形
関数により変換したものである。この様にリカレ
ント・ニユーラルネツトワークの変換特性は重み
ｗによつて決定される。重みｗの値は学習によつ
て決定される。
学習法については例えば、「日経エレクトロニ
クス」誌427号（1987年）の115頁から124頁に
「ニユーラルネツトをパターン認識、信号処理、
知識処理に使う」と題された記事（以下引用文献
２と称す）により詳細に解析されている、バツク
ワード・プロパゲーシヨンを用いて実行できる。
クス」誌427号（1987年）の115頁から124頁に
「ニユーラルネツトをパターン認識、信号処理、
知識処理に使う」と題された記事（以下引用文献
２と称す）により詳細に解析されている、バツク
ワード・プロパゲーシヨンを用いて実行できる。
（実施例）
本願の第１の発明による実験例について図面を
参照して説明する。第１図は第１の発明の一実施
例を示す構成図である。まず、リカレント・ニユ
ーラルネツトワーク部１３の内部パラメータを学
習するフエーズについて説明する。標準区分点パ
ターンメモリ部１１には、標準的な心電図波形と
その区分点の組（Ｎ組）が保持されている。学習
制御部１３は、心電図波形の現在の時刻点（ｔ）
の心電図の値Stとその区分点Ktを取り出す。区分
点Ktをリカレント・ニユーラルネツトワーク部
１２の教師信号とする。心電図の値Stをリカレン
ト・ニユーラルネツトワーク部１２の入力信号と
する。
参照して説明する。第１図は第１の発明の一実施
例を示す構成図である。まず、リカレント・ニユ
ーラルネツトワーク部１３の内部パラメータを学
習するフエーズについて説明する。標準区分点パ
ターンメモリ部１１には、標準的な心電図波形と
その区分点の組（Ｎ組）が保持されている。学習
制御部１３は、心電図波形の現在の時刻点（ｔ）
の心電図の値Stとその区分点Ktを取り出す。区分
点Ktをリカレント・ニユーラルネツトワーク部
１２の教師信号とする。心電図の値Stをリカレン
ト・ニユーラルネツトワーク部１２の入力信号と
する。
これらの、入力信号S′tと教師信号Ktを元にし
てリカレント・ニユーラルネツトワーク部１３の
内部パラメータの更新を行なう。この更新は、引
用文献２により詳細に解説されている。バツクワ
ード・フロパゲーシヨンを用いて実行できる。
てリカレント・ニユーラルネツトワーク部１３の
内部パラメータの更新を行なう。この更新は、引
用文献２により詳細に解説されている。バツクワ
ード・フロパゲーシヨンを用いて実行できる。
以上に述べた学習操作を標準区分点パターンメ
モリ部１に保持されている標準パターンS′tと区
分点Kt（１ｉＮ）の組について行なう。学習
後の誤差が十分に小さくない場合は、以上に述べ
た学習操作を繰り返し、誤差が十分に小さくなる
まで学習を繰り返す。Ntはノイズ発生器１２の
出力であるので、学習を繰り返す毎に異なる値と
なり、心電図の値Stとノイズ発生器１２の出力
Ntとを重畳した信号S′tも異なる値となる。この
ことによつて、学習の入力しんごうの種類を増や
すことができる。以上の操作によつて、学習フエ
ーズは終了する。
モリ部１に保持されている標準パターンS′tと区
分点Kt（１ｉＮ）の組について行なう。学習
後の誤差が十分に小さくない場合は、以上に述べ
た学習操作を繰り返し、誤差が十分に小さくなる
まで学習を繰り返す。Ntはノイズ発生器１２の
出力であるので、学習を繰り返す毎に異なる値と
なり、心電図の値Stとノイズ発生器１２の出力
Ntとを重畳した信号S′tも異なる値となる。この
ことによつて、学習の入力しんごうの種類を増や
すことができる。以上の操作によつて、学習フエ
ーズは終了する。
認識フエーズでは、区分点を認識したい心電図
波形をリカレント・ニユーラルネツトワーク部１
３の入力とする。この時に出力層の結果が認識さ
れた区分点となる。
波形をリカレント・ニユーラルネツトワーク部１
３の入力とする。この時に出力層の結果が認識さ
れた区分点となる。
続いて、本願の第２の発明による実施例につい
て図面を参照して説明する。第２図は第２の発明
の一実施例を示す構成図である。まず、リカレン
ト・ニユーラルネツトワーク部２４の内部パラメ
ータを学習するフエーズについて説明する。標準
区分点パターンメモリ部２１には、標準的な心電
図波形とその区分点の組（Ｎ個）が保持されてい
る。ここで、現在の時刻点（ｔ）の近傍の時刻点
を［ｔ−e1，ｔ＋e2］（e1１，e2１）とする。
一般にe1≠e2としても構わないが、ここでは、簡
単のために、e1＝e2（＝ｅ）とする。標準パター
ン読みだし制御部２２は、現在の時刻点（ｔ）の
近傍の時刻点の心電図の値St（St-e，St-e+1，…
…、St，……，St+e-1，St+e）を取り出す。
て図面を参照して説明する。第２図は第２の発明
の一実施例を示す構成図である。まず、リカレン
ト・ニユーラルネツトワーク部２４の内部パラメ
ータを学習するフエーズについて説明する。標準
区分点パターンメモリ部２１には、標準的な心電
図波形とその区分点の組（Ｎ個）が保持されてい
る。ここで、現在の時刻点（ｔ）の近傍の時刻点
を［ｔ−e1，ｔ＋e2］（e1１，e2１）とする。
一般にe1≠e2としても構わないが、ここでは、簡
単のために、e1＝e2（＝ｅ）とする。標準パター
ン読みだし制御部２２は、現在の時刻点（ｔ）の
近傍の時刻点の心電図の値St（St-e，St-e+1，…
…、St，……，St+e-1，St+e）を取り出す。
学習制御部２５は、標準区分点パターンメモリ
部２１より、現在の時刻点（ｔ）の心電図その区
分点Ktを取り出す。区分点Ktはリカレント・ニ
ユーラルネツトワーク部２４の教師信号とする。
心電図の値Stとノイズ発生器２３の出力Nt
（Nt-e，Nt-e+1，……，Nt，……、Nt+e-1，Nt+e）
とを重畳した信号S′t（S′t-e，S′t-e+1，……、S′t
，
……，S′t+e-1，S′t+e）をリカレント・ニユーラル
ネツトワーク部２４の入力信号とする。
部２１より、現在の時刻点（ｔ）の心電図その区
分点Ktを取り出す。区分点Ktはリカレント・ニ
ユーラルネツトワーク部２４の教師信号とする。
心電図の値Stとノイズ発生器２３の出力Nt
（Nt-e，Nt-e+1，……，Nt，……、Nt+e-1，Nt+e）
とを重畳した信号S′t（S′t-e，S′t-e+1，……、S′t
，
……，S′t+e-1，S′t+e）をリカレント・ニユーラル
ネツトワーク部２４の入力信号とする。
前記の入力信号S′tと教師信号Ktを元にしてリ
カレント・ニユーラルネツトワーク部２４の内部
パラメータの更新を行なう。この更新は、引用文
献２により詳細に解説されている、バツクワー
ド・プロパゲーシヨンを用いて実行できる。以上
に述べた学習操作を標準区分点パターンメモリ部
２１に保持されている各時点ｉ（１ｉＮ）に
ついて標準パターンと区分点の組について行な
う。
カレント・ニユーラルネツトワーク部２４の内部
パラメータの更新を行なう。この更新は、引用文
献２により詳細に解説されている、バツクワー
ド・プロパゲーシヨンを用いて実行できる。以上
に述べた学習操作を標準区分点パターンメモリ部
２１に保持されている各時点ｉ（１ｉＮ）に
ついて標準パターンと区分点の組について行な
う。
学習後の誤差が十分に小さくない場合は、以上
に述べた学習操作を繰り返し、誤差が十分に小さ
くなるまで学習を繰り返す。以上の操作によつ
て、学習フエーズは終了する。
に述べた学習操作を繰り返し、誤差が十分に小さ
くなるまで学習を繰り返す。以上の操作によつ
て、学習フエーズは終了する。
認識フエーズでは、区分点を認識したい心電図
波形を入力パターン入力制御部２６を通して入力
パターンメモリ部２７の入力とする。入力パター
ン入力制御部２６では、入力パターンメモリ部２
７に近傍の時刻の幅（２×ｅ）の入力パターンが
蓄積された時点でリカレント・ニユーラルネツト
ワーク部２４の入力とする。この時に出力層の結
果が認識された区分点となる。
波形を入力パターン入力制御部２６を通して入力
パターンメモリ部２７の入力とする。入力パター
ン入力制御部２６では、入力パターンメモリ部２
７に近傍の時刻の幅（２×ｅ）の入力パターンが
蓄積された時点でリカレント・ニユーラルネツト
ワーク部２４の入力とする。この時に出力層の結
果が認識された区分点となる。
（発明の効果）
本発明によれば、区分点の認識は、心電図波形
の時間的な構造に注目して行なわれるため、従来
の方式に比べて区分点の認識精度と確度がともに
向上する。
の時間的な構造に注目して行なわれるため、従来
の方式に比べて区分点の認識精度と確度がともに
向上する。
第１図、第２図は本願発明の一実施例を示す
図、第３図はリカレント・ニユーラルネツトワー
クの構成例を示す図、第４図は一般的な心電図波
形とその区分点を示す図である。 図において、１１，２１……標準区分点パター
ンメモリ部、１２，２３……ノイズ発生器、１
３，２４……リカレント・ニユーラルネツトワー
ク部、１４，２５……学習制御部、２２……標準
パタン読み出し制御部、２６……入力パタン入力
制御部、２７……入力パタンメモリ部。
図、第３図はリカレント・ニユーラルネツトワー
クの構成例を示す図、第４図は一般的な心電図波
形とその区分点を示す図である。 図において、１１，２１……標準区分点パター
ンメモリ部、１２，２３……ノイズ発生器、１
３，２４……リカレント・ニユーラルネツトワー
ク部、１４，２５……学習制御部、２２……標準
パタン読み出し制御部、２６……入力パタン入力
制御部、２７……入力パタンメモリ部。
Claims (1)
- 【特許請求の範囲】 １ 標準的な心電図波形のパターンである標準パ
ターンとその波形の区分点を保持する標準区分点
パターンメモリ部と、学習パターンの種類を増加
し特定の学習パターンのみに過度に学習すること
を防止するノイズ発生器と、ノイズ信号と標準パ
ターンを重畳させた信号から区分点を切り出すこ
とを学習するリカレント・ニユーラルネツトワー
ク部と、前記ノイズの重畳した標準パターンを前
記リカレントニユーラルネツトワーク部に入力し
た際に出力すべきパターンを与える教師信号とし
て区分点を与え前記リカレント・ニユーラルネツ
トワーク部の学習を制御する学習制御部とを有す
る適応型波形認識装置。 ２ 学習時に、前記リカレント・ニユーラルネツ
トワーク部の入力に、教師信号と対応する時刻の
近傍の時間における標準パターンを提示する標準
パターン読みだし制御部と、認識時に入力心電図
パターンを保持する入力パターンメモリ部と、前
記リカレント・ニユーラルネツトワーク部の入力
に、認識時の近傍の時間における入力パターンを
提示する入力パターン入力制御部とを有する請求
項１記載の適応型心電図波形認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP1254112A JPH03116389A (ja) | 1989-09-29 | 1989-09-29 | 適応型心電図波形認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP1254112A JPH03116389A (ja) | 1989-09-29 | 1989-09-29 | 適応型心電図波形認識装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH03116389A JPH03116389A (ja) | 1991-05-17 |
| JPH0551292B2 true JPH0551292B2 (ja) | 1993-08-02 |
Family
ID=17260393
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP1254112A Granted JPH03116389A (ja) | 1989-09-29 | 1989-09-29 | 適応型心電図波形認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH03116389A (ja) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3295845B2 (ja) * | 1993-01-29 | 2002-06-24 | 株式会社トプコン | 神経回路網を用いた波形評価装置 |
| US7174205B2 (en) * | 2004-04-05 | 2007-02-06 | Hewlett-Packard Development Company, L.P. | Cardiac diagnostic system and method |
| CN109871742B (zh) * | 2018-12-29 | 2021-05-14 | 安徽心之声医疗科技有限公司 | 一种基于注意力循环神经网络的心电信号定位方法 |
-
1989
- 1989-09-29 JP JP1254112A patent/JPH03116389A/ja active Granted
Also Published As
| Publication number | Publication date |
|---|---|
| JPH03116389A (ja) | 1991-05-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Koza et al. | Genetic programming as a Darwinian invention machine | |
| Soria-Olivas et al. | Application of adaptive signal processing for determining the limits of P and T waves in an ECG | |
| CA1253581A (en) | Peak position detector | |
| CN108650202A (zh) | 一种信号调制模式识别方法及装置 | |
| JPS5839272A (ja) | 周波数変更装置の入力力率を制御する方法および周波数変更装置 | |
| JPH0322770B2 (ja) | ||
| JPH0551292B2 (ja) | ||
| JPH04315254A (ja) | 信号識別装置 | |
| JP2803283B2 (ja) | 予測型心電図波形認識装置 | |
| JPH0579328B2 (ja) | ||
| Unal et al. | A fuzzy finite state machine implementation based on a neural fuzzy system | |
| Mohsen et al. | Selection of input stimulus for fault diagnosis of analog circuits using ARMA model | |
| Elias et al. | Switched-capacitor neuromorphs with wide-range variable dynamics | |
| JPH053595B2 (ja) | ||
| JPH03218730A (ja) | 心電図波形認識装置 | |
| Papakonstantinou et al. | Syntactic filtering of ECG waveforms | |
| Taur et al. | Prediction-based networks with ECG application | |
| JP3555773B2 (ja) | 信号処理システム | |
| Knill et al. | Least-mean square adaptation of the orthogonal block adaptive line enhancer | |
| JPH02195399A (ja) | 男女声の識別方式 | |
| SU619953A1 (ru) | Устройство дл распознавани речевых сигналов | |
| Abed-Meraim et al. | Parameter estimation of exponentially damped sinusoids using second order statistics | |
| SU1524165A1 (ru) | Формирователь ступенчатого напр жени | |
| Mann et al. | Using a nonlinear model to synthesise natural-sounding vowels | |
| Honkala | T-61.181 Time In Self-Organizing Maps |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |