生理信息波形处理方法、程序、计算机可读存储介质和生理信息波形处理装置与流程

本公开涉及一种生理信息波形处理方法、程序、存储该程序的计算机可读存储介质和生理信息波形处理装置。

背景技术：

已经在jp-a-2017-42388中进行了以下公开。即，根据采样数据计算心电图(ecg)波形的时间差。根据时间差的计算结果计算指标值。基于该指标值，判定采样数据属于哪个波形。

在jp-a-2017-42388中，关于测量的波形，将用于各个采样的窄区段设定为判定对象。由于该原因，当采样附近的两个波形的窄区段之间的相似度高时，可以将诸如t波和qrs复合波这样的不同波形分类为相同波形。因此，为了精确地将波形分类，还有改进的空间。

技术实现要素：

本公开提供了一种生理信息波形处理方法：

能够提高波形的识别精度。本公开还提供了能够提高波形的识别精度的程序、存储该程序的存储介质和生理信息波形处理装置。

根据本公开的一个以上的方面，提供了一种由计算机执行的方法，包括：

(a)从生理信息波形数据获取至少一组具有持续时间的波形数据；

(b)将包括在所述波形数据中的波形分类为预定类型的波形；

(c)判定所述波形的分类结果的有效性；和

(d)根据所述分类结果的有效性修正所述分类结果。

根据本公开的一个以上的方面，提供了一种程序，该程序使计算机执行所述方法。

根据本公开的一个以上的方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储所述程序。

根据本公开的一个以上的方面，提供了一种装置，包括：

至少一个处理器；和

存储器，该存储器存储计算机可读指令，

其中，当由所述处理器执行所述计算机可读指令时，所述计算机可读指令使所述处理器执行所述方法。

附图说明

图1是图示出根据本公开的实施例的生理信息波形处理装置的配置图。

图2图示出控制器的功能框。

图3是图示出本公开中的处理的概要的说明图。

图4图示出根据实施例的生理信息波形处理方法的流程图。

图5是说明包括在预定持续时间中的波形(p波)的分类结果和分类结果的修正方法的视图。

具体实施方式

下面将参考附图描述根据本公开的实施例的生理信息波形处理方法、程序、存储介质和生理信息波形处理装置。

<生理信息波形处理装置>

如图1所示，生理信息波形处理装置1包括：控制器2、存储部3、传感器接口4、网络接口5、输出装置6和输入装置7，它们通过总线8可通信地彼此连接。

生理信息波形处理装置1是用于处理生理信息波形数据的装置。作为实例，生理信息波形数据是心电图(ecg)中的ecg波形数据(ecg数据)。生理信息波形处理装置1可以是心电图监视器、个人计算机、智能手机或诸如苹果手表这样的可穿戴设备。

如图1所示，控制器2包括存储器和处理器。例如，存储器可以包括：rom(只读存储器)，其中已经存储了各种程序等；具有多个工作区域的ram(随机存取存储器)，要通过处理器执行的各种程序等能够存储在ram中；等等。例如，处理器可以是cpu(中央处理单元)，该处理器被配置为将已经存储在rom中的各种程序中的指定程序展开到ram上，并且与ram协作执行各种处理。

当处理器将稍后描述的生理信息波形处理程序展开到ram上，并且与ram协作执行生理信息波形处理程序时，控制器2可以控制生理信息波形处理装置1的各种操作。稍后将描述控制器2和生理信息波形处理程序的细节。

存储部3可以是被配置为存储程序或各种数据的诸如hdd(硬盘驱动器)、ssd(固态存储器)或闪速存储器这样的存储装置。生理信息波形处理程序可以安装于存储器3。

由未示出的ecg传感器获取的ecg数据可以存储到控制器2的存储器或存储部3内。ecg传感器被配置为测量由患者的心脏产生的弱电信号，从而获取ecg数据。这里，ecg数据表示具有在时间轴上连续发生的波形(p波、qrs复合波等)的ecg波形。

传感器接口4被配置为将生理信息波形处理装置1可通信地连接于ecg传感器。例如，由ecg传感器获取的ecg数据能够通过传感器接口4传送到控制器2或存储部3。传感器接口4可以具有a/d转换功能。

网络接口5被配置为将生理信息波形处理装置1连接于未示出的通信网络。这里，通信网络可以包括lan(局域网)、wan(广域网)和互联网等中的至少一者。例如，从控制器2输出的处理结果可以通过网络接口5传送到设置于通信网络的另一计算机。

输出装置6可以是显示控制器2的输出结果等的显示装置。例如，显示装置是液晶显示器或有机el显示器等。输出装置6还可以是诸如喷墨打印机或激光打印机这样的打印装置。例如，从控制器2输出的处理结果可以显示在显示装置的显示屏上，或者通过打印机打印。

输入装置7被配置为接收来自操作生理信息波形处理装置1的操作者的输入操作，并且响应于输入操作而输出操作信号。例如，输入装置7是设置且叠加在输出装置6的显示装置上的触摸面板，是安装在壳体中的操作按钮，是鼠标、键盘等。

图2是图示出图1所示的生理信息波形处理装置1的控制器2的功能框的图。如图2所示，控制器2包括获取部21、分类部22、分类修正部23和判定部24。

获取部21根据测量的时间轴上的生理信息波形(例如，ecg数据)获取预定持续时间的波形数据。预定持续时间是用作生理信息波形的处理单元的持续时间。例如，预定持续时间能够设定为与测量的生理信息波形的时间轴上的一个波形或一个pp间隔对应的持续时间(100ms至1s)。作为优选例，预定持续时间是160ms。在图3中，d1表示生理信息波形中的预定持续时间。

可以在测量的生理信息波形的时间轴上设定用于获取波形的多个预定持续时间。另外，多个持续时间可以被设定为在时间轴上至少部分地彼此重叠。作为多个持续时间被设定为在时间轴上部分彼此重叠的实例，在图3中示出波形数据组9至14。利用被设定为使得相邻的前、后持续时间部分地互相重叠的多个持续时间获取波形数据组9至14。各个预定持续时间可以被设定为与时间轴上的另一前或后持续时间至少重叠50％。当持续时间被设定为彼此重叠大约50％时，能够提高生理信息波形处理的解析度(resolution)，并且能够更大地提高生理信息波形的识别精度。另外，多个持续时间可以是一个固定持续时间，或者彼此不同的持续时间。

分类部22可以基于学习生理信息波形的机器而构成。作为实例，分类部22可以基于使用多层神经网络(nn)对生理信息波形的大数据的深度学习而构成。

分类部22被配置为将包括在由获取部21获取的预定持续时间的波形数据中的波形分类为预定类型的波形。预定类型的波形的实例包括ecg中包括的p波、qrs复合波、t波等。分类部22的分类结果存储在控制器2的存储器或存储部3中。

分类修正部23被配置为判定由分类部22分类的分类结果的有效性。这里，分类结果的有效性是指分类结果是否与时间轴上的生理信息波形一致(是否有效)。例如，基于时间轴上的生理信息波形是否满足各种阈值或各种标准来判定分类结果的有效性，诸如是否与预定类型的波形的形状一致，振幅是高还是低，宽度长还是短，比各个阈值大还是小等。关于有效性的各种阈值和各种标准存储在控制器2的存储器或存储部3中。

另外，分类修正部23被配置为根据判定的分类结果的有效性修正分类结果。这里，以下面的方式进行根据判定的有效性的分类结果的修正。即，当分类结果的有效性高时，不修正分类结果。另一方面，当分类结果的有效性低时，修正分类结果。稍后将描述关于分类结果的有效性的判定的细节。

判定部24被配置为获取有效性已经被分类修正部23判定为高的分类部22的分类结果和有效性已经被判定为低并且已经被分类修正部23修正的分类部22的分类结果，并且进行各种判定。作为实例，判定部24获取作为p波有效性已经被判定为高的分类部22的分类结果和作为p波有效性已经被判定为低并且已经由分类修正部23修正的分类部22的分类结果，并且判定房室传导阻滞的发生。

接着，下面将参考图3描述生理信息波形处理方法的概要。图3是图示出本公开中的处理的概要的说明图。

根据测量的时间轴上的ecg数据w，获取部21获取在ecg数据中均具有预定持续时间d1的波形数据组9至14...和n(获取步骤)。顺便提及，整个ecg数据表示为波形w，并且各个波形表示为w1、w2...wn(n是一以上的整数)。

分类部22将由获取部21获取的各个波形数据组9至14...和n分类为预定类型的波形(p波)(分类步骤)。作为由分类部22进行的波形分类处理的分类结果15，在图3中示出“各个波形数据组9至11表示不是p波、qrs复合波和t波(噪音)”、“波形数据组12表示p波”、“波形数据组13表示不是p波、qrs复合波和t波(噪音)”和“波形数据组14表示qrs复合波”。

分类修正部23判定由分类部22分类的分类结果15的有效性，并且根据判定的有效性修正分类结果15(修正步骤)。

在图3所示的实例中，分类修正部23判定包括波形w1的波形数据组14是“qrs复合波”，判定分类结果15的波形数据组14的分类“qrs复合波”的有效性高，并且维持波形数据组14的分类结果15。图3中的分类结果16图示出维持包括波形w1的波形数据组14的分类“qrs复合波”。

在图3的实例中，分类修正部23判定包括波形w4的波形数据组不表示“qrs复合波”，判定分类结果15中的包括波形w4的波形数据组的分类“qrs复合波”的有效性低，并且修正分类结果15。通过该修正，改变了ecg数据w中的rr间隔、pp间隔(波形间隔)等，并且还更新了诸如qrs复合波这样的预定类型的波形的周期(波形间隔)。分类修正部23基于更新的周期等(波形间隔)再次判定分类结果15的有效性。

在图3中，在修正包括波形w4的持续时间的波形数据组的分类结果使得波形数据不表示“qrs复合波”的情况下，时间轴上的rr间隔改变，并且qrs复合波的周期改变。基于改变的rr间隔和改变的qrs复合波的周期，分类修正部23检查时间轴上的估计qrs复合波存在的时间附近的持续时间的波形数据组的波形的特征。在实例中，分类修正部23判定包括波形w3的波形数据组是否满足qrs复合波的所有特征，并且判定包括波形w3的波形数据组的分类结果15“不是p波、qrs复合波和t波(噪音)”的有效性低，并且修正分类结果15。图3中的分类结果16示出已经将包括波形w3的波形数据组的分类修正为“qrs复合波”。已经根据分类修正部23的有效性的判定修正的分类结果存储于控制器2的存储器或存储部3。

接着，将参考图4和图5更加详细地描述用于进行作为波形类型的p波的分类的生理信息波形处理方法的一个实例。图4是图示出根据实施例的生理信息波形处理方法的流程图的视图。图5是用于说明波形分类结果(p波)和分类结果的修正方法的视图。更具体地，图5的(a)是图示出由分类部22分类的p波分类结果的视图。图5的(b)和(c)是图示出由分类修正部23修正的分类结果的视图。在图5中，分别通过向下的箭头表示被分类为p波的波形。

首先，生理信息波形处理装置1的获取部21从测量的时间轴上的ecg数据w获取预定持续时间的波形数据组1至n(图4中的由s1表示的获取步骤)。

接着，分类部22将由获取部21获取的波形数据组1至n分类为作为预定的波形类型的p波(图4中的由s2表示的分类步骤)。图5的(a)图示出通过分类部22将分别包括波形w5、w6、w7、w8和w9的波形数据组分类为p波的分类结果。

接着，分类修正部23获取由分类部22分类的分类结果(图4中的s3)。另外，分类修正部23从获取部21获取ecg数据w以判定有效性。分类修正部23判定由分类部22分类的波形数据组1至n的分类结果的有效性(s4)。

<当有效性高时>

当分类部22的分类结果的有效性高时(s4中是)，则分类修正部23维持分类部22的分类结果(s5)。在实例中，分类修正部23判定包括波形w5、w6、w7和w9的各个波形数据组的分类“p波”的有效性高(s4中是)。基于该判定，维持包括波形w5、w6、w7、w9的波形数据组的分类“p波”，如图5的(b)中所示(图4中的s5)。

<当有效性低时>

当判定分类结果的有效性低时(s4中否)，则分类修正部23修正分类结果(s6)。能够根据波形类型判定分类结果的修正(s6)。

作为图4的s4至s6中的修正处理的实例，将描述基于p波的波形分类中的修正处理(第一修正步骤、第二修正步骤和第三修正步骤)。

<第一修正步骤>

在第一修正步骤中，分类修正部23进行修正，以将不是p波的波形重新分类。在第一修正步骤中，执行以下三个修正中的至少一个，以进行将不是p波的波形重新分类的修正。

修正(1)：判定各自具有预定持续时间的各个波形数据组中包括的波形是p波或还是噪音(不是p波、qrs复合波和t波)，并且进行修正以将已经被如此判定为不是p波的波形数据组的分类“p波”改变为不是“p波”。

修正(2)：参考多个波形的共性将预定持续时间的波形数据组中包括的多个波形分类为一组，判定包括在该组中的一个波形是否是p波，并且进行修正以将该一个波形的判定结果重新分类，作为包括在组中的所有波形数据组的判定结果。

修正(3)：判定预定持续时间的各个波形数据组中包括的波形是p波还是除p波之外的其它波(qrs复合波或t波)，并且当已经将该波形判定为其它波(qrs复合波或t波)而不是p波时，进行修正以将分类“p波”改变为不是“p波”。

在图5的(a)中，通过分类部22将包括波形w8的波形数据组分类为“p波”。在第一修正步骤中，分类修正部23判定包括波形w8的波形数据组是“噪音”(不是p波、qrs复合波和t波)，判定分类结果的有效性低(图4的s4中否)，并且修正分类(s6)。图5的(b)图示出已经通过分类修正部23将包括波形w8的波形数据组的分类修正为“不是p波(噪音)”。

当通过第一修正步骤将分类修正为“不是p波”时，作为关于ecg数据w的持续时间(波形间隔)的pp间隔改变，并且p波周期(波形间隔)也改变。尚未通过第一修正步骤修正的pp间隔是d2、d3、d4和d5，如图5的(a)中所示。然而，已经通过第一修正步骤修正的pp间隔改变为d2、d3和d6，如图5的(b)中所示。

<第二修正步骤>

由于已经通过第一修正步骤修正波形间隔，所以分类修正部23基于已经通过第一修正步骤的处理而改变的波形间隔(pp间隔、p波周期)再次判定分类结果的有效性，并且执行第二修正步骤，以根据有效性修正分类结果(图4中的s4至s6)。由于第二修正步骤的有效性的判定的细节与第一修正步骤相似或相同，所以将省略其描述。

<第三修正步骤>

在第一修正步骤和第二修正步骤之后，分类修正部23执行第三步骤以补充应该已经由分类部22分类的分类“p波”的遗漏(图4中的s4至s6)。基于已经通过第一修正步骤和第二修正步骤改变的p波周期等(波形间隔)判定分类“p波”的遗漏的补充。

分类修正部23获取已经通过第一修正步骤和第二修正步骤修正的分类结果，并且获取已经通过第一修正步骤和第二修正步骤改变的pp间隔和p波周期(波形间隔)。在图5的(b)中示出已经通过第一修正步骤和第二修正步骤修正的分类结果。已经通过第一修正步骤和第二修正步骤改变的pp间隔是d2、d3和d6，如图5的(b)中所示。基于图5的(b)中所示的p波周期等(波形间隔)，分类修正部23检查时间轴上的估计p波存在的时间附近的持续时间的波形数据组的波形w10、w11和w12的特征。在该实例中，分类修正部23将波形w12判定为p波，判定包括波形w12的持续时间的波形数据组的分类结果的有效性低(图4中的s4中否)，并且修正分类结果(s6)。图5的(c)图示出包括波形w12的波形数据组的分类已经通过分类修正部23修正为“p波”的分类结果。

已经通过分类修正部23进行修正步骤的分类结果存储在控制器2的存储器或存储部3中。能够以相似的方式或相同的方式对除了p波之外的其它类型的波形进行图4和5所示的处理。

根据本公开的生理信息波形处理装置1和方法，如上所述，能够通过分类部22将预定持续时间的波形分类为预定类型的波形。此外，通过分类修正部23判定分类结果的有效性，并且根据判定的有效性修正分类结果。因此，能够提高生理信息波形的识别精度。

另外，可以将用于获取波形的多个持续时间设定为在时间轴上至少部分地彼此重叠。因此，在彼此重叠的持续时间中，能够使用多个持续时间将波形分类为预定类型的波形。此外，进行数次的分类结果的有效性的判定和根据有效性的修正。以这种方式，能够提高解析度，并且能够更大地提高生理信息波形的识别精度。

另外，根据前述方法，当分类结果的有效性低时，将分类的波形修正为预定类型的波形。接着，在已经基于预定类型的波形的周期再次判定分类结果的有效性之后，再次修正分类结果。以这种方式，能够更大地提高生理信息波形的识别精度。

顺便提及，在前述实施例中，已经通过实例的方式描述了包括获取部21、分类部22和分类修正部23的控制器2。然而，获取部21、分类部22和获取部23限于前述配置，但是可以分别包括在通过网络接口5彼此可通信地配置的单独装置中。

另外，在前述实施例中，ecg数据、分类部22的分类结果、关于有效性的各种阈值等和分类修正部23的分类结果存储在控制器2的存储器或存储部3中。然而，ecg数据、分类部22的分类结果、关于有效性的各种阈值等和分类修正部23的分类结果可以存储在能够通过网络接口5与控制器2通信的外部装置或存储介质中。

另外，在前述实施例中，分类修正部23从存储部3等获取阈值或标准。然而，本公开中的分类修正部不限于前述实例。例如，分类修正部可以基于使用神经网络的大数据的深度学习而构建。在该情况下，可以通过深度学习使用特征量判定分类结果的有效性。

另外，在前述实施例中，在第一修正步骤和第二修正步骤之后，执行应该已经通过分类部22进行的分类的遗漏的补充作为第三修正步骤。然而，分类遗漏的补充(图4中的由s6表示的修正步骤)不限于前述实例。当由于分类的修正而不存在周期等(波形间隔)的改变时，也能够进行分类遗漏的补充。

另外，虽然在前述实施例中例举了p波、qrs复合波和t波作为预定类型的波形，预定类型的波形不限于前述波形。本公开中的波形的类型可以包括表示关于生理信息波形的qrs复合波的正常搏动或心室早发性收缩(vpc)的类型等。

另外，根据本公开的生理信息波形不限于ecg，而能够是例如脑波或脉波。

另外，在前述实施例中，通过判定部24判定房室传导阻滞。然而，判定部24的判定不限于前述判定。当生理信息波形是脉波时，判定部24根据生理信息波形能够进行各种判定，诸如动脉硬化指数的判定。

另外，为了通过软件实现根据实施例的生理信息波形处理装置1，可以预先将生理信息波形处理程序安装于控制器2的存储器、存储部3或rom。另外，生理信息波形处理程序可以存储在计算机可读存储介质中，诸如磁盘(诸如hdd或软驱(注册商标)盘)、光盘(诸如cd-rom、dvd-rom或蓝光(注册商标)盘)、磁光盘(诸如mo)或闪速存储器(诸如sd卡、usb存储器或ssd)。在该情况下，当存储介质连接于生理信息波形处理装置1时，存储在存储介质中的生理信息波形处理程序能够安装到控制器2的存储器或存储部3中。已经安装到控制器2的存储器或存储部3中的程序加载到ram，并且处理器执行加载的程序。以这种方式，控制器2执行图3和4所示的各种处理。换句话说，当通过处理器执行程序时，控制器2分别用作获取部21、分类部22、分类修正部23和判定部24。根据生理信息波形处理程序和存储该程序的存储介质，能够提高波形的识别精度。

另外，生理信息波形处理程序可以通过网络接口5从通信网络上的计算机下载。并且在该情况下，下载的程序安装到控制器2的存储器或存储部3中，并且控制器2以与存储介质连接于生理信息波形处理装置1相似的方式或相同的方式执行图3和4所示的各种处理。根据生理信息波形处理程序，能够提高波形的识别精度。

本公开不限于前述实施例或变形例。然而，能够适当地和期望地对本公开做出变形、改进等。另外，只要能够实现本公开。则前述实施例中的各个构成元件的材料、形状、形态、数量、布置位置等不受限制，而是可以期望地设定的。

本申请基于2017年4月19日提交的日本专利申请no.2017-082921，该日本专利申请的全部内容通过引用并入本文。