JP4025926B2 - Ｅｅｇ信号から心臓関連人工要素を抽出するシステム - Google Patents
Ｅｅｇ信号から心臓関連人工要素を抽出するシステム Download PDFInfo
- Publication number
- JP4025926B2 JP4025926B2 JP52900498A JP52900498A JP4025926B2 JP 4025926 B2 JP4025926 B2 JP 4025926B2 JP 52900498 A JP52900498 A JP 52900498A JP 52900498 A JP52900498 A JP 52900498A JP 4025926 B2 JP4025926 B2 JP 4025926B2
- Authority
- JP
- Japan
- Prior art keywords
- signal
- filter
- ecg
- spike
- pacer
- 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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
- A61B5/7217—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise originating from a therapeutic or surgical apparatus, e.g. from a pacemaker
-
- 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)
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Psychiatry (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Psychology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Selective Calling Equipment (AREA)
Description
発明の分野
本願発明は脳活動を表す信号をフィルター処理する改良フィルターに関する。さらに特定すれば、本願発明はＥＥＧ信号から心臓関連または他の人工要素(artifact)を排除するフィルターに関する。
発明の背景
脳機能研究のために神経科医及びその他の健康管理専門家達は長年にわたってＥＥＧ(electroencephalographic)の研究に携わっており、ＥＥＧ信号の処理と分析のための多種多様な装置が開発されてきた。例えば、米国特許第５４５８１１７号“脳のバイオポテンシャル分析システム及び方法”（１９９６年１０月１７日にシャモウン他に付与：本願出願人に譲渡）はＥＥＧ信号からバイスペクトラルインデックス(bispectral index)を発生させるシステム及び方法を記述している。このバイスペクトラルインデックスは単一時間変数(single time varying number)であり、一般的に患者の麻酔状態を表示するものである。このバイスペクトラルインデックスは手術時の患者の麻酔状態の効果的なモニターに使用が可能である。
ＥＥＧ信号を処理する装置（米国特許第５４５８１１７号に開示されたもの等）に関わる問題の１つはＥＥＧ信号に共通して存在する人工要素に関している。例えば、ＥＥＧ信号はしばしば心臓ＱＲＳコンプレックス(cardiac QRS complex)あるいはペースメーカーの作動の結果として発生する人工要素を含んでいる。このような人工要素の存在はＥＥＧ信号の処理に使用される装置の操作にも少なからず悪影響を及ぼす。従って、本願発明の１目的は、そのような人工要素をＥＥＧ信号から効果的に排除するフィルターの提供である。
発明の概要
それら及び他の目的は改良フィルターによって提供される。この改良フィルターは患者の脳活動を表す入力信号（例えば、ＥＥＧ信号）を受信して人工要素を含まない、あるいは人工要素を大幅に低減させた信号を発生させる。本願発明の１特徴によれば、この改良フィルターは入力信号から人工要素を排除して、排除された部分（人工要素を含む）を、その排除部分と経時的(temporal)に隣接している入力信号の人工要素を含まない部分と置換させる。別の特徴によれば、この改良フィルターは排除部分（人工要素を含む）を別の入力信号で置換する。
本願発明のその他の目的と利点とは、本願発明の最良態様を説明する目的でのみ提供された実施例を含んだ以下の詳細な説明から容易に理解されよう。言うまでもなく、本願発明は本願発明のスコープ内において、他の異なる実施態様であっても利用が可能であり、その細部は改良あるいは変更が可能である。従って、添付の図面及び本明細書の記述内容は本来的に本願発明の説明のために提供されており、本願発明の限定は意図されていない。本願発明の真の範囲は「請求の範囲」に記載されたものである。
【図面の簡単な説明】
本願発明の完全な理解のため、以下の図面を添付して好適実施例を解説する。
図１は本願発明に従って構成されたＥＣＧ/ペーサ(pacer)人工要素フィルターの概略図である。
図２は図１のＥＣＧ/ペーサ人工要素フィルターの好適実施例を表す概略図である。
図３Ａから図３Ｆは図２に示すフィルターの利用状況を表している信号の時間と振幅との関係を示すグラフである。
図４は図２に示すアウトライヤエンハンサー(outlier enhancer)の好適実施例を示す概略図である。
図５Ａから図５Ｅは図２に示すフィルターの利用状況を表している信号の時間と振幅との関係を示すグラフである。
図６はＥＥＧ信号からＥＣＧとペーサの人工要素を排除するために図２に示すスパイクリムーバ(spike remover)によって使用されるプロセスを図示するフローチャートである。
図７Ａから図７Ｈは図２に示すスパイクリムーバの利用状況を表している信号の時間と振幅との関係を示すグラフである。
図８は本願発明に従って構成されたフィルターの別実施例を示す概略図である。
好適実施例の詳細な説明
図１は本願発明に従って構成されたフィルター１２０の概略図である。フィルター１２０は患者（図示せず）の脳活動を表す入力信号１１０を受信し、フィルター処理信号１１２を発生させる。入力信号１１０は、例えば、ＥＥＧ電極あるいはアンプリファイヤ、またはその他の周知なＥＥＧ処理装置によって周知方法で発生されるＥＥＧ信号である。フィルター１２０で発生されたフィルター処理信号１１２は、ＥＥＧ信号の処理に使用される装置（例えば、前述の米国特許第５４５８１１７号で開示されたバイスペクトラルインデックス発生機）に適用が可能である。詳細は後述するが、フィルター１２０によって提供されるフィルター処理は、脳活動を表す信号の処理に使用されるいかなる装置の処理性能をも向上させることができる。
一般的な形態では、フィルター１２０はスパイクディテクター(spike detector)１３０とスパイクリムーバ(spike remover)１４０とを含んでいる。入力信号１１０はスパイクディテクター１３０とスパイクリムーバ１４０とに適用される。スパイクディテクター１３０は出力信号１５０を発生させ、スパイクリムーバ１４０に適用する。スパイクリムーバ１４０は入力信号１１０と出力信号１５０に対応してフィルター処理信号１１２を発生させる。
利用時には、スパイクディテクタ１３０は入力信号１１０内の人工要素を検出し、入力信号１１０に含まれる人工要素の経時的ロケーション(temporallocation)を表すように出力信号１５０を発生させる。入力信号１１０が人工要素（出力信号１５０が表示）を含んでいないときは、スパイクリムーバ１４０は入力信号１１０と実質的に等しいフィルター処理信号１１２を発生させる。しかし、入力信号１１０が人工要素（出力信号１５０が表示）を含んでいるときは、スパイクリムーバ１４０は、フィルター処理信号１１２の対応部分を、人工要素を含んでいた入力信号１１０の部分に経時的に隣接した入力信号１１０の人工要素を含まない部分と等しくセットすることでその対応部分を発生させる。
詳細は後述するが、好適には、フィルター１２０はデジタルフィルターとして提供される。対象となるＥＥＧ信号のほとんどの周波数成分は６０Ｈｚ以下であり、１２０Ｈｚ以上のサンプルレートであればナイキスト基準(Nyquistcriteria)を充分に満たす。フィルター１２０で使用される好適なサンプルレートは１２８Ｈｚである。フィルター１２０のほとんどのコンポーネントは、好適には、エポック(epoch)と呼称される連続経時セグメント(successive temporal segment)内の対象信号を処理する。１信号のエポックは１からＮまでの全ての整数iに対してＮ個のデータポイントxiのセットを含んでいる。フィルター１２０内の異なるコンポーネントは異なる長さのエポック（例えば、１秒エポックあるいは２秒エポック）を使用することができる。好適なサンプルレートである１２８Ｈｚにおいて、各々の１秒エポックのデータは１２８データポイントを含んでいる。
１好適実施例においては、フィルター１２０はＥＣＧ/ペーサ人工要素フィルターとして提供される。この実施例では、入力信号１１０はＥＥＧ信号であり、フィルター１２０はそのＥＥＧ信号１１０を処理して、フィルター処理信号１１２からＥＣＧとペーサの人工要素を排除する。ＥＣＧとペーサの人工要素は心臓に関係しており、心臓関連人工要素である。ＥＣＧ人工要素は心臓筋肉の活動から自然に発生する人工要素(electrocardiogram QRS complex)である。ペーサ人工要素は心臓のリズムのコントロールに使用される電気装置（例えば、ペースメーカ）から発生する。周知のごとく、身体の導電性は測定されたＥＥＧ信号に心臓人工要素を含ませることがある。ＥＥＧ信号内のこれら人工要素はバイスペクトラルインデックス発生機のごとき処理装置の利用を妨害することがあるので、フィルター１２０はそれら人工要素を検出して排除する。
ＥＣＧとペーサの人工要素はしばしば多鼓動（例えば、毎分１２０）で発生するので、それら人工要素を含んだＥＥＧ信号の部分の単純な検出と排除では、バイスペクトラルインデックス発生機のごとき処理用コンポーネントにとってはデータ不充分となろう。よって、好適には、フィルター１２０は、（１）ＥＣＧあるいはペーサの人工要素を含んだＥＥＧ信号１１０の部分を排除し、（２）そのデータ排除部分を、その排除部分に経時的に隣接したＥＥＧ信号１１０の部分の（人工要素を含まない）オリジナルデータで置換させることでフィルター処理信号を発生させる。このようにデータ排除部分を置換することで、得られたフィルター処理信号は、バイスペクトラルインデックス発生機のごとき処理コンポーネントに正確に処理させるに充分なデータを含んでいる。ＥＥＧ信号の経時的に隣接したスペクトラルな部分は互いに類似している傾向があるので、ＥＥＧ信号の削除部分を経時的隣接部分（人工要素を含まない）と置換させてもフィルター処理信号のスペクトラル内容をさほどに変更せず、続く処理コンポーネントにより提供される処理に悪影響を及ぼさない。
図２は本願発明に従って構成されたＥＣＧ/ペーサ人工要素フィルター１２０の好適実施例を示す概略ブロック図である。フィルター１２０は、２体のハイパスフィルター２１０及び２１２と、２体のバンドパスフィルター２１４及び２１６と、１体のアウトライヤエンハンサー２１８と、１体のＥＣＧスパイクディテクター２２０と、１体のペーサスパイクディテクター２２２と、１体のスパイクリムーバ２２４とを含んでいる。ＥＥＧ信号１１０はハイパスフィルター２１０と２１２及びスパイクリムーバ２２４に適用される。ハイパスフィルター２１０と２１２はＥＥＧ信号をフィルター処理し、バンドパスフィルター２１４と２１６とにそれぞれ適用される出力信号を発生させる。バンドパスフィルター２１４と２１６はハイパスフィルター２１０と２１２からそれぞれ受信された信号をフィルター処理し、得られた信号をアウトライヤエンハンサー２１８とペーススパイクディテクター２２２とにそれぞれ適用する。アウトライヤエンハンサー２１８はバンドパスフィルター２１４から信号を受信し、ＥＣＧスパィクディテクター２２０に適用される信号を発生させる。ＥＣＧスパイクディテクター２２０とペーススパイクディテクター２２２はそれぞれ出力信号を発生させ、これら信号を両方ともスパイクリムーバ２２４に適用する。スパイクリムーバ２２４はフィルター処理信号１１２を発生させる。
利用時に、ハイパスフィルター２１０と、バンドパスフィルター２１４と、アウトライヤエンハンサー２１８と、ＥＣＧスパイクディテクター２２０とは協調して作動し、ＥＥＧ信号１１０内のＥＣＧ人工要素のロケーションを決定する。図３Ａから図３Ｅは、フィルター２１０と２１４、アウトライヤエンハンサー２１８、及びＥＣＧスパイクディテクター２２０の利用状況を表す振幅と時間との関係を示すグラフを図示している。図３Ａは、一部が３１０で表されている通常に発生するＥＣＧ人工要素を含んでおり、ハイパスフィルター２１０によって受信されたＥＥＧ信号１１０の１例を図示している。ハイパスフィルター２１０はこのＥＥＧ信号をフィルター処理し、例えば、電極インターフェース特性を緩やかに変動させたり、呼吸に関する動きから発生する可能性があるベースラインワンダー現象(baseline wander)のごとき低周波ＥＥＧ及び人工要素を排除する。図３Ｂはハイパスフィルター２１０によって発生され、図３Ａに示す信号に対応してバンドパスフィルター２１４に適用される出力信号のグラフである。好適には、ハイパスフィルター２１０は、ベースラインワンダー現象を除去するに充分な程度に高く、ＥＣＧ人工要素を通過させるに充分に低く選択されるハイパスカットオフ周波数(high pass cutoff frequency)をその特徴とする。このハイパスカットオフ周波数の１好適値は５Ｈｚである。フィルター２１０は、例えば、第１オーダーのオートレグレッシブ第１オーダームービングアベレージ［ＡＲＭＡ(1,1)］フィルター(first order Auto Regressive first order Moving Average filter)として提供できる。１好適実施例においては、フィルター２１０は以下の式（１）で表されるトランスファファンクション(transfer function)をその特徴としている。
式（１）において、xiはフィルター２１０の入力に適用されるＥＥＧ信号の現行フィルター未処理サンプル(current unfiltered sample)を表しており、yiとyi-1はフィルター２１０で発生される出力信号の現行及び以前のサンプルを表している。１好適実施例においては、フィルター係数a1、b0及びb1はそれぞれ“0.72338247”、“1.0”及び“-1.0”である。
図３Ｃは、図３Ｂで図示されている信号に対応してバンドパスフィルター２１４によって発生される出力信号のグラフである。バンドパスフィルター２１４は、好適には、ＥＣＧ人工要素の“スパイク形状”成分を強調させ（図３Ｃに図示）、以降のそれらの検出を容易にさせるように選択されるパスバンド(pass band)をその特徴としている。フィルター２１４のパスバンドの１好適範囲は１８Ｈｚから４２Ｈｚである。１好適実施例においては、バンドパスフィルター２１４はデジタルシュードマッチ有限インパルスレスポンス（ＦＩＲ）(digital pseudo-matched finite impulse response)フィルター（すなわち、ピースワイズリニア“コンプレックス”(piece-wise linear"complex")）として提供され、以下の式（２）で与えられるトランスファファンクションをその特徴とする。
１好適実施例において、フィルター係数b0からb8は以下のように選択される。
図３Ｄは、図３Ｃに図示する信号に対応してアウトライヤエンハンサー２１８によって発生される出力信号のグラフである。図３Ｄで図示するように、アウトライヤエンハンサー２１８はＥＣＧ人口要素を強調し、信号の残り部分を抑圧(suppress)する。バンドパスフィルター２１４で発生される信号内のアウトライヤ（例えば、信号の平均値から大きく外れているデータポイント）は一般的にＥＣＧ人工要素の一部である。好適には、アウトライヤエンハンサー２１８は平均値を大きく外れているデータポイントの値を増加させ、その他のデータポイントの値を減少させて、以降の人工要素検出処理を容易にさせる。アウトライヤエンハンサー２１８は、好適には以下で説明するアウトライヤ排除法を利用する。このような方法は、Ｌ．Ｈ．ラーソンとＰ．Ｎ．プリンツの“ＥＥＧからのＥＫＧ人工要素抑圧”（Electroenceph. Olin. Neurophys. 79(1991) pp.241-244）でも説明されている。
好適には、アウトライヤエンハンサー２１８は１秒エポックにてバンドパスフィルター２１４から受信した信号を処理する。アウトライヤエンハンサー２１８は１エポックでのＮ個のデータポイントxiを処理し、さらに、次のデータエポックでのＮ個のデータポイントを処理する。１好適実施例においては、アウトライヤエンハンサー２１８は平均値が０となるようにデータをまず調整することで各エポックのデータを処理する。このゼロ平均調整を実行するため、アウトライヤエンハンサー２１８はまず以下の式（３）に基づいてエポックのデータの平均値を発生させる。
次に、アウトライヤエンハンサー２１８はエポック内の全てのデータポイントからその平均値を減算し、以下の式（４）に従って“ゼロ平均データポイント”
のセットを発生させる。
続いて、アウトライヤエンハンサー２１８は以下の式（５）に従ってエポックの全てのゼロ平均データポイントの標準偏差（またはそのＲＭＳパワー(power)）を発生させる。
さらに、アウトライヤエンハンサー２１８はゼロ平均データポイントx'iへの“最小平方フィット(least squares fit)”を表す線(line)のためのデータポイント
を発生させる。そのデータポイントx'iは以下の式（６）に従って発生が可能である。
ほとんどのゼロ平均データポイント
は、そのゼロ平均データポイント
がアウトライヤ（またはＥＣＧ人工要素の一部）でない限り最小平方フィットデータポイントx'iからそれほど外れていないであろう。よってこのデータポイントx'iは“予測データポイント”と呼称することができる。予測データポイントx'iと、ゼロ平均データポイント
と、ＲＭＳ値とは、以下の式（７）に基づいてデータポイントx_out iのセットの発生に使用が可能である。
式（７）の利用でデータポイントx_out iの値が、予想値x'iに予想値及びゼロ平均値との数値化された相違を加算するようにセットされるように関数(function)ｆ（Ｚ）が選択される。しかし、もしオリジナルデータポイントxiがアウトライヤであるならば、対応するデータポイントx_out iは予想値x'iと等しくセットされる（上式参照）。アウトライヤエンハンサー２１８は、対応するデータポイントx_out iから、バンドパスフィルター２１４からの受信データポイントを減算することでその最終出力データポイントを発生させる。
図４は、３体のアウトライヤ排除フィルター４１０a、４１０b、及び４１０cとサブトラクター(subtractor)４２０とをのキャスケードを含んだアウトライヤエンハンサー２１８の好適実施例の概略図である。バンドパスフィルター２１４で発生された出力信号はフィルター４１０aと、サブトラクター４２０の正入力(positive input)とに適用される。フィルター４１０aはバンドパスフィルター２１４から信号を受信し、フィルター４１０bに適用される出力信号を発生させる。フィルター４１０bはフィルター４１０cに適用される出力信号を発生させる。フィルター４１０cはサブトラクター４２０の負入力(negative input)に適用される出力信号を発生させる。サブトラクター４２０は、ＥＣＧスパイクディテクター２２０（図２に図示）に適用されるアウトライヤエンハンサー２１８の出力信号を発生させる。図４はアウトライヤ排除フィルター４１０aの概略図を図示しており、フィルター４１０bと４１０cもほぼ同様に構成されている。フィルター４１０aは平均値発生器(mean generator)４１２と、サブトラクター４１４と、最小平方フィットライン発生器(least squares fit line generator)４１６と、アウトライヤ抑圧データポイント発生器(outlier suppressed data point generator)４１８とを含んでいる。
利用時に、平均値発生器４１２は前式（３）に従ってエポックの全データポイントの平均値を発生させ、それをサブトラクター４１４の負入力に適用する。サブトラクター４１４は前式（４）に従ってオリジナルデータポイントから平均値を減算することでゼロ平均データポイント
を発生させ、そのゼロ平均データポイントを最小平方フィットライン発生器４１６に適用する。最小平方フィットライン発生器４１６は前式（６）に従って最小平方フィットラインデータポイントx'iを発生させる。アウトライヤ抑圧データポイント発生器４１８は前式（５）と（７）とに従ってアウトライヤ抑圧データポイントx_out iを発生させる。アウトライヤフィルター４１０bと４１０cはそれぞれ、ゼロ平均発生ステップ、最小平方ラインフィット処理ステップ、及びアウトライヤ抑圧データポイント発生ステップを連続的に反復し、フィルター４１０cによって発生されたデータポイントにＥＣＧ人工要素を強力に抑圧させる。次に、サブトラクター４２０は、バンドパスフィルター２１４によって発生されたデータポイントから、フィルター４１０cで発生されたデータポイントを減算することでＥＣＧ人工要素をエンハンスあるいは際立たせる。言うまでもなく、アウトライヤエンハンサー２１８は、別の実施態様では３体以外のアウトライヤ排除フィルターを含むことができる。
図３Ｅは、図３Ｄに図示するアウトライヤエンハンサー２１８から受信された信号に対応してＥＣＧスパイクディテクター２２０で発生された出力信号を表すグラフである。ＥＣＧスパイクディテクター２２０によって発生された出力信号はスパイクリムーバ２２４に適用されるものであり、ＥＥＧ信号１１０内のＥＣＧ人工要素のロケーションを示す。図３Ｅに図示される信号において、低値はＥＣＧ人工要素の不在を示し、高値はＥＣＧ人工要素のロケーションを示している。
フィルター処理ＥＣＧ人工要素は一般的に、所定の時間内での比較的に大きな急傾斜セグメント交番(steep-sloped seqments alternating)（すなわち、上昇と降下）をその特徴としている。例えば、ＥＣＧ人工要素３１２（図３Ｄに図示）は０付近の値から負データポイント３１４への急な負トランジション(negative transition)と、その後の正データポイント３１６への急激な正トランジション（０を通過）と、その後の負データポイント３１８への急激な負トランジション（０を通過）と、その後の０付近の値への急激な正トランジションとを含んでいる。好適には、ＥＣＧスパイクディテクター２２０はゼロ通過8zero-crossing)を特定することでＥＣＧ人工要素の存在を検出し、そのロケーション（“０を通過する”負値から正値への信号トランジション、あるいは“０を通過する”正値から負値への信号トランジションが発生するロケーション）を決定する。
１実施例においては、ＥＣＧスパイクディテクター２２０は、Ｔ1の時間でアウトライヤエンハンサー２１８によって発生される信号内でディテクターがＭのゼロ通過回数を検出するときには常にＥＣＧ人口要素の存在を示す出力信号を発生させる。このＭは２以上であって４以下であり、Ｔ1は約２００ｍｓである。好適には、ＥＣＧスパイクディテクター２２０は“しきい値”ＺＣＴＲ1を利用し、ゼロ通過が発生するときを決定する。すなわち、ディテクター２２０はアウトライヤ２１８から受信される信号の-ＺＣＴＲ1からＺＣＴＲ1へのトランジション、またはＺＣＴＲ1から-ＺＣＴＲ1へのトランジションをゼロ通過として考察する。ゼロ通過の数量をしきい値よりも大きく設定することで、ＥＣＧ人工要素として少量のランダムノイズによって引き起こされるゼロ通過現象が考察対象となることが防止される。しきい値ＺＣＲＴＲ1の好適値は8.032μＶであるが、好適には、このしきい値の値を使用されるＥＥＧ電極のタイプ及び他の知られた要因に応じて適当に変化させる。フィルター１２０のどのような特定の利用形態においても、好適には、しきい値ＺＣＴＲ1は実際のＥＣＧ人工要素をノイズから信頼性高く区別するように経験的に選択される。
好適には、ＥＣＧスパイクディテクター２２０は、たとえＺＣＴＲ1よりも大きなＭのゼロ通過がＴ1の時間に存在するとしても、ＥＣＧ人工要素の検出を妨害する他の基準をも使用する。これらの追加基準はＥＣＧ人工要素としてノイズが検出されることを妨害するように選択される。例えば、もしスパイクディテクター２２０が第２しきい値ＺＣＴＲ２よりも大きな５個以上のゼロ通過（すなわち、-ＺＣＴＲ2からＺＣＴＲ1あるいはＺＣＴＲ1から-ＺＣＴＲ2へのトランジション）をＴ2の時間にアウトライヤエンハンサー２１８によって発生される信号内で検出するならば、スパイクディテクター２２０はＥＣＧ人工要素の不在を示す出力信号を発生させるであろう。好適には、第２しきい値ＺＣＴＲ2は第１しきい値ＺＣＴＲ1よりも小さく、第２しきい値ＺＣＴＲ2の１好適例は約3.02727μＶである。第２時間Ｔ2は好適には第１時間Ｔ1よりも長く、第２時間Ｔ2の１好適例は約０．５秒である。好適には、ＥＣＧスパイクディテクター２２０は、もし約０．５秒以内にアウトライヤエンハンサー２１８によって発生された信号の非常に大きなエクスカーション(excursion)（例えば１００μＶ以上）が存在すれば、ＥＣＧ人工要素の不在を示す出力信号をさらに発生させる。これによって電気外科治療ノイズがＥＣＧ人口要素として検出されることが防止される。
前述のごとく、ハイパスフィルター２１０、バンドパスフィルター２１４、アウトライヤエンハンサー２１８、及びＥＣＧスパイクディテクター２２０は協調し、ＥＣＧ人工要素のＥＥＧ信号１１０内でのロケーションを決定する。同様に、ハイパスフィルター２１２、バンドパスフィルター２１６、及びペーサスパイクディテクター２２２は協調してＥＥＧ信号１１０内のペーサ人工要素のロケーションを決定する。図５Ａから図５Ｄは、フィルター２１２，２１６及びペーサスパイクディテクター２２２の利用状況を表す信号の振幅と時間との関係を示すグラフである。図５Ａは、その一部が５１０で表されている、通常に発生するペーサ人工要素を含んだハイパスフィルター２１２によって受領されるＥＥＧ信号１１０の１例を示している。好適には、ハイパスフィルター２１２はこのＥＥＧ信号をフィルター処理して低周波ベースワンダー現象を排除する。図５Ｂは、図５Ａの信号に対応してハイパスフィルター２１２によって発生され、バンドパスフィルター２１６に適用される出力信号のグラフである。好適には、ハイパスフィルター２１２は、ベースラインワンダー現象を効果的に排除するに充分高く、ペーサ人工要素を通過させるに充分低いように選択されたハイパスカットオフ周波数をその特徴としている。フィルター２１２のこのハイパスカットオフ周波数の１好適例は２０Ｈｚである。フィルター２１２は前式（１）に示されるトランスファファンクションによって特徴付けられたＡＲＭＡ（1,1）フィルターとして提供が可能である。その式中のフィルター係数a1、b0、b1はそれぞれ-0.48672403、1.0、-1.0である。
好適には、バンドパスフィルター２１６はペーサ人工要素のスパイク形状部分を強調するように選択される。バンドパスフィルター２１６は前述のバンドパスフィルター２１４と同一であるフィルターを使用して提供が可能である。図５Ｃは、図５Ｂに示すハイパスフィルター２１２から受信された信号に対応してバンドパスフィルター２１６によって発生される出力信号を図示している。
ペーサスパイクディテクター２２２はＥＥＧ信号１１０内のペーサ人工要素の存在あるいは不存在を示す出力信号を発生させる。図５Ｄは、図５Ｃに示すバンドパスフィルター２１６から受信された信号に対応してペーサスパイクディテクター２２２によって発生された出力信号を図示している。図示の信号において、高値はペーサ人工要素のロケーションを示し、低値はペーサ人工要素の不存在を示す。
好適には、ペーサスパイクディテクター２２２はバンドパスフィルター２１６から受信される信号を所定のテンプレート(template)でクロスコリレーション処理(cross-correlate)することでその出力信号を発生させる。クロスコリレーションが所定のしきい値を越えるときは常に、スパイクディテクター２２２はペーサ人工要素の存在を示す出力信号を発生させ、その他の場合には、スパイクディテクター２２２はペーサ人工要素の不存在を示す出力信号を発生させる。ペーサスパイクディテクター２２２と共に使用する３つの好適なテンプレートのセットとは次のようなものである。
好適には、ペーサスパイクディテクター２２２は、テンプレートとエポックのデータとの間の“ラグ(lag)”あるいは時間シフト(time shift)のファンクション（関数）に従って、前記の３つのテンプレートのそれぞれに対してクロスコリレーションファンクション（関数）を発生させる。クロスコリレーションファンクションρ（ｒ）は好適には以下の式（８）で発生される。
式（８）において、xiはバンドパスフィルター２１６から受信される信号内のデータポイントを表し、yiは前述の３つのテンプレートの１つのデータポイントを表し、Ｎはエポック内のデータポイントの数である。
式（８）に従って発生されると、クロスコリレーションファンクションρ（ｒ）の大きさは０と１の間になるであろう。好適には、ペーサスパイクディテクター２２２は、テンプレート１のクロスコリレーションファンクションρ（ｒ）が第１しきい値ＴＨＲ１よりも大きいときは常にペーサ人工要素のロケーションを示す出力信号を発生させ、好適にはさらに、テンプレート２あるいはテンプレート３のクロスコリレーションファンクションρ（ｒ）が第２しきい値ＴＨＲ2よりも大きいときは常にペーサ人工要素のロケーションを示す出力信号を発生させる。ＴＨＲ1とＴＨＲ2の好適値はそれぞれ0.85と0.75である。言うまでもなく、しきい値やテンプレートの値が別のものであっても同様に利用できよう。
要約すれば、ハイパスフィルター２１０、バンドパスフィルター２１４、アウトライヤエンハンサー２１８、及びＥＣＧスパイクディテクター２２０は協調し、ＥＥＧ信号１１０内のＥＣＧ人工要素のロケーションを特定し、ハイパスフィルター２１２、バンドパスフィルター２１６、及びペーサスパイクディテクター２２２は協調してＥＥＧ信号１１０内のペーサ人工要素のロケーションを決定する。これら処理コンポーネント（すなわち、ハイパスフィルター２１０及び２１２、バンドパスフィルター２１４及び２１６、アウトライヤーエンハンサー２１８、ＥＣＧスパイクディテクター２２０、及びペーサスパイクディテクター２２２）はフィルター１２０のスパイクディテクター１３０（図１に図示）の好適実施例を提供する。次に、スパイクリムーバ２２４はＥＣＧスパイクディテクター２２０とペーサスパイクディテクター２２２によって発生された信号を使用して、ＥＥＧ信号１１０からＥＣＧとペーサの人工要素を排除する。ハイパスフィルター２１０及び２１２（バンドパスフィルター２１４及び２１６、アウトライヤエンハンサー２１８、及びＥＣＧとペーサスパイクディテクター２２０及び２２２はＥＣＧとペーサの人工要素の存在と、そのロケーションを検出特定するための好適実施例を提供するが、言うまでもなく、スパイクリムーバ２２４は、ＥＣＧとペーサの人工要素あるいは他の人工要素の存在を検出する他のフィルターと共にでも利用できる。例えば、ペーサスパイクディテクター２２をテンプレートとコリレーションファンクションに関して説明してきたが、スパイクディテクター２２２は、ＥＣＧスパイクディテクター２２０に関して前述したものに類似しており、ペーサ人工要素を検出するように調整されたゼロ通過検出スキームを利用しても可能であることは理解されよう。同様に、ＥＣＧスパイクディテクター２２０はゼロ通過の検出ではなく、適当なテンプレートとコリレーションファンクションを利用することもできる。
ＥＥＧ信号１１０と、ＥＣＧスパイクディテクター２２０及びペーサスパイクディテクター２２２によって発生される信号はスパイクリムーバ２２４で受信される。スパイクリムーバ２２４は、スパイクディテクター２２０と２２２からの出力信号がＥＣＧとペーサの人工要素の不在を示すときにはＥＥＧ信号１１０と等しくなるようにフィルター処理された信号を発生させる。スパイクディテクター２２０と２２２がＥＣＧまたはペーサ人工要素の存在を示すとき、スパイクリムーバ２２４は、人工要素を含んだＥＥＧ信号の部分を、人工要素を含んだ部分に経時的に隣接するＥＥＧ信号の人工要素を含まないデータと交換させることでフィルター処理信号を発生させる。好適には、スパイクリムーバ２２４は交換された部分がオリジナルの人工要素を含まない部分内にスムーズにフィットするように信号をさらにフィルター処理する。
図６は、スパイクリムーバ２２４が、ＥＣＧあるいはペーサの人工要素を含んだＥＥＧ信号１１０の部分に対応するフィルター処理信号の部分を発生させるのに使用できる好適方法を示すフローチャート６００である。ステップ６１０で、スパイクリムーバ２２４は人工要素を含んだＥＥＧ信号の排除領域のサイズＳＺを決定する。図７Ａは、ＥＣＧ人工要素７１０を含んだＥＥＧ信号７００の一部を示す。前述したように、ＥＣＧスパイクディテクター２２０（ペーサ人工要素の場合にはペーサスパイクディテクター２２２）は、スパイクリムーバ２２４にＥＣＧ人工要素の経時的ロケーションを通知する。スパイクリムーバ２２４は、好適には人工要素７１０を中心にして包囲する（すなわち、前後に延びる）置換領域７１２を選択する。１好適実施例においては、スパイクリムーバ２２４は置換領域７１２のサイズＳＺを、人工要素がＥＣＧ人工要素であるときに１３サンプルとなるように選択し、人工要素がペーサ人工要素であるときに１７サンプルとなるように選択する。これら１３サンプルと１７サンプルの値は、ＥＣＧとペーサの人工要素の平均長（それぞれ101.6msecと132.8msec）及び毎秒１２８サンプルであるサンプルレートに対応するものである。
ステップ６１０に続いて、ステップ６１２でスパイクリムーバ２２４は排除領域７１２の最初と最後のデータポイントを接続するラインのパラメータ（すなわちスロープｍとオフセットｂ）を決定する。図７Ａは排除領域７１２の最初と最後のデータポイントを接続するライン７１４を示している。人工要素７１０を含んだデータポイントのエポックは、１からＮまでの全ての整数iに対するデータポイントxiを含む。人工要素７１０はデータポイントxρ．を中心に存在する。スパイクリムーバ２２４は、データポイントxρ’を囲むように排除領域７１２を選択する。排除領域はＳＺサンプルを含んでいるので、排除領域はデータポイントＸp-(SZ-1)/2からＸp+(SZ-1)/2まで延びている。スパイクリムーバ２２４は以下の式（９）に従ってライン７１４のスロープｍとオフセットｂを発生させることができる。
ステップ６１２に続いて、ステップ６１４においてスパイクリムーバ２２４は排除領域７１２の最初と最後のデータポイントをそれぞれＸfirstとＸlast'として保存する。その後に、先行しており、置換領域７１２に経時的に隣接する領域７１６からの全てのデータポイントをその置換領域にコピーする。図７Ｂは領域７１６のデータポイントの置換領域７１２へのコピーの結果を図示している。図７Ｂに示すように、ステップ６１４に続いて置換領域７１２のデータは典型的には置換領域７１２に先行する領域７１６のデータ及び排除領域７１２に続く領域７１８のデータとは連続的ではない。スパイクリムーバ２２４は以下の式（１０）に従ってステップ６１４を実行することができる。
式（１０）において、データポイントx_riは置換領域７１２内にコピーされたデータポイントを表す。ステップ６１４に続いて、ステップ６１６において、スパイクリムーバ２２４は置換領域７１２内にコピーされたデータポイントx_riを図７Ｃで図示するようにゼロ平均データポイント
で置換する。スパイクリムーバ２２４は平均x_rを発生させ、続いて以下の式（１１）に従って、各データポイントx_riからその平均値を減算することでステップ６１６を実行してゼロ平均データポイント
を発生させることができる。
ステップ６１６に続いて、ステップ６１８において、好適には置換領域７１２のゼロ平均データポイント
にハニングスペクトラルウィンド(Hanning spectral window)を掛算することで、スパイクリムーバ２２４は置換領域７１２のデータポイントのエッジ部分をテーパ処理する。ハニングスペクトラルウィンドの１例は図７Ｄに図示されている。ハニングスペクトラルウィンドは１からＳＺまでの全ての整数ｊに対するデータポイントw_han iのセットで定義することができる。データポイントw_han iは以下の式（１２）で提供される。
このようなハニングスペクトラルウィンドは、例えば、Ｃ、ケンブリッジユニバーシティプレス（ニューヨーク、１９９２年、５５４ページ）のＷ．Ｈ．プレス、Ｓ．Ａ．チウコルスキー、Ｗ．Ｔ．ベターリング、Ｂ．Ｐ．フラネリの“ニューメリカルレシピー(Numerical Recipes)”に詳細に記述されている。スパイクリムーバ２２４は以下の式（１３）に従ってハニングスペクトラルウィンドとゼロ平均データポイントを掛算し、テーパ処理されたデータポイントx_taper iのセットを発生させることができる。テーパ処理されたデータポイントx_taper iは図７Ｅに図示されている。
ステップ６１８に続いて、ステップ６２０においてスパイクリムーバ２２４は、ステップ６１２で測定されたラインセグメント７１４（図７Ａに図示）によって決定された数値の分だけ置換領域７１２のテーパ処理されたデータポイントx_taper iを直線状にシフトさせ、新データポイントx_new iのセットを発生させる。前述したように、新ＥＣＧ/ペーサ人工要素を含まないデータポイントx_new iは、全てのｉ＝ｐ−（ＳＺ−１）／２top+（ＳＺ−１）／２に対するオリジナルデータポイントxiを置換する。置換領域７１２のこの直線状シフトの結果は図７Ｆに図示されている。スパイクリムーバ２２４は、ｐ−（ＳＺ−１）／２top+（ＳＺ−１）／２からのすべてのiに対して以下の式（１４）に従ってステップ６２０を実行することができる。
図７Ｆに示すように、置換領域７１２の新データポイントx_new iは、それぞれ置換領域の直前と直後である領域７１６と７１８のデータと連続的である。しかし、領域７１６と７１２との間、および領域７１２と７１８の間のトランジション部はスムーズではない。
ステップ６２０に続いて、ステップ６２２においてスパイクリムーバ２２４は、それら領域と排除領域７１２のトランジション部がスムーズで連続的となるように領域７１６の右端部のデータと領域７１８の左端部のデータとをテーパ処理する。このテーパ処理の結果は図７Ｈに示されている。このテーパ処理を実行する１方法は、図７Ｇに図示するように、領域７１６の右半分のデータポイントとハニングウィンドの右半分を掛算し、領域７１８の左半分のデータポイントとハニングウィンドの左半分を掛算することである。スパイクリムーバ２２４は以下の式（１５）に従ってこのテーパ処理を実行することができる。
データポイントx_left iとx_right iはオリジナルデータポイントxiを置換する。このiは前式（１５）で定義されたものである。
要約すると、ＥＣＧ/ペーサ人工要素フィルター１２０（図２参照）は、ＥＣＧあるいはペーサの人工要素を含んだＥＥＧ信号１１０の領域のデータを排除し、それら排除された領域のデータを排除領域に経時的に隣接した（好適には先行する）領域からのデータと置換させる。好適には、フィルター１２０は排除領域の開始部と最終部のデータをさらにテーパ処理し、排除領域に先行する領域の開始部のデータをもテーパ処理し、排除領域に続く領域の開始部のデータをもテーパ処理して、排除領域のデータを排除領域の前後の領域のデータとスムーズに接続させる。図３Ｆは図３Ａに示すＥＥＧ信号に対応してフィルター１２０によって発生されるフィルター処理信号を図示している。図示のごとく、図３Ａの信号に存在するＥＣＧ人工要素は図３Ｆの信号からスムーズに排除されている。同様に、図５Ｅは図５ＡのＥＥＧ信号に対応してフィルター１２０で発生されるフィルター処理信号を図示している。図示のごとく、図５Ａの信号に存在するペーサ人工要素は図５Ｅの信号からスムーズに排除されている。データの置換とテーパ処理の１好適方法は図６と図７Ａから図７Ｈに関して説明してきたが、言うまでもなく、フィルター１２０はそれらとは別の方法でも利用できる。例えば、置換領域内にコピーされたデータは人口要素を含まない第２ＥＥＧ信号から発生するかも知れない。好適には、フィルター１２０はＥＥＧ信号のスペクトラル特性をさほど変更させないようにデータを排除してテーパ処理する。
図８はフィルター１２０の別実施例の概略図である。この実施例では、フィルター１２０は脳活動を表す２つの入力信号１１０aと１１０bとを受信し、フィルター処理信号１１２を発生させる。入力信号１１０aと１１０bは、例えば、ＥＥＧプロセッサの２つの異なるチャンネルからのＥＥＧ信号を表すことができる。この実施例では、第１入力信号１１０aはスパイクディテクター１３０とスパイクリムーバ１４０の両方に適用され、第２入力信号１１０bはスパイクリムーバ１４０にのみ適用される。
利用時に、入力信号１１０aに人工要素（スパイク検出器１３０の出力信号１５０で表示）が存在しないとき、フィルター１２０は第１入力信号１１０aと実質的に等しくなるようにフィルター処理信号を発生させる。第１入力信号１１０a内に人工要素（出力信号１５０で表示）が存在するとき、フィルター１２０は第２（好適には人工要素を含まない）入力信号１１０bからのデータを使用してフィルター処理信号の対応部分を発生させる。この実施例は、通常においていくつかの異なるＥＥＧ信号のチャンネルをモニターするシステムに特に有用である。例えば、フィルター１２０は第２入力信号１１０bの源として使用するために最低量の人工要素を含んだチャンネルを選択することができる。前述のように、スパイクディテクター１３０はＥＣＧあるいはペーサの人工要素のごとき心臓関連人工要素を検出するように形態化が可能である。あるいは、スパイクディテクター１３０は“スパイク状”形状を特徴とする全ての人工要素を検出するように形態化させることができる。
まとめると、フィルター１２０のデジタル様式実施例はデジタル入力信号に対応してデジタルフィルター処理信号を発生させる。入力信号が人工要素を含まないとき、フィルター１２０は、入力信号の対応するデータポイントと実質的に等しくなるようにフィルター処理信号のデータポイントを発生させる。入力信号が人工要素を含まないとき、フィルター１２０は、人工要素を含んだ入力信号の部分に経時的に隣接した入力信号の部分からのデータポイントと実質的に等しくなるように、あるいは、別の入力信号からのデータポイントと実質的に等しくなるようにフィルター処理信号のデータポイントを発生させる。フィルター１２０はもちろん、置換領域のデータが信号の隣接部分とスムーズに接続するよう、人工要素を含んだ入力信号の部分と対応するフィルター処理信号の部分をテーパ処理するために、前述のフィルター処理を適用する。
フィルター１２０（図２に図示）はデジタル用として説明してきた。言うまでもなく、フィルター１２０の多様なコンポーネント（例えば、図２に示すハイパスフィルター２１０）は、ディスクリートハードウェアモジュール(discrete hardware module)を使用して提供することができ、あるいは、デジタルコンピュータで実行されるソフトウェアを使用して提供することが可能である。他の実施例においては、フィルター１２０のいくつかのコンポーネント（例えば、ハイパスフィルター２１０）はアナログ装置を使用して提供できる。フィルター１２０を説明の便利性のために別々のモジュール内（例えば、ハイパスフルター２１０とバンドパスフィルター２１４）に分割形態で説明してきたが、それはあくまでも本願発明の説明のためだけであって、フィルター１２０は本願発明のスコープ内での異なる方法で分割が可能であり、フィルター１２０全体を、例えば、デジタルコンピュータで実行されるソフトウェアとして提供される１体のモジュールとしても提供が可能である。
本願発明のスコープから逸脱せずに前述の装置に多彩な変更が可能である。従って、本明細書の記載内容は本願発明の説明のみを目的としたものであり、本願発明の限定は意図されていない。
本願発明は脳活動を表す信号をフィルター処理する改良フィルターに関する。さらに特定すれば、本願発明はＥＥＧ信号から心臓関連または他の人工要素(artifact)を排除するフィルターに関する。
発明の背景
脳機能研究のために神経科医及びその他の健康管理専門家達は長年にわたってＥＥＧ(electroencephalographic)の研究に携わっており、ＥＥＧ信号の処理と分析のための多種多様な装置が開発されてきた。例えば、米国特許第５４５８１１７号“脳のバイオポテンシャル分析システム及び方法”（１９９６年１０月１７日にシャモウン他に付与：本願出願人に譲渡）はＥＥＧ信号からバイスペクトラルインデックス(bispectral index)を発生させるシステム及び方法を記述している。このバイスペクトラルインデックスは単一時間変数(single time varying number)であり、一般的に患者の麻酔状態を表示するものである。このバイスペクトラルインデックスは手術時の患者の麻酔状態の効果的なモニターに使用が可能である。
ＥＥＧ信号を処理する装置（米国特許第５４５８１１７号に開示されたもの等）に関わる問題の１つはＥＥＧ信号に共通して存在する人工要素に関している。例えば、ＥＥＧ信号はしばしば心臓ＱＲＳコンプレックス(cardiac QRS complex)あるいはペースメーカーの作動の結果として発生する人工要素を含んでいる。このような人工要素の存在はＥＥＧ信号の処理に使用される装置の操作にも少なからず悪影響を及ぼす。従って、本願発明の１目的は、そのような人工要素をＥＥＧ信号から効果的に排除するフィルターの提供である。
発明の概要
それら及び他の目的は改良フィルターによって提供される。この改良フィルターは患者の脳活動を表す入力信号（例えば、ＥＥＧ信号）を受信して人工要素を含まない、あるいは人工要素を大幅に低減させた信号を発生させる。本願発明の１特徴によれば、この改良フィルターは入力信号から人工要素を排除して、排除された部分（人工要素を含む）を、その排除部分と経時的(temporal)に隣接している入力信号の人工要素を含まない部分と置換させる。別の特徴によれば、この改良フィルターは排除部分（人工要素を含む）を別の入力信号で置換する。
本願発明のその他の目的と利点とは、本願発明の最良態様を説明する目的でのみ提供された実施例を含んだ以下の詳細な説明から容易に理解されよう。言うまでもなく、本願発明は本願発明のスコープ内において、他の異なる実施態様であっても利用が可能であり、その細部は改良あるいは変更が可能である。従って、添付の図面及び本明細書の記述内容は本来的に本願発明の説明のために提供されており、本願発明の限定は意図されていない。本願発明の真の範囲は「請求の範囲」に記載されたものである。
【図面の簡単な説明】
本願発明の完全な理解のため、以下の図面を添付して好適実施例を解説する。
図１は本願発明に従って構成されたＥＣＧ/ペーサ(pacer)人工要素フィルターの概略図である。
図２は図１のＥＣＧ/ペーサ人工要素フィルターの好適実施例を表す概略図である。
図３Ａから図３Ｆは図２に示すフィルターの利用状況を表している信号の時間と振幅との関係を示すグラフである。
図４は図２に示すアウトライヤエンハンサー(outlier enhancer)の好適実施例を示す概略図である。
図５Ａから図５Ｅは図２に示すフィルターの利用状況を表している信号の時間と振幅との関係を示すグラフである。
図６はＥＥＧ信号からＥＣＧとペーサの人工要素を排除するために図２に示すスパイクリムーバ(spike remover)によって使用されるプロセスを図示するフローチャートである。
図７Ａから図７Ｈは図２に示すスパイクリムーバの利用状況を表している信号の時間と振幅との関係を示すグラフである。
図８は本願発明に従って構成されたフィルターの別実施例を示す概略図である。
好適実施例の詳細な説明
図１は本願発明に従って構成されたフィルター１２０の概略図である。フィルター１２０は患者（図示せず）の脳活動を表す入力信号１１０を受信し、フィルター処理信号１１２を発生させる。入力信号１１０は、例えば、ＥＥＧ電極あるいはアンプリファイヤ、またはその他の周知なＥＥＧ処理装置によって周知方法で発生されるＥＥＧ信号である。フィルター１２０で発生されたフィルター処理信号１１２は、ＥＥＧ信号の処理に使用される装置（例えば、前述の米国特許第５４５８１１７号で開示されたバイスペクトラルインデックス発生機）に適用が可能である。詳細は後述するが、フィルター１２０によって提供されるフィルター処理は、脳活動を表す信号の処理に使用されるいかなる装置の処理性能をも向上させることができる。
一般的な形態では、フィルター１２０はスパイクディテクター(spike detector)１３０とスパイクリムーバ(spike remover)１４０とを含んでいる。入力信号１１０はスパイクディテクター１３０とスパイクリムーバ１４０とに適用される。スパイクディテクター１３０は出力信号１５０を発生させ、スパイクリムーバ１４０に適用する。スパイクリムーバ１４０は入力信号１１０と出力信号１５０に対応してフィルター処理信号１１２を発生させる。
利用時には、スパイクディテクタ１３０は入力信号１１０内の人工要素を検出し、入力信号１１０に含まれる人工要素の経時的ロケーション(temporallocation)を表すように出力信号１５０を発生させる。入力信号１１０が人工要素（出力信号１５０が表示）を含んでいないときは、スパイクリムーバ１４０は入力信号１１０と実質的に等しいフィルター処理信号１１２を発生させる。しかし、入力信号１１０が人工要素（出力信号１５０が表示）を含んでいるときは、スパイクリムーバ１４０は、フィルター処理信号１１２の対応部分を、人工要素を含んでいた入力信号１１０の部分に経時的に隣接した入力信号１１０の人工要素を含まない部分と等しくセットすることでその対応部分を発生させる。
詳細は後述するが、好適には、フィルター１２０はデジタルフィルターとして提供される。対象となるＥＥＧ信号のほとんどの周波数成分は６０Ｈｚ以下であり、１２０Ｈｚ以上のサンプルレートであればナイキスト基準(Nyquistcriteria)を充分に満たす。フィルター１２０で使用される好適なサンプルレートは１２８Ｈｚである。フィルター１２０のほとんどのコンポーネントは、好適には、エポック(epoch)と呼称される連続経時セグメント(successive temporal segment)内の対象信号を処理する。１信号のエポックは１からＮまでの全ての整数iに対してＮ個のデータポイントxiのセットを含んでいる。フィルター１２０内の異なるコンポーネントは異なる長さのエポック（例えば、１秒エポックあるいは２秒エポック）を使用することができる。好適なサンプルレートである１２８Ｈｚにおいて、各々の１秒エポックのデータは１２８データポイントを含んでいる。
１好適実施例においては、フィルター１２０はＥＣＧ/ペーサ人工要素フィルターとして提供される。この実施例では、入力信号１１０はＥＥＧ信号であり、フィルター１２０はそのＥＥＧ信号１１０を処理して、フィルター処理信号１１２からＥＣＧとペーサの人工要素を排除する。ＥＣＧとペーサの人工要素は心臓に関係しており、心臓関連人工要素である。ＥＣＧ人工要素は心臓筋肉の活動から自然に発生する人工要素(electrocardiogram QRS complex)である。ペーサ人工要素は心臓のリズムのコントロールに使用される電気装置（例えば、ペースメーカ）から発生する。周知のごとく、身体の導電性は測定されたＥＥＧ信号に心臓人工要素を含ませることがある。ＥＥＧ信号内のこれら人工要素はバイスペクトラルインデックス発生機のごとき処理装置の利用を妨害することがあるので、フィルター１２０はそれら人工要素を検出して排除する。
ＥＣＧとペーサの人工要素はしばしば多鼓動（例えば、毎分１２０）で発生するので、それら人工要素を含んだＥＥＧ信号の部分の単純な検出と排除では、バイスペクトラルインデックス発生機のごとき処理用コンポーネントにとってはデータ不充分となろう。よって、好適には、フィルター１２０は、（１）ＥＣＧあるいはペーサの人工要素を含んだＥＥＧ信号１１０の部分を排除し、（２）そのデータ排除部分を、その排除部分に経時的に隣接したＥＥＧ信号１１０の部分の（人工要素を含まない）オリジナルデータで置換させることでフィルター処理信号を発生させる。このようにデータ排除部分を置換することで、得られたフィルター処理信号は、バイスペクトラルインデックス発生機のごとき処理コンポーネントに正確に処理させるに充分なデータを含んでいる。ＥＥＧ信号の経時的に隣接したスペクトラルな部分は互いに類似している傾向があるので、ＥＥＧ信号の削除部分を経時的隣接部分（人工要素を含まない）と置換させてもフィルター処理信号のスペクトラル内容をさほどに変更せず、続く処理コンポーネントにより提供される処理に悪影響を及ぼさない。
図２は本願発明に従って構成されたＥＣＧ/ペーサ人工要素フィルター１２０の好適実施例を示す概略ブロック図である。フィルター１２０は、２体のハイパスフィルター２１０及び２１２と、２体のバンドパスフィルター２１４及び２１６と、１体のアウトライヤエンハンサー２１８と、１体のＥＣＧスパイクディテクター２２０と、１体のペーサスパイクディテクター２２２と、１体のスパイクリムーバ２２４とを含んでいる。ＥＥＧ信号１１０はハイパスフィルター２１０と２１２及びスパイクリムーバ２２４に適用される。ハイパスフィルター２１０と２１２はＥＥＧ信号をフィルター処理し、バンドパスフィルター２１４と２１６とにそれぞれ適用される出力信号を発生させる。バンドパスフィルター２１４と２１６はハイパスフィルター２１０と２１２からそれぞれ受信された信号をフィルター処理し、得られた信号をアウトライヤエンハンサー２１８とペーススパイクディテクター２２２とにそれぞれ適用する。アウトライヤエンハンサー２１８はバンドパスフィルター２１４から信号を受信し、ＥＣＧスパィクディテクター２２０に適用される信号を発生させる。ＥＣＧスパイクディテクター２２０とペーススパイクディテクター２２２はそれぞれ出力信号を発生させ、これら信号を両方ともスパイクリムーバ２２４に適用する。スパイクリムーバ２２４はフィルター処理信号１１２を発生させる。
利用時に、ハイパスフィルター２１０と、バンドパスフィルター２１４と、アウトライヤエンハンサー２１８と、ＥＣＧスパイクディテクター２２０とは協調して作動し、ＥＥＧ信号１１０内のＥＣＧ人工要素のロケーションを決定する。図３Ａから図３Ｅは、フィルター２１０と２１４、アウトライヤエンハンサー２１８、及びＥＣＧスパイクディテクター２２０の利用状況を表す振幅と時間との関係を示すグラフを図示している。図３Ａは、一部が３１０で表されている通常に発生するＥＣＧ人工要素を含んでおり、ハイパスフィルター２１０によって受信されたＥＥＧ信号１１０の１例を図示している。ハイパスフィルター２１０はこのＥＥＧ信号をフィルター処理し、例えば、電極インターフェース特性を緩やかに変動させたり、呼吸に関する動きから発生する可能性があるベースラインワンダー現象(baseline wander)のごとき低周波ＥＥＧ及び人工要素を排除する。図３Ｂはハイパスフィルター２１０によって発生され、図３Ａに示す信号に対応してバンドパスフィルター２１４に適用される出力信号のグラフである。好適には、ハイパスフィルター２１０は、ベースラインワンダー現象を除去するに充分な程度に高く、ＥＣＧ人工要素を通過させるに充分に低く選択されるハイパスカットオフ周波数(high pass cutoff frequency)をその特徴とする。このハイパスカットオフ周波数の１好適値は５Ｈｚである。フィルター２１０は、例えば、第１オーダーのオートレグレッシブ第１オーダームービングアベレージ［ＡＲＭＡ(1,1)］フィルター(first order Auto Regressive first order Moving Average filter)として提供できる。１好適実施例においては、フィルター２１０は以下の式（１）で表されるトランスファファンクション(transfer function)をその特徴としている。
図３Ｃは、図３Ｂで図示されている信号に対応してバンドパスフィルター２１４によって発生される出力信号のグラフである。バンドパスフィルター２１４は、好適には、ＥＣＧ人工要素の“スパイク形状”成分を強調させ（図３Ｃに図示）、以降のそれらの検出を容易にさせるように選択されるパスバンド(pass band)をその特徴としている。フィルター２１４のパスバンドの１好適範囲は１８Ｈｚから４２Ｈｚである。１好適実施例においては、バンドパスフィルター２１４はデジタルシュードマッチ有限インパルスレスポンス（ＦＩＲ）(digital pseudo-matched finite impulse response)フィルター（すなわち、ピースワイズリニア“コンプレックス”(piece-wise linear"complex")）として提供され、以下の式（２）で与えられるトランスファファンクションをその特徴とする。
好適には、アウトライヤエンハンサー２１８は１秒エポックにてバンドパスフィルター２１４から受信した信号を処理する。アウトライヤエンハンサー２１８は１エポックでのＮ個のデータポイントxiを処理し、さらに、次のデータエポックでのＮ個のデータポイントを処理する。１好適実施例においては、アウトライヤエンハンサー２１８は平均値が０となるようにデータをまず調整することで各エポックのデータを処理する。このゼロ平均調整を実行するため、アウトライヤエンハンサー２１８はまず以下の式（３）に基づいてエポックのデータの平均値を発生させる。
図４は、３体のアウトライヤ排除フィルター４１０a、４１０b、及び４１０cとサブトラクター(subtractor)４２０とをのキャスケードを含んだアウトライヤエンハンサー２１８の好適実施例の概略図である。バンドパスフィルター２１４で発生された出力信号はフィルター４１０aと、サブトラクター４２０の正入力(positive input)とに適用される。フィルター４１０aはバンドパスフィルター２１４から信号を受信し、フィルター４１０bに適用される出力信号を発生させる。フィルター４１０bはフィルター４１０cに適用される出力信号を発生させる。フィルター４１０cはサブトラクター４２０の負入力(negative input)に適用される出力信号を発生させる。サブトラクター４２０は、ＥＣＧスパイクディテクター２２０（図２に図示）に適用されるアウトライヤエンハンサー２１８の出力信号を発生させる。図４はアウトライヤ排除フィルター４１０aの概略図を図示しており、フィルター４１０bと４１０cもほぼ同様に構成されている。フィルター４１０aは平均値発生器(mean generator)４１２と、サブトラクター４１４と、最小平方フィットライン発生器(least squares fit line generator)４１６と、アウトライヤ抑圧データポイント発生器(outlier suppressed data point generator)４１８とを含んでいる。
利用時に、平均値発生器４１２は前式（３）に従ってエポックの全データポイントの平均値を発生させ、それをサブトラクター４１４の負入力に適用する。サブトラクター４１４は前式（４）に従ってオリジナルデータポイントから平均値を減算することでゼロ平均データポイント
図３Ｅは、図３Ｄに図示するアウトライヤエンハンサー２１８から受信された信号に対応してＥＣＧスパイクディテクター２２０で発生された出力信号を表すグラフである。ＥＣＧスパイクディテクター２２０によって発生された出力信号はスパイクリムーバ２２４に適用されるものであり、ＥＥＧ信号１１０内のＥＣＧ人工要素のロケーションを示す。図３Ｅに図示される信号において、低値はＥＣＧ人工要素の不在を示し、高値はＥＣＧ人工要素のロケーションを示している。
フィルター処理ＥＣＧ人工要素は一般的に、所定の時間内での比較的に大きな急傾斜セグメント交番(steep-sloped seqments alternating)（すなわち、上昇と降下）をその特徴としている。例えば、ＥＣＧ人工要素３１２（図３Ｄに図示）は０付近の値から負データポイント３１４への急な負トランジション(negative transition)と、その後の正データポイント３１６への急激な正トランジション（０を通過）と、その後の負データポイント３１８への急激な負トランジション（０を通過）と、その後の０付近の値への急激な正トランジションとを含んでいる。好適には、ＥＣＧスパイクディテクター２２０はゼロ通過8zero-crossing)を特定することでＥＣＧ人工要素の存在を検出し、そのロケーション（“０を通過する”負値から正値への信号トランジション、あるいは“０を通過する”正値から負値への信号トランジションが発生するロケーション）を決定する。
１実施例においては、ＥＣＧスパイクディテクター２２０は、Ｔ1の時間でアウトライヤエンハンサー２１８によって発生される信号内でディテクターがＭのゼロ通過回数を検出するときには常にＥＣＧ人口要素の存在を示す出力信号を発生させる。このＭは２以上であって４以下であり、Ｔ1は約２００ｍｓである。好適には、ＥＣＧスパイクディテクター２２０は“しきい値”ＺＣＴＲ1を利用し、ゼロ通過が発生するときを決定する。すなわち、ディテクター２２０はアウトライヤ２１８から受信される信号の-ＺＣＴＲ1からＺＣＴＲ1へのトランジション、またはＺＣＴＲ1から-ＺＣＴＲ1へのトランジションをゼロ通過として考察する。ゼロ通過の数量をしきい値よりも大きく設定することで、ＥＣＧ人工要素として少量のランダムノイズによって引き起こされるゼロ通過現象が考察対象となることが防止される。しきい値ＺＣＲＴＲ1の好適値は8.032μＶであるが、好適には、このしきい値の値を使用されるＥＥＧ電極のタイプ及び他の知られた要因に応じて適当に変化させる。フィルター１２０のどのような特定の利用形態においても、好適には、しきい値ＺＣＴＲ1は実際のＥＣＧ人工要素をノイズから信頼性高く区別するように経験的に選択される。
好適には、ＥＣＧスパイクディテクター２２０は、たとえＺＣＴＲ1よりも大きなＭのゼロ通過がＴ1の時間に存在するとしても、ＥＣＧ人工要素の検出を妨害する他の基準をも使用する。これらの追加基準はＥＣＧ人工要素としてノイズが検出されることを妨害するように選択される。例えば、もしスパイクディテクター２２０が第２しきい値ＺＣＴＲ２よりも大きな５個以上のゼロ通過（すなわち、-ＺＣＴＲ2からＺＣＴＲ1あるいはＺＣＴＲ1から-ＺＣＴＲ2へのトランジション）をＴ2の時間にアウトライヤエンハンサー２１８によって発生される信号内で検出するならば、スパイクディテクター２２０はＥＣＧ人工要素の不在を示す出力信号を発生させるであろう。好適には、第２しきい値ＺＣＴＲ2は第１しきい値ＺＣＴＲ1よりも小さく、第２しきい値ＺＣＴＲ2の１好適例は約3.02727μＶである。第２時間Ｔ2は好適には第１時間Ｔ1よりも長く、第２時間Ｔ2の１好適例は約０．５秒である。好適には、ＥＣＧスパイクディテクター２２０は、もし約０．５秒以内にアウトライヤエンハンサー２１８によって発生された信号の非常に大きなエクスカーション(excursion)（例えば１００μＶ以上）が存在すれば、ＥＣＧ人工要素の不在を示す出力信号をさらに発生させる。これによって電気外科治療ノイズがＥＣＧ人口要素として検出されることが防止される。
前述のごとく、ハイパスフィルター２１０、バンドパスフィルター２１４、アウトライヤエンハンサー２１８、及びＥＣＧスパイクディテクター２２０は協調し、ＥＣＧ人工要素のＥＥＧ信号１１０内でのロケーションを決定する。同様に、ハイパスフィルター２１２、バンドパスフィルター２１６、及びペーサスパイクディテクター２２２は協調してＥＥＧ信号１１０内のペーサ人工要素のロケーションを決定する。図５Ａから図５Ｄは、フィルター２１２，２１６及びペーサスパイクディテクター２２２の利用状況を表す信号の振幅と時間との関係を示すグラフである。図５Ａは、その一部が５１０で表されている、通常に発生するペーサ人工要素を含んだハイパスフィルター２１２によって受領されるＥＥＧ信号１１０の１例を示している。好適には、ハイパスフィルター２１２はこのＥＥＧ信号をフィルター処理して低周波ベースワンダー現象を排除する。図５Ｂは、図５Ａの信号に対応してハイパスフィルター２１２によって発生され、バンドパスフィルター２１６に適用される出力信号のグラフである。好適には、ハイパスフィルター２１２は、ベースラインワンダー現象を効果的に排除するに充分高く、ペーサ人工要素を通過させるに充分低いように選択されたハイパスカットオフ周波数をその特徴としている。フィルター２１２のこのハイパスカットオフ周波数の１好適例は２０Ｈｚである。フィルター２１２は前式（１）に示されるトランスファファンクションによって特徴付けられたＡＲＭＡ（1,1）フィルターとして提供が可能である。その式中のフィルター係数a1、b0、b1はそれぞれ-0.48672403、1.0、-1.0である。
好適には、バンドパスフィルター２１６はペーサ人工要素のスパイク形状部分を強調するように選択される。バンドパスフィルター２１６は前述のバンドパスフィルター２１４と同一であるフィルターを使用して提供が可能である。図５Ｃは、図５Ｂに示すハイパスフィルター２１２から受信された信号に対応してバンドパスフィルター２１６によって発生される出力信号を図示している。
ペーサスパイクディテクター２２２はＥＥＧ信号１１０内のペーサ人工要素の存在あるいは不存在を示す出力信号を発生させる。図５Ｄは、図５Ｃに示すバンドパスフィルター２１６から受信された信号に対応してペーサスパイクディテクター２２２によって発生された出力信号を図示している。図示の信号において、高値はペーサ人工要素のロケーションを示し、低値はペーサ人工要素の不存在を示す。
好適には、ペーサスパイクディテクター２２２はバンドパスフィルター２１６から受信される信号を所定のテンプレート(template)でクロスコリレーション処理(cross-correlate)することでその出力信号を発生させる。クロスコリレーションが所定のしきい値を越えるときは常に、スパイクディテクター２２２はペーサ人工要素の存在を示す出力信号を発生させ、その他の場合には、スパイクディテクター２２２はペーサ人工要素の不存在を示す出力信号を発生させる。ペーサスパイクディテクター２２２と共に使用する３つの好適なテンプレートのセットとは次のようなものである。
式（８）に従って発生されると、クロスコリレーションファンクションρ（ｒ）の大きさは０と１の間になるであろう。好適には、ペーサスパイクディテクター２２２は、テンプレート１のクロスコリレーションファンクションρ（ｒ）が第１しきい値ＴＨＲ１よりも大きいときは常にペーサ人工要素のロケーションを示す出力信号を発生させ、好適にはさらに、テンプレート２あるいはテンプレート３のクロスコリレーションファンクションρ（ｒ）が第２しきい値ＴＨＲ2よりも大きいときは常にペーサ人工要素のロケーションを示す出力信号を発生させる。ＴＨＲ1とＴＨＲ2の好適値はそれぞれ0.85と0.75である。言うまでもなく、しきい値やテンプレートの値が別のものであっても同様に利用できよう。
要約すれば、ハイパスフィルター２１０、バンドパスフィルター２１４、アウトライヤエンハンサー２１８、及びＥＣＧスパイクディテクター２２０は協調し、ＥＥＧ信号１１０内のＥＣＧ人工要素のロケーションを特定し、ハイパスフィルター２１２、バンドパスフィルター２１６、及びペーサスパイクディテクター２２２は協調してＥＥＧ信号１１０内のペーサ人工要素のロケーションを決定する。これら処理コンポーネント（すなわち、ハイパスフィルター２１０及び２１２、バンドパスフィルター２１４及び２１６、アウトライヤーエンハンサー２１８、ＥＣＧスパイクディテクター２２０、及びペーサスパイクディテクター２２２）はフィルター１２０のスパイクディテクター１３０（図１に図示）の好適実施例を提供する。次に、スパイクリムーバ２２４はＥＣＧスパイクディテクター２２０とペーサスパイクディテクター２２２によって発生された信号を使用して、ＥＥＧ信号１１０からＥＣＧとペーサの人工要素を排除する。ハイパスフィルター２１０及び２１２（バンドパスフィルター２１４及び２１６、アウトライヤエンハンサー２１８、及びＥＣＧとペーサスパイクディテクター２２０及び２２２はＥＣＧとペーサの人工要素の存在と、そのロケーションを検出特定するための好適実施例を提供するが、言うまでもなく、スパイクリムーバ２２４は、ＥＣＧとペーサの人工要素あるいは他の人工要素の存在を検出する他のフィルターと共にでも利用できる。例えば、ペーサスパイクディテクター２２をテンプレートとコリレーションファンクションに関して説明してきたが、スパイクディテクター２２２は、ＥＣＧスパイクディテクター２２０に関して前述したものに類似しており、ペーサ人工要素を検出するように調整されたゼロ通過検出スキームを利用しても可能であることは理解されよう。同様に、ＥＣＧスパイクディテクター２２０はゼロ通過の検出ではなく、適当なテンプレートとコリレーションファンクションを利用することもできる。
ＥＥＧ信号１１０と、ＥＣＧスパイクディテクター２２０及びペーサスパイクディテクター２２２によって発生される信号はスパイクリムーバ２２４で受信される。スパイクリムーバ２２４は、スパイクディテクター２２０と２２２からの出力信号がＥＣＧとペーサの人工要素の不在を示すときにはＥＥＧ信号１１０と等しくなるようにフィルター処理された信号を発生させる。スパイクディテクター２２０と２２２がＥＣＧまたはペーサ人工要素の存在を示すとき、スパイクリムーバ２２４は、人工要素を含んだＥＥＧ信号の部分を、人工要素を含んだ部分に経時的に隣接するＥＥＧ信号の人工要素を含まないデータと交換させることでフィルター処理信号を発生させる。好適には、スパイクリムーバ２２４は交換された部分がオリジナルの人工要素を含まない部分内にスムーズにフィットするように信号をさらにフィルター処理する。
図６は、スパイクリムーバ２２４が、ＥＣＧあるいはペーサの人工要素を含んだＥＥＧ信号１１０の部分に対応するフィルター処理信号の部分を発生させるのに使用できる好適方法を示すフローチャート６００である。ステップ６１０で、スパイクリムーバ２２４は人工要素を含んだＥＥＧ信号の排除領域のサイズＳＺを決定する。図７Ａは、ＥＣＧ人工要素７１０を含んだＥＥＧ信号７００の一部を示す。前述したように、ＥＣＧスパイクディテクター２２０（ペーサ人工要素の場合にはペーサスパイクディテクター２２２）は、スパイクリムーバ２２４にＥＣＧ人工要素の経時的ロケーションを通知する。スパイクリムーバ２２４は、好適には人工要素７１０を中心にして包囲する（すなわち、前後に延びる）置換領域７１２を選択する。１好適実施例においては、スパイクリムーバ２２４は置換領域７１２のサイズＳＺを、人工要素がＥＣＧ人工要素であるときに１３サンプルとなるように選択し、人工要素がペーサ人工要素であるときに１７サンプルとなるように選択する。これら１３サンプルと１７サンプルの値は、ＥＣＧとペーサの人工要素の平均長（それぞれ101.6msecと132.8msec）及び毎秒１２８サンプルであるサンプルレートに対応するものである。
ステップ６１０に続いて、ステップ６１２でスパイクリムーバ２２４は排除領域７１２の最初と最後のデータポイントを接続するラインのパラメータ（すなわちスロープｍとオフセットｂ）を決定する。図７Ａは排除領域７１２の最初と最後のデータポイントを接続するライン７１４を示している。人工要素７１０を含んだデータポイントのエポックは、１からＮまでの全ての整数iに対するデータポイントxiを含む。人工要素７１０はデータポイントxρ．を中心に存在する。スパイクリムーバ２２４は、データポイントxρ’を囲むように排除領域７１２を選択する。排除領域はＳＺサンプルを含んでいるので、排除領域はデータポイントＸp-(SZ-1)/2からＸp+(SZ-1)/2まで延びている。スパイクリムーバ２２４は以下の式（９）に従ってライン７１４のスロープｍとオフセットｂを発生させることができる。
ステップ６２０に続いて、ステップ６２２においてスパイクリムーバ２２４は、それら領域と排除領域７１２のトランジション部がスムーズで連続的となるように領域７１６の右端部のデータと領域７１８の左端部のデータとをテーパ処理する。このテーパ処理の結果は図７Ｈに示されている。このテーパ処理を実行する１方法は、図７Ｇに図示するように、領域７１６の右半分のデータポイントとハニングウィンドの右半分を掛算し、領域７１８の左半分のデータポイントとハニングウィンドの左半分を掛算することである。スパイクリムーバ２２４は以下の式（１５）に従ってこのテーパ処理を実行することができる。
要約すると、ＥＣＧ/ペーサ人工要素フィルター１２０（図２参照）は、ＥＣＧあるいはペーサの人工要素を含んだＥＥＧ信号１１０の領域のデータを排除し、それら排除された領域のデータを排除領域に経時的に隣接した（好適には先行する）領域からのデータと置換させる。好適には、フィルター１２０は排除領域の開始部と最終部のデータをさらにテーパ処理し、排除領域に先行する領域の開始部のデータをもテーパ処理し、排除領域に続く領域の開始部のデータをもテーパ処理して、排除領域のデータを排除領域の前後の領域のデータとスムーズに接続させる。図３Ｆは図３Ａに示すＥＥＧ信号に対応してフィルター１２０によって発生されるフィルター処理信号を図示している。図示のごとく、図３Ａの信号に存在するＥＣＧ人工要素は図３Ｆの信号からスムーズに排除されている。同様に、図５Ｅは図５ＡのＥＥＧ信号に対応してフィルター１２０で発生されるフィルター処理信号を図示している。図示のごとく、図５Ａの信号に存在するペーサ人工要素は図５Ｅの信号からスムーズに排除されている。データの置換とテーパ処理の１好適方法は図６と図７Ａから図７Ｈに関して説明してきたが、言うまでもなく、フィルター１２０はそれらとは別の方法でも利用できる。例えば、置換領域内にコピーされたデータは人口要素を含まない第２ＥＥＧ信号から発生するかも知れない。好適には、フィルター１２０はＥＥＧ信号のスペクトラル特性をさほど変更させないようにデータを排除してテーパ処理する。
図８はフィルター１２０の別実施例の概略図である。この実施例では、フィルター１２０は脳活動を表す２つの入力信号１１０aと１１０bとを受信し、フィルター処理信号１１２を発生させる。入力信号１１０aと１１０bは、例えば、ＥＥＧプロセッサの２つの異なるチャンネルからのＥＥＧ信号を表すことができる。この実施例では、第１入力信号１１０aはスパイクディテクター１３０とスパイクリムーバ１４０の両方に適用され、第２入力信号１１０bはスパイクリムーバ１４０にのみ適用される。
利用時に、入力信号１１０aに人工要素（スパイク検出器１３０の出力信号１５０で表示）が存在しないとき、フィルター１２０は第１入力信号１１０aと実質的に等しくなるようにフィルター処理信号を発生させる。第１入力信号１１０a内に人工要素（出力信号１５０で表示）が存在するとき、フィルター１２０は第２（好適には人工要素を含まない）入力信号１１０bからのデータを使用してフィルター処理信号の対応部分を発生させる。この実施例は、通常においていくつかの異なるＥＥＧ信号のチャンネルをモニターするシステムに特に有用である。例えば、フィルター１２０は第２入力信号１１０bの源として使用するために最低量の人工要素を含んだチャンネルを選択することができる。前述のように、スパイクディテクター１３０はＥＣＧあるいはペーサの人工要素のごとき心臓関連人工要素を検出するように形態化が可能である。あるいは、スパイクディテクター１３０は“スパイク状”形状を特徴とする全ての人工要素を検出するように形態化させることができる。
まとめると、フィルター１２０のデジタル様式実施例はデジタル入力信号に対応してデジタルフィルター処理信号を発生させる。入力信号が人工要素を含まないとき、フィルター１２０は、入力信号の対応するデータポイントと実質的に等しくなるようにフィルター処理信号のデータポイントを発生させる。入力信号が人工要素を含まないとき、フィルター１２０は、人工要素を含んだ入力信号の部分に経時的に隣接した入力信号の部分からのデータポイントと実質的に等しくなるように、あるいは、別の入力信号からのデータポイントと実質的に等しくなるようにフィルター処理信号のデータポイントを発生させる。フィルター１２０はもちろん、置換領域のデータが信号の隣接部分とスムーズに接続するよう、人工要素を含んだ入力信号の部分と対応するフィルター処理信号の部分をテーパ処理するために、前述のフィルター処理を適用する。
フィルター１２０（図２に図示）はデジタル用として説明してきた。言うまでもなく、フィルター１２０の多様なコンポーネント（例えば、図２に示すハイパスフィルター２１０）は、ディスクリートハードウェアモジュール(discrete hardware module)を使用して提供することができ、あるいは、デジタルコンピュータで実行されるソフトウェアを使用して提供することが可能である。他の実施例においては、フィルター１２０のいくつかのコンポーネント（例えば、ハイパスフィルター２１０）はアナログ装置を使用して提供できる。フィルター１２０を説明の便利性のために別々のモジュール内（例えば、ハイパスフルター２１０とバンドパスフィルター２１４）に分割形態で説明してきたが、それはあくまでも本願発明の説明のためだけであって、フィルター１２０は本願発明のスコープ内での異なる方法で分割が可能であり、フィルター１２０全体を、例えば、デジタルコンピュータで実行されるソフトウェアとして提供される１体のモジュールとしても提供が可能である。
本願発明のスコープから逸脱せずに前述の装置に多彩な変更が可能である。従って、本明細書の記載内容は本願発明の説明のみを目的としたものであり、本願発明の限定は意図されていない。
Claims (7)
- 脳活動を表す信号の処理システムであって、該信号は少なくとも１つの心臓関連人工要素を含んだものであり、本システムは、
該信号の第１領域と第２領域とを特定する手段を含んでおり、
該第１領域は前記心臓関連人工要素の１つを含んでおり、該第２領域は該第１領域に経時的に隣接しており、本システムはさらに、
前記信号の該第２領域を該第１領域にコピーする手段を含んでいることを特徴とするシステム。 - 前記第２領域は前記第１領域に先行することを特徴とする請求項１記載のシステム。
- 前記第１領域と前記第２領域との不連続性を抑圧する手段をさらに含んでいることを特徴とする請求項１記載のシステム。
- 前記第１領域と前記第２領域をスムーズに接続させる手段をさらに含んでいることを特徴とする請求項１記載のシステム。
- 前記信号はＥＥＧ信号であることを特徴とする請求項１記載のシステム。
- 前記第１領域内の人工要素はＥＣＧ人工要素であることを特徴とする請求項１記載のシステム。
- 前記第１領域内の人工要素はペーサ人工要素であ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 |
|---|---|---|---|
| US08/773,100 | 1996-12-24 | ||
| US08/773,100 US5792069A (en) | 1996-12-24 | 1996-12-24 | Method and system for the extraction of cardiac artifacts from EEG signals |
| PCT/US1997/023624 WO1998027864A1 (en) | 1996-12-24 | 1997-12-19 | System for the extraction of cardiac artifacts from eeg signals |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2001506905A JP2001506905A (ja) | 2001-05-29 |
| JP4025926B2 true JP4025926B2 (ja) | 2007-12-26 |
Family
ID=25097209
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP52900498A Expired - Fee Related JP4025926B2 (ja) | 1996-12-24 | 1997-12-19 | Ｅｅｇ信号から心臓関連人工要素を抽出するシステム |
Country Status (8)
| Country | Link |
|---|---|
| US (1) | US5792069A (ja) |
| EP (1) | EP0957761B1 (ja) |
| JP (1) | JP4025926B2 (ja) |
| AT (1) | ATE247419T1 (ja) |
| AU (1) | AU732539B2 (ja) |
| CA (1) | CA2275901C (ja) |
| DE (1) | DE69724286T2 (ja) |
| WO (1) | WO1998027864A1 (ja) |
Families Citing this family (57)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE19805530C1 (de) * | 1998-02-11 | 1999-07-22 | Marquette Hellige Gmbh | Vorrichtung zur Signalverbesserung bei artefaktbehaftetem EKG |
| US6599281B1 (en) | 2000-05-03 | 2003-07-29 | Aspect Medical Systems, Inc. | System and method for adaptive drug delivery |
| US7011410B2 (en) | 2000-11-22 | 2006-03-14 | Eyetect, L.L.C. | Method and apparatus for monitoring eye tremor |
| CA2449567A1 (en) * | 2001-06-13 | 2002-12-19 | Ckm Diagnostics, Inc. | Non-invasive method and apparatus for tissue detection |
| CA2448806C (en) * | 2001-06-13 | 2011-10-18 | Compumedics Limited | Methods and apparatus for monitoring consciousness |
| AU2002316349B2 (en) * | 2001-06-21 | 2008-04-10 | Covidien Lp | System and method for the detection and removal of radio frequency noise artifact from biopotential signals |
| US7171262B2 (en) * | 2002-01-28 | 2007-01-30 | Nihon Kohden Corporation | Vital sign display monitor |
| US7731360B2 (en) * | 2003-11-07 | 2010-06-08 | Neuro Kinetics | Portable video oculography system |
| US9757045B2 (en) * | 2004-01-27 | 2017-09-12 | Universiteit Gent | System and method for adaptive drug delivery |
| WO2006009767A1 (en) * | 2004-06-18 | 2006-01-26 | Neuronetrix, Inc | Wireless electrode for biopotential measurement |
| 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 |
| US7986996B2 (en) * | 2004-10-23 | 2011-07-26 | Bell John O | Passive monitoring of bioelectical signals and active electrical anesthesia stimulation |
| WO2007065133A2 (en) * | 2005-12-01 | 2007-06-07 | Lexicor Medical Technology, Inc. | Systems and methods for analyzing and assessing depression and other mood disorders using electroencephalographic (eeg) measurements |
| DK2076173T3 (da) * | 2006-09-29 | 2015-02-09 | Univ California | Overvågning af burst-suppression ved induceret koma |
| KR20080086055A (ko) * | 2007-03-21 | 2008-09-25 | 한국과학기술원 | 뇌파 측정 방법과 장치 및 그 방법을 실행시키기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체 |
| US8317752B2 (en) * | 2007-12-18 | 2012-11-27 | Hospira, Inc. | Touch screen system and navigation and programming methods for an infusion pump |
| US8517990B2 (en) | 2007-12-18 | 2013-08-27 | Hospira, Inc. | User interface improvements for medical devices |
| US9655515B2 (en) * | 2008-04-08 | 2017-05-23 | Neuro Kinetics | Method of precision eye-tracking through use of iris edge based landmarks in eye geometry |
| US8209004B2 (en) | 2008-06-23 | 2012-06-26 | Freer Logic, Llc | Body-based monitoring of brain electrical activity |
| US10398309B2 (en) | 2008-10-09 | 2019-09-03 | Neuro Kinetics, Inc. | Noninvasive rapid screening of mild traumatic brain injury using combination of subject's objective oculomotor, vestibular and reaction time analytic variables |
| US9039631B2 (en) | 2008-10-09 | 2015-05-26 | Neuro Kinetics | Quantitative, non-invasive, clinical diagnosis of traumatic brain injury using VOG device for neurologic testing |
| US8585609B2 (en) * | 2008-10-09 | 2013-11-19 | Neuro Kinetics, Inc. | Quantitative, non-invasive, clinical diagnosis of traumatic brain injury using simulated distance visual stimulus device for neurologic testing |
| WO2011025953A1 (en) * | 2009-08-28 | 2011-03-03 | Lexicor Medical Technology, Llc | Systems and methods to identify a subgroup of adhd at higher risk for complicating conditions |
| US20110157192A1 (en) * | 2009-12-29 | 2011-06-30 | Microsoft Corporation | Parallel Block Compression With a GPU |
| WO2012050847A2 (en) | 2010-09-28 | 2012-04-19 | Masimo Corporation | Depth of consciousness monitor including oximeter |
| US20130030267A1 (en) * | 2011-07-29 | 2013-01-31 | Nellcor Puritan Bennett Llc | Multi-purpose sensor system |
| CA2844807C (en) | 2011-08-19 | 2022-07-26 | Hospira, Inc. | Systems and methods for a graphical interface including a graphical representation of medical data |
| WO2013090709A1 (en) | 2011-12-16 | 2013-06-20 | Hospira, Inc. | System for monitoring and delivering medication to a patient and method of using the same to minimize the risks associated with automated therapy |
| US8961505B2 (en) * | 2011-12-27 | 2015-02-24 | Medtronic, Inc. | Electrosurgery detection |
| JP6306566B2 (ja) | 2012-03-30 | 2018-04-04 | アイシーユー・メディカル・インコーポレーテッド | 注入システムのポンプ内の空気を検出するための空気検出システムおよび方法 |
| EP3586891B1 (en) | 2012-07-31 | 2025-04-09 | ICU Medical, Inc. | Patient care system for critical medications |
| US8808179B1 (en) | 2012-08-06 | 2014-08-19 | James Z. Cinberg | Method and associated apparatus for detecting minor traumatic brain injury |
| US9060671B2 (en) | 2012-08-17 | 2015-06-23 | The Nielsen Company (Us), Llc | Systems and methods to gather and analyze electroencephalographic data |
| AU2014268355B2 (en) | 2013-05-24 | 2018-06-14 | Icu Medical, Inc. | Multi-sensor infusion system for detecting air or an occlusion in the infusion system |
| ES2845748T3 (es) | 2013-05-29 | 2021-07-27 | Icu Medical Inc | Sistema de infusión y método de uso que impiden la sobresaturación de un convertidor analógico-digital |
| CA2913915C (en) | 2013-05-29 | 2022-03-29 | Hospira, Inc. | Infusion system which utilizes one or more sensors and additional information to make an air determination regarding the infusion system |
| WO2015131108A2 (en) | 2014-02-28 | 2015-09-03 | Hospira, Inc. | Infusion system and method which utilizes dual wavelength optical air-in-line detection |
| US11344673B2 (en) | 2014-05-29 | 2022-05-31 | Icu Medical, Inc. | Infusion system and pump with configurable closed loop delivery rate catch-up |
| US10154815B2 (en) | 2014-10-07 | 2018-12-18 | Masimo Corporation | Modular physiological sensors |
| EP3900618B1 (en) | 2014-10-17 | 2024-11-20 | G-Tech Medical, Inc. | Systems and methods for processing electromyographic signals of the gastrointestinal tract |
| US11344668B2 (en) | 2014-12-19 | 2022-05-31 | Icu Medical, Inc. | Infusion system with concurrent TPN/insulin infusion |
| US10850024B2 (en) | 2015-03-02 | 2020-12-01 | Icu Medical, Inc. | Infusion system, device, and method having advanced infusion features |
| CA3023658C (en) | 2016-05-13 | 2023-03-07 | Icu Medical, Inc. | Infusion pump system and method with common line auto flush |
| AU2017277804B2 (en) | 2016-06-10 | 2022-05-26 | Icu Medical, Inc. | Acoustic flow sensor for continuous medication flow measurements and feedback control of infusion |
| EP3381354A1 (en) | 2017-03-31 | 2018-10-03 | Koninklijke Philips N.V. | Methods and system for processing an emg signal |
| US10089055B1 (en) | 2017-12-27 | 2018-10-02 | Icu Medical, Inc. | Synchronized display of screen content on networked devices |
| EP3942568A4 (en) * | 2019-03-18 | 2022-11-30 | Health Tech Connex Inc. | SYSTEM AND METHOD FOR AUTOMATIC MEASUREMENT OF EVOTED POTENTIAL |
| AU2020257200A1 (en) | 2019-04-17 | 2021-12-16 | Icu Medical, Inc. | System for onboard electronic encoding of the contents and administration parameters of IV containers and the secure use and disposal thereof |
| US11278671B2 (en) | 2019-12-04 | 2022-03-22 | Icu Medical, Inc. | Infusion pump with safety sequence keypad |
| US12383183B2 (en) | 2020-01-30 | 2025-08-12 | Medtronic, Inc. | Disturbance detection and removal in cardiac signals |
| AU2021311443A1 (en) | 2020-07-21 | 2023-03-09 | Icu Medical, Inc. | Fluid transfer devices and methods of use |
| US11135360B1 (en) | 2020-12-07 | 2021-10-05 | Icu Medical, Inc. | Concurrent infusion with common line auto flush |
| CN112932475B (zh) * | 2021-02-01 | 2023-02-21 | 武汉泰利美信医疗科技有限公司 | 血氧饱和度的计算方法、装置、电子设备及存储介质 |
| US12599716B2 (en) | 2021-10-12 | 2026-04-14 | Icu Medical, Inc. | Intravenous infusion pump with cassette insertion and pump control user interface |
| USD1091564S1 (en) | 2021-10-13 | 2025-09-02 | Icu Medical, Inc. | Display screen or portion thereof with graphical user interface for a medical device |
| CA3241894A1 (en) | 2021-12-10 | 2023-06-15 | Icu Medical, Inc. | Medical fluid compounding systems with coordinated flow control |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4421121A (en) * | 1980-10-03 | 1983-12-20 | Whisler John W | Method and apparatus for obtaining a non-cephalic referential electroencephalogram |
| US4407299A (en) * | 1981-05-15 | 1983-10-04 | The Children's Medical Center Corporation | Brain electrical activity mapping |
| US4846190A (en) * | 1983-08-23 | 1989-07-11 | John Erwin R | Electroencephalographic system data display |
| US4557270A (en) * | 1983-08-23 | 1985-12-10 | New York University | Electroencephalographic system for intra-operative open-heart surgery |
| US4716907A (en) * | 1985-08-23 | 1988-01-05 | Hiroshi Shibasaki | Apparatus for detecting electroencephalogram and evoked response with monopolar derivation method |
| US5269302A (en) * | 1991-05-10 | 1993-12-14 | Somatics, Inc. | Electroconvulsive therapy apparatus and method for monitoring patient seizures |
| US5458117A (en) * | 1991-10-25 | 1995-10-17 | Aspect Medical Systems, Inc. | Cerebral biopotential analysis system and method |
| US5287859A (en) * | 1992-09-25 | 1994-02-22 | New York University | Electroencephalograph instrument for mass screening |
| US5611350A (en) * | 1996-02-08 | 1997-03-18 | John; Michael S. | Method and apparatus for facilitating recovery of patients in deep coma |
-
1996
- 1996-12-24 US US08/773,100 patent/US5792069A/en not_active Expired - Lifetime
-
1997
- 1997-12-19 AU AU56150/98A patent/AU732539B2/en not_active Ceased
- 1997-12-19 AT AT97952570T patent/ATE247419T1/de not_active IP Right Cessation
- 1997-12-19 CA CA002275901A patent/CA2275901C/en not_active Expired - Fee Related
- 1997-12-19 EP EP97952570A patent/EP0957761B1/en not_active Expired - Lifetime
- 1997-12-19 JP JP52900498A patent/JP4025926B2/ja not_active Expired - Fee Related
- 1997-12-19 DE DE69724286T patent/DE69724286T2/de not_active Expired - Lifetime
- 1997-12-19 WO PCT/US1997/023624 patent/WO1998027864A1/en not_active Ceased
Also Published As
| Publication number | Publication date |
|---|---|
| ATE247419T1 (de) | 2003-09-15 |
| EP0957761A1 (en) | 1999-11-24 |
| CA2275901A1 (en) | 1998-07-02 |
| WO1998027864A1 (en) | 1998-07-02 |
| US5792069A (en) | 1998-08-11 |
| CA2275901C (en) | 2004-11-30 |
| DE69724286T2 (de) | 2004-07-01 |
| DE69724286D1 (de) | 2003-09-25 |
| AU5615098A (en) | 1998-07-17 |
| JP2001506905A (ja) | 2001-05-29 |
| AU732539B2 (en) | 2001-04-26 |
| EP0957761B1 (en) | 2003-08-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4025926B2 (ja) | Ｅｅｇ信号から心臓関連人工要素を抽出するシステム | |
| CN109561845B (zh) | 用于处理生理信号的处理装置 | |
| Park et al. | Automated detection and elimination of periodic ECG artifacts in EEG using the energy interval histogram method | |
| Pahlm et al. | Software QRS detection in ambulatory monitoring—a review | |
| US7684856B2 (en) | Detection of artifacts in bioelectric signals | |
| Shusterman et al. | Enhancing the precision of ECG baseline correction: selective filtering and removal of residual error | |
| JP4615724B2 (ja) | 胎児ｅｃｇ信号中の信号ノイズを低減する装置 | |
| WO2006023940A2 (en) | Detection of sleep-disordered breathing | |
| Modak et al. | A novel method of QRS detection using time and amplitude thresholds with statistical false peak elimination | |
| WO2007021645A2 (en) | Method and system for limiting interference in electroencephalographic signals | |
| CN108309290A (zh) | 单通道脑电信号中肌电伪迹的自动去除方法 | |
| CN111248900A (zh) | 一种基于单通道心脑信息耦合分析方法及系统 | |
| Lamesgin et al. | Extraction of fetal ECG from abdominal ECG and heart rate variability analysis | |
| CN111195124A (zh) | Ecg信号噪声处理方法及其装置、设备和存储介质 | |
| JP3171257B2 (ja) | 心電図から基線変動を除去する方法および装置 | |
| Melinda et al. | The effect of power spectral density on the electroencephalography of autistic children based on the welch periodogram method | |
| Haddix et al. | A comparison of eeg alpha rhythm detection by tripolar concentric ring electrodes and conventional disk electro des | |
| KR20100027460A (ko) | 다중 윈도우를 이용한 생체신호의 특성 파라미터 추출 장치및 방법 | |
| Akula et al. | Automation algorithm to detect and quantify electrocardiogram waves and intervals | |
| Makdessy et al. | A comparative analysis of ECG denoising methods | |
| Rankawat et al. | ECG artifacts detection in noncardiovascular signals using Slope Sum Function and Teager Kaiser Energy | |
| JP3953323B2 (ja) | Ｔ波交代拍動分析での分析信号法 | |
| Jafarifarmand et al. | Real-time cardiac artifact removal from EEG using a hybrid approach | |
| Jaimovich et al. | Creating biosignal algorithms for musical applications from an extensive physiological database | |
| CN110575159A (zh) | 一种信号基线复位方法、装置及监护仪 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20041213 |
|
| 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: 20070828 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20070925 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101019 Year of fee payment: 3 |
|
| 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: 20101019 Year of fee payment: 3 |
|
| S631 | Written request for registration of reclamation of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313631 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101019 Year of fee payment: 3 |
|
| R360 | Written notification for declining of transfer of rights |
Free format text: JAPANESE INTERMEDIATE CODE: R360 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101019 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101019 Year of fee payment: 3 |
|
| R370 | Written measure of declining of transfer procedure |
Free format text: JAPANESE INTERMEDIATE CODE: R370 |
|
| S631 | Written request for registration of reclamation of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313631 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101019 Year of fee payment: 3 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111019 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121019 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121019 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131019 Year of fee payment: 6 |
|
| 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 |