JPH0480692B2 - - Google Patents

Description

請求の範囲 １ 心拍のサイクルにおける事象の発生を検出す
るセンサ手段と； 連続する心拍における前記事象間の間隔を決定
するタイミング手段； 前記連続する心拍間の前記間隔を格納するバツ
フア手段と； 所定の間隔で前記バツフア手段に格納された値
を読出す手段と； 前記バツフア手段から読出された信号の非振動
部分を決定する手段と、前記読出した信号の非振
動部分を前記バツフア手段から読出した信号から
減算する減算手段とを有し、前記値を読出す手段
の出力に応答する第１フイルタ手段と； 前記第１フイルタ手段の出力を受取り、関心の
ある前記所定の周波数帯域によりバンドパス領域
が決定されるバンドパス領域の信号を出力する第
２フイルタ手段と；および 有律振動の分散を計算する出力手段とで構成さ
れる、関心のある所定の周波数帯域の心臓周期の
有律振動の振幅変化を検出するシステム。 ２ 生理反応パターンを検出するセンサ手段と： 前記反応パターンをデジタルに変換しそれによ
つて関心のある周波数帯域によりサンプリング周
波数が決定されるアナログ−デジタル変換手段
と； 前記アナログ−デジタル変換器からの生理反応
パターンの非振動部分を決定する非振動決定手段
と、前記アナログ−デジタル変換器の出力から前
記アナログ−デジタル変換器の出力の非振動部分
を減算する減算手段を有し、前記アナログ−デジ
タル変換器の出力に応答する第１フイルタ手段
と； 前記第１フイルタ手段の出力を受取り、関心の
ある所定の周波数帯域によりバンドパス領域が決
定されるバンドパス領域の信号を出力する第２フ
イルタ手段と；および 有律振動の分散を計算する出力手段とで構成さ
れる、関心のある所定の周波数帯域に発生する生
理反応パターンの有律振動の振幅分散を検出する
システム。 ３ 前記関心のある所定の周波数帯域は呼吸作用
に相関することを特徴とする請求の範囲１に記載
のシステム。 ４ 前記バツフア手段の出力を受取り前記連続す
る心拍の事象間の間隔を所定の範囲に調節する補
償手段をさらに有したことを特徴とする請求の範
囲１に記載のシステム。 ５ 前記第１フイルタ手段は2m＋１点のｎ次の
多項式に基づいて構成された移動多項式フイルタ
で構成され、これにより前記読出された信号の非
振動部分が決定され、前記読出した信号から減算
され前記第２フイルタ手段に出力される残差信号
を生ずることを特徴とする請求の範囲１に記載の
システム。 ６ ｍ＝10でｎ＝３である請求の範囲５に記載の
システム。 ７ ｍ＝25でｎ＝３である請求の範囲５に記載の
システム。 ８ 複数の生理反応パターンが検出され、前記出
力手段は、関心のある所定の周波数レンジに発生
する前記各反応パターンの計算した分散間の重み
付けされたコヒーレンスを供給するコヒーレンス
測定手段をさらに有したことを特徴とする請求の
範囲２に記載のシステム。 ９ 関心のある前記所定の周波数帯域は呼吸作用
に相関することを特徴とする請求の範囲２に記載
のシステム。 １０ 前記バツフア手段の出力を受取り、連続す
る心拍の事象間の間隔を所定レンジ内に調節する
補償手段をさらに有したことを特徴とする請求の
範囲２に記載のシステム。 １１ 前記第１フイルタ手段はｎ次元の2m＋１
点の多項式に基づいて構成された移動多項式フイ
ルタからなり、それによつて前記読出した信号の
非振動部分が決定され、前記読出した信号から減
算され、前記第２フイルタ手段に出力される残差
信号が出力されることを特徴とする請求の範囲２
に記載のシステム。 １２ ｍ＝10でｎ＝３であることを特徴とする請
求の範囲１１に記載のシステム。 １３ ｍ＝25でｎ＝３であることを特徴とする請
求の範囲１１に記載のシステム。 １４ 各有律振動のサイクルにおける複数の事象
の発生を検出するセンサ手段と； 前記連続事象の発生間隔を決定するタイミング
手段と： 前記間隔を格納するバツフア手段と； 所定の間隔で前記バツフア手段に格納された値
を読出す手段と； 前記バツフア手段から読出した信号の非振動部
分を決定する手段と、前記バツフア手段から読出
した信号から前記読出した信号の非振動部を減算
する減算手段を有し、前記読出し手段の出力に応
答する第１フイルタ手段と； 前記第１フイルタ手段の出力を受取り、前記所
定の周波数帯域により決定されるバンドパス領域
の信号を出力する第２フイルタ手段と；および 有律振動の分散を計算する出力手段とで構成さ
れる、関心のある所定周波数帯域における点過程
の有律振動の振幅分散を検出するシステム。 １５ 各有律振動のサイクルにおける複数の事象
の発生を検出するセンサ手段と； 前記連続事象の発生間隔を決定するタイミング
手段と： 前記間隔を格納するバツフア手段と； 所定の間隔で前記バツフア手段に格納された値
を読出す手段と； 前記バツフア手段から読出した信号の非振動部
分を決定する手段と前記バツフア手段から読出し
た信号から前記読出した信号の非振動部分を減算
する減算手段を有し、前記読出し手段の出力に応
答する第１フイルタ手段と； 前記第１フイルタ手段の出力を受取り前記所定
の周波数帯域により決定されるバンドパス領域の
信号を出力する第２フイルタ手段と；および 有律振動の分散を計算する出力手段とで構成さ
れる、関心ある所定周波数帯域における連続過程
の有律振動の振幅分散を検出するシステム。 １６ 点過程において発生する各有律振動のサイ
クルにおける複数の事象の発生を検出する第１セ
ンサ手段と； 連続過程において発生する前記各有律振動の連
続過程を検出し評価する第２センサ手段と； 前記第１センサ手段の出力に応答し前記連続事
象の発生間隔を決定するタイミング手段と； 前記間隔を格納するバツフア手段と； 所定の間隔で前記バツフア手段に格納された前
記間隔を読出す手段と； 前記第２センサ手段の出力をデジタルに変換し
それによつて、関心のある周波数帯域によりアナ
ログ−デジタル変換器のサンプリング周波数が決
定されるアナログ−デジタル変換手段と； 前記読出された間隔の少くとも１つおよび前記
アナログ−デジタル変換手段の出力の非振動部分
を決定する手段と、 前記バツフア手段から読出された間隔の少くと
も１つの前記アナログ−デジタル変換器の出力か
ら、前記読出された間隔の少くとも１つと前記ア
ナログ−デジタル変換器の非振動部を減算する減
算手段を有し、アナログ−デジタル変換手段の出
力と前記読出し手段に応答する第１フイルタ手段
と； 前記第１フイルタ手段の出力に応答し、関心の
ある所定の周波数により決定されるバンドパス領
域における信号を出力する第２フイルタ手段と； 各有律振動の分散を計算する出力手段と；およ
び 前記複数の有律振動のいずれか２つの計算され
た分散間の重ね付けされたコヒーレンスを供給す
るコヒーレンス測定手段とで構成される、点過程
および連続過程の１つに各有律振動が生じる所定
の周波数帯域における複数の信号の有律振動にお
ける振幅分散を検出するシステム。 明細書 非周期生理反応における周期振動を評価する装
置 技術分野 この発明は生理作用の多様性を定量化すること
に関し、特に心臓周期のような生理反応パターン
の周期の定量化に関する。 背景技術 生理反応系統の出力、例えば心拍度数パター
ン、周辺血管運動作用、電極電位、EEGのよう
な頭皮からの電位、血圧、体温および時間によつ
て識別し得る他のすべての生理作用といつたよう
な出力から有効な診断データを測定し判断するこ
とは、非振動基線上に重畳される有律振動によつ
て特徴づけられる場合が多いこのような反応パタ
ーンの性質から困難である。人体生理のきわめて
複雑な構造の基礎は信号を出力する構造にある。
すなわち、生理反応系統は単一入力信号により判
断されるのではなく、多くの、しばしば未定義の
構造の複雑な相互作用の結果である場合が多い。
例えば、特別の環境下で公知の生理構造を表わす
“動的平衡”振動を変化させることにより、神経
系統は多くの生理反応に強い衝撃を受ける。特に
心臓周期（心拍と次の心拍との間の時間）は他の
生理反応系統に共通の頻度に設定された振動をす
る。心臓周期は呼吸頻度、および血圧と周辺血管
運動作用が振動する頻度で振動する。この“呼
吸”頻度および“血管運動”頻度での心臓周期の
振動は特定の生理構造の表われと解釈することが
できる。振動という点から測定した生理作用を調
べる場合、診断データを得るための関心事のパラ
メータには振動の振幅、同一頻度の他の周期的生
理機能に対する振動の位相および同一頻度におけ
る２以上の生理系統間の連結あるいは密着性が含
まれる。関心のある信号の分離あるいは生理デー
タのドリフトを除去するための方法が多くある。
生理反応系統を監視するオンライン装置はほとん
ど、ハイパスフイルタ、ローパスフイルタ、バン
ドパスフイルタを有している。他の方法としては
工学や経済への応用のために開発された特定の統
計分析があるが、これは生理データのドリフトを
除去するのに使用されるためのものである。一般
に、従来技術のほとんどが、除去されるドリフト
（時間変動）が線形回帰又は遅いサイン波の合計
により特徴づけられると仮定している。これらの
方法は、呼吸を含む生理監視のある領域や心電図
のある領域では良く機能するように思われるが、
調べようとしている有律振動に相関する変化が、
振動が重畳される基線の不安定度に対して大きい
場合に限られる。他方関心のある振動に相関する
変化が生理反応系統の全体変化に比べて極めて微
少の場合、従来技術の方法に基づく仮説やドリフ
ト除去の装置は適用できない。 生理データのドリフトを除去するためにフイル
タリングを行う従来装置ができない例は、子宮収
縮に相関した心臓周期の変化が大きいのに対し、
胎児の心拍度数振動の振幅が非常に小さい場合で
ある。この場合、仮死状態にある低酸素症の胎児
が、子宮収縮に応答して基線におけて広範囲に及
ぶ心拍度数変動を示したとき、診断値である高速
振動心拍度数作用を評価するのは困難である。 有律振動の振幅のような振動過程の特性を評価
するのに使用される統計処理のほとんどはデータ
群から非振動成分を除去するために基線のドリフ
トを除去する。複雑な信号に含まれるこれらの振
動過程は、ドリフトを除去し、フイルタにかけ、
高速フーリエ変換（FFT）のようなスペクトル
分析を用いて振幅と振動性を描くステツプを含め
たシーケンスにより除去される。ドリフトを除去
し、フイルタにかけることにより、有律振動の振
幅を評価するために統計手法を可能にする非周期
成分を除去することにより“加工”された信号を
生成する。この“加工”信号はスペクトル分析に
より分解され、その分解が成分周波数に分割され
る。すなわちその分散は種々の振幅および周波数
を有したサイン波の合計として表わされる。この
ような処理の問題点は、正しく解釈するのに必要
な特定の統計仮説に、処理されるデータ群が反す
る場合データの解釈を誤ることである。 基線変動が微少であつたり、基線のドリフトが
解析前に容易に除去できる場合には、生理反応シ
ステムの振動成分を正確に識別し、定量化するの
にスペクトル分析を用いることができる。スペク
トル分析では、解析されるデータ群がほとんど変
化しないと仮定している。平均と分散が時間のそ
の自己共分散機能に無関係かどうかは遅れにのみ
依存する。（C.Chatfield，The Analysis of
Time Series；Theory and Practice，
Chapman and Hall 1975）．スペクトル分析で
は、データが少くとも弱い静止状態である場合に
限つて周期振動の振幅の信頼性を有しかつ解釈可
能な評価子が得られる。 生理反応系統特性のもう一つの難点は、それら
の特性が、“静止”していないということである。
このことは、生理反応系統が完全なサイン波形で
はなく、期待値レベルおよび分散値の両方に複雑
に変動する。従つて、その性質上、静止の仮説に
反する。従つて有律振動の振幅を評価するための
スペクトル解析は、いかなる特定の周波数帯域に
おいても、その有律過程の振幅評価は信頼性が無
いことは明らかである。複雑な基線変動を除去す
ることにより、フイルタをかけたデータ群の周期
振動の振幅を正確に測定することは可能かもしれ
ないが、基線変動を除去するために、生理反応作
用を時間軸に対して変動しないのに使われてきた
すべての既存のフイルタ手法および装置は、間違
つた仮説に基づいている。 鼓動同時記録器、脳波記録器、筋電図記録器と
いつたような多くの既存の生理監視装置は、ハイ
パスフイルタ、ローパスフイルタおよびバンドパ
スフイルタとして機能するハードウエアフイルタ
を有している。上述したように、このことは、デ
ータには非振動成分が無く、フイルタは関心領域
の周波数帯域を通過させるという仮説にはね返つ
てくる。しかしながらほとんどの生理系統のデー
タは非振動の時間変動を有しているので、種々の
フイルタを通過した周波信号の振幅の一部は、実
際には上述した複雑な非振動変動の一部であるフ
イルタを通過した分散量の関数である。従つて必
然的に従来装置のハードウエアフイルタでは、基
線は単に低速のサイン波の合計および線形変動で
あると仮定している。もし前記変動が複雑であ
り、線形変動や公知の周期性および振幅を有した
低速サイン波の合計である場合には、その低速の
複雑な変動を表わすのに必要なサイン波は、さら
に高速の周期性が前記関心領域信号の周波数に重
畳される可能性もある。それゆえ、この装置は従
前にデータ群から減算すべき変動の形態を知つて
おかなければならない。スペクトル分析の場合に
は、その変動に相関するスペクトル密度を全体の
データ群に相関するスペクトル密度から引く必要
がある。これは全体から見ると非実用的である。
何故ならフイルタを使用した場合、オペレータは
周期過程に相関する分散成分から変動に相関す
る、フイルタを通過した分散成分を分離すること
ができないからである。さらにオンラインにおい
て周期生理過程の状態変化を監視することができ
ない。 フイルタを用いて変動を除去するもう一つの方
法は“逐次差分化”と呼ばれる方法である。この
方法はデータ群全体にわたつて値を引くやり方で
ある。例えば、データポイント番号２からデータ
ポイント番号１を引き、データポイント番号３か
らデータポイント番号２を引くといつた具合であ
る。このフイルタの伝達関数により、どの周波数
が探査者にとつて興味があるかによりスペクトル
密度を過小評価あるいは過大評価してしまい、特
定の周波数における分散量の評価を誤る結果とな
る。さらに、“逐次差分化”フイルタは線形変動
除去と同様に、非振動変動の成分である高周波変
動の分散を通してしまうという欠点がある。 他の方法としては、低次多項式変動除去技術が
あるが、これは変動除去ができず又ピーク周波数
の識別と所定周波数における振幅評価の双方に影
響を及ぼすためスペクトルの形状に変化を生じて
しまう。 上述した従来装置における不適性かつ簡略化さ
れた仮説によつてもたらされるエラーを克服する
臨床および診断値は、生理過程の振動の振幅が、
特定の基礎になる構造のインデツクス変数として
作用する特殊な状況下で特に見られる。例えば心
臓周期の場合には、心臓の迷走神経（10番目の脳
神経）の影響のインデツクスとして、呼吸回数あ
るいは呼吸血脈という不整脈における心臓周期の
振動の振幅を解釈することができる。簡単に言え
ば、呼吸システムは、導入情報を脳幹に送り、そ
こで、心臓への迷走神経の遠心性を“開閉制御”
（オン、オフする）する。（すなわち迷走神経の遠
心性作用が吸入中に減少し、吐出しのときもとに
戻る）従つて呼吸周波数において起こる心臓の周
期振動では、その振幅が心臓に影響を及ぼす“遠
心性音に関する情報を伝搬する。臨床および診断
の関連性に関しては、頭がい内出血のような高度
の神経系統障害により心臓に影響を及ぼす迷走神
経の遠心性を減少する。それゆえ呼吸周波数帯域
における心臓周期振動の振幅は“脳への窓”を提
供し、中枢神経系統の機能障害の早期検査を行う
ことができる。 胎児の心臓周期によつて呈示される関連性に関
するさらに重要な点の１つは、心臓周期パターン
は、胎児の呼吸周波数帯域にあるような新生児の
呼吸の周期性では小さな振動が見られるというこ
とである。周期性は心臓周期パターンの全体の分
散の１パーセントをはるかに下回るので、周期作
用の振幅を評価し、検出する従来技術の方法に関
する上記した点はさらにきびしくなり、エラーを
起こしやすい。何故なら特定の周期作用が生ずる
分散のパーセントは胎児の心臓周期における生理
反応パターンの総分散に対してきわめて小さいか
らである。 胎児の心臓周期は主に胎児と母の動きおよび労
働中の子宮収縮の衝撃により影響される。上述し
たフイルタ技術のいずれか１つを用いて胎児の心
臓周期のスペクトル分析を行うと小さな振動は隠
れてしまう。これは分散のパーセントが非常に小
さいのでスペクトルに有意のあるいは認識できる
ようなピークが現われないからであり、又feto−
maternalの動きあるいは子宮収縮のいずれかに
関する複雑な変動の分散により、呼吸周波数帯域
よりも大きな分散を生じるからである。 総括すれば、スペクトル分析はデータが特定の
仮説をこわさない場合に限つて特定周波数帯域の
分散（振幅）の評価をすることができる。心臓周
期作用のような生理系統から生じたデータ群はほ
とんど非周期成分を含んでおり弱い静止性（すな
わち平均および振幅の期待値が時間に無関係であ
る）というきびしい仮説をくずす。これは、新生
児の呼吸周波数帯域の振幅の減少が脳損傷およ
び／又は幼児の生存度をおびやかす神経系統状態
にある場合にその組織の状態に関する危機情報
を、周期生理作用の振動の分散がたずさえている
場合には非常に重要である。同様に、変動を除去
するためのスペクトル分析やほとんどのフイルタ
技術は高速オンラインの使用には適さない。 発明の開示 この発明の目的は、複雑な変動と低速サイン波
に相関する分散を、“オンライン”で除去し、前
記複雑な変動と漸次シヌソイドに重畳されるとき
の急速周期振動を正確に評価することのできる装
置を提供することである。 この発明の他の目的は有律振動が非振動反応パ
ターン上に重畳されるときの周波数帯域上の有律
振動の振幅の評価を確実に行うことのできる方法
を取り入れることである。この方法は“移動多項
式フイルタ”（MPF）を用いて基線作用の変動を
無くすことにより基線ドリフトの影響を無くすこ
とを含んでいる。この移動多項式フイルタは２段
で構成される。初めに、区分的多項式を基線にあ
てはめ基線パターンを平滑化する。第２に平滑化
された基線パターンをもとのデータ群から減算す
る。残差は低周波がカツトされたフイルタをかけ
たデータ群を表わす。この方法による出力は、バ
ンドパスフイルタにかけられ、関心周波数に相関
するデータ群の分散のみを通すことができる。 この２つのフイルタ装置と方法による出力によ
り関心のある有律振動に相関する分散成分が提供
される。 さらにこの発明の他の目的は監視される周期過
程が弱い静止状態でない状況下において関心ある
振動の連続変動する振幅をオンラインで判断する
能力を提供し、変動を除去する前に全体の期間に
対するデータの修正を行うことなくオンラインで
振動の振幅を評価するように機能する。 さらにこの発明の他の目的は心拍度数を介して
中枢神経系統における障害を表示する臨床的に使
用可能な信号を出力する検出器とフイルタの構成
を提供することにより人間の中枢神経系統の機能
障害を検出する装置および方法を提供することで
ある。

【図面の簡単な説明】

この発明のさらに完全な評価と多くの利点は添
附図面とともに以下の記載を参照することによ
り、さらに良く理解し得る。 第１ａ図は非周期反応パターンに重畳された従
前の周波数帯域の有律振動を有した生理反応パタ
ーンを示す図；第１ｂ図は第１ａ図から除去され
る平滑された基線ラインテンプレートを表わす
図；第１ｃ図は第１ａ図のパターンから第１ｂ図
のテンプレートを引算した残差を表わす図；第２
図は非周期反応パターンに重畳された有律振動の
振幅を評価する装置のブロツク図；第３図は第２
図の移動多項式フイルタのグラフ図；および、第
４図は第２図のこの発明の方法および装置の臨床
上の重要性を示す図である。 この発明を実施する最良の形態 図面中同一部には同符号を付す。第１ａ図に非
周期反応パターン上に公知周波数帯域の有律振動
振幅の重畳が示されている。この複合信号は生理
反応パターンのモデルの役割を果す。 第１ａ図に示される複合系統の種類の一例とし
ては、心臓に対する迷走神経遠心性の呼吸作用に
よる“開閉”作用に相関する周期心臓周期作用の
振幅のスペクトル表示である迷走神経の緊張の測
定を行うために分離しなければならない心臓周期
の振動に相関する例である。呼吸周波数帯域に相
関する心臓周期作用スペクトル密度評価の累算に
より呼吸血脈とう不整脈の正確な測定を行うこと
ができる。呼吸血脈とう不整脈の振幅により測定
された迷走神経緊張は心拍度数の応答と今ある生
理機能障害とを結びつけるキーとなる。特に呼吸
低脈とう不整脈の振幅は中枢神経系統の機能障害
あるいは影響の指標として採用することができ
る。 診断道具として使用する臨床的に信頼性のある
情報を得るために、第１ａ図の有律振動は基礎と
なつている非周期信号から分離されなければなら
ない。 従つて、心臓周期作用がフイルタにかけられて
呼吸に相関する周波数のみが取り出されれば、新
しい一連の心臓周期が呼吸血脈とう不整脈を表わ
すことになる。シヌソイドの振幅は分散に単調に
関連しているので、帯域フイルタのかけられた心
臓周期から得られるシヌソイドの振幅は一種の一
呼吸ごとの呼吸血脈とう不整脈を表わす。迷走神
経の緊張の瞬時評価は、隣接するフイルタをかけ
た心臓周期振動のピークをつなぐ線形補間により
得ることができる。 生理反応パターンでは、非正弦波処理は基礎と
なる有律過程の評価を歪ませる。従つて特定の有
律過程に相関する分散又は振幅を評価する前にこ
れらの非周期の影響を取除く必要がある。一般
に、基線ドリフトを除去するために使用される方
法では、非周期の影響は線形回帰線を用いて除去
するか、全データ群を低次多項式に適合させるこ
とにより除去し得ると仮定してきた。しかしなが
ら、生理反応パターンにおけるほとんどの基線変
動は非振動であるので、多項式の適合や低速サイ
ン波の加算では適切にその変動を表わすことがで
きない。例えば、胎児では、心臓周期パターンの
変動にかなり高速の周波数（１分間25乃至75サイ
クル）がある。このパターンは心臓周期の低速の
移動に重畳し得るので評価するのが困難である。
このような低速移動の１つの原因は母体の子宮収
縮である。従つて、胎児の心臓周期の周期性は、
特定の時刻においては静止状態にあるが低速の複
雑な変動に重畳される。 子宮収縮に関連して胎児の心臓周期パターンの
複雑な変動は線形除去あるいは低次多項式を除去
することによつては除去できない。しかしなが
ら、軌跡３次多項式の移動平均をデータを介して
進め一連の所望のデータを得ることができる。こ
の移動平均はカーブに沿つて局部的に印加される
重み付けされた合計であり、これにより第１ｂ図
に示すような平滑化されたカーブすなわちテンプ
レートを得ることができる。次にこの低速作動の
テンプレートは生データから減算され、第１ｃ図
に示す残差列は、非振動成分の影響を受けず短区
分にわたり静止している有律過程を有している。
胎児の心臓周期パターンの場合には、残差は高速
変動で構成される時系列である。これらの高速変
動は長期間にわたり静止することはできない。何
故なら、振動の振幅は胎児の中枢神経系統変化状
態に応じて変わり得る。 第２ａ図および第２ｂ図は第１ａ図、第１ｂ図
および第１ｃ図に示すような生理反応パターンか
ら興味ある有律振動を除去するように作用する装
置を詳細に示したものである。センサ１はEKG
における心臓の鼓動に応じた内因性の生体電位を
検出するための電極ならびに呼吸や血流のような
反応系統を評価するための容積および血量計セン
サを含み人体からの生理作用を検出するピツクア
ツプを備えている。センサからの出力は心臓の鼓
動のような時間事象として表わされる点処理（第
２ａ図）として見えるか又は、呼吸中の脳部周囲
変化および指や頭皮の電位変位のような時間に対
して連続変化として表わされる連続処理（第２ｂ
図）として見える。第２ａ図に示す点処理の測定
を用いる場合、“事象又はピーク検出器”５と呼
ばれるセンサ装置の成分が点処理における特定の
事象の発生の時間を検出する。心臓周期の場合に
は、心室の収縮を表わすEGK内のＲ波の発生を
検出することである。ピーク検出器の出力はクロ
ツク回路７に供給され、クロツク回路は連続する
事象間の間隔を計時する。 クロツク回路の値は、後の使用のためにバツフ
ア９に格納され、このバツフア９の出力はＲ波の
発生のような関心事象間のタイミングを監視する
輪郭補償器１１に供給される。補償器は被検体の
知識にもとづいてＲ波間の期待される時間間隔範
囲に関する情報を有している。この輪郭補償器
は、後で残りの回路により解析される事象発生間
の特定の間隔を保持する。 この輪郭補償器により克服された問題点の中に
は不適当な事象検出を生ずる特定の心室不整脈に
関して起こる問題がある。例えば、心室期外収縮
の後に補償休止が続く。心室期外収縮は洞房結節
の規則的流出を阻止しない。心室期外収縮の鼓動
と補償休止後の鼓動を足した鼓動期間は２つの正
常な鼓動に等しい。重要なことは、心臓周期パタ
ーンにおいて表わされる呼吸血脈とう不整脈のよ
うな中間に位置する律動は洞房結節の自然に発生
する不整脈である。心室期外収縮はこれらの律動
を阻止したり影響を及ぼしたりしない。従つて、
呼吸血脈とう不整脈のような心臓周期動に相関す
る分散を正確に評価するには、心室期外収縮と補
償休止を訂正する必要がある。輪郭補償器は２つ
の時間周期を加算し、２で割ることにより心室期
外収縮と補償休止を調節する。従つて、輪郭補償
器は、バツフア９から送られた事象間の期間が被
検体にもとづく期待事象間隔の範囲からはずれる
と動作するようにプログラムされた加算器と割算
器にほかならない。この場合、輪郭補償器は期待
離間間隔に従つて事象間の離間を調節することに
よりこの事象を除去する。輪郭補償器１１が機能
的に重要な他の領域にはトリガされる“事象検出
器”の成分の衰退により鼓動が無い場合あるいは
早期にトリガされ鼓動が多すぎる場合である。こ
れらのいずれの場合にも、輪郭補償器は間隔を加
算するか、２で割ることにより正当な所定の間隔
をチエツクし保持する。 補償器からの出力は時間窓２０に供給される。
この時間窓２０は特定の時間フレームすなわち窓
内のＲ波のような検出される事象間の時間間隔を
測定する。例えば、時間窓を500msec毎に動作さ
せると、500msec毎の時間窓に対し心臓周期の評
価にデータ群が変換され移動多項式フイルタ９０
に出力される。時間間隔の判断は基礎となる工程
および移動多項式フイルタ９０の周波数特性とか
らめて行われる。時間窓のタイミングあるいは期
間は偽信号を防止するために厳格である。信号処
理技術で知られているように、偽信号は検出され
る周波数よりも速い周波数に相関する分散がある
ときに起こり、関心周波数帯域外からのこれらの
分散は関心周波数と折り重ねられる（すなわち加
算される）。心臓周期の偽信号を無くすには、時
間窓のサンプリング値が各鼓動を識別するＲ波事
象のほぼ２倍の速さになるように時間窓を設定す
れば良い。従つて、正常の心臓周期が１分間60だ
とすると、時間窓は２倍の速度すなわち１秒間２
事象に設定される。言い換えれば、時間窓は
500msec毎にデータをフイルタに出力するように
動作する。関心周波数の２倍に設定されたサンプ
リングレートの使用はBlakmanとTukeyによつ
て書かれた統計ルール（R.B.Blackman ＆ J.
W.Tukey，The Measurement of Power
Spetra，1959，New York：Dover）に基づく。
このルールは、検出される事象の２倍の速さでサ
ンプリングすれば非関心周波数からの偽信号も無
く全詳細を得るのに十分であるということを基本
的に実現している。言い換えれば、折り曲げ現象
を防止することができる。関心事象周波数の少く
とも２倍の周波数でサンプリングするという基本
ルールさえ守ればさらに狭い間隔（すなわち速い
サンプリングレート）に時間窓を設定できること
はもちろんである。 適切に移動多項式フイルタ（MPF）を採用す
るには、データは適切な時間間隔でサンプリング
されねばならない。移動多項式フイルタは時間領
域で機能し、データは等しい時間間隔でサンプリ
ングされると仮定するので、“連続処理”と呼ば
れるこれらの処理がその処理の最速振動に相関す
る分散を含む離散的過程を発生するレートでサン
プリングされなければならない。サンプリング間
隔の選択は厳格である。これは観測間隔の２倍以
下の周期がどの律動なのかを識別することができ
ないからである。より速い周波数（すなわち、サ
ンプリング間隔の２倍の期間より速い）は低速周
波数に“折りかえされる”すなわち“偽信号”が
作られることは数学的に立証することができる。
これは関心周波数帯域の分散の過大評価を引起こ
す。（P.Bloomfield，Fourie Anclysis of Time
Series：An Introduction，Wiley，1976）、第２
ｂ図に連続処理に必要な装置を示す。なお第２ａ
図と同一部は同符号を付す、基本的には、上述し
た連続処理の性質によりピーク検出器５、クロツ
ク回路７、バツフア９、補償器１１および時間窓
２０のかわりにアナログ／デイジタル変換器１４
を用いている。Ａ／Ｄ変換器１４のサンプリング
レートは、より速い振動に相関する分散がＡ／Ｄ
変換器１４からの“離散的過程”に含まれるよう
なレートで“連続過程”をサンプリングする必要
があるので点過程の時間窓に相似している。又連
続過程は等しい時間間隔でサンプリングしなけれ
ばならないが、事象間の時間間隔によつて表わさ
れる点過程（例えば心臓周期：連続する鼓動間の
時間）は適当な重み付をして変換するか等しい時
間間隔でサンプリングしなければならない。従来
技術では時間領域にフイルタ点過程を提供してい
ない。従つてこの発明の装置は点過程を等しい時
間間隔でサンプリングされた離散的過程に変換す
る。これにより時間領域フイルタを点過程に印加
することが可能である。連続過程の場合には、評
価される生理系統の知識を事前に持つことが必要
である。どんな周期成分が生理過程に入つている
かを知らないと、分散評価ができないことにな
る。移動多項式フイルタ（MPF）はさらにオン
ラインで振動の振幅を評価する能力を容易にす
る。これは変動を除去する前に全期間データ収集
する必要が無いからである。MPFは又調べる律
動過程が静止してないような状況でも機能し、オ
ンラインで関心振動の連続変動振幅を評価する能
力を提供する。 移動多項式フイルタは平滑テンプレートがデー
タ群から減算されるときハイパスフイルタとして
機能する。このフイルタを通過した周波数は、各
データ点が時間サンプリングされた測定値を表わ
す移動多項式に組込まれるデータ点の数によつて
定義される多項式の期間の関数である。生理応用
では３次多項式が最も適している。これはデータ
群における３次変動の除去を可能にするからであ
る。 時間窓データ群が供給される移動多項式フイル
タ９０はデータ群において各データ点をシーケン
シヤルに処理するデイジタルフイルタで構成され
る。低次の多項式は非振動変動を表わすために
“局部”レベルに適合する。全データ群に対する
多項式の適合あるいは変動は多くの実用的および
統計的問題に影響を受けるけれども、平滑機能
は、非常に一般的な状態で、多項式により、かな
りの高精度で局部的に表わすことができる。デー
タを介して局部多項式をステツプすることによ
り、データ群を平滑化し複雑な非振動過程を記述
することができる。“平滑化”された変動が元の
データから減算されると、残差は、複雑な非周期
過程に汚されていない、より速い周期作用を正確
に表現したフイルタをかけたデータ群を表わして
いる。 多項式はデータ点ｍ＋１の“変動”値を判断す
るのに最初の2m＋１のデータ点に適合する（す
なわち多項式に適合したデータ点の範囲の中央）。
データ点ｍ＋２の変動値を判断するには、同じ次
元の多項式が、１時間点だけ先に進んだもう１つ
の2m＋１データ点に当てはめられる。この処理
は、多項式が最後の2m＋１データ点にあてはめ
られる迄データ群全体に続けられる。このフイル
タは移動多項式により判断された変動値がもとの
データから減算されるときつくられる。従つて
“移動多項式フイルタ”の名前がある。データ群
の始めと終りのｍデータ点は無効にされる。この
処理は係数を有した生理作用の観察の線形の組合
せをとることと同じであるので、係数は特定の次
元の多項式に対して一度だけ計算すれば良く、点
の数と係数はすべての時間的に続いて起こる応用
例に使用することができる。（M.G.Kendall，
Time Series，1973，Griffin参照） ３次元多項式は一般的にはa₀＋a₁ｔ＋a₂t²＋a₃
t³で表わされる。但しｔは時間を表わし、定数
“ａ”は_n 〓^t=-m （Y_t−a₀−a₁ｔ−a₂t²−a₃t³）²を最小
にする最小２乗の原理によつて決定される。但し
Y_tは時刻ｔにおける生の変換されていないデー
タ点を表わし、ｍは多項式の中間点の各サイドの
時間窓の数である。21点の例の場合、中間点の各
サイドにｍは10の500msecの時間窓があることに
なる。しかし−ｍおよび＋ｍデータ点の情報を用
いて時刻ｔ＝０（すなわち多項式の中間点）にお
ける変換された“変動値”を発生することにのみ
関心があるので、最良の３次元多項式の適合すな
わち生データと時刻ｔ＝０における平滑された
“変動”との最小２乗差を生じるように2m＋１デ
ータ点の各々に印加される重み係数を表わすa₀の
みを計算すれば良い。a₀は重み係数群であり2m
＋１データ点の各々にそれぞれ１つずつ適合され
る。一連の数学的計算を通して、1973年Griffin
著“Time Series”の３章にM.G.Kendallによつ
て書かれた所定次元Ｐ、点の数2m＋１によつて
定義された特定の多項式に対してa₀が計算され
る。次元Ｐと時間点2m＋１の数の多項式に対す
る最小２乗差を最小にする一般的な式は _n 〓^t=-m （Y_t−a₀−a₁ｔ−……a_Pt_p）² で示される。移動多項式は２つの重要な特性を有
している。初めに、係数の重みを足すと１にな
る。これは繰返される定数から単に構成される級
数に係数が印加されれば容易にわかる。これは平
均値が定数と同じになるはずだからである。第２
に重みは中間値に対して対称だからである。上述
したように、移動多項式フイルタに使用される重
み係数は“実際の”観察したデータ群Y_tと次元
“ｐ”と2m＋１のデータ群の多項式間の最小２乗
差を最小にするような係数である。上述の例で
は、ｐ＝３（すなわち３次元）であり2m＋１＝21
である。あるデータ群（実数又は仮数）にあては
まる多項式に対して重み係数が一度計算される
と、新しい係数を発生する必要は無い。 下記のものは点の数に制限が無く、５次元以下
の多項式の係数を発生するコンピユータプログラ
ムである。

【表】

【表】 例として３次の７，21および35の点の多項式が提
供される。係数の和はほぼ１である。コンピユー
タは分数を10進数として概算するので正確に１に
はならない。 ３次元 ７点 −0.9524 ．14286 ．28571 ．33333 ．28571 ．14286 ．09524 ３次元 35点 −0.3707 −0.3703 −02548 ．−01460 ．−00442 ．00505 ．1383 ．02190 ．02927 ．03594 ．04191 ．04717 ．05174 ．05560 ．05876 ．06121 ．
06297 ．06402 ．06437 ．06402 ．06297 ．06121 ．05876 ．
05560 ．05174 ．04717 ．04191 ．03594 ．02927 ．02190 ．
01383 ．00505 −．00442 ．−01460 ．−02548 ．−03707 ３次元21点 −0.5590 −0.2484 ．00294 ．02746 ．04871 ．
06669 ．08140 ．09284 ．10101 ．10592.10755 ．10592 ．
10101 ．09284 ．08140 ．06669 ．04871 ．02746 ．00294 ．−
02484 ．−05590 第３図は第２ａ図の時間窓２０からデータ群出
力３０に作用する移動多項式フイルタを表わすグ
ラフである。第２図のフイルタ９０は最小２乗３
次元多項式から得られる２１の係数群をデータ３
０に供給するように構成されている。21（2m＋
１）点の各々の係数は第３図に示すようにカーブ
でプロツトされる。従つて実際カーブの構成が第
３図に示される。 一度係数が計算されると、データ群が対応する
係数と乗算され第１Ｂ図に示す平滑化された変動
であるテンプレートを生じる。このテンプレート
の信号は次に、移動多項式フイルタからの出力と
して第１ｃ図に示す信号を得るように時間窓から
出力されたデータ群を有する第１Ａ図のものとデ
ータ群から減算される。点１１に相関するテンプ
レートの値は点１と21の各各をそれぞれ対応する
正規化された係数と乗算することにより得られそ
れらの値を加算して点11に対応するテンプレート
点の値を得る。多項式の係数の和は１になるの
で、正規化は自動的に考慮され、生データ点11に
相当する平滑テンプレートの値は単に生データ点
１乃至21の値をカーブから得られる対応する係数
と乗算した値をすべて加算するだけで得られる。
生データ点11の対応するテンプレート点を作るた
めの加算が行われた後、フイルタはいわゆるデー
タ点12に移動し、データ点12の計算が、データ点
２乃至22の値をデータ点12の中心にある対応する
係数と乗算することにより決定される。従つて、
“移動多項式”という用語がある。又21点多項式
フイルタが使用された場合、点１乃至10の計算は
無いし、データ群の最後の10点の計算もない。こ
れは、生データの各特定点の計算は過去から10の
データ点と将来のデータ点から10のデータ点が必
要なためである。データ点に数の基づいて対応す
る計算された係数の一般化された多項式に従つた
フイルタ装置の構成は１度係数の値が決定される
とハードウエアで構成し得る。何故ならこの係数
は特定の次元と点の数の多項式に対して定数だか
らである。 一節の有効情報を供給する多項式フイルタのキ
ー領域の１つは多項式により適合されるデータ点
の数の選択である。例えば心拍度数の場合のに
は、心拍度数に影響をおよぼす関心周波数である
呼吸波数がおよそ0.25ヘルツすなわち４秒おきに
呼吸している場合、関心のある呼吸処理の分散が
減衰されずに通過することを保証するために“２
倍期間ルール”を働らかせる。このルールは基本
的にはフイルタのカツトオフ周波数の形状を判断
するフイルタの伝達関数の形状と生理処理の周波
数が一定ではなく推測可能な範囲内で変化すると
いう事実を取扱うために、調べている周期処理の
モード期間のほぼ２倍の局部的に適合した期間を
有した多項式を用いることにより、関心のある周
期処理の分散は減算されずにすなわち粉飾されず
に通過される。このルールを用いて、１分間に15
回呼吸するモード呼吸周波数により特徴づけられ
る呼吸周波数帯域の関心のある全点の通過を保証
するのに必要な多項式フイルタの時間間隔は８秒
である。呼吸周波数は0.25ヘルツで一定でななく
およそ0.15乃至0.40ヘルツの変動がある。モード
周波数（すなわち支配周期生）は被検体によつて
異るが大部分の大人は0.15乃至0.40ヘルツの周波
数の間で呼吸する。それゆえ21点の多項式フイル
タは、時間窓から得られる各点は500msec分離さ
れるのでこの要求を満足し、それゆえ呼吸のため
に発生する関心の事象を通過させるのに10.5秒の
時間フレームは21点の中に包含される。フイルタ
装置の応用例によつてはある場合には点の数をあ
まり広げない方が良い場合がある。これはより低
速の振動過程および非振動過程に相関する分散を
効果的に通過させるためである。整理処理は完全
なサイン波ではないので、より低周波の生理作用
は常に関心のある周波数帯域の分散に重畳し得る
高周波高調波を通過させる。 多項式を３次元にすることにより３次元の変動
に応答かつ“適合”する能力がかなり強調され
る。さらに高次の多項式を局部レベルでより速い
周期に作ることもできるが低次の多項式は基線変
動により変形できない。従つて、要約すれば、３
次元多項式はより高速の周期成分に作用すること
なく応答パターンの傾斜を作図できる。 帯域フイルタ９４は出力分散を関心のある周期
のみに減少するためにMPFの出力に加算される。
これは調べている生理律動を事前に知つておく必
要がある。例えば、呼吸血脈とう不整脈に関して
は試験される人体の年令に対する通常の呼吸範囲
により決定される。この帯域フイルタの出力は関
心のある周波数帯域の分散に等しく分散計算器お
よびデイスプレイ装置７６に出力される。すべて
の生理振動は完全なサイン波ではないので、周期
生は周波数の帯域にわたつて評価される。従つ
て、この周波数の帯域に相関する分散の合計が必
要になる。この合計はスペクトル分析を用いて時
間周期ごとに計算でき関心のある周波数に相関す
るスペクトル濃度を加算することにより計算でき
る。同様に、高速かつ連続に評価する必要がある
場合には、帯域フイルタの出力から伝統的な統計
学により分散を計算することができる。心臓周期
の有律振動は、上述した処理を通した背景作用と
明瞭に識別され、上述した２つの方法のいずれか
で計算された分散は迷走神経の緊張を評価する。 上述した分析では、帯域フイルタ９４はMPF
の出力を受取り関心ある周波数のみを通過する。
これは、呼吸血脈とう不整脈の場合には、大人は
呼吸に相関する周期生のみを通過させることがで
きるように１秒間0.15乃至0.40サイクルの帯域を
必要とする。 ２つ以上の生理過程を結合したものを評価する
必要がある場合、フイルタ処理により供給された
２つの直列出力をクロススペクトル分析により解
析し、重み付けされたコヒーレンスを計算するこ
とができる。これは第２図にブロツク９８として
示されている。重み付けされたコヒーレンス
（Porges他著“New timeseries atatistic for
detecting rhythmic cocoherence in the
frequency domain：The weighted coherence
and its application to psychophysiological
research，”Psychological Bulletin，1980，88，
580−587参照）はスペクトル密度によつて周波数
の帯域にわたつてコヒーレンス関数に重み付をす
ることにより得られる。上述の方法により得られ
たスペクトル密度の正確な評価は重み付けされた
コヒーレンスを適切に評価するのに必要である。 第４ａ図および第４ｂ図は第２図の構造により
上述した解析結果を臨床に応用した場合を示して
いる。迷走神経の緊張と呼ばれる中枢神経系統に
より直接影響される心拍度数パターンの成分の検
出と評価は第２図の出力により成される。正常な
幼児グループと重度の脳損傷を含む種々の病状を
有したグループの迷走神経の緊張の評価は第４ｂ
図に詳細に示されている。さらに全体の心臓周期
変化が収集された。第３図の構成を採用した実施
例により検出された迷走神経緊張と機能障害の深
刻さとの間には明らかに単調な関係がある。従つ
て第４ａ図に示すように心臓周期の変化に関して
同じ幼児がランクされる。死んだ幼児と他の全て
の幼児との間にのみ明瞭な区分がある。心臓にお
よぼす神経的影響が欠如したことで特徴づけられ
る脳死した幼児と他の幼児とでは心臓周期の変化
は明瞭に識別されるが神経管欠かん、呼吸困難症
候群を有した幼児と正常な幼児との間では区別が
つかなかつた。第４ａ図および第４ｂ図のスケー
ル上の文字は各幼児の診断内容あるいは障害内容
を示す（Ａ＝窒息、RPD＝気管支梢肺疾患形成
異常、CA＝心臓停止、Ｈ＝脳水腫、Ｍ＝小頭症、
Ｎ＝正常、RDS＝呼吸困難症候群、＊は死んだ
幼児を示す）。重度の脳損傷の場合には短かい心
臓周期であることが多いけれども種々の病状にお
ける心臓周期は識別できなかつた。第４ａ図の心
臓周期変化により幼児を２つのグループに分け、
他方第２図の実施例によつて測定された第４ｂ図
の神経緊張による分類により神経病状の困難度の
連続表示を可能にした。従つて、この種の診断の
表示として従前用いられた第４ａ図の心臓周期変
化は全体の病状には感応するが第４ｂ図に使われ
た神経緊張は中枢機能障害における個人差にさら
に良く感応する指標であることは明らかである。 上述した開示にもとづいてこの発明を種々変形
実施できることはもちろんである。それゆえ、添
附したクレームの範囲内で、ここに述べた以外に
もこの発明は実施し得る。