特開 2023-57542 訓練を受けたニューラルネットワークを使用する心電図信号における干渉の抑制

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2023057542

(43)【公開日】2023-04-21

(54)【発明の名称】訓練を受けたニューラルネットワークを使用する心電図信号における干渉の抑制

(51)【国際特許分類】

   A61B 5/346 20210101AFI20230414BHJP

   A61B 5/367 20210101ALI20230414BHJP

【ＦＩ】

A61B5/346

A61B5/367

【審査請求】未請求

【請求項の数】10

【出願形態】ＯＬ

【外国語出願】

(21)【出願番号】P 2022162212

(22)【出願日】2022-10-07

(31)【優先権主張番号】63/254,323

(32)【優先日】2021-10-11

(33)【優先権主張国・地域又は機関】US

(31)【優先権主張番号】17/898,676

(32)【優先日】2022-08-30

(33)【優先権主張国・地域又は機関】US

(71)【出願人】

【識別番号】511099630

【氏名又は名称】バイオセンス・ウエブスター・（イスラエル）・リミテッド

【氏名又は名称原語表記】Ｂｉｏｓｅｎｓｅ Ｗｅｂｓｔｅｒ （Ｉｓｒａｅｌ）， Ｌｔｄ．

(74)【代理人】

【識別番号】100088605

【弁理士】

【氏名又は名称】加藤 公延

(74)【代理人】

【識別番号】100130384

【弁理士】

【氏名又は名称】大島 孝文

(72)【発明者】

【氏名】アサフ・ゴバリ

(72)【発明者】

【氏名】アンドレス・クラウディオ・アルトマン

(72)【発明者】

【氏名】バディム・グリナー

【テーマコード（参考）】

4C127

【Ｆターム（参考）】

4C127AA02

4C127BB05

4C127CC01

4C127KK03

(57)【要約】

【課題】心電図信号における干渉を抑制する方法及びシステムを提供すること。
【解決手段】方法は、患者の心臓において取得され、干渉によって歪められた第１の心電図（ＥＣＧ）信号を受信することを含む。第１のＥＣＧ信号の取得と同時に干渉を感知する１つ以上の外部信号が、心臓外部の１つ以上の情報源から受信される。訓練を受けたニューラルネットワーク（ＮＮ）を、第１のＥＣＧ信号及び１つ以上の外部信号に適用することによって、干渉が第１のＥＣＧ信号に対して抑制される第２のＥＣＧ信号が生成される。
【選択図】図１

【特許請求の範囲】

【請求項1】

システムであって、
（ｉ）患者の心臓において取得され、干渉によって歪められている第１の心電図（ＥＣＧ）信号、及び（ｉｉ）前記心臓外部の１つ以上の情報源から受信され、前記第１のＥＣＧ信号の取得と同時に前記干渉を感知する１つ以上の外部信号を受信するよう構成されている、インターフェースと、
訓練を受けたニューラルネットワーク（ＮＮ）を、前記第１のＥＣＧ信号及び前記１つ以上の外部信号に適用することによって、前記干渉が前記第１のＥＣＧ信号に対して抑制される第２のＥＣＧ信号を生成するよう構成されている、プロセッサとを備える、前記システム。

【請求項2】

前記干渉が、１つ以上のスペクトル線、及び前記１つ以上のスペクトル線の１つ以上の高調波を含む、請求項１に記載のシステム。

【請求項3】

前記プロセッサが、（ｉ）前記干渉によって歪められていない１つ以上の訓練ＥＣＧ信号、並びに（ｉｉ）１つ以上の個々のスペクトル線及び１つ以上の個々の高調波をそれぞれ有する、１つ以上の訓練干渉信号を使用して、前記ＮＮを訓練するよう構成されている、請求項２に記載のシステム。

【請求項4】

前記プロセッサが、少なくとも５つの層を有するオートエンコーダ人工ＮＮを訓練するよう構成されている、請求項２に記載のシステム。

【請求項5】

前記スペクトル線の前記少なくとも１つが、出力信号の交流電流（ＡＣ）を含む、請求項２に記載のシステム。

【請求項6】

患者の心臓において取得され、干渉によって歪められた第１の心電図（ＥＣＧ）信号を受信することと、
前記第１のＥＣＧ信号の取得と同時に前記干渉を感知する１つ以上の外部信号を前記心臓外部の１つ以上の情報源から受信することと、
訓練を受けたニューラルネットワーク（ＮＮ）を、前記第１のＥＣＧ信号及び前記１つ以上の外部信号に適用することによって、前記干渉が前記第１のＥＣＧ信号に対して抑制される第２のＥＣＧ信号を生成することと、
を含む、方法。

【請求項7】

前記干渉が、１つ以上のスペクトル線、及び前記１つ以上のスペクトル線の１つ以上の高調波を含む、請求項６に記載の方法。

【請求項8】

（ｉ）前記干渉によって歪められていない１つ以上の訓練ＥＣＧ信号、並びに（ｉｉ）１つ以上の個々のスペクトル線及び１つ以上の個々の高調波をそれぞれ有する、１つ以上の訓練干渉信号を使用して、前記ＮＮを訓練することを含む、請求項７に記載の方法。

【請求項9】

前記ＮＮを訓練することが、少なくとも５つの層を有するオートエンコーダ人工ＮＮを訓練することを含む、請求項７に記載の方法。

【請求項10】

前記スペクトル線の前記少なくとも１つが、出力信号の交流電流（ＡＣ）を含む、請求項７に記載の方法。

【発明の詳細な説明】

【技術分野】

【0001】

（関連出願の相互参照）
本出願は、２０２１年１０月１１日出願の米国仮特許出願第６３／２５４，３２３号の利益を主張し、その開示は、参照により本明細書に組み込まれる。

【0002】

（発明の分野）
本発明は、概して、医療装置に関し、特に心電図信号における干渉を抑制する方法及びシステムに関する。

【背景技術】

【0003】

患者の器官の器官から取得した信号の質を改善するための、ニューラルネットワークの応用などのさまざまな技法が、当分野において公知である。

【0004】

例えば、米国特許出願公開第２０２０／０２１４５９７号は、いくつかの対象に由来する高周波（ＨＦ）ＱＲＳ信号（又は、導かれた値若しくは特徴）のサンプリング、及び例えば、（ｉ）サンプル全体の同じ対象にとって十分に類似しているが、（ｉｉ）異なる対象間で十分に異なる特徴又は値を見出して特定することを可能にする深層学習畳み込みニューラルネットワークの使用を記載している。同様に、シグネチャを見出すことであって、これらのシグネチャが偏差閾値内にあるよう、特定の期間にわたり十分に安定なシグネチャを見出し、次いで、偏差閾値を確立するために使用される期間と少なくとも同じ頻度で特定されるべきすべての対象をモニタリングすることが開示されている。

【0005】

インド特許出願第ＩＮ２０１８４１０１５７６７（Ａ）号は、マルチレート信号処理、ＡＮＦＩＳアルゴリズム、移動平均フィルタリング及びウェーブレット脱ノイズ技法の統合である、質の低い腹部ＥＣＧからの胎児ＥＣＧの抽出を記載している。この発明は２つの段階で実施され、初期段階では、母体構成要素の大部分が特定及び除去されるマルチレート処理技法が使用される。第２の段階では、残りの母体構成要素が、ハイブリッド学習技法を用いるＡＮＦＩＳアルゴリズムによって特定され、次いで除去される。抽出された信号は、更に後処理されて、ベースラインワンダーノイズ及び他のノイズ構成要素を除去して、ノイズのない（clean）胎児ＥＣＧを得る。

【0006】

米国特許出願公開第２０２０／０２６０９８０号は、人工知能を使用する自己学習型動的心電図検査分析方法を記載している。この方法は、データを事前処理すること、深層学習法に基づいて、心臓活動特徴検出、干渉信号検出及び心臓活動分類を実行すること、信号の質評価及び主な組合せを実行すること、心臓活動を検査すること、心電図事象及びパラメータに関する解析計算を実行すること、次いで報告データを自動的に出力することを含む。この方法は、迅速かつ包括的な動的心電図検査プロセスのための自動解析方法、及び自動解析結果の変更情報の記録を実現すると同時に、継続的な訓練を行うために、変更データを収集してこれを深層学習モデルにフィードバックし、これによって、自動解析方法の精度を継続的に改善して強化する。同様に、人工知能を使用する、自己学習型動的心電図検査分析装置が開示されている。

【発明の概要】

【課題を解決するための手段】

【0007】

本明細書に記載されている本発明の実施形態は、患者の心臓において取得され、干渉によって歪められた第１の心電図（ＥＣＧ）信号を受信することを含む、方法を提供する。第１のＥＣＧ信号の取得と同時に干渉を感知する１つ以上の外部信号が、心臓外部の１つ以上の情報源から受信される。訓練を受けたニューラルネットワーク（ＮＮ）を、第１のＥＣＧ信号及び１つ以上の外部信号に適用することによって、干渉が第１のＥＣＧ信号に対して抑制される第２のＥＣＧ信号が生成される。

【0008】

一部の実施形態では、干渉は、１つ以上のスペクトル線、及び１つ以上のスペクトル線の１つ以上の高調波を含む。他の実施形態では、本方法は、（ｉ）干渉によって歪められていない１つ以上の訓練ＥＣＧ信号、並びに（ｉｉ）１つ以上の個々のスペクトル線及び１つ以上の個々の高調波をそれぞれ有する、１つ以上の訓練干渉信号を使用し、ＮＮを訓練することを含む。

【0009】

実施形態では、ＮＮを訓練することは、少なくとも５つの層を有するオートエンコーダ人工ＮＮを訓練することを含む。別の実施形態では、スペクトル線の少なくとも１つは、出力信号の交流電流（ＡＣ）を含む。

【0010】

本発明の実施形態によれば、インターフェース及びプロセッサを含むシステムが更に提供される。インターフェースは、以下：（ｉ）患者の心臓において取得され、干渉によって歪められている第１の心電図（ＥＣＧ）信号、及び（ｉｉ）心臓外部の１つ以上の情報源から受信される１つ以上の外部信号を受信して、第１のＥＣＧ信号の取得と同時に干渉を感知するよう構成されている。プロセッサは、訓練を受けたニューラルネットワーク（ＮＮ）を、第１のＥＣＧ信号及び１つ以上の外部信号に適用することによって、干渉が第１のＥＣＧ信号に対して抑制される第２のＥＣＧ信号を生成するよう構成されている。

【0011】

本発明は、以下の「発明を実施するための形態」を図面と併せて考慮することで、より完全に理解されよう。

【図面の簡単な説明】

【0012】

【図1】本発明の実施形態による、カテーテルベースの追跡及びアブレーションシステムの概略描画図である。

【図2A】本発明の実施形態による、歪められたＥＣＧ信号における干渉を抑制するための、ニューラルネットワーク（ＮＮ）の訓練を例示する、概略ブロック図である。

【図2B】本発明の実施形態による、患者の心臓から受信した歪められたＥＣＧ信号に対して干渉が抑制されたＥＣＧ信号を生成するために、訓練を受けたＮＮの適用を例示する概略ブロック図である。

【図3】本発明の実施形態による、患者の心臓から受信した歪められたリアルタイムＥＣＧ信号における干渉を抑制する方法を概略的に例示するフローチャートである。

【発明を実施するための形態】

【0013】

概説
電気生理学的（ＥＰ）マッピングを含む手順などの医療手順の間に、患者の心臓から取得した心電図（ＥＣＧ）信号は、患者の心臓外部の１つ以上の情報源から受信した他の信号からの干渉によって歪められるおそれがある。このような信号の情報源の一例は、約５０Ｈｚ又は６０Ｈｚの周波数を有する電力グリッドのスペクトル線、及びこれらのスペクトル線の少なくとも１つの１つ以上の高調波を含むことができる。

【0014】

原理的に、干渉の少なくとも一部を抑制し、歪められていないＥＣＧ信号を生成するため、さまざまなタイプのアルゴリズム又は他の技法を使用することが可能である。しかし、このような技法における干渉の抑制は、長い時間を必要とすることがあり、歪められていないＥＣＧ信号の生成は、リアルタイムで、例えば、ＥＣＧ信号を取得する際に実施されなければならない。更に、歪められていないＥＣＧ信号を医師にリアルタイムで、例えば、医療手順の実施と同時に提示することが重要である。

【0015】

本明細書のこれ以降に記載されている本発明の実施形態は、患者の心臓から取得した歪められたＥＣＧ信号の質を改善するための技法であって、質の改善が、リアルタイムで、例えば、歪められたＥＣＧ信号の受信から１秒未満以内に行われる、技法を提供する。一部の場合、歪みは、上記のとおり、電力グリッド信号のスペクトル線、及びその個々の高調波によって引き起こされることがある。

【0016】

一部の実施形態では、電力グリッド信号のスペクトル線及び高調波を抑制することによる、ＥＣＧ信号の質を改善するためのシステムは、インターフェース及びプロセッサを備える。

【0017】

一部の実施形態では、プロセッサは、少なくとも５つの層、通常、約１０の層を有するオートエンコーダ人工ＮＮなどの、ニューラルネットワーク（ＮＮ）のモデルを収容するよう構成されており、ＮＮモデルの例が、以下の図２Ａに記載されている。

【0018】

一部の実施形態では、プロセッサは、上述の出力信号の干渉によって歪められていない１つ以上の訓練ＥＣＧ信号を使用して、ＮＮを訓練するよう構成されている。訓練ＥＣＧ信号は、例えば、普通のＥＣＧ信号において歪みを抑制することによって、又は例えば特定の心臓疾患に関する、関心特徴を有する合成ＥＣＧ信号を生成することによって、前もって準備されていてもよい。

【0019】

一部の実施形態では、プロセッサは、訓練ＥＣＧ信号に加え、１つ以上の個々のスペクトル線及び１つ以上の個々の高調波をそれぞれ有する、１つ以上の訓練干渉信号を使用して、ＮＮを訓練するよう構成されている。例えば、訓練干渉信号のスペクトル線及び高調波は、欧州－アジア又は北米においてそれぞれ使用されている、配電網の出力信号、例えば、約５０Ｈｚ又は６０Ｈｚに典型的な、１つ以上の周波数を有することができる。訓練を完了した後、プロセッサは、ソフトウェアに、又はハードウェアに、又はそれらの好適な組合せ物に実装することができる訓練を受けたＮＮを有する。

【0020】

一部の実施形態では、ＮＮの訓練後及びＥＰマッピングの間に、インターフェースは、患者の心臓において取得されるＥＣＧ信号であって、本明細書において、第１のＥＣＧ信号とも称される、ＥＣＧ信号を受信するよう構成されている。一部の場合、第１のＥＣＧ信号は、電力グリッド信号のスペクトル線及び高調波によって引き起こされる干渉により歪められている。

【0021】

一部の実施形態では、インターフェースはまた、第１のＥＣＧ信号の取得と同時（例えば、ＥＰマッピングの間）に、干渉を感知する、１つ以上の外部信号を心臓外部の１つ以上の情報源から受信するよう構成されていてもよい。

【0022】

一部の実施形態では、プロセッサは、第１のＥＣＧ信号に対して干渉が抑制されている第２のＥＣＧ信号を生成するため、訓練を受けたＮＮを第１のＥＣＧ信号及び１つ以上の外部信号に適用するよう構成されている。プロセッサは、訓練を受けたＮＮを第１のＥＣＧ信号に適用することによって、リアルタイムで（例えば、第１のＥＣＧ信号を受信した後、１秒未満以内）、第２のＥＣＧ信号を生成することができることに留意すべきである。更に、プロセッサは、ＥＰマッピングを実施しながら（第１のＥＣＧ信号の提示の代わり、又はこれに加えて）、医師に第２のＥＣＧ信号を直ちに提示するよう構成されている。

【0023】

他の実施形態では、上記の技法は、変更すべきこところは変更し、患者の心臓又は患者の任意の他の器官において取得したＥＣＧ信号以外の信号の質を改善するために適用することができる。

【0024】

本開示技法は、電気解剖学的（ＥＡ）マッピングの精度を改善し、したがって、ＥＡマッピングに基づく医療手順の効率及び質を改善する。

【0025】

システムの説明
図１は、本発明の実施形態による、カテーテル系の追跡及びアブレーションシステム２０の概略描画図である。

【0026】

一部の実施形態では、システム２０は、本実施例では心臓カテーテルであるカテーテル２２及び制御コンソール２４を備える。本明細書に記載されている実施形態では、カテーテル２２は、心臓２６内の電気解剖学的信号の感知などの任意の好適な治療目的及び／又は診断目的に使用されてもよい。

【0027】

一部の実施形態では、コンソール２４は、カテーテル２２を介して信号を受信し、かつ本明細書に記載されているシステム２０のその他の構成要素を制御する、好適なフロントエンド回路及びインターフェース回路を有する、典型的には汎用コンピュータであるプロセッサ３４を備える。コンソール２４は、プロセッサ３４から心臓２６のマップ２７を受信して、マップ２７を表示するように構成されているユーザディスプレイ３５を更に備える。

【0028】

一部の実施形態では、マップ２７は、任意の好適な技法を使用して生成された任意の好適なタイプの三次元（３Ｄ）解剖学的マップを含むことができる。例えば、解剖学的マップは、好適な医療用撮像システムを使用することによって生成された解剖学的画像を使用して、又はＢｉｏｓｅｎｓｅ Ｗｅｂｓｔｅｒ Ｉｎｃ．（Ｉｒｖｉｎｅ、Ｃａｌｉｆ．）により供給されているＣＡＲＴＯ（商標）システムにおいて利用可能な高速解剖学的マッピング（fast anatomical mapping、ＦＡＭ）と称される技術を使用して、又は任意の他の好適な技法を使用して、又は上記の任意の好適な組合せを使用して生成されてもよい。

【0029】

これより、挿入図２３を参照する。一部の実施形態では、アブレーション手技を実施する前に、医師３０は、心臓２６の対象とする組織の電気解剖学的（ＥＡ）マッピングを実行するよう、テーブル２９上に横たわる患者２８の脈管系からカテーテル２２を挿入する。ＥＡマッピングの間、医師３０は、本明細書に記載されているとおり、心臓２６の組織内で取得された１つ以上の心電図（ＥＣＧ）信号を感知するためのカテーテル２２を制御する。

【0030】

一部の実施形態では、カテーテル２２は、複数の感知電極（図示せず）を有する遠位端アセンブリ４０を備える。例えば、遠位端アセンブリ４０は、（ｉ）複数のスプラインを有するバスケット型カテーテルであって、各スプラインが複数の感知電極を有する、バスケット型カテーテル、（ｉｉ）バルーンの表面上に配設された複数の感知電極を有するバルーンカテーテル、又は（ｉｉｉ）複数の感知電極を有するフォーカルカテーテル（図１の例に示されている）を備えることができる。

【0031】

一部の実施形態では、各感知電極は、心臓２６の組織におけるＥＣＧ信号などの電気生理学的（ＥＰ）信号の感知に応答して、感知されたＥＣＧ信号を示す１つ以上の信号を生成するように構成されている。

【0032】

一部の実施形態では、ＥＡマッピングを実行するためにＥＣＧ信号をプロセッサ３４に転送するよう、カテーテル２２の近位端は、とりわけ、本明細書においてインターフェース３８と称されるインターフェース回路に、又はプロセッサ３４のインターフェース回路に接続されている。一部の実施形態では、ＥＡマッピングの間に、遠位端アセンブリ４０の感知電極によって生成される信号は、数千個のデータ点、例えば、約５０，０００個又は更に多いデータ点を含むことができ、これらのデータ点は、コンソール２４のメモリ（図示せず）内に記憶されていてもよい。プロセッサ３４は、データ点に基づいて、心臓２６の表面上を伝わる電気信号を示す、本明細書においてベクトルとも称される、波数ベクトルをマップ２７上に提示するよう構成されている。

【0033】

本開示の文脈において及び特許請求の範囲において、任意の数値や数値の範囲について用いられる「約」又は「およそ」という用語は、構成要素の部分又は構成要素の集合が、本明細書において述べるその意図された目的に沿って機能することを可能とする、好適な寸法の許容誤差を示すものである。

【0034】

一部の場合、取得されたＥＣＧ信号のうちの１つ以上は、心臓２６の外部の１つ以上の情報源から望ましくないことに受信されるおそれのある干渉によって歪められていることがある。例えば、電力グリッド４３の交流電流（ＡＣ）出力信号は、約６０Ｈｚ（北米及び日本のグリッドに使用されている）又は５０Ｈｚ（欧州、大部分のアジアの国々、及び他の大陸のグリッドにおいて使用されている）という典型的な周波数を有しており、１つ以上の個々の高調波は、取得したＥＣＧ信号を望ましくないことに妨害するおそれがある。出力信号は、心臓２６の外部で発生し、ケーブル４２を介して、システム２０に、例えば、インターフェース３８に導かれるので、本明細書において、「外部信号」と称される。このような外部信号は、遠位端アセンブリ４０の電極によって感知されたＥＣＧ信号の取得と同時に感知され得る。例えば、外部信号は、ケーブル４２及びカテーテル２２を介して、プロセッサ３４に転送されてインターフェース３８に入り、したがって、ＥＣＧ信号を歪めるおそれがある。干渉を抑制するための技法は、以下の図２Ａ、図２Ｂ及び図３に詳細に開示されている。

【0035】

他の実施形態では、カテーテル２２は、遠位端アセンブリ４０に連結されている１つ以上のアブレーション電極（図示せず）を備えてもよい。アブレーション電極は、心臓２６に対象とする組織のＥＡマッピングの分析に基づいて判定される、心臓２６の標的位置において組織をアブレーションするように構成されている。アブレーション計画を判定した後、医師３０は、例えば、カテーテル２２を操作するためのマニピュレータ３２を使用することによって、心臓２６内の標的位置のすぐ近くに遠位端アセンブリ４０をナビゲートする。その後、医師３０は、アブレーション電極のうちの１つ以上を標的組織と接触させて置き、組織に１つ以上のアブレーション信号を適用する。追加的又は代替的に、医師３０は、前述のアブレーション計画を実行するために、心臓２６の組織をアブレーションするための任意の異なる種類の好適なカテーテルを使用することができる。

【0036】

一部の実施形態では、心腔内の遠位端アセンブリ４０の位置は、遠位端アセンブリ４０に連結されている磁気位置追跡システムの位置センサ（図示せず）を使用して測定される。本実施例では、コンソール２４は、駆動回路４１を備えており、これは、テーブル２９に横たわっている患者２８の外部の既知の位置、例えば、患者の胴体の下に配置された磁場発生装置３６を駆動するように構成されている。位置センサは、遠位端に連結されており、磁界発生装置３６からの感知された外部磁界に応答して位置信号を発生するように構成されている。位置信号は、位置追跡システムの座標系におけるカテーテル２２の遠位端の位置を示す。

【0037】

本位置感知方法は、さまざまな医療用途において、例えば、Ｂｉｏｓｅｎｓｅ Ｗｅｂｓｔｅｒ Ｉｎｃ．（Ｉｒｖｉｎｅ、Ｃａｌｉｆ）により製造されているＣＡＲＴＯ（商標）システムに実施されており、米国特許第５，３９１，１９９号、同第６，６９０，９６３号、同第６，４８４，１１８号、同第６，２３９，７２４号、同第６，６１８，６１２号及び同第６，３３２，０８９号、国際公開第９６／０５７６８号、並びに米国特許出願公開第２００２／００６５４５５（Ａ１）号、同第２００３／０１２０１５０（Ａ１）号及び同第２００４／００６８１７８（Ａ１）号に詳細に記載されており、これらの開示はすべて、参照により本明細書に組み込まれている。

【0038】

一部の実施形態では、位置追跡システムの座標系は、システム２０及びマップ２７の座標系と位置合わせされており、その結果、プロセッサ３４は、解剖学的又はＥＡマップ（例えば、マップ２７）の上に遠位端アセンブリ４０の位置を表示するよう構成されている。

【0039】

一部の実施形態では、プロセッサ３４は、通常、汎用コンピュータを備えており、この汎用コンピュータは、本明細書に記載されている機能を実行するソフトウェアにプログラムされている。このソフトウェアは、例えばネットワーク上で、コンピュータに電子形態でダウンロードすることができる、あるいは、代替的に又は追加的に、磁気メモリ、光学メモリ若しくは電子メモリなどの、非一過性有形媒体上に提供及び／又は記憶することができる。

【0040】

システム２０のこの特定の構成は、本発明の実施形態によって対処される特定の問題を例示し、このようなシステムの性能を向上させる際のこれらの実施形態の適用を実証するために、実施例として示されている。しかし、本発明の実施形態は、この特定の種類の例となるシステムに決して限定されるものではなく、本明細書に記載されている原理は、その他の種類の医療システムにも同様に適用されてもよい。

【0041】

ＥＣＧ信号における干渉を抑制するためのニューラルネットワークの訓練
図２Ａは、本発明の実施形態による、歪められたＥＣＧ信号における干渉を抑制するための、本明細書において、ＮＮモデル５５とも称される、ニューラルネットワーク（ＮＮ）の訓練を例示する、概略ブロック図である。

【0042】

図２Ａ及び図２Ｂの例では、ＮＮモデル５５は、プロセッサ３４又は任意の他の好適な種類の処理デバイスにおいて処理される、ソフトウェアに実装されている。他の実施形態では、ＮＮモデル５５は、例えばプロセッサ３４のモジュールとして、ハードウェアに、又はプロセッサ３４と信号を交換するよう構成されている別の電子デバイス（図示せず）に少なくとも一部が実装されていてもよい。

【0043】

一部の実施形態では、ＮＮモデル５５は、以下に限定されないが、オートエンコーダ人工ＮＮ、例えば正則化オートエンコーダ、コンクリートオートエンコーダ、変動オートエンコーダ（ＶＡＥ）、又は干渉を抑制する（例えば、脱ノイズ）ために使用される他の好適なタイプのＮＮなどの任意の好適なタイプのＮＮを備えることができる。例えば、ＮＮモデル５５は、約１０層（又は任意の他の好適な数の層、例えば、少なくとも５つの層）を有することができ、Ａｌｅｘ Ｋｒｉｚｈｅｖｓｋｙ（Ｔｏｒｏｎｔｏ、カナダ）によって供給されるＡｌｅｘＮｅｔ ＮＮのアークテクチャ、又はＧｏｏｇｌｅの子会社であるＧｏｏｇｌｅ ＡＩ（Ｍｏｕｎｔａｉｎ Ｖｉｅｗ、Ｃａｌｉｆｏｒｎｉａ、米国）によって供給されるテンソルフローオープンソース機械学習プラットフォーム、又は任意の他の好適なタイプのＮＮアーキテクチャに基づくことができる。

【0044】

一部の実施形態では、プロセッサ３４は、例えば、インターフェース３８を介して、上の図１に記載されている干渉などのさまざまなタイプの干渉によって歪められていない１つ以上の訓練ＥＣＧ信号を受信するよう構成されている。図２Ａの例では、訓練ＥＣＧ信号はまた、ノイズのないＥＣＧ信号（clean ECG signal：ＣＥＳ）３３と、本明細書において称され示されている。

【0045】

一部の実施形態では、ＣＥＳ３３は、２．５秒のブロックに配置されたデータを有する前述のＣＡＲＴＯ（商標）システムから受信された歪められていないＥＣＧ信号を含むことができる。例えば、遠位端アセンブリ４０の感知電極からの信号は、約１ｋＨｚの周波数でサンプリングされてもよく、こうして、ノイズのないＥＣＧ信号３３はそれぞれ、ＮＮモデル５５を訓練するために使用される約２，５００個の点を含む。更に又は代替的に、１つ以上のＣＥＳ３３は、他の情報源、又は任意の好適なモデルを使用することにより生成される合成ＣＥＳから受信された、任意の他の好適なノイズのないＥＣＧ信号を含むことができる。

【0046】

一部の実施形態では、ＮＮモデル５５を訓練する間、プロセッサ３４は、例えば、インターフェース３８を介して、１つ以上の訓練干渉信号（training interference signal：ＴＩＳ）４４を受信するよう構成されており、各訓練干渉信号４４は、１つ以上のスペクトル線（例えば、上の図１に記載されている、電力グリッド４３から受信された５０Ｈｚ又は６０Ｈｚ）、及び各スペクトル線の１つ以上の個々の高調波を有する。ＴＩＳ４４は、電力グリッド４３からサンプルを受信した１つ以上の出力信号、又は他の好適なスペクトル線及びその高調波を有する他の信号（サンプリングされた及び／又は合成的に生成された）を含むことができることに留意されたい。

【0047】

一部の実施形態では、プロセッサ３４は、ＣＥＳ３３及びＴＩＳ４４の十分なサンプル（例えば、約１０００００のサンプル、又は任意の他の好適な数のサンプル）を使用してＮＮモデル５５を訓練した後、訓練を受けたＮＮ６６を出力するよう構成されている。

【0048】

本実施例では、訓練を受けたＮＮ６６は、ソフトウェアに実装されていることに留意されたい。他の実施形態では、例えば、ＮＮモデル５５の少なくとも一部が、ハードウェアに実装されている場合、訓練を受けたＮＮ６６の少なくとも一部も、ハードウェアに実装されている。

【0049】

ＥＣＧ信号における干渉を抑制するためのニューラルネットワークの適用
図２Ｂは、本発明の実施形態による、心臓２６において感知された歪められたＥＣＧ信号における干渉を抑制するため、訓練を受けたＮＮ６６の適用を例示する概略ブロック図である。

【0050】

一部の実施形態では、ＥＡマッピングの間に、プロセッサ３４は、心臓２６に接触して置かれた遠位端アセンブリ４０の感知電極から、インターフェース３８を介して（例えば、インターフェース３８を介して）、上の図１及び図２Ａに記載されている干渉によって通常、歪められたリアルタイムＥＣＧ信号（real-time ECG signal：ＲＴＥＳ）７７を受信するよう構成されている。

【0051】

一部の実施形態では、プロセッサ３４は、心臓２６の外部の１つ以上の情報源（例えば、ケーブル４２及びインターフェース３８を介して受信された電力グリッド４３）から、本明細書において、リアルタイムスペクトル線及び高調波とも称される、１つ以上のリアルタイム外部信号（real-time external signal：ＲＴＥＸ）８８を受信するよう構成されている。本開示の文脈において、用語「リアルタイム」とは、例えば、ＥＣＧ信号が、遠位端アセンブリ４０の感知電極によって心臓２６において感知されるときの、ＥＡマッピング手順の時間間隔を指す。

【0052】

一部の実施形態では、プロセッサ３４は、ＥＡマッピング手順の間に、患者２８の心臓２６から受信された歪められたＥＣＧ信号である、ＲＴＥＳ７７に対して干渉が抑制されたＥＣＧ信号である、ノイズのないリアルタイムＥＣＧ信号（real-time clean ECG signal：ＲＴＣＥＳ）９９を生成するために、訓練を受けたＮＮ６６を適用するよう構成されている。言い換えると、心臓２６から受信されたＥＣＧ信号は、「線ノイズ」干渉によって、例えば、電力グリッド４３から受信された出力信号の干渉によって歪められている。訓練を受けたニューラルネットワーク６６は、線ノイズを除去する（例えば、差し引く）ため、及び少なくとも「線ノイズ」干渉が除去されたＲＴＣＥＳ９９などの、「一層ノイズのない」ＥＣＧ信号を発生するため、歪められたＥＣＧ信号に適用される。

【0053】

一部の実施形態では、取得したＥＣＧ信号に訓練を受けたＮＮ６６を適用する場合、心臓２６から取得した信号の「ノイズをなくす」プロセス（例えば、ＲＴＥＳ７７）は、直ちに行われ（例えば、１秒未満以内）、その結果、プロセッサ３４は、対応する「ノイズのない」ＥＣＧ信号、例えばＲＴＣＥＳ９９を医師３０に表示することができる。心臓２６から取得した信号（例えば、ＲＴＥＳ７７）の特性は、対応する「ノイズのない」ＥＣＧ信号（例えば、ＲＴＣＥＳ９９）に保持され、歪みを引き起こす干渉しか除去されていないことに留意されたい。

【0054】

図３は、本発明の実施形態による、患者２８の心臓２６から受信した歪められたリアルタイムＥＣＧ信号７７における干渉を抑制する方法を概略的に例示するフローチャートである。

【0055】

本方法は、ニューラルネットワークにおいて、訓練工程１００から始まり、訓練ＮＮモデル５５は、例えば、プロセッサ３４において、ＣＥＳ３３、並びにＴＩＳ４４などのスペクトル線及び個々の高調波を有する訓練干渉信号などの歪められていないＥＣＧ信号を使用する。工程１００は、上記の図２Ａに記載されているとおり、訓練を受けたＮＮ６６を取得して終了される。

【0056】

ＥＣＧ感知工程１０２では、上の図２Ｂに記載されているとおり、ＥＡマッピングを実施するため、カテーテル２２の遠位端アセンブリ４０を心臓２６に挿入し、ＲＴＥＳ７７などの、干渉によって歪められた、プロセッサ３４によって受信される第１のＥＣＧ信号を取得するため、遠位端アセンブリ４０の感知電極を使用する。

【0057】

外部信号受信工程１０４では、プロセッサ３４は、心臓２６の外部の１つ以上の情報源から、第１のＥＣＧ信号（例えば、ＲＴＥＳ７７）の取得と同時に感知される干渉を含む外部信号（例えば、ＲＴＥＸ８８）を受信する。本実施例では、ＲＴＥＸ８８は、上の図１及び図２Ｂに記載されているとおり、ケーブル４２及びインターフェース３８を介して受信された電力グリッド４３から受信された信号に基づく。

【0058】

本方法を完了するノイズのないＥＣＧ信号の生成工程１０６では、プロセッサ３４は、上の図２Ｂに記載されているとおり、ＲＴＥＳ７７における干渉が抑制されている第２のＥＣＧ信号（例えば、ＲＴＣＥＳ９９）を生成するため、第１のＥＣＧ信号（例えば、ＲＴＥＳ７７）及び外部信号（例えば、ＲＴＥＸ８８）に、訓練を受けたＮＮ６６を適用する。

【0059】

本明細書に記載されている実施形態は、主に、患者の心臓において感知されたＥＣＧ信号の質の改善に対処するものであるが、本明細書に記載されている方法及びシステムはまた、脳波図（ＥＥＧ）手順などの他の用途において使用することもできる。

【0060】

したがって、上記に述べた実施形態は、例として引用したものであり、また本発明は、上記に具体的に示し説明したものに限定されないことが理解されよう。むしろ、本発明の範囲は、本明細書の上に記載されているさまざまな特徴の組合せ及び部分的組合せの両方、並びに前述の記載を一読すると当業者に想到されるであろう、先行技術において開示されていないそれらの変形例及び修正例を含むものである。参照により本特許出願に援用される文献は、これらの援用文献において、いずれかの用語が本明細書において明示的又は暗示的になされた定義と矛盾して定義されている場合には、本明細書における定義のみを考慮するものとする点を除き、本出願の一部とみなすものとする。

【0061】

〔実施の態様〕
（１） 患者の心臓において取得され、干渉によって歪められた第１の心電図（ＥＣＧ）信号を受信することと、
前記第１のＥＣＧ信号の取得と同時に前記干渉を感知する１つ以上の外部信号を前記心臓外部の１つ以上の情報源から受信することと、
訓練を受けたニューラルネットワーク（ＮＮ）を、前記第１のＥＣＧ信号及び前記１つ以上の外部信号に適用することによって、前記干渉が前記第１のＥＣＧ信号に対して抑制される第２のＥＣＧ信号を生成することと、
を含む、方法。
（２） 前記干渉が、１つ以上のスペクトル線、及び前記１つ以上のスペクトル線の１つ以上の高調波を含む、実施態様１に記載の方法。
（３） （ｉ）前記干渉によって歪められていない１つ以上の訓練ＥＣＧ信号、並びに（ｉｉ）１つ以上の個々のスペクトル線及び１つ以上の個々の高調波をそれぞれ有する、１つ以上の訓練干渉信号を使用して、前記ＮＮを訓練することを含む、実施態様２に記載の方法。
（４） 前記ＮＮを訓練することが、少なくとも５つの層を有するオートエンコーダ人工ＮＮを訓練することを含む、実施態様２に記載の方法。
（５） 前記スペクトル線の前記少なくとも１つが、出力信号の交流電流（ＡＣ）を含む、実施態様２に記載の方法。

【0062】

（６） システムであって、
（ｉ）患者の心臓において取得され、干渉によって歪められている第１の心電図（ＥＣＧ）信号、及び（ｉｉ）前記心臓外部の１つ以上の情報源から受信され、前記第１のＥＣＧ信号の取得と同時に前記干渉を感知する１つ以上の外部信号を受信するよう構成されている、インターフェースと、
訓練を受けたニューラルネットワーク（ＮＮ）を、前記第１のＥＣＧ信号及び前記１つ以上の外部信号に適用することによって、前記干渉が前記第１のＥＣＧ信号に対して抑制される第２のＥＣＧ信号を生成するよう構成されている、プロセッサとを備える、前記システム。
（７） 前記干渉が、１つ以上のスペクトル線、及び前記１つ以上のスペクトル線の１つ以上の高調波を含む、実施態様６に記載のシステム。
（８） 前記プロセッサが、（ｉ）前記干渉によって歪められていない１つ以上の訓練ＥＣＧ信号、並びに（ｉｉ）１つ以上の個々のスペクトル線及び１つ以上の個々の高調波をそれぞれ有する、１つ以上の訓練干渉信号を使用して、前記ＮＮを訓練するよう構成されている、実施態様７に記載のシステム。
（９） 前記プロセッサが、少なくとも５つの層を有するオートエンコーダ人工ＮＮを訓練するよう構成されている、実施態様７に記載のシステム。
（１０） 前記スペクトル線の前記少なくとも１つが、出力信号の交流電流（ＡＣ）を含む、実施態様７に記載のシステム。

【図1】

【図2A】

【図2B】

【図3】

【外国語明細書】