特許 7065185 心電信号の検出

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2022-04-27

(45)【発行日】2022-05-11

(54)【発明の名称】心電信号の検出

(51)【国際特許分類】

   A61B 5/352 20210101AFI20220428BHJP

   G06N 3/04 20060101ALI20220428BHJP

【ＦＩ】

A61B5/352

G06N3/04 154

【請求項の数】 9

(21)【出願番号】P 2020526667

(86)(22)【出願日】2018-08-01

(65)【公表番号】

(43)【公表日】2020-09-24

(86)【国際出願番号】 CN2018097917

(87)【国際公開番号】W WO2019024861

(87)【国際公開日】2019-02-07

【審査請求日】2020-01-29

(31)【優先権主張番号】201710656849.8

(32)【優先日】2017-08-03

(33)【優先権主張国・地域又は機関】CN

(73)【特許権者】

【識別番号】518449191

【氏名又は名称】安徽▲華▼米信息科技有限公司

【氏名又は名称原語表記】ＡＮＨＵＩ ＨＵＡＭＩ ＩＮＦＯＲＭＡＴＩＯＮ ＴＥＣＨＮＯＬＯＧＹ ＣＯ．， ＬＴＤ．

(74)【代理人】

【識別番号】110000729

【氏名又は名称】特許業務法人 ユニアス国際特許事務所

(72)【発明者】

【氏名】汪 孔▲橋▼

(72)【発明者】

【氏名】▲趙▼ 威

(72)【発明者】

【氏名】李 ▲亞▼▲チャオ▼

(72)【発明者】

【氏名】李 ▲瀟▼

【審査官】▲瀬▼戸井 綾菜

(56)【参考文献】

【文献】中国特許出願公開第１０２７７９２３４（ＣＮ，Ａ）

【文献】特開２０１７－１２９８９６（ＪＰ，Ａ）

【文献】国際公開第２０１７／０９１７３６（ＷＯ，Ａ１）

【文献】Quazi Abidur Rahman et al.，Utilizing ECG-Based Heartbeat Classification for Hypertrophic Cardiomyopathy Identification，IEEE TRANSACTIONS ON NANOBIOSCIENCE，2015年07月，VOL.14, NO.5，pp.505-512

【文献】U. Rajendra Acharya et al.，Application of deep convolutional neural network for automated detection of myocardial infarction using ECG signals，Information Sciences，2017年06月23日，415-416，pp.190-198

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ａ６１Ｂ ５／０５－５／０５３８

Ａ６１Ｂ ５／２４－５／３９８

Ｇ０６Ｎ ３／０４

(57)【特許請求の範囲】

【請求項1】

心電信号を検出するための電子機器に適用される心電信号検出方法であって、
所定時間長の心電信号を分割して第１所定数の単一心拍を取得するステップと、
前記第１所定数の単一心拍の各単一心拍に対応する特徴データを特定し、第１所定数の特徴データを取得するステップと、
前記所定時間長の心電信号と前記第１所定数の特徴データとに基づいて、前記所定時間長の心電信号の病理タイプを特定するステップと、を含み、
前記第１所定数の単一心拍の各単一心拍に対応する特徴データを特定するステップは、
前記第１所定数の単一心拍のデータを第１畳み込みニューラルネットワークへ順次入力することと、
前記第１所定数の単一心拍の各単一心拍に対応する特徴データを前記第１畳み込みニューラルネットワークによって抽出することと、を含み、
前記所定時間長の心電信号と前記第１所定数の特徴データとに基づいて、前記所定時間長の心電信号の病理タイプを特定するステップは、
前記第１所定数の単一心拍の各単一心拍に対応する時系列データを特定し、第１所定数の時系列データを取得することと、
前記第１所定数の時系列データと前記第１所定数の特徴データとを第２畳み込みニューラルネットワークの入力層へ入力することで、前記心電信号の病理タイプを前記第２畳み込みニューラルネットワークによって特定することと、を含む、
ことを特徴とする心電信号検出方法。

【請求項2】

前記第１畳み込みニューラルネットワークによって前記第１所定数の単一心拍の各単一心拍に対して判定を行い、判定結果を取得するステップと、
前記判定結果に基づいて、前記第１所定数の単一心拍における異常が発生した心拍位置を特定するステップと、を更に含むことを特徴とする請求項１に記載の心電信号検出方法。

【請求項3】

前記単一心拍に対応する時系列データを特定することは、
当該単一心拍のＲ波に対応する時点を特定することと、
当該単一心拍のＲ波に前後に隣接する第２所定数の単一心拍のそれぞれのＲ波に対応する時点を特定することと、
当該単一心拍のＲ波に対応する時点と、当該単一心拍に前後に隣接する第２所定数の単一心拍のそれぞれのＲ波に対応する時点とに基づいて、当該単一心拍に対応する時系列データを特定することと、を含むことを特徴とする請求項１に記載の心電信号検出方法。

【請求項4】

前記所定時間長の心電信号と前記第１所定数の特徴データとに基づいて、前記所定時間長の心電信号の病理タイプを特定するステップは、
前記第１所定数の特徴データを第２畳み込みニューラルネットワークの所定畳み込み層へ入力することと、
前記所定時間長の心電信号を前記第２畳み込みニューラルネットワークの入力層へ入力することと、
前記第２畳み込みニューラルネットワークによって前記心電信号のタイプを特定することと、を含むことを特徴とする請求項１に記載の心電信号検出方法。

【請求項5】

所定時間長の心電信号を分割して第１所定数の単一心拍を取得するための第１分割モジュールと、
前記第１分割モジュールで取得された前記第１所定数の単一心拍の各単一心拍に対応する特徴データを特定し、第１所定数の特徴データを取得するための第１特定モジュールと、
前記所定時間長の心電信号と、前記第１特定モジュールで特定された前記第１所定数の特徴データとに基づいて、前記所定時間長の心電信号の病理タイプを特定するための第２特定モジュールと、を備え、
前記第１特定モジュールは、
前記第１所定数の単一心拍のデータを第１畳み込みニューラルネットワークへ順次入力するための第１入力手段と、
前記第１所定数の単一心拍の各単一心拍に対応する特徴データを前記第１畳み込みニューラルネットワークによって抽出するための抽出手段と、を備え、
前記第２特定モジュールは、
前記第１所定数の単一心拍の各単一心拍に対応する時系列データを特定し、第１所定数の時系列データを取得するための第１特定手段と、
前記第１特定手段で取得された前記第１所定数の時系列データと、前記第１所定数の特徴データとを第２畳み込みニューラルネットワークの入力層へ入力するための第２入力手段と、
前記第２畳み込みニューラルネットワークによって前記心電信号の病理タイプを特定するための第２特定手段と、を備えることを特徴とする心電信号検出装置。

【請求項6】

前記第１畳み込みニューラルネットワークによって前記第１所定数の単一心拍の各単一心拍に対して判定を行い、判定結果を取得するための判定モジュールと、
前記判定モジュールで取得された前記判定結果に基づいて、前記第１所定数の単一心拍における異常が発生した心拍位置を特定するための第３特定モジュールと、を更に備えることを特徴とする請求項５に記載の心電信号検出装置。

【請求項7】

前記第２特定モジュールは、
前記第１所定数の特徴データを第２畳み込みニューラルネットワークの所定畳み込み層へ入力するための第３入力手段と、
前記所定時間長の心電信号を前記第２畳み込みニューラルネットワークの入力層へ入力するための第４入力手段と、
前記第２畳み込みニューラルネットワークによって、前記第３入力手段で入力された前記第１所定数の特徴データと、前記第４入力手段で入力された前記心電信号とに対して認識を行い、前記心電信号の病理タイプを特定するための第３特定手段と、を備えることを特徴とする請求項５に記載の心電信号検出装置。

【請求項8】

機器読み取り可能な記憶媒体であって、
前記機器読み取り可能な記憶媒体には、上記請求項１から４の何れか一項に記載の心電信号検出方法を実行するための機器の実行可能な指令が記憶されていることを特徴とする機器読み取り可能な記憶媒体。

【請求項9】

プロセッサと、前記プロセッサの実行可能な指令を記憶するための記憶媒体とを備え、
前記プロセッサは、上記請求項１から４の何れか一項に記載の心電信号検出方法を実行することを特徴とする電子機器。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、電子技術分野に関し、特に心電信号検出方法、装置及び電子機器に関する。

【背景技術】

【0002】

近年、ディープラーニング方法の台頭とともに、研究者がニューラルネットワークを訓練するモードを採用し始めて心電（ＥＣＧ）信号の分類および認識を行うことは、ますます多くなってきている。しかし、そのうちの大半は、心電信号の単一心拍に対して認識および分類を行っているが、連続するＥＣＧ多心拍に対して病理認識を行うものは、いまだ存在しなかった。

【発明の概要】

【発明が解決しようとする課題】

【0003】

それに鑑みて、本発明は、連続する心電信号に対して病理診断を行うことができるという新たな解決手段を提供する。

【課題を解決するための手段】

【0004】

上記目的を果たすために、本発明に係る解決手段は、下記のようになっている。

【0005】

本発明の第１態様は、心電信号検出方法を提供する。前記心電信号検出方法は、
所定時間長の心電信号を分割して第１所定数の単一心拍を取得するステップと、
前記第１所定数の単一心拍の各単一心拍に対応する特徴データを特定し、第１所定数の特徴データを取得するステップと、
前記所定時間長の心電信号と前記第１所定数の特徴データとに基づいて、前記所定時間長の心電信号の病理タイプを特定するステップと、を含む。

【0006】

本発明の第２態様は、心電信号検出方法を提供する。前記心電信号検出方法は、
第２畳み込みニューラルネットワークによって所定時間長の心電信号の病理タイプを特定するステップと、
前記病理タイプが前記心電信号に異常が発生したと示す場合に、前記所定時間長の心電信号を分割して第１所定数の単一心拍を取得するステップと、
前記第１所定数の単一心拍のデータを第１畳み込みニューラルネットワークへ入力することで、前記第１所定数の単一心拍における異常が発生した心拍位置を前記第１畳み込みニューラルネットワークによって特定するステップと、を含む。

【0007】

本発明の第３態様は、心電信号検出装置を提供する。前記心電信号検出装置は、
所定時間長の心電信号を分割して第１所定数の単一心拍を取得するための第１分割モジュールと、
前記第１分割モジュールで取得された前記第１所定数の単一心拍の各単一心拍に対応する特徴データを特定し、第１所定数の特徴データを取得するための第１特定モジュールと、
前記所定時間長の心電信号と、前記第１特定モジュールで特定された前記第１所定数の特徴データとに基づいて、前記所定時間長の心電信号の病理タイプを特定するための第２特定モジュールと、を備える。

【0008】

本発明の第４態様は、心電信号検出装置を提供する。前記心電信号検出装置は、
第２畳み込みニューラルネットワークによって所定時間長の心電信号の病理タイプを特定するための第４特定モジュールと、
前記第４特定モジュールで特定された前記病理タイプが前記心電信号に異常が発生したと示す場合に、前記所定時間長の心電信号を分割して第１所定数の単一心拍を取得するための第２分割モジュールと、
前記第２分割モジュールで取得された前記第１所定数の単一心拍のデータを第１畳み込みニューラルネットワークへ入力することで、前記第１畳み込みニューラルネットワークによって前記第１所定数の単一心拍における異常が発生した心拍位置を特定するための第５特定モジュールと、を備える。

【0009】

本発明の第５態様は、機器読み取り可能な記憶媒体を提供する。前記機器読み取り可能な記憶媒体には、上記第１態様または第２態様で提出された心電信号検出方法を実行するための機器の実行可能な指令が記憶されている。

【0010】

本発明の第６態様は、電子機器を提供する。前記電子機器は、プロセッサと、前記プロセッサの実行可能な指令を記憶するための記憶媒体とを備え、前記プロセッサは、上記第１態様または第２態様で提出された心電信号検出方法を実行する。

【0011】

上記解決手段から分かるように、何れの単一心拍も連続時系列のＥＣＧ信号において孤立ではなく、前後に隣接する単一心拍に関連しているため、本発明における第１所定数の単一心拍の各単一心拍に対応する特徴データは、代表する心電信号の病理特性を非常に良好に表せる。したがって、所定時間長の心電信号の病理タイプは、心電信号と第１所定数の特徴データとによって、非常に良好に検出することができる。

【図面の簡単な説明】

【0012】

【図1A】本発明の一例示的な実施例の心電信号検出方法の模式的なフローチャートである。

【0013】

【図1B】図１Ａに示す実施例における連続心電信号の模式図である。

【0014】

【図1C】図１Ａに示す実施例における単一心拍の模式図である。

【0015】

【図2A】本発明の別の例示的な実施例の心電信号検出方法の模式的なフローチャートである。

【0016】

【図2B】図２Ａに示す実施例に適用される心電信号を検出するアーキテクチャの模式図である。

【0017】

【図2C】図２Ａに示す実施例における第１畳み込みニューラルネットワークの構造模式図である。

【0018】

【図2D】図２Ａに示す実施例における第２畳み込みニューラルネットワークの構造模式図である。

【0019】

【図3A】本発明の更に別の例示的な実施例の心電信号検出方法の模式的なフローチャートである。

【0020】

【図3B】図３Ａに示す実施例に適用される心電信号を検出するアーキテクチャの模式図の一である。

【0021】

【図3C】図３Ａに示す実施例に適用される心電信号を検出するアーキテクチャの模式図の二である。

【0022】

【図4A】本発明のもう１つの例示的な実施例の心電信号検出方法の模式的なフローチャートである。

【0023】

【図4B】図４Ａに示す実施例に適用される心電信号を検出するアーキテクチャの模式図である。

【0024】

【図5】本発明の一例示的な実施例の心電信号検出装置の構造模式図である。

【0025】

【図6】本発明の別の例示的な実施例の心電信号検出装置の構造模式図である。

【0026】

【図7】本発明の更に別の例示的な実施例の心電信号検出装置の構造模式図である。

【0027】

【図8】本発明の一例示的な実施例の電子機器の構造模式図である。

【発明を実施するための形態】

【0028】

ここで、例示的な実施例を詳細に説明する。その例示は、図面に示される。以下の記述は、図面に係る際、別途示さない限り、異なる図面における同じ符号が同じ又は類似する要素を示す。以下の例示的な実施例に記述される実施形態が本発明と一致する全ての実施形態を代表するわけではない。逆に、それらは、単に添付する特許請求の範囲に詳細に記述されるような、本発明の幾つかの態様に一致する装置及び方法の例である。

【0029】

本発明で使用される用語は、単に特定の実施例を記述する目的であり、本発明を制限するためのものではない。本発明及び添付する特許請求の範囲で使用される単数形式の「一種」、「前記」及び「当該」も、文脈から他の意味を明瞭で分かる場合でなければ、複数の形式を含むことを意図する。理解すべきことは、本文で使用される用語「および／または」が、１つまたは複数の関連する列挙項目を含む如何なる或いは全ての可能な組み合わせを指す。

【0030】

理解すべきことは、本発明において第１、第２、第３等という用語を用いて各種の情報を記述するが、これらの情報は、これらの用語に限定されるものではない。これらの用語は、単に同一のタイプの情報同士を区分するために用いられる。例えば、本発明の範囲を逸脱しない限り、第１情報が第２情報と呼称されてもよく、類似的に、第２情報が第１情報と呼称されてもよい。これは、コンテキストに依存する。例えば、ここで使用される言葉「場合」は、「…とき」や「…ときに」あるいは「特定の状況に応じて」として解釈されてもよい。

【0031】

本発明を更に説明するために、以下に実施例を提供する。

【0032】

図１Ａは、本発明の一例示的な実施例の心電信号検出方法の模式的なフローチャートであり、図１Ｂは、図１Ａに示す実施例における連続心電信号の模式図であり、図１Ｃは、図１Ａに示す実施例におけるＥＣＧ単一心拍の模式図である。本発明は、ウェアラブル機器および手持ち機器等の電子機器に適用されてもよく、ユーザの心臓健康状況をモニタリングする。図１Ａに示すように、以下のステップを含む。

【0033】

ステップ１０１では、所定時間長の心電信号を分割して第１所定数の単一心拍を取得する。

【0034】

一実施例では、ＥＣＧ信号に関する認識方法によって所定時間長のＥＣＧ信号を分割して第１所定数の単一心拍を取得してもよい。図１Ｂと図１Ｃに示すように、所定時間長の連続ＥＣＧ信号を分割することで、各単一心拍の開始時点、終了時点および持続時間を把握できる。且つ、単一心拍の持続時間ｔは、所定長に正規化されてもよい。例えば、所定長がＬである場合に、単一心拍は、下記のように表されてもよい。

単一心拍の持続時間に対して正規化を行う過程に、固定のサンプリングレートでサンプリングを行ってもよい。Ｐは、各サンプリング点での単一心拍の信号強度を示す。例えば、Ｐ_１は、第１個のサンプリング点での単一心拍の信号強度を示し、Ｐ_Ｌは、第Ｌ個のサンプリング点での単一心拍の信号強度を示し、ｐ_１、ｐ_２、・・・ｐ_Ｌは、Ｌ個のサンプリング点での単一心拍の信号強度を示し、ｔは、当該単一心拍の持続時間である。第１所定数がＮであることを例示として説明すると、連続するＮ個のＥＣＧ単一心拍は、下記のように表されてもよい。

Ｐ_ijは、第ｊ個のサンプリング点での第ｉ個の単一心拍の信号強度を示し、ｉ＝１、２、・・・Ｎ、ｊ＝１、２、・・・Ｌ、ｔ_１、ｔ_２、・・・ｔ_Ｎは、Ｎ個の単一心拍のそれぞれの持続時間を示す。

【0035】

ステップ１０２では、第１所定数の単一心拍の各単一心拍に対応する特徴データを特定し、第１所定数の特徴データを取得する。

【0036】

一実施例では、ディープラーニングネットワークに基づいて第１所定数の単一心拍の各単一心拍に対応する特徴データを特定してもよい。当該特徴データは、単一の特徴であってもよく、複数の特徴の組み合わせであってもよい。単一心拍信号をディープラーニングネットワークへ入力し、当該ディープラーニングネットワークの畳み込み層を設定して単一心拍信号に対して畳み込み処理を行った後、特徴データを取得してもよい。

【0037】

上記ステップ１０１に対応し、特徴データは、例えば、Ｔ_１、Ｔ_２、・・・Ｔ_Ｎである。

【0038】

即ち、ステップ１０２は、Ｐ_ｉ→Ｔ_ｉが実現できる。ここで、ｉ＝１、２、・・・Ｎ。

【0039】

ステップ１０３では、所定時間長の心電信号と第１所定数の特徴データとに基づいて、所定時間長の心電信号の病理タイプを特定する。

【0040】

一実施例では、所定時間長の心電信号を１つの畳み込みニューラルネットワークの入力層へ入力し、第１所定数の特徴データを当該畳み込みニューラルネットワークの畳み込み層へ入力し、畳み込みニューラルネットワークの処理によって、当該畳み込みニューラルネットワークの出力層において心電信号の病理タイプを特定する。一実施例では、各種の異なる病理特徴を有する莫大な心電信号によって当該畳み込みニューラルネットワークを訓練してもよい。当該畳み込みニューラルネットワークを訓練することにより、当該畳み込みニューラルネットワークは、心電信号の病理タイプを正確に認識できる。

【0041】

一実施例では、病理タイプは、心房性期外収縮、心室性期外収縮、心房細動、心房粗動、心室性頻拍等を含んでもよい。説明すべきことは、上記病理タイプは、例示的な説明に過ぎず、本発明に対する制限を構成しない。

【0042】

連続ＥＣＧ信号における何れの単一心拍も孤立ではなく、前後に隣接する単一心拍に関連しているため、本発明における第１所定数の単一心拍の各単一心拍に対応する特徴データは、代表する心電信号の病理特性を非常に良好に表せる。したがって、心電信号と第１所定数の特徴データとに基づいて、所定時間長の心電信号の病理タイプを良好に検出することができる。

【0043】

図２Ａは、本発明の別の例示的な実施例の心電信号検出方法の模式的なフローチャートであり、図２Ｂは、図２Ａに示す実施例に適用される心電信号を検出するアーキテクチャの模式図であり、図２Ｃは、図２Ａに示す実施例における第１畳み込みニューラルネットワークの構造模式図であり、図２Ｄは、図２Ａに示す実施例における第２畳み込みニューラルネットワークの構造模式図である。図２Ａに示すように、以下のステップを含む。

【0044】

ステップ２０１では、所定時間長の心電信号を分割して第１所定数の単一心拍を取得する。

【0045】

ステップ２０１の記述が上記図１Ａに示す実施例の記述を参照すればよいため、ここで詳細に説明しない。

【0046】

ステップ２０２では、第１所定数の単一心拍のデータを第１畳み込みニューラルネットワークへ順次入力することで、第１所定数の単一心拍の各単一心拍に対応する特徴データを抽出する。

【0047】

ステップ２０３では、所定時間長の心電信号における各単一心拍に対応する時系列データを特定し、第１所定数の時系列データを取得する。

【0048】

ステップ２０４では、第１所定数の時系列データと第１所定数の特徴データとを第２畳み込みニューラルネットワークの入力層へ入力することで、当該心電信号の病理タイプを特定する。

【0049】

ステップ２０５では、第１畳み込みニューラルネットワークによって第１所定数の単一心拍の各単一心拍に対して判定を行い、判定結果を取得する。

【0050】

ステップ２０６では、判定結果に基づいて第１所定数の単一心拍における異常が発生した心拍位置を特定する。

【0051】

説明すべきことは、上記ステップ２０５とステップ２０６とが必ずしもステップ２０４の後で実行されるとは限らず、ステップ２０２の後でステップ２０５とステップ２０６を実行してもよい。このように、第１畳み込みニューラルネットワークによって第１所定数の単一心拍における異常が発生した心拍位置を認識できる。

【0052】

以下では、図２Ｂ－図２Ｄを組み合わせて本実施例に対して例示的な説明を行う。

【0053】

上記ステップ２０２では、図２Ｂに示すように、上記ステップ２０１によって連続する２５個の単一心拍、並びに、当該２５個の単一心拍の開始時点、終了時点および持続時間を取得し、単一心拍のデータのそれぞれに対して長さ正規化を行う。例えば、正規化長さが１９６である場合に、長さが１９６である２５個の単一心拍データを第１畳み込みニューラルネットワークへ順次入力し、第１畳み込みニューラルネットワークの所定畳み込み層において、各単一心拍に対応する特徴データを出力してもよい。例えば、各単一心拍が５*２個の特徴データに対応する場合に、２５個の単一心拍は、５*２*２５個の特徴データに対応する。図２Ｂに示すように、第１畳み込みニューラルネットワークによって各単一心拍の特徴データを取得した後、各単一心拍に対応する特徴データをキャッシュしてもよい。

【0054】

上記ステップ２０３とステップ２０４において、一実施例では、所定時間長の心電信号における各単一心拍に対して、当該単一心拍のＲ波に対応する時点を特定し、当該単一心拍のＲ波に前後に隣接する第２所定数の単一心拍のそれぞれのＲ波に対応する時点を特定し、当該単一心拍のＲ波に対応する時点と当該単一心拍に前後に隣接する第２所定数の単一心拍のＲ波のそれぞれに対応する時点とに基づいて、当該単一心拍に対応する時系列データを特定してもよい。例えば、第２所定数が２であれば、現在の単一心拍のＲ波と前後２つずつの単一心拍（即ち、合計４つの単一心拍）のＲ波との距離がそれぞれｘ_１、ｘ_２、ｘ_３、ｘ_４である。各単一心拍のリズム情報Ｘを１つの５次元ベクタと示す場合に、下記のことを満たす。

Ｎ個の単一心拍は、以下のように表されてもよい。

Ｎは、第１所定数、即ち、単一心拍の数である。

【0055】

例えば、単一心拍がｍ１*ｎ１個の特徴データ、およびｍ２*ｎ２個の時系列データに対応する場合に、第２畳み込みニューラルネットワークへ入力されたデータ量は、ｍ１*ｎ１＋ｍ２*ｎ２と表されてもよい。図２Ｂに示すように、第２畳み込みニューラルネットワークへ入力された単一心拍が５*２*２５個の特徴データに対応し、第２畳み込みニューラルネットワークへ入力された単一心拍が５*１*２５個の時系列データに対応する場合に、第２畳み込みニューラルネットワークへ入力されたデータ量は、５*３*２５と表されてもよい。

【0056】

上記ステップ２０４では、第２畳み込みニューラルネットワークが各種の病理特徴を有する莫大な心電信号によって訓練された後、第２畳み込みニューラルネットワークは、入力層のデータに基づいて、当該心電信号の病理タイプを正確に認識することができる。

【0057】

上記ステップ２０５とステップ２０６では、第１畳み込みニューラルネットワークに対して莫大な正常と異常の単一心拍の心電信号によって訓練してもよい。訓練を経た後、第１畳み込みニューラルネットワークは、単一心拍に異常が発生したか否かを正確に認識することができる。例えば、２５個の単一心拍を第１畳み込みニューラルネットワークへ順次入力した後、第１畳み込みニューラルネットワークは、単一心拍の正常と異常に対して判定を行ってもよい。例えば、１は単一心拍が正常であることを示し、０は単一心拍が異常であることを示す場合に、２５個の単一心拍は、０と１との系列の２５個の組み合わせに対応可能である。当該系列の組み合わせにより、この２５個の単一心拍における異常が発生した心拍位置を認識することができる。

【0058】

図２Ｃに示すように、第１畳み込みニューラルネットワークは、４つの畳み込み層を含み、各層の畳み込みは、何れも畳み込み、活性化およびプーリング（ｐｏｏｌｉｎｇ）等の処理を含む。各畳み込み層は、入力出力データおよび畳み込みカーネルサイズが異なる以外、各処理の計算順が何れも同じである。即ち、単一心拍のデータは、第１畳み込みニューラルネットワークへ入力された後、畳み込みおよび活性化を経てから、プーリングされ、これによって当該畳み込み層から出力された特徴データを取得する。第１層の畳み込み層から第３層の畳み込み層は、各層が何れも連続する二段畳み込み、活性化、プーリングを含むが、第４層の畳み込み層は、一段畳み込み、活性化、プーリングのみを含む。活性化運算では、一般的にｓｉｇｍｏｉｄ、ｔａｎＨ、ｒｅＬｕ等の関数が採用されている。第１畳み込みニューラルネットワークでは、畳み込み運算は、心電信号の特徴データを抽出するために用いられ、活性化運算は、特徴データの非線形度、即ち、活性を向上するために用いられ、プーリング運算は、特徴データに対して次元を低減するために用いられる。

【0059】

図２Ｄに示すように、第２畳み込みニューラルネットワークは、３つの畳み込み層を含み、各畳み込み層は、入力出力データおよび畳み込みカーネルサイズが異なる以外、各処理の計算順が何れも同じである。即ち、入力データ（心電信号の時系列データを含む）は、第２畳み込みニューラルネットワークへ入力された後、畳み込みおよび活性化を経てから、当該畳み込み層から出力された特徴データを取得する。第１層の畳み込み層から第３層の畳み込み層は、各層が何れも一段畳み込みおよび活性化を含むが、プーリングを含まない。

【0060】

本実施例では、第２畳み込みニューラルネットワークが連続する心電信号に対して病理診断を行うと同時に、第１畳み込みニューラルネットワークによって異常の心拍位置を正確に特定できる。第１畳み込みニューラルネットワークから出力された特徴データがオリジナルの単一心拍の近似と見なされてもよいため、第１畳み込みニューラルネットワークから出力された特徴データをオリジナルの心電信号に積算することにより、心電信号を認識する可能性は、大きく向上する。

【0061】

図３Ａは、本発明の更に別の例示的な実施例の心電信号検出方法の模式的なフローチャートであり、図３Ｂは、図３Ａに示す実施例に適用される心電信号を検出するアーキテクチャの模式図の一であり、図３Ｃは、図３Ａに示す実施例に適用される心電信号を検出するアーキテクチャの模式図の二であり、図３Ａに示すように、以下のステップを含む。

【0062】

ステップ３０１では、所定時間長の心電信号を分割して第１所定数の単一心拍を取得する。

【0063】

ステップ３０１の記述は、上記図１Ａに示す実施例の記述を参照すればよいため、ここで詳細に説明しない。

【0064】

ステップ３０２では、第１所定数の単一心拍のデータを第１畳み込みニューラルネットワークへ順次入力することで、第１所定数の単一心拍の各単一心拍に対応する特徴データを抽出する。

【0065】

ステップ３０２の記述は、上記図２Ａに示す実施例の記述を参照すればよいため、ここで詳細に説明しない。

【0066】

ステップ３０３では、第１所定数の特徴データを第２畳み込みニューラルネットワークの所定畳み込み層へ入力し、所定時間長の心電信号を第２畳み込みニューラルネットワークの入力層へ入力することで、第２畳み込みニューラルネットワークによって当該心電信号の病理タイプを特定する。

【0067】

ステップ３０３の記述は、上記図２Ａに示す実施例の記述を参照すればよいため、ここで詳細に説明しない。

【0068】

以下では、図３Ｂと図３Ｃを組み合わせてステップ３０３を例示的に説明する。図３Ｂに示すように、分割して得られた第１所定数の単一心拍のデータを第１畳み込みニューラルネットワークへ順次入力し、分割されていないオリジナルの心電信号を第２畳み込みニューラルネットワークへ入力してもよい。例えば、オリジナルの連続する心電信号が２０個の単一心拍に分割されると、２０個の単一心拍のデータは、第１畳み込みニューラルネットワークへ順次入力される。当該２０個の単一心拍のデータが第１畳み込みニューラルネットワークに進入して対応する処理が行われた後、第１畳み込みニューラルネットワークの所定畳み込み層から出力された特徴データは、キャッシュされてもよい。例えば、第１畳み込みニューラルネットワークの第２層の畳み込み層から出力された２０群の特徴データは、キャッシュされてもよい。単一心拍ごとに第２層の畳み込み層から出力された特徴データ量を２１*３２と示す場合に、２０個の単一心拍に対応する特徴データ量は、２１*３２*２０＝４２０*３２と示されてもよい。

【0069】

オリジナルの連続する心電信号は、第２畳み込みニューラルネットワークの入力層へ入力される。

【0070】

一実施例では、第１畳み込みニューラルネットワークの所定畳み込み層で得られた特徴データを第２畳み込みニューラルネットワークの所定畳み込み層で得られた特徴データに注入してもよい。図３Ｃに示すように、第１畳み込みニューラルネットワークの第２層の畳み込み層で得られた特徴データを、第２畳み込みニューラルネットワークの第２層の畳み込み層で得られた特徴データに注入し、この２群の特徴データをともに第２畳み込みニューラルネットワークの第３層の畳み込み層へ入力する。例えば、第２畳み込みニューラルネットワークの第２畳み込み層から得られた特徴データ量を５３１*３２と示す場合に、第３層の畳み込み層で入力される特徴データ量は、４２０*３２＋５３１*３２＝（５３１－１１１）*３２＋５３１*３２＝５３１*６４－１１１*３２と示される。第３層の畳み込み層の処理可能な特徴データ量を５３１*６４と示す場合に、第３層の畳み込み層にとって、１１１*３２個の特徴データが欠いている。欠いている部分に対して、ゼロパディングの方式により、第３層の畳み込み層で実際に入力される特徴データと第３層の畳み込み層の処理に必要な特徴データとが一致することを確保できる。

【0071】

説明すべきことは、図３Ｃが単に例示的な説明に過ぎず、第１畳み込みニューラルネットワークの所定畳み込み層から異なる次元の特徴データを出力して、第２畳み込みニューラルネットワークの所定畳み込み層へ注入可能であるため、第２畳み込みニューラルネットワークの、第１畳み込みニューラルネットワークの特徴データに対する依存度は、柔軟に調整可能である。ここでの所定畳み込み層は、ある畳み込み層であってもよく、複数の畳み込み層であってもよい。例えば、第１畳み込みニューラルネットワークの第２畳み込み層から出力された特徴データを第２畳み込みニューラルネットワークの第２畳み込み層へ注入するとともに、第１畳み込みニューラルネットワークの第３畳み込み層から出力された特徴データを第２畳み込みニューラルネットワークの第３畳み込み層へ注入可能である。

【0072】

本実施例では、第１畳み込みニューラルネットワークの所定畳み込み層から出力された特徴データを第２畳み込みニューラルネットワークの所定畳み込み層へ入力することで、第２畳み込みニューラルネットワークの認識結果を第１畳み込みニューラルネットワークの特徴データに依存させることが可能であり、心電信号に対する認識性能は、向上できる。

【0073】

図４Ａは、本発明のもう１つの例示的な実施例の心電信号検出方法の模式的なフローチャートであり、図４Ｂは、図４Ａに示す実施例に適用される心電信号を検出するアーキテクチャの模式図であり、図４Ａに示すように、以下のステップを含む。

【0074】

ステップ４０１では、所定時間長の心電信号を第２畳み込みニューラルネットワークへ入力し、第２畳み込みニューラルネットワークによって当該心電信号の病理タイプを特定する。

【0075】

ステップ４０２では、病理タイプが心電信号に異常が発生したと示す場合に、所定時間長の心電信号を分割して第１所定数の単一心拍を取得する。

【0076】

ステップ４０３では、取得された第１所定数の単一心拍のデータを第１畳み込みニューラルネットワークへ入力し、第１畳み込みニューラルネットワークによって第１所定数の単一心拍における異常が発生した心拍位置を特定する。

【0077】

好ましくは、上記ステップ４０３では、第１所定数の単一心拍のデータを第１畳み込みニューラルネットワークの入力層へ入力し、第１畳み込みニューラルネットワークによって第１所定数の単一心拍の各単一心拍に対して判定を行い、判定結果を取得し、判定結果に基づいて第１所定数の単一心拍における異常が発生した心拍位置を特定する。

【0078】

図４Ｂに示すように、ある所定時間長（例えば、３０秒）の連続心電信号のデータを直接第２畳み込みニューラルネットワークへ入力し、当該連続心電信号のデータに対して認識を行い、病理タイプを取得する。病理タイプが心電信号に異常が発生したと示す場合に、当該心電信号を分割して例えば２５個の単一心拍のデータを取得してもよい。この２５個の単一心拍のデータを第１畳み込みニューラルネットワークに順次入力して認識させ、判定結果を取得する。判定結果は、０と１とで構成される系列であってもよい。例えば、０は異常を示し、１は正常を示すと、２５個の単一心拍は、２５ビット（ｂｉｔ）の長さの０と１との組み合わせに対応可能である。０の所在する位置を認識することで、この２５個の単一心拍における異常が発生した心拍位置を特定できる。

【0079】

本実施例では、第２畳み込みニューラルネットワークによって認識された病理タイプが、心電信号に異常が発生したと示すとき、第１畳み込みニューラルネットワークによって当該心電信号の単一心拍について逐一に認識を行うことで、異常が発生した心拍位置を認識する。

【0080】

上記図２Ｂ、図３Ａ、図３Ｂおよび図４Ｂに示すアーキテクチャ図から分かるように、本発明における第１畳み込みニューラルネットワークが単一心拍認識ネットワークと見なされ、第２畳み込みニューラルネットワークが心電信号検出ネットワークと見なされてもよい。本発明における第１畳み込みニューラルネットワークと第２畳み込みニューラルネットワークのアーキテクチャ設計は、以下の有利な効果がある。
１）第１畳み込みニューラルネットワークを単独で訓練して、全ネットワークアーキテクチャに対する訓練の難易度を低減することができる。
２）十分な単一心拍データを第１畳み込みニューラルネットワークの訓練サンプルとして取得しやすい。このため、第１畳み込みニューラルネットワークが十分な訓練を受けることができ、単一心拍の認識の安定性および信頼性は、保証できる。
３）第１畳み込みニューラルネットワークで得られた特徴データに基づいて第２畳み込みニューラルネットワークの訓練を補強できるため、長い系列の連続心拍の心電信号のデータ不足の問題を解決できる。
４）心電信号の数が小さいため、本発明におけるアーキテクチャ設計は、組み込み型開発応用に適用できる。

【0081】

図５は、本発明の一例示的な実施例の心電信号検出装置の構造模式図である。図５に示すように、当該心電信号検出装置は、第１分割モジュール５１、第１特定モジュール５２と第２特定モジュール５３を備えてもよい。

【0082】

第１分割モジュール５１は、所定時間長の心電信号を分割して第１所定数の単一心拍を取得する。

【0083】

第１特定モジュール５２は、第１分割モジュール５１で取得された第１所定数の単一心拍の各単一心拍に対応する特徴データを特定し、第１所定数の特徴データを取得する。

【0084】

第２特定モジュール５３は、所定時間長の心電信号と第１特定モジュール５２で特定された第１所定数の特徴データとに基づいて、所定時間長の心電信号の病理タイプを特定する。

【0085】

図６は、本発明の別の例示的な実施例の心電信号検出装置の構造模式図である。図６に示すように、上記図５に示す実施例を基に、第１特定モジュール５２は、第１入力手段５２１と抽出手段５２２を備えてもよい。

【0086】

第１入力手段５２１は、第１所定数の単一心拍のデータを第１畳み込みニューラルネットワークへ順次入力する。

【0087】

抽出手段５２２は、第１畳み込みニューラルネットワークによって第１所定数の単一心拍の各単一心拍に対応する特徴データを抽出する。

【0088】

一実施例では、心電信号検出装置は、判定モジュール５４と第３特定モジュール５５を更に備える。

【0089】

判定モジュール５４は、第１畳み込みニューラルネットワークによって、第１分割モジュール５１で取得された第１所定数の単一心拍の各単一心拍に対して判定を行い、判定結果を取得する。

【0090】

第３特定モジュール５５は、判定モジュール５４で取得された判定結果に基づいて第１所定数の単一心拍における異常が発生した心拍位置を特定する。

【0091】

一実施例では、第２特定モジュール５３は、第１特定手段５３１、第２入力手段５３２と第２特定手段５３３を備えてもよい。

【0092】

第１特定手段５３１は、第１所定数の単一心拍の各単一心拍に対応する時系列データを特定し、第１所定数の時系列データを取得する。

【0093】

第２入力手段５３２は、第１特定手段５３１で取得された第１所定数の時系列データと第１所定数の特徴データとを第２畳み込みニューラルネットワークの入力層へ入力する。

【0094】

第２特定手段５３３は、第２畳み込みニューラルネットワークによって心電信号の病理タイプを特定する。

【0095】

第１特定手段５３１は、具体的に、
所定時間長の心電信号における各単一心拍について、当該単一心拍のＲ波に対応する時点を特定し、
当該単一心拍のＲ波に前後に隣接する第２所定数の単一心拍のそれぞれのＲ波に対応する時点を特定し、
当該単一心拍のＲ波に対応する時点と、当該単一心拍に前後に隣接する第２所定数の単一心拍のそれぞれのＲ波に対応する時点とに基づいて、当該単一心拍に対応する時系列データを特定する。

【0096】

一実施例では、第２特定モジュール５３は、第３入力手段５３４、第４入力手段５３５と第３特定手段５３６を備える。

【0097】

第３入力手段５３４は、第１所定数の特徴データを第２畳み込みニューラルネットワークの所定畳み込み層へ入力する。

【0098】

第４入力手段５３５は、所定時間長の心電信号を第２畳み込みニューラルネットワークの入力層へ入力する。

【0099】

第３特定手段５３６は、第２畳み込みニューラルネットワークによって、第３入力手段５３４で入力された第１所定数の特徴データと第４入力手段５３５で入力された心電信号とに対して認識を行い、心電信号の病理タイプを特定する。

【0100】

図７は、本発明の更に別の例示的な実施例の心電信号検出装置の構造模式図である。図７に示すように、心電信号検出装置は、第４特定モジュール７１、第２分割モジュール７２と第５特定モジュール７３を備えてもよい。

【0101】

第４特定モジュール７１は、第２畳み込みニューラルネットワークによって所定時間長の心電信号の病理タイプを特定する。

【0102】

第２分割モジュール７２は、第４特定モジュール７１で特定された病理タイプが心電信号に異常が発生したと示す場合に、所定時間長の心電信号を分割して第１所定数の単一心拍を取得する。

【0103】

第５特定モジュール７３は、第２分割モジュール７２で取得された第１所定数の単一心拍のデータを第１畳み込みニューラルネットワークへ入力することで、第１畳み込みニューラルネットワークによって第１所定数の単一心拍における異常が発生した心拍位置を特定する。

【0104】

一実施例では、第５特定モジュール７３は、第５入力手段７３１、判定手段７３２と第４特定手段７３３を備えてもよい。

【0105】

第５入力手段７３１は、第１所定数の単一心拍のデータを第１畳み込みニューラルネットワークの入力層へ入力する。

【0106】

判定手段７３２は、第５入力手段７３１によって第１畳み込みニューラルネットワークへ入力された第１所定数の単一心拍の各単一心拍に対して判定を行い、判定結果を取得する。

【0107】

第４特定手段７３３は、判定手段７３２で取得された判定結果に基づいて、第１所定数の単一心拍における異常が発生した心拍位置を特定する。

【0108】

本発明のメモリ検出装置の実施例は、電子機器に適用可能である。装置実施例は、ソフトウェアにて実施されてもよく、ハードウェアまたはソフト・ハードウェアの組み合わせで実施されてもよい。ソフトウェアによる実施を例とすると、論理意味上の装置は、所在する電子機器のプロセッサが非一過性の記録媒体における対応する機器の実行可能な指令を読み取ってメモリへ転送して動作させることによって形成される。ハードウェア実装に関しては、図８は、本発明の心電信号検出装置の所在する電子機器のハードウェア構造図であり、図８に示すプロセッサ８０１、メモリ８０２、ネットワークインターフェース８０３および非一過性の記録媒体８０４に加えて、実施例における装置の所在する電子機器は、通常、当該電子機器の実機能に応じて、他のハードウェアを備えてもよい。ここで繰り返し説明しない。

【0109】

当業者は、明細書を考慮してここで開示された発明を実践した後、本発明の他の実施案を容易に想到する。本発明は、本発明の如何なる変形、用途または適応的な変化をカバーすることを意図する。これらの変形、用途または適応的な変化は、本発明の一般的な原理に従い、本発明に開示されていない本技術分野における公知常識や慣用技術手段を含む。明細書と実施例は、単に例示と見なされ、本発明の真の範囲および要旨は、請求項によって示される。

【0110】

更に説明すべきことは、用語「含む」、「備える」またはほかの何れかの同義語が非排他的含有をカバーすることを意図する。このように、一シリーズの要素を有する手順、方法、物品または機器は、それらの要素を有するだけではなく、明確に挙げられていない他の要素も有し、またはこのような手順、方法、物品または機器に固有の要素も有する。更なる制限がない限り、語句「１つの…を含む」で限定される要素は、前記要素を有する手順、方法、物品または機器に他の同じ要素を更に有することをあえて排除しない。

【0111】

上述したのは、本発明の好適な実施例に過ぎず、本発明を制限するためのものではない。本発明の精神及び原則内でなされた如何なる変更、均等物による置換、改良等も、本発明の保護範囲内に含まれる。

【図1A】

【図1B】

【図1C】

【図2A】

【図2B】

【図2C】

【図2D】

【図3A】

【図3B】

【図3C】

【図4A】

【図4B】

【図5】

【図6】

【図7】

【図8】