特表 2023-539523 機械学習を使用する心電図リード再構築

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公表特許公報(A)

(11)【公表番号】

(43)【公表日】2023-09-14

(54)【発明の名称】機械学習を使用する心電図リード再構築

(51)【国際特許分類】

   A61B 5/327 20210101AFI20230907BHJP

【ＦＩ】

A61B5/327

【審査請求】未請求

【予備審査請求】未請求

(21)【出願番号】P 2023514101

(86)(22)【出願日】2021-08-19

(85)【翻訳文提出日】2023-04-28

(86)【国際出願番号】 EP2021073097

(87)【国際公開番号】W WO2022043196

(87)【国際公開日】2022-03-03

(31)【優先権主張番号】63/071,803

(32)【優先日】2020-08-28

(33)【優先権主張国・地域又は機関】US

(81)【指定国・地域】

(71)【出願人】

【識別番号】519383544

【氏名又は名称】アナログ・ディヴァイシス・インターナショナル・アンリミテッド・カンパニー

(74)【代理人】

【識別番号】100108453

【弁理士】

【氏名又は名称】村山 靖彦

(74)【代理人】

【識別番号】100110364

【弁理士】

【氏名又は名称】実広 信哉

(74)【代理人】

【識別番号】100133400

【弁理士】

【氏名又は名称】阿部 達彦

(72)【発明者】

【氏名】アレハンドロ・グランデ

(72)【発明者】

【氏名】ハビエル・カルペ・マラビジャ

(72)【発明者】

【氏名】モニカ・レドン・セグレラ

(72)【発明者】

【氏名】ヴェヌゴパル・ゴピナタン

(72)【発明者】

【氏名】トニー・アクル

【テーマコード（参考）】

4C127

【Ｆターム（参考）】

4C127AA02

4C127CC08

4C127GG10

(57)【要約】

Ｍ誘導システムを使用して１２誘導標準心電図（ＥＣＧ）システム信号を再構築するための方法であって、１２誘導標準ＥＣＧシステムによって取得された信号を記録することと、Ｍ誘導システムによって取得された信号を記録することと、記録された信号を使用して、Ｍ誘導システムを使用して再構築された１２誘導標準ＥＣＧシステム信号を生成するための機械学習モデルを訓練することと、を含む、方法。

【特許請求の範囲】

【請求項1】

Ｍ誘導システムを使用してヒト被検者のために１２誘導標準心電図（ＥＣＧ）システム信号を再構築するための方法であって、
１２誘導標準心電図システムによって取得された信号を記録することと、
前記Ｍ誘導システムによって取得された信号を記録することと、
前記記録された信号を使用して、前記Ｍ誘導システムを使用して再構築された１２誘導標準ＥＣＧシステム信号を生成するための機械学習モデルを訓練することと、を含む、方法。

【請求項2】

前記Ｍ誘導システムは、強化ＥＣＧシステムのリードのサブセットを構成するＭ個のリードを備え、前記強化ＥＣＧシステムは、前記１２誘導標準ＥＣＧシステムを含む、請求項１に記載の方法。

【請求項3】

前記強化ＥＣＧシステムは、少なくとも１つの追加電極を備える、請求項２に記載の方法。

【請求項4】

前記記録された１２誘導標準ＥＤＧシステム信号を前記再構築された１２誘導標準ＥＣＧシステム信号と比較することによって、前記機械学習モデルの性能を評価することを更に含む、請求項１～３のいずれか一項に記載の方法。

【請求項5】

前記機械学習モデルは、人工ニューラルネットワーク（ＡＮＮ）を含み、前記記録された信号の各々の一部分が、前記ＡＮＮの係数を訓練するために使用される、請求項１～４のいずれか一項に記載の方法。

【請求項6】

前記ＡＮＮは、複数出力ＡＮＮを含む、請求項５に記載の方法。

【請求項7】

前記ＡＮＮは、複数の単一出力ＡＮＮを含む、請求項５に記載の方法。

【請求項8】

前記ＡＮＮは、前記Ｍ誘導システムのリードに対応するＭ個の入力を備える、請求項５～７のいずれか一項に記載の方法。

【請求項9】

前記ＡＮＮは、心臓ベクトルの角度、前記心臓ベクトルの大きさ、及び前記ヒト被検者に関する情報のうちの少なくとも１つに対応する少なくとも１つの追加入力を備える、請求項８に記載の方法。

【請求項10】

前記機械学習モデルは、専門家委員会を含む、請求項１～９のいずれか一項に記載の方法。

【請求項11】

前記Ｍ誘導システムは、複数のＭ誘導システムを含み、前記方法は、
前記Ｍ誘導システムの各々の精度を評価することと、
前記Ｍ誘導システムを、それらの精度の順に順位付けすることと、を更に含む、請求項１～１０のいずれか一項に記載の方法。

【請求項12】

前記Ｍ誘導システムの各々の精度を評価することは、前記Ｍ誘導システムの各々のＹ個の性能指数（ＦｏＭ）を参照して実行される、請求項１１に記載の方法。

【請求項13】

前記Ｍ誘導システムのうちの選択された１つの順位に基づいて、前記ヒト被検者のＥＣＧをモニタリングする際に使用するために、前記Ｍ誘導システムのうちの１つを選択することを更に含む、請求項１１又は１２に記載の方法。

【請求項14】

前記Ｍ誘導システムのうちの前記選択された複数のものの順位に基づいて、前記ヒト被検者のＥＣＧをモニタリングする際に使用するために、前記Ｍ誘導システムのうちの複数のものを選択することを更に含む、請求項１１又は１２に記載の方法。

【請求項15】

前記Ｍ誘導システムのうちの前記選択された１つによって生成された再構築の精度を、標準１２誘導ＥＣＧ信号の固有の特性が前記再構築によって満たされているかどうかを判定することによってアセスメントすることと、前記アセスメントの結果に基づいて信頼値を前記再構築に割り当てることと、を更に含む、請求項１３に記載の方法。

【請求項16】

前記アセスメントの前記結果に基づいて前記Ｍ誘導システムのうちの前記選択された１つの較正を実行することを更に含む、請求項１５に記載の方法。

【請求項17】

外部センサデータ及び接触インピーダンスデータのうちの少なくとも１つに基づいて、前記Ｍ誘導システムのうちの前記選択された１つによって生成された再構築の信用性をアセスメントすることを更に含む、請求項１３、１５又は１６に記載の方法。

【請求項18】

前記機械学習モデルは、リグレッサを用いたファジーＣ平均法（ＦＣＭ）を使用して実装される、請求項１～１７のいずれか一項に記載の方法。

【請求項19】

Ｍは３に等しい、請求項１～１８のいずれか一項に記載の方法。

【請求項20】

Ｍ誘導システムを使用して１２誘導標準ＥＣＧシステム信号を再構築するための心電図（ＥＣＧ）再構築システムであって、
前記１２誘導標準ＥＣＧシステムを構成する複数の電極であって、ヒト被検者の皮膚に適用される、複数の電極と、
前記１２誘導標準心電図システムによって取得された信号及び前記Ｍ誘導システムによって取得された信号を使用して、前記Ｍ誘導システムによって取得された前記信号から１２誘導標準心電図システム信号を再構築するための機械学習モデルを訓練するための訓練モジュールと、
前記機械学習モデルを使用して、前記Ｍ誘導システムを使用して前記１２誘導標準ＥＣＧシステム信号を再構築するための再構築モジュールと、を備える、ＥＣＧ再構築システム。

【請求項21】

前記Ｍ誘導システムは、前記１２誘導標準ＥＣＧシステムを含む強化ＥＣＧシステムのＭ個のリードを備える、請求項２０に記載のＥＣＧ再構築システム。

【請求項22】

前記強化ＥＣＧシステムは、少なくとも１つの追加電極を備える、請求項２１に記載のＥＣＧ再構築システム。

【請求項23】

前記機械学習モデルの精度を評価するための評価モジュールを更に備える、請求項２０～２２のいずれか一項に記載のＥＣＧ再構築システム。

【請求項24】

前記評価モジュールは、前記１２誘導標準ＥＣＧシステムによって取得された前記信号を前記再構築された信号と比較することによって、前記機械学習モデルの前記精度を評価する、請求項２３に記載のＥＣＧ再構築システム。

【請求項25】

前記機械学習モデルは、人工ニューラルネットワーク（ＡＮＮ）を含み、前記記録された信号の各々の一部分が、前記ＡＮＮの係数を訓練するために使用される、請求項２０～２４のいずれか一項に記載のＥＣＧ再構築システム。

【請求項26】

前記ＡＮＮは、複数出力ＡＮＮを含む、請求項２５に記載のＥＣＧ再構築システム。

【請求項27】

前記ＡＮＮは、複数の単一出力ＡＮＮを含む、請求項２５に記載のＥＣＧ再構築システム。

【請求項28】

前記機械学習モデルは、専門家委員会を使用して実装される、請求項２０～２７のいずれか一項に記載のＥＣＧ再構築システム。

【請求項29】

前記機械学習モデルは、リグレッサを用いたファジーＣ平均法（ＦＣＭ）を使用して実装される、請求項２０～２８のいずれか一項に記載のＥＣＧ再構築システム。

【請求項30】

前記Ｍ誘導システムは、複数のＭ誘導システムを含み、前記評価モジュールは、前記Ｍ誘導システムの各々の精度を更に評価し、前記再構築システムは、前記Ｍ誘導システムの各々の前記精度に基づいて前記Ｍ誘導システムを順位付けするための順位付けモジュールを更に備える、請求項２０～２９のいずれか一項に記載のＥＣＧ再構築システム。

【請求項31】

前記Ｍ誘導システムの各々の精度を評価することは、前記Ｍ誘導システムの各々のＹ個の性能指数（ＦｏＭ）を参照して実行される、請求項３０に記載のＥＣＧ再構築システム。

【請求項32】

前記標準１２誘導ＥＣＧ信号の固有の特性が、前記複数のＭ誘導システムのうちの選択された１つによって生成された再構築によって満たされているかどうかをアセスメントし、前記アセスメントの結果に基づいて信頼値を前記機械学習モデルに割り当てるためのアセスメントモジュールを更に備える、請求項３０又は３１に記載のＥＣＧ再構築システム。

【請求項33】

前記アセスメントの前記結果に基づいて、前記複数のＭ誘導モデルのうちの前記選択された１つを較正するための較正モジュールを更に備える、請求項３２に記載のＥＣＧ再構築システム。

【請求項34】

Ｍが３に等しい、請求項２０～３３のいずれか一項に記載のＥＣＧ再構築システム。

【請求項35】

Ｍ誘導システムを使用して１２誘導標準心電図（ＥＣＧ）システム信号を再構築するための方法であって、
前記１２誘導標準ＥＣＧシステムによって生成された第１の信号を記録することと、
Ｍ個のリードのセットによって生成された第２の信号を記録することと、
前記第１の記録された信号の第１の部分と、前記第２の記録された信号とを使用して、機械学習モデルを訓練することと、
前記機械学習モデルを前記第２の記録された信号の第２の部分に適用することによって、再構築された信号を生成することと、
前記第１の信号を前記再構築された信号と比較することによって、前記機械学習モデルの精度を評価することと、を含む、方法。

【請求項36】

前記機械学習モデルは、人工ニューラルネットワーク（ＡＮＮ）を含み、前記記録された信号の各々の一部分が、前記ＡＮＮの係数を訓練するために使用される、請求項３５に記載の方法。

【請求項37】

前記ＡＮＮは、複数出力ＡＮＮを含む、請求項３６に記載の方法。

【請求項38】

前記ＡＮＮは、複数の単一出力ＡＮＮを含む、請求項３６に記載の方法。

【請求項39】

前記機械学習モデルは、専門家委員会を含む、請求項３５～３８のいずれか一項に記載の方法。

【請求項40】

前記第１の信号の固有の特性が前記再構築された信号によって満たされているかどうかを判定することによって、前記機械学習モデルの精度をアセスメントすることと、
前記アセスメントの結果に基づいて、信頼値を前記機械学習モデルに割り当てることと、を更に含む、請求項３５～３９のいずれか一項に記載の方法。

【請求項41】

前記信頼値に基づいて、前記機械学習モデルのリグレッサの重みを調整することを更に含む、請求項４０に記載の方法。

【請求項42】

前記Ｍ誘導システムは、複数のＭ誘導システムを含み、前記方法は、
前記Ｍ誘導システムの各々の精度を評価することと、
他のものと比べた前記Ｍ誘導システムの各々の精度に基づいて一意的なセットを順位付けすることと、を更に含む、請求項３５～４１のいずれか一項に記載の方法。

【請求項43】

前記Ｍ誘導システムの各々の精度を評価することは、前記Ｍ誘導システムのＹ個の性能指数（ＦｏＭ）を参照して実行される、請求項４２に記載の方法。

【請求項44】

前記Ｍ誘導システムのうちの選択された１つの順位に基づいて、前記ヒト被検者のＥＣＧをモニタリングする際に使用するために、前記Ｍ誘導システムのうちの１つを選択することを更に含む、請求項４２又は４３に記載の方法。

【請求項45】

前記Ｍ誘導システムのうちの前記選択された１つによって生成された再構築の精度を、標準１２誘導ＥＣＧ信号の固有の特性が前記再構築によって満たされているかどうかを判定することによってアセスメントすることと、前記アセスメントの結果に基づいて信頼値を前記再構築に割り当てることと、を更に含む、請求項４４に記載の方法。

【請求項46】

前記アセスメントの前記結果に基づいて、前記Ｍ誘導システムのうちの前記選択された１つの較正を実行することを更に含む、請求項４５に記載の方法。

【請求項47】

前記Ｍ誘導システムのうちの選択されたものの順位に基づいて、前記ヒト被検者のＥＣＧをモニタリングする際に使用するために、前記Ｍ誘導システムのうちの複数のものを選択することを更に含む、請求項４２又は４３に記載の方法。

【請求項48】

前記機械学習モデルは、リグレッサを用いたファジーＣ平均法（ＦＣＭ）を使用して実装される、請求項３５～４７のいずれか一項に記載の方法。

【請求項49】

Ｍが３に等しい、請求項３５～４８のいずれか一項に記載の方法。

【発明の詳細な説明】

【技術分野】

【0001】

関連出願の相互参照
本特許出願は、２０２０年８月２８日に出願され、「ＥＬＥＣＴＲＯＣＡＲＤＩＯＧＲＡＭ ＬＥＡＤ ＲＥＣＯＮＳＴＲＵＣＴＩＯＮ ＵＳＩＮＧ ＭＡＣＨＩＮＥ ＬＥＡＲＮＩＮＧ」と題された米国仮特許出願第６３／０７１，８０３号の出願日の利益を主張し、その内容は、参照によりその全体が本明細書に明示的に組み込まれる。

【0002】

本開示は、概して、心電図の分野に関し、より具体的には、機械学習を使用する心電図（ＥＣＧ）リード再構築のためのシステム及び方法に関する。

【背景技術】

【0003】

ＥＣＧは、被検者の皮膚に配置された電極を使用する、被検者の心臓の電気的活動の経時的な電圧のグラフである。電極は、各心臓周期の間の心筋の脱分極とそれに続く再分極、つまり心拍、から生じる小さな電気的変化を検出する。不規則なＥＣＧパターンは、様々な心臓の異常を示唆する可能性がある。従来の１２誘導ＥＣＧシステムでは、１０個の電極が被検者の胴体及び四肢の標準的な位置に配置される。次いで、被検者の心臓の電位の全体的な大きさが、１２の異なる角度、つまり「リード」から測定され、一定の期間（例えば、１０秒）にわたって記録され、心臓周期全体にわたる心臓の電気的活動の全体的な大きさ及び方向が獲得される。

【0004】

心電図の３つの主要な構成要素としては、心房の脱分極に対応するＰ波、振幅が比較的小さい心房の再分極に結び付けられた心室の脱分極に対応するＱＲＳ群、及び心室の再分極を表すＴ波が挙げられる。各心拍中、健康な心臓は脱分極の秩序ある進行を有し、それは特徴的なＥＣＧトレース図を生じさせる。ＥＣＧは、心臓の構造及び電気的機能についての多くの情報を伝えることができ、したがって有用な診断ツールである。

【図面の簡単な説明】

【0005】

本開示並びにその特徴及び利点のより完全な理解を提供するために、添付の図と併せて以下の説明が参照されるが、図中、同様の参照番号は同様の部分を表す。

【図1A】本明細書に記載の実施形態の特徴による、ＥＣＧリード再構築のためのシステムの様々な特徴を示すブロック図である。

【図1B】本明細書に記載の実施形態の特徴による、ＥＣＧリード再構築のためのシステムの様々な特徴を示すブロック図である。

【図2A】本明細書に記載の実施形態の特徴による、ＥＣＧリード再構築のためのシステムに使用するための人工ニューラルネットワーク（ＡＮＮ）を示す。

【図2B】本明細書に記載の実施形態の特徴による、ＥＣＧリード再構築のためのシステムに使用するためのＡＮＮの代替実施形態を示す。

【図3A】それまでは未知又は未訓練の事象に応答してのリグレッサの出力が、ＥＣＧリード再構築のためのシステムを実装するための本明細書に記載の実施形態の特徴による専門家委員会を使用して改善され得る様式をまとめて示す。

【図3B】それまでは未知又は未訓練の事象に応答してのリグレッサの出力が、ＥＣＧリード再構築のためのシステムを実装するための本明細書に記載の実施形態の特徴による専門家委員会を使用して改善され得る様式をまとめて示す。

【図4】本明細書に記載の実施形態の特徴による、ＥＣＧリード再構築のためのシステムを使用して開発された再構築の品質が、１２誘導標準ＥＣＧシステムの選択された信号間の関係の固有の特性に基づいて、オンザフライで評価、又はアセスメントされ得る様式を示す。

【図5】本明細書に記載の実施形態の特徴による、１２誘導標準ＥＣＧシステムの様々なリード間の関係の固有の特性に基づいて、評価、又はアセスメントされるような、ＥＣＧリード再構築のためのシステムによって提供される再構築の品質を改善するように、リグレッサの重みが適合され得る様式を示す。

【図6】本明細書に記載の実施形態の特徴による、特定のヒト被検者に特有のリード構成の様々なものの順位リストが、リード構成の数学的精度に基づいて生成され得る様式を示す。

【図7】本明細書に記載の実施形態の特徴による、特定のヒト被検者に特有の様々なリード構成を順位付けするために使用され得る例示的な順位付け技法を示す。

【図8A】本明細書に記載の代替実施形態の特徴による、ファジーＣ平均法（ＦＣＭ）を使用する入力データの先験的クラスタリングに基づくＥＣＧリード再構築のための代替技法をまとめて示す。

【図8B】本明細書に記載の代替実施形態の特徴による、ファジーＣ平均法（ＦＣＭ）を使用する入力データの先験的クラスタリングに基づくＥＣＧリード再構築のための代替技法をまとめて示す。

【図8C】本明細書に記載の代替実施形態の特徴による、ファジーＣ平均法（ＦＣＭ）を使用する入力データの先験的クラスタリングに基づくＥＣＧリード再構築のための代替技法をまとめて示す。

【図9A】本明細書に記載の実施形態の特徴による、ＥＣＧリード再構築のための技法を示すフロー図である。

【図9B】本明細書に記載の実施形態の特徴による、ＥＣＧリード再構築のための技法を示すフロー図である。

【図10】本明細書に記載の実施形態の特徴による、ＥＣＧリード再構築システムのオンザフライ分析のための技法を示すフロー図である。

【図11】本明細書に記載の実施形態の特徴による、ＥＣＧリード再構築のためのシステムの全部又はいくつかの部分を実装するために使用され得るコンピュータシステムのブロック図である。

【発明を実施するための形態】

【0006】

例示的実施形態の説明
本開示の目的上、「Ａ及び／又はＢ」という言い回しは、（Ａ）、（Ｂ）、又は（Ａ及びＢ）を意味する。本開示の目的上、「Ａ、Ｂ、及び／又はＣ」という言い回しは、（Ａ）、（Ｂ）、（Ｃ）、（Ａ及びＢ）、（Ａ及びＣ）、（Ｂ及びＣ）、又は（Ａ、Ｂ、及びＣ）を意味する。測定範囲に関して使用されるときの「間の」という用語は、測定範囲の端を含めるものである。本明細書で使用されるとき、「Ａ／Ｂ／Ｃ」という表記は、（Ａ）、（Ｂ）、及び／又は（Ｃ）を意味する。

【0007】

本明細書では、「一実施形態では（ｉｎ ａｎ ｅｍｂｏｄｉｍｅｎｔ）」又は「実施形態では（ｉｎ ｅｍｂｏｄｉｍｅｎｔｓ）」という言い回しが使用されるが、これらは各々、同じ又は異なる実施形態のうちの１つ以上を指し得る。更に、本開示の実施形態に関して使用されるとき、「備える（ｃｏｍｐｒｉｓｉｎｇ）」、「含む（ｉｎｃｌｕｄｉｎｇ）」、「有する（ｈａｖｉｎｇ）」等の用語は同義語である。本開示では、「上に」、「下に」、「上」、「下」、及び「側」などの視点ベースの記述が使用され得るが、そのような記述は、考察を容易にするために使用され、開示される実施形態の適用を限定することを意図するものではない。添付の図面は必ずしも縮尺通りに描かれていない。特に記載のない限り、共通の対象物を記述するための「第１の」、「第２の」、「第３の」、その他の序数形容詞の使用は、単に、同様の対象物の異なるインスタンスが言及されていることを示し、そのように記述された対象物が、時間的に、空間的に、順位付けにおいて、又は任意の他の様式においてのいずれかで、所与の順序でなければならないことを示唆しようと意図するものではない。

【0008】

以下の詳細な説明では、その一部を形成する添付の図面を参照し、図面には、実施し得る実施形態が例として示されている。他の実施形態が利用され得、本開示の範囲から逸脱することなく、構造的又は論理的な変更がなされ得ることが理解される。したがって、以下の詳細な説明は、限定的な意味で解釈されるべきではない。

【0009】

以下の開示は、本開示の特徴及び機能性を実装するための様々な例示的な実施形態及び実施例を記述する。特定の構成要素、配置、及び／又は特徴が、様々な例示的な実施形態に関連して以下に説明されるが、これらは、本開示を単純化するために使用される単なる実施例であり、限定することを意図しない。任意の実際の実施形態の開発において、開発者の特定の目標を達成するために、実装態様ごとに変わり得る、システム、ビジネス、及び／又は法的制約のコンプライアンスを含む、多くの実装態様特有の決定がなされなければならないことは、もちろん理解されよう。更に、そのような開発努力は複雑で時間がかかり得るが、それにもかかわらず、本開示の利益を有する当業者にとっては日常的な取り組みであると認識されるであろう。

【0010】

本明細書では、添付の図面に示されているような、様々な構成要素間の空間的関係及び構成要素の様々な態様の空間的配向が参照され得る。しかしながら、本開示の完全な読み取りの後に当業者によって認識されるように、本明細書に記載のデバイス、構成要素、部材、装置、その他は、任意の所望の配向に配置され得る。したがって、様々な構成要素間の空間的関係を記述するため、又はそのような構成要素の態様の空間的配向を記述するための、「上に」、「下に」、「上の」、「下の」、「上」、「下」、又は他の同様の用語は、本明細書に記載の構成要素は任意の所望の方向に配向され得るので、それぞれ、構成要素間の相対的関係又はそのような構成要素の態様の空間的配向を記述すると理解されたい。要素、動作、及び／又は状態の、ある範囲の寸法又は他の特性（例えば、時間、圧力、温度、長さ、幅など）を記述するために使用される場合、「ＸとＹとの間」という言い回しは、Ｘ及びＹを含む範囲を表す。

【0011】

更に、本開示は、様々な実施例において、参照番号及び／又は参照文字を繰り返すことがある。この繰り返しは、単純化及び明確化を目的としており、それ自体は、考察された様々な実施形態及び／又は構成間の関係を決定づけるものではない。本開示の特徴及び機能性を実装するために使用され得る例示的な実施形態を、添付の図をより具体的に参照して、ここに説明する。

【0012】

本明細書に記載の実施形態は、機械学習を使用して、２つ以上のリードによって（１０個の電極を使用する）標準１２誘導ＥＣＧトレース図を再構築するシステム及び方法を含む。本明細書に記載の実施形態の特徴によれば、システム及び方法の一態様は、特定のヒト被検者の胴体及び／又は四肢への電極の配置を最適化して、その特定の個人のための最高品質の再構築を保証することに関与する。追加的及び／又は代替的に、システムの性能を検証するために、再構築の局所的な定性的信頼値が提供され得る。

【0013】

１２誘導標準ＥＣＧシステムにおける１０個の電極を以下の表１に示す。

【0014】

【表1】

【0015】

１２誘導標準ＥＣＧシステムの１２個のリードは、四肢リードＩ、ＩＩ、及びＩＩＩ、拡張四肢リードａＶＲ、ａＶＬ、及びａＶＦ、並びに前胸部リードＶ１、Ｖ２、Ｖ３、Ｖ４、Ｖ５、及びＶ６を含む。１２誘導標準ＥＣＧシステムでは、各リードは、電極のうちの１つ又は組み合わせに対応する。例えば：
Ｉ＝ＬＡ－ＲＡ
ＩＩ＝ＬＬ－ＲＡ
ＩＩＩ＝ＬＬ－ＬＡ

【0016】

例示のみの目的で、本明細書に記載のＥＣＧ再構築システム及び方法は、人工ニューラルネットワーク（ＡＮＮ）と組み合わされた（Ｘ個の電極を使用して形成された）Ｍ誘導システムを参照して説明され得、ここで、Ｍは３に等しく、Ｘは４に等しいが、但し、本明細書に記載の実施形態の趣旨又は範囲から逸脱することなく、より多くの又はより少ないリード及び対応する電極並びにＡＮＮ以外の機械学習技法が使用され得ることが認識されるであろう。

【0017】

１つの例示的な実施形態は、訓練済モデルを含む人工ニューラルネットワーク（ＡＮＮ）と組み合わされた（４つの電極によって形成された）３誘導システムによって、（１０個の電極によって形成された）１２誘導標準ＥＣＧシステムによって生成されるＥＣＧ信号を再現するための技法である。３誘導システムを実装するための電極の配置は、モデルの訓練中に特定のヒト被検者に対して個人別化され得る。その結果、３誘導システムを使用して、標準１２誘導ＥＣＧシステムによって得られる精度を犠牲にすることなく、自由行動下ＥＣＧシステムを実装することができる。

【0018】

図１Ａは、強化ＥＣＧシステム１０２のＭ個のリードのサブセットを使用してＥＣＧリード再構築を実行するためのシステム１００の機能ブロック図を示す。本明細書に記載の実施形態によれば、強化ＥＣＧシステム１０２は、（図１Ａでは電極１０３Ａによって表された）１２誘導標準ＥＣＧシステムの電極、並びに（図１Ａでは電極１０３Ｂによって表された）追加電極を含む。図１Ａに示されたように、強化ＥＣＧシステム１０２は、（合計１９個の電極のために）９個の追加電極を含むが、本明細書に記載の実施形態の趣旨又は範囲から逸脱することなく、より多くの又は（ゼロを含む）より少ない追加電極が含まれ得ること、並びに追加電極の数及び配置は、システム１００の動作を最適化し、サブセットの数を、以下に記載されるように、使用のために評価され得るものまで増やすように選択され得ることに留意されたい。追加的及び／又は代替的に、追加電極の配置は、その情報が利用可能である場合、ヒト被検者の特性（例えば、表現型）及び／又は疑わしい病態によって影響され得る。特定の実施形態では、Ｍは３に等しいが、但し、本明細書に記載の実施形態の趣旨又は範囲から逸脱することなく、より多くの又はより少ないリードを含むサブセットが採用され得ることが認識されるであろう。以下に説明されるようなシステム１００によって実行されるステップが、Ｎ個の、Ｍ個のリードの構成の各々について実施されることが更に認識されるであろう。

【0019】

図１Ａに示されたように、システム１００によって実行される初期訓練セッション中、強化ＥＣＧシステム１０２を構成する電極は、ヒト被検者１０４の胴体及び四肢上に配置され、１２誘導標準ＥＣＧシステムを構成する電極（例えば、電極１０３Ａ）は標準位置に配置され、追加電極（例えば、電極１０３Ｂ）の各々は異なる位置に配置される。標準１２誘導システム１０６から取得された信号、及び強化ＥＣＧシステム１０２の３つのリードからなり得る（Ｎ個のＭ誘導システム又は構成のうちの１つを構成する）Ｍ誘導システム又は構成１０８から獲得された信号が記録され、信号の各々の一部分（例えば、一実施形態では約１６秒）が訓練モジュール１１０に入力される。特定の実施形態では、強化ＥＣＧシステム１０２の全ての電極からの信号が、単一のデバイスを使用して記録される。代替実施形態では、信号１０６は、臨床グレードデータを提供するアナログフロントエンド（「ＡＦＥ」）を使用して（例えば、市販のＥＣＧカートを使用して）獲得され得、一方で、信号１０８は、非臨床グレードＡＦＥを有する１つ以上のデバイスを使用して並列に獲得され得る。

【0020】

説明されるように、記録された信号は、Ｍ誘導システム１０８によって生成された信号から標準１２誘導システム１０６によって生成された信号を再構築するための再構築モジュール１１４によって使用される訓練済モデル１１２の係数を得るために、訓練モジュール１１０によって使用され得る。特に、示された実施形態では、再構築モジュール１１４は、３誘導システム１０８からの記録された信号の残りの部分（例えば、約１～２分）を訓練済モデル１１２に適用し、再構築された１２誘導ＥＣＧ信号を評価モジュール１１６に出力し得る。いったんシステム（及び、特に、モデル１１２）が（例えば、多数のケースが分析された後に）堅牢であることが証明されると、モデルの係数が以前の情報から推測され得るので、訓練は不必要であり得ることが認識されるであろう。

【0021】

評価モジュール１１６は、１２誘導ＥＣＧ信号１０６を参照して、Ｍ誘導システム１０８を使用して得られる再構築の精度、信頼性及び／又は信用性をチェックする。例えば、特定の実施形態では、評価モジュール１１６は、再構築モジュール１１４から出力された、再構築された１２誘導ＥＣＧ信号を、標準１２誘導システムによって獲得された元の１２誘導ＥＣＧ信号１０６の残りの部分と、いくつかの性能指数（「ＦｏＭ」）を使用して比較し得る。

【0022】

Ｎ個の構成の各々について評価モジュール１１６によって計算されたＦｏＭは、Ｍ誘導システム１０８の異なる構成の異なる構成を順位付けする順位付けモジュール１１８に入力され（それらは、記録され、訓練するために使用され、記録された標準１２誘導システム信号１０６に関して上述したのと同じ様式で評価される）、被検者１０４に対する構成／位置１２０の個人別順位を出力する。１つの例示的な実施形態では、順位付けは、Ｎ個のＭ誘導構成の各々についてのＦｏＭを使用して実行されるが、但し、（例えば、被検者の既知の病態又は病歴に基づいて）特定の導出特性又はいくつかのＦｏＭに、他のものよりも強く重みをかける方法を含む、任意の他の数の順位付け方法が、本明細書に記載の実施形態の趣旨又は範囲から逸脱することなく、順位付けモジュール１１８によって採用され得ることが認識されるであろう。

【0023】

特定の実施形態では、最も高い精度、信頼性、かつ／又は信用性がある（又はそのうちの１つである）再構築された１２誘導ＥＣＧ信号を生成するＭ誘導組み合わせ／構成のうちの１つ以上と、それと関連付けられたモデルとが、例えば自宅及び／又は自由行動下での使用のために、ユーザのための個人別システムとして選択される。

【0024】

前述したように、特定の実施形態では、信号の各々の第１の部分（例えば、１６秒）が、特定の実施形態ではＡＮＮを含むモデル１１２を訓練するために、訓練モジュール１１０によって使用され得、一方で、信号の各々の残りの部分は、再構築（再構築モジュール１１４）、評価（評価モジュール１１６）、及び順位付け（順位付けモジュール１１８）のために使用される。追加的及び／又は代替的に、信号の各々の全てを、順位付けを実行するために使用してもよい。加えて、特定の実施形態では、特定のＭ誘導組み合わせと関連付けられた再構築の信頼性、又は信用性は、既知の制約、例えば１２誘導標準システムの特定の信号間の数学的関係又は前胸部リード間の特定の関係が再構築によって満たされること、に基づいて検証され得る。

【0025】

図１Ｂは、被検者によるシステム１３０の使用中に、例えば個人別位置順位１２０（図１Ａ）から選択されたＭ誘導構成のうちの１つ及び対応するモデルを含み得る、Ｍ誘導システム１３０のオンザフライ評価、又はアセスメント、及び適合のための一実施形態を示すブロック図である。図１Ｂに示されたように、Ｍ誘導システム１３０からの再構築された標準１２誘導ＥＣＧ信号の精度、信頼性、及び／又は信用性は、説明されるように、１２誘導標準ＥＣＧシステムの信号のうちのいくつか（例えば、四肢リード及び／又は前胸部リード）の間の固有の関係を検証／評価することに基づいて、オンザフライ検証モジュール１３２によってアセスメントされる。加えて、（例えば、図５を参照して）以下で詳細に説明されるように、アセスメントの結果として、オンザフライ検証モジュール１３２は、Ｍ誘導システム１３０を較正するために、較正データを自己較正モジュール１３４に提供し得る。追加的及び／又は代替的に、以下でより詳細に説明されるように、（例えば、図４に示されているような）オンザフライ検証モジュール１３２によるアセスメントに続き、特定の時間又は時間ウィンドウ中の再構築の堅牢性を示す、下記の方程式の精度レベルに基づいて、局所信頼値が再構築に割り当てられ得る。

【0026】

図２Ａは、図１Ａに示されたような、４つの電極によって形成される３つのリードのみを使用して１２誘導標準ＥＣＧシステムを再構築するためのモデルを実装するために使用され得る人工ニューラルネットワーク（ＡＮＮ）２００を示す。図２Ａに示されたように、１つの例示的な実施形態では、ＡＮＮ２００は、３誘導システムのリードにそれぞれ対応する３つの入力を備える入力層２０２と、隠れ層２０４と、１２誘導標準ＥＣＧシステムの１２個の再構築されたリードのうちの１つに対応する単一出力を備える出力層とを含む、多層パーセプトロンネットワーク（ＭＬＰ）を含む単一出力ＡＮＮである。モデルは、１２個の再構築されたリードの各々に１つずつ、１２個の単一出力ＡＮＮ２００を含むことが認識されるであろう。

【0027】

図２Ｂは、システム１００（図１Ａ）などの、４つの電極によって形成される３つのリードのみを使用して１２誘導標準ＥＣＧシステムを再構築するためのモデルを実装するために使用され得る、図２Ｂでは参照番号２２０で示された、ＡＮＮの代替実施形態を示す。図２Ｂに示されたように、一実施形態では、ＡＮＮ２２０は、３誘導システムのリードにそれぞれ対応する３つの入力を備える入力層２２２と、隠れ層２２４と、各々が１２誘導標準ＥＣＧシステムの１２個の再構築されたリードのうちの１つに対応する複数の出力を備える出力層とを含む、多層パーセプトロンネットワーク（ＭＬＰ）を含む複数出力ＡＮＮである。ＡＮＮ構成２００、２２０、又は代替構成のいずれかが、本明細書に記載のように実施形態を実装するために有利に使用され得ることが認識されるであろう。

【0028】

ＡＮＮ２００のような単一出力ＡＮＮは、より迅速な収束を提供し、したがって、単一出力ＡＮＮを展開するシステムはより迅速に訓練されるが、ＡＮＮ２２０のような複数出力ＡＮＮを使用する利点は、出力間の数学的関係の偏差がＡＮＮにフィードバックされて重みを更新することができることであることが認識されるであろう。加えて、本明細書に図示及び説明されているように、ＡＮＮ２００は、単一隠れ層２０４を含むが、隠れ層内のニューロンの数は、特定の数に制限又は限定されていると解釈されるべきではない。同様に、本明細書に図示及び説明されているように、ＡＮＮ２２０は、単一隠れ層２２４を含むが、隠れ層の数は、特定の数に制限又は限定されていると解釈されるべきではない。更に、本明細書に記載の実施形態は、取得されたリードを考慮しているが、取得されたリードに関連する追加入力（例えば、心臓ベクトルの角度及び大きさ）並びに／又は被検者に関連する追加入力（例えば、性別、年齢、既知の病態及び／又は併存疾患）が、ネットワークの収束を加速するために、所望により、ＡＮＮ（例えば、ＡＮＮ２００、２２０）への入力として実装／追加され得る。

【0029】

回帰の堅牢性を高めるために、異なるリグレッションを含む専門家委員会を実装してもよい。図３Ａ及び図３Ｂは、専門家委員会を使用して、それまでは未知又は未訓練の事象（異所性心拍又は病態など）に対するリグレッサの出力を改善し得る様式を示す。一実施形態では、そのような専門家委員会は、Ｍ誘導システムから１２誘導標準ＥＣＧシステムの各リードを再構築するための（単一のＡＮＮの代わりに）一群のＡＮＮとして実装される。図３Ａ及び図３Ｂに示された実施形態では、リード当たり１つ、合計１２個のＡＮＮを関与させるリグレッサの２０回の実行を考慮する専門家委員会が展開され、各リードの平均値が、リード信号を再構築するために使用される。一実施例では、図３Ａに示されたように、正常な心拍のみを使用して訓練された専門家委員会を含むネットワーク３００を含む再構築アルゴリズムを使用して、グラフ３０２Ａ～３０２Ｆによって表される正常な脈拍に加えて心室性期外収縮（ＰＶＣ）を含むリードをうまく再構築し得る。正常な心拍のみを使用して訓練されたシステムを使用して、他の病態がうまく再構築され得ることが認識されるであろう。

【0030】

図３Ａは、２０回の実行（この場合、２０個のＡＮＮ）の使用を示すが、より多くの又はより少ないＡＮＮが展開され得ることも認識されるであろう。グラフ３０２Ａ～３０２Ｆは、それぞれ、リードＩ、ＩＩ、ＩＩＩ、ａＶＬ、ａＶＲ、及びａＶＦについての、元のリード信号対再構築されたリード信号を示す。追加的及び／又は代替的に、異なる及び／又は追加のリグレッサ（例えば、線形回帰、ＣＮＮ、バイナリツリー）を使用して、委員会（又は最終リグレッサ）の堅牢性を高めてもよい。

【0031】

図４は、１２誘導標準ＥＣＧシステムの信号のうちのいくつかの間の関係の固有の特性に基づいて、リードの再構築の精度、信頼性、及び／又は信用性を評価又はアセスメントすることができるシステム４００を示す。図４に示されたように、その全て又は一部分がオンザフライ検証モジュール１３２（図１Ｂ）を実装するために使用され得るシステム４００は、以下の４つの方程式：Ｉ－ＩＩ＋ＩＩＩ＝０

【数1】

を分析し得、結果の精度に基づいて、リードの再構築の堅牢性（又は信頼性）を決定する。これは、初期訓練フェーズ（図１Ａ）中に使用されたような実際の１２誘導標準ＥＣＧ導出へのアクセスなしで実行され、（例えば、システムが被検者に展開されている間の）オンザフライ、又はデータが処理されるときのオフラインでの継続的な検証、並びにシステムの動的再訓練を可能にする。

【0032】

前述したように、アセスメントに続いて、再構築の堅牢性を示す上記の方程式の精度のレベルに基づいて、局所信頼値が再構築に割り当てられ得る。一実施形態では、信頼値は、再構築が非常に信用性がないことを示す第１の値（例えば、０）と、再構築が非常に信用性があることを示す第２の値（例えば、１）との間の値に正規化され得、第１の値と第２の値との間の値が、再構築の相対的な信用性／非信用性を示す。別の実施形態では、信頼値は、いくつかの値のうちの１つを含み得、各値は、再構築の相対的な信用性及び／又は容認可能性を示す。追加的及び／又は代替的に、取得された信号の信用性が、再構築された信号をアセスメントし、信頼値を割り当てる際に考慮され得る。例えば、取得された信号にかなりノイズがある、再構築の信頼水準は、取得された信号にノイズがより少ない場合よりも低くあり得る。同じことは、（例えば、加速度計を使用して）大変な動きが検出される状況にも当てはまり得、この場合、高い動きの条件下で取得された信号は、より静的な条件下で取得された信号を使用して実行される再構築の場合よりも、再構築が信用性が低いとみなされる結果となり得る。特定の実施形態では、再構築された信号のアセスメントにおける信頼性を高めるために、前胸部リードも評価され得る。この評価（又はアセスメント）は、本明細書に記載のシステムの動作全体を通して実行され得ることが認識されるであろう。再構築を劣化／妥協させる可能性のある大変な動き又は激しい運動を検出し得る加速度計の場合のように、補助センサからの情報も考慮することができる。

【0033】

図５は、１２誘導標準システムにおける異なる信号間の固有の関係に基づいて、再構築の品質に応じてリグレッサの重みを適合させ得るシステム５００を示す。システム５００の全部又は一部分を使用して、オンザフライ検証モジュール１３２（図１Ｂ）及び自己較正モジュール１３４（図１Ａ）を実装し得る。この適合、又は自己較正は、特定の閾値を下回る信頼値が再構築に割り当てられたことに応答してトリガされ得る。加えて、信頼値は、重み／自己較正プロセスの適合に直接使用され得る。システムは、偏差がエラー信号として使用される実行においてその重みを適合させ続けることが可能である。特定の実施形態では、重み適合は、全ての出力がゼロ化されるときのように、大域偽最小値を回避するように制限される。

【0034】

図６は、特定の被検者に対して考えられる最良の信号再構築を保証するために、各被検者に特有のいくつか（例えば、Ｎ個）のＭ誘導組み合わせ／構成（示された実施形態では３誘導構成を含む）の個人別位置順位１２０が、様々な構成の数学的精度に基づいて順位付けモジュール１１８（図１Ａ）によって生成され得る様式を示す。数学的順位に続いて、経験則を適用して、順序を変更し、かつ／又は様々な制限及び他の考慮事項に基づいて、構成のうちのどれを使用すべきかを決定し得る。そのような制限は、（例えば、被検者の解剖学的構造に適合するため、及び／又は電極間の距離を制限するための）生理学的又は解剖学的制約及び実用的効果、並びにデバイスの形状因子によって規定され得る。特に、図６は、ヒト被検者１０４の構成スコア（図７）の順に順位付けされた、考えられる３誘導システム構成／組み合わせの一部分の順位リスト１２０を示す。性能の劣化は比較的滑らかである（すなわち、順位リスト１２０において１０個の位置だけ離れた構成は、典型的には、ほぼ等しい性能を有する）ので、リスト１２０を使用して、被検者１０４の解剖学的制限（例えば、乳房組織）及び／又は臨床的考慮事項（例えば、ＥＣＧの特定の特徴が興味深く、所与の方向が、他よりも多くの情報を有することが知られている）に基づいて、例えば自由行動下デバイスにおいて、被検者１０４によって使用される１つ以上の３誘導組み合わせ／構成を選択し得る。一実施形態では、１つを超える同様の性能の（すなわち、同様に順位の）Ｍ個のリードの構成を選択することができることは、被検者が経時的に電極の配置を変更し、それによって被検者の皮膚への刺激又は損傷を潜在的に防止することを可能にする。

【0035】

図７は、本明細書に記載の実施形態による、Ｍ誘導システム構成を順位付けするための順位付けモジュール１１８（図１Ａ）による実装のための例示的な順位付けアルゴリズムを示す。前述したように、システム構成を順位付けするための、多くの異なる様式があり、図７に示された順位付け方法は、そのような順位付けがどのように達成され得るかの一実施例に過ぎない。図７に示されたように、１つの例示的な実施形態では、目下の実施例について、ＦｏＭテンソル７００が、Ｎ個の考えられる電極構成×１２個のリード×Ｙ個のＦｏＭを含むように定義される。特定の実施形態では、Ｙは５に等しいが、但し、５つよりも多い又は少ないＦｏＭが定義され得ることが認識されるであろう。１つの例示的な実施形態では、考慮されるＦｏＭは、根平均二乗（ＲＭＳ）、相互相関（ＣＣ）、最大絶対距離（ＭＡＤ）、二乗距離の和（ＳＳＤ）、及び信号対ノイズ比（ＳＮＲ）を含み得る。本明細書に記載の例示的な実施形態の特徴によれば、構成の全てのリードについて最悪のＦｏＭを抽出すること７１０、ＦｏＭの各々についてＺスコア（すなわち、標準偏差の平均からの距離）を決定すること７１２、Ｚスコアを、構成の構成スコアである単一値に組み合わせること７１４によって、各構成について一意的なスコア７０８が導出される。次いで、特定の被検者にとってどの構成が最良の再構築を提供するかを決定するための構成スコアによって、構成を順位付けして、順位リスト１２０を生成する。

【0036】

容認可能な再構築を提供し得るいくつかの構成が存在すること、並びに、上で考察されたように、順位に加えて、例えば生理学的制約、実用的効果、及び／又は調査されている病態などの他の要因も、特定の用途に最適として最終的にどの構成が選択されるかに影響を与える可能性があることが認識されるであろう。

【0037】

図８Ａ～図８Ｃは、ファジーＣ平均法（ＦＣＭ）を使用する入力データの先験的クラスタリングに基づく再構築アルゴリズムの代替実施形態をまとめて示す。図８Ａ～図８Ｃに示されたように、入力データの分割又はクラスタリングは、機械学習原理に基づく最適化プロセスを通じて、訓練段階中に再構築アルゴリズムによって「自動的に」実行され得る。データが分割された後、特定のリグレッサが各クラスタに適用され、そのセットの各々に特化して訓練され得る。古典的なクラスタの代わりにファジークラスタを使用することで、よりスムーズな移行が可能になり、静的及び／又は排他的ラベルの代わりにメンバーシップの原則が割り当てられる。

【0038】

言い換えれば、各データサンプルには、クラスタがサンプルをどのくらいよく表すかに基づいて、各クラスタに属する度合が割り当てられる。例えば、あるデータサンプルは、クラスタＡに属する度合３０％、クラスタＢに属する度合２０％、クラスタＣに属する度合５０％、及びクラスタＤに属する度合０％を有し得る。欠けているリードは、同じ重みで個々のリグレッサを組み合わせることによって再構築される。例示的な実施形態では、Ｃ平均がクラスタリングに適用され、特定の線形リグレッサが各クラスタに適用される。いったんリードが再構築されると、導出間の既知の関係（例えば、ＩＩＩ＝ＩＩ－Ｉ、ａＶＬ＝１／２（Ｉ－ＩＩＩ）ＡＶＲ＝－１／２（Ｉ＋ＩＩ）ａＶＦ＝１／２（ＩＩ＋ＩＩＩ））が満たされているかどうかが判定される。この判定は、ＡＮＮ実施形態を参照して上述したように、再構築の堅牢性及び／又は信頼性を定義する信頼水準を割り当てるために使用される。

【0039】

例示的な実施形態では、心臓の心房及び心室の再分極及び脱分極を別々に表現するために４つのモデルが構築され得るが、但し、それらが共存する領域が存在するので、システムは、活性化される室の脈拍タイプの特定の領域においてモデルの組み合わせを提供し得る。一実施形態では、アプローチは、先験的モデルに基づくのではなく、統計分析に基づく。

【0040】

図９Ａ及び９Ｂは、システム１００（図１Ａ）によって実装され得る、本明細書に記載の実施形態の特徴によるＥＣＧリード再構築のための技法の動作を示すフロー図である。図９Ａを参照すると、ステップ９００では、ＥＣＧシステムがヒト被検者に適用される。例えば、図１Ａに示された実施形態では、本明細書に記載の実施形態により、標準１２誘導ＥＣＧシステムの電極並びに９つの追加電極を含む１９個の電極を含む強化ＥＣＧシステムが、被検者の四肢及び胴体に適用される。

【0041】

ステップ９０２では、１２誘導標準ＥＣＧシステムによって取得された信号と、拡張ＥＣＧシステムのリードのサブセットを構成する、選択されたＭ誘導ＥＣＧシステムによって取得された信号とが記録される。

【0042】

ステップ９０４では、記録された信号のうちのいくつかの部分が使用されて、Ｍ誘導システムを使用して再構築された１２誘導信号を生成するための機械学習モデルを訓練する。一実施形態では、記録された信号の最初の約１６秒が使用されて、この様式で機械学習モデルを訓練する。

【0043】

ステップ９０６では、再構築の精度、信頼性及び／又は信用性が、１２誘導標準ＥＣＧシステムによって取得された信号を参照して評価され得る。

【0044】

ステップ９０８では、再構築の評価された精度、信頼性、及び／又は信用性を示す構成スコアが、Ｍ誘導ＥＣＧシステムに割り当てられ得る。特定の実施形態では、構成スコアは、再構築のＦｏＭを参照して割り当てられ得る。

【0045】

図９Ａに示されたステップは、Ｎ個のＭ誘導構成であって、強化ＥＣＧシステムのリードのサブセットを含むＭ誘導構成の各々について実行され得、したがって、特定のヒト被検者に適用されると、構成によって可能にされる再構築の精度、信頼性、及び／又は信用性を示す構成スコアが、各Ｍ誘導構成に割り当てられる。

【0046】

ここで図９Ｂを参照すると、ステップ９２０では、Ｎ個全てのＭ誘導構成が、構成に割り当てられた構成スコアに基づいて（例えば、ＦｏＭ及び／又は何らかの他の順位付け方法に基づいて）順位付けされる。

【0047】

ステップ９２２では、ヒト被検者に関連して使用するために、Ｎ個のＭ誘導構成のうちの少なくとも１つが、選択されたシステムの順位に基づいて選択される。例えば、最も高い順位、又はより高い順位の構成のうちの１つが、選択され得る。選択されたＭ誘導構成は、ヒト被検者による使用のために、自由行動下デバイスの形状因子で展開され得る。上記したように、特定の実施形態では、被検者が経時的に電極の配置を変更することを可能にし、それによって、被検者の皮膚への刺激又は損傷の可能性を低減するために、１つを超える同様の順位の、Ｍ個のリードの構成が識別され得る。

【0048】

図１０は、（例えば、図１Ｂに示されたような）本明細書に記載の実施形態の特徴による、ＥＣＧリード再構築システムのオンザフライ分析及び潜在的な適合のための技法を示すフロー図である。ステップ１０００では、Ｍ誘導ＥＣＧ再構築システムによって提供される再構築の精度、信頼性、及び／又は信用性が、（図４を参照して説明されたような）１２誘導標準ＥＣＧシステムにおける信号のうちのいくつかの間の関係の固有の特性、前胸部導出値間の関係、又は加速度計などの追加センサの情報若しくは電極の接触インピーダンスの推定値に基づいて、オンザフライでアセスメント又は検証され得る。

【0049】

ステップ１００２では、再構築のアセスメントされた精度／信頼性及び／又は信用性を示す局所信頼値が、Ｍ誘導ＥＣＧ再構築システムに割り当てられ得る。信頼値を使用して、特定の瞬間又は時間ウィンドウに再構築に課され得る信頼水準を決定することができる。

【0050】

ステップ１００４では、ステップ１０００で実行されたアセスメントの結果が、（図５を参照して説明されたような）自己較正を実行するために、Ｍ誘導ＥＣＧ再構築システムによって使用され、それによってその動作を改善し得る。

【0051】

図１０に示されたステップは、「オンザフライ」で実行され得、割り当てられた信頼値は、再構築された信号の時刻又は時間ウィンドウと関連付けられ得、したがって、上記したように、経時的に変化し得ることが認識されるであろう。図１０に示されたステップは、任意選択的であり、独立しており、その精度、信頼性、及び／又は信用性が既に確立されているシステムに関連して省略され得ることも認識されるであろう。

【0052】

図１１は、本明細書に記載の実施形態の特徴による、より具体的には、上記の説明された図に示されたような、ＥＣＧリード再構築のためのシステムの少なくとも部分を実装するように構成され得る例示的なシステム１１００を示すブロック図である。図１１に示されたように、システム１１００は、システムバス１１０６を通してメモリ素子１１０４に結合された、少なくとも１つのプロセッサ１１０２、例えばハードウェアプロセッサ１１０２を含み得る。したがって、システムは、プログラムコード及び／又はデータをメモリ素子１１０４内に記憶し得る。また、プロセッサ１１０２は、メモリ素子１１０４からシステムバス１１０６を介してアクセスされるプログラムコードを実行し得る。一態様では、システムは、プログラムコードを記憶及び／又は実行するのに好適であるコンピュータとして実装され得る。しかしながら、システム１１００は、本開示で説明された機能を実行することができる、プロセッサ及びメモリを含む任意のシステムの形態で実装され得ることを理解されたい。

【0053】

いくつかの実施形態では、プロセッサ１１０２は、本明細書で考察されるようなアクティビティ、特に、本明細書に記載の実施形態の特徴によるＥＣＧリード再構築に関するアクティビティを実行するためのソフトウェア又はアルゴリズムを実行することができる。プロセッサ１１０２は、非限定的な例としてマイクロプロセッサ、ＤＳＰ、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、プログラマブルロジックアレイ（ＰＬＡ）、集積回路（ＩＣ）、特定用途向けＩＣ（ＡＳＩＣ）、又は仮想マシンプロセッサを含む、プログラマブルロジックを提供するハードウェア、ソフトウェア、又はファームウェアの任意の組み合わせを含み得る。プロセッサ１１０２は、クラウドプロセッサを含み得る。プロセッサ１１０２は、プロセッサ１１０２がメモリ素子１１０４との間で読み書きし得るように、例えばダイレクトメモリアクセス構成（ＤＭＡ）で、メモリ素子１１０４に通信可能に結合され得る。

【0054】

一般に、メモリ素子１１０４は、ダブルデータレート（ＤＤＲ）ランダムアクセスメモリ（ＲＡＭ）、同期ＲＡＭ（ＳＲＡＭ）、動的ＲＡＭ（ＤＲＡＭ）、フラッシュ、読み取り専用メモリ（ＲＯＭ）、光媒体、仮想メモリ領域、磁気若しくはテープメモリ、又は任意の他の好適な技術を含む、任意の好適な揮発性又は不揮発性メモリ技術を含み得る。特に記載のない限り、本明細書で考察されるメモリ素子のいずれも、広義の用語「メモリ」内に包含されるものとして解釈されるべきである。測定、処理、追跡、又はシステム１１００の構成要素のいずれかとの間で送信される情報は、全てが任意の好適な時間枠で参照することができる、任意のデータベース、レジスタ、制御リスト、キャッシュ、又は記憶構造において提供することができる。そのような記憶装置の選択肢のいずれも、本明細書で使用される際の広義の用語「メモリ」に含まれ得る。同様に、本明細書に記載の潜在的な処理要素、モジュール、及びマシンのいずれも、広義の用語「プロセッサ」に包含されるものとして解釈されるべきである。本図に示された要素の各々はまた、ネットワーク環境においてデータ又は情報を受信、送信、及び／又はそれ以外の方法で通信するための好適なインターフェースを含み得、したがって、それらは、例えばこれらの要素のうちの別のものに類似又は同一のハードウェアを有するシステムと通信することができる。

【0055】

特定の例示的な実装態様では、本明細書に概説されたようなＥＣＧリード再構築のためのシステムを実装するための機構は、非一時的な媒体を含み得る１つ以上の有形媒体内の符号化されたロジック、例えばＡＳＩＣに提供される埋め込みロジック、ＤＳＰ命令に、プロセッサ、又は他の同様のマシンなどによって実行されるソフトウェア（潜在的にオブジェクトコード及びソースコードを含む）によって実装され得る。これらの例のうちのいくつかでは、例えば図１１に示されたメモリ素子１１０４などのメモリ素子は、本明細書に記載の動作に使用されるデータ又は情報を記憶することができる。これには、メモリ素子が、本明細書に記載のアクティビティを行うために実行されるソフトウェア、ロジック、コード、又はプロセッサ命令を記憶することができることが含まれる。プロセッサは、本明細書に詳述された動作を達成するためのデータ又は情報と関連付けられた任意のタイプの命令を実行することができる。一実施例では、例えば図１１に示されたプロセッサ１１０２などのプロセッサは、ある要素又は物品（例えば、データ）を、１つの状態又はモノから別の状態又はモノへ変換することができる。別の実施例では、本明細書に概説されたアクティビティは、固定ロジック又はプログラマブルロジック（例えば、プロセッサによって実行されるソフトウェア／コンピュータ命令）で実装され得、本明細書で確認される要素は、何らかのタイプのプログラマブルプロセッサ、プログラマブルデジタルロジック（例えば、ＦＰＧＡ、ＤＳＰ、消去可能プログラマブル読み取り専用メモリ（ＥＰＲＯＭ）、電気的消去可能プログラマブル読み取り専用メモリ（ＥＥＰＲＯＭ））若しくはデジタルロジック、ソフトウェア、コード、電子命令を含むＡＳＩＣ、又はこれらの任意の好適な組み合わせとすることができる。

【0056】

メモリ素子１１０４は、例えばローカルメモリ１１０８及び１つ以上の大容量記憶デバイス１１１０などの１つ以上の物理的メモリデバイスを含み得る。ローカルメモリは、プログラムコードの実際の実行中に一般的に使用されるＲＡＭ又は他の非永続メモリデバイスを指し得る。大容量記憶デバイスは、ハードドライブ又は他の永続データ記憶デバイスとして実装され得る。処理システム１１００はまた、プログラムコードを実行中に大容量記憶デバイス１１１０から取り出さなければならない回数を減らすために、少なくとも何らかのプログラムコードの一時的記憶を提供する１つ以上のキャッシュメモリ（図示せず）を含み得る。

【0057】

図１１に示されたように、メモリ素子１１０４は、ＥＣＧリード再構築モジュール１１２０を記憶し得る。様々な実施形態において、モジュール１１２０は、ローカルメモリ１１０８、１つ以上の大容量記憶デバイス１１１０、又はローカルメモリ及び大容量記憶デバイスとは別に、記憶され得る。システム１１００は、モジュール１１２０の実行を容易にすることができるオペレーティングシステム（図１１には図示せず）を更に実行し得ることを理解されたい。実行可能プログラムコード及び／又はデータの形態で実装されているモジュール１１２０は、例えばプロセッサ１１０２によって、システム１１００から読み取られ、それに書き込まれ、かつ／又はそれによって実行され得る。モジュール１１２０からの読み取り、それへの書き込み、及び／又はその実行に応答して、システム１１００は、図９及び図１０に示され、それらを参照して説明されたような、本明細書に記載の１つ以上の動作又は方法ステップを実行するように構成され得る。

【0058】

入力デバイス１１１２及び出力デバイス１１１４として示された入力／出力（Ｉ／Ｏ）デバイスが、任意選択的に、システムに結合され得る。入力デバイスの例は、キーボード、マウスのようなポインティングデバイスなどを含み得るが、これらに限定されない。出力デバイスの例は、モニタ又はディスプレイ、スピーカなどを含み得るが、これらに限定されない。いくつかの実装態様では、システムは、出力デバイス１１１４のためのデバイスドライバ（図示せず）を含み得る。入力及び／又は出力デバイス１１１２、１１１４は、直接、又は介在Ｉ／Ｏコントローラを通して、システム１１００に結合され得る。

【0059】

一実施形態では、入力デバイス及び出力デバイスは、（入力デバイス１１１２及び出力デバイス１１１４を取り囲む破線で図１１に示された）複合入力／出力デバイスとして実装され得る。そのような複合デバイスの一例は、「タッチスクリーンディスプレイ」又は単に「タッチスクリーン」とも称されることもある、タッチ感受性ディスプレイである。そのような一実施形態では、デバイスへの入力は、タッチ画面ディスプレイ上又はその近くでの、例えばスタイラス又はユーザの指などの物理的物体の動きによって提供され得る。

【0060】

任意選択的に、ネットワークアダプタ１１１６もまた、システム１１００に結合され、システム１１００が、他のシステム、コンピュータシステム、遠隔ネットワークデバイス、及び／又は遠隔記憶デバイスに、介在するプライベートネットワーク又はパブリックネットワークを通して結合されることを可能にし得る。ネットワークアダプタは、システム、デバイス及び／又はネットワークによってシステム１１００に送信されるデータを受信するためのデータ受信機と、システム１１００からシステム、デバイス及び／又はネットワークにデータを送信するためのデータ送信機とを備え得る。モデム、ケーブルモデム、及びイーサネットカードは、システム１１００で使用され得る異なるタイプのネットワークアダプタの例である。

【0061】

実施例１は、Ｍ誘導システムを使用してヒト被検者のために１２誘導標準心電図（ＥＣＧ）システム信号を再構築するための方法であって、１２誘導標準ＥＣＧシステムによって取得された信号を記録することと、Ｍ誘導システムによって取得された信号を記録することと、記録された信号を使用して、Ｍ誘導システムを使用して再構築された１２誘導標準ＥＣＧシステム信号を生成するための機械学習モデルを訓練することと、を含む、方法である。

【0062】

実施例２では、実施例１の方法は、強化ＥＣＧシステムのリードのサブセットを構成するＭ個のリードを含むＭ誘導システムを更に含み得、強化ＥＣＧシステムは、１２誘導標準ＥＣＧシステムを含む。

【0063】

実施例３では、実施例２の方法は、少なくとも１つの追加電極を含む強化ＥＣＧシステムを更に含み得る。

【0064】

実施例４では、実施例１～３のうちのいずれかの方法は、記録された１２誘導標準ＥＤＧシステム信号を、再構築された１２誘導標準ＥＣＧシステム信号と比較することによって、機械学習モデルの性能を評価することを更に含み得る。

【0065】

実施例５では、実施例１～４のうちのいずれかの方法は、人工ニューラルネットワーク（ＡＮＮ）を含む機械学習モデルを更に含み得、記録された信号の各々の一部分が、ＡＮＮの係数を訓練するために使用される。

【0066】

実施例６では、実施例５の方法は、複数出力ＡＮＮを含むＡＮＮを更に含み得る。

【0067】

実施例７では、実施例５の方法は、複数の単一出力ＡＮＮを含むＡＮＮを更に含み得る。

【0068】

実施例８では、実施例５の方法は、Ｍ誘導システムのリードに対応するＭ個の入力を備えるＡＮＮを更に含み得る。

【0069】

実施例９では、実施例８の方法は、心臓ベクトルの角度、心臓ベクトルの大きさ、及びヒト被検者に関する情報のうちの少なくとも１つに対応する少なくとも１つの追加入力を備えるＡＮＮを更に含み得る。

【0070】

実施例１０では、実施例１～９のうちのいずれかの方法は、専門家委員会を含む機械学習モデルを更に含み得る。

【0071】

実施例１１では、実施例１～１０のうちのいずれかの方法は、複数のＭ誘導システムを含むＭ誘導システムを更に含み得、方法は、Ｍ誘導システムの各々の精度を評価することと、それらの精度の順にＭ誘導システムを順位付けすることと、を更に含む。

【0072】

実施例１２では、実施例１１の方法は、Ｍ誘導システムの各々の精度を評価することが、Ｍ誘導システムの各々のＹ個の性能指数（ＦｏＭ）を参照して実行されることを更に含み得る。

【0073】

実施例１３では、実施例１１の方法は、Ｍ誘導システムのうちの選択された１つの順位に基づいて、ヒト被検者のＥＣＧをモニタリングする際に使用するために、Ｍ誘導システムのうちの１つを選択することを更に含み得る。

【0074】

実施例１４では、実施例１１の方法は、Ｍ誘導システムのうちの選択された複数のものの順位に基づいて、ヒト被検者のＥＣＧをモニタリングする際に使用するために、Ｍ誘導システムのうちの複数のものを選択することを更に含み得る。

【0075】

実施例１５では、実施例１３の方法は、Ｍ誘導システムのうちの選択された１つによって生成された再構築の精度を、標準１２誘導ＥＣＧ信号の固有の特性がその再構築によって満たされているかどうかを判定することによってアセスメントすることと、アセスメントの結果に基づいて信頼値をその再構築に割り当てることと、を更に含み得る。

【0076】

実施例１６では、実施例１５の方法は、アセスメントの結果に基づいて、Ｍ誘導システムのうちの選択された１つの較正を実行することを更に含み得る。

【0077】

実施例１７では、実施例１３の方法は、外部センサデータ及び接触インピーダンスデータのうちの少なくとも１つに基づいて、Ｍ誘導システムのうちの選択された１つによって生成された再構築の信用性をアセスメントすることを更に含み得る。

【0078】

実施例１８では、実施例１～１７のうちのいずれかの方法は、機械学習モデルが、リグレッサを用いたファジーＣ平均法（ＦＣＭ）を使用して実装されることを更に含み得る。

【0079】

実施例１９では、実施例１～１８のうちのいずれかの方法は、Ｍが３に等しいことを更に含み得る。

【0080】

実施例２０は、Ｍ誘導システムを使用して１２誘導標準ＥＣＧシステム信号を再構築するための心電図（ＥＣＧ）再構築システムであって、１２誘導標準ＥＣＧシステムを構成する複数の電極であって、ヒト被検者の皮膚に適用される、複数の電極と、１２誘導標準ＥＣＧシステムによって取得された信号及びＭ誘導システムによって取得された信号を使用して、Ｍ誘導システムによって取得された信号から１２誘導標準ＥＣＧシステム信号を再構築するための機械学習モデルを訓練するための訓練モジュールと、機械学習モデルを使用して、Ｍ誘導システムを使用して１２誘導標準ＥＣＧシステム信号を再構築するための再構築モジュールと、を備える、ＥＣＧ再構築システムである。

【0081】

実施例２１では、実施例２０のＥＣＧ再構築システムは、１２誘導標準ＥＣＧシステムを含む強化ＥＣＧシステムのＭ個のリードを含むＭ誘導システムを更に含み得る。

【0082】

実施例２２では、実施例２１のＥＣＧ再構築システムは、少なくとも１つの追加電極を含む強化ＥＣＧシステムを更に含み得る。

【0083】

実施例２３では、実施例２０～２３のうちのいずれかのＥＣＧ再構築システムは、機械学習モデルの精度を評価するための評価モジュールを更に含み得る。

【0084】

実施例２４では、請求項２３のＥＣＧ再構築システムは、１２誘導標準ＥＣＧシステムによって取得された信号を、再構築された信号と比較することによって、機械学習モデルの精度を評価する評価モジュールを更に含み得る。

【0085】

実施例２５では、実施例２０～２４のうちのいずれかのＥＣＧ再構築システムは、人工ニューラルネットワーク（ＡＮＮ）を含む機械学習モデルを更に含み得、記録された信号の各々の一部分が、ＡＮＮの係数を訓練するために使用される。

【0086】

実施例２６では、実施例２５のＥＣＧ再構築システムは、複数出力ＡＮＮを含むＡＮＮを更に含み得る。

【0087】

実施例２７では、実施例２５のＥＣＧ再構築システムは、複数の単一出力ＡＮＮを含むＡＮＮを更に含み得る。

【0088】

実施例２８では、実施例２０～２７のうちのいずれかのＥＣＧ再構築システムは、機械学習モデルが、専門家委員会を使用して実装されることを更に含み得る。

【0089】

実施例２９では、実施例２０～２８のうちのいずれかのＥＣＧ再構築システムは、機械学習モデルが、リグレッサを用いたファジーＣ平均法（ＦＣＭ）を使用して実装されることを更に含み得る。

【0090】

実施例３０では、実施例２０～２８のうちのいずれかのＥＣＧ再構築システムは、複数のＭ誘導システムを含むＭ誘導システムを更に含み得、評価モジュールは、Ｍ誘導システムの各々の精度を更に評価し、再構築システムは、Ｍ誘導システムの各々の精度に基づいてＭ誘導システムを順位付けするための順位付けモジュールを更に含む。

【0091】

実施例３１では、実施例３０のＥＣＧ再構築システムは、Ｍ誘導システムの各々の精度を評価することが、Ｍ誘導システムの各々のＹ個の性能指数（ＦｏＭ）を参照して実行されることを更に含み得る。

【0092】

実施例３２では、実施例３０のＥＣＧ再構築システムは、標準１２誘導ＥＣＧ信号の固有の特性が、複数のＭ誘導システムのうちの選択された１つによって生成された再構築によって満たされているかどうかをアセスメントし、アセスメントの結果に基づいて信頼値を機械学習モデルに割り当てるためのアセスメントモジュールを更に含み得る。

【0093】

実施例３３では、実施例３２のＥＣＧ再構築システムは、アセスメントの結果に基づいて、複数のＭ誘導モデルのうちの選択された１つを較正するための較正モジュールを更に含み得る。

【0094】

実施例３４では、実施例２０～３３のうちのいずれかのＥＣＧ再構築システムは、Ｍが３に等しいことを更に含み得る。

【0095】

実施例３５は、Ｍ誘導システムを使用して１２誘導標準心電図（ＥＣＧ）システム信号を再構築するための方法であって、１２誘導標準ＥＣＧシステムによって生成された第１の信号を記録することと、Ｍ個のリードのセットによって生成された第２の信号を記録することと、第１の記録された信号の第１の部分と、第２の記録された信号とを使用して機械学習モデルを訓練することと、機械学習モデルを第２の記録された信号の第２の部分に適用することによって再構築された信号を生成することと、第１の信号と、再構築された信号とを比較することによって機械学習モデルの精度を評価することと、を含む、方法である。

【0096】

実施例３６では、実施例３５の方法は、人工ニューラルネットワーク（ＡＮＮ）を含む機械学習モデルを更に含み得、記録された信号の各々の一部分が、ＡＮＮの係数を訓練するために使用される。

【0097】

実施例３７では、実施例３６の方法は、複数出力ＡＮＮを含むＡＮＮを更に含み得る。

【0098】

実施例３８では、実施例３６の方法は、複数の単一出力ＡＮＮを含むＡＮＮを更に含み得る。

【0099】

実施例３９では、実施例３５～３８のうちのいずれかの方法は、専門家委員会を含む機械学習モデルを更に含み得る。

【0100】

実施例４０では、実施例３５～３９のうちのいずれかの方法は、第１の信号の固有の特性が、再構築された信号によって満たされているかどうかを判定することによって、機械学習モデルの精度をアセスメントすることと、アセスメントの結果に基づいて信頼値を機械学習モデルに割り当てることと、を更に含み得る。

【0101】

実施例４１では、実施例４０の方法は、信頼値に基づいて機械学習モデルのリグレッサの重みを調整することを更に含み得る。

【0102】

実施例４２では、実施例３５～４１のうちのいずれかの方法は、複数のＭ誘導システムを含むＭ誘導システムを更に含み得、方法は、Ｍ誘導システムの各々の精度を評価することと、他のものと比べたＭ誘導システムの各々の精度に基づいて一意的なセットを順位付けすることと、を更に含む。

【0103】

実施例４３では、実施例４２の方法は、Ｍ誘導システムの各々の精度を評価することが、Ｍ誘導システムのＹ個の性能指数（ＦｏＭ）を参照して実行されることを更に含み得る。

【0104】

実施例４４では、実施例４２又は４３の方法は、Ｍ誘導システムのうちの選択された１つの順位に基づいて、ヒト被検者のＥＣＧをモニタリングする際に使用するために、Ｍ誘導システムのうちの１つを選択することを更に含み得る。

【0105】

実施例４５では、実施例４４の方法は、Ｍ誘導システムのうちの選択された１つによって生成された再構築の精度を、標準１２誘導ＥＣＧ信号の固有の特性がその再構築によって満たされているかどうかを判定することによってアセスメントすることと、アセスメントの結果に基づいて信頼値をその再構築に割り当てることと、を更に含み得る。

【0106】

実施例４６では、実施例４５の方法は、アセスメントの結果に基づいて、Ｍ誘導システムのうちの選択された１つの較正を実行することを更に含み得る。

【0107】

実施例４７では、実施例４２又は４３の方法は、Ｍ誘導システムのうちの選択されたものの順位に基づいて、ヒト被検者のＥＣＧをモニタリングする際に使用するために、Ｍ誘導システムのうちの複数のものを選択することを更に含み得る。

【0108】

実施例４８では、実施例３５～４７のうちのいずれかの方法は、機械学習モデルが、リグレッサを用いたファジーＣ平均法（ＦＣＭ）を使用して実装されることを更に含み得る。

【0109】

実施例４９では、実施例３５～４８のうちのいずれかの方法は、３に等しいＭを更に含み得る。

【0110】

本明細書に概説された仕様、寸法、及び関係の全て（例えば、要素、動作、ステップの数、その他）は、単に例示及び教示のみのために提供されたことに留意されたい。そのような情報は、本開示の趣旨、又は添付の特許請求の範囲の範囲から逸脱することなく、大きく変わり得る。仕様は、１つの非限定的な実施例にのみ適用されており、したがって、それらは、そのように解釈されるべきである。前述の説明において、例示的な実施形態は、特定の構成要素の構成を参照して説明されてきた。添付の特許請求の範囲の範囲から逸脱することなく、様々な改変及び変更が、そのような実施形態に対してなされ得る。したがって、説明及び図面は、限定的な意味ではなく、むしろ例示的な意味とみなされる。

【0111】

本明細書で提供された数々の実施例では、２つ、３つ、４つ、又はそれ超の電気部品及び／又はモジュールの観点から、相互作用が説明されている場合があることに留意されたい。しかしながら、これは、明確さと例示の目的のためだけに行われている。システムは、任意の好適な様式で統合され得ることを理解されたい。同様の設計代替態様によれば、図の示された構成要素、モジュール、及び素子のいずれも、様々な考えられる構成に組み合わせられ得、それらの全ては明らかに本明細書の広範な範囲内にある。特定の場合、限定された数の電気素子のみを参照することによって、所与のフローセットの機能性のうちの１つ以上を説明することは、より容易であり得る。図及びその教示の電気回路は容易に拡張可能であり、多くの構成要素、並びにより複雑／高度な配置及び構成に対応し得ることを理解されたい。したがって、提供された実施例は、多種多様な他のアーキテクチャに潜在的に適用されるときに、電気回路の範囲を限定し、又はそれらの広範な教示を阻害することはない。

【0112】

また、本明細書において、「一実施形態」、「例示的な実施形態」、「一実施形態」、「別の実施形態」、「いくつかの実施形態」、「様々な実施形態」、「他の実施形態」、「代替実施形態」などに含まれる様々な特徴（例えば、要素、構造、モジュール、構成要素、ステップ、動作、特性、その他）への言及は、任意のそのような特徴が本開示の１つ以上の実施形態に含まれるが、同じ実施形態において組み合わされてもよく、又は必ずしも組み合わされなくてもよいことを意味するように意図されている。

【0113】

また、回路アーキテクチャに関連する機能は、図に示されたシステムによって、又はシステム内で、実行され得る考えられる回路アーキテクチャ機能のうちのいくつかのみを示していることにも留意されたい。これらの動作のいくつかは、適宜、削除若しくは除去されてもよいし、又は、本開示の範囲から逸脱することなく、これらの動作を大きく改変若しくは変更し得る。加えて、これらの動作のタイミングは、大きく変更され得る。先の動作フローは、実施例及び考察の目的で提供されている。本開示の教示から逸脱することなく、任意の好適な配置、時間的順序、構成、及びタイミング機構が提供され得るという点で、実質的な柔軟性が本明細書に記載の実施形態によって提供される。

【0114】

多数の他の変更、置換、変形、交代、及び改変が当業者には判明され得、本開示は、添付の特許請求の範囲の範囲内にあるような全てのそのような変更、置換、変形、交代、及び改変を包含することが意図される。

【0115】

また、上述のデバイス及びシステムの全ての任意選択的な特徴が、本明細書に記載の方法又はプロセスに関して実装され得、実施例の詳細は、１つ以上の実施形態の随所で使用され得る。

【0116】

これらの（上記）例における「するための手段」には、任意の好適ソフトウェア、回路、ハブ、コンピュータコード、ロジック、アルゴリズム、ハードウェア、コントローラ、インターフェース、リンク、バス、通信経路、その他と共に、本明細書で考察される任意の好適な構成要素を使用することが含まれ得る（但し、これに限定されない）。

【0117】

上で提供された実施例、並びに本明細書で提供された多数の他の実施例では、２つ、３つ、又は４つのネットワーク要素に関して、相互作用が説明されている場合があることに留意されたい。しかしながら、これは、明確さと例示の目的のためだけに行われている。特定の場合、限られた数のネットワーク要素のみを参照することによって、所与のフローセットの機能性のうちの１つ以上を説明することは、より容易であり得る。添付の図（及びそれらの教示）を参照して図示及び説明されたトポロジーは容易に拡張可能であり、多数の構成要素、並びにより複雑／高度な配置及び構成に対応し得ることを理解されたい。したがって、提供された実施例は、多種多様な他のアーキテクチャに潜在的に適用される場合、示されたトポロジーの範囲を限定し、又はそれらの広範な教示を阻害することはない。

【0118】

また、先のフロー図のステップは、図に示された通信システムによって、又はその内部で、実行され得る、考えられる信号発信シナリオ及びパターンのいくつかのみを示していることに留意することも重要である。これらのステップのいくつかは、適宜、削除又は除去されてもよく、又はこれらのステップは、本開示の範囲から逸脱することなく、大きく改変又は変更され得る。加えて、これらの動作のうちのいくつかは、１つ以上の追加動作と同時に、又は並行して、実行されると説明されている。しかしながら、これらの操作のタイミングは、大きく変更され得る。先の動作フローは、例示及び考察の目的で提供されている。本開示の教示から逸脱することなく、任意の好適な配置、時間的順序、構成、及びタイミング機構が提供され得るという点で、実質的な柔軟性が図に示された通信システムによって提供される。

【0119】

本開示は、特定の配置及び構成を参照して詳細に説明されてきたが、これらの例示的な構成及び配置は、本開示の範囲から逸脱することなく、大幅に変更され得る。例えば、本開示は、特定の通信交換を参照して説明されてきたが、本明細書に記載の実施形態は、他のアーキテクチャに適用可能であり得る。

【0120】

多数の他の変更、置換、変形、交代、及び改変が、当業者には判明され得、本開示は、添付の特許請求の範囲内にあるような全てのそのような変更、置換、変形、交代、及び改変を包含することが意図される。米国特許商標庁（ＵＳＰＴＯ）と、加えて、本出願に関して発行されたあらゆる特許のあらゆる読者とが、本明細書に添付の特許請求の範囲を解釈することを支援するために、出願人が（ａ）「ための手段」又は「ためのステップ」という用語が特定の特許請求の範囲において特別に使用されていなければ、添付の特許請求の範囲のうちのいずれも、米国特許法第１４２条の第６項（６）を、それが出願の日に存在しているから、行使するという意図はないこと、及び（ｂ）明細書のいかなる記述によっても、添付の特許請求の範囲に別様に反映されないいかなる方式でも本開示を制限することを意図しないことを、出願人は特記したい。

【符号の説明】

【0121】

１００ システム
１０２ 強化ＥＣＧシステム
１０３Ａ 電極
１０３Ｂ 電極
１０４ 被検者
１０６ 誘導システム
１０８ 誘導システム
１１０ 訓練モジュール
１１２ 訓練済モデル
１１４ 再構築モジュール
１１６ 評価モジュール
１１８ 順位付けモジュール
１２０ 個人別位置順位
１３０ Ｍ誘導システム
１３２ オンザフライ検証モジュール
１３６ 自己較正モジュール
２００ 人工ニューラルネットワーク（ＡＮＮ）
２０２ 入力層
２０４ 層
２２０ ＡＮＮ構成
２２２ 入力層
２２４ 層
３００ ネットワーク
３０２Ａ～３０２Ｆ グラフ
４００ システム
５００ システム
７００ ＦｏＭテンソル
７０８ スコア
１１００ 処理システム
１１０２ プロセッサ
１１０４ メモリ素子
１１０６ システムバス
１１０８ ローカルメモリ
１１１０ 大容量記憶デバイス
１１１２ 入力デバイス
１１１４ 出力デバイス
１１１６ ネットワークアダプタ
１１２０ ＥＣＧリード再構築モジュール

【図1A】

【図1B】

【図2A】

【図2B】

【図3A】

【図3B】

【図4】

【図5】

【図6】

【図7】

【図8A】

【図8B】

【図8C】

【図9A】

【図9B】

【図10】

【図11】

【手続補正書】

【提出日】2023-05-02

【手続補正1】

【補正対象書類名】特許請求の範囲

【補正対象項目名】全文

【補正方法】変更

【補正の内容】

【特許請求の範囲】

【請求項1】

ヒト被検者のために心電図（ＥＣＧ）システム信号を再構築するための方法であって、
１２誘導標準ＥＣＧシステムによって取得された第１の信号を記録することと、
Ｍ誘導システムによって取得された第２の信号を記録することと、
前記記録された第１の信号及び記録された第２の信号を使用して、前記Ｍ誘導システムを使用して再構築された１２リード標準ＥＣＧシステム信号を生成するための機械学習モデルを訓練することと、を含む、方法。

【請求項2】

前記Ｍ誘導システムは、強化ＥＣＧシステムのリードのサブセットを含む複数のリードを含み、前記強化ＥＣＧシステムは、前記１２リード標準ＥＣＧシステム及び少なくとも１つの追加電極を含む、請求項１に記載の方法。

【請求項3】

前記記録された第１の信号を前記再構築された１２リード標準ＥＣＧシステム信号と比較することによって、前記機械学習モデルの性能を評価することを更に含む、請求項１又は２に記載の方法。

【請求項4】

前記Ｍ誘導システムによって生成された第３の信号を記録することと、
前記機械学習モデルを前記記録された第３の信号に適用することによって、前記再構成された信号を生成することと、を更に含む、請求項１～３のいずれか一項に記載の方法。

【請求項5】

前記機械学習モデルは、複数出力ＡＮＮ又は複数の単一出力ＡＮＮを含む人工ニューラルネットワーク（ＡＮＮ）を含み、前記記録された第１の信号及び前記記録された第２の信号の各々の一部分が、前記ＡＮＮの係数を訓練するために使用され、前記ＡＮＮは、前記Ｍ誘導システムのそれぞれのリードに対応する複数の入力を備える、請求項１～４のいずれか一項に記載の方法。

【請求項6】

前記ＡＮＮは、心臓ベクトルの角度、前記心臓ベクトルの大きさ、及び前記ヒト被検者に関する情報のうちの少なくとも１つに対応する少なくとも１つの追加入力を備える、請求項５に記載の方法。

【請求項7】

前記Ｍ誘導システムは、複数のＭ誘導システムを含み、前記方法は、
前記複数のＭ誘導システムの各Ｍ誘導システムの精度を評価することと、
前記複数のＭ誘導システムのそれぞれのものの精度の順に、前記複数のＭ誘導システムを順位付けすることと、を含む、請求項１～６のいずれか一項に記載の方法。

【請求項8】

前記複数のＭ誘導システムの各Ｍ誘導システムの前記精度を評価することは、各Ｍ誘導システムのＹ個の性能指数（ＦｏＭ）を参照して実行される、請求項７に記載の方法。

【請求項9】

前記ヒト被検者のＥＣＧをモニタリングする際に使用するために、前記複数のＭ誘導システムのうちの第１のＭ誘導システムを、前記第１のＭ誘導システムの順位に基づいて選択することを更に含み、かつ／又は前記ヒト被検者のＥＣＧをモニタリングする際に使用するために、前記複数のＭ誘導システムのうちの複数の第１のＭ誘導システムを、前記複数の第１のＭ誘導システムのそれぞれの順位に基づいて選択することを更に含む、請求項７又は８に記載の方法。

【請求項10】

前記選択された第１のＭ誘導システムによって生成された再構築の精度を、標準１２誘導ＥＣＧシグナルの固有の特性が前記再構築によって満たされているかどうかを判定することによってアセスメントすることと、前記アセスメントの結果に基づいて信頼値を前記再構築に割り当てることと、を更に含む、請求項９に記載の方法。

【請求項11】

前記信頼値に基づいて、前記機械学習モデルのリグレッサの重みを調整することを更に含む、請求項１０に記載の方法。

【請求項12】

前記アセスメントの前記結果に基づいて、前記選択された第１のＭ誘導システムの較正を実行することを更に含む、請求項１０に記載の方法。

【請求項13】

外部センサデータ又は接触インピーダンスデータのうちの少なくとも１つに基づいて、前記選択された第１のＭ誘導システムによって生成された再構築の信用性をアセスメントすることを更に含む、請求項８、１０又は１２に記載の方法。

【請求項14】

前記機械学習モデルは、リグレッサを用いたファジーＣ平均法（ＦＣＭ）を使用して実装され、かつ／又は前記複数のリードは３つのリードからなる、請求項１～１３のいずれか一項に記載の方法。

【請求項15】

心電図（ＥＣＧ）再構築システムであって、
１２誘導標準ＥＣＧシステムを構成する複数の電極であって、ヒト被検者に適用される、複数の電極と、
前記１２誘導標準ＥＣＧシステムによって取得された第１の信号と、Ｍ誘導システムによって取得された第２の信号とを使用して、前記Ｍ誘導システムによって取得された前記第２の信号からの１２誘導標準ＥＣＧシステム信号の再構築のための機械学習モデルを訓練するための訓練モジュールと、
前記機械学習モデルを使用して、前記Ｍ誘導システムを使用して前記１２リード標準ＥＣＧシステム信号を再構築するための再構築モジュールと、を備える、ＥＣＧ再構築システム。

【請求項16】

前記Ｍ誘導システムは、前記１２リード標準ＥＣＧシステムを含む強化ＥＣＧシステムの複数のリードを備える、請求項１５に記載のＥＣＧ再構築システム。

【請求項17】

前記第１の信号を前記再構築された１２誘導標準ＥＣＧシステム信号と比較することによって、前記機械学習モデルの精度を評価するための評価モジュールを更に備える、請求項１５又は１６に記載のＥＣＧ再構築システム。

【請求項18】

前記Ｍ誘導システムは、複数のＭ誘導システムを含み、前記評価モジュールは、前記複数のＭ誘導システムの各Ｍ誘導システムの精度を更に評価し、前記ＥＣＧ再構築システムは、前記複数のＭ誘導システムの各Ｍ誘導システムのそれぞれの精度に基づいて前記Ｍ誘導システムを順位付けするための順位付けモジュールを更に備える、請求項１５～１７のいずれか一項に記載のＥＣＧ再構築システム。

【請求項19】

前記標準１２誘導ＥＣＧ信号の固有の特性が、前記複数のＭ誘導システムのうちの選択されたＭ誘導システムによって生成された再構築によって満たされているかどうかをアセスメントするためのアセスメントモジュールを更に備え、前記アセスメントの結果に基づいて信頼値を前記機械学習モデルに割り当てることによって、請求項１８に記載のＥＣＧ再構築システム。

【請求項20】

前記アセスメントの結果に基づいて前記複数のＭ誘導システムのうちの前記選択されたＭ誘導システムを較正するための較正モジュールを更に備える、請求項１９に記載のＥＣＧ再構築システム。

【国際調査報告】