知財求人 - 知財ポータルサイト「IP Force」
特表2024-525037筋電図及び加速度計信号からのスニフの検出及びアーティファクトの区別
(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】2024-07-09
(54)【発明の名称】筋電図及び加速度計信号からのスニフの検出及びアーティファクトの区別
(51)【国際特許分類】
A61B 5/08 20060101AFI20240702BHJP
A61B 5/113 20060101ALI20240702BHJP
A61B 5/397 20210101ALI20240702BHJP
【ＦＩ】
A61B5/08
A61B5/113
A61B5/397
【審査請求】未請求
【予備審査請求】未請求
(21)【出願番号】P 2023580768
(86)(22)【出願日】2022-06-27
(85)【翻訳文提出日】2024-01-12
(86)【国際出願番号】 EP2022067521
(87)【国際公開番号】W WO2023274931
(87)【国際公開日】2023-01-05
(31)【優先権主張番号】63/216,269
(32)【優先日】2021-06-29
(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】590000248
【氏名又は名称】コーニンクレッカ フィリップス エヌ ヴェ
【氏名又は名称原語表記】Ｋｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ．
【住所又は居所原語表記】Ｈｉｇｈ Ｔｅｃｈ Ｃａｍｐｕｓ ５２， ５６５６ ＡＧ Ｅｉｎｄｈｏｖｅｎ，Ｎｅｔｈｅｒｌａｎｄｓ
(74)【代理人】
【識別番号】110001690
【氏名又は名称】弁理士法人Ｍ＆Ｓパートナーズ
(72)【発明者】
【氏名】ファン デ ラール ヤコブ
(72)【発明者】
【氏名】ミュールステフ ジェンス
(72)【発明者】
【氏名】デッカー マリアン
【テーマコード（参考）】
4C038
4C127
【Ｆターム（参考）】
4C038SS08
4C038ST00
4C038SX04
4C038SX07
4C038VA04
4C038VB01
4C038VB33
4C038VC20
4C127AA04
4C127GG09
4C127GG13
4C127KK03
4C127KK05
(57)【要約】
呼吸筋努力（ＲＭＥ）（又は呼吸努力、呼吸仕事量）を定量化するための非侵襲的なシステム及び方法が提供される。該システム及び方法は同時に測定されるＥＭＧ信号及び加速度計信号を利用する。測定されたＥＭＧ信号は前処理されて、通常の呼吸活動を強調する信号及びスニフ活動（深く鋭い吸気）を強調する信号の両方を生成する。候補となるスニフの時間間隔は、前処理されたＥＭＧ信号から決定される。測定された加速度計信号は前処理されて、上側又は下側周波数帯域の活動を強調する複数の信号を生成する。候補スニフの時間間隔に対応する前処理されたＥＭＧ及び加速度計信号の特徴が分析され、該候補スニフが実際のスニフを構成するか又はアーティファクトを構成するかを決定する。次いで、最大のスニフ努力が識別された後、ＲＭＥが最大のスニフ努力の値に対する通常呼吸活動の最大値の平均の比により定量化される。
【特許請求の範囲】
【請求項1】
呼吸間隔の間における患者の呼吸努力を定量化する方法であって、前記患者の呼吸筋活動を複数の筋電図（ＥＭＧ）電極を用いて測定するステップと、
前記患者の胸部の複数の軸における加速度を、加速度計を用いて測定するステップと、
コントローラを用いて、前記ＥＭＧ電極により測定された生のＥＭＧ信号及び前記加速度計により測定された生の加速度計信号を受信するステップと、
前記コントローラを用いて前記生のＥＭＧ信号を前処理することにより複数の前処理されたＥＭＧ信号を生成するステップと、
前記コントローラを用いて前記生の加速度計信号を前処理することにより複数の前処理された加速度計信号を生成するステップと、
前記コントローラを用いて、前記複数の前処理されたＥＭＧ信号の一部を候補スニフとして識別するステップと、
前記コントローラを用いて、前記候補スニフの時間間隔に関連する前記複数の前処理されたＥＭＧ信号から複数のＥＭＧ由来特徴を決定するステップと、
前記コントローラを用いて、前記候補スニフの時間間隔に関連する前記複数の前処理された加速度計信号から複数の加速度計信号特徴を決定するステップと、
前記コントローラを用いて、前記複数のＥＭＧ由来特徴及び加速度計信号特徴を複数のスニフ検出閾値と比較するステップと、
前記コントローラを用いて、前記候補スニフを、前記比較に基づいて、確認されたスニフ又は信号アーティファクトの何れかとして分類するステップと、
前記コントローラを用いて、前記患者の呼吸筋努力を、前記複数の前処理されたＥＭＧ信号の複数の属性を前記確認されたスニフの複数の属性と比較することにより定量化するステップと
を有する、患者の呼吸努力を定量化する方法。
【請求項2】
前記コントローラを用いて、前記複数の前処理されたＥＭＧ信号における通常の呼吸に関連する局所的な通常呼吸ＥＭＧ最大値を識別するステップと、前記コントローラを用いて、前記局所的な通常呼吸ＥＭＧ最大値の平均を決定するステップと、
前記コントローラを用いて、前記確認されたスニフに関連する前記複数の前処理されたＥＭＧ信号における最大スニフ値を識別するステップと
を更に有し、
前記呼吸筋努力を定量化するステップが、前記局所的な通常呼吸ＥＭＧ最大値の平均を前記最大スニフ値と比較するステップを有する、
請求項１に記載の方法。
【請求項3】
前記コントローラを用いて、前記生のＥＭＧ信号を該生のＥＭＧ信号における通常の呼吸活動を強調すると共にアーティファクトを最小化するように前処理することによって通常呼吸ＥＭＧ信号を生成するステップと、前記コントローラを用いて、前記生のＥＭＧ信号を該生のＥＭＧ信号におけるスニフ活動を強調するように前処理することによりスニフＥＭＧ信号を生成するステップと、
前記コントローラを用いて、前記通常呼吸ＥＭＧ信号における前記局所的な通常呼吸ＥＭＧ最大値を識別するステップと、
前記コントローラを用いて、前記通常呼吸ＥＭＧ信号における局所的な通常呼吸ＥＭＧ最小値を識別するステップと、
前記コントローラを用いて、前記スニフＥＭＧ信号における前記最大スニフ値を識別するステップと
を更に有する、請求項１又は請求項２に記載の方法。
【請求項4】
前記患者の呼吸筋努力を定量化するステップが、前記最大スニフ値に対する前記局所的なＥＭＧ最大値の平均の比を見付けるステップを有する、請求項１、２又は３に記載の方法。
【請求項5】
前記コントローラを用いて、各候補スニフについて、その内部の前記スニフＥＭＧ信号の全ての値が所定の閾値スニフ値以上であるような前記候補スニフのバンプを識別するステップと、前記コントローラを用いて、各バンプにおける中間点を識別するステップであって、該中間点が当該バンプの左半分の曲線の下の面積が該バンプの右半分の曲線の下の面積と等しくなるような中央値である、ステップと、
前記コントローラを用いて、各バンプの前記中間点において、当該バンプの直前の局所的なスニフＥＭＧ最小値と該バンプの直後の局所的なスニフＥＭＧ最小値との間を線形に補間することによりオフセット値を計算するステップと、
前記コントローラを用いて、前記バンプの振幅を、該バンプ内の最大スニフＥＭＧ値と前記オフセット値との間の差を見付けることにより決定するステップと、
複数の所定の振幅条件がアーティファクト活動を示す場合、前記候補スニフをアーティファクトとして分類するステップと
を更に有する、請求項３に記載の方法。
【請求項6】
前記コントローラを用いて、前記振幅に対する前記バンプの直前の局所的なスニフＥＭＧ最小値と該バンプの直後の局所的なスニフＥＭＧ最小値との平均の比を見付けることにより前記バンプの第１の非対称特徴を決定するステップと、前記コントローラを用いて、前記バンプの直前の局所的なスニフＥＭＧ最小値と前記バンプの直後の局所的なスニフＥＭＧ最小値との間の第１の差を見付け、前記バンプ内の最大スニフ値と前記バンプの直前の局所的なスニフＥＭＧ最小値との間の第２の差を見付け、前記バンプ内の最大スニフ値と前記バンプの直後の局所的なスニフＥＭＧ最小値との間の第３の差を見付け、並びに前記第２の差及び前記第３の差の小さい方に対する前記第１の差の比を見付けることにより前記バンプの第２の非対称特徴を決定するステップと、
前記コントローラを用いて、前記バンプの歪度を決定することにより前記バンプの第３の非対称特徴を決定するステップと、
複数の所定の非対称性条件がアーティファクト活動を示す場合、前記候補スニフをアーティファクトとして分類するステップと
を更に有する、請求項５に記載の方法。
【請求項7】
前記コントローラを用いて、前記生の加速度計信号をローパスフィルタ処理、整流及び平滑化して、下側周波数帯域電源信号を生成するステップと、前記コントローラを用いて、前記生の加速度計信号をハイパスフィルタ処理、整流及び平滑化して、上側周波数帯域電源信号を生成するステップと、
前記コントローラを用いて、前記下側周波数帯域電源信号及び前記上側周波数帯域電源信号を合計して、合計された周波数帯域電源信号を生成するステップと、
前記候補スニフの各々に関連する時間間隔の間において、前記加速度計の第１の軸に関し、前記合計された周波数帯域電源信号に対する前記上側周波数帯域電源信号の第１の比を決定するステップと、
前記候補スニフの各々に関連する時間間隔の間において、前記加速度計の第２の軸に関し、前記合計された周波数帯域電源信号に対する前記上側周波数帯域電源信号の第２の比を決定するステップと、
前記コントローラにより前記第１の比及び前記第２の比を所定の周波数帯域比と比較するステップと、
前記第１の比及び前記第２の比が前記所定の周波数帯域比を超える何れの前記候補スニフもアーティファクトとして認定するステップと
を更に有する、請求項１から６の何れか一項に記載の方法。
【請求項8】
前記コントローラを用いて、前記生の加速度計信号をハイパスフィルタ処理、整流及び平滑化して、上側高周波帯域電源信号を生成するステップと、前記コントローラを用いて、前記候補スニフの各々に関連する時間間隔の間において前記上側高周波帯域電源信号が所定の閾値と交差する回数を決定するステップと、
前記コントローラを用いて、前記候補スニフに関連する時間間隔の間において前記上側周波数帯域電源信号が前記所定の閾値と交差する回数が所定の交差回数を超える何れの前記候補スニフもアーティファクトとして認定するステップと
を更に有する、請求項１から６の何れか一項に記載の方法。
【請求項9】
前記コントローラを用いて、前記生の加速度計信号をローパスフィルタ処理して下側周波数帯域信号を生成するステップと、前記コントローラを用いて、前記生の加速度計信号をハイパスフィルタ処理して上側周波数帯域信号を生成するステップと、
前記コントローラを用いて、前記下側周波数帯域信号及び前記上側周波数帯域信号の標準偏差を決定するステップと、
前記コントローラを用いて、前記標準偏差が所定の値を超える何れの前記候補スニフもアーティファクトとして認定するステップと
を更に有する、請求項１から６の何れか一項に記載の方法。
【請求項10】
呼吸間隔の間における患者の呼吸努力を定量化するためのシステムであって、患者の呼吸筋活動を測定する複数の筋電図（ＥＭＧ）電極と、
前記患者の胸部の複数の軸における加速度を測定する加速度計と、
コントローラと
を有し、
前記コントローラは、前記ＥＭＧ電極により測定された生のＥＭＧ信号及び前記加速度計により測定された生の加速度計信号を受信し、
前記コントローラは、前記生のＥＭＧ信号を前処理することにより複数の前処理されたＥＭＧ信号を生成し、
前記コントローラは、前記生の加速度計信号を前処理することにより複数の前処理された加速度計信号を生成し；
前記コントローラは、前記複数の前処理されたＥＭＧ信号の一部を候補スニフとして識別し、
前記コントローラは、前記候補スニフの時間間隔に関連する前記複数の前処理されたＥＭＧ信号から複数のＥＭＧ由来特徴を決定し、
前記コントローラは、前記候補スニフの時間間隔に関連する前記複数の前処理された加速度計信号から複数の加速度計信号特徴を決定し、
前記コントローラは、前記複数のＥＭＧ由来特徴及び加速度計信号特徴を複数のスニフ検出閾値と比較し、
前記コントローラは、前記候補スニフを、前記複数のＥＭＧ由来特徴及び加速度計信号特徴の前記複数のスニフ検出閾値との比較に基づいて、確認されたスニフ又は信号アーティファクトとして分類し、
前記コントローラが、前記患者の呼吸筋努力を、前記複数の前処理されたＥＭＧ信号の複数の属性を前記確認されたスニフの複数の属性と比較することにより定量化する、
システム。
【請求項11】
前記コントローラが更に、前記複数の前処理されたＥＭＧ信号における通常の呼吸に関連する局所的な通常呼吸ＥＭＧ最大値を識別し、
前記局所的な通常呼吸ＥＭＧ最大値の平均を決定し、
前記確認されたスニフに関連する前記複数の前処理されたＥＭＧ信号における最大スニフ値を識別し、
前記呼吸筋努力を、前記局所的な通常呼吸ＥＭＧ最大値の平均を前記最大スニフ値と比較することにより定量化する、
請求項１０に記載のシステム。
【請求項12】
前記コントローラが更に、前記生のＥＭＧ信号を該ＥＭＧ信号における通常の呼吸活動を強調すると共にアーティファクトを最小化するように前処理することによって通常呼吸ＥＭＧ信号を生成し；
前記生のＥＭＧ信号を該ＥＭＧ信号におけるスニフ活動を強調するように前処理することによりスニフＥＭＧ信号を生成し；
前記通常呼吸ＥＭＧ信号における局所的な通常呼吸ＥＭＧ最大値を識別し；及び
前記スニフＥＭＧ信号における最大スニフ値を識別し；
前記局所的な通常呼吸ＥＭＧ最大値の平均の前記最大スニフ値との比較は、前記最大スニフ値に対する前記局所的な通常呼吸ＥＭＧ最大値の平均の比を見付けることを含む；
請求項１０又は１１に記載のシステム。
【請求項13】
前記コントローラが更に、各候補スニフについて、その内部の前記スニフＥＭＧ信号の全ての値が所定の閾値スニフ値以上であるような前記候補スニフのバンプを識別し、
各バンプにおける中間点を識別し、ここで、該中間点は当該バンプの左半分の曲線の下の面積が該バンプの右半分の曲線の下の面積と等しくなるような中央値であり、
各バンプの前記中間点において、当該バンプの直前の局所的なスニフＥＭＧ最小値と該バンプの直後の局所的なスニフＥＭＧ最小値との間を線形に補間することによりオフセット値を決定し、
前記バンプの振幅を、該バンプ内の最大スニフＥＭＧ値と前記オフセット値との間の差を見付けることにより決定し、
複数の所定の振幅条件がアーティファクト活動を示す場合、前記候補スニフをアーティファクトとして分類する、
請求項１２に記載のシステム。
【請求項14】
前記コントローラが更に、前記生の加速度計信号をハイパスフィルタ処理、整流及び平滑化して、上側高周波帯域電源信号を生成し、
前記候補スニフの各々に関連する時間間隔の間において前記上側高周波帯域電源信号が所定の閾値と交差する回数を決定し、
前記候補スニフに関連する時間間隔の間において前記上側周波数帯域電源信号が前記所定の閾値と交差する回数が所定の交差回数を超える何れの前記候補スニフもアーティファクトとして認定する、
請求項１０から１３の何れか一項に記載のシステム。
【請求項15】
前記コントローラが更に、前記生の加速度計信号をローパスフィルタ処理して下側周波数帯域信号を生成し、
前記生の加速度計信号をハイパスフィルタ処理して上側周波数帯域信号を生成し、
前記下側周波数帯域信号及び前記上側周波数帯域信号の標準偏差を決定し、
前記標準偏差が所定の値を超える前記候補スニフの何れもアーティファクトとして認定する、
請求項１０から１３の何れか一項に記載のシステム。
【発明の詳細な説明】
【技術分野】
【0001】
[0001] 開示される概念は、患者の呼吸努力（すなわち、呼吸筋努力、又は「呼吸仕事量」）を定量化するための方法及びシステムに関し、特に、ＥＭＧ信号アーティファクトからスニフ動作（すなわち、深く鋭い吸気）努力を示す筋電図（ＥＭＧ）信号を区別するための方法及びシステムに関する。
【背景技術】
【0002】
[0002] 筋電図法（ＥＭＧ）は、胸骨の両側部の肋間腔（胸骨傍）又は横隔膜に近い腹部領域等の、呼吸に関与する筋肉の活動を推定することにより患者の呼吸状態を評価するために使用できる。呼吸数は非侵襲的に容易に測定できるが、呼吸数単独では患者が呼吸中になす努力を示すことはない。比較すると、吸気筋のＥＭＧ測定値は、呼吸筋の負荷と呼吸筋の能力との間のバランスの指標となる。ＥＭＧ信号は、呼吸努力の客観的尺度を得るための非侵襲的方法を提供する。特に、吸息の間に測定される呼吸ＥＭＧ活動は、脳が呼吸筋に出力する信号であって呼吸筋負荷と呼吸筋能力との間のバランスの指標となる神経呼吸ドライブ（駆動）を表す。
【0003】
[0003] ＥＭＧ信号から導出される呼吸筋活動の客観的測定は、慢性閉塞性肺疾患（ＣＯＰＤ）を持つ入院患者等の患者の呼吸状態を監視するために重要であると考えられる。患者がリラックスしているときに自然に起こる通常の呼吸活動のＥＭＧ測定値に加えて、スニフのＥＭＧ測定値も患者の呼吸状態を評価する上で非常に有益である。スニフは、深く鋭い吸息（最大努力動作）である。しかしながら、ＥＭＧ信号におけるスニフ活動を分離することは容易ではない。非呼吸活動による信号アーティファクトが、ＥＭＧ信号にスニフ活動に類似した強い活動を生じさせるからである。このような信号アーティファクトは、例えば、患者の動き又は接続された配線への圧力による電極の妨害に起因し得る。
【0004】
[0004] スニフを高信頼度で検出すると共にスニフをアーティファクトから区別する能力は、ＥＭＧ信号からの呼吸筋活動の推定及び患者の呼吸状態の推定に直接影響を与える。鼻カニューレ又は食道電極等の装置による呼吸活動の独立した測定は、ＥＭＧ波形上の信号アーティファクトからスニフを区別するための、ＥＭＧ信号と比較できる追加の呼吸データを提供する。しかしながら、鼻カニューレ、食道電極及び他の同様の装置は、高度に侵襲的であり、患者にとって面倒であり負担にさえなり得る。
【発明の概要】
【発明が解決しようとする課題】
【0005】
[0005] したがって、ＥＭＧ信号においてスニフを他の活動から区別するために使用される方法及びシステムには改善の余地がある。
【課題を解決するための手段】
【0006】
[0006] したがって、本発明の目的は、一実施形態において、呼吸間隔の間における患者の呼吸筋努力（すなわち、呼吸活動、呼吸仕事量）を定量化するための方法を提供することであり、該方法は：患者の呼吸筋活動を複数のＥＭＧ電極を用いて測定するステップ；加速度計を用いて呼吸活動と同時に患者の胸部の複数の面における加速度を測定するステップ；コントローラを用いてＥＭＧ電極により測定された生のＥＭＧ信号及び加速度計により測定された生の加速度計信号を受信するステップ；コントローラで生のＥＭＧ信号を前処理することにより複数の前処理されたＥＭＧ信号を生成するステップ；コントローラで生の加速度計信号を前処理することにより複数の前処理された加速度計信号を生成するステップ；コントローラを用いて、複数の前処理されたＥＭＧ信号の一部を候補スニフとして識別するステップ；コントローラを用いて、候補スニフの時間間隔に関連する複数の前処理されたＥＭＧ信号から複数のＥＭＧ由来特徴を決定するステップ；コントローラを用いて、候補スニフの時間間隔に関連する複数の前処理された加速度計信号から複数の加速度計信号特徴を決定するステップ；コントローラを用いて、複数のＥＭＧ由来特徴及び加速度計信号特徴を複数のスニフ検出閾値と比較するステップ；コントローラを用いて、上記比較の結果がスニフ活動を示す場合に、候補スニフを確認されたスニフとして分類するステップ；及びコントローラを用いて、患者の呼吸筋努力を、複数の前処理されたＥＭＧ信号の複数の属性を上記確認されたスニフの複数の属性と比較することにより定量化するステップ；を含む。
【0007】
[0007] 当該方法は、更に、コントローラを使用して：複数の前処理されたＥＭＧ信号における通常の呼吸に関連する局所的な通常呼吸ＥＭＧ最大値を識別するステップ；局所的な通常呼吸ＥＭＧ最大値の平均を決定するステップ；及び確認されたスニフに関連する複数の前処理されたＥＭＧ信号における最大スニフ値を識別するステップ；を有し得る。前記呼吸筋努力を定量化するステップは、局所的な通常呼吸ＥＭＧ最大値の平均を最大スニフ値と比較するステップを有し得る。当該方法は、更に、コントローラを使用して：生のＥＭＧ信号を該生のＥＭＧ信号における通常の呼吸活動を強調すると共にアーティファクトを最小化するように前処理することによって通常呼吸ＥＭＧ信号を生成するステップ；生のＥＭＧ信号を該生のＥＭＧ信号におけるスニフ活動を強調するように前処理することによりスニフＥＭＧ信号を生成するステップ；通常呼吸ＥＭＧ信号における局所的な通常呼吸ＥＭＧ最大値を識別するステップ；通常呼吸ＥＭＧ信号における局所的な通常呼吸ＥＭＧ最小値を識別するステップ；及びスニフＥＭＧ信号における最大スニフ値を識別するステップ；を有し得る。前記患者の呼吸筋努力を定量化するステップは、最大スニフ値に対する局所的なＥＭＧ最大値の平均の比を見付けるステップを有し得る。
【0008】
[0008] 当該方法は、更に、コントローラを使用して：各候補スニフについて、その内部のスニフＥＭＧ信号の全ての値が所定の閾値スニフ値以上であるような候補スニフのバンプを識別するステップ；各バンプにおける中間点を識別するステップであって、該中間点が当該バンプの左半分の曲線の下の面積が該バンプの右半分の曲線の下の面積と等しくなるような中央値であるステップ；バンプの直前の局所的なスニフＥＭＧ最小値と該バンプの直後の局所的なスニフＥＭＧ最小値との間を線形に補間することによりオフセット値を計算するステップ；バンプの振幅を、該バンプ内の最大スニフＥＭＧ値とオフセット値との間の差を見付けることにより決定するステップ；及び複数の所定の振幅条件がアーティファクト活動を示す場合に、候補スニフをアーティファクトとして分類するステップ；を有し得る。当該方法は、更に、コントローラを使用して：前記振幅に対する当該バンプの直前の局所的なスニフＥＭＧ最小値と該バンプの直後の局所的なスニフＥＭＧ最小値との平均の比を見付けることによりバンプの第１の非対称特徴を決定するステップ；当該バンプの直前の局所的なスニフＥＭＧ最小値と該バンプの直後の局所的なスニフＥＭＧ最小値との間の第１の差を見付け、当該バンプ内の最大スニフ値と該バンプの直前の局所的なスニフＥＭＧ最小値との間の第２の差を見付け、当該バンプ内の最大スニフ値と該バンプの直後の局所的なスニフＥＭＧ最小値との間の第３の差を見付け、並びに第２の差及び第３の差の小さい方に対する第１の差の比を見付けることにより当該バンプの第２の非対称特徴を決定するステップ；当該バンプの歪度を決定することにより該バンプの第３の非対称特徴を決定するステップ；及び複数の所定の非対称性条件がアーティファクト活動を示す場合、候補スニフをアーティファクトとして分類するステップ；を有し得る。
【0009】
[0009] 当該方法は、更に、コントローラを使用して：生の加速度計信号をローパスフィルタ処理、整流及び平滑化して、下側（低側）周波数帯域電源信号を生成するステップ；生の加速度計信号をハイパスフィルタ処理、整流及び平滑化して、上側（高側）周波数帯域電源信号を生成するステップ；下側周波数帯域電源信号及び上側周波数帯域電源信号を合計して、合計された周波数帯域電源信号を生成するステップ；候補スニフの各々に関連する時間間隔の間において、加速度計の第１の軸に関し、合計された周波数帯域電源信号に対する上側周波数帯域電源信号の第１の比を決定するステップ；候補スニフの各々に関連する時間間隔の間において、加速度計の第２の軸に関し、合計された周波数帯域電源信号に対する上側周波数帯域電源信号の第２の比を決定するステップ；第１の比及び第２の比を所定の周波数帯域比と比較するステップ；及び第１の比及び第２の比が所定の周波数帯域比を超える候補スニフの何れもアーティファクトとして認定するステップ；を有し得る。
【0010】
[0010] 当該方法は、更に、コントローラを使用して：生の加速度計信号をハイパスフィルタ処理、整流及び平滑化して、上側高周波帯域電源信号を生成するステップ；候補スニフの各々に関連する時間間隔の間において上側高周波帯域電源信号が所定の閾値と交差する回数を決定するステップ；及び候補スニフに関連する時間間隔の間において上側周波数帯域電源信号が所定の閾値と交差する回数が所定の交差回数を超える何れの候補スニフもアーティファクトとして認定するステップ；を有し得る。当該方法は、更に、コントローラを使用して：生の加速度計信号をローパスフィルタ処理して下側周波数帯域信号を生成するステップ；生の加速度計信号をハイパスフィルタ処理して上側周波数帯域信号を生成するステップ；下側周波数帯域信号及び上側周波数帯域信号の標準偏差を決定するステップ；及び標準偏差が所定の値を超える何れの候補スニフもアーティファクトとして認定するステップ；を有し得る。
【0011】
[0011] 他の実施形態において、呼吸間隔の間における患者の呼吸努力を定量化するためのシステムは：患者の呼吸筋活動を測定するよう構成された複数のＥＭＧ電極；患者の胸部の複数の軸の加速度を測定するように構成された加速度計；及びコントローラ；を含む。該コントローラは、ＥＭＧ電極により測定された生のＥＭＧ信号及び加速度計により測定された生の加速度計信号を受信し；生のＥＭＧ信号を前処理することにより複数の前処理されたＥＭＧ信号を生成し；生の加速度計信号を前処理することにより複数の前処理された加速度計信号を生成し；複数の前処理されたＥＭＧ信号の一部を候補スニフとして識別し；候補スニフの時間間隔に関連する複数の前処理されたＥＭＧ信号から複数のＥＭＧ由来特徴を決定し；候補スニフの時間間隔に関連する複数の前処理された加速度計信号から複数の加速度計信号特徴を決定し；複数のＥＭＧ由来特徴及び加速度計信号特徴を複数のスニフ検出閾値と比較し；候補スニフを、複数のＥＭＧ由来特徴及び加速度計信号特徴の複数のスニフ検出閾値との比較に基づいて、確認されたスニフ又は信号アーティファクトとして分類し；及び患者の呼吸筋努力を、複数の前処理されたＥＭＧ信号の複数の属性を確認されたスニフの複数の属性と比較することにより定量化する；ように構成される。
【0012】
[0012] 当該システムのコントローラは、更に、複数の前処理されたＥＭＧ信号における通常の呼吸に関連する局所的な通常呼吸ＥＭＧ最大値を識別し；局所的な通常呼吸ＥＭＧ最大値の平均を決定し；確認されたスニフに関連する複数の前処理されたＥＭＧ信号における最大スニフ値を識別し；及び呼吸筋努力を、局所的な通常呼吸ＥＭＧ最大値の平均を最大スニフ値と比較することにより定量化する；ように構成され得る。当該システムのコントローラは、更に、生のＥＭＧ信号を該ＥＭＧ信号における通常の呼吸活動を強調すると共にアーティファクトを最小化するように前処理することによって通常呼吸ＥＭＧ信号を生成し；生のＥＭＧ信号を該ＥＭＧ信号におけるスニフ活動を強調するように前処理することによりスニフＥＭＧ信号を生成し；通常呼吸ＥＭＧ信号における局所的な通常呼吸ＥＭＧ最大値を識別し；及びスニフＥＭＧ信号における最大スニフ値を識別する；ように構成され得る。局所的なＥＭＧ最大値の平均の最大スニフ値との比較は、最大スニフ値に対する局所的なＥＭＧ最大値の平均の比を見付けることを含み得る。
【0013】
[0013] 当該システムのコントローラは、更に、各候補スニフについて、その内部のスニフＥＭＧ信号の全ての値が所定の閾値スニフ値以上であるような候補スニフのバンプを識別し；各バンプにおける中間点を識別し、ここで、該中間点は当該バンプの左半分の曲線の下の面積が該バンプの右半分の曲線の下の面積と等しくなるような中央値であり；各バンプの中間点において、当該バンプの直前の局所的なスニフＥＭＧ最小値と該バンプの直後の局所的なスニフＥＭＧ最小値との間を線形に補間することによりオフセット値を決定し；当該バンプの振幅を、該バンプ内の最大スニフＥＭＧ値とオフセット値との間の差を見付けることにより決定し；及び複数の所定の振幅条件がアーティファクト活動を示す場合、候補スニフをアーティファクトとして分類する；ように構成され得る。
【0014】
[0014] 当該システムのコントローラは、更に、生の加速度計信号をハイパスフィルタ処理、整流及び平滑化して、上側高周波帯域電源信号を生成し；候補スニフの各々に関連する時間間隔の間において上側高周波帯域電源信号が所定の閾値と交差する回数を決定し；及び候補スニフに関連する時間間隔の間において上側周波数帯域電源信号が所定の閾値と交差する回数が所定の交差回数を超える何れの候補スニフもアーティファクトとして認定する；よう構成され得る。当該システムのコントローラは、更に、生の加速度計信号をローパスフィルタ処理して下側周波数帯域信号を生成し；生の加速度計信号をハイパスフィルタ処理して上側周波数帯域信号を生成し；下側周波数帯域信号及び上側周波数帯域信号の標準偏差を決定し；及び標準偏差が所定の値を超える何れの候補スニフもアーティファクトとして認定する；ように構成され得る。
【0015】
[0015] 本発明の上記及び他の目的、フィーチャ及び特徴、ならびに関連する構成要素の動作方法及び機能、部品及び製造の経済性の組み合わせは、添付図面を参照して下記の説明及び添付請求項を考慮すれば一層明らかになるであろう。これら図面の全ては本明細書の一部を形成するものであり、種々の図において同様の参照番号は対応する部分を示している。しかしながら、図面は図示及び説明のみを目的としており、本発明の制限を定義するものではないことを明確に理解されたい。
【図面の簡単な説明】
【0016】
【図4】[0020] 図４は、本発明の例示的な実施形態による、通常呼吸の前処理されたＥＭＧ信号及びスニフの前処理されたＥＭＧ信号の呼吸サイクルｃ中に候補スニフが発生した可能性がある間隔を定義するための処理１００のフローチャートである。
【図5】[0021] 図５は、本発明の例示的な実施形態による、処理１００で決定されたＥＭＧ信号の最大値に基づくデータ点及び時間間隔を用いて、処理１００の間に定義された候補スニフの主要バンプの幾つかの特徴を定義するための処理２００のフローチャートである。
【図6】[0022] 図６は、本発明の例示的な実施形態による、処理１００で決定されたＥＭＧ信号の最小値に基づくデータ点及び時間間隔を用いて、処理１００の間に定義された候補スニフの主要バンプの追加の特徴を定義するための処理３００のフローチャートである。
【発明を実施するための形態】
【0017】
[0027] 本明細書で使用される場合、単数形は文脈が明確にそうでないと示さない限り複数を含む。
【0018】
[0028] 本明細書で使用される場合、２以上の部分又は構成要素が「結合される」という記述は、これらの部分が直接的に又は間接的に、すなわちリンクが生じる限りにおいて１以上の中間部分又は構成要素を介して、結合され又は一緒に動作することを意味するものとする。
【0019】
[0029] 本明細書で使用される場合、「アーティファクト」という用語は、限定されるものではないが非呼吸筋の活性化を含む非呼吸活動による（例えば、身体の動き、電極皮膚間インピーダンスの変化、又はＥＭＧ信号を感知する電極に接続されたケーブルとの干渉による）筋電図（ＥＭＧ）信号波形上の歪みを意味するものとする。
【0020】
[0030] 本明細書で使用される場合、「コントローラ」という用語は、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、複合プログラマブルロジックデバイス（ＣＰＬＤ）、プログラマブルシステムオンチップ（ＰＳＯＣ）、特定用途向け集積回路（ＡＳＩＣ）、マイクロプロセッサ、マイクロコントローラ、プログラマブルロジックコントローラ、又は何らかの他の適切な処理デバイス若しくは装置を限定無しで含む、データ（例えば、ソフトウェアルーチン及び／又は斯様なソフトウェアルーチンにより使用される情報）を記憶、検索、実行及び処理できる複数のプログラム可能なアナログ及び／又はデジタルデバイス（関連するメモリ部品又は部分を含む）を意味するものとする。該メモリ部分は、データ及びプログラムコードの記憶のための記憶レジスタ、すなわち非一時的なマシン可読媒体をコンピュータの内部記憶領域の態様等で提供すると共に、揮発性メモリ又は不揮発性メモリであり得る、限定されるものではないが、ＲＡＭ、ＲＯＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭ（登録商標）及びＦＬＡＳＨ等の種々のタイプの内部及び／又は外部記憶媒体の何れか１以上であり得る。
【0021】
[0031] 本明細書で使用される「機械学習モデル」という用語は、そのようにするように明示的にプログラムされることなく予測又は決定を行うために「トレーニングデータ」として知られるサンプルデータに基づいて数学的モデルを開発及び構築するソフトウェアシステムを意味するものであり、このようなソフトウェアシステムは、限定するものではないが、一連のトレーニングデータからパターンを認識するようにトレーニングされたものを開発し、その後、他のデータセット内のトレーニングデータセットからパターンを認識するアルゴリズムを開発するコンピュータソフトウェアシステムを含む。
【0022】
[0032] 本明細書で使用される場合、「数」という用語は、１又は１より大きい整数（すなわち、複数）を意味するものとする。
【0023】
[0033] 例えば限定するものではないが、上、下、左、右、上側、下側、前、後及びそれらの派生語等の、本明細書で使用される方向的語句は、図面に示される要素の向きに関係するものであり、明示的に記載されていない限り請求項を限定するものではない。
【0024】
[0034] 本発明は、本明細書において種々の特定の例示的実施形態に関連して詳細に説明されるように、呼吸筋努力（ＲＭＥ）とも呼ばれる患者の呼吸努力を非侵襲的に客観的に定量化するための方法及びシステムを提供する。本明細書で更に詳細に説明されるように、スニフはＲＭＥの正確な決定のために重要であるが、スニフ及び信号アーティファクトは、しばしば、ＥＭＧ信号波形上に類似して現れる。スニフをＥＭＧ波形上の信号アーティファクトから区別するためにＥＭＧ信号と比較できる追加の呼吸信号を生成するために鼻カニューレ又は食道電極等の装置を使用することもできるが、鼻カニューレは患者にとり不快であり得る一方、食道電極は侵襲的である。本発明の方法及びシステムは、２つの主要な方法で、すなわち、ＥＭＧ信号波形におけるスニフを信号アーティファクトから一層良好に区別するために、ＥＭＧ信号に加えて加速度計信号を利用することにより、及びＲＭＥデータの収集の間における患者の快適さを最大限にするために非侵襲性装置、すなわちＥＭＧ電極及び加速度計のみを使用することにより、ＲＭＥを客観的に定量化する方法を改良する。
【0025】
[0035] 図１Ａ及び図１Ｂは、複数のＥＭＧ電極２、二軸又は三軸加速度計４及びコントローラ６から構成される呼吸努力定量化システム１の簡略化された概略図を示す。本発明の例示的な実施形態によれば、ＥＭＧ電極２は患者Ｐに取り付けられて該患者Ｐの呼吸筋活動を監視する一方、加速度計４は患者Ｐに取り付けられて、呼吸活動と同時に発生する該加速度計４が取り付けられた身体表面（すなわち、胸部）の複数の軸（すなわち、ｘ軸、ｙ軸及び／又はｚ軸）の加速度を測定する。特に、加速度計４は呼吸活動とは全く関係のないアーティファクトによる加速度も測定する。本明細書において図８に示される処理４００に関して更に詳細に説明されるように、加速度計４により測定された加速度信号は該加速度計４が取り付けられた身体表面の向きの変化を大まかに表す信号を構築するために使用される。したがって、加速度計４は動き及び向きの信号を直接的に又は間接的に生成すると考えることができる。
【0026】
[0036] 例示的実施形態において、ＥＭＧ電極２は第２肋間腔に配置される。基準電極の配置は変更することができ、図１Ａは基準電極配置の２つの例示的な実施形態を示す。或る例示的実施形態において、基準電極２´は鎖骨上に配置され、他の例示的実施形態において、基準電極２”は電極２の僅かに上の胸骨上に配置される。加速度計４は患者Ｐの胸骨に、ｚ軸が患者の身体の外部を指す、すなわち身体表面に直交する一方、ｘ軸が患者Ｐの頭部を指す状態でｘ及びｙ軸が身体表面に接する平面内に位置するように取り付けられる。したがって、ｘｚ平面は地表面に対して略垂直であり、重力ベクトルは略ｘｚ平面内に位置する。ＥＭＧ電極２及び加速度計４はコントローラ６と電気的に通信するように示されており、該コントローラ６はＥＭＧ電極２及び加速度計４により測定された信号を受信及び記憶するように構成される。
【0027】
[0037] 幾つかのタイプのコントローラ、例えば種々のタイプのコンピュータが、ＥＭＧ電極２及び加速度計４等の装置により検出された信号情報を受信及び記憶することができることが理解されるであろう。したがって、任意のタイプのコントローラ６及び任意の数（すなわち、１又は２以上）のコントローラ６を、開示された本発明の範囲から逸脱することなく、ＥＭＧ電極２及び加速度計４により送信される情報を受信及び記憶するために使用できる。更に、例示的な実施形態では、図１に示すように、機械学習モデル７を含むソフトウェアがコントローラ６に統合され、本発明の方法及び処理が自動化され得るようにする。
【0028】
[0038] 図２は、第１の前処理されたＥＭＧ信号１０及び第２の前処理されたＥＭＧ信号１１の例を示し、各信号は複数の呼吸サイクルを示し、各呼吸サイクルはＥＭＧ信号１０又はＥＭＧ信号１１の１つの有意な振動からなっている。ＥＭＧ信号１０及びＥＭＧ信号１１は、図１Ａに示すＥＭＧ電極２等の電極により測定された生のＥＭＧ信号に対して２つの異なるレベルの前処理を使用することから生じるものである。具体的には、ＥＭＧ信号１０は生のＥＭＧ信号（すなわち、図１ＡのＥＭＧ電極２等の複数の電極により検出されたＥＭＧ信号）を重度にローパスフィルタ処理した結果である一方、ＥＭＧ信号１１はＥＭＧ信号１０に対してベースライン除去及び遅延補償を実行した結果である。
【0029】
[0039] 図２のＥＭＧ信号１０及び１１は、異なる呼吸サイクルの属性をより良く強調するために、生の形態ではなく前処理されたものとして示されている。本発明の方法及びシステムは、可能な限り多くの信号アーティファクトを除去する一方、信号内の通常の呼吸及びスニフ活動（「通常の呼吸」及び「スニフ」という用語は、本明細書において後に更に詳細に説明される）を分離及び保存するために、前処理されたＥＭＧ信号を利用する。本明細書では、このような信号前処理についての高いレベルでの詳細が提供されるが、本発明はそのような前処理の断片的細部を対象とするものではない。以下、開示を簡潔にするために、ＥＭＧ信号の属性の言及はＥＭＧ信号１０を参照するが、ＥＭＧ信号１０の時間的属性についての如何なる説明もＥＭＧ信号１１にも当てはまり、またその逆も同様であることが理解されるであろう。両信号は同一の生のＥＭＧ信号から派生したものであり、同一の時間間隔にまたがるものであるからである。
【0030】
[0040] ＥＭＧ信号１０は、図２の波形において実線及び鎖線を使用して示すように、２つの部分ＩＮＳ及びＯＵＴに分割される。ＥＭＧ信号１０における呼吸サイクルの主ピーク１２の最大値を含む部分はＥＭＧ信号１０のＩＮＳ部分１４と呼ばれ、ＥＭＧ信号１０のうちの該ラベル付けされたＩＮＳ部分１４と同じ鎖線で描かれた全ての部分もＥＭＧ信号１０のＩＮＳ部分１４を示すことが理解されるであろう。ＥＭＧ信号１０のうちのＩＮＳ部分１４でない部分はＯＵＴ部分１６と呼ばれ、ＥＭＧ信号１０のうちの該ラベル付けされたＯＵＴ部分１６と同じ実線で描かれた全ての部分もＥＭＧ信号１０のＯＵＴ部分１６を示すことが理解されるであろう。所与の呼吸サイクルｃのＩＮＳ部分１４はＩ［ｃ］としても示され、所与の呼吸サイクルｃのＯＵＴ部分はＯ［ｃ］としても示され得る。
【0031】
［0041］ 本発明の方法及びシステムの場合、各ＩＮＳ部分１４及びＯＵＴ部分１６の正確な開始時点及び終了時点は厳格に定められる必要はない。所与の呼吸サイクルを定める特徴は、ＩＮＳ部分に呼吸サイクルの最大値を含むことであるからである。図２では、ＥＭＧ信号１０における或る呼吸サイクルの主ピークの１つの斯様な最大値１２のみがラベル付けされているが、図２に示される呼吸サイクルの間に発生する全ての極大も主ピークの最大値１２であることが理解されるであろう。呼吸サイクルの主ピークの最大値１２が発生する時点は、本明細書ではｔｒｂｇ
ｍａｘ［ｃ］と称される。図２を参照すると、ＯＵＴ部分１６の各々が各呼吸サイクルの最小値１８を含むことが理解されるであろう。図２では、ＥＭＧ信号１０における或る呼吸サイクルの１つの斯様な最小値１８のみがラベル付けされているが、図２に示される呼吸サイクルの間に発生する全ての極小も最小値１８であることが理解されるであろう。呼吸サイクルの最小値１８が生じる時点は、本明細書ではｔｒｂｇ
ｍｉｎ［ｃ］と呼ぶ。一般的に、ＥＭＧ信号１０における呼吸サイクルのＩＮＳ部分１４は吸息に対応する。呼吸筋活動は吸息中に最大となるからである。しかしながら、一部の患者では、呼吸筋活動は代わりに呼息中に最大となり、そのような患者では、ＥＭＧ信号における呼吸サイクルのＩＮＳ部分１４が呼息に対応することが理解されるであろう。
【0032】
[0042] 本明細書において所与の呼吸サイクルが呼吸サイクルｃと呼ばれる場合、サイクルｃの直前の呼吸サイクルはサイクル［ｃ－１］であり、サイクルｃの直後のサイクルは［ｃ＋１］であると理解されるべきである。呼吸サイクルは、アルゴリズム呼吸サイクル又は自然呼吸サイクルの何れかとして定義され得る。アルゴリズム呼吸サイクルは、ＡＢＣ［ｃ］と示され、ＡＢＣ［ｃ］＝（Ｏ［ｃ］，Ｉ［ｃ］）のように、直後のＩＮＳ部分１４が後続する呼吸サイクルのＯＵＴ部分１６を含む。自然呼吸サイクルは、ＮＢＣ［ｃ］と示され、ＮＢＣ［ｃ］＝（Ｉ［ｃ］，Ｏ［ｃ＋１］）のように、直後のＯＵＴが後続する呼吸サイクルのＩＮＳを含む。アルゴリズム呼吸サイクルは、呼吸サイクルを（Ｉ［ｃ］，Ｏ［ｃ＋１］）よりも（Ｏ［ｃ］，Ｉ［ｃ］）と定義する方がリアルタイムアルゴリズムによるアーティファクト検出の助けになる故に、そのように呼ばれる。
【0033】
[0043] 本発明の例示的実施形態の詳細な説明に進む前に、参照を容易にするために、幾つかの頭字語及び変数名（上述した変数を含む）並びにそれらの意味を以下に列挙する。以下のリストのエントリの幾つかは未だ紹介されていないが、これら頭字語及び変数が本開示全体を通して使用されているので該リストが参照され得る。
【0034】
［頭字語及び変数のリスト］
ｉ．ＢＣ：「呼吸サイクル」の略で、ＥＭＧ信号における連続する吸息及び呼息の組み合わせ又はアーティファクトによる大きなバンプ（隆起）のいずれかに対応すると予想される１つの大きな振動からなる一部である。
ｉｉ．ＩＮＳ：呼吸サイクルにおける該呼吸サイクルの主ピークの最大値を含む部分を示す。
ｉｉｉ．ＯＵＴ：呼吸サイクルにおけるＩＮＳ部分ではない部分を示す。
ｉｖ．Ｉ［ｃ］：呼吸サイクルｃのＩＮＳ部分を示す。
ｖ．Ｏ［ｃ］：呼吸サイクルｃのＯＵＴ部分を示す。
ｖｉ．ｃ：整数の連続呼吸サイクルインデックスを示す。
ｖｉｉ．ＡＢＣ［ｃ］：本発明で使用されるアーティファクト検出アルゴリズムを意味のあるものにさせると共にリアルタイム処理を容易にするために定義される「アルゴリズム呼吸サイクル」を表し、各ＡＢＣ［ｃ］は、ＡＢＣ［ｃ］＝（Ｏ［ｃ］，Ｉ［ｃ］）のように、直後のＩＮＳが後続する呼吸サイクルのＯＵＴを含む。
ｖｉｉｉ．ＮＢＣ［ｃ］：「自然の呼吸サイクル」を表し、各ＮＢＣ［ｃ］は、ＮＢＣ［ｃ］＝（Ｉ［ｃ］，Ｏ［ｃ＋１］）のように、直後のＯＵＴが後続する呼吸サイクルのＩＮＳを含む。
ｉｘ．ｓ［ｎ］：通常の呼吸パラメータで前処理されたＥＭＧ信号を示し、図２に示されるＥＭＧ信号１０及び１１は通常の呼吸パラメータで前処理された２つの斯様なＥＭＧ信号ｓ［ｎ］を示す。
ｘ．ｖ［ｎ］：スニフパラメータで前処理されたＥＭＧ信号を示す。
ｘｉ．ｔｒｂｇ ｍａｘ［ｃ］：Ｉ［ｃ］の間におけるｓ［ｎ］の最大値に関連付けられた時点であり、図２を参照すると、点１２はｓ［ｎ］における呼吸サイクルｃの極大値を表し、該ラベル付けされた点１２に関連付けられた時点が当該呼吸サイクルｃのｔｒｂｇ ｍａｘ［ｃ］である。
ｘｉｉ．ｔｒｂｇ ｍｉｎ［ｃ］：Ｏ［ｃ］の間におけるｓ［ｎ］の最小値に関連付けられた時点であり、図２を参照すると、点１８はｓ［ｎ］における呼吸サイクルｃの極小値を表し、該ラベル付けされた点１８に関連付けられた時点が当該呼吸サイクルｃのｔｒｂｇ ｍｉｎ［ｃ］である。
ｘｉｉｉ．ｔｓｎｆ ｍｉｎ［ｃ］：Ｏ［ｃ］の間におけるｖ［ｎ］の最小値に関連付けられた時点である。
ｘｉｖ．ｔｓｎｆ ｍａｘ［ｃ］：Ｉ［ｃ］の間におけるｖ［ｎ］の最大値に関連付けられた時点である。
ｘｖ．Ｅｒｂｇ ａｂｓ：通常の呼吸に対するアーティファクト検出によりアーティファクト無しとみなされた呼吸サイクルの絶対ＥＭＧ活動の極大の平均を示す。
ｘｖｉ．Ｅｓｎｆ ａｂｓ：ＥＭＧ信号の特徴と同時に加速度計信号の特徴を使用してＥＭＧ信号においてスニフが識別された後の、これらスニフの間に測定された最大の呼吸筋活動を示す。
ｘｖｉｉ．Ｅｒｅｌ：Ｅｒｂｇ ａｂｓのＥｓｎｆ ａｂｓに対する比を表し、呼吸筋努力（ＲＭＥ）の相対測定値を構成する。
ｉ．ＢＣ：「呼吸サイクル」の略で、ＥＭＧ信号における連続する吸息及び呼息の組み合わせ又はアーティファクトによる大きなバンプ（隆起）のいずれかに対応すると予想される１つの大きな振動からなる一部である。
ｉｉ．ＩＮＳ：呼吸サイクルにおける該呼吸サイクルの主ピークの最大値を含む部分を示す。
ｉｉｉ．ＯＵＴ：呼吸サイクルにおけるＩＮＳ部分ではない部分を示す。
ｉｖ．Ｉ［ｃ］：呼吸サイクルｃのＩＮＳ部分を示す。
ｖ．Ｏ［ｃ］：呼吸サイクルｃのＯＵＴ部分を示す。
ｖｉ．ｃ：整数の連続呼吸サイクルインデックスを示す。
ｖｉｉ．ＡＢＣ［ｃ］：本発明で使用されるアーティファクト検出アルゴリズムを意味のあるものにさせると共にリアルタイム処理を容易にするために定義される「アルゴリズム呼吸サイクル」を表し、各ＡＢＣ［ｃ］は、ＡＢＣ［ｃ］＝（Ｏ［ｃ］，Ｉ［ｃ］）のように、直後のＩＮＳが後続する呼吸サイクルのＯＵＴを含む。
ｖｉｉｉ．ＮＢＣ［ｃ］：「自然の呼吸サイクル」を表し、各ＮＢＣ［ｃ］は、ＮＢＣ［ｃ］＝（Ｉ［ｃ］，Ｏ［ｃ＋１］）のように、直後のＯＵＴが後続する呼吸サイクルのＩＮＳを含む。
ｉｘ．ｓ［ｎ］：通常の呼吸パラメータで前処理されたＥＭＧ信号を示し、図２に示されるＥＭＧ信号１０及び１１は通常の呼吸パラメータで前処理された２つの斯様なＥＭＧ信号ｓ［ｎ］を示す。
ｘ．ｖ［ｎ］：スニフパラメータで前処理されたＥＭＧ信号を示す。
ｘｉ．ｔｒｂｇ ｍａｘ［ｃ］：Ｉ［ｃ］の間におけるｓ［ｎ］の最大値に関連付けられた時点であり、図２を参照すると、点１２はｓ［ｎ］における呼吸サイクルｃの極大値を表し、該ラベル付けされた点１２に関連付けられた時点が当該呼吸サイクルｃのｔｒｂｇ ｍａｘ［ｃ］である。
ｘｉｉ．ｔｒｂｇ ｍｉｎ［ｃ］：Ｏ［ｃ］の間におけるｓ［ｎ］の最小値に関連付けられた時点であり、図２を参照すると、点１８はｓ［ｎ］における呼吸サイクルｃの極小値を表し、該ラベル付けされた点１８に関連付けられた時点が当該呼吸サイクルｃのｔｒｂｇ ｍｉｎ［ｃ］である。
ｘｉｉｉ．ｔｓｎｆ ｍｉｎ［ｃ］：Ｏ［ｃ］の間におけるｖ［ｎ］の最小値に関連付けられた時点である。
ｘｉｖ．ｔｓｎｆ ｍａｘ［ｃ］：Ｉ［ｃ］の間におけるｖ［ｎ］の最大値に関連付けられた時点である。
ｘｖ．Ｅｒｂｇ ａｂｓ：通常の呼吸に対するアーティファクト検出によりアーティファクト無しとみなされた呼吸サイクルの絶対ＥＭＧ活動の極大の平均を示す。
ｘｖｉ．Ｅｓｎｆ ａｂｓ：ＥＭＧ信号の特徴と同時に加速度計信号の特徴を使用してＥＭＧ信号においてスニフが識別された後の、これらスニフの間に測定された最大の呼吸筋活動を示す。
ｘｖｉｉ．Ｅｒｅｌ：Ｅｒｂｇ ａｂｓのＥｓｎｆ ａｂｓに対する比を表し、呼吸筋努力（ＲＭＥ）の相対測定値を構成する。
【0035】
[0044] 前述したように、本発明の方法及びシステムは、信号アーティファクトを可能な限り多く低減するように前処理されたＥＭＧ信号を利用し、このことは通常の呼吸及びスニフ活動が生のＥＭＧ信号から分離されることを可能にする。「通常の」呼吸は、患者がリラックスしていて自然に又は自発的に呼吸していると想定される場合に発生すると考えられる。これと比較して、「スニフ」は通常の呼吸よりもはるかに鋭く、強く、短い。スニフの固有の性質（すなわち、通常の呼吸の吸息と比較して鋭く、強く、短い性質）及びスニフの通常の呼吸と比較して相対的に低頻度の発生は、通常の呼吸活動の間における呼吸サイクル及びアーティファクトを検出するように設計されたアルゴリズムによるスニフの自然な検出に即座に役立つわけではないことに注意されたい。
【0036】
[0045] したがって、通常の呼吸活動を検出するように設計された一連の通常呼吸パラメータが、所与の生のＥＭＧ信号を前処理して、図２のＥＭＧ信号１０及び１１等の通常呼吸信号ｓ［ｎ］を生成するために使用され（このような前処理は、以下では「通常呼吸前処理」と称され得る）、スニフ活動を検出すると共にスニフの主要な特徴を保存するように設計された他の一連のスニフパラメータが、所与のＥＭＧ信号を前処理してスニフ信号ｖ［ｎ］を生成するために使用される（このような前処理は、以下「スニフ前処理」と称され得る）。したがって、本発明の例示的な実施形態によれば、所与の生のＥＭＧ信号に対して、通常呼吸前処理された信号ｓ［ｎ］及びスニフ前処理された信号ｖ［ｎ］の両方が生成され、信号ｓ［ｎ］におけるデータ点により表される各時点に対して、信号ｖ［ｎ］には対応するデータ点が存在し、その逆も成り立つようにする。
【0037】
[0046] 通常呼吸信号ｓ［ｎ］及びスニフ前処理信号ｖ［ｎ］を生成するためのＥＭＧ信号の前処理は同じステップの幾つかに従い、通常呼吸前処理とスニフ前処理との間の主な差違は、スニフ前処理がＥＭＧ信号の大幅に少ない正味の平滑化処理を含むことである。通常呼吸前処理及びスニフ前処理の両者は、スパイク除去、スケーリング、第１のラウンドのハイパスフィルタ処理、オプションの電源線干渉低減、整流、ダウンサンプリング、メディアンフィルタ処理、及び軽ローパスフィルタ処理を含む。通常呼吸処理は、更に、他のラウンドのローパスフィルタ処理、ベースライン除去のための他のラウンドのハイパスフィルタ処理、並びに呼吸サイクル部分及びアーティファクトの検出のための補助信号の構築を含む。
【0038】
[0047] スパイク除去は、例えば限定するものではないがペースメーカ及び鋭いアーティファクト等による生のＥＭＧ信号における非常に短い大きなスパイクを除去する。スケーリングとは、単に、ボルトで測定された信号をマイクロボルト（又は他の便利な単位）に変換することを指す。第１のラウンドのハイパスフィルタ処理は、低周波数のモーションアーティファクト、緊張性活動、心電図（ＥＣＧ）活動、電源線干渉、及びセンサノイズを低減する。第１ラウンドのハイパスフィルタ処理の後に残留電源線干渉が存在する場合、該電源線干渉を更に低減するために基本電源線周波数及びその高調波にノッチを持つコムフィルタを使用できる。整流は、代用呼吸信号を構築するために高周波ＥＭＧ信号の低周波エンベロープ（包絡線）を計算するための最初の動作である。メモリ及び処理要件を低減するために、整流にはダウンサンプリングが後続する。上記エンベロープ信号に存在する周波数は、生の信号における周波数よりもはるかに低いからである。特にＥＣＧによる残留スパイクを更に低減するために、メディアンフィルタ処理が適用される。軽ローパスフィルタ処理は、エンベロープ信号を更に平滑化し、代用呼吸筋活動信号を得るために使用される。軽ローパスフィルタ処理による更なる平滑化は、前処理されたＥＭＧ信号における極小及び極大の計算を容易にする。
【0039】
[0048] ここで図３を参照すると、ＲＭＥを定量化するための方法５０を表すフローチャートが示されている。方法５０のステップはＲＭＥの定量化に関与するステップの一般的な概要を提供し、方法５０のステップの殆どはそれ自体で幾つかのステップを含む処理であることに留意されたい。したがって、方法５０の各ステップの更に具体的な詳細は、図４～図６及び図８、図９に示される処理１００、２００、３００、４００、５００及び６００に関して本明細書で提供される。方法５０のステップ５１では、図１Ａ及び図１Ｂを参照して前述したように、生のＥＭＧ信号及び加速度計信号を生成するために、呼吸筋活動がＥＭＧ電極２により測定される一方、呼吸活動と同時の胸部のｘ軸、ｙ軸及び／又はｚ軸の加速度が加速度計４により測定される。ステップ５２において、ＥＭＧ電極２により測定された生のＥＭＧ信号は、通常呼吸パラメータで前処理されて通常呼吸信号ｓ［ｎ］を生成し、スニフパラメータで前処理されてスニフ信号ｖ［ｎ］を生成する。本開示全体を通して、前処理されたＥＭＧ信号ｓ［ｎ］又はｖ［ｎ］のうちの潜在的なスニフを表す一部は「候補スニフ」と呼ばれ得る。ステップ５３では、候補スニフが発生した時間間隔を識別するために、通常呼吸信号ｓ［ｎ］及びスニフ信号ｖ［ｎ］の種々の属性が使用される。方法５０のステップ５１～５３に関する更なる詳細は、本明細書では図４に示される処理１００に関連して提供される。
【0040】
[0049] 続けて図３を参照すると、方法５０のステップ５４において、加速度計４により測定された生の加速度計信号は、異なる周波数帯域の複数の信号を生成するように前処理される。ステップ５４に関する更なる詳細は、本明細書では図９に示される処理５００に関して提供される。ステップ５５では、ステップ５２～５４で見付かった前処理されたＥＭＧ信号及び前処理された加速度計信号の属性が使用され、候補スニフと一致する前処理された加速度計信号の属性を分析することにより、候補スニフを実際のスニフとして確認するか又は拒否する。方法５０のステップ５５に関する更なる詳細は、本明細書では図６及び図１０に各々示される処理３００及び６００に関して提供される。
【0041】
[0050] 方法５０の最終ステップ５６はＲＭＥを定量化する際の最後のステップであり、図４に示される処理１００（方法５０のステップ５１～５３に対応する）の間に決定される通常呼吸属性Ｅｒｂｇ
ａｂｓ、方法５０のステップ５１～５５を実行することにより決定されるスニフ属性Ｅｓｎｆ
ａｂｓ及び図４～図６及び図８～図１０に示される対応する処理１００～６００を使用すると共に、Ｅｒｂｇ
ａｂｓ及びＥｓｎｆ
ａｂｓを使用して値Ｅｒｅｌを決定することを要する。Ｅｒｂｇ
ａｂｓはアーティファクト無しとみなされる通常の呼吸活動の最大値の平均を表す一方、Ｅｓｎｆ
ａｂｓは検出されたスニフ活動の最大値を示す。方法５０のステップ５６では、属性Ｅｒｅｌは、
のように、通常の呼吸値Ｅｒｂｇ
ａｂｓをスニフ値Ｅｓｎｆ
ａｂｓに対して正規化することにより決定され、したがって、Ｅｒｂｇ
ａｂｓはＥｓｎｆ
ａｂｓの分数又はパーセンテージとして表され得る。方法５０のステップ５６は、ＥｒｅｌがＲＭＥの最も予測的な尺度の１つであることを実験結果が示す故に実行される。
【数1】
【0042】
[0051] 図４～図６及び図８～図１０は、ＥＭＧ信号及び加速度計信号の両方を使用してＥＭＧ信号から通常呼吸の及びスニフの特徴を抽出するために使用される種々の処理１００～６００の個々のステップを詳述するフローチャートである。処理１００～６００は、所与の信号波形における全ての呼吸サイクルｃに対して実行されることを目的とし、古典的な特徴抽出アプローチを使用して開発された。例えば、限定するものではないが、所与の呼吸サイクルｃ内の信号波形の最小値又は最大値を見つけることが参照される場合、上記呼吸サイクルｃ及び該呼吸サイクルｃ内の信号波形の上記最小値又は最大値は、トレーニングされた機械学習モデル７により識別され、手動で正しさがチェックされることに注意すべきである。したがって、処理１００～６００の詳細な説明で参照されるＥＭＧ及び加速度計の波形は、患者により命令で実行される又は自発的に実行されるスニフのいずれか又は両方を、医師がそのようなスニフのタイミングを記録できると共に、該タイミングの知識を使用して処理１００～６００の有効性を検証できる限りにおいて、含み得ることにも留意すべきである。
【0043】
[0052] 図４は、本発明の例示的な実施形態による、通常呼吸前処理されたＥＭＧ信号ｓ［ｎ］及び対応するスニフ前処理されたＥＭＧ信号ｖ［ｎ］の所与の呼吸サイクルｃの間にスニフ候補が発生した可能性がある間隔を定義するための処理１００のステップを詳細に示すフローチャートである。前述したように、Ｉ［ｃ］の間におけるｓ［ｎ］の最大値に関連する時点はｔｒｂｇ
ｍａｘ［ｃ］であり、Ｏ［ｃ］の間におけるｓ［ｎ］の最小値に関連する時点はｔｒｂｇ
ｍｉｎ［ｃ］である。処理１００において、時点ｔｒｂｇ
ｍａｘ［ｃ］は各呼吸サイクルｃにおける初期シード点として使用され、ｖ［ｎ］における幾つかの基準点を識別する。時点ｔｒｂｇ
ｍｉｎ［ｃ］も、本明細書において図６に示す処理３００に関して後述されるように、ｖ［ｎ］における追加の基準点を識別するために初期シード点として同様に使用される。
【0044】
[0053] 処理１００のステップ１０１においては、時点ｔｒｂｇ
ｍａｘ［ｃ］を中心とする時間間隔Ｔｒｂｇ
ｍａｘ［ｃ］が、
のように定義され、ここで、Ｔｍａｘは事前に指定された持続時間であり、該持続時間は例示的な実施形態では典型的に０．８秒に設定される。したがって、Ｔｒｂｇ
ｍａｘ［ｃ］は、ｓ［ｎ］におけるＩ［ｃ］の最大値に関連付けられた時点ｔｒｂｇ
ｍａｘ［ｃ］を中心とする継続時間２Ｔｍａｘの間隔である。ステップ１０２では、ステップ１０１で定義された時間間隔Ｔｒｂｇ
ｍａｘ［ｃ］内で、最大のＥＭＧ活動ｖｍａｘ［ｃ］が生じる信号ｖ［ｎ］における時点ｔｓｎｆ
ｍａｘ［ｃ］が識別される。ステップ１０３では、ｖ［ｎ］におけるｔｓｎｆ
ｍａｘ［ｃ］の左側（すなわち直前）の時間間隔ＴＬ
ｍａｘ［ｃ］が
と定義され、ここで、ＴＬ
ｍａｘ［ｃ］は予め指定された値であり、例示的な実施形態では、通常１．２秒に設定される。同様に、ステップ１０４では、ｖ［ｎ］におけるｔｓｎｆ
ｍａｘ［ｃ］の右側（すなわち直後）の時間間隔ＴＲ
ｍａｘ［ｃ］が
と定義され、ここで、ＴＲ
ｍａｘは事前に指定された値であり、例示的な実施形態では、通常１．６秒に設定される。
【数2】
【数3】
【数4】
【0045】
[0054] ステップ１０５においては、スニフ信号ｖ［ｎ］における呼吸サイクルｃに関して閾値スニフ値ｖη［ｃ］が
と定義され、ここで、ηは予め指定されたスニフ係数であり、例示的な実施形態では、典型的に０．５に設定され、スニフ信号ｖ［ｎ］における呼吸サイクルｃに対する閾スニフ値ｖη［ｃ］が当該特定の呼吸サイクルｃに関するｖ［ｎ］の最大値ｖｍａｘ［ｃ］の０．５倍に等しくなるようにする。ステップ１０６では、
及びｖＬ
η［ｃ］＜ｖη［ｃ］となる最後の点［ｔＬ
ｎ［ｃ］，ｖＬ
η［ｃ］］が識別される。この点［ｔＬ
ｎ［ｃ］，ｖＬ
η［ｃ］］は、ｔｓｎｆ
ｍａｘ［ｃ］から最大でＴＬ
ｍａｘ秒離れており、ｖ［ｎ］の値が最大値から遡って最初に閾値ｖη［ｃ］を下回る、最大値ｔｓｎｆ
ｍａｘ［ｃ］の左側（すなわち前）の最後の時点である。ステップ１０７では、左の時間間隔ＴＬ
ｎ［ｃ］が、ステップ１０６で見付かった時点ｔＬ
η［ｃ］を使用して、
と定義される。同様に、ステップ１０８では、
及びｖＲ
η［ｃ］＜ｖη［ｃ］となる最初の点［ｔＲ
η［ｃ］，［ｖＲ
η［ｃ］］が識別される。この点は、ｔｓｎｆ
ｍａｘ［ｃ］から最大でＴＲ
ｍａｘ数秒離れており、ｖ［ｎ］の値が最大値から順方向に見て最初に閾値ｖη［ｃ］を下回る、最大値ｔｓｎｆ
ｍａｘ［ｃ］の右側（すなわち後）の最初の時点である。ステップ１０９では、右の時間間隔ＴＲ
ｎ［ｃ］が、ステップ１０８で見付かった時点ｔＲ
η［ｃ］を使用して、
と定義される。
【数5】
【数6】
【数7】
【数8】
【数9】
【0046】
[0055] ステップ１１０では、閾値スニフ値ｖη［ｃ］により定義され、時点ｔｓｎｆ
ｍａｘ［ｃ］の周辺に位置する間隔が、
と定義される。間隔Ｔη［ｃ］は、閾スニフ値ｖη［ｃ］に関連して候補スニフの主要部分を定義し、該間隔Ｔη［ｃ］は、以下では、前処理されたＥＭＧ信号ｖ［ｎ］における「バンプ（隆起）」又は「バンプ間隔」と称され得る。間隔Ｔη［ｃ］の境界は、ステップ１０６で識別された時間間隔ＴＬ
η［ｃ］の左側の境界及びステップ１０８で識別された時間間隔ＴＲ
η［ｃ］の右側の境界を含むことが理解されるであろう。
【数10】
【0047】
[0056] 図５は、候補スニフの主バンプの幾つかの特徴を、前処理されたＥＭＧ信号ｓ［ｎ］及びｖ［ｎ］並びに処理１００で決定されたデータ点及び時間間隔を使用して定義するための処理２００のステップを詳細に示すフローチャートである。ステップ２０１では、処理１００のステップ１１０で定義されたバンプ間隔Ｔη［ｃ］の継続時間Ｄ［ｃ］が、
と定義される。この持続時間Ｄ［ｃ］は、最小値Ｄｍｉｎと最大値Ｄｍａｘとの間に位置することを要する。本発明の例示的な実施形態において、Ｄｍｉｎは通常０．１５秒となるように選択され、Ｄｍａｘは通常１．０秒となるように選択される。ステップ２０２においては、バンプ間隔Ｔη［ｃ］の中間点ｔＭ
η［ｃ］が、バンプ間隔Ｔη［ｃ］におけるｖ［ｎ］の曲線の下の面積の半分がｔＬ
η［ｃ］とｔＭ
η［ｃ］との間（すなわち、ｔＭ
η［ｃ］の左側）に位置し、第２の半部がｔＭ
η［ｃ］とｔＲ
η［ｃ］との間（すなわち、ｔＭ
η［ｃ］の右側）に位置するように特定される。したがって、中間点ｔＭ
η［ｃ］はバンプ間隔Ｔη［ｃ］の中央値とも称され得る。中間点ｔＭ
η［ｃ］は、ｖｍａｘ［ｃ］がバンプ間隔Ｔη［ｃ］内に存在し得る小さな局所極値に対して一層敏感であり得るので、該中間点の方がｔｓｎｆ
ｍａｘ［ｃ］よりも良い重心を表す故に特定される。ステップ２０３では、バンプ間隔Ｔη［ｃ］における波形の非対称性を定量化するために、非対称比γ１が下記のように定義される。
直感できるように、経験的データはスニフが、典型的に、減衰するよりも速く上昇することを示している。したがって、当該非対称比は、通常、理想的には１より大きく、０．８より大幅に小さくはないであろう。本発明の例示的な実施形態において、γ１の最小許容値として選択される典型的な閾値は、０．８５である。
【数11】
【数12】
【0048】
[0057] ステップ２０４では、バンプ間隔Ｔη［ｃ］内の波形の非対称性の第２の尺度を得るために、ｔＬ
η［ｃ］とｔＲ
η［ｃ］との間（すなわち、バンプ間隔Ｔη［ｃ］にわたる）ｖ［ｎ］の歪度が決定される。ここでも、スニフは、通常、減衰するよりも速く上昇するので、バンプ間隔Ｔη［ｃ］の歪度は正である（すなわち、右側に歪んでいる）ことが予想される。本発明の例示的な実施形態において、バンプ間隔Ｔη［ｃ］にわたる歪度に対する典型的な閾値はゼロである。
【0049】
[0058] 直観的に、適切に実行されるスニフは過度に近接して発生し得るものではない。したがって、Ｔη［ｃ］の直前又は直後に発生するｖ［ｎ］の大きなバンプは、アーティファクトによる可能性が非常に高く、候補スニフに影響を与え得るものである。このようなバンプを検出するために、ステップ２０５及び２０６では、ｔＬ
η［ｃ］の左側の間隔ＴＬＬ
η［ｃ］（すなわち、バンプ間隔Ｔη［ｃ］の開始に先行する間隔）及びｔＲ
η［ｃ］の右側の間隔ＴＲＲ
η［ｃ］（すなわち、バンプ間隔Ｔη［ｃ］の終了に後続する間隔）が、
と定義され、ここで、Ｔｂｕｍｐは、事前に指定された継続時間であり、例示的な実施形態では、０．５秒の典型的な値に設定される。各間隔ＴＬＬ
η［ｃ］及びＴＲＲ
η［ｃ］内の離散時間インデックスの対応する組は、各々、ＮＬＬ
η［ｃ］及びＮＲＲ
η［ｃ］として示される。ステップ２０７及び２０８では、ＮＬＬ
η［ｃ］にわたるｖ［ｎ］の平均及びＮＲＲ
η［ｃ］にわたるｖ［ｎ］の平均を各々表す値μＬＬ
η（ｖ）［ｃ］及びμＲＲ
η（ｖ）［ｃ］が計算され、ここで、μＬＬ
η（ｖ）［ｃ］及びμＲＲ
η（ｖ）［ｃ］は、
と定義される。
【数13】
【数14】
【0050】
[0059] 両平均値μＬＬ
η（ｖ）［ｃ］及びμＲＲ
η（ｖ）［ｃ］は処理１００のステップ１０５で計算された閾値ｖη［ｃ］未満であることが必要とされ、μＬＬ
η（ｖ）［ｃ］＜ｖη［ｃ］及びμＲＲ
η（ｖ）［ｃ］＜ｖη［ｃ］となるようにする。可能性のあるスニフの近くで発生する望ましくないバンプがない場合（バンプは、スニフの分離及び識別を複雑にするため「望ましくない」）、値μＬＬ
η（ｖ）［ｃ］及びμＲＲ
η（ｖ）［ｃ］を、候補スニフの非対称性を定量化するための追加の数値として使用できる。ここでも、スニフは減衰するよりも速く上昇すると予想されるので、下記の基準が課される。
【数15】
【0051】
[0060] 図４及び図５に示される処理１００及び２００は、ＥＭＧ信号の最大値から導出されるｓ［ｎ］及びｖ［ｎ］の基準点に関連する値及びタイムスタンプを使用する。しかしながら、ＥＭＧ信号の最小値もＲＭＥの定量化に非常に関連する。したがって、図６は、処理１００及び２００で決定されたデータ点及び時間間隔を使用して、前処理されたＥＭＧ信号ｓ［ｎ］及びｖ［ｎ］の最小値に基づいて候補スニフの追加の特徴を定義するための処理３００のステップを詳細に示すフローチャートである。具体的に言うと、処理３００は、スニフ活動と非スニフ活動（例えばアーティファクト）とを区別するために使用できるＥＭＧ由来の特徴及び属性を決定するために使用される。前述したように、Ｏ［ｃ］の間におけるｓ［ｎ］の最小値に関連する時点はｔｒｂｇ
ｍｉｎ［ｃ］であり、処理３００において、時点ｔｒｂｇ
ｍｉｎ［ｃ］はｖ［ｎ］における幾つかの基準点 を識別するために各呼吸サイクルｃにおける初期シード点として使用され。
【0052】
[0061] 処理３００のステップ３０１では、所与の呼吸サイクルｃに関するｓ［ｎ］における時間間隔Ｔｒｂｇ
ｍｉｎ［ｃ］が、
と定義され、ここで、Ｔｍｉｎは事前に指定された継続時間であり、例示的な実施形態では、典型的に０．８秒に設定される。したがって、Ｔｒｂｇ
ｍｉｎ［ｃ］は、Ｏ［ｃ］の最小値に関連付けられた時点ｔｒｂｇ
ｍｉｎ［ｃ］を中心とする継続時間２Ｔｍｉｎのｓ［ｎ］における間隔である。ステップ３０２では、ステップ３０１で定義された時間間隔Ｔｒｂｇ
ｍｉｎ［ｃ］内で、最小値ｖｍｉｎ［ｃ］が発生する信号ｖ［ｎ］における時点ｔｓｎｆ
ｍｉｎ［ｃ］が識別される。ステップ３０３においては、ｃ番目の呼吸サイクルのオフセット値ｖＭ
ｏｆｆｓ［ｃ］が、先ずｃ番目の呼吸サイクルの最小値（ｔｓｎｆ
ｍｉｎ［ｃ］，ｖｍｉｎ［ｃ］）と（ｃ＋１）番目の呼吸サイクルの最小値（ｔｓｎｆ
ｍｉｎ［ｃ＋１］，ｖｍｉｎ［ｃ＋１］）との間でｖ（ｎ）を線形に補間し、次いで中間点ｔＭ
η［ｃ］の位置における補間された関数の値を見つけることにより、見付けられる。次いで、ステップ３０４では、ｃ番目の呼吸サイクルの振幅が、ｖｍａｘ［ｃ］とｖＭ
ｏｆｆｓ［ｃ］との間の差：
として定義され、ここでは、Ａｌｏｗ≦Ａ［ｃ］≦Ａｕｐｐなる基準が振幅に対して課される。例示的な実施形態において、下側閾値Ａｌｏｗ及び上側閾値Ａｕｐｐの典型的な値は、各々、３μＶ及び４０μＶである。
【数16】
【数17】
【0053】
[0062] ステップ３０５では、最大値（ｔｍａｘ［ｃ］，ｖｍａｘ［ｃ］）に先行及び後続する最小値の平均が、対応する呼吸サイクルの振幅Ａ［ｃ］に対して値が低いことが好ましいという事実を定量化するために、第１の非対称特徴γｒｅｌ
ｍｉｎが定義される。かくして、γｒｅｌ
ｍｉｎは、
と定義され、ここで、γｒｅｌ
ｍｉｎは事前に指定された閾値未満であることが必要であり、例示的な実施形態において、該閾値は約０．３となるように選択される。ステップ３０６では、一方における連続する谷の最小値ｖｍｉｎ［ｃ］とｖｍｉｎ［ｃ＋１］との間の差、及び他方における谷の最小値の間のピークの最大値ｖｍａｘ［ｃ］と谷の最小値（ｖｍｉｎ［ｃ］及びｖｍｉｎ［ｃ＋１］）の各々との間の差の小さい方の相対的な大きさを定量化するために、第２の非対称特徴γ２［ｃ］が定義される。したがって、γ２［ｃ］は、
と定義され、ここで、γｒｅｌ
ｍｉｎは事前に指定された上側閾値未満であることが必要であり、該上側閾値は、例示的な実施形態では、約０．２となるように選択される。最後に、ステップ３０７では、スニフピークの左側非対称性を定量化するために、第３の非対称特徴γ３［ｃ］が、
と定義され、ここで、γ３［ｃ］は事前に指定された上側閾値未満となることが必要であり、該上側閾値は、例示的な実施形態では、約０．２５となるように選択される。開示された概念の例示的な実施形態において、候補スニフがステップ３０４～３０７に関して上述した振幅及び非対称性条件の全てを満たさない場合、該候補スニフはスニフではなくアーティファクトとして分類される。
【数18】
【数19】
【数20】
【0054】
[0063] 図７は、開示された概念の例示的な実施形態による、種々のレベルの前処理を受けた加速度計信号の複数の波形７３、７４、７５及び７６と位置合わせされた、種々のレベルの前処理を受けたＥＭＧ信号の複数の波形７１、７２及び７７の集まりを示すもので、これらＥＭＧ信号及び加速度計信号は図１Ａ及び図１ＢのＥＭＧ電極２及び加速度計４により示されるように同時に測定されている。図７に示された波形は、例示のみを目的として使用されており、本発明の範囲を限定することを意図したものではない。波形７１～７７は、同一の時間間隔からの生の又は処理されたＥＭＧ信号又は加速度計信号を示しているが、各波形は呼吸筋活動又は身体表面の向きの変化の異なる側面を強調している。
【0055】
[0064] 続けて図７を参照すると、波形７１は生のＥＭＧ信号を示し、波形７２は前処理のハイパスフィルタ処理を受けた後の波形７１を示す。波形７２を波形７１と比較すると、生のＥＭＧ信号の前処理が信号アーティファクトを減少させながら呼吸筋活動を強調することが理解できる。本明細書において図８に示す処理４００に関して説明されるように、角度の変化が呼吸活動によるものか又は非呼吸活動によるものかに拘わらず、経時的な加速度計４の角度の変化を大まかに表す生の加速度計信号から構築された前処理された加速度計信号を示す。波形７４は加速度計４のｘ軸の下側周波数帯域信号及び上側周波数帯域信号の両方（図７における波形７４Ａ及び７４Ｂの各々）を示す前処理された加速度計信号（生の加速度計信号から構築された）であり、波形７５は加速度計４のｚ軸の下側及び上側周波数帯域信号の両方（図７における７５Ａ及び７５Ｂの各々）を表す前処理された加速度計信号（これも、生の加速度計信号から構築される）である。波形７４、７５の構築は、本明細書において図１０に示される処理６００を参照して説明する。
【0056】
[0065] 続けて図７を参照すると、波形７６は加速度計４のｘチャネル及びｚチャネルの両方についての上側周波数帯域信号と下側周波数帯域信号との比を表す。具体的には、本明細書において図９に示される処理５００に関して説明されるように、整流され平滑化された下側周波数帯域信号ａｃｃ＿ｌｐｆ＿ｓｍが処理５００のステップ５０４で見付けられ（ａｃｃ＿ｌｐｆ＿ｓｍ＿ｘがｘチャネルについて見付けられ、ａｃｃ＿ｌｐｆ＿ｓｍ＿ｚがｚチャネルについて見付けられる）、整流及び平滑化された上側周波数帯域信号ａｃｃ＿ｈｐｆ＿ｓｍが処理５００のステップ５０５で見付けられる（ａｃｃ＿ｈｐｆ＿ｓｍ＿ｘがｘチャネルについて見付けられ、ａｃｃ＿ｈｐｆ＿ｓｍ＿ｚがｚチャネルについて見付けられる）。図７において、波形７６Ａはデシベルで表された比（ａｃｃ＿ｈｐｆ＿ｓｍ＿ｘ）／（ａｃｃ＿ｌｐｆ＿ｓｍ＿ｘ＋ａｃｃ＿ｈｐｆ＿ｓｍ＿ｘ）であり、波形７６Ｂはデシベルで表された比（ａｃｃ＿ｈｐｆ＿ｓｍ＿ｚ）／（ａｃｃ＿ｌｐｆ＿ｓｍ＿ｚ＋ａｃｃ＿ｈｐｆ＿ｓｍ＿ｚ）である。最後に、波形７７はスニフ処理されたＥＭＧ信号ｖ［ｎ］を表しており、該信号において、前処理されたＥＭＧにおいて識別された呼吸サイクルの各々に対して方法５０及び処理１００～６００のステップが実行された後に、複数のスニフ８０が正しく識別されている。
【0057】
[0066] 図１Ａ及び図１Ｂにちょっと戻ると、前述したように、加速度計４はｚ軸が患者Ｐの身体の外部を指すと共に身体表面に直交する一方、ｘ軸及びｙ軸が、ｘ軸が患者Ｐの頭を指すようにして身体表面に接する面内に位置するようにして、患者Ｐの胸骨に取り付けられる。このようにして、ｘ－ｚ平面が地表面に対して略垂直となり、重力ベクトルが略ｘ－ｚ平面内に位置するようにする。ここで図８を参照すると、処理４００は時間の経過に伴う加速度計４の角度の変化を大まかに表す加速度計信号を構築するために使用され、このような角度の変化は呼吸活動と非呼吸活動との何らかの組み合わせによるものである。最初のステップ４０１においては、四次バターワースアンチエイリアシングローパスフィルタが生の加速度計信号に適用され、例示的な実施形態では２０Ｈｚのカットオフ周波数が使用される。ステップ４０２では、結果として得られる信号がデシメーション（間引き）される。本発明の例示的な実施形態において、当該信号は１６の係数でデシメーションされる。ステップ４０３では、加速度計信号の高周波ノイズ及びアーティファクトを更に低減するために二次バターワースローパスフィルタが適用され、その結果得られる信号は以下ではａｃｃ＿ｌｐｆ＿４０３と称される。例示的な実施形態においては、１０Ｈｚのカットオフ周波数が適用される。
【0058】
[0067] ステップ４０４では、線形位相有限インパルス応答移動平均フィルタが適用される。本発明の例示的な実施形態では、前記線形位相有限インパルス応答移動平均フィルタは２秒のサポートで適用される。ステップ４０４は、ベクトルの第１要素及び第２要素として各々ｘ成分及びｚ成分を含むベクトルμ［ｎ］を生成する。ステップ４０５では、ステップ４０３で生成された信号ａｃｃ＿ｌｐｆ＿４０３が、ベクトルμ［ｎ］と位置合わせするためにフィルタの群遅延で遅延され、ベクトルａ［ｎ］を生成する。ステップ４０６では、加速度計４が取り付けられた身体表面（すなわち、図１Ａに示されるｘ－ｙ面）の向きの変化から生じる角度を大まかに表す傾斜角θ［ｎ］が、下記の式を用いて、μ［ｎ］とａ［ｎ］とのベクトル積のｙ成分（すなわち、μ［ｎ］とａ［ｎ］との間の角度の正弦）を重力ベクトルが略ｘ－ｚ面内に位置するという先に確立された仮定に基づいて見付けると共に、該ベクトル積をベクトルａ［ｎ］及びａ－［ｎ］の大きさの積により正規化することにより、推定される。
傾斜角θ［ｎ］は、ｙ軸が図１Ａに示されるように、ｙ軸の周りの回転を示すことに留意されたい。更に、バンプ間隔Ｔη［ｃ］の間において傾斜角θ［ｎ］にはθＬ＜ ｍａｘ（｜θ［ｎ］｜）＜θＵなる条件が課せられる。例示的な実施形態において、θＬには０．５°の値が割り当てられ、θＵには４．０°の値が割り当てられる。これらの特定の値は、本発明のシステム及び方法を使用して観察されている患者に推奨される例示的な姿勢に対応するからである。分析されている時間間隔内の各時点について角度θ［ｎ］が決定された後、図７における波形７３により表されるもののような信号が生成される。
【数21】
【0059】
[0068] ここで図９を参照すると、処理５００は、加速度計信号の上側及び下側周波数帯域を構築して生の加速度計信号における測定された呼吸活動及び運動アーティファクトの過渡特徴を識別するために使用される。生の加速度計信号の前処理のために使用される処理４００及び処理５００は並行して実行されることに留意されたい。処理５００のステップ５０１では、三次バターワースハイパスフィルタを適用することにより加速度計信号からベースラインが除去される。この場合、開示された概念の例示的な実施形態では、０．５Ｈｚのカットオフ周波数が使用される。ステップ５０２では、三次バターワースローパスフィルタが適用されて、下側周波数帯域信号ａｃｃ＿ｌｐｆ＿５０２を抽出する。この場合、例示的な実施形態では、５０Ｈｚのカットオフ周波数が使用される。同様に、ステップ５０３では、三次バターワースハイパスフィルタが適用されて、上側周波帯域信号ａｃｃ＿ｈｐｆ＿５０３を抽出する。この場合、例示的な実施形態では、１５０Ｈｚのカットオフ周波数が使用される。ステップ５０４及び５０５では、下側周波数帯域及び上側周波数帯域から電源ライン信号を各々抽出するために、ステップ５０２で見付かった下側周波数帯域信号ａｃｃ＿ｌｐｆ＿５０２及びステップ５０３で見付かった上側周波数帯域信号ａｃｃ＿ｈｐｆ＿５０３が既知の信号処理技術を使用して整流され平滑化される。ステップ５０４で生成される整流され平滑化された下側周波数帯域信号はａｃｃ＿ｌｐｆ＿ｓｍ（ａｃｃ＿ｌｐｆ＿５０２から生成される）として示され、ステップ５０５で生成される整流され平滑化された上側周波数帯域信号はａｃｃ＿ｈｐｆ＿ｓｍ（ａｃｃ＿ｈｐｆ＿５０３から生成される）として示される。図９に示されるように、ステップ５０２及び５０４は、ステップ５０３及び５０５と並行して実行され得る。
【0060】
[0069] 処理５００のステップは加速度計４のｘチャネル及びｚチャネルの両方に対して実行され、処理５００を使用した加速度計４のｘチャネル信号の前処理が、整流され平滑化された下側及び上側周波数帯域信号ａｃｃ＿ｌｐｆ＿ｓｍ＿ｘ及びａｃｃ＿ｈｐｆ＿ｓｍ＿ｘを生成するようにする一方、処理５００を使用した加速度計４のｚチャネル信号の前処理が、整流され平滑化された信号ａｃｃ＿ｌｐｆ＿ｓｍ＿ｚ及びａｃｃ＿ｈｐｆ＿ｓｍ＿ｚを生成するようにすることが理解されるであろう。図９と併せて図７を再び参照すると、信号７４Ａはステップ５０４で見付かったｘチャネルの下側周波数帯域信号の波形であり、信号７４Ｂはステップ５０５で見付かったｘチャネルの上側周波数帯域信号の波形である。同様に、信号７５Ａはステップ５０４で見付かったｚチャネルの下側周波数帯域信号の波形であり、信号７５Ｂはステップ５０５で見付かったｚチャネルの上側周波数帯域信号の波形である。
【0061】
[0070] ここで図１０を参照すると、処理１００～５００の間において見付かった種々の前処理された信号に関して加速度計信号の呼吸特徴を定義するための処理６００を表したフローチャートが示されている。以下に詳述するように、処理６００では処理５００の結果が使用され、従って、処理６００はｘチャネル及びｚチャネルの両方に関して処理５００の結果に対し実行されることが理解されるであろう。処理６００の間に見付かる全ての特徴が、バンプ間隔Ｔη［ｃ］にわたって定義される。ステップ６０１では、テップ５０４で生成された平滑化された下側周波数帯域信号ａｃｃ＿ｌｐｆ＿ｓｍ及びステップ５０５で生成された平滑化された上側周波数帯域信号ａｃｃ＿ｈｐｆ＿ｓｍが合計される。ステップ６０２では、ステップ６０１で生成された合計信号に対するステップ５０５で生成された平滑化された上側周波数帯域信号の比が見付けられる。
【0062】
[0071] 図１０と併せて図７を再び参照すると、波形７４Ａ（加速度計４のｘチャネルの下側周波数帯域信号）及び波形７４Ｂ（加速度計４のｘチャネルの上側周波数帯域信号）がｘチャネルに関しステップ６０１において合計される。同様に、波形７５Ａ（加速度計４のｚチャネルの下側周波数帯域信号）及び波形７５Ｂ（加速度計４のｚチャネルの上側周波数帯域信号）が、ｚチャネルに関しステップ６０１において合計される。波形７６Ａは、ｘチャネルについてステップ６０２を実行することにより得られる。波形７６Ａは、ｘチャネルについてステップ６０１で見付かった波形７４Ａ及び７４Ｂの合計に対する波形７４Ｂの比を求めることにより得られるからである。同様に、波形７６Ｂはｚチャネルについてステップ６０２を実行することにより生じる。波形７６Ｂは、ｚチャネルについてステップ６０１で見付かった波形７５Ａ及び７５Ｂの合計に対する波形７５Ｂの比を求めることにより得られるからである。
【0063】
[0072] 本発明の例示的な実施形態によれば、スニフ候補がアーティファクトではなくスニフとして適格であるためには、スニフ候補の時間間隔に関連してステップ６０２で算出された比が、所定の値未満でなければならない。この要件は、加速度計データのスペクトグラムが、通常、スニフの主なパワーは低周波数領域で発生するが、アーティファクト活動の間では周波数帯域全体が典型的に強い成分を含むことを示すという観察に基づくものである。このように、ステップ６０３において、ステップ６０２で算出された比が確かに所定の値よりも小さい場合、当該候補スニフは候補スニフに留まる。
【0064】
[0073] 実験による観察は、更に、ステップ５０５で生成された上側周波数帯域信号ａｃｃ＿ｈｐｆ＿ｓｍが所定の閾値と候補スニフの時間間隔の間において所定回数より多く交差した場合、ＥＭＧ信号における対応するバンプ間隔Ｔη［ｃ］は、通常、アーティファクトによるものであることを示している。上記閾値は、重力加速度（９．８ｍ／ｓ２）の分数で表される。例示的な実施形態において、該閾値は０．１ｇ（すなわち、０．９８ｍ／ｓ２）となるように選択され、上記所定の交差回数は７となるように選択される。したがって、ステップ６０４において、高周波数帯域信号ａｃｃ＿ｈｐｆ＿ｓｍが閾値（例えば０．１ｇ）と所定の交差回数（例えば、７）を超えて交差した場合、当該候補スニフはアーティファクトとして認定され、そうでない場合、該候補スニフは候補スニフとしてのステータスを維持する。
【0065】
[0074] 最後に、ステップ６０５では、処理５００の間においてステップ５０２及び５０３で各々見付けられたローパスフィルタ処理及びハイパスフィルタ処理された信号ａｃｃ＿ｌｐｆ＿５０２及びａｃｃ＿ｈｐｆ＿５０３の両方の分散又は標準偏差が決定される。ステップ６０５で見付けられた分散又は標準偏差のいずれかが、所定の値を超える場合、当該候補スニフ活動はスニフではなくアーティファクトに対応すると見なされる。逆に、ステップ６０５で見付かった分散又は標準偏差が所定の値を下回る場合、該候補スニフは信号アーティファクトではなくスニフであると見なされる。図７における波形７７は、図７は、処理１００～６００が実行された後に複数のスニフ８０が正しく識別された、スニフ処理されたＥＭＧ信号ｖ［ｎ］の一例である。図３に示された方法５０を再び参照すると、Ｅｒｅｌを見付けることによりＲＭＥを定量化するための最終ステップ５６は、処理１００～６００がＥＭＧ電極２及び加速度計４により記録された所望の数の呼吸サイクルに対して実行され、該呼吸サイクルにおける全てのスニフが識別された後に実行される。
【0066】
[0075] 本発明の例示的な実施形態において、真のスニフは、処理１００～３００に関して記載されたＥＭＧ由来の特徴について前述した基準に加えて、ステップ６０３、６０４及び６０５の３つの全ての基準も満たされるという保証の下でスニフとして適格になることが期待される。しかしながら、候補スニフがステップ６０３、６０４及び６０５の３つ全てではなく、１つ又は２つの基準の下でアーティファクトの傾向を示した場合、処理１００～６００全体を通して使用される前記所定の値及び閾値を、開示される概念の範囲から逸脱することなく調整することができる。本明細書で言及される全てのいわゆる「閾値」及び「所定の値」は、提案された値であり、本発明の範囲を限定することを意図したものではない。特に、本明細書で前述された方法以外のＥＭＧ信号の前処理のための方法が使用される場合、本明細書で提案される閾値及び所定の値の少なくとも幾つかは、本明細書に記載のものと比較した場合の前処理された信号成分の大きさ及び／又は周波数の差を考慮して調整されることが必要となりそうであるが、本明細書に記載の方法及びシステムは閾値及び所定の値に対するそのような調整を行ってもなお適用可能であることが理解されよう。
【0067】
[0076] 前述したように、本明細書に記載の方法及び処理５０及び１００～６００は、古典的な工学及び特徴抽出アプローチを使用して開発された。以前は、非侵襲的スニフ検出の自動化は困難であり、ＥＭＧ信号内のスニフ及び信号アーティファクトにより示される類似性により、ＥＭＧ信号内のスニフと信号アーティファクトとの間の不正確な区別が生じる結果となっていた。しかしながら、本発明、特に処理４００～６００によるＥＭＧ信号データ及び特徴に加えての加速度計信号データの使用は、スニフと信号アーティファクトとの間の正確で非侵襲的な区別の自動化を可能にしている。
【0068】
[0077] 請求項において、括弧内の参照符号は当該請求項を限定するものとして解釈してはならない。「有する」又は「含む」という文言は、請求項に記載されているもの以外の要素又はステップの存在を排除するものではない。幾つかの手段を列挙した装置の請求項において、これらの手段の幾つかは、１つの同一のハードウェア品目により具現化することができる。単数形の要素は、そのような要素が複数存在することを排除するものではない。幾つかの手段を列挙した如何なる装置の請求項においても、これらの手段の幾つかは、１つの同一のハードウェア品目により具現化することができる。特定の要素が互いに異なる従属請求項に記載されているという単なる事実は、これらの要素を組み合わせて使用できないことを示すものではない。
【0069】
[0078] 本発明を、解説目的で、現在最も実際的で好ましい実施形態であると考えられるものに基づいて詳細に説明したが、そのような詳細は単に解説目的のためのものであって、本発明は開示された実施形態に限定されるものではなく、逆に、添付請求項の趣旨及び範囲内にある修正及び等価な構成をカバーすることを意図していると理解されたい。例えば、本発明は、可能な限りにおいて、何れかの実施形態の１以上のフィーチャが、何れかの他の実施形態の１以上のフィーチャと組み合わされ得ることを想定していると理解されたい。
【図1A】
【図1B】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7-1】
【図7-2】
【図8】
【図9】
【図10】
【国際調査報告】