技術 他の周期信号と区別する胎児心拍数検出方法

0001

本願は一般に、ドップラー超音波技術、胎児監視技術、胎児心拍数監視技術、及び関連技術に関する。

0002

既存の胎児心拍数モニターは、ドップラー超音波を採用している。この手法では、時間に対するドップラー超音波振幅が測定される。各心拍は、振動パルスで構成されるコンパクトなパルス列を生成する。胎児の動きによる低ドップラー周波数成分を除去するためのバンドパスフィルタリングの後、胎児の心拍数は、これらのパルス列の発生レートとして決定される。

0003

しかしながら、胎児によるしゃっくりも、心拍と同様にパルス列を生成する。比較的安定したリズムを持ち、心拍よりも高い振幅のパルス列を生成するしゃっくりの発作が発生する可能性がある。従って、斯かるしゃっくりの発作は、（準）周期的な胎児の心臓の拍動と簡単に間違えられる可能性があり、これにより誤った胎児の心拍数の測定値が生成される。

0004

本願は、これらの問題を克服するための新しい改良されたシステム及び方法を開示する。

0005

開示される一態様では、胎児の動き検出方法は、ドップラー超音波信号における脈拍パケットを識別するステップであって、各脈拍パケットが、１つ又は複数のパルスのパルス列を含む、ステップと、識別された脈拍パケットの少なくとも１つの特性に基づき、識別された脈拍パケットのそれぞれをしゃっくり又は非しゃっくりとして分類するステップと、しゃっくりとして分類される上記ドップラー超音波信号の脈拍パケットを抑制するステップと、しゃっくりと分類された脈拍パケットが抑制される状態で、ドップラー超音波信号から胎児の心拍数を計算するステップとを有する。

0006

別の開示された態様では、胎児心拍数を決定するよう構成される装置が、少なくとも１つの電子プロセッサを含み、このプロセッサは、ドップラー超音波信号における脈拍パケットを識別し、各脈拍パケットが、１つ又は複数のパルスのパルス列を含み、識別された脈拍パケットの少なくとも１つの特性に基づき、識別された脈拍パケットのそれぞれをしゃっくり又は非しゃっくりとして分類し、しゃっくりとして分類された上記ドップラー超音波信号の脈拍パケットを抑制し、しゃっくりと分類された脈拍パケットが抑制される状態で、ドップラー超音波信号から胎児の心拍数を計算するようプログラムされる。

0007

１つの利点は、胎児の心拍数をより正確に決定することにある。

0008

別の利点は、胎児の心拍によるドップラー超音波信号における脈拍パケットと胎児のしゃっくりによる脈拍パケットとを区別し、胎児の心拍数を計算するとき後者を抑制することにある。

0009

別の利点は、胎児の心拍数を正確に決定する低コストのシステムを提供することにある。

0010

別の利点は、胎児の心拍と胎児のしゃっくりとを区別するのに効果的な閾値を決定することにある。

0011

所与の実施形態は、前述の利点の１つ、２つ、それ以上、若しくはすべてを提供し得、若しくは何ら提供せず、及び／又は本開示を読み理解するとき当業者に明らかになる他の利点を提供し得る。

0012

一態様による胎児心拍数検出方法の例示的なフローチャート処理を示す図である。
図１の方法により取得されたデータを例示的に示す図である。
図１の方法により取得されたデータを例示的に示す図である。
しゃっくりの時間領域信号を例示的に示す図である。
しゃっくりの時間領域信号に対応するパワースペクトルを例示的に示す図である。
図１のシステムの別の例示的なフローチャート処理を示す図である。
別の態様による胎児心拍数検出システムを概略的に示す図である。

0013

本開示は、様々な要素及び要素の配置、ならびに様々なステップ及びステップの配置の形をとることができる。図面は、好ましい実施形態を説明するためだけのものであり、本発明を限定するものとして解釈されるべきではない。

0014

胎児に関して測定されたドップラー超音波信号では、胎児の心拍は、例えば約１００〜２００ミリ秒のオーダーの比較的短い持続時間のパルス列で構成される脈拍パケットとして現れる。このパルス列は通常、胎児の心拍の収縮期に分類又は起因され、その間に心臓が収縮して血流が促進される。しかしながら、胎児のしゃっくりは、同等の持続時間のパルス列で構成される同様な脈拍パケットを生成することができる。更に、胎児のしゃっくりは、リズミカルな胎児の脈拍を模倣する準周期的なパターンで発生する可能性がある。従って、胎児のしゃっくりによる脈拍パケットは、胎児の心拍数として誤って識別される可能性があり、これは、計算された胎児の心拍数における実質的な誤差をもたらす可能性がある。一般的に、実際のしゃっくりによる「余分な」心拍により、実際の値と差がある読み出しが生じる。

0015

本願は、ドップラー超音波振幅対時間信号における脈拍パケットがしゃっくりによるものかどうかを検出するテストを採用した胎児心拍数検出における改善を開示する。しゃっくりによる場合、胎児の心拍数を計算する前にしゃっくり脈拍パケットが抑制される。例示的なアプローチの１つは、パルス列におけるパルスの数（又は同等にゼロ交差の数）を計算する。本書で認識されるように、心拍によるパルス列は通常、しゃっくりによるパルス列よりも多くのパルスを有する。臨床データ分析では、心拍によるパルス列は通常約６パルスであることがわかっている。一方、しゃっくりによるパルス列は、通常約３パルスである。この結果は、脈拍パケットに関するパルスカウントが計算されるテストに一般化されることができる。ドップラー超音波信号で識別される脈拍パケットのパルスカウントは、時間軸の交差（即ちゼロ交差）の数を含むことができ、又はパルスのピークの数を含むことができる。決定されたパルスカウントが閾値以下である脈拍パケットは、しゃっくり又はしゃっくりでないと見なされるか、又は分類される。

0016

オプションで、機械学習を使用して、監視対象の特定の胎児の心拍によるパルス列の典型的なパルスカウントが最適化されることができる。あまり一般的でないしゃっくりよりも心拍が統計的に支配的であるという仮定の下で、アプローチは、現在監視される胎児に関して検出されたパルス列に対するパルスカウントの統計分布を生成する。十分な統計が収集されるとき、このパルス数分布が正規分布に準拠することが期待される。分布の平均は、心拍により生成されるパルス列に関する典型的なパルス数である。標準偏差（又は他の分布"幅"メトリック）は、しゃっくりにより生成されるパルス列を指定するため、この典型的なパルス数からの偏差の範囲に関する情報を提供する。

0017

個々の胎児について学習するのではなく、例えば、特定の年齢範囲の胎児、特定の医学的状態の胎児など胎児の特定のコホートについて、心拍及びしゃっくりに関するパルスカウントが学習されることができる。

0018

パルス列がしゃっくりによるものとして識別されるとき、パルス列は削除又は抑制される。例示的な実施形態では、これは、しゃっくりによるパルス列を少なくとも３ｄＢ減衰させることにより行われる。こうして、それは、実際の心拍によるパルス列に従属させられ、その後の胎児の心拍数の計算にほとんど影響を与えない。

0019

図１を参照すると、胎児心拍数検出方法１００がフローチャートとして概略的に示される。ステップ１０２で、胎児のドップラー超音波信号が取得され、ドップラー超音波信号の胎児運動成分を抑制するためにバンドパスフィルタでドップラー超音波信号がフィルタリングされる。バンドパスフィルタリング処理は、胸部活動によるものではない胎児の動きを示す動きデータを除去する。

0020

ステップ１０４で、ドップラー超音波信号における脈拍パケットが識別される。各脈拍パケットは、１つ又は複数のパルスのパルス列を含む。図２は、胎児運動を抑制するためのバンドパスフィルタリング後のドップラー超音波信号を示し、脈拍パケット４２、４４としてラベル付けされた２つを含む複数の脈拍パケットが見られる。図３は、例示的な脈拍パケット４２、４４の拡大図を示す。通常、脈拍パケットを構成するパルス列のパルスは、脈拍パケットの開始時にノイズフロアに近い信号値から振幅が急速に増加して、脈拍パケットのほぼ中央付近で最大パルス振幅に達する。その後、パルスは振幅が減少してノイズフロアに戻る。更に、心拍（及びしゃっくり）による脈拍パケットの持続時間は通常、数十ミリ秒から数百ミリ秒程度のオーダーである。ドップラー超音波信号の残りの部分は破棄されることができる。

0021

ステップ１０６で、ドップラー超音波信号の識別された脈拍パケットのそれぞれは、識別された脈拍パケットの少なくとも１つの特性に基づきしゃっくり又は非しゃっくりとして分類される。いくつかの実施形態では、少なくとも１つの特性は、ドップラー超音波信号で識別された脈拍パケットのそれぞれに関する、時間軸の交差の数又はパルスピークの数を含むパルスカウントを決定することを含む。各脈拍パケットに関する交差又はピークの数が決定されると、決定されたパルスカウントが閾値以下である脈拍パケットはしゃっくりとして分類され、他のすべての識別された脈拍パケット（例えば閾値を超える）は非しゃっくりとして分類される。例えば、いくつか実行されたキャリブレーションでは、閾値を３交差に設定すると、しゃっくりによる脈拍パケット（３パルス以下）と心拍による脈拍パケット（４パルス以上）を効果的に区別できることが分かった。

0022

他の実施形態では、識別された脈拍パケットの少なくとも１つの特性は、生成されたドップラー超音波信号において識別された脈拍パケットのパルスカウントの統計的分布を含む。例えば、統計分布が正規化されるまでデータが収集される。閾値は、正規化された統計分布に基づき選択される。

0023

再び図１を参照すると、ステップ１０８において、ステップ１０６でしゃっくりとして分類されるドップラー超音波信号の脈拍パケットが抑制される。あるアプローチでは、しゃっくりによる脈拍パケットは、しゃっくりとして分類された脈拍パケットを抑制するためにドップラー超音波信号を少なくとも３ｄＢ減衰させることにより抑制される。考えられる別の実施形態では、脈拍パケットとして識別され、しゃっくりとして分類されるバンドパスフィルタリングドップラー超音波信号の任意の時間セグメントが、時間セグメントにわたってゼロ値を持つ、又は他の何らかの適切な値を持つ代替信号、例えばノイズフロアに等しい信号により置き換えられる。

0024

ステップ１１０において、しゃっくりとして分類された脈拍パケットが抑制された状態で（即ち、しゃっくりでないとして分類された脈拍パケットが残るように）、ドップラー超音波信号から胎児心拍数が計算される。そのため、胎児の心拍数は、しゃっくりとして分類された脈拍パケットが抑制される状態で、ドップラー超音波信号における識別された脈拍パケットの発生レートとして計算される。

0025

ステップ１１２において、計算された心拍数は、ディスプレイデバイスに表示され得る。

0026

図２及び図３は、生成されたデータの例を示す。図２は、胎児又は母体の運動アーチファクトを除去するためのバンドパスフィルタによるバンドパスフィルタリング後のドップラー超音波信号４０を示す。ドップラー超音波信号は、胎児の心拍による脈拍パケット４２及びしゃっくりによる脈拍パケット４４を含む、複数の脈拍パケットを含む。

0027

図３は、心拍による脈拍パケット４２及びしゃっくりによる脈拍パケット４４の拡大部分を示す。図３に示されるように、心臓パルスによる脈拍パケット４２は、ドップラー超音波信号が負から正５０に交差する振幅軸のゼロ値の６つの交差を含む。代替的に見ると、心臓パルスによる脈拍パケット４２は、６つのパルスピーク５１を含む。これらの値は、臨床データ分析から決定された３つの交差の閾値よりも高い。従って、電子プロセッサ２２は、心臓パルス４２が胎児心拍数を示すと決定する。対照的に、脈拍パケット４４は、ドップラー超音波信号が負から正に交差する振幅軸のゼロ値の３つの交差６０、又は代替的に臨床データ分析から決定された３つの交差の閾値にある３つのパルスピーク６１を含む。従って、電子プロセッサ２２は、しゃっくりパルス４４がしゃっくりを示すと決定する。

0028

更なる実施形態では、機械学習技術を使用して、ドップラー超音波信号のスペクトルの一部をしゃっくり又は非しゃっくりを示すものとして分類することができる。いくつかの実施形態では、脈拍パケットの周波数スペクトルが、例えば高速フーリエ変換（ＦＦＴ）などを使用して計算され、脈拍パケット（時間領域にある）が、計算された周波数スペクトルと結合される。周波数スペクトルが分類基準を満たす脈拍パケットはしゃっくりとして分類され、分類基準を満たさない脈拍パケットは非しゃっくりとして分類される。例えば、以下を含むグループから選択された１つ又は複数の特徴を持つ周波数スペクトルを含む分類基準が選択される。（１）周波数スペクトルに、低周波数で高振幅ローブ、高周波数で低振幅ローブ、及び高振幅ローブと低振幅ローブとを分離する谷があるかどうかを示すバイナリ特徴；（２）上記周波数スペクトルのピークの周波数；及び（３）周波数スペクトルに、低周波数で高振幅ローブ、及び高周波数で低振幅ローブがあるかどうか。この特徴は、低振幅ローブの中心周波数と高振幅ローブの中心周波数とを含む。有利には、脈拍パケット（例えば、時間領域にある）と計算された周波数スペクトルとを組み合わせることが、しゃっくりの検出の精度を向上させる。

0029

図４Ａ及び４Ｂは、これらの特徴を更に示す。図４Ａはしゃっくりの時間領域信号を示し、図４Ｂは胎児しゃっくりを伴う信号のパワースペクトルを示す。図４Ａ及び４Ｂでは、描かれた信号は、時間周波数領域の両方で良好な周期性を示す。周波数領域には複数の高調波が存在する。これらの高調波の振幅は徐々に減少し、その後再び支配的な成分よりも低い別のレベルへと増加する。周期性の特徴又はパラメータからパターンが決定されると、信号におけるしゃっくりが識別される。スペクトル内でいくつかのパラメータが特定されることができる。例えば、ｙ軸に最も近い主周波数成分７０、２番目に高い振幅を持つ２次高調波周波数７２、少なくとも２つの高調波周波数を含むバンプ７４、及びｙ軸とバンプとの間のスペクトルに存在する最小周波数７６がある。しゃっくり分類ステップ１０６は、図３を参照して説明されるような時間領域特徴と、図４Ａ及び４Ｂを参照して説明されるような機械学習により生成されたスペクトル特徴の両方を活用して、しゃっくりを胎児の心拍から区別するための改善された識別を提供できる点を理解されたい。図５を参照すると、方法又はプロセス２００のアプローチが説明され、そこでは、しゃっくりによる脈拍パケットを心拍による脈拍パケットから区別するための閾値が機械学習により決定される。ステップ２０２において、胎児のドップラー超音波信号が取得され、ドップラー超音波信号の胎児運動成分を抑制するためにバンドパスフィルタでドップラー超音波信号がフィルタリングされる。バンドパスフィルタリング処理は、胸部活動によるものではない胎児の動きを示す動きデータを除去する。

0030

ステップ２０４では、フィルタリングされた信号からエンベロープが計算される。エンベロープは、フィルタリングされた信号のピークの振幅の範囲を決定するために使用される。この処理はリアルタイムで行われる。信号を破棄する必要があるかどうかを評価するため、信号の信号品質も決定される。

0031

ステップ２０６で、エンベロープから特徴が抽出される。例えば、ピーク及びゼロ交差の数は、図４Ａ及び４Ｂを参照して説明されるように、信号における活動（例えば、心拍又はしゃっくり）を決定するために決定され、及び／又はスペクトル特徴が抽出される。

0032

図５に戻って参照すると、ステップ２０８で、抽出された特徴が機械学習アルゴリズムに入力される。機械学習アルゴリズムは、心拍又はしゃっくりを示すものとしてすでに決定されるトレーニングデータでトレーニングされる。機械学習アルゴリズムは、新たにデータが取得されるたびに継続的に更新されることができる。

0033

ステップ２１０で、機械学習プロセスが終了する場合、しゃっくりによりもたらされると決定された信号の部分が識別及び抑制され、これにより、心拍数を示す信号の部分のみが残る。

0034

ステップ２１２で、機械学習プロセスが完了していない場合、しゃっくりを示さない信号の残りの部分から胎児心拍数計算が決定される。

0035

図６を参照すると、胎児心拍数を検出するよう構成された例示的なデバイス又はシステム１０が示される。図１に示されるように、デバイス１０は、超音波トランスデューサ１４を含むドップラー超音波デバイス１２を含む（図１の非限定的な例では、格納トレイ１５における３つの超音波トランスデューサ１４のセットが示される。例示的なドップラー超音波デバイス１２は、これらのトランスデューサを同時に使用して１人、２人、又は３人の母親を監視することができる。）。超音波トランスデューサ１４は、ドップラー超音波信号を取得するよう構成される。例えば、超音波トランスデューサ１４は、胎児（図示省略）を運ぶ母親（図示省略）の腹部に固定又は取り付けられることができる。その結果、超音波トランスデューサ１４は胎児の一部の上に横たわる（例えば、胎児及びトランスデューサは、母親の腹部により分離される）。

0036

デバイス１０は、少なくとも１つの電子プロセッサ２２、ボタン、スイッチ、ソフトキー、フルキーボードなどを備えた例示的な制御パネルといった少なくとも１つのユーザー入力デバイス２４、及びディスプレイデバイス２６も含む。例示的な電子プロセッサ２２は、ドップラー超音波デバイス１２と一体であるが、コンピュータ等（図示省略）の電子プロセッサといった他の構成の電子プロセッサが追加的又は代替的に想定される。例示的なディスプレイ２６は、ドップラー超音波デバイス１２に組み込まれているが、他の実施形態では、ディスプレイは、別個の要素、例えば、コンピュータのディスプレイ又はスタンドアロンのディスプレイモニターとすることができる。電子プロセッサ２２は、ディスプレイデバイス２６を制御して、計算された心拍数信号を表示するようプログラムされることができる。

0037

少なくとも１つの電子プロセッサ２２は、胎児心拍数検出方法又はプロセス１００の実行を含む開示された処理を実行するため、少なくとも１つの電子プロセッサ２２により読み出し可能かつ実行可能な命令を格納する非一時的記憶媒体（図示省略）と動作可能に接続される。非一時的記憶媒体は例えば、ハードディスクドライブ、ＲＡＩＤ又は他の磁気記憶媒体；ソリッドステートドライブ、フラッシュドライブ、電子的に消去可能な読み出し専用メモリ（ＥＥＰＲＯＭ）又は他の電子メモリ；光学ディスク又は他の光学ストレージ；それらのさまざまな組み合わせ；などを含むことができる。いくつかの例では、胎児運動検出方法又はプロセス１００は、クラウド処理により実行され得る。

0038

胎児心拍数検出プロセス１００は通常、心拍脈拍パケットよりも通常低い周波数にある胎児運動信号を除去するため、デジタル的に実現されたバンドパスフィルタ３０を含む。本書で開示されるように、胎児心拍数検出プロセス１００は、しゃっくり識別及び抑制コンポーネント３２を更に含む。胎児心拍数計算器３４は、しゃっくり識別及び抑制コンポーネント３２によりしゃっくりによる任意の脈拍パケットが抑制された状態で胎児心拍数を計算する。

0039

本開示が、好ましい実施形態を参照して説明されてきた。上述の詳細な説明を読み及び理解すると、他者は、修正及び変更を思いつくことができる。本開示は、添付の特許請求の範囲又はその均等の範囲内にある限り、斯かるすべての修正及び変更を含むものとして解釈されることが意図される。