[論文レビュー] Using synchrosqueezing transform to discover breathing dynamics from ECG signals

Wu Hau-Tieng, Chan Yi-Hsin+2 more|arXiv (Cornell University)|May 9, 2011

ECG Monitoring and Analysis被引用数 4

ひとこと要約

本稿では、心房細動（AF）を呈する患者において従来の心電図由来呼吸（EDR）手法が失敗する状況でも、単一誘導心電図信号から呼吸動態を直接抽出できる新規アルゴリズムSSTEDRを提案する。SST（同期ずらし変換）を活用することで時間周波数分解能が向上し、固有モード関数（IMF）の分離が可能となり、不規則な心拍に起因する呼吸信号が回復された。本手法は、麻酔深度の非侵襲的モニタリングにおける潜在的応用が示された。

ABSTRACT

The acquisition of breathing dynamics without directly recording the respiratory signals is beneficial in many clinical settings. The electrocardiography (ECG)-derived respiration (EDR) algorithm enables data acquisition in this manner. However, the EDR algorithm fails in analyzing such data for patients with atrial fibrillation (AF) because of their highly irregular heart rates. To resolve these problems, we introduce a new algorithm, referred to as SSTEDR, to extract the breathing dynamics directly from the single lead ECG signal; it is based on the EDR algorithm and the time-frequency representation technique referred to as the synchrosqueezing transform. We report a preliminary result about the relationship between the anesthetic depth and breathing dynamics. To the best of our knowledge, this is the first algorithm allowing us to extract the breathing dynamics of patients with obvious AF from the single lead ECG signal.

研究の動機と目的

• 心房細動（AF）を呈する患者において、不規則な心拍数が原因で従来の心電図由来呼吸（EDR）手法に限界が生じる問題に対処すること。
• 直接的な呼吸測定が不要な状況でも、単一誘導心電図信号から呼吸動態を強固に抽出する手法を開発すること。
• 呼吸信号の取得が困難な臨床現場において、非侵襲的かつ継続的な呼吸パターンのモニタリングを可能にすること。
• 提案手法を用いて、麻酔深度と抽出された呼吸動態との関係を明らかにすること。

提案手法

• 本手法は、時間周波数解析手法としての同期ずらし変換（SST）をEDRアルゴリズムと統合し、時間周波数平面におけるエネルギー再割り当てによって分解能を向上させる。
• 事前処理を経た心電図信号に対してSSTを適用し、心拍と呼吸の変調成分を分離する。
• SSTが瞬時の周波数周辺にエネルギーを集約できる能力を活かし、呼吸に関連する固有モード関数（IMF）を同定・分離する。
• 再構築された時間周波数表現から、不規則なR-R間隔が存在する中でも、クリアな呼吸に類似した信号を抽出可能である。
• 本手法は、呼吸がR-R間隔および心電図形状に影響を与えるという仮定に基づく。この影響は、時間周波数再割り当てプロセスで捉えられる。
• 最終出力は、単一誘導心電図からのみ導出された呼吸信号であり、臨床データを用いた検証と麻酔深度との相関が確認された。

実験結果

リサーチクエスチョン

• RQ1 同期ずらし変換は、心房細動を呈する患者の単一誘導心電図信号から呼吸動態を効果的に抽出できるか？
• RQ2 不規則な心拍リズムに対処する際、提案されたSSTEDR手法は従来のEDR技術と比較してどのように優れているか？
• RQ3 抽出された呼吸動態と手術患者の麻酔深度との間に測定可能な相関関係が存在するか？
• RQ4 標準EDR手法がR-R間隔の変動により失敗する状況でも、SSTEDRは信頼性を持って呼吸信号を回復できるか？

主な発見

• SSTEDRアルゴリズムは、従来のEDR手法が失敗する心房細動を呈する患者の単一誘導心電図信号からも、呼吸動態を成功裏に抽出した。
• 抽出された呼吸信号と麻酔深度との間に明確な相関関係が示されたことから、麻酔状態のモニタリングにおける臨床的有用性が示唆された。
• 同期ずらし変換により時間周波数分解能が顕著に向上し、ノイズの多い心電図データからも呼吸変調を正確に分離可能となった。
• 予備的な結果では、抽出された呼吸信号の振幅および周波数が麻酔深度に応じて変化することが示唆され、非侵襲的モニタリングツールとしての応用が可能であると考えられた。
• 本手法は、外部の呼吸センサーを必要とせず、単一誘導心電図から直接呼吸動態を抽出できる最初の手法である。
• 高いR-R間隔変動に対しても本手法は頑健性を保ち続け、実臨床現場への展開可能性が確認された。