[論文レビュー] Wave-shape oscillatory model for biomedical time series with applications

Yu-Ting Lin, John Malik+1 more|arXiv (Cornell University)|Jul 1, 2019

Complex Systems and Time Series Analysis参考文献 61被引用数 8

ひとこと要約

本稿では、拡散マップを用いて推定された波形形状多様体上に周期の形状をモデル化することにより、生理時系列における時間変動的な形態的ダイナミクスを表現する波形形状の周期的モデルを提案する。この手法は、動脈血圧および心電図（ECG）の周期における動的な変化を捉え、痛み刺激反応信号の抽出および新しいECG由来の呼吸信号の生成を可能にし、動的情報回復について理論的保証を有する。

ABSTRACT

The oscillations observed in physiological time series exhibit morphological variations over time. These morphological variations are caused by intrinsic or extrinsic changes to the state of the generating system, henceforth referred to as dynamics. To model such a time series, we provide a novel hierarchical model: the wave-shape oscillatory model. In this model, time-dependent variations in cycle morphology occur along a manifold called the wave-shape manifold. To estimate the wave-shape manifold associated with an oscillatory time series, study the dynamics, and visualize the time-dependent changes along it, we apply the well-established diffusion maps (DM) algorithm to the set of all observed oscillations. We provide a theoretical guarantee on the dynamical information recovered by the DM algorithm under the proposed model. Applying the proposed model to arterial blood pressure signals recorded during general anesthesia leads to the extraction of nociception information. Applying the wave-shape oscillatory model to cardiac cycles in the electrocardiogram (ECG) leads to a new ECG-derived respiratory signal.

研究の動機と目的

• 内在的または外因的システムダイナミクスによって引き起こされる生理的周期の時間変動的形態パターンをモデル化すること。
• 周期の形状変動を表す背後にある波形形状多様体を推定すること。
• 拡散マップを用いて波形形状多様体に沿う時間依存的変化を抽出・可視化すること。
• 提案されたモデルのもとで、拡散マップアルゴリズムが動的情報回復をどのように理論的に保証するかを示すこと。
• 一般麻酔下における血圧信号からの痛み刺激反応の検出およびECGからの新しい呼吸信号の導出という実用的応用を示すこと。

提案手法

• 生理的周期を、時間とともに変化する形態的変動を表す波形形状多様体上を進化する周期としてモデル化する。
• 観測されたすべての周期の集合に拡散マップアルゴリズムを適用し、波形形状多様体を推定する。
• 拡散マップの埋め込みを用いて、周期の形態の時間依存的変化を多様体上の軌道として表現する。
• 理論的分析により、拡散マップアルゴリズムが周期的システムの背後にあるダイナミカル構造を保持することを保証する。
• 一般麻酔下の動脈血圧データに対してモデルを検証し、痛み刺激関連信号を抽出する。
• ECG信号にモデルを適用し、心拍周期の形態的変動を活用して、新しい非侵襲的呼吸信号を導出する。

実験結果

リサーチクエスチョン

• RQ1 時間変動的な形態的変化を示す生理的周期の変動を、体系的かつ一貫した方法でモデル化・表現することは可能か？
• RQ2 拡散マップは、周期的時系列の背後にあるダイナミカル構造をどの程度正確に回復できるか？
• RQ3 波形形状多様体は、麻酔下における痛み刺激反応のような臨床的関連のある生理的状態を明らかにできるか？
• RQ4 ECG周期の形態的変動を活用することで、新たな呼吸信号を導出できるか？
• RQ5 提案されたモデルのもとで、拡散マップを用いた動的情報回復にどのような理論的保証が存在するか？

主な発見

• 波形形状の周期的モデルは、血圧周期を波形形状多様体上に埋め込むことで、動脈血圧信号における時間依存的形態的変化を効果的に捉えている。
• 拡散マップは波形形状多様体を効果的に推定し、生理的システムの背後にあるダイナミカル構造を保持している。
• モデルは一般麻酔下の血圧データから痛み刺激関連信号を抽出しており、生理的状態の変化に敏感であることを示している。
• 提案されたモデルを用いて心拍周期の形態的変動を分析することで、新しいECG由来の呼吸信号が生成された。
• 理論的分析により、提案されたモデルの仮定のもとで、拡散マップアルゴリズムが周期的システムの真のダイナミカル構造を回復できることを確認した。