新しい適応拡張カルマンフィルタアルゴリズムによるポータブル心臓記録計に基づく正確なAOおよびAC検出のための時間周波数ガウス混合モデル駆動

科学分野:

• 生体医工学
• 心血管生理学
• 信号処理

背景:

• 心臓記録法（SCG）は、心血管疾患のモニタリングに貴重な生理学的洞察を提供します。
• 従来のアルゴリズムは、低振幅、干渉の影響を受けやすい、個々の形態学的変動など、SCG固有の弱点に対処できず、大動脈（AO）および大動脈弁閉鎖（AC）などの主要イベントの正確な検出を妨げています。

主な方法:

• SCGの時間周波数同時分布特性を統合した新しい適応拡張カルマンフィルタ（AEKF）アルゴリズムを開発しました。
• ガウス混合モデル（GMM）を使用して、時間周波数領域における個々のSCG形態を統一的にモデル化しました。
• 状態遷移方程式を線形化し、忘却係数（ak）と残差（ek）を組み込んで、時間変化するノイズ成分の正確な推定のために測定ノイズ共分散行列（R）を適応的に更新することにより、拡張カルマンフィルタ（EKF）を構築しました。

結論:

• 提案されたAEKFアルゴリズムは、SCGにおけるAOおよびACの正確な検出に大きな可能性を示しています。
• ポータブルSCGハードウェアシステムとの統合により、便利な心疾患診断と動的な心血管パラメータモニタリングが促進されると予想されます。
• 将来の応用には、カフレス動的血圧測定や、さまざまな医療シナリオへの広範な統合が含まれます。