生物信息分析系统和生物信息分析程序的制作方法

本发明涉及基于从对象获取到的生物信息来进行心律失常的判定的一系列的生物信息分析系统和生物信息分析程序。

背景技术：

1、心脏反复进行收缩和扩张来发挥将血液向全身输送的泵的作用。这种活动(以后为心跳活动)通过对心肌细胞的微弱的电刺激来保持规律性，但是当该电刺激出现异常时，心脏的活动也会出现异常。这叫做心律失常。心律失常有各种各样的种类，其中有引起心脏骤停的致命性高的种类、导致脑梗塞等重大疾病的种类。因此，早期发现心律失常的发生非常重要。例如，已知使用由生物信息测定器从被检体获取到的生物信息来进行心律失常的判定的技术。

2、在此，非专利文献1公开了一种与进行心律失常的判定的方法有关的技术。具体地说，在各种各样的种类的心律失常中，以心房颤动(atrial fibrillation：af)为对象，根据发生心脏的搏动的周期信息(以下为心跳周期)的偏差的大小进行判定。图19是示出心房颤动中的心跳周期的分布的一例的图。另外，图19所示的曲线表示近似曲线(拟合曲线)。心房颤动是长期连续发生的心律失常，具有心跳周期不规则的特征，因此能够基于如图19所示的心跳周期与概率密度之间的关系，根据心跳周期的偏差的大小进行判定。

3、然而，在非专利文献1的方法中，同样在心律失常的期外收缩(pvc、pac)频繁发生的期间，担忧将其误判为心房颤动。图20a和图20b是示出期外收缩中的心跳周期的分布的一例的图。此外，图20a和图20b所示的曲线表示近似曲线(拟合曲线)。期外收缩中的代偿性的期外收缩是正常节律之外抢先发生心跳的心律失常，因此心跳周期的偏差变大，因此被误判为心房颤动(参照图20a)。针对这样的问题，在专利文献1中，针对心跳周期假设多个分布，根据分布的数量、偏差的大小，除了心房颤动之外还进行期外收缩的判定(参照图20b)。

4、现有技术文献

5、非专利文献

6、非专利文献1：b logan, j healey.  robust detection of atrialfibrillation for a long term telemonitoring system, computers in cardiology2005;32:619-622.

7、专利文献

8、专利文献1：日本特开2009-089883号公报。

技术实现思路

1、发明要解决的问题

2、虽然如非专利文献1、专利文献1那样，能够根据心跳周期的分布来进行心律失常的判定，但是在现有技术中，心跳周期的分布的检测精度低，例如假设在心房颤动中将分布分成多个、在期外收缩中原本应该分成多个的分布混合等，这会导致误判。因此，寻求高精度地检测心跳周期的分布以进行心律失常的判定。

3、为了解决上述问题，本发明提供一种能够高精度地对心律失常进行分类的生物信息分析系统和生物信息分析程序。

4、用于解决问题的方案

5、达成上述目的的本发明的生物信息分析系统包括以下结构。

6、(1)一种生物信息分析系统，其使用对象的生物信息来进行心律失常的判定，所述生物信息分析系统具备：

7、心跳周期计算部，其根据从所述对象获取到的所述生物信息计算所述对象的心跳活动的间隔来作为心跳周期；

8、分析单位决定部，其将预先设定的片段长度作为分析单位来对所述心跳周期进行分割；

9、聚类部，其使用与所述分析单位的所述心跳周期相关的概率分布模型，针对所述分析单位而进行所述心跳周期的聚类；以及

10、判定部，其基于所述聚类的结果来进行心律失常的判定。

11、(2)根据上述(1)所述的生物信息分析系统，其中，

12、所述概率分布模型是通过与所述分析单位的所述心跳周期相关的学习而生成的。

13、(3)根据上述(1)所述的生物信息分析系统，其中，

14、作为所述概率分布模型，使用混合高斯分布模型。

15、(4)根据上述(1)所述的生物信息分析系统，其中，

16、所述聚类部使用信息量标准进行所述概率分布模型的选择，并使用所选择的概率分布模型进行聚类。

17、(5)根据上述(1)所述的生物信息分析系统，其中，

18、所述判定部基于所述聚类的结果中的簇的数量、属于各簇的所述心跳周期的数量、属于各簇的所述心跳周期的分布宽度信息、和/或属于各簇的所述心跳周期的时间信息，来进行心律失常的判定。

19、(6)根据上述(1)至(3)中的任一项所述的生物信息分析系统，其中，

20、所述聚类部具有：

21、第一聚类部，其使用与所述分析单位的所述心跳周期相关的概率分布模型，针对所述分析单位而进行所述心跳周期的聚类；以及

22、第二聚类部，其在所述聚类的结果为在所述心跳周期中存在两个簇的情况下，进行追加的聚类，

23、所述生物信息分析系统还具备基于所述追加的聚类的结果来生成心律失常参考信息的心律失常参考信息生成部，

24、所述第二聚类部使用属于两个簇中的属于簇的所述心跳周期的数量少的簇的心跳周期、以及该心跳周期之前的心跳周期及之后的心跳周期中的任一个来计算合并心跳周期，并通过所述概率分布模型对所述分析单位的所述心跳周期和所述合并心跳周期进行所述追加的聚类，

25、所述判定部基于所述聚类的结果和所述心律失常参考信息来进行心律失常的判定。

26、(7)根据上述(1)至(3)中的任一项所述的生物信息分析系统，其中，

27、还具备心律失常参考信息生成部，所述心律失常参考信息生成部在所述聚类的结果为在所述心跳周期中存在三个簇的情况下，生成心律失常参考信息生成，

28、所述心律失常参考信息生成部决定三个簇中的、属于簇的所述心跳周期的时间信息为最长的最长簇和属于簇的所述心跳周期的时间信息为最短的最短簇，并基于属于所述最长簇的所述心跳周期的数量与属于所述最短簇的所述心跳周期的数量之间的相似性来生成心律失常参考信息，

29、所述判定部基于所述聚类的结果和所述心律失常参考信息来进行心律失常的判定。

30、(8)根据上述(1)至(3)中的任一项所述的生物信息分析系统，其中，

31、还具备心律失常参考信息生成部，所述心律失常参考信息生成部在所述聚类的结果为在所述心跳周期中存在三个簇的情况下，生成心律失常参考信息，

32、所述心律失常参考信息生成部决定三个簇中的属于簇的所述心跳周期的时间信息为最长的最长簇、属于簇的所述心跳周期的时间信息为最短的最短簇、以及除此以外的中间簇，使用属于所述最长簇的所述心跳周期的时间信息和属于所述最短簇的所述心跳周期的时间信息计算合并时间信息，基于所述合并时间信息和属于所述中间簇的所述心跳周期的时间信息之间的相似性来生成心律失常参考信息，

33、所述判定部基于所述聚类的结果和所述心律失常参考信息进行心律失常的判定。

34、(9)根据上述(1)至(8)中的任一项所述的生物信息分析系统，其中，

35、对所述分析单位的所述心跳周期进行基线校正，针对该基线校正后的所述分析单位而进行所述心跳周期的聚类。

36、(10)一种生物信息分析程序，使用对象的生物信息来进行心律失常的判定，所述生物信息分析程序使计算机执行以下的一系列处理：

37、根据从所述对象获取到的所述生物信息计算所述对象的心跳活动的间隔来作为心跳周期；

38、从存储部读取预先设定的片段长度，将该片段长度作为分析单位对所述心跳周期进行分割；

39、使用与所述分析单位的所述心跳周期相关的概率分布模型，针对所述分析单位而进行所述心跳周期的聚类；以及

40、基于所述聚类的结果来进行心律失常的判定。

41、发明的效果

42、根据本发明，能够通过对出现心律失常的特征的心跳周期实施基于概率分布模型的聚类，并利用该聚类的结果，来高精度地对心律失常进行分类。