⚡ electrical engineering

Heart Artifact Removal in Electrohysterography Measurements Using Algebraic Differentiators

この論文は、制御理論に基づく代数的微分器を用いて補助心電図信号なしで心拍アーティファクトを除去し、子宮筋電図（EHG）の波形を保存しながらノイズを抑制する新規手法を提案し、多チャンネル記録データを用いた実験で従来法と比較検証したものである。

原著者： Amine Othmane, Maria Camila Bustos Vivas, Johannes Steuer, Jana Hutter

公開日 2026-03-20

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Amine Othmane, Maria Camila Bustos Vivas, Johannes Steuer, Jana Hutter

原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

🎯 この研究の目的：「心臓の音」を消して「子宮の音」を聞き取る

お腹の表面に電極を貼って子宮の動き（陣痛や生理的な動き）を測ろうとすると、どうしても**「心臓の鼓動（心電図）」**という大きなノイズが混ざってしまいます。

子宮の動き：ゆっくりとした、大きな波のような動き（例：ゆっくり揺れる船）。
心臓の鼓動：カチカチと鋭く、規則正しく鳴る音（例：勢いよく叩かれる太鼓）。

この「太鼓の音（心臓）」を消さないと、「船の揺れ（子宮）」が正確に測れません。でも、心臓の音を消すのは難しいんです。なぜなら、心臓の音は子宮の音よりもずっと大きく、かつ形も複雑だからです。

🛠️ 従来の方法の弱点：「消しゴム」の限界

これまで使われていた方法は、いくつかの欠点がありました。

心電図（ECG）の別なセンサーが必要：心臓の音を消すために、別に心電図を測る機械が必要でした（面倒です）。
形が固定されていると仮定：「心臓の音はいつも同じ形」と決めつけて消そうとしましたが、実際は人によって、あるいはその時によって形が変わるので、消しきれなかったり、逆に子宮の音まで壊してしまったりしました。
計算が重すぎる：AI を使ったり、複雑な計算をしたりして、リアルタイムで処理するのが難しかったです。

✨ 新しい方法：「代数微分器（Algebraic Differentiator）」という魔法のメガネ

この論文で提案されているのは、**「代数微分器」**という、制御工学のツールを使った新しい方法です。

これを**「魔法のメガネ」**だと想像してください。

1. 「急な変化」だけが見えるメガネ

このメガネをかけると、ゆっくり動くもの（子宮の動きや呼吸の揺れ）は**「透明」になり、目に見えなくなります。
一方で、「パッと急に現れるもの（心臓の鼓動）」**だけが、鮮明に光って見えます。

仕組み：信号を数学的に「微分（変化率）」するのですが、ただの微分ではなく、**「代数微分器」**という特殊なフィルターを使います。これにより、ノイズ（電気的な雑音）や、ゆっくりした揺れ（呼吸など）を自動的に消し去り、心臓の「パッ」という瞬間だけを残すことができます。

2. 「誰の音か」を見分けるチームワーク

心臓の鼓動は、お腹のあちこちの電極に**「ほぼ同時に」**届きます。一方、腸の動きや体の動きなどのノイズは、特定の電極だけに来ることが多いです。

チームワーク：8 つある電極（チームメンバー）がそれぞれ「今、心臓の音が聞こえた！」と報告します。
判断：「あ、8 人中 6 人以上が同時に『心臓だ！』と言っているなら、それは本物の心臓だ。でも、1 人だけが言っているなら、それは腸の動き（ノイズ）だ」と判断します。
これにより、心電図を別に測らなくても、心臓の音を正確に特定できます。

3. 心臓の音を「消しゴム」で消す

心臓の音がどこで、どんな強さで鳴ったかがわかれば、その部分だけを**「ピンポイントで消しゴム」で消します。
重要なのは、「消しゴムをかける部分以外（子宮の動き）は、一切傷つけない」**ことです。従来の方法は、心臓の音を消そうとして、子宮の音まで一緒に削り取ってしまいましたが、この方法は「心臓の音だけ」をきれいに消し去ります。

📊 実験の結果：男性と女性で試しました

研究者は、**「子宮がない男性」と「子宮がある女性」**の両方に電極を貼って実験しました。

男性の場合：心臓の音（太鼓）ははっきり聞こえますが、子宮の音（船）はありません。この実験では、心臓の音をきれいに消し去ることができ、残った信号が「何もない（静か）」であることが確認できました。これは、**「心臓の音を正確に特定して消せた」**証拠です。
女性の場合：子宮が近い場所の電極では、子宮の動き自体が「ゆっくりした変化」ではなく「急な変化」のように見えてしまうため、少し誤作動が起きました（心臓の音と間違えて消そうとしてしまう）。しかし、基本的には心臓のノイズを大幅に減らすことに成功しました。

💡 まとめ：なぜこれがすごいのか？

特別な機器が不要：心電図を測る別の機械がいりません。
リアルタイム処理：計算が軽くて、その場で処理できます。
子宮の音を守れる：心臓の音だけを消し、子宮の重要な情報を壊しません。
AI 不要：大量のデータで学習させる必要がありません。

一言で言うと：
「お腹の表面で測る信号という『騒がしい部屋』で、『心臓という太鼓の音』だけを魔法のメガネで見つけて消し去り、残った『子宮の静かな歌』をクリアに聞き取る新しい方法を見つけました」ということです。

これにより、早産のリスクや子宮の健康状態を、より正確に、そして手軽にチェックできるようになるかもしれません。

論文要約：代数的微分器を用いた電子宮筋図（EHG）測定における心拍アーチファクト除去

この論文は、電子宮筋図（Electrohysterography: EHG）の非侵襲的モニタリングにおいて、心電図（ECG）アーチファクトを除去し、子宮収縮信号を高精度に抽出するための新しい手法を提案しています。制御理論の「代数的微分器（Algebraic Differentiators）」を応用し、補助的な ECG 参照信号なしに心拍ノイズを特定・除去するシステムを構築しました。

以下に、問題定義、手法、主要な貢献、結果、および意義について詳細にまとめます。

1. 問題定義 (Problem Statement)

背景: EHG は、妊娠中の子宮収縮や月経周期における子宮蠕動（peristalsis）の非侵襲的モニタリングに有用です。
課題: 体表からの電気信号記録は、心電図（ECG）、腹筋の筋電図、腸の動きなど、複数の生理学的源によって汚染されます。特に、心拍信号は振幅が大きく、子宮収縮信号を隠蔽または歪める主要な要因となります。
既存手法の限界:
- QRS 補間法：基盤となる神経信号のダイナミクスを歪めるリスクがある。
- 適応フィルタリング：追加の ECG 参照チャネルが必要。
- テンプレート減算法：ECG 波形が変化すると残留アーチファクトが生じる。
- ウェーブレット法：計算コストが高く、低周波成分が失われる可能性がある。
- 機械学習：大量の学習データと解釈性の欠如が課題。
目標: 補助的な ECG 参照チャネルを必要とせず、リアルタイム処理が可能で、子宮活動の信号形状を損なわずに心拍アーチファクトを除去する手法の開発。

2. 手法 (Methodology)

提案手法は、制御理論におけるモデルフリーな微分推定ツールである「代数的微分器」を中核としています。

2.1 信号モデル

観測信号 $x_i(t)$ は、以下の要素の重ね合わせとしてモデル化されます：

インパルス列: 心拍、子宮収縮、腸蠕動などの離散的生理現象（ディラックのデルタ関数で近似）。
ベースライン: 呼吸や姿勢変化による緩やかな変動。
電源雑音: 50Hz の電源周波数とその高調波。
測定ノイズ: 加法的な白色雑音。

2.2 代数的微分器によるパルス検出

原理: 心拍のようなインパルス事象は、ベースラインや電源ノイズよりも時間スケールが非常に短いため、高次微分を行うことで相対的に強調されます。
実装: 因果的な FIR フィルタとして実装された代数的微分器を用いて、 $n$ $n$ 階微分信号 $\hat{x}^{(n)}_i(t)$ $\overset{x}{^}_{i}^{(n)} (t)$ を計算します。
- カーネル関数は、ヤコビ多項式に基づいて設計され、特定の周波数（50Hz 電源ノイズ）でゼロになるようにパラメータ（ $\alpha, \beta, N, T$ ）が調整されます。
- これにより、電源ノイズの抑制とベースラインの除去が同時に達成されます。
閾値検出: 微分信号の絶対値に対してパーセンタイル閾値を設定し、心拍パルスの開始時刻を特定します。

2.3 クロスチャネルクラスタリング（心拍の識別）

空間的コヒーレンスの利用: 心拍信号は全チャネルに伝播しますが、局所的なアーチファクト（腸の動きなど）は一部のチャネルにのみ現れます。
アルゴリズム:
1. 全チャネルで検出されたパルスを時間順にソート。
2. 短い時間窓（例：20-50ms）内で複数のチャネルにパルスが存在するかを確認。
3. 特定の閾値（ $\rho$ ）以上のチャネル数でパルスが検出された場合を「心拍」として分類し、それ以外は「アーチファクト」として除外します。
4. 各心拍グループ内で、チャネルごとの検出時刻の中央値を基準とし、最も近い検出のみを保持します。

2.4 信号再構成と除去

特定された心パルスの振幅を最小二乗法で推定し、再構成された心パルス成分を元の信号から減算します。
この際、検出されたパルス位置以外の信号（子宮活動など）は保持されます。

3. 主要な貢献 (Key Contributions)

分布信号モデルの提案: 生理学的インパルス事象をディラックのデルタ関数として表現し、ベースラインとの分離を理論的に定式化。
系統的なアーチファクト除去手法: 代数的微分器に基づく手法を確立し、電源ノイズ抑制とベースライン減衰を同時に行うためのパラメータ設計と理論的解析（ノイズ拒絶性、周波数選択性）を提供。
参照信号不要な心拍識別: 空間的コヒーレンスを利用したクロスチャネルクラスタリングアルゴリズムを開発し、補助 ECG 信号なしで心拍と局所アーチファクトを区別可能に。
実験的検証: 男女の被験者からの多チャネル EHG 記録を用いた実証実験を行い、既存のテンプレート減算法と比較して、信号の整合性を保ちつつ低計算コストでアーチファクトを効果的に除去することを示しました。

4. 実験結果 (Experimental Results)

データ: 健康な女性（非妊娠）1 名と男性 1 名の計 2 名から、8 電極で 5kHz サンプリング周波数で記録されたデータを使用。
男性被験者（子宮から離れた電極）:
- 提案手法は心拍アーチファクトを効果的に除去し、元の信号構造を保持しました。
- 出力 SNR は 5.14 dB および 7.42 dB と改善されました。
- 検出された心拍間隔は約 1 秒（心拍数 60 bpm）で、心拍ノイズの除去が正確に行われていることが確認されました。
女性被験者（子宮に近い電極）:
- 子宮活動が緩やかな変動を持つ場合、微分信号に歪みが生じ、心拍と誤検知される可能性があります（SNR -2.15 dB）。これは、子宮活動が「ベースラインの微分はゼロ」という仮定を破るためです。
空間伝播の検証:
- 検出された心パルスのチャネル間遅延を解析したところ、約 15ms の遅延分布が確認されました。これは心電信号の体積伝導速度（3-7 m/s）と整合しており、空間的コヒーレンスの仮定が有効であることを裏付けています。

5. 意義と結論 (Significance and Conclusion)

技術的意義: 補助的な ECG 記録なしで、リアルタイムかつ低計算コストで EHG から心拍ノイズを除去できる初めての手法の一つです。制御理論のツールを生体信号処理に応用した成功例です。
臨床的意義: 子宮収縮や子宮蠕動の正確なモニタリングを可能にし、早産リスクの検出や月経周期に伴う子宮機能の解析に貢献します。
今後の課題:
- 子宮に近い電極での性能向上（子宮活動による緩やかな変動をモデルに組み込む必要あり）。
- 大規模な患者コホートでの検証。
- 検出されたチャネル間遅延を、心電伝導パターンや電極配置の品質評価に利用する可能性の探求。

この研究は、複雑な生理学的信号の分離において、モデルフリーな制御理論アプローチが有効であることを示唆しており、将来的なリアルタイム医療モニタリングシステムへの応用が期待されます。