CN100483393C - 读取并分析心电图信号的计算机方法及系统 - Google Patents
读取并分析心电图信号的计算机方法及系统 Download PDFInfo
- Publication number
- CN100483393C CN100483393C CNB2005800119039A CN200580011903A CN100483393C CN 100483393 C CN100483393 C CN 100483393C CN B2005800119039 A CNB2005800119039 A CN B2005800119039A CN 200580011903 A CN200580011903 A CN 200580011903A CN 100483393 C CN100483393 C CN 100483393C
- Authority
- CN
- China
- Prior art keywords
- dot matrix
- main body
- heart
- ecg signal
- described main
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 12
- 239000011159 matrix material Substances 0.000 claims description 54
- 238000012545 processing Methods 0.000 claims description 7
- 230000014509 gene expression Effects 0.000 claims description 3
- 239000012141 concentrate Substances 0.000 claims description 2
- 238000009434 installation Methods 0.000 claims 5
- 238000002565 electrocardiography Methods 0.000 description 59
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000000747 cardiac effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 208000011580 syndromic disease Diseases 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 206010003658 Atrial Fibrillation Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 210000000544 articulatio talocruralis Anatomy 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000037396 body weight Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 208000028867 ischemia Diseases 0.000 description 1
- 230000000302 ischemic effect Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 208000031225 myocardial ischemia Diseases 0.000 description 1
- 210000004165 myocardium Anatomy 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 208000037816 tissue injury Diseases 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 208000003663 ventricular fibrillation Diseases 0.000 description 1
- 210000003857 wrist joint Anatomy 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/361—Detecting fibrillation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/363—Detecting tachycardia or bradycardia
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/364—Detecting abnormal ECG interval, e.g. extrasystoles, ectopic heartbeats
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/366—Detecting abnormal QRS complex, e.g. widening
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Cardiology (AREA)
- Veterinary Medicine (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
读取并分析ECG信号的计算机的方法及其系统，包括将多数心脏状况检测器(12)应用于主体ECG信号(15)。每个检测器(12)产生存在于主体中的某种心脏状况可能性的相应指示。从检测器指示中形成具有不同的检测器心脏状况注释的点阵(112)。点阵(112)能够使医生浏览并因此更容易读取ECG信号数据(15)。点阵(112)能有效地提供索引或注释的主体ECG信号形式。
Description
技术领域
本发明涉及一种读取并分析心电图信号的计算机方法及系统。
背景技术
心电图(ECG或有时称为EKG)是被全世界的心脏病专家广泛使用的一种有价值的诊断工具。ECG通过放置在病人胸部、腕关节、踝关节上的小电极(引线)记录检测到的心脏脉动。医务室中的体检一般会从12个电极中采集数据并且通常仅仅持续到半个小时。对于医生另一个可选的方法是发给病人一个监视设备，他们可以带回家并穿戴上一到两天。在这种情况中，一般仅仅从一或两个引线采集数据。
来自ECG引线的数据通常被记录在纸上或存储在监视设备的存储器中。在医务室体检的情况下，由于采集到较少的数据，医生或护士手动扫描并打印输出。对于家用监视的请况，再次扫描主要通过手动执行。这对于24小时的数据采集是可行的。然而，许多心脏状况是瞬时和不常见的，仅仅是一周出现一次或更少。对于这些情况就需要监视几天或几周，产生大量的必须被由机器或由训练的职业人员扫描的数据，以便揭示心脏的异常状况。
因此，大部分现代ECG机器仍旧依赖医生或技术人员打印出信号数据并通过手动浏览。这不仅花费时间而且可能导致重要的症状被忽略。此外，一些ECG机器提供有限的信号分析，例如，心率，心室纤维颤动检测等。
发明内容
医生通常想要或需要仅仅查阅ECG信号的“有趣”部分。本发明对于专业人员可减轻手动扫描所有的数据的需要，允许快速浏览ECG信号。另外，本发明与不切实际通过手动扫描所有生成数据的现有技术相比可以进行长时间ECG数据采集并评论可行性。而这又使得能够检测到非常罕见但却严重的症状的心脏状况。
在一实施例中，本发明读取并分析ECG信号的方法包括计算机执行的以下步骤：
(a)接收主体的主体ECG信号；
(b)将多个心脏状况检测器应用于主体ECG信号(15)并由此产生某种存在于主体中的心脏状况的可能性的指示；以及
(c)从产生的指示中形成具有注释的点阵，该点阵能够使人们浏览主体ECG信号。
附图说明
如附图所示，从下面优选实施例的描述中，本发明前述的和其他目的、特征和优点将显而易见，在所有不同图中相似的附图标记表示相同的部分。附图不必按比例绘出，而其重点是放在说明本发明的原理上。
图1是本发明点阵结构的示意图。
图2是通过应用图1点阵结构的示例进行查询的示意图。
图3a和3b是采用本发明的计算机系统的示意和方框图。
具体实施方式
本发明可减轻专业人员手动扫描所有数据的需要，允快速浏览主体ECG信号。通过概述的方式，本发明将主体ECG信号随着时间从电压转换成符号字母。每个符号对应于已知的心脏图像。为了自动将ECG信号转换成符号表示，使用ECG文献中公开的许多算法。例如，为了检测心肌缺血，在心肌不能接受足够氧气的情况中，在IEEE Transactions on Biomedical Engineering于2000年9月出版的第9期第47卷中由J.Garcia、S.0lmos和P.Laguna发表的“AutomaticDetection of ST-T Complex Changes on the ECG Using Filtered RMS DifferenceSeries：Application to Ambulatory Ischemia Monitoring”中的算法可以应用于ECG信号。
在本发明中，检测器被实现用于许多理想的心脏状况。目前，超过80种综合病征由心脏病专家从ECG中检测出来(见Francis Morrus发表的“ABC ofClinical Electrocardiography”，BMJ Publishing Group，01-2003，ISBN0727915363以及Jenkings和Gerred发表的“ECGs by Example”，1997，ISBN0443056978)。对于许多这些状况，已经公开了自动分析ECG并且返回关于该状况是否在时间t存在的二元“是/否”判决或描述确信该算法关于检测该信号的程度的置信度的算法(检测器)。
本发明的目的不是为了检测异常的心脏状态状况而是为了方便专业人员在大量数据中发现它们。为此，本发明构造了ECG信号上的点阵并且使用这些点阵来帮助浏览数据。一个点阵是一个定向的图形(从左到右)，示出了通过假定曲径的多种可能选择的路径。该点阵是由对应于时间点的节点和对应于节点之间过渡的弧组成。
图1示出了从ECG信号中构造点阵的本发明处理11。该步骤如下文描述。首先，主体ECG信号15通过开窗步骤100被分段成块27(数据段)。每个块27的长度是任意的但必须足够长使得检测算法能够为那个块作出判决。特征提取步骤102有助于确定块27的边界(即，块的长度)。特征提取的举例技术包括：检测信号图像中的变化，检测全部信号振幅中的变化，和检测0线交叉中的频率变化。见上述引证的由Francis Morrus发表的“ABC of Clinical ElectroCardiography”。块27也可以按时间潜在地重叠。典型块长度可以是十五分钟的有效数据。
于是(前述的)各种心脏状况监测器12或其他分类器在步骤110被应用于每个块。优选地引导每个分类器/检测器12在给定输入ECG信号上检测相应的具体心脏状况。每个分类器/检测器12在输出端上提供一个数(例如，仅仅是1或0)或描述存在于块27中的具体心脏状况的可能性的分值。每个检测器12还可以生成一个置信度级别或其计分结果的错误率。通过使用检测器12的数字结果(分值)，N×M点阵112被构造，其中N是块27的数量，M是字母表中心脏状况的数量。该字母表可以包括“正常”状况。如果一个以上的检测器12被实现用于相同的心脏状况，这些或者被单独地包括在点阵112中或者使用投票或另一种合并技术来合并它们的分值。
需要标准化或加权来自不同分类器12的分值使得它们能够彼此比较。该加权可以根据经验的或它能够反映一般人群或根据他/她的病史的具体情况而关于对那些状况的在先看法。
在优选实施例中，点阵112最初包括主体ECG信号15的每采样(块27)一个节点或要被表示的序列。该节点由时间(或顺序)来标记。在实践中，当没有信息丢失时，许多节点能够被移除。通过按时间链接每个节点到其后续点，初始时间弧被生成。该弧能够清楚地被表示或默示。
通过计算多个分类器或特征检测器12相对于主体ECG信号15的得分，附加的弧生成。这些分类器可以串行地或并行地运行。每个分类器12确定主体信号15的段27何时匹配其内部图像。当这种情况发生时，生成一个弧，横跨所匹配的段27，并且用被检测的类或特征(例如，“心房颤动”，“梗塞”，“缺血”，等)标示。如图1所示，该标识也可以表示所检测特征的置信度等级(P＝0.x)。同样的，该标识有助于用于医学职业者的注释。
通过点阵112的每个路径对应于ECG信号15的可选的分割。时间轴或时间的其他表示能够启动点阵112和原始ECG信号15之间的通信。
接下来，生成的点阵112通过处理步骤被处理并且按多种方法显示引擎114以帮助ECG分析。首先，通过点阵112的“最佳路径”通过使用Viterbi算法来确定。这为每个块27产生了最可能的心脏状况，包括正常的。例如，这应当由医师使用来显示所有可能出现状况A的块(主体ECG信号15的段)。对于很少发生的状况，这允许职业人员对展示具体情况的ECG读取15的段进行快速“变焦”(过滤和集中)。
在点阵112上进行Viterbi搜索的输出还可以被用于使ECG信号15可见。这里，不同的色彩被分配给字母表中每个心脏状况并且时间线通过使用更可能状况的颜色示出的每个块27来显示。而且，这允许职业人员“变焦”到(快速看/浏览)示出异常心跳的区域。
点阵112也可以以更多的方式进行处理。例如，更深的挖掘而不仅仅是最佳路径，医师能够询问各种相当复杂的问题。例如，他会要求观察状况A的可能性大于x并且状况B的可能性大于y的所有块27。或者观察状况C的可能性(P值)大于z达n秒的块。
可能搜索的另一种类型是事件的顺序。例如，医师能够搜索状况A，紧接着状况B和C。这是通过点阵112搜索的标准类型。无论是通过特定图像的点阵进行扫描，还是在已知例如通常被搜索的三种状况的顺序时所有可行的三种情况顺序的索引能够被建立和利用，它都能够被执行。
整个点阵112还可以被用于构造另一种类型的有用的数据可视化。这里，全部格子被显示为具有反映该数量是大或小的每个点的颜色的2-D图。例如，数量大的可以被指定为红色，数量小的被指定为绿色，中间的数量被指定为色谱中介于红和蓝之间的颜色(或反之亦然)。该显示类似于具有指示具体状况出现或可能出现的红和橙部分的棋盘图案。医师能够再次使用这种可视化来变焦到(集中他的注意力)初始ECG信号15的异常部分。
在另一个实施例中，发明系统11被用于研究从一个以上病人采集的ECG 15之间的关系。可以使用Viterbi最佳路径或全部点阵112。
为了实现上述内容，处理和显示引擎114采用基于用户指定标准来选择路径以及对路径部分或整体地进行分类、颜色编码、突出、缩放等公知的技术。
同样的，如果医生具有不能识别的ECG记录15，他会在预先记录的记录的点阵中搜索该记录。这样的一个例子在图2中示出。这里询问点阵112(从病人的ECG 15通过图1的处理11形成)和点阵的数据存储31相比较，并且最接近的匹配33被返回。这些匹配通过病人的年龄、病史、体重等被进一步过滤。最接近的匹配给出主体病人的ECG 15的初始或预诊断。
数据存储31被实现为维持先前生成点阵37及各种病人产生的那些点阵的对应ECG 39的数据库。于是数据库管理系统的询问引擎35使用当前病人的(主体)点阵112(“询问”点阵)作为输入。该询问引擎35确定最接近匹配输入主体点阵112的预定点阵37。与最匹配的预定点阵37相关联的心脏状况提供对主体ECG 15的分析。
此外，代替生成点阵112，每个ECG信号15可以被转换成“签名”矢量。矢量的每个分量是每个块27的分类器12输出的总和或另一种组合。从而时间信息被舍弃，而ECG信号15用简单的形式来表示(使用签名矢量)。这不允许放大原始ECG信号15的重要部分，然而有助于病人ECG之间的快速比较并且会加快诊断。
同样的，具有心脏状况历史的一些病人会具有永久的异常ECG(由于永久性的组织伤害)。对于这些病人，期望仅发现ECG信号15显著不同于通常异常状态中的那些部分。在这个例子中，发明装置11允许职业人员修改阈值和分类器12的设置或完全忽略来自某些分类器12的输出。
最后，尽管该公开内容已经通过在脑中对目标编索引/可视化来写入，应当清楚实时分析该点阵112的程序能够被用于提供各种综合病症的警告。
图3a和3b示出了表示本发明的计算机系统。ECG装置41连接到病人(主体)43。来自ECG装置41的读取(信号)45被输入(例如，下载或以别的方式传送)到实现本发明的计算机系统47。特别地，计算机系统47(i)构造相应于主体ECG信号45的点阵112(包括标识、注解等)并且(ii)提供显示点阵112的处理和询问以有助于医师浏览和更直接地观察如上述图1和2中描述的ECG数据。同样的，计算机系统47充当协助读取和分析ECG信号/数据的工具。
如图3b所示，每个计算机系统47优选地包括系统总线79，其中一条总线是一组用于计算机部件之间数据传送的一组硬件线路。总线79本质上是一条连接计算机系统不同部件(例如，处理器、盘存储、存储器、输入/输出端口、网络端口等)的共享电路，使得信息在部件之间传送。连接到系统总线79的是用于连接各种输入和输出设备(例如，显示器、打印机、扬声器等)到计算机系统的I/0设备接口82。主体ECG信号45通过I/0设备接口82被接收。网络接口86允许计算机系统连接各种接到网络的其他设备。存储器90为用于实现本发明实施例的计算机软件指令(例如，例程92和数据94)提供易失性存储。例程92包括例如图1和2的发明处理11，心脏检测器/分类器12和询问引擎35和数据库子系统。数据94包括已存储点阵37和相关的ECG信号39的全集31。盘存储95为用于实现本发明一个实施例的计算机软件指令和数据提供非易失性存储。中央处理单元84也连接到系统总线79并且用于计算机指令的执行。
网络接口86使发明程序(例行程序)11经由网络(即，局域网、广域网或全球网)被下载或上传。I/0设备接口82使发明处理11端接在计算机磁盘或其他计算机可读媒体(CD-ROM等等)之间。计算机之间全部或部分的处理11的其他传送是在本领于技术人员熟知的范围之内。因此，发明处理11可以在独立的计算机，分布式的计算机网络上运行，或在客户机-服务器方式或其他装置中执行。
尽管本发明通过参考其优选实施例已经被具体说明和描述了，本领域的技术人员应当理解不脱离所附权利要求涵盖的本发明范围的前提下可以进行各种形式和细节上的变化。
例如，本发明系统可以应用于人或其他主体。同样的，再声明，本发明提供了用于索引或注解ECG信号(读取)的方法和系统。生成点阵112的标识提供心脏状况和检测情况置信度级别的指示。ECG信号和这些标号(点阵112)一起(被覆盖或相关)将索引或注解的ECG版本提供给医师-用户。
Claims (10)
1、一种读取并分析ECG信号的方法，包括计算机执行的以下步骤：
接收主体的主体ECG信号；
将多个心脏状况检测器应用于所述主体ECG信号并从那里产生存在于所述主体中的某种心脏状况可能性的指示；以及
从所产生的指示中形成具有注释的点阵，所述点阵能够使人们浏览所述主体ECG信号。
2、根据权利要求1的方法，进一步包括遍历所述点阵的步骤，其中以示出在主体ECG信号中检测到的最可能的心脏状况的方式遍历所述点阵。
3、根据权利要求1的方法进一步包括步骤：基于用户指定标准确定通过点阵的路径，该标准包括心脏状况的类型、某种心脏状况的可能性阈值、表示某种心脏状况的ECG信号的时间长度、心脏状况的顺序和表示心脏状况的ECG信号之间的相似性的任何组合。
4、根据权利要求1的方法进一步包括：
提供具有相应的相关心脏状况的预定点阵的数据库；以及
相对于数据库中的那些点阵比较所形成的点阵来确定所述主体的心脏状况。
5、根据权利要求1的方法进一步包括步骤：突出通过所述点阵的一条或多条路径使得所述用户能够集中和/或过滤查看所述主体ECG信号。
6、用于读取和分析ECG符号的计算机装置，包括：
用于接收主体的主体ECG信号(15)的输入单元；
多个心脏状况检测器(12)；以及
耦接在所述输入单元和所述多个检测器之间的计分模块(110)，用于将每个检测器(12)应用于所述主体ECG信号(15)，从而产生存在于所述主体的某种心脏状况的可能性指示；
其中所述计分模块(110)从所产生的指示符形成点阵(112)，所述点阵(112)提供所述主体ECG信号(15)的索引或注解视图，从而使人们能够浏览所述主体ECG信号(15)。
7、如权利要求6的计算机装置进一步包括处理和显示引擎(114)，该处理和显示引擎(114)使得能以示出最可能的心脏状况的方式遍历所述点阵(112)，该最可能的心脏状况是在所述主体ECG信号中检测的最可能的心脏状况。
8、如权利要求6的计算机装置进一步包括处理和显示引擎(114)，基于用户指定的标准来确定通过所述点阵(112)的路径。
9、如权利要求6的计算机装置进一步包括：
数据库(31)，存储具有相应的确定的心脏状况的预定点阵(37)；以及
询问引擎(35)，用于相对于存储在所述数据库(31)中的预定点阵(37)比较所形成的点阵(112)来确定所述主体的心脏状况。
10、如权利要求6的计算机装置进一步包括处理和显示引擎(114)，突出通过所述点阵(112)的一条或多条路径，使得所述用户能够聚焦和/或过滤查看所述主体ECG信号(15)。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US10/818,007 | 2004-04-05 | ||
| US10/818,007 US7058444B2 (en) | 2004-04-05 | 2004-04-05 | Computer method and system for reading and analyzing ECG signals |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN1961310A CN1961310A (zh) | 2007-05-09 |
| CN100483393C true CN100483393C (zh) | 2009-04-29 |
Family
ID=34965194
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CNB2005800119039A Expired - Fee Related CN100483393C (zh) | 2004-04-05 | 2005-03-31 | 读取并分析心电图信号的计算机方法及系统 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US7058444B2 (zh) |
| JP (1) | JP2007531580A (zh) |
| KR (1) | KR20060134196A (zh) |
| CN (1) | CN100483393C (zh) |
| WO (1) | WO2005101227A1 (zh) |
Families Citing this family (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8055331B2 (en) * | 2005-05-13 | 2011-11-08 | Cardiocore Lab, Inc. | Method and apparatus for sequenced extraction from electrocardiogramic waveforms |
| US8838215B2 (en) * | 2006-03-01 | 2014-09-16 | Angel Medical Systems, Inc. | Systems and methods of medical monitoring according to patient state |
| JP4466585B2 (ja) * | 2006-02-21 | 2010-05-26 | セイコーエプソン株式会社 | 対象物が表現された画像の数の算出 |
| WO2007106781A2 (en) * | 2006-03-10 | 2007-09-20 | University Of Rochester | Ecg-based differentiation of lqt1 and lqt2 mutation |
| US8155735B2 (en) | 2006-09-19 | 2012-04-10 | The Cleveland Clinic Foundation | Prediction and prevention of postoperative atrial fibrillation in cardiac surgery patients |
| WO2008085923A1 (en) * | 2007-01-04 | 2008-07-17 | Alex Kalpaxis | Wireless temporal-spatial mobility and electrocardiogram analyzer system and method |
| US8417326B2 (en) | 2007-08-02 | 2013-04-09 | The Research Foundation Of State University Of New York | RR interval monitoring method and blood pressure cuff utilizing same |
| US9943244B2 (en) * | 2007-09-14 | 2018-04-17 | Angel Medical Systems, Inc. | Waveform feature value averaging system and methods for the detection of cardiac events |
| US20090088620A1 (en) * | 2007-10-01 | 2009-04-02 | Koninklijke Philips Electronics N. V. | Quantitative clinical and pre-clinical imaging |
| US20110263994A1 (en) * | 2007-12-13 | 2011-10-27 | James Alexander Burns | Method and Apparatus for Acquiring and Analyzing Data Relating to a Physiological Condition of a Subject |
| US9655518B2 (en) | 2009-03-27 | 2017-05-23 | Braemar Manufacturing, Llc | Ambulatory and centralized processing of a physiological signal |
| KR20140061995A (ko) | 2011-04-15 | 2014-05-22 | 인포바이오닉, 인크. | 멀티-티어 방식으로 분석하는 원격 데이터 모니터링 및 수집 시스템 |
| US8620418B1 (en) * | 2013-01-04 | 2013-12-31 | Infobionic, Inc. | Systems and methods for processing and displaying patient electrocardiograph data |
| CN103110417B (zh) * | 2013-02-28 | 2014-07-16 | 华东师范大学 | 一种心电图自动识别系统 |
| US10524680B2 (en) | 2015-08-31 | 2020-01-07 | Ventrilink Corporation | Electrocardiogram device and methods |
| US10441184B2 (en) | 2016-03-16 | 2019-10-15 | Ventrilink Corporation | Electrocardiogram device and methods |
| US9968274B2 (en) | 2016-04-29 | 2018-05-15 | Infobionic, Inc. | Systems and methods for processing ECG data |
| USD794807S1 (en) | 2016-04-29 | 2017-08-15 | Infobionic, Inc. | Health monitoring device with a display |
| USD794806S1 (en) | 2016-04-29 | 2017-08-15 | Infobionic, Inc. | Health monitoring device |
| USD794805S1 (en) | 2016-04-29 | 2017-08-15 | Infobionic, Inc. | Health monitoring device with a button |
Family Cites Families (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4340065A (en) | 1979-09-11 | 1982-07-20 | Gessman Lawrence J | Method and apparatus for displaying electrocardiogram signals |
| DE3924214A1 (de) | 1989-07-21 | 1991-01-24 | Mueller & Sebastiani Elek Gmbh | Verfahren und system zur datenauswertung von langzeit-ekg-geraeten |
| US5090418A (en) | 1990-11-09 | 1992-02-25 | Del Mar Avionics | Method and apparatus for screening electrocardiographic (ECG) data |
| US5778881A (en) | 1996-12-04 | 1998-07-14 | Medtronic, Inc. | Method and apparatus for discriminating P and R waves |
| US6546378B1 (en) | 1997-04-24 | 2003-04-08 | Bright Ideas, L.L.C. | Signal interpretation engine |
| US5967995A (en) * | 1998-04-28 | 1999-10-19 | University Of Pittsburgh Of The Commonwealth System Of Higher Education | System for prediction of life-threatening cardiac arrhythmias |
| US6272377B1 (en) | 1999-10-01 | 2001-08-07 | Cardiac Pacemakers, Inc. | Cardiac rhythm management system with arrhythmia prediction and prevention |
| US6463320B1 (en) | 1999-12-22 | 2002-10-08 | Ge Medical Systems Information Technologies, Inc. | Clinical research workstation |
| US6389308B1 (en) | 2000-05-30 | 2002-05-14 | Vladimir Shusterman | System and device for multi-scale analysis and representation of electrocardiographic data |
| US6564090B2 (en) | 2001-10-11 | 2003-05-13 | Ge Medical Systems Information Technologies, Inc. | Method and apparatus for the serial comparison of electrocardiograms |
| US6778852B2 (en) | 2002-03-14 | 2004-08-17 | Inovise Medical, Inc. | Color-coded ECG |
| US7074194B2 (en) * | 2003-05-19 | 2006-07-11 | Ischemia Technologies, Inc. | Apparatus and method for risk stratification of patients with chest pain of suspected cardiac origin |
| US7117108B2 (en) * | 2003-05-28 | 2006-10-03 | Paul Ernest Rapp | System and method for categorical analysis of time dependent dynamic processes |
| US7477936B2 (en) * | 2003-12-19 | 2009-01-13 | Aalborg Universitet | System and a method for analyzing ECG curvature |
-
2004
- 2004-04-05 US US10/818,007 patent/US7058444B2/en not_active Expired - Fee Related
-
2005
- 2005-03-31 JP JP2007506323A patent/JP2007531580A/ja not_active Withdrawn
- 2005-03-31 CN CNB2005800119039A patent/CN100483393C/zh not_active Expired - Fee Related
- 2005-03-31 WO PCT/US2005/011133 patent/WO2005101227A1/en active Application Filing
- 2005-03-31 KR KR1020067023117A patent/KR20060134196A/ko not_active Application Discontinuation
Also Published As
| Publication number | Publication date |
|---|---|
| US20050222507A1 (en) | 2005-10-06 |
| US7058444B2 (en) | 2006-06-06 |
| WO2005101227A1 (en) | 2005-10-27 |
| KR20060134196A (ko) | 2006-12-27 |
| CN1961310A (zh) | 2007-05-09 |
| JP2007531580A (ja) | 2007-11-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN100483393C (zh) | 读取并分析心电图信号的计算机方法及系统 | |
| Khan et al. | Cardiac disorder classification by electrocardiogram sensing using deep neural network | |
| JP5468724B2 (ja) | 心臓医療及び患者監視データ解析のための多層式システム | |
| Maglaveras et al. | An adaptive backpropagation neural network for real-time ischemia episodes detection: development and performance analysis using the European ST-T database | |
| CN113613559A (zh) | 用于描绘和分类的心电图处理系统 | |
| WO2002075584A1 (en) | Apparatus and method for efficient representation of periodic and nearly periodic signals for analysis | |
| Bono et al. | Development of an automated updated selvester QRS scoring system using SWT-based QRS fractionation detection and classification | |
| CN109887588B (zh) | 一种儿科重症监护单元不同数据采集模式的应用方法 | |
| US20230100537A1 (en) | System and methods for cloud-based interactive graphic editing on ecg data | |
| US20060161067A1 (en) | Complexity scores for electrocardiography reading sessions | |
| Zhou et al. | ECG quality assessment using 1D-convolutional neural network | |
| JPH08206088A (ja) | 解析装置 | |
| Zhang et al. | Chinese cardiovascular disease database (CCDD) and its management tool | |
| Srinivas et al. | Adaptive learning based heartbeat classification | |
| US20100234749A1 (en) | System and method for combining serial ecg analysis and ecg ordering | |
| Shrivastava et al. | Digitization of ECG paper records using MATLAB | |
| US20240215901A1 (en) | Method and apparatus for correcting electrocardiogram reading | |
| Yao et al. | Arrhythmia classification from single lead ecg by multi-scale convolutional neural networks | |
| Shan et al. | A Dual Arrhythmia Classification Algorithm Based on Deep Learning and Attention Mechanism Incorporating Morphological-temporal Information | |
| Ott et al. | Uncovering ECG Changes during Healthy Aging using Explainable AI | |
| Kanna et al. | Cardiac arrhythmia detector using cnn application | |
| Cen et al. | Intelligence ECG Monitoring System: Wireless platform and Arrhythmia classification using Residual neural network | |
| Bosnjak et al. | An approach to intelligent ischaemia monitoring | |
| CN111419214A (zh) | 一种心电异常检测方法、终端及服务器 | |
| Zermeño-Campos et al. | PÉEK: A cloud-based application for automatic electrocardiogram pre-diagnosis |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| C17 | Cessation of patent right | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20090429 Termination date: 20130331 |