CN102380164B - 基于二阶导数编码的自动判别室速室颤的体外除颤器 - Google Patents

基于二阶导数编码的自动判别室速室颤的体外除颤器 Download PDF

Info

Publication number
CN102380164B
CN102380164B CN201110221024.6A CN201110221024A CN102380164B CN 102380164 B CN102380164 B CN 102380164B CN 201110221024 A CN201110221024 A CN 201110221024A CN 102380164 B CN102380164 B CN 102380164B
Authority
CN
China
Prior art keywords
heart
room
submodules
defibrillation
high fluctuation
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
Application number
CN201110221024.6A
Other languages
English (en)
Other versions
CN102380164A (zh
Inventor
邬小玫
杨圣均
刘聪
方祖祥
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fudan University
Original Assignee
Fudan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fudan University filed Critical Fudan University
Priority to CN201110221024.6A priority Critical patent/CN102380164B/zh
Publication of CN102380164A publication Critical patent/CN102380164A/zh
Application granted granted Critical
Publication of CN102380164B publication Critical patent/CN102380164B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Electrotherapy Devices (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明属于医用设备技术领域,具体为一种基于二阶导数编码的自动判别室速室颤的体外除颤器。本发明通过计算信号的二阶导数编码的高波动性矢量概率,自动判别可电击复律心律是室速或室颤,在此基础上决策合适的除颤方案,具体包括:预处理:对采集到的心电信号进行滤波;识别心电信号是否为可电击复律心律;计算可电击复律心律的二阶导数编码的高波动性矢量概率;根据高波动性矢量概率判别室速/室颤;根据室速/室颤决策除颤方案。本发明可降低对患者的身心损伤,提高除颤的针对性和成功率。

Description

基于二阶导数编码的自动判别室速室颤的体外除颤器
技术领域
本发明属于医用设备技术领域,具体涉及一种自动体外除颤器。
背景技术
心脏性猝死(SCD)是指由于心脏原因引起的突然发生的自然死亡。造成心脏性猝死的原因大部分是在各类心血管病变基础上发生的一时性功能障碍和电生理改变,并引起恶性室性心律失常如室性心动过速(室速,VT)、心室纤颤(室颤,VF)等。恶性室性心律失常发作后,抢救成功率会随时间的流逝不断降低,在7-10分钟后,抢救成功率一般会低至10%,因此迅速地电击除颤是终止多数快速性恶性室性心律失常、挽救患者生命的首选有效方法。
自动体外除颤器(AED)是实现早期除颤的主要工具。由于恶性室性心律失常的突发性,医院外的患者存活率很可能依赖于对公众培训的肺复苏抢救(cardiopulmonary resuscitation, CPR)和组织完备的公众除颤(public access defibrillation, PAD)工程。为了推广公众除颤,1997年美国心脏病协会(AHA)推出了公众场所用AED(AED for Public Access Defibrillation)指南。根据除颤的风险和可能的收益,该指南将心律分为以下三大类:可电击复律心律(shockable rhythms, ShR),不可电击复律心律(nonshockable rhythms, NShR)和中间心律(Intermediate rhythms)。为协助非专业人士正确使用AED,快速准确地自动检测出可电击复律心律(ShR)是AED实现其功能的关键环节。
AHA建议对患有心室纤颤的成人进行初次能量为120J-200J双相波除颤或360J的单相波除颤,对稳定型单型性室性心动过速进行首剂量100J的单相波或双相波电复律,对复杂的多型性心动过速或无脉搏室性心动过速需类同心室纤颤处理。另一方面,植入式自动复律除颤器(ICD)在临床上已取得广泛应用。已有研究表明80%的除颤电击实际上是由室速误触发,这些误电击不仅对患者的心脏造成一定的损伤,给意识尚清楚的患者带来强烈的疼痛感,而且会影响ICD的使用寿命。因此,有必要研究出可靠的室速室颤判别算法。
除颤能量过小很可能导致除颤失败;除颤能量过大则会大大增加对患者机体的热损伤,同时增加患者的疼痛感。除颤极板间的经胸阻抗决定了相同大小的电压下施加在患者上的能量。本发明即是在根据二阶导数编码的高波动性矢量概率判别出室速/室颤的基础上,决策合适的除颤方案,并由经胸阻抗调整合适的除颤电压。本发明不仅可提高除颤的针对性和成功率,还可降低对患者心肌的损伤率和疼痛感。
发明内容
本发明的目的在于提供一种不仅可提高除颤的针对性和成功率,还可降低对患者心肌的损伤率和疼痛感的自动体外除颤器。
本发明提供的自动体外除颤器,是基于一种本发明提出的自动判别可电击复律心律为室速和室颤的方法的。
本发明提出的自动判别可电击复律心律是否为室速或室颤的方法,具体步骤如下:
1.对采到的心电信号进行滤波预处理;具体步骤包括:
Figure 832496DEST_PATH_IMAGE002
通过一个5阶的滑动平均滤波器滤除高频噪声;
通过一个截止频率为1Hz的高通滤波器抑制基线漂移;
Figure 2011102210246100002DEST_PATH_IMAGE004
通过一个截止频率为30Hz的低通滤波器进一步滤除无关的高频成分;
2.识别预处理后的心电信号是否为可电击复律心律,根据可电击复律心律识别方法,判别心电信号是否为可电击复律心律。(此步引用专利《一种改进的可电击复律识别仪器》(专利号 ZL 2009 1 0045152.2、ZL 2009 1 0045153.7、ZL 2009 1 0045151.8))
3.计算可电击复律心律的二阶导数编码的高波动性矢量概率;具体步骤包括:
Figure 530325DEST_PATH_IMAGE002
对可电击复律心律进行降采样处理,以降低计算量; 
Figure 797358DEST_PATH_IMAGE003
对长度为N的时间序列{u(i),i=1,2,…,N},求其二阶导数绝对值s(i)和均值Ms,就是在判定一段心电图为可电击复律心律之后,再求这段心电信号的二阶导数绝对值和均值;N 一般取600—1000,在一个实施例中取N=800;
Figure 435406DEST_PATH_IMAGE004
构建m维二阶导数绝对值矢量X(i)=[s(i),s(i+1),…,s(i+m-1)], i=1,2,…,N-m+1,数值 m 由实验验证确定,一般m为15—30,在一个实施例中 m=22;
Figure 104285DEST_PATH_IMAGE005
将二阶导数绝对值矢量X(i)转化为符号序列SX(i)
Figure 2011102210246100002DEST_PATH_IMAGE006
其中X j (i)SX j (i)分别表示X(i)SX(i)的第j个元素,a是调整系数,a值由实验测得;a 一般为0.8—2.5,在一个实施例中,a=1.4 ; 
Figure 35332DEST_PATH_IMAGE007
统计符号序列中高波动性矢量对应的符号序列的数目L;其中,高波动性矢量是指符号序列中“1”的比例大于1/3的序列对应的矢量;
Figure 2011102210246100002DEST_PATH_IMAGE008
计算高波动性矢量概率PHVV
4.将由上述步骤计算得到的高波动性矢量概率与阈值进行比较,如果高波动性矢量概率小于阈值则为室速,如果大于阈值则为室颤。该阈值根据实际经验和试验确定,一般为0.1—0.5,在一个实施例中,取为0.22;
最后根据判别出的室速或室颤,决策除颤方案:对于室速患者,施行低能级同步电复律;对于室颤患者,施行高能级非同步电除颤。
基于上述判别方法,本发明提出了相应的判别系统。该系统包括如下计算模块:
S1预处理模块:对采集到的心电信号进行滤波; 
S2识别模块:用于识别心电信号是否为可电击复律心律;
S3高波动性矢量概率计算模块,用于计算可电击复律心律的二阶导数编码的高波动性矢量概率;
S4判别模块,通过高波动性矢量概率与阈值进行比较,判别可电击复律心律是室速还是室颤。
上述4个模块分别对应于自动判别可电击复律心律是否为室速或室颤的方法的4个步骤的计算。
本发明中,所述的预处理模块,包括如下子模块:
S11子模块,一个5阶的滑动平均滤波器,用于滤除高频噪声;
S12子模块,一个截止频率为1Hz的高通滤波器,用于抑制基线漂移;
S13子模块,一个截止频率为30Hz的低通滤波器,用于进一步滤除无关的高频成分。
本发明中,所述的可电击复律心律的识别模块,根据可电击复律心律识别方法,判别心电信号是否为可电击复律心律。
本发明中,所述的二阶导数编码的高波动性矢量概率计算模块,包括如下子模块:
S31子模块,用于将心电信号降采样至100Hz;
S32子模块,用于求心电信号序列的二阶导数绝对值和均值;
S33子模块,用于构建二阶导数绝对值矢量;
S34子模块,用于将绝对值矢量转化为符号序列;
S35子模块,用于统计符号序列中高波动性矢量对应的符号序列的数目;
S36子模块,用于计算高波动性矢量概率。
这里的6个子模块对应于可电击复律心律的二阶导数编码的高波动性矢量概率计算的6个步骤。
本发明还提出一种自动判别可电击复律心律是否为室速或室颤的自动体外除颤器,其系统框图如图1所示,包括:心电采集及分析单元20、经胸阻抗测量单元30、充电/放电电路单元40、人机交互界面单元50、总控单元60和存储打印功能单元70。心电采集及分析单元20和经胸阻抗测量单元30将采集到的心电信号和经胸阻抗值发送给总控单元60;总控单元60自动判别可电击复律心律为室速或室颤后,决策合适的除颤方案,向充电/放电电路单元40发送除颤指令;充电/放电电路单元40接收到除颤指令后对患者实施除颤,同时将除颤器自身状况参数发送给总控单元60。在这种全自动工作模式之外,通过可视化的人机交互界面50,操作者还可对AED10的各项参数进行设置或直接手动操作AED10进行除颤。现场的有关数据存储和打印功能则通过存储打印功能单元70完成。
上述自动体外除颤器中的总控单元60 包括本发明所述的上述判别系统。
本发明提供了一种识别准确、计算简单、能满足应用要求的基于二阶导数编码的高波动性矢量概率的心律识别算法,可提高判别可电击复律心律中室速和室颤的敏感性和特异性,简化算法的计算复杂度,缩短AED的判决时间。本发明还提供了基于该方法的判别系统和自动体外除颤器。
附图说明
图1是本发明的系统框图。 
图2是本发明的工作流程。
图3是本发明的预处理S1步骤。
图4是本发明的计算二阶导数编码的高波动性矢量概率S3的步骤。
图5是本发明的判别室速室颤S4和决策除颤方案S5的步骤。
具体实施方式
下面结合附图对本发明作进一步的描述。
图1是本发明的系统框图。本发明的主体为AED10,其硬件系统构成为:心电采集及分析单元20、经胸阻抗测量单元30、充电/放电电路单元40、人机交互界面单元50、总控单元60和存储打印功能单元70。心电采集及分析单元20和经胸阻抗测量单元30将采集到的心电信号和经胸阻抗值发送给总控单元60;总控单元60自动判别可电击复律心律为室速或室颤后,决策合适的除颤方案,向充电/放电电路单元40发送除颤指令;充电/放电电路单元40接收到除颤指令后对患者实施除颤,同时将除颤器自身状况参数发送给总控单元60。在这种全自动工作模式之外,通过可视化的人机交互界面50,操作者还可对AED10的各项参数进行设置或直接手动操作AED10进行除颤。现场的有关数据存储和打印功能则通过存储打印功能单元70完成。
图2为本发明的工作流程。首先进行预处理(模块S1),对采集到的心电进行滤波;然后根据电击复律心律识别方法识别预处理后的心电信号是否为可电击复律心律(模块S2),如果是可电击复律心律则继续下面步骤(模块S3),如果不是可电击复律心律则返回继续采集心电,此步引用专利《一种改进的可电击复律识别仪器》(专利号 ZL 2009 1 0045152.2、ZL 2009 1 0045153.7、ZL 2009 1 0045151.8);计算可电击复律心律的二阶导数编码的高波动性矢量概率(模块S3);判别室速/室颤(模块S4):将由上述步骤计算得到的高波动性矢量概率与阈值进行比较,如果高波动性矢量概率小于阈值则为室速,如果大于阈值则为室颤;最后根据判别出的室速或室颤,决策除颤方案S5:对于室速患者,施行低能级同步电复律;对于室颤患者,施行高能级非同步电除颤。
图3是本发明的预处理(模块S1)的步骤。依次通过一个5阶的滑动平均滤波器用于滤除高频噪声(子模块S11),一个截止频率为1Hz的高通滤波器用于抑制基线漂移(子模块S12),一个截止频率为30Hz的低通滤波器进一步滤除无关的高频成分(子模块S13)。
图4是本发明的计算二阶导数编码的高波动性矢量概率(模块S3)的步骤。先进行降采样处理(子模块S31),降采样率为100Hz,以降低计算量;然后由子模块S32对长度为N(本实施例中取800)的时间序列{u(i), i=1,2,…,N},求其二阶导数绝对值s(i)及其均值Ms;再由子模块S33构建m维(本实施例中取22)二阶导数绝对值矢量X(i)=[s(i),s(i+1),…,s(i+m-1)], i=1,2,…,N-m+1;由子模块S34将二阶导数绝对值矢量X(i)转化为符号序列SX(i)
Figure 2011102210246100002DEST_PATH_IMAGE010
其中X j (i)SX j (i)分别表示X(i)SX(i)的第j个元素,a是调整系数(本实施例中取1.4);由子模块S35统计符号序列中高波动性矢量对应的符号序列的数目L;其中,高波动性矢量是指符号序列中“1”的比例大于1/3的序列对应的矢量;子模块S36计算高波动性矢量概率PHVV:
图5是本发明的判别室速室颤(模块S4)和决策除颤方案(模块S5)的步骤。将由上述步骤计算得到的高波动性矢量概率与阈值(本实施例中取0.22)进行比较(子模块S41),如果高波动性矢量概率小于阈值则为室速(子模块S42),施行低能级同步电复律(子模块S51);如果大于阈值则为室颤(子模块S43);施行高能级非同步电除颤(子模块S52)。
以上是结合具体的实施例对本发明所作的进一步说明,但本领域的研究人员在不脱离本发明所提供的构思前提下亦可做出简单的添加、修改或替换。由本发明的原理而应用的不同实施例同样应包括于本发明的保护范围内。

Claims (3)

1. 一种用于自动体外除颤器的自动判别可电击复律心律是室速还是室颤的系统,其特征在于,包括:
S1预处理模块,对采集到的心电信号进行滤波预处理; 
S2识别模块,用于识别心电信号是否为可电击复律心律,即根据可电击复律心律识别方法,判别心电信号是否为可电击复律心律;
S3高波动性矢量概率计算模块,用于计算可电击复律心律的二阶导数编码的高波动性矢量概率;具体步骤包括:
Figure 2011102210246100001DEST_PATH_IMAGE002
对可电击复律心律进行降采样处理,以降低计算量; 
对长度为N的时间序列{u(i),i=1,2,…,N},求其二阶导数绝对值s(i)和均值Ms; 
Figure 2011102210246100001DEST_PATH_IMAGE006
构建m维二阶导数绝对值矢量X(i)=[s(i),s(i+1),…,s(i+m-1)], i=1,2,…,N-m+1,数值 m 由实验验证确定; 
将二阶导数绝对值矢量X(i)转化为符号序列SX(i)
Figure 2011102210246100001DEST_PATH_IMAGE010
其中X j (i)SX j (i)分别表示X(i)SX(i)的第j个元素,a是调整系数,a值由实验测得; 
Figure 2011102210246100001DEST_PATH_IMAGE012
统计符号序列中高波动性矢量对应的符号序列的数目L;其中,高波动性矢量是指符号序列中“1”的比例大于1/3的序列对应的矢量;
Figure 2011102210246100001DEST_PATH_IMAGE014
计算高波动性矢量概率PHVV
S4判别模块,通过高波动性矢量概率与阈值进行比较,判别可电击复律心律是室速还是室颤;如果高波动性矢量概率小于阈值则为室速,如果大于阈值则为室颤;
其中,S3高波动性矢量概率计算模块,包括如下子模块:
S31子模块,用于将心电信号降采样至100Hz;
S32子模块,用于求心电信号序列的二阶导数绝对值和均值;
S33子模块,用于构建二阶导数绝对值矢量;
S34子模块,用于将绝对值矢量转化为符号序列;
S35子模块,用于统计符号序列中高波动性矢量对应的符号序列的数目;
S36子模块,用于计算高波动性矢量概率;
这里的6个子模块对应于权利要求1中可电击复律心律的二阶导数编码的高波动性矢量概率计算的6个步骤。
2. 根据权利要求1所述的系统,其特征在于所述的预处理模块,包括如下子模块:
S11子模块,一个5阶的滑动平均滤波器,用于滤除高频噪声;
S12子模块,一个截止频率为1Hz的高通滤波器,用于抑制基线漂移;
S13子模块,一个截止频率为30Hz的低通滤波器,用于进一步滤除无关的高频成分。
3. 一种自动体外除颤器,其特征在于包括:心电采集及分析单元(20)、经胸阻抗测量单元(30)、充电/放电电路单元(40)、人机交互界面单元(50)、总控单元(60)和存储打印功能单元(70);所述心电采集及分析单元(20)和经胸阻抗测量单元(30)分别将采集到的心电信号和经胸阻抗值发送给总控单元(60);总控单元(60)自动判别可电击复律心律为室速或室颤后,决策合适的除颤方案,向充电/放电电路单元(40)发送除颤指令;充电/放电电路单元(40)接收到除颤指令后对患者实施除颤,同时将除颤器自身状况参数发送给总控单元(60);此外,通过可视化的人机交互界面(50),操作者对自动体外除颤器的各项参数进行设置或直接手动操作自动体外除颤器进行除颤;存储打印功能单元(70)用于存储和打印现场的有关数据;
所述总控单元(60) 包括权利要求1所述的系统。
CN201110221024.6A 2011-08-03 2011-08-03 基于二阶导数编码的自动判别室速室颤的体外除颤器 Expired - Fee Related CN102380164B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201110221024.6A CN102380164B (zh) 2011-08-03 2011-08-03 基于二阶导数编码的自动判别室速室颤的体外除颤器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201110221024.6A CN102380164B (zh) 2011-08-03 2011-08-03 基于二阶导数编码的自动判别室速室颤的体外除颤器

Publications (2)

Publication Number Publication Date
CN102380164A CN102380164A (zh) 2012-03-21
CN102380164B true CN102380164B (zh) 2014-03-05

Family

ID=45820255

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201110221024.6A Expired - Fee Related CN102380164B (zh) 2011-08-03 2011-08-03 基于二阶导数编码的自动判别室速室颤的体外除颤器

Country Status (1)

Country Link
CN (1) CN102380164B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111714773B (zh) * 2019-12-16 2024-07-26 苏州无双医疗设备有限公司 心脏事件联合计数方法和植入式医疗设备
CN111803054B (zh) * 2020-06-12 2023-04-07 中国人民解放军陆军军医大学 一种实时评估室颤信号质量和除颤成功率的方法与仪器

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1400260A1 (fr) * 2002-09-04 2004-03-24 Ela Medical Dispositif implantable actif du type défibrillateur, cardioverteur et/ou stimulateur antitachycardique, à discrimination perfectionnée entre tachycardie et fibrillation ventriculaires
WO2006105391A1 (en) * 2005-03-31 2006-10-05 Medtronic, Inc. Implantable medical device with real time t-wave oversensing detection

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2830768B1 (fr) * 2001-10-12 2004-07-09 Ela Medical Sa Dispositif medical actif de type defibrillateur/cardiovecteur implantable comportant des moyens de detection de tachycardies sinusales post-therapie

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1400260A1 (fr) * 2002-09-04 2004-03-24 Ela Medical Dispositif implantable actif du type défibrillateur, cardioverteur et/ou stimulateur antitachycardique, à discrimination perfectionnée entre tachycardie et fibrillation ventriculaires
WO2006105391A1 (en) * 2005-03-31 2006-10-05 Medtronic, Inc. Implantable medical device with real time t-wave oversensing detection

Also Published As

Publication number Publication date
CN102380164A (zh) 2012-03-21

Similar Documents

Publication Publication Date Title
CN103189103B (zh) 利用动态进行中cpr规程的除颤器
CN102284138B (zh) 基于二阶导数编码的符号序列熵自动判别室速室颤的体外除颤器
CN103547313B (zh) 具有选择性中断cpr的方案的除颤器
US11903741B2 (en) Shockable heart rhythm classifier for defibrillators
EP1620005B1 (en) Apparatus for analysing cardiac events
EP3089786B1 (en) Consistency monitoring for ecg shock advisory decisions
CN1723057A (zh) 通过心前收缩的停止启动的冲击的外除颤器
CN102974039B (zh) 一种h桥电路除颤器输出级及双相锯齿方波除颤高压放电方法
WO2006105143A1 (en) An external defibrillator and a method of determining when to use the external defibrillator
JP2003508142A (ja) 仮想除細動ショックの成果を計算するためのシステム
Nguyen et al. Diagnosis of shockable rhythms for automated external defibrillators using a reliable support vector machine classifier
CN102380164B (zh) 基于二阶导数编码的自动判别室速室颤的体外除颤器
CN106255530B (zh) 用于心肺复苏的心搏停止检测
KR101251081B1 (ko) 가중 퍼지 소속 함수 기반 신경망을 이용한 제세동기의 쇼크 신호 검출 방법
Isasi et al. Detection of shockable rhythms using convolutional neural networks during chest compressions provided by a load distributing band
EP3888741A1 (en) Defibrillator assessing chest recoil in cardio pulmonary resuscitation
CN116348180A (zh) 用以避免在心室复极化期间输送电击的心搏分类
Chicote et al. Sample entropy as a shock outcome predictor during basis life support
CN116492598B (zh) 低误报警率的心律转复除颤方法、装置、系统及存储介质
Altamira et al. A hidden markov model approach for ventricular fibrillation detection
Kinoshita et al. Development of an algorithm for detection of fatal cardiac arrhythmia for implantable cardioverter-defibrillator using a self-organizing map
Ortigosa et al. Classification of atrial fibrillation episodes using short ECG segments
Keyanfar et al. Energy consumption optimization & Improving performance in CPU of the implantable cardioverter defibrillator with using design and hardware implementation of CNN neural network on Zynq
Ayala et al. A new algorithm to diagnose during chest compressions: Effect on cardiopulmonary resuscitation delivery
CN117180622A (zh) 一种高精度体外除颤仪

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20140305

Termination date: 20190803

CF01 Termination of patent right due to non-payment of annual fee