CN107714025B - 分类ecg信号 - Google Patents

分类ecg信号 Download PDF

Info

Publication number
CN107714025B
CN107714025B CN201710685952.5A CN201710685952A CN107714025B CN 107714025 B CN107714025 B CN 107714025B CN 201710685952 A CN201710685952 A CN 201710685952A CN 107714025 B CN107714025 B CN 107714025B
Authority
CN
China
Prior art keywords
unipolar
signal
bipolar
derivative
time
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.)
Active
Application number
CN201710685952.5A
Other languages
English (en)
Other versions
CN107714025A (zh
Inventor
L.博特泽
M.巴-塔
E.纳卡
N.萨洛蒙
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.)
Biosense Webster Israel Ltd
Original Assignee
Biosense Webster Israel Ltd
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 Biosense Webster Israel Ltd filed Critical Biosense Webster Israel Ltd
Publication of CN107714025A publication Critical patent/CN107714025A/zh
Application granted granted Critical
Publication of CN107714025B publication Critical patent/CN107714025B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • A61B5/25—Bioelectric electrodes therefor
    • A61B5/279—Bioelectric electrodes therefor specially adapted for particular uses
    • A61B5/28—Bioelectric electrodes therefor specially adapted for particular uses for electrocardiography [ECG]
    • A61B5/283—Invasive
    • A61B5/287—Holders for multiple electrodes, e.g. electrode catheters for electrophysiological study [EPS]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • 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
    • 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]
    • 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
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6846—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be brought in contact with an internal body part, i.e. invasive
    • A61B5/6847—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be brought in contact with an internal body part, i.e. invasive mounted on an invasive device
    • A61B5/6852—Catheters
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6846—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be brought in contact with an internal body part, i.e. invasive
    • A61B5/6867—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be brought in contact with an internal body part, i.e. invasive specially adapted to be attached or implanted in a specific body part
    • A61B5/6869—Heart
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7285—Specific aspects of physiological measurement analysis for synchronising or triggering a physiological measurement or image acquisition with a physiological event or waveform, e.g. an ECG signal
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • A61B5/743—Displaying an image simultaneously with additional graphical information, e.g. symbols, charts, function plots
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2505/00—Evaluating, monitoring or diagnosing in the context of a particular type of medical care
    • A61B2505/05—Surgical care
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
    • A61B2576/023—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part for the heart

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Cardiology (AREA)
  • Artificial Intelligence (AREA)
  • Physiology (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明题为分类ECG信号。本发明公开了一种方法，该方法包括从人类受检者的心肌附近的一对电极接收双极性信号，以及从该对电极中所选择的一个接收单极性信号。该方法进一步包括描绘单极性信号和双极性信号的感兴趣窗口(WOI)，在WOI内计算单极性信号的局部单极性最小导数，以及局部单极性最小导数的发生时间，并且在WOI内计算双极性信号在发生时间的双极性导数。该方法还包括评估双极性导数对局部单极性最小导数的比，以及当该比大于预设的阈值比值时，将发生时间指定为心肌的激活时间，对激活时间的数量进行计数，并且根据该数量对单极性信号进行分类。

Description

分类ECG信号
相关申请的交叉引用
本专利申请要求2016年8月11日提交的美国临时专利申请62/373,465的权益，该临时专利申请以引用方式并入本文中。该申请与本申请同一天提交的题为“波前的注释”的申请相关。
技术领域
本发明整体涉及心电图(ECG)信号，并且具体地涉及用于分类信号的方法。
背景技术
心脏中电信号的映射和成像通常基于将如导管的ECG信号所指示的局部激活时间(LAT)与信号的空间位置组合。此类方法用于
Figure BDA0001376732110000011
3系统，该系统由加利福尼亚州钻石吧市(Diamond Bar,Ca)的强生公司(BiosenseWebster)生产。
以引用方式并入本专利申请的文档将被视为本专利申请的整体部分，但不包括在这些并入的文献中以与本说明书中明确或隐含地给出的定义相冲突的方式定义的任何术语，而只应考虑本说明书中的定义。
发明内容
本发明的实施方案提供了一种方法，该方法包括从人类受检者的心肌附近的一对电极接收双极性信号，以及从该对电极中所选择的一个接收单极性信号。该方法还包括描绘单极性信号和双极性信号的感兴趣窗口(WOI)，并且在WOI内计算单极性信号的局部单极性最小导数，以及局部单极性最小导数的发生时间。
该方法进一步包括在WOI内，计算双极性信号在发生时间的双极性导数，评估双极性导数对局部单极性最小导数的比，以及当该比大于预设的阈值比值时，将发生时间指定为心肌激活时间，对激活时间的数量进行计数，并且根据该数量对单极性信号进行分类。
在所公开的实施方案中，当双极性导数小于预设的双极性导数阈值时，发生时间被指定为心肌的激活时间。
在进一步公开的实施方案中，当局部单极性最小导数小于预设的单极性导数阈值时，发生时间被指定为心肌的激活时间。
通常，对单极性信号进行分类包括为单极性信号定义多个预设分类。多个可以包括其中数量为零的第一分类、其中数量为一的第二分类、其中数量为二或三的第三分类，以及其中数量大于三的第四分类。
在另选的实施方案中，当与给定发生时间相关联的置信水平大于预设的置信水平时，该方法包括仅将给定发生时间指定为心肌的给定激活时间。在一些实施方案中，当对应的双极性信号的幅值大于预设的双极性信号阈值时，给定发生时间可以仅被指定为心肌的给定激活时间。
根据本发明的实施方案，还提供了一种设备，其包括：
一对电极，其配置成被放置在人类受检者的心肌附近；以及
处理器，其配置成：
从该对电极接收双极性信号，
从该对电极中所选择的一个接收单极性信号，
描绘单极性信号和双极性信号的感兴趣窗口(WOI)，
在WOI内计算单极性信号的局部单极性最小导数和局部单极性最小导数的发生时间，
在WOI内计算双极性信号在发生时间的双极性导数，
评估双极性导数对局部单极性最小导数的比，
当该比大于预设的阈值比值时，将发生时间指定为心肌激活时间，
对激活时间的数量进行计数；以及
根据该数量对单极性信号进行分类。
结合附图，通过以下对本发明实施方案的详细说明，将更全面地理解本公开，其中：
附图说明
图1是根据本发明的实施方案的算法的示意性框图；
图2是根据本发明的实施方案的如通过双极性信号和单极性正电极信号所测量的活动的示例；
图3是示出根据本发明的实施方案的基线漂移去除的曲线图；
图4是根据本发明的实施方案的基线漂移去除系统的框图；
图5是本发明的实施方案的两个高斯滤波器的曲线图；
图6是根据本发明的实施方案的注释检测器框的示意性框图；
图7是根据本发明的实施方案的单极性信号和双极性信号及其导数的曲线图；
图8示出了曲线图，该曲线图示出根据本发明的实施方案的注释算法的第一拒绝阶段；
图9示出了曲线图，该曲线图示出根据本发明的实施方案的局部候选注释和远场候选注释；
图10是示出根据本发明的实施方案的候选注释的合并以及如何使用拒绝标准的曲线图；
图11是根据本发明的实施方案的单极性导数模糊函数的曲线图；
图12是示出根据本发明的实施方案的单极性信号分割的曲线图；
图13是根据本发明的实施方案的单极性持续时间模糊函数的曲线图；
图14是根据本发明的实施方案的单极性幅值模糊函数的曲线图；
图15是根据本发明的实施方案的单极性持续时间对幅值比模糊函数的曲线图；
图16是根据本发明的实施方案的双极性幅值模糊函数的曲线图；
图17是根据本发明的实施方案的分类算法的示意性框图；
图18是示出根据本发明的实施方案的分类算法的步骤的流程图；
图19示出了根据本发明的实施方案的单个事件分类；
图20示出了根据本发明的实施方案的注释时间对分类的影响；
图21示出了根据本发明的实施方案的分开分类；
图22示出了根据本发明的实施方案的多重分类；以及
图23是使用根据本发明的实施方案的设备的侵入性医学规程的示意图。
具体实施方式
概述
本发明的实施方案使用波前注释算法，其用于将两种类型的ECG信号——双极性信号连同与其相关联的单极性信号中的一个——的属性组合以生成精确的信号注释。发明人已经证实该算法提供了不受远场干扰影响的精确注释。
波前注释算法提供注释点的自动且可靠的检测，其使得能够在相对短的时间内获取和注释许多LAT点。对于可能嵌入在信号中的附加重要临床信息，这种丰富的LAT点使得用户检查那些心脏内信号中的每一个是困难的和耗时的。
因此，本发明的实施方案使用分类算法，其中从波前注释算法导出的结果自动识别可能具有添加的临床重要性的关键信号。具体地，由分类算法的自动识别在没有激活事件、单个激活事件和多个激活事件之间进行分离，并且在多个激活事件内在具有大量激活的点和仅具有少量激活的那些点之间进行分离。
分类算法根据其复杂度对ECG信号进行分类。该算法使用枚举测量复杂度——通过对给定时间窗口内所检测的有效激活的数量进行计数。算法的输入是来自波前注释算法的波前检测激活，以及需要复杂度计算的时间区段(WOI)。分类算法的输出是ECG信号的分类。算法分类类型为无Lat、单个、分开和多重。
本发明的实施方案提供方法，该方法包括从人类受检者的心肌附近的一对电极接收双极性信号，以及从该对电极中所选择的一个接收单极性信号。描绘单极性信号和双极性信号的感兴趣窗口(WOI)，并且在WOI内计算单极性信号的局部单极性最小导数和局部单极性最小导数的发生时间。
另外，在WOI内计算在发生时间的双极性信号的双极性导数，并评估双极性导数对局部单极性最小导数的比。当该比大于预设的阈值比值时，发生时间被指定为心肌激活时间，对激活时间的数量进行计数，并且单极性信号根据该数量被分类。
实施方案描述
以下描述分为两部分。第一部分描述波前注释算法。第二部分描述分类算法。
1.波前注释算法
图1是根据本发明的实施方案的波前注释算法的示意性框图。算法输入由单个双极性信号和其单极性信号中的一个组成，它们通常被提供给运算该算法的处理器20，接着是具有500Hz截止频率的低通滤波器和电源拒波滤波器。下面参考图23，提供了处理器20的操作的更多细节。假设单极性信号的极性是已知的(即，它是从正电极或负电极导出的)。处理器可以是独立处理器，和/或通常操作计算机的通用处理器。该算法包括在此汇总的多个阶段。
预处理阶段22包括基线漂移的去除、低通滤波和任何阶数的微分。基线漂移的去除包括作为伪影的附加低频信号的去除，并且源自各种原因，诸如机械导管运动或呼吸。该低频信号可以改变信号的估计导数，并因此通常被去除。
特征提取阶段24使用后处理信号并提取用于每个候选注释的特征。
第一注释检测器阶段26基于特征的子集执行候选注释的消除。
接下来，在对消除阶段28中，可以丢弃通过所需特征阈值但相对于另一非常接近的激活并不显著的候选注释。
最后，在第二注释检测器阶段30中，基于其特征值赋予每个候选注释分数。只有超过分数阈值的候选注释被认为是有效注释，并且由处理器在处理器的进一步操作中使用它们的定时和特征，该操作诸如生成候选注释的映射。
下面更详细地描述算法的元素。
算法的核心依赖于三个基本观察：
·单极性活动由信号幅值中的急剧向下偏转标记。这些偏转可以容易地识别为活动速度信号中的局部最小值(即单极性信号的导数)。然而，并非所有的局部最小值都指示活动；一些是噪声或远场活动的结果。因此，该算法的目的是区分与局部真实激活相关的速度信号以及不与局部真实激活相关的那些速度信号中的局部最小值。使用下一个观察，这是可能的。
·远场激活几乎相同地影响单极性对的潜力。因此，它们的双极性对应物在远场激活期间只具有残余活动。在局部活动测量期间，当电极中的一个与激活接近并且另一个电极相对较远(甚至几毫米就足够)时，情况并非如此。在这种情况下，双极性信号也将呈现与单极性信号中的斜率变化同时发生的斜率变化(下面参见图2及其描述)。使用这种现象可以区分由近场激活引起的单极性急剧偏转和由远场激活引起的那些单极性急剧偏转。
·组合候选注释的多个特征提供了一种用于进行更强健的注释检测的方法。例如，作为局部激活的结果的双极性幅值变化可以用作特征。然而，有时远场激活可能具有双极性成分(例如，当映射在心室瓣膜附近的下部心房时)。因此，仅仅基于双极性幅值做出的决策可能会失败。然而，如果使用信号的附加特征，则决策可能更加强健。一个此类特征可以是激活周围的单极性幅值(图2)。
图2是根据本发明的实施方案的如通过双极性信号和单极性正电极信号所测量的活动的示例；曲线图40示出了双极性信号；曲线图44示出了单极性信号。在区域“A”中，左侧上的急剧向下偏转是在单极性信号和双极性信号中同时发生的近场活动。如在远场心室激活期间的区域“B”中所示，单极性信号改变，然而，双极性活动是可忽略的。本发明的实施方案使用与上述示例的那些类似的信号的多个特征以帮助局部激活与远场激活之间的分离。例如，在区域A中，单极性幅值及其速率类似于双极性信号，而在区域B中，单极性信号幅值大得多且其速率比双极性信号快得多。
以下描述描述了图1所示的算法的元素。
预处理阶段22和特征提取阶段24(图1)
这些预处理阶段和特征提取阶段的目的是去除和衰减单极性信号和双极性信号中的干扰，同时保持并强调在后续阶段中使用的信号的那些特征。虽然为了简单起见，本文所描述的动作被假设发生在阶段22和阶段24中，但是应当理解，这些动作中的至少一些可发生在算法的其它阶段。我们想要保持的特性是激活的形态，因为它反映了斜率变化。通常丢弃的特性是充当可能损害斜率测量值的附加信号的基线漂移以及高频噪声。阶段22和阶段24分为四个子阶段：
1.单极性预处理子阶段
单极性预处理阶段包括连续应用以下步骤：
1.在1KHz的基线估计和减去(使用中值滤波器+低通滤波器(LPF))。
2.上采样到8KHz(8倍的采样和保持或其它上采样技术)
3.第一平滑滤波器-LPF FIR(-6db@155Hz，145抽头)。滤波器是65抽头的500Hz的等纹波滤波器和高斯10ms窗口的卷积。
4.第二平滑滤波器-所使用的滤波器是系统的抗混叠LPF，通常为500Hz低通滤波器。
5.导数
步骤5的导数用作第一注释检测器阶段26(图1)中的单极性注释检测器-(阶段I)的输入。步骤4的附加滤波信号输出用于算法的特征提取阶段24。
2.双极性预处理子阶段
双极性预处理阶段包括连续应用以下步骤：
1.在1KHz的基线估计和减去(中值滤波+LPF)。
2.上采样到8KHz(8倍的采样和保持)
3.平滑化-LPF FIR(-6db@310Hz，113抽头)。滤波器是65抽头的500Hz的等纹波滤波器和高斯6ms窗口的卷积。
4.导数
双极性预处理阶段(双极性导数)的最终输出用作参考上述的单极性注释检测器(阶段I)的输入(图1)。
3.基线漂移估计子阶段
心脏内(IC)信号可包含由导管运动、受检者的运动和改变与组织的分界面的呼吸(参见图3及下面其描述)引起的附加基线漂移信号。这些运动伪影主要包含低频成分。然而，近场活动信号在这些光谱带中也可含有显著的能量。因此，通过高通IIR或FIR滤波器去除的常规方法是有问题的，并且可能导致IC信号的失真和形态变化。因此，我们使用的所选择方法基于基线漂移的估计(图3)及其从信号中的减去。
图3是示出根据本发明的实施方案的基线漂移去除的曲线图。单极性信号50最初被低频伪影污染，有助于基线漂移。基线估计的目的是计算基线，然后将其从信号中减去。在图中，所计算的基线54已经覆盖在单极性信号上。基线漂移拒绝是重要的，因为基线漂移可以增大单极性导数的估计的噪声，并从而可影响注释检测。
基线漂移的估计及其从原始值中的减去是通过使用如图4所示的一系列两个滤波器的近场活动的去除实现的。
图4是根据本发明的实施方案的基线漂移去除系统的框图。通常具有60ms的窗口的中值滤波器60被设计为从原始信号中去除活动，而在一个实施方案中是具有大约10Hz的典型截止频率的89抽头FIR汉宁滤波器的LPF 64被设计以平滑由中值滤波器产生的边缘。最后，通过否定68然后求和72的过程，从原始信号中减去基线估计，产生没有基线漂移的信号。
4.平滑导数子阶段
图5是根据本发明的实施方案的两个高斯滤波器的曲线图。在信号中的急剧偏转点的检测基于该信号的速度，因此使用导数方法。然而，导数函数起到高通滤波器的作用，因此增强高频率噪声。因此，我们使用平滑函数以减小导数估计中的噪声。我们使用的平滑函数是归一化的零均值高斯函数，其包括单极性高斯函数80和双极性高斯函数84，如图5所示。这些单极性高斯滤波器和双极性高斯滤波器分别具有±2ms的时间窗口中的能量的90％和±1ms的时间窗口中的能量的90％。因此，在大于这些值的距离处激活或接近远场事实上被忽略并且不影响导数值。
注释检测器-I阶段26(图1)
现在参考图6至图9。图6是注释检测器-I阶段26的示意性框图；图7是单极性信号和双极性信号及其导数的曲线图；图8具有示出注释算法的第一拒绝阶段的曲线图；以及图9具有根据本发明的实施方案示出局部候选注释和远场候选注释的曲线图。
参考图6，下表I给出了检测器中所使用的参数，以及框图中对应的首字母缩略词。
参数 首字母缩略词
平滑单极性导数 S-Uni
平滑单极性导数阈值 Th-Uni
平滑双极性导数 S-Bip
平滑双极性导数阈值 Th-Bip
(S-Bip)/(S-Uni) R
R应该超出的最小比，以便在注释检测器-I的输出处成为有效的注释 Th-Ratio
表I
图7示出了在单极性注释周围为零的双极性斜率的示例。曲线图示出了单极性远端信号100、其导数102、其局部激活(A)以及双极性信号104及其导数106。注意，在单极性偏转点(A)，双极性导数几乎为零，且其并不表示双极性幅值中的大变化。
图8具有示出图1的注释算法的第一拒绝阶段的曲线图。顶部曲线图110示出单极性信号且底部曲线图114示出其平滑导数。黑点118是低于阈值的导数信号中的最小值，并且将被进一步考虑为可能的注释点，而灰点122标记高于将被拒绝的阈值的最小值。
图9示出了使用本文所述的双极性导数比特征和单极性导数比特征的局部候选注释(A)和远场候选注释(B)之间的分离。该图示出了单极性信号130和双极性信号132，以及单极性导数136和双极性导数138。在局部激活中，单极性导数变化伴随着双极性导数变化，如2ms活动窗口140所示。然而，如窗口144所示，远场导出偏转(B)中不是这种情况，因此对于远场情况，双极性斜率和单极性斜率的变化之间的比将低于所需的比阈值。
回到图6，注释检测器-I方框的输入是测试下的相关单极性信号导数、其极性及其平滑双极性导数。方框的输出是注释索引及其斜率值(注释索引处的单极性导数值)。斜率值充当注释的分数。
在本发明的实施方案中，在方框90和方框92中通过找到低于阈值(通常为-0.01mv/ms)的最小点检测单极性信号的向下倾斜中的偏转点，也参见图8。除了另外两个条件，活动通常也符合这一条件：
1.在单极性偏转点周围的时间窗口(通常为±2ms)中的双极性平滑导数信号(S-BIP)的值应以取反方式超过阈值TH-BIP。因此，S-BIP<TH-BIP。在一个实施方案中，TH-BIP通常为约0.008mv/ms。
2.该双极性平滑导数值与单极性平滑导数斜率值之间的比应高于Th-Ratio，通常为约0.2。
在方框94和方框96以及决策98中评估#1和#2。
参考图6，对于正电极和负电极，双极性导数值(S-bip)被不同地计算。在所公开的实施方案中，对于正电极，它是在2ms时间窗口内的最小值，并且对于负电极，它是在该时间窗口内的最大值的负值。在注释点使用时间窗口而不是导数的原因是在某些病理学和/或(导管和波传播方向的)取向中，在给定点的双极性信号可以是小的或甚至为零，因为在单极性激活之间的活动的时间延迟可以被取消(图7)。正电极和负电极的值被不同地计算，因为在双极性信号中正电极处的末端活动被记录为向下倾斜，而在双极性信号中在负电极处的活动被记录为向上倾斜。
单极性导数与双极性导数之间的比也可以用作分类标准，因为该标准可以区分近场活动和远场活动。在近场活动中，通常在双极性信号中表现出向下倾斜活动中的至少一些，而在远场情况下，双极性信号可能仅具有残余活动。
对消除阶段28(图1)
算法的对消除阶段负责合并从单个活动产生的两个注释。当由于某种原因，近场活动的向下斜率包含瞬时向上倾斜，无论是来自另一个电极中记录的活动还是来自影响一个电极比另一个电极更多的远场活动时，这种分开现象可能发生。瞬时向上倾斜将引起信号导数中的两个最小值，并且如果这些足够强大，则它们产生两个注释。为了排除这些情况，我们评估由于向上倾斜而引起的信号变化。
分析相隔不太远(通常小于50ms)的相同单极性信号中的所有注释对以用于分开。为向上倾斜分析单极性导数信号中两个候选注释之间的区段。当向上倾斜幅值被认为是显著的时，两个注释被保持。如果没有，则丢弃具有较小向下倾斜的注释。
图10是示出根据本发明的实施方案的候选注释的合并以及如何使用拒绝标准的曲线图150。该曲线图示出了单极性导数信号和两个可能的注释(圆圈，标记为A[i]和A[i+1])。
对消除框38的目的是确定两个可能的注释之间的最小导数幅值与峰值P之间的向上倾斜幅值变化(标记为垂直双头箭头)是否显著。如果变化被认为是显著的，则两个注释都被保持，否则，较弱的激活——A[i]被丢弃。
因此，对于要丢弃的注释A[i]，考虑在50ms时间窗口A[i+1]内具有更强斜率的任何相邻候选注释之间的峰值幅值(P)的相对变化。如果峰值显著更高，则该点不会被拒绝。在数学用语上，在一个实施方案中，如果(P-A[i])/(0.02-A[i])的值低于0.5，则注释A[i]被丢弃。即，如果50ms时间窗口中的一个或多个注释遵循上述规则，则注释A[i]被拒绝。
注释检测器II阶段30(图1)
使用附加特征和度量，在此方框中重新评估通过较早阶段的候选注释。只有通过此方框并且还通过用户双极性电压控制阈值的注释被认为是有效注释。对于每个注释，计算多个特征。每个特征值都被赋予范围从零到一的模糊分数，其对应于该特征的置信度值。最后，将所有分数组合在一起，并根据全局分数阈值测试其值。通过全局分数阈值，即具有高置信度值的那些注释被认为是有效的注释，而不通过全局分数阈值，即具有低置信度值的那些注释被拒绝。
本文所描述的模糊函数是在本发明的一个实施方案中所使用的此类函数的示例。然而，其它此类模糊函数或其它概率术语/函数对于本领域普通技术人员将是显而易见的，并且所有此类函数都被假设为包括在本发明的范围内。此外，对于特定要求，还可以使用多个模糊分数(例如，强调强或小的双极性信号等的模糊函数)。
所有模糊函数都在0和1之间。
该方框使用的特征是：
1.单极性导数值
2.单极性斜率的持续时间s2
3.该时间窗口s2处的单极性斜率的幅值
4.上述持续时间与幅值之间的比
5.时间窗口s2中的双极性信号幅值
下面说明五个特征。
1.单极性导数
图11是根据本发明的实施方案的单极性导数模糊函数的曲线图160。曲线图提供了指定给导数的分数f(s1)，其中导数值在此称为s1。如曲线图所示，低于-0.07的导数值得到1的分数，并且大于-0.07的值线性减小，使得在-0.018的斜率处达到0.5分。小于-0.01的导数值得到零的分数。
单极性导数s1用于两个检测器阶段，但不同于其具有0.01mv/ms的二分阈值的第一阶段，在此其值用于提供分数f(s1)。仅根据此特征，分数越高，其是有效的注释的可能性就越大。
2.单极性活动分割和持续时间
图12示出了根据本发明的实施方案的单极性信号分割的曲线图。下面进一步描述分割。在候选注释时间索引176(黑点)周围示出单极性信号170及其导数174。表示阈值的虚水平线180在两个方向上标记搜索区段(通常大约±25ms)。在一个实施方案中，区段值被定义为注释点处绝对最大单极性导数值的20％。区段A、区段B标记信号导数低于阈值的搜索窗口内的时间间隔。在该示例中，最终区段可以是区段A，或者如果满足某些条件(如下所述)，则其可以是始于A的开始到B的结束的联合区段。
我们从单极性信号导出的特征是候选注释周围的向下倾斜区段的持续时间s2。目的是检测从其初始下降到其开始向上倾斜的单极性向下倾斜。动机是检查该区段中信号的特征，诸如持续时间、幅值及其关系的属性，并将其用作分类器的基础。发明人考虑了用于该任务的若干种方法，所有这些方法对于单个斜率的明显情况都工作良好，但是本文中所描述的方法被选择，因为它在具有斜率趋势变化和斜率区段内的局部峰值的复杂情况下工作良好。
参考图12，分割是基于经由以下步骤分析单极性导数：
1.以候选注释时间索引176为中心的单极性信号导数174的50ms区段被认为是阈值线180上可以限定该区段的最大跨度。在图12中，跨度在线180的端点182和端点186之间。我们假设单极性信号下降斜率区段在该50ms的时间窗口内是有界限的。如果区段大于此，则其强制限定为此50ms间隔。
2.将导数区段幅值与恒定阈值进行比较。在本文所描述的实施方案中的阈值被假设为候选注释时间处的单极性导数值的20％。线180上低于该值的区段在图12中被标记为两个区段A和区段B。
3.下一步骤是计算区段边界，并单独对每个子区段处导数下的面积求和，其对应于将那些区段中的信号的绝对值求和。
4.区段合并——基于区段间隔及其面积，决定最终区段是否应包含主区段(A)或附加区段(B)。在一个实施方案中，为了使区段连接相邻端点必须彼此相差1ms或更小，并且附加区段(B)应该具有小于主区段的30％的面积，使得B的信号增量应为小于A的信号增量的30％。
然后，使用下面参考图13所描述的模糊函数将从上述步骤所确定的持续时间(本文中称为s2)指定给分数f(s2)。
图13是根据本发明的实施方案的单极性持续时间模糊函数的曲线图190。小于2ms的非常短的斜率不太可能源自真实激活；很长的激活可能是远场事件。另外，局部有效激活的单极性持续时间不能太短且不能太长。上述观察结果被封装在图13的模糊函数中，其提供分数f(s2)。函数点192、函数点194是：{2,0.5}.{19,0.5}，且斜率分别为0.5和-0.5。
3.单极性幅值
图14是根据本发明的实施方案的单极性幅值模糊函数的曲线图200。单极性幅值是所检测的活动区段(峰到峰)持续时间s2中的单极性信号(本文称为s3)的幅值。在一个实施方案中，模糊函数斜率与点202、点204相交：{0.1,0.5}，{0.42,1}。从模糊函数f(s3)导出的分数越高，信号的幅值越高。即，对于高分数和高幅值，信号源自局部激活的可能性越大，除非远场信号具有大幅值。
4.单极性持续时间对幅值比
图15是根据本发明的实施方案的单极性持续时间对幅值比模糊函数的曲线图210。单极性持续时间对幅值比排除高比值，因为活动越长并且幅值越小，这是错误的注释的可能性越大。在一个实施方案中，模糊函数线的方程是
f(s4)＝-0.0184·s4+1.283 (1)
其中s4是持续时间对幅值比，并且
f(s4)是指定给该比的分数。
5.双极性幅值
图16是根据本发明的实施方案的双极性幅值模糊函数的曲线图220。单极性活动区段(峰到峰)s2内的双极性幅值也用于对候选注释的可能性评分。值越高，这是真实激活的可能性越大。
模糊函数的方程是：
f(s5)＝25·s5,0≤s5≤0.04；f(s5)＝1,s5>0.04 (2)
其中s5是双极性幅值，并且
f(s5)是指定给幅值的分数。
在高斯和抗混叠滤波器低通后，基于基线拒绝双极性平滑信号计算幅值。
6.最终分数
如上所述，每个特征接收分数，并且分数一起用于生成全局分数。这个想法是，特征可以在注释的包括或排除中相互支持。在一个实施方案中，我们所使用的分数方法定义如下：
Figure BDA0001376732110000141
其中GS是全局分数。
GS的值应该通过特定的阈值，例如0.8，用于使注释被认为是有效的。
对于本领域技术人员显而易见的是，与上文中所列举的不同但具有相同结果的全局分数可用于本发明的实施方案中。此类全局分数可以包括个体分数的加权平均值和/或单个分数的点积的基本上任何组合。此类全局分数还可以包括基于模糊特征的子集的分数的组合。本发明的范围包括所有此类全局分数。
双极性幅值滤波
在一些实施方案中，算法的最后阶段被设计为向用户提供如果它们具有低双极性幅值则消除所检测的注释的能力。所需的幅值阈值由用户控制。双极性幅值滤波将超过后处理阶段的每个注释的双极性幅值与阈值进行比较。只有具有超过阈值的双极性幅值的注释被传递到系统。(如果用户希望跳过此阶段，她/他可以将阈值设置为零，从而消除了此阶段的规则。)
每个注释的双极性幅值通过测量以注释时间(最大单极性速度点)为中心的14ms窗口中的峰到峰幅值、去除基线、1KHz双极性信号来定义。在一个实施方案中，双极性幅值阈值的系统默认值被设置为30微伏。
该双极性幅值与模糊控制的双极性幅值(如上所述)不同，因为该双极性幅值是以固定的间隔确定的。模糊分类器使用单极性激活的动态区段，并因此在一些实施方案中，动态区段可以更有意义地作为分类器。此外，该分类器还用作二分用户控制阈值。
算法最终输出
通过模糊分数和双极性用户控制的双极性幅值的所有注释都被认为是处理器可以使用的有效注释。
在一个实施方案中，每个注释应具有以下特征：
1.注释时间索引
2.单极性导数值和双极性导数值
3.模糊分数
4.单极性检测的向下倾斜区段持续时间
5.该区段内的单极性幅值
6.该区段内的双极性幅值
7.用于用户控制的值的双极性幅值
另外可以提供跟踪文件，以包括
1.特征中的每个的具体模糊分数
2.单极性区段开始时间索引和结束时间索引
2.分类算法
图17是根据本发明的实施方案的分类算法的示意性框图。算法输入包括从波前注释算法最终输出(输出在上文列出)和感兴趣窗口(WOI)导出的ECG信号的注释数据。WOI可以是包括ECG信号的任何方便的时间区段，并且由算法用户选择，通常基于如心动过速类型和映射类型的此类因素。下面参考图18描述对该算法的附加输入。
波前注释是局部单极性信号斜率的绝对值最小的时间位置。
与每个波前注释相关联的数据包含LAT(局部激活时间)、局部单极性斜率和双极性斜率(dv/dt)以及分别对应于波前注释算法最终输出部分的项目1、项目2和项目3的范围0至1上的分数值。分数属性建立注释点是正确注释点的可能性。这些属性通常仅在使用波前算法所检测的电解剖激活中存在。
图17示出了分类算法在逻辑框230中应用如相应方框232和方框234所示的激活数量和激活之间的时间差。下面参考图18描述在逻辑框中执行的动作。
图18是示出根据本发明的实施方案的在逻辑框230中执行的分类算法的步骤的流程图。除了上述输入之外，图18中还示出了算法的附加输入。这些输入是：
1.最小需求的双极性幅值。每个注释点必须超过阈值(Bip-Th)才能被认为是枚举的有效点。
2.最小需求的可能性分数。每个注释点分数值必须超过阈值(Fuz-Th)值，以便被认为是枚举过程的有效点。每个映射室(心室/心房)的分数值可能不同。
3.用于复杂分类的最小需求的激活时间、最小间隔。当WOI中存在两个或更多个有效激活时，使用该值。如果最早到最新激活之间的时间间隔小于该阈值，则激活将被分类为单个事件，否则根据WOI内的激活数量将被分类为分开或多重。
虽然上述描述假设了最小间隔的一个值，但是本发明的实施方案包括为引起ECG信号的不同解剖区域选择不同的最小间隔值的选项。此外，WOI还可以动态地变化。而且，所分析的ECG信号可被限制为低于或高于特定双极性幅值的那些信号，或者被限制为具有混合幅值(高于一些值的至少一个以及低于一些其它值至少另一个)的那些信号。
在选择框240中，仅选择WOI内的注释，并且其中下列表达式为真：
Bip(n)>Bip-Th和Fuz(n)>Fuz-Th
所选择的注释在计数框242中被计数，以给出数字N，并且所选择的注释的组然后在四个比较244、比较246、比较248和比较250中被分类。
比较244检查是否N＝0，在这种情况下，在第一分类框252中将该组分类为无Lat。
比较246检查是否N＝1，在这种情况下，在第二分类框254中将该组分类为“单个”。如果比较246返回否定，则在计算方框260中进行最大LAT差值DT的进一步计算，并且如果在比较248中，DT<最小间隔，则将注释视为一个注释，并且该组在方框254中也被分类为单个。
如果比较248返回否定，则存在两个或更多个假设注释，并在比较252中将这些分类，比较252检查是否N>3。如果比较252返回肯定，则在第三分类框256中将该组分类为多重。如果比较252返回否定，则在N＝2或N＝3的情况下，在第四分类框258中将组分类为分开。
分类结果通常可以在显示屏上呈现给算法用户，诸如在下面图23的描述中涉及的显示屏450。
实施例
我们呈现单极性信号和双极性信号的以下若干实施例以及注释输入和WOI输入。每个实施例包括对预期复杂点分类的解释。虽然所描述的实施例具有两个单极性信号，即远端信号和近端信号，但是应当理解，本文所描述的算法仅需要一个单极性信号。
图19示出了根据本发明的实施方案的单个事件分类。该图示出了单独的远端单极性信号和近端单极性信号，其中标记有对分类算法的输入注释。矩形270标记算法操作的感兴趣窗口(WOI)。WOI以外的其它注释对分类无贡献。
远端电极和近端电极两者都在感兴趣区域中具有单个注释事件，因此引起电极中的每个的“单个事件”的分类。
图20示出了根据本发明的实施方案的注释时间对分类的影响。至于图19，矩形280标记算法操作的感兴趣窗口(WOI)。WOI以外的其它注释对分类无贡献。
远端注释具有两个连续事件，它们在时间上非常接近，并且在WOI中用两个点284标记，从而引起“单个事件”的分类。在这种情况下，通过流程图的流程是N＝1？否；计算最大LAT差值(DT)；DT<最小间隔？是。
近端注释点288进一步分隔开，从而引起“分开事件”的分类。在这种情况下，通过流程图的流程是N＝1？在比较246中为否；在方框260中计算最大LAT差值(DT)；DT<最小间隔？在比较248为否；N>3？在比较250中为否。
图21示出了根据本发明的实施方案的分开分类。对于该实施例，假设WOI覆盖所示的整个信号。在这种情况下，由于在最早活动和最新活动之间的时间差(对于每个单独的电极)长于流程图的“最小间隔”参数(图18)，所以这两个电极将被分类为分开。对分开的分类是因为远端电极中的注释数量为三个，且对于近端电极，注释数量分别地为两个。在这两种情况下，流程图都到达N>3？，并且在这两种情况下，少于4个注释的答案为否。
图22示出了根据本发明的实施方案的多重分类。至于图21，假设WOI覆盖了所示的整个信号。在这种情况下，由于注释数量大于3，并且由于最早活动和最新活动之间的时间差长于流程图的“最小间隔”参数，所以远端电极将被分类为“多重”。在这种情况下，近端电极将被分类为单个事件。
最终分类可以进一步基于连续搏动之间的一致性检查。当考虑WOI中的任何特定搏动时，可以使用先前的若干搏动(通常是一个或两个先前搏动)。每个先前的搏动单独地接收如前所述的相对于其WOI的其分类，而当前搏动的最终分类将基于多数投票，其中不同的分类可以被指定相对权重。例如，单个可能具有比多重更高的权重，多重又具有比分开更高的权重。在这种情况下，如果当前搏动被分类为分开，而先前的搏动被分类为单个，那么当前搏动的最终分类将不会是分开，而是单个。尽管这是最基本的一致性形式，但对本领域普通技术人员显而易见的附加一致性测量可以包括单极性信号或双极性信号的形态匹配或搏动之间的时间事件分析。所有此类一致性测量都包括在本发明的范围内。
图23是根据本发明的实施方案的使用设备400的侵入式医学规程的示意图。该规程由医疗专业人员402执行，并且以举例的方式，假设下文的说明中的规程包括从人类患者406的心脏404获取ECG信号。
为了获取信号，专业人员402将探头408插入已经预先定位在患者体腔中的护套410中。护套410被定位成使得探头的远端412在离开护套的远端414之后可进入患者的心脏并接触心脏的组织。
探头408可以包括任何类型的导管，其可被插入患者的心脏中，并且可以被跟踪，通常使用磁跟踪系统和/或阻抗测量系统。例如，探头408可以包括由加利福尼亚州钻石吧市(Diamond Bar,CA)的强生公司(Biosense Webster)生产的套索导管、轴状导管或pentaRay导管，或者与这些导管大致相似的导管。强生公司(Biosense Webster)还生产可用于本发明实施方案的磁跟踪系统和阻抗测量系统。
探头408包括至少两个电极411，其在执行本文所描述的算法时用于获取由处理器20所使用的ECG信号。
设备400由处理器20(图1)控制，并且处理器可以包括通常配置为现场可编程门阵列(FPGA)的实时噪声降低电路420，之后是模数(A/D)信号转换集成电路424。处理器可以将信号从A/D电路424传递到另一个处理器，并且可以被编程以执行本文所公开的算法。
处理器20位于设备的操作控制台430中。控制台430包括由专业人员402使用以与处理器进行通信的控制器432。在该规程期间，处理器20与模块组440中的ECG模块436进行通信，以便获取ECG信号以及执行本文所公开的算法。
ECG模块436从电极411接收ECG信号。在一个实施方案中，信号在模块436中通过低噪声前置放大器438并且经由带通滤波器440被传送到主放大器442。模块436还包括模数转换器(ADC)444，其将ECG信号的数字化值传送到处理器20，以由处理器实现本文所描述的算法。通常，处理器20控制前置放大器438、滤波器440、放大器442和ADC 444的操作。
因此，ECG模块436使得处理器20能够获取并分析由电极411接收的包括本文所提及的ECG信号的EP(电生理)信号。该信号通常作为实时更新的电压-时间图在显示屏450上呈现给专业人员402。
处理器20和模块组440的软件例如可以通过网络以电子形式下载到处理器。另选地或除此之外，软件可提供在非暂时性有形介质诸如光学、磁性或电子存储介质上。
为了操作设备12，模块组50通常包括除了上述ECG模块之外的模块，诸如允许处理器跟踪探头408的远端的一个或多个跟踪模块。为简明起见，图1未示出此类其它模块。所有模块可包括硬件以及软件元件。
除了呈现由电极411获取的ECG信号的显示屏450之外，本文所描述的算法的结果452也可以在显示屏上呈现给算法用户。
应当理解，上述实施方案以举例的方式引用，并且本发明并不限于上文具体示出与描述的内容。相反，本发明的范围包括上述各种特征的组合和子组合两者以及其变化形式和修改形式，本领域的技术人员在阅读上述说明时将会想到所述变化形式和修改形式，并且所述变化形式和修改形式并未在现有技术中公开。

Claims (12)

1.一种用于分类信号的方法，所述方法包括：
从人类受检者的心肌附近的一对电极接收双极性信号；
从所述一对电极中所选择的一个接收单极性信号；
描绘所述单极性信号和所述双极性信号的感兴趣窗口；
在所述感兴趣窗口内计算所述单极性信号的局部单极性最小导数，以及所述局部单极性最小导数的发生时间；
在所述感兴趣窗口内计算所述双极性信号在所述发生时间的双极性导数；
评估所述双极性导数对所述局部单极性最小导数的比；
计算所述发生时间的置信水平值；
当所述比大于预设的阈值比值并且所述发生时间的所述置信水平值大于预设的置信值时，将所述发生时间指定为所述心肌的激活时间；
对所述激活时间的数量进行计数；以及
根据所述数量对所述单极性信号进行分类。
2.根据权利要求1所述的方法，并且所述方法进一步包括当所述双极性导数小于预设的双极性导数阈值时，将所述发生时间指定为所述心肌的所述激活时间。
3.根据权利要求1所述的方法，并且所述方法进一步包括当所述局部单极性最小导数小于预设的单极性导数阈值时，将所述发生时间指定为所述心肌的所述激活时间。
4.根据权利要求1所述的方法，其中，对所述单极性信号进行分类包括为所述单极性信号定义多个预设分类。
5.根据权利要求4所述的方法，其中，所述多个包括其中所述数量为零的第一分类、其中所述数量为一的第二分类、其中所述数量为二或三的第三分类，以及其中所述数量大于三的第四分类。
6.根据权利要求1所述的方法，并且所述方法包括当对应的双极性信号的幅值大于预设的双极性信号阈值时，仅将给定发生时间指定为所述心肌的给定激活时间。
7.一种用于分类信号的设备，所述设备包括：
一对电极，所述一对电极配置成被放置在人类受检者的心肌附近；以及
处理器，所述处理器配置成：
从所述一对电极接收双极性信号，
从所述一对电极中所选择的一个接收单极性信号，
描绘所述单极性信号和所述双极性信号的感兴趣窗口，
在所述感兴趣窗口内计算所述单极性信号的局部单极性最小导数，以及所述局部单极性最小导数的发生时间，
在所述感兴趣窗口内计算所述双极性信号在所述发生时间的双极性导数，
评估所述双极性导数对所述局部单极性最小导数的比，
计算所述发生时间的置信水平值，
当所述比大于预设的阈值比值并且所述发生时间的所述置信水平值大于预设的置信值时，将所述发生时间指定为所述心肌的激活时间，
对所述激活时间的数量进行计数；以及
根据所述数量对所述单极性信号进行分类。
8.根据权利要求7所述的设备，并且所述设备进一步包括当所述双极性导数小于预设的双极性导数阈值时，将所述发生时间指定为所述心肌的所述激活时间。
9.根据权利要求7所述的设备，并且所述设备进一步包括当所述局部单极性最小导数小于预设的单极性导数阈值时，将所述发生时间指定为所述心肌的所述激活时间。
10.根据权利要求7所述的设备，其中，对所述单极性信号进行分类包括为所述单极性信号定义多个预设分类。
11.根据权利要求10所述的设备，其中，所述多个包括其中所述数量为零的第一分类、其中所述数量为一的第二分类、其中所述数量为二或三的第三分类，以及其中所述数量大于三的第四分类。
12.根据权利要求7所述的设备，并且所述设备包括当对应的双极性信号的幅值大于预设的双极性信号阈值时，仅将给定发生时间指定为所述心肌的给定激活时间。
CN201710685952.5A 2016-08-11 2017-08-11 分类ecg信号 Active CN107714025B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201662373465P 2016-08-11 2016-08-11
US62/373465 2016-08-11
US15/646393 2017-07-11
US15/646,393 US11058342B2 (en) 2016-08-11 2017-07-11 Classifying ECG signals

Publications (2)

Publication Number Publication Date
CN107714025A CN107714025A (zh) 2018-02-23
CN107714025B true CN107714025B (zh) 2022-06-07

Family

ID=59592893

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710685952.5A Active CN107714025B (zh) 2016-08-11 2017-08-11 分类ecg信号

Country Status (7)

Country Link
US (2) US11058342B2 (zh)
EP (1) EP3281580B1 (zh)
JP (1) JP7013167B2 (zh)
CN (1) CN107714025B (zh)
AU (1) AU2017208227A1 (zh)
CA (1) CA2974408A1 (zh)
IL (1) IL253758B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2573109B (en) * 2018-04-23 2022-09-14 Barts Health Nhs Trust Methods and systems useful in mapping heart rhythm abnormalities
WO2019209626A1 (en) * 2018-04-26 2019-10-31 St. Jude Medical, Cardiology Division, Inc. System and method for mapping arrhythmic driver sites
US11350867B2 (en) * 2018-04-27 2022-06-07 Duke University Small-scale time delay and single-shot conduction velocity analysis and mapping for cardiac electrophysiology
EP3923797B1 (en) * 2019-05-24 2023-11-01 St. Jude Medical, Cardiology Division, Inc. System and method for cardiac mapping
US11596341B2 (en) * 2019-06-20 2023-03-07 Boston Scientific Scimed, Inc. Systems and methods for identifying split activation histograms in cardiac mapping procedures
US20210169359A1 (en) * 2019-12-06 2021-06-10 Biosense Webster (Israel) Ltd. Intra-cardiac pattern matching
US11311226B2 (en) 2019-12-12 2022-04-26 Biosense Webster (Israel) Ltd. Detection of ventricular activity using unipolar and bipolar signals
US11684302B2 (en) * 2019-12-13 2023-06-27 Biosense Webster (Israel) Ltd. Automated graphical presentation of electrophysiological parameters
US11517218B2 (en) * 2019-12-20 2022-12-06 Biosense Webster (Israel) Ltd. Selective graphical presentation of electrophysiological parameters
US20220068479A1 (en) * 2020-08-26 2022-03-03 Biosense Webster (Israel) Ltd. Separating abnormal heart activities into different classes
US20230329617A1 (en) 2022-04-15 2023-10-19 Biosense Webster (Israel) Ltd. Neural network intracardiac egm annotation

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103549948A (zh) * 2012-04-23 2014-02-05 韦伯斯特生物官能(以色列)有限公司 心脏激动时间检测

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5222493A (en) * 1990-10-01 1993-06-29 Siemens Pacesetter, Inc. Verification of capture using an indifferent electrode mounted on the pacemaker connector top
US5231990A (en) * 1992-07-09 1993-08-03 Spacelabs, Medical, Inc. Application specific integrated circuit for physiological monitoring
US8050750B2 (en) 2009-01-27 2011-11-01 Medtronic, Inc. Event discrimination using unipolar and bipolar signal differences
EP2332462B1 (fr) * 2009-12-11 2016-04-06 Sorin CRM SAS Défibrillateur/cardioverteur implantable simple chambre avec détection de l'activité auriculaire par la sonde monocorps
US9050006B2 (en) 2011-05-02 2015-06-09 The Regents Of The University Of California System and method for reconstructing cardiac activation information
EP2526861A1 (en) 2011-05-23 2012-11-28 Maastricht University Non-invasive classification of atrial fibrillation by probabilistic interval analysis of a transesophageal electrocardiogram
US8700136B2 (en) * 2011-11-11 2014-04-15 Biosense Webster (Israel), Ltd. Accurate time annotation of intracardiac ECG signals
MX2015011697A (es) * 2013-03-15 2016-07-14 Univ California Sistema y metodo para reconstruir informacion de activacion cardiaca.
JP6408563B2 (ja) * 2013-05-07 2018-10-17 セント・ジュード・メディカル・エイトリアル・フィブリレーション・ディヴィジョン・インコーポレーテッド 心臓伝導状態を特徴付けるための電極の空間的配置の利用
US9554718B2 (en) * 2014-01-29 2017-01-31 Biosense Webster (Israel) Ltd. Double bipolar configuration for atrial fibrillation annotation
US9380953B2 (en) * 2014-01-29 2016-07-05 Biosense Webster (Israel) Ltd. Hybrid bipolar/unipolar detection of activation wavefront
US20150245782A1 (en) * 2014-02-28 2015-09-03 Covidien Lp Systems and methods for capacitance sensing in medical devices
US10721178B2 (en) * 2016-01-22 2020-07-21 Medtronic, Inc. Systems, apparatus and methods facilitating data buffering and removal

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103549948A (zh) * 2012-04-23 2014-02-05 韦伯斯特生物官能(以色列)有限公司 心脏激动时间检测

Also Published As

Publication number Publication date
JP7013167B2 (ja) 2022-01-31
US11690556B2 (en) 2023-07-04
EP3281580A1 (en) 2018-02-14
JP2018023788A (ja) 2018-02-15
CN107714025A (zh) 2018-02-23
US11058342B2 (en) 2021-07-13
CA2974408A1 (en) 2018-02-11
EP3281580B1 (en) 2021-03-03
AU2017208227A1 (en) 2018-03-01
IL253758B (en) 2021-12-01
US20180042505A1 (en) 2018-02-15
US20210338131A1 (en) 2021-11-04
IL253758A0 (en) 2017-09-28

Similar Documents

Publication Publication Date Title
CN107714025B (zh) 分类ecg信号
CN107714031B (zh) 波前的注释
JP6675467B2 (ja) 活性化波面のバイポーラ／ユニポーラハイブリッド検出のための装置
CN109561841B (zh) 用于测量心肌缺血、狭窄识别、定位和血流储备分数估计的非侵入式方法和系统
JP2015139706A5 (zh)
EP3281579B1 (en) Identifying ecg signals having the same morphology
Bayasi et al. Adaptive technique for P and T wave delineation in electrocardiogram signals
EP3831304B1 (en) Intra-cardiac pattern matching
US11596341B2 (en) Systems and methods for identifying split activation histograms in cardiac mapping procedures
JP6468986B2 (ja) ノイズ判定装置、方法、およびプログラム
US20190374123A1 (en) Predicting atrial fibrillation or stroke using p-wave analysis
Gharaviri et al. Ischemia detection via ECG using ANFIS
WO2020242334A1 (en) System and method of automated electrocardiogram analysis and interpretation
Last et al. Combination of multi-component and single-component based electrocardiogram beat detection algorithms

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant