CN107979986A - 用于产生指示心脏功能失常的信息的方法和装置 - Google Patents
用于产生指示心脏功能失常的信息的方法和装置 Download PDFInfo
- Publication number
- CN107979986A CN107979986A CN201680014341.1A CN201680014341A CN107979986A CN 107979986 A CN107979986 A CN 107979986A CN 201680014341 A CN201680014341 A CN 201680014341A CN 107979986 A CN107979986 A CN 107979986A
- Authority
- CN
- China
- Prior art keywords
- signal analysis
- signal
- index
- processing system
- index amount
- 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.)
- Granted
Links
- 230000004217 heart function Effects 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims description 34
- 238000004458 analytical method Methods 0.000 claims abstract description 181
- 238000012545 processing Methods 0.000 claims abstract description 50
- 238000001228 spectrum Methods 0.000 claims abstract description 32
- 230000033001 locomotion Effects 0.000 claims abstract description 22
- 230000004044 response Effects 0.000 claims abstract description 12
- 238000005259 measurement Methods 0.000 claims description 37
- 230000001133 acceleration Effects 0.000 claims description 26
- 210000002837 heart atrium Anatomy 0.000 claims description 21
- 230000003068 static effect Effects 0.000 claims description 19
- 238000010801 machine learning Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 13
- 230000003595 spectral effect Effects 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 4
- 230000007257 malfunction Effects 0.000 claims description 4
- 230000002526 effect on cardiovascular system Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 206010061592 cardiac fibrillation Diseases 0.000 claims description 2
- 230000002600 fibrillogenic effect Effects 0.000 claims description 2
- 206010003658 Atrial Fibrillation Diseases 0.000 abstract description 16
- 210000004369 blood Anatomy 0.000 description 15
- 239000008280 blood Substances 0.000 description 15
- 230000008602 contraction Effects 0.000 description 12
- 210000005241 right ventricle Anatomy 0.000 description 11
- 210000005240 left ventricle Anatomy 0.000 description 10
- 210000000591 tricuspid valve Anatomy 0.000 description 8
- 210000004165 myocardium Anatomy 0.000 description 7
- 230000002861 ventricular Effects 0.000 description 7
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 6
- 238000000605 extraction Methods 0.000 description 6
- 239000001301 oxygen Substances 0.000 description 6
- 229910052760 oxygen Inorganic materials 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 210000000709 aorta Anatomy 0.000 description 5
- 230000001746 atrial effect Effects 0.000 description 5
- 210000000038 chest Anatomy 0.000 description 5
- 210000004115 mitral valve Anatomy 0.000 description 5
- 210000003102 pulmonary valve Anatomy 0.000 description 5
- 230000002999 depolarising effect Effects 0.000 description 4
- 230000005611 electricity Effects 0.000 description 4
- 239000012528 membrane Substances 0.000 description 4
- 210000003540 papillary muscle Anatomy 0.000 description 4
- 210000001147 pulmonary artery Anatomy 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000017531 blood circulation Effects 0.000 description 3
- 230000000747 cardiac effect Effects 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 125000002015 acyclic group Chemical group 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 210000004375 bundle of his Anatomy 0.000 description 2
- 210000000748 cardiovascular system Anatomy 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009177 electrical depolarization Effects 0.000 description 2
- 238000012880 independent component analysis Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 210000005246 left atrium Anatomy 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000003387 muscular Effects 0.000 description 2
- 230000002336 repolarization Effects 0.000 description 2
- 210000005245 right atrium Anatomy 0.000 description 2
- 210000001013 sinoatrial node Anatomy 0.000 description 2
- 235000011464 Pachycereus pringlei Nutrition 0.000 description 1
- 240000006939 Pachycereus weberi Species 0.000 description 1
- 235000011466 Pachycereus weberi Nutrition 0.000 description 1
- 235000008331 Pinus X rigitaeda Nutrition 0.000 description 1
- 235000011613 Pinus brutia Nutrition 0.000 description 1
- 241000018646 Pinus brutia Species 0.000 description 1
- 230000004872 arterial blood pressure Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000009084 cardiovascular function Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 210000004351 coronary vessel Anatomy 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 210000005003 heart tissue Anatomy 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 210000000663 muscle cell Anatomy 0.000 description 1
- 230000002107 myocardial effect Effects 0.000 description 1
- 210000002445 nipple Anatomy 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 210000003492 pulmonary vein Anatomy 0.000 description 1
- 239000000700 radioactive tracer Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000010992 reflux Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
- 210000002620 vena cava superior Anatomy 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1102—Ballistocardiography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02405—Determining heart rate variability
-
- 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
- A61B5/30—Input circuits therefor
-
- 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
-
- 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
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6813—Specially adapted to be attached to a specific body part
- A61B5/6823—Trunk, e.g., chest, back, abdomen, hip
-
- 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
- A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
-
- 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
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
-
- 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
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- 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
- A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
-
- 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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Fuzzy Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Electrotherapy Devices (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
一种用于产生指示例如心房纤颤的心脏功能失常的信息的装置,包括:处理系统(502),用于处理由传感器系统(503)响应于包括心血管运动的运动而产生的分析信号。处理系统被配置为形成:第一指标量,其指示分析信号的自相关与分析信号样本之间的零时间差相对应的点的集中程度,分析信号样本的互相关由自相关表示;以及第二指标量,其指示分析信号的谱熵。处理系统被配置为基于至少第一指标量和第二指标量来确定心脏功能失常的指标。
Description
技术领域
本公开总体上涉及产生指示诸如心房纤颤的心脏功能失常的信息。更具体地,本公开涉及用于产生指示心脏功能失常的信息的装置和方法。此外,本公开涉及用于产生指示心脏功能失常的信息的计算机程序。
背景技术
可能在心血管系统中发生的功能失常和异常如果没有被诊断和适当治疗或补救,则可能逐渐降低心血管系统供应特别是足够的氧气以满足个体遭受压力时的冠状动脉氧气需求的能力。目前,诸如基于与心脏活动有关的电磁现象的心动图、超声心动图、和基于心血管运动的心动图等方法被用于识别和评估各种心脏功能失常和异常。基于与心脏活动有关的电磁现象的心动图的一个众所周知的示例是心电图“ECG”,基于心血管运动的心动图的示例是心冲击描计图“BCG”和心震图“SCG”。超声心动图提供了心脏部分的图像,可以提供有关心脏结构和功能的全面信息,但需要昂贵的设备和专业的操作人员。ECG提供了心脏的相当快速的电学评估,但不提供任何与收缩力有关的信息。基于心血管运动的心动图涉及测量指示心血管运动的信号。此前,当个体躺在设置有用于测量运动的装置、或者存在穿过腿的胫部区域的促进装置的床上时,获得信号。目前,可以使用例如加速度计的小的传感器元件来获得信号,其适合于测量表示心脏运动的微小运动。用于基于心血管运动的心动图的传感器也可以是配置成获得指示个体胸部的旋转运动的信号的陀螺仪。信号处理装置被配置为从信号生成指示个体的心脏操作的指标数据。陀螺仪的操作不受重力的影响。因此,测量实际上与受监测个体的位置或姿势无关。已经注意到,胸部的外部角运动的大小的数量级大于可以仅仅从心脏旋转和心脏的尺寸与人体胸部的直径之间的比率的程度预测的。还注意到角运动的检测对传感器相对于心脏的位置也是相对不敏感的。因此,使用附接到要考虑的个体的胸部的即使一个陀螺仪,例如微机电陀螺仪,也可以进行相对精确的测量。微机电陀螺仪是精确的、尺寸小且市售。
图1a和1b示出节律电功能与相关心血管运动之间的关系。图1a示出了ECG波形的示例,图1b示出了例示心血管运动并且使用加速度计在通常被称为y方向的“头到脚”方向中测量的示例信号的波形。为了说明的目的,下面提供对基本心脏功能的简要说明。
心脏包括四个房室。右心房通过三尖瓣与右心室互连,左心房通过二尖瓣与左心室互连。血液从身体的上半部分经由上腔静脉,且从身体的下半部分经由下腔静脉,输送到右心房。通过右心房心肌和右心室乳头肌的并发收缩来打开三尖瓣,从而允许血液从右心房流入右心室。然后当乳头肌松弛时,三尖瓣关闭。当右心室的心肌收缩时,迫使血液从右心室通过肺动脉瓣进入肺动脉,肺动脉将血液输送到其中其被氧合的肺中。然后将氧合的血液经由肺静脉输送到左心房。当二尖瓣通过左心房心肌和左心室乳头肌的同时收缩打开从而允许血液从左心房流入左心室时,氧合的血液从左心房流入左心室。然后当乳头肌松弛时,二尖瓣关闭。然后,将氧合血液从左心室通过主动脉瓣压迫进入主动脉,主动脉将氧合血液输送给外周血管系统。
每个心跳期包括三个主要阶段:心房收缩、心室收缩和心脏舒张。心房收缩是包围右心房和左心房的心脏肌肉的收缩期。两个心房与乳头肌收缩同时收缩,从而迫使三尖瓣和二尖瓣打开。刺激心脏的房室的肌肉组织使其收缩的电活动——即,电收缩——开始于位于右心房的窦房结。传导电去极化继续以波浪向下、向左行进,通过两个心房依次去极化每个心房肌细胞。电荷的传播可以看作是图1a所示的ECG波形上的P波。这紧随其后的是被检测为对应于图1b所示的波形的h峰和对应于与图1b所示的波形的i谷对应的反冲的冲击的心房的机械收缩。当右心房和左心房开始收缩时,血液高速流入右心室和左心室,由图1b所示波形上的j峰表示。当三尖瓣开始闭合时,持续的心房收缩导致血液进入右心室和左心室的附加的较低速度的流动。附加的血液流被称为“心房驱血”,其对应于图1b所示波形中的“a-a1”波复合体。在心房清空后,三尖瓣和二尖瓣关闭,从而在图1b所示的波形上产生向下的g波。心室收缩是左心室和右心室肌肉的收缩,并且由心室心肌的电去极化引起,导致图1a所示的ECG波形中的“Q-R-S”波复合体。向下的Q波是由沿着称为“希斯氏束(bundle ofHis)”的专门的一组细胞通过隔膜的去极化的向下流动引起的。R峰由心室肌组织的去极化引起,S波通过心房和心室之间心脏组织的去极化产生。随着去极化在隔膜和整个心室心肌中行进,心房和窦房结开始极化。三尖瓣和二尖瓣的闭合标志着心室收缩的开始,并引起由心脏跳动产生的“扑通”声音的第一部分。这种声音通常被称为“第一心音”。当心室心肌电极去极化峰值时,分离右心室和左心室收缩的房室“AV”隔膜产生冲击,这对应于图1b所示波形上的H峰值,以及对应于图1b所示波形上的I谷的反冲。心室收缩迫使血液以非常高的速度从右心室通过肺动脉瓣进入肺动脉并通过主动脉瓣从左心室进入主动脉,从而引起在图1b所示的波形上的J峰。从左心室到主动脉的血流减速会导致图1b所示波形上的向下K波。当左心室清空时,其压力落到低于主动脉压力,主动脉瓣闭合。类似地,当右心室的压力落到低于肺动脉压力时,肺动脉瓣关闭。通常称为“第二心音”的“扑通”声音的第二部分是由于心室收缩末期的肺动脉瓣和主动脉瓣的闭合导致的,从而导致如图1b所示的波形中的向上L波。同时伴随肺动脉瓣和主动脉瓣闭合,房室“AV”隔膜松弛并向上移动,心室心肌被重新极化,导致图1a所示ECG波形上的T波。包括心房舒张期和心室舒张期的心脏舒张是心脏在收缩后松弛并准备用循环血液重新填充的时期。心房舒张期是左右心房放松时,心室舒张期是右心室和左心室放松时。在心房舒张期期间,右心房由脱氧血液重新填充,而左心房由氧合血重新填充。心房的重新填充导致舒张期早期的图1b所示波形上的向下M波,这与希斯氏细胞束的重新极化相一致,其被示出为ECG波形中的U波。当右心房和左心房被填充至其最大容量时,血液对三尖瓣和二尖瓣的回流在图1b所示的波形上产生向上的N波。
出版物WO2012149652描述了一种通过记录心前加速度信号来评估受试者的心脏收缩力的方法。
出版物US2008194975描述了一种用于监测个体的生理状况并检测其中的异常的方法。该方法包括同时接收作为ECG信号的第一信号和指示心血管运动的第二信号。
通常由合格的诊断者视觉地执行指示心血管运动的波形分析,以将心血管功能失常从正常情况中区分开。然而,在许多情况下,通过视觉分析发现诸如例如心房纤颤的某些心脏功能失常可能是具有挑战的。因此,需要用于产生指示心脏功能失常的信息的方法和装置。
发明内容
以下呈现简化的概述,以便提供对各种发明实施例的一些方面的基本理解。发明内容不是对本发明的广泛概述。它既不旨在识别本发明的关键或紧要元素也不旨在描绘本发明的范围。以下概述仅以简化形式呈现了本发明的一些概念,作为本发明的示例性实施例的更详细描述的前序。
根据本发明,提供了一种用于产生指示例如心房纤颤的心脏功能失常的信息的新方法。根据本发明的方法包括:
-形成第一指标量,其指示所述分析信号的所述自相关的到与其互相关由自相关表示的分析信号样本之间的零时间差相对应的点的集中程度,
-形成第二指标量,其指示所述分析信号的谱熵,以及
-基于至少所述第一指标量和所述第二指标量来确定心脏功能失常的指标。
上述分析信号是由响应于包括心血管运动的运动的传感器系统产生的信号。传感器系统包括加速度计、陀螺仪、和/或包括加速度计和陀螺仪这两者的惯性测量单元“IMU”。
作为一般概念,自相关具有这样的性质:当所考虑的信号的波形的不规则性增加时,自相关越来越集中于与其互相关由自相关表示的信号样本之间的零时间差相对应的点。上述分析信号的自相关R可以例如如下定义:
R(τ)=E{(S(t)–μ)×(S(t–τ)–μ)}/σ2, (1)
其中,E是期望值运算符,S述分析信号,t是时间,τ是其互相关由Re(τ)表示的两个分析信号样本之间的时间差,μ是所述分析信号的平均即算术平均,且σ2是分析信号的方差。例如,如果分析信号是完全非周期性的,例如具有极端不规则波形的理想白噪声“IWN”,则在由非零时间差分离的任何分析信号样本之间将存在零相关,因此自相关R(τ)的分析信号将仅是在点τ=0处的单个峰。
形成指示自相关集中程度的上述第一指标量可以基于计算分析信号的自相关的估计或分析信号的频谱的估计。频谱与自相关密切相关,因为功率谱密度“PSD”是自相关的傅里叶变换,且PSD~F(f)×F*(f),其中F(f)和F*(f)是频谱及其复共轭。作为一般概念,频谱具有如下性质:当所考虑的信号的波形的不规则性增加时,频谱越来越均匀地分布。例如,如果分析信号是完全非周期性的,如理想的白噪声,则分析信号的频谱将是完全平坦的。频谱的这种性质可以用于获得指示自相关集中程度的第一指标量。
作为一般概念,谱熵具有当所考虑的信号的波形的不规则性增加时谱熵增加、从而所考虑的信号的功率谱密度变得更平坦的性质。因此,谱熵表示所考虑的信号的功率谱密度的平坦度。上述分析信号的谱熵SE可以例如如下定义:
其中f是频率,PSDn(f)是分析信号的功率谱密度除以分析信号的功率的归一化的功率谱密度,B是分析信号的频带。例如,如果分析信号是纯正弦曲线,则归一化的功率谱密度将具有在正弦曲线的f=频率处以及在正弦曲线的f=-频率处f=频率处具有高度2-1的峰。在这个示例性情况下,上述定义的谱熵SE为1。对于另一示例,如果分析信号是完全非周期性的,例如理想的白噪声,则分析信号的功率谱密度将是完全平坦的。在这种情况下,我们可以假设在离散傅里叶变换例如快速傅立叶变换“FFT”中有2N个频点,其中N是整数。在这个示例性情况下,归一化的功率谱密度在2N个频点的每一个处具有值2-N,并且上述定义的谱熵SE是N。
可能有时候对诊断带来挑战的例如心房纤颤的心脏功能失常可能或多或少导致上述分析信号的波形上的不规则。这些不规则性可能难以从一个或两个心跳时段的波形中检测到,但是它们在覆盖几个连续的心跳时段更长的时段内显示出来,使得自相关比正常更集中在对应于零时间差的点上并且使得谱熵具有比正常更高的值。因此,指示分析信号的不规则度的上述第一和第二指标量表示指示例如心房纤颤的心脏功能失常的信息。
根据本发明,还提供了一种用于产生指示心脏功能失常的信息的新装置。根据本发明的装置包括用于处理由传感器系统响应于包括心血管运动的运动产生的分析信号的处理系统。处理系统被配置为:
-形成第一指标量,其指示分析信号的自相关的到与其互相关由自相关表示的分析信号样本之间的零时间差相对应的点的集中程度,
-形成第二指标量,其指示分析信号的谱熵,以及
-基于至少所述第一指标量和所述第二指标量来确定心脏功能失常的指标。
所述装置还可以包括所述上述传感器系统以用于处理分析信号。然而,强调该装置不必包括任何传感器系统,而是该装置可以包括用于连接到外部传感器系统的信号接口。包括传感器系统的传感器元件还可以包括用于检测由传感器系统测量的个体是否处于静止并且用于从传感器系统的输出信号提取分析信号的处理器,使得分析信号对应于个体处于静止。配置成确定心脏不良指标的处理系统也可以被配置为从传感器系统的输出信号检测个体处于静止的时段,并从传感器系统的输出信号中提取分析信号,使得分析信号对应于个体处于静止的情况。
根据本发明,也提供了一种新的计算机程序,该计算机程序用于基于上述分析信号产生指示心脏功能失常的信息。计算机程序包括用于控制可编程处理系统的计算机可执行指令,以:
-形成第一指标量,其指示所述分析信号的自相关的到与其互相关由自相关表示的分析信号样本之间的零时间差相对应的点的集中程度,
-形成第二指标量,其指示所述分析信号的谱熵,以及
-基于至少所述第一指标量和所述第二指标量来确定心脏功能失常的指标。
根据本发明,也提供了一种新的计算机产品。计算机产品包括编码有根据本发明的计算机程序的非易失性计算机可读介质,例如,光盘“CD”。
在附带的从属权利要求中描述了本发明的许多示例性和非限制性实施例。
从结合附图阅读的具体示例性实施例的以下描述中,将最好地理解本发明的关于结构和操作方法的各种示例性和非限制性实施例、及其附加目的和优点。
在本文档中使用动词“包含(to comprise)”和“包括(to include)”作为开放性限制,既不排除也不需要存在未引用的特征。伴随的从属权利要求中记载的特征是相互可自由组合的,除非另有明确说明。此外,应当理解,贯穿本文档使用“一”或“一个”——即单数形式——不排除复数。
附图说明
下面将参考附图更详细地解释本发明的示例性和非限制性实施例及其优点,其中:
图1a示出了心电图“ECG”波形的示例,图1b示出了指示心血管运动的示例性信号的波形,
图2示出了根据本发明的示例性和非限制性实施例的用于产生指示心脏功能失常的信息的方法的流程图,
图3a示出了当所考虑的个体处于静止时在正常情况下响应于运动的传感器系统测量的示例性分析信号的波形,
图3b示出了图3a所示的示例性分析信号的自相关性,
图4a示出了当所考虑的个体处于静止时在心房纤颤的情况下响应于运动的传感器系统测量的示例性分析信号的波形,
图4b示出了图4a所示的示例性分析信号的自相关性,以及
图5示出了根据本发明的示例性和非限制性实施例的用于产生指示心脏功能失常的信息的装置的示意图。
当描述本发明的背景时,已经说明了图1a和1b。
具体实施方式
在下面的描述中提供的具体示例不应被解释为限制所附权利要求的范围和/或适用性。除非另有明确说明,本说明书中提供的列表和示例组并不是穷尽的。
图2示出了根据本发明的示例性和非限制性实施例的用于产生指示诸如心房纤颤的心脏功能失常的信息的方法的流程图。该方法包括以下动作:
-动作201:形成第一指标量,其指示分析信号的自相关的到与其互相关由自相关表示的分析信号样本之间的零时间差相对应的点的集中程度,
-动作202:形成第二指标量,其指示分析信号的谱熵,
-动作203:基于至少第一指标量和第二指标量来确定心脏功能失常的指标。
上述分析信号是由响应于包括心血管运动的运动的传感器系统产生的信号。分析信号有利地对应于所考虑的个体处于静止的情形。传感器系统可以包括例如加速度计、陀螺仪和/或包括加速度计和陀螺仪这两者的惯性测量单元“IMU”。传感器系统可以是例如微机电系统“MEMS”。分析信号的时距可以例如但必须地是五到十秒。
根据本发明的示例性和非限制性实施例的方法包括:从传感器系统的输出信号检测个体静止的时段,并从传感器系统的输出信号中提取分析信号,使得分析信号对应于个体处于静止的情况。
当上述第一指标量超过第一阈值并且上述第二指标量超过第二阈值时,可以认为存在例如心房纤颤的心脏功能失常。第一和第二阈值可以基于从一组患者和/或其他人收集的经验数据来确定。第一和第二阈值不必须是常数,而是这些阈值中的一个或这两者均可以根据所考虑的个体、根据时间、和/或根据某些其他因素而改变。还可以构建每个均由一个第一阈值和一个第二阈值构成的一系列阈值对,使得每个阈值对表示心房纤颤或一些其他心脏功能失常和/或异常的特定概率。
为了提高可靠性,可以针对作为传感器系统的输出信号的相互不同的时间部分且当个体处于静止时有利地测量的两个或更多个分析信号中的每一个来确定第一和第二指标量。可以基于针对两个或更多个分析信号确定的第一和第二指标量来确定心脏功能失常的指标。
为了进一步提高可靠性,可以从传感器系统的不同测量装置接收上述两个或更多个分析信号中的不同的分析信号。例如,可以从加速度计接收分析信号中的一个或更多个,并且可以从陀螺仪接收分析信号中的一个或更多个。
图3a示出了在所考虑的个体处于静止时的示例性正常情况下的几个心跳时段的分析信号的示例性波形。图4a示出了当所考虑的个体处于静止状态时在心房纤颤的示例性情况下在几个心跳时段期间的分析信号的示例性波形。利用加速度计在通常被称为z方向的“通过胸部”方向上测量图3a和4a中所示的波形。图5所示的笛卡尔坐标系599示出了z方向。
图3b示出了图3a所示的示例性分析信号的自相关,图4b示出了图4a所示的示例性分析信号的自相关。在图3b和4b中,时间差是其互相关由自相关表示的分析信号样本之间的时间差。在本文前面介绍的方程(1)中,τ代表时间差。在自相关根据等式(1)定义的示例性情况下,自相关是在零时间差处的自相关,因为R(τ=0)=E{(S(t)–μ)2}/σ2=1。
从图3b和4b可以看出,与正常情况相比,在心房纤颤的情况下,在对应于零时间差——即τ=0的点,自相关性显著地更集中。从图3a和图4a可以看出,与正常情况相关的波形相比,与心房纤颤相关的波形更非周期。因此,在心房纤颤的情况下,分析信号的谱熵比正常情况下更高。
有很多种方法形成指示在对应于零时间差τ=0的点的自相关集中程度的上述第一指标量。相应地,有很多种方法形成指示分析信号的谱熵的上述第二指标量。形成第一和第二指标量的示例性方法如下。
根据本发明的示例性和非限制性实施例的方法包括根据以下等式来计算分析信号的自相关的估计Re,以形成第一指标量:
Re(τ)={(S(t)–μ)×(S(t–τ)–μ)}/σ2的平均,
其中随时间t计算平均,S是分析信号,τ是其互相关由Re(τ)表示的两个分析信号样本之间的时间差,μ是分析信号的平均,且σ2是分析信号的方差。可以基于Re(τ=0)和与Re(τ)的绝对值的平均相关的值来形成第一指标量。第一指标量可以是例如:
或
或
其中随τ计算平均,且“abs”指绝对值。
在许多情况下,还可以基于针对分析信号的连续时间段计算的自相关估计的峰或基于针对分析信号的连续时间段计算的功率谱密度估计的峰,来确定分析信号的连续时间段的心跳速率“HR”,然后基于针对分析信号的连续时间段确定的心跳速率“HR”来确定心跳速率变化“HRV”。此外,心跳速率变化“HRV”是指示分析信号的波形不规则性的量,即,指示分析信号的与零时间差τ=0相对应的点的自相关程度的集中程度的量。因此,也可以使用心跳速率变化“HRV”或其导数作为上述第一指标量。
根据本发明的示例性和非限制性实施例的方法包括:基于分析信号的波形,例如通过搜索分析信号的峰来确定连续心跳间隔的时间长度。以与上述心跳速率变化“HRV”是指示分析信号的波形不规则性的量相同的方式,连续心跳间隔的时间长度的变化是指示分析信号的波形的不规则性的量。因此,连续心跳间隔的时间长度的变化指示分析信号的与零时间差τ=0相对应的点的自相关的集中程度。因此,时间长度的变化的连续心跳间隔或其导数可以用作上述第一指标量。
然而,在许多情况下,基于分析信号的波形来确定连续心跳间隔的时间长度可能是具有挑战的。这通常是在当分析信号的例如信噪比“SNR”的质量较低的情况下。在这种情况下,例如,以正确的方式从分析信号中检测峰可以是具有挑战的。例如当分析信号由心震图“SCG”信号和/或陀螺心动图“GCG”信号构成时,信号质量可以很低。
在根据本发明的示例性和非限制性实施例的方法中,分析信号包括两个或更多个同时测量的信号分量,使得信号分量对应于不同的测量方向。例如,分析信号可以包括六个信号分量S1、S2、S3、S4、S5和S6,使得:
-S1是在x方向测量的线加速度,
-S2是在y方向测量的线加速度,
-S3是在z方向测量的线加速度,
-S4是围绕x轴测量的旋转加速度——即陀螺的加速度,
-S5是围绕y轴测量的旋转加速度,
-S6是围绕z轴测量的旋转加速度。
图5所示的坐标系599示出了x、y和z方向。
在该示例性情况下,用于测量分析信号的传感器系统可以包括单个六轴传感器,或者传感器系统可以包括三个加速度计和三个陀螺仪。在根据本发明的该示例性和非限制性实施例的方法中,通过从由两个或更多个信号分量指示的候选时间长度中选择最接近前一心跳时段的时间长度的特定候选时间长度,来形成每个心跳间隔的时间长度的估计,使得所选候选时间长度与前一心跳间隔的时间长度之间的差的绝对值尽可能小。例如,如果心跳时段n的时间长度为T(n),并且如果对于心跳时段n+1,从由信号分量S1、S2、...Sk、...指示的候选时间长度T1(n+1)、T2(n+1)、...、Tk(n+1)...中,候选时间长度Tk(n+1)最接近时间长度T(n),则心跳时段n+1的时间长度被选为是候选时间长度Tk(n+1)。用于确定心跳时段的时间长度的这种方法是基于当考虑到连续心跳时段时,时间长度的快速变化是指时间长度的确定中的误差。
根据本发明的示例性和非限制性实施例的方法包括根据以下等式来计算分析信号的谱熵的估计SEe,以形成第二指标量:
SEe={-PSDn(f)log2[PSDn(f)]}的平均,
其中PSDn(f)是归一化的功率谱密度,其是分析信号的功率谱密度除以分析信号的功率,且f是频率。随从-fs/2到fs/2的频率f计算平均,其中fs是采样率。计算的估计SEe或其合适的导数可以用作第二指标量。
根据本发明的示例性和非限制性实施例的方法包括可选地从个体身体利用传感器元件测量分析信号。根据本发明的另一示例性和非限制性实施例的方法包括从存储器读取分析信号,在这种情况下分析信号之前已被测量并被记录到存储器中。根据本发明的示例性和非限制性实施例的方法包括从外部数据传送系统接收分析信号。因此,测量不是根据本发明的许多实施例的方法的基本和必要的步骤,而是将分析信号或传感器系统的输出信号理解为该方法的输入量。
根据本发明的示例性和非限制性实施例的计算机程序包括用于控制可编程处理系统以执行与根据本发明的上述示例性实施例中的任一个的方法相关的动作的计算机可执行指令。
根据本发明的示例性和非限制性实施例的计算机程序包括用于基于上述分析信号产生指示诸如心房纤颤的心脏功能失常的信息的软件模块。软件模块包括计算机可执行指令,用于控制可编程处理系统:
-形成第一指标量,其指示分析信号的自相关的到与其互相关由自相关表示的分析信号样本之间的零时间差相对应的点的集中程度,
-形成第二指标量,其指示分析信号的谱熵,以及
-基于至少第一指标量和第二指标量来确定心脏功能失常的指标。
软件模块可以是例如利用合适的编程语言和适用于所考虑的编程语言和适用于可编程处理系统的编译器实现的子程序或功能。值得注意的是,与适合的编程语言相对应的源代码也表示计算机可执行软件模块,因为源代码包含控制可编程处理系统执行上述动作所需的信息且编译仅改变信息的格式。此外,可编程处理系统还可以设置有解释器,使得利用适当的编程语言实现的源代码在运行之前不需要编译。
根据本发明的示例性和非限制性实施例的计算机程序产品包括计算机可读介质,例如,根据本发明的实施例的用计算机程序编码的光盘(“CD”)。
根据本发明的示例性和非限制性实施例的信号被编码为携带定义根据本发明的实施例的计算机程序的信息。
图5示出了根据本发明的示例性和非限制性实施例的用于产生指示例如心房纤颤的心脏功能失常的信息的装置500的示意图。该装置包括处理系统502,用于处理响应于包括心血管运动的运动由传感器系统产生的分析信号。处理系统502被配置为:
-形成第一指标量,其指示分析信号的自相关的到与其互相关由自相关表示的分析信号样本之间的零时间差相对应的点的集中程度,
-形成第二指标量,其指示分析信号的谱熵,以及
-基于至少第一指标量和第二指标量来确定心脏功能失常的指标。
在图5所示的示例性情况下,该装置包括用于从数据传送网络505接收分析信号的无线电接收机501。分析信号由传感器元件503产生,该传感器元件503包括用于测量分析信号的上述传感器系统和用于将分析信号发送到数据传送网络505的无线电发射机。数据传送网络505可以是例如电信网络。还有可能存在从传感器元件503到装置500的直接无线电链路或直接有线链路。此外,还可能存在直接地或经由数据传送网络505地从装置500到传感器元件503的无线电链路或有线链路,以使得装置能够控制传感器元件503的操作。整个装置也可以集成到传感器元件503中。
在根据本发明的示例性和非限制性实施例的装置中,处理系统502被配置为从传感器系统的输出信号检测被测量的个体507处于静止的时段并且从传感器系统的输出信号提取分析信号,使得分析信号对应于个体507处于静止的情况。传感器元件503还可以包括用于检测个体507是否处于静止并且用于从传感器系统的输出信号提取分析信号的处理器。
用于产生分析信号的传感器系统可以包括加速度计、陀螺仪和/或包括加速度计和陀螺仪这两者的惯性测量单元“IMU”。除了传感器系统之外,传感器元件503还可以包括例如放大器、信号滤波器、模数数字“AD”转换器和/或上述用于检测个体507是否处于静止的处理器。加速度计可以是例如三轴加速度计,其能够在例如图5所示的坐标系599的三个相互正交的方向x、y和z上独立地测量运动。在该示例性情况下,分析信号可以是例如表示在三个相互正交的方向上测量的运动的向量的欧几里德范数,即绝对值。
在根据本发明的示例性和非限制性实施例的装置中,处理系统502被配置为基于分析信号的波形——例如通过搜索分析信号的峰来确定连续心跳间隔的时间长度。连续心跳间隔的时间长度的变化是指示分析信号的波形的不规则性的量。因此,连续心跳间隔的时间长度的变化指示分析信号的与零时间差τ=0相对应的点的自相关的集中程度。因此,时间长度的变化的连续心跳间隔或其导数可以用作上述第一指标量。
在根据本发明的示例性和非限制性实施例的装置中,由传感器系统产生的分析信号包括两个或更多个信号分量,使得信号分量对应于不同的测量方向。例如,分析信号可以包括六个信号分量S1、S2、S3、S4、S5和S6,使得:
-S1是在x方向测量的线加速度,
-S2是在y方向测量的线加速度,
-S3是在z方向测量的线加速度,
-S4是围绕x轴测量的旋转加速度——即陀螺的加速度,
-S5是围绕y轴测量的旋转加速度,
-S6是围绕z轴测量的旋转加速度。
图5所示的坐标系599示出了x、y和z方向。
在该示例性情况下,传感器系统可以包括单个六轴传感器,或者传感器系统可以包括三个加速度计和三个陀螺仪。
在根据本发明的示例性和非限制性实施例的装置中,处理系统502被配置为通过从由两个或更多个信号分量指示的候选时间长度中选择最接近前一心跳时段的时间长度的特定候选时间长度,来形成每个心跳间隔的时间长度的估计,使得所选候选时间长度与前一心跳间隔的时间长度之间的差的绝对值尽可能小。
在根据本发明的示例性和非限制性实施例的装置中,处理系统502被配置为:
-针对作为传感器系统的输出信号的相互不同的时间部分且当个体507处于静止时有利地被测量的两个或更多个分析信号中的每一个,确定第一和第二指标量;以及
-基于针对两个或更多个分析信号确定的第一和第二指标量来确定心脏功能失常的指标。
在根据本发明的示例性和非限制性实施例的装置中,处理系统502被配置为从传感器系统的加速度计接收上述分析信号中的至少一个,并且从传感器系统的陀螺仪接收分析信号中的至少另一个。
在根据本发明的示例性和非限制性实施例的装置中,处理系统502被配置为根据以下等式来计算分析信号的自相关的估计Re:
Re(τ)={(S(t)–μ)×(S(t–τ)–μ)}/σ2的平均,
其中随时间t计算平均,S是分析信号,τ是其互相关由Re(τ)表示的分析信号样本之间的时间差,μ是分析信号的平均,且σ2是分析信号的方差。可以基于Re(τ=0)和与Re(τ)的绝对值的平均相关的值形成指示自相关的集中程度的第一指标量。
在根据本发明的示例性和非限制性实施例的装置中,处理系统502被配置为基于针对分析信号的连续时间段计算的自相关估计的峰或基于针对分析信号的连续时间段计算的功率谱密度估计的峰,来确定分析信号的连续时间段的心跳速率“HR”,然后基于针对分析信号的连续时间段确定的心跳速率“HR”来确定心跳速率变化“HRV”。可以使用心跳速率变化“HRV”或其导数作为上述第一指标量。
在根据本发明的示例性和非限制性实施例的装置中,处理系统502被配置为根据以下等式来计算分析信号的谱熵的估计SEe:
SEe={-PSDn(f)log2[PSDn(f)]}的平均,
其中PSDn(f)是归一化的功率谱密度,且随从-fs/2到fs/2的频率f计算平均,fs是采样率。第二指标量可以是计算的估计SEe或其合适的导数。
在根据本发明的示例性和非限制性实施例的装置中,处理系统502被配置为设定心脏功能失常的指标以指示其中第一指标量超过第一阈值并且第二指标量超过第二阈值的情况。当第一指标量超过第一阈值且第二指标量超过第二阈值时,可以认为存在例如心房纤颤的心脏功能失常。
根据本发明的示例性实施例的装置包括用于在形成上述第一和第二指标量之前预处理分析信号的装置。预处理可以包括例如消除由例如呼吸、发抖等的外部原因引起的噪声等。用于预处理的装置可以例如利用处理系统502实现,或者可以存在一个或多个用于预处理的单独的处理装置。
根据本发明的示例性和非限制性实施例的装置被配置为记录从传感器元件503接收的信号。该装置可以包括用于记录信号的内部存储器506,或者该装置可以包括用于连接到外部存储器的数据端口。该装置还可以包括用户接口504或用于连接到外部用户接口设备的数据端口。
在根据本发明的示例性和非限制性实施例的装置中,处理系统502被配置为运行用于训练处理系统502的机器学习算法,以至少基于分析信号包含的信息来确定心脏功能障碍的指标。
机器学习算法可以基于有监督的机器学习或无监督的机器学习。在有监督的机器学习中,向处理系统提供训练数据和训练数据的已知分类。因此,处理系统502能够以确定方式学习什么样的数据被分类。例如,第一指标量的第一数值范围和第二指标量的第一数值范围可以对应于心脏功能失常指标的类别:“无功能失常,健康”,第一指标量的第二数值范围并且第二指标量的第一数值范围可以对应于心脏功能失常指标的类别:“功能失常概率30%”等。在无监督的机器学习中,处理系统被提供有没有分类信息的数据,且处理系统根据所提供的数据的属性对所提供的数据进行分类。此后,人类可以从机器分类数据中识别不同的类别。在某些情况下,无监督的机器学习可用于产生有监督的机器学习的起点。
机器学习算法还可能训练处理系统502以直接地基于分析信号的信号属性来确定心脏功能失常的指标。在这种情况下,指示分析信号的自相关的集中程度的第一指标量和指示分析信号的谱熵的第二指标量是机器学习算法的内部量。分析信号的信号属性可以包括例如描述以下的特征:周期性程度,频谱,诸如平均值、方差等的统计参数,力矩,和/或描述分析信号的其他特征。上述类型的特征可以用例如小波变换、傅里叶变换和/或快速傅里叶变换来获得。其他特征可以是例如转折点比、心跳速率、心跳速率变化等。还可以借助于机器学习和/或在机器学习之前执行适当的预处理来从分析信号中去除噪声。
通过使用适当的方法,例如主分量分析“PCA”和独立分量分析“ICA”,可以减少从分析信号中提取的并用于有监督或无监督的机器学习中的特征的向量——即,特征向量。特征向量的减少可以加速有监督或无监督的机器学习和/或提高机器学习的准确性。
可以例如基于与例如心震图“SCG”和/或陀螺心动图“GCG”相关并在不同的测量方向同时测量的信号分量来形成特征向量。例如,x方向上的线加速度的样本可以构成部分特征向量F1,y方向上的线加速度的样本可以构成部分特征向量F2,z方向上的线加速度的样本可以构成部分特征向量F3,围绕x轴的旋转加速度的样本可以构成部分特征向量F4,围绕y轴的旋转加速度的样本可以构成部分特征向量F5,并且围绕z轴的旋转加速度的样本可以构成部分特征向量F6。提供给机器学习算法的特征向量F可以例如被形成为部分特征向量F1-F6的级联,即F=[F1,F2,F3,F4,F5,F6],其中部分特征向量F1-F6是行向量。这使得机器学习算法能够组合和利用与不同测量方向和测量模式——线性、旋转——有关的信息。
也可以以其他方式利用与不同测量方向有关的信息。例如,部分特征向量F1-F6可以被排列成构成具有NS×6或6×NS的维度的矩阵,其中NS是每个部分特征向量F1-F6中的样本数,即每个部分特征向量的长度。该矩阵可以用针对两维或多维情况设计的一个或多个特征提取算法进行处理。
处理系统502可以用一个或多个处理器电路实现,每个处理器电路可以是设置有适当软件的可编程处理器电路、诸如例如专用集成电路“ASIC”的专用硬件处理器、或诸如例如现场可编程门阵列“FPGA”的可配置硬件处理器。
现在例如移动电话的许多移动通信设备包括诸如加速度计和/或陀螺仪的传感器。因此,上述类型的例如移动电话的移动通信设备可以被用作响应于包括心血管运动的运动的传感器元件。整个装置也可以被包括在例如移动电话的移动通信设备中。
上面给出的描述中提供的具体示例不应被解释为限制所附权利要求的范围和/或适用性。除非另有明确说明,上述说明中提供的示例的列表和组并不是穷尽的。
Claims (19)
1.一种装置,包括:
-处理系统(502),所述处理系统(502)用于处理由传感器系统响应于包括心血管运动的运动而产生的分析信号,
其特征在于,所述处理系统被配置为:
-形成第一指标量,所述第一指标量指示所述分析信号的自相关与分析信号样本之间的零时间差相对应的点的集中程度,所述分析信号样本的互相关由所述自相关表示,
-形成第二指标量,所述第二指标量指示所述分析信号的谱熵,以及
-基于至少所述第一指标量和所述第二指标量来确定心脏功能失常的指标。
2.根据权利要求1所述的装置,其中,所述处理系统被配置为从所述传感器系统的输出信号检测利用所述传感器系统测量的个体处于静止的时段,并且从所述传感器系统的所述输出信号中提取所述分析信号,使得所述分析信号对应于所述个体处于静止的情况。
3.根据权利要求1或2所述的装置,其中,所述装置包括响应于运动的传感器系统。
4.根据权利要求3所述的装置,其中,所述传感器系统包括下述中至少一个:加速度计、陀螺仪、包括加速度计和陀螺仪二者的惯性测量单元。
5.根据权利要求1-4中的任一项所述的装置,其中,所述处理系统被配置为:
-针对两个或更多个分析信号中的每一个确定所述第一指标量和所述第二指标量,所述两个或更多个分析信号是所述传感器系统的输出信号的相互不同的时间部分,并且
-基于针对所述两个或更多个分析信号确定的所述第一指标量和所述第二指标量来确定心脏功能失常的所述指标。
6.根据权利要求5所述的装置,其中,所述处理系统被配置为接收来自所述传感器系统的加速度计的所述分析信号中的至少一个、以及来自所述传感器系统的陀螺仪的所述分析信号中的至少另一个。
7.根据权利要求1-6中的任一项所述的装置,其中,所述处理系统被配置为根据以下等式来计算所述分析信号的所述自相关的估计Re:
Re(τ)={(S(t)–μ)×(S(t–τ)–μ)}/σ2的平均,
其中,随时间t计算所述平均,S是所述分析信号,τ是其互相关由Re(τ)表示的分析信号样本之间的时间差,μ是所述分析信号的平均,并且σ2是所述分析信号的方差。
8.根据权利要求7所述的装置,其中,所述处理系统被配置为基于Re(τ=0)和与Re(τ)的绝对值的平均相关的值来形成所述第一指标量。
9.根据权利要求1-8中的任一项所述的装置,其中,所述处理系统被配置为根据以下等式来形成所述分析信号的所述谱熵的估计SEe,以形成所述第二指标量:
SEe={-PSDn(f)log2[PSDn(f)]}的平均
其中,随从-fs/2到fs/2的频率f计算所述平均,fs是采样率,并且PSDn(f)是归一化的功率谱密度,所述归一化的功率谱密度是所述分析信号的功率谱密度除以所述分析信号的功率。
10.根据权利要求1-9中的任一项所述的装置,其中,所述处理系统被配置为将所述第一指标量与第一阈值进行比较,并且将所述第二指标量与第二阈值进行比较,以确定心脏功能失常的所述指标。
11.根据权利要求1-10中的任一项所述的装置,其中,所述处理系统被配置为基于针对所述分析信号的连续时间段计算的自相关估计的峰值来确定所述分析信号的所述连续时间段的心跳速率,基于针对所述分析信号的所述连续时间段所确定的心跳速率来确定心跳速率变化,并且基于所确定的心跳速率变化来形成所述第一指标量。
12.根据权利要求1-11中的任一项所述的装置,其中,所述处理系统被配置为基于所述分析信号的波形来确定连续心跳间隔的时间长度,并且计算所述连续心跳间隔的所述时间长度的变化,以形成所述第一指标量。
13.根据权利要求12所述的装置,其中,所述处理系统被配置为,通过从由所述分析信号的两个或更多个信号分量指示的候选时间长度当中选择所述候选时间长度中的特定一个,来形成每个心跳间隔的所述时间长度的估计,所述候选时间长度中的特定一个最接近前一心跳时段的时间长度,使得在所选择的候选时间长度与所述前一心跳间隔的所述时间长度之间的差的绝对值尽可能小,所述分析信号的所述信号分量对应于包括所述心血管运动的所述运动的不同测量方向。
14.根据权利要求13所述的装置,其中,所述装置包括所述传感器系统,并且所述传感器系统适于测量所述分析信号的信号分量S1、S2、S3、S4、S5和S6,其中:
-S1是在x方向上测量的线加速度,
-S2是在y方向上测量的线加速度,
-S3是在z方向上测量的线加速度,
-S4是围绕x轴测量的旋转加速度,
-S5是围绕y轴测量的旋转加速度,并且
-S6是围绕z轴测量的旋转加速度,
其中,所述x轴、所述y轴和所述z轴是笛卡尔坐标系的轴,并且所述x方向、所述y方向和所述z方向是所述x轴、所述y轴和所述z轴的方向。
15.根据权利要求1-14中的任一项所述的装置,其中,所述处理系统被配置为运行用于训练所述处理系统以基于至少由所述分析信号包含的信息来确定心脏功能失常的所述指标的机器学习算法。
16.根据权利要求1-15中的任一项所述的装置,其中,心脏功能失常的所述指标是心房纤颤的指标。
17.一种方法,其特征在于,所述方法包括:
-形成(201)第一指标量,所述第一指标量指示分析信号的自相关与分析信号样本之间的零时间差相对应的点的集中程度,所述分析信号样本的互相关由所述自相关表示,
-形成(202)第二指标量,所述第二指标量指示所述分析信号的谱熵,以及
-基于至少所述第一指标量和所述第二指标量来确定(203)心脏功能失常的指标,
其中,所述分析信号是由传感器系统响应于包括心血管运动的运动产生的信号。
18.一种计算机程序,所述计算机程序用于控制可编程处理系统,以处理由传感器系统响应于包括心血管运动的运动所产生的分析信号,其特征在于,所述计算机程序包括计算机可执行指令,所述计算机可执行指令用于控制所述可编程处理系统:
-形成第一指标量,所述第一指标量指示所述分析信号的自相关与分析信号样本之间的零时间差相对应的点的集中程度,所述分析信号样本的互相关由所述自相关表示,
-形成第二指标量,所述第二指标量指示所述分析信号的谱熵,以及
-基于至少所述第一指标量和所述第二指标量来确定心脏功能失常的指标。
19.一种计算机产品,包括利用根据权利要求18所述的计算机程序编码的非暂时性计算机可读介质。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FI20155160 | 2015-03-11 | ||
FI20155160 | 2015-03-11 | ||
PCT/FI2016/050121 WO2016142575A1 (en) | 2015-03-11 | 2016-02-26 | Method and apparatus for producing information indicative of cardiac malfunctions |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107979986A true CN107979986A (zh) | 2018-05-01 |
CN107979986B CN107979986B (zh) | 2021-03-30 |
Family
ID=55542690
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680014341.1A Active CN107979986B (zh) | 2015-03-11 | 2016-02-26 | 用于产生指示心脏功能失常的信息的方法和装置 |
Country Status (16)
Country | Link |
---|---|
US (1) | US10517510B2 (zh) |
EP (1) | EP3267886B1 (zh) |
JP (1) | JP6898246B2 (zh) |
KR (1) | KR102448391B1 (zh) |
CN (1) | CN107979986B (zh) |
BR (1) | BR112017019285A2 (zh) |
CA (1) | CA2976602C (zh) |
DK (1) | DK3267886T3 (zh) |
ES (1) | ES2900837T3 (zh) |
HK (1) | HK1243613A1 (zh) |
HU (1) | HUE057576T2 (zh) |
LT (1) | LT3267886T (zh) |
PL (1) | PL3267886T3 (zh) |
PT (1) | PT3267886T (zh) |
TW (1) | TWI697318B (zh) |
WO (1) | WO2016142575A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108926348A (zh) * | 2018-08-06 | 2018-12-04 | 广东工业大学 | 一种房颤信号的提取方法及装置 |
CN112601490A (zh) * | 2018-10-01 | 2021-04-02 | 普莱柯迪尔公司 | 用于产生指示心脏异常的信息的装置 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3187201B2 (en) * | 2015-12-30 | 2022-07-20 | Paul Hartmann AG | Portable medical device |
US10123741B2 (en) * | 2016-11-30 | 2018-11-13 | Huami Inc. | Cardiac condition detection |
US10617356B2 (en) | 2016-03-15 | 2020-04-14 | Anhui Huami Information Technology Co., Ltd. | Garment and cardiac data processing |
US20210315463A1 (en) * | 2018-08-20 | 2021-10-14 | Macdonald, Dettwiler And Associates Inc. | Method and apparatus for deriving biometric information using multiple-axis seismocardiography |
JP2020048674A (ja) * | 2018-09-25 | 2020-04-02 | 三井化学株式会社 | 生体情報取得方法、生体情報取得モデル学習方法、装置、及びプログラム |
US20220125330A1 (en) * | 2020-10-27 | 2022-04-28 | LLA Technologies Inc. | Tri-axial seismocardiography devices and methods |
EP4254425A1 (en) | 2022-03-29 | 2023-10-04 | Heartkinetics | Method, system and computer program for detecting a heart health state |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020120206A1 (en) * | 2000-12-26 | 2002-08-29 | Basel Taha | Method of using spectral measures to distinguish among atrial fibrillation, atrial flutter and other cardiac rhythms |
WO2010067294A1 (en) * | 2008-12-12 | 2010-06-17 | Koninklijke Philips Electronics N.V. | Method and apparatus for the analysis of ballistocardiogram signals |
WO2010145009A1 (en) * | 2009-06-17 | 2010-12-23 | Heart Force Medical Inc. | Method and apparatus for obtaining and processing ballistocardiograph data |
CN104349713A (zh) * | 2012-04-23 | 2015-02-11 | 图尔库大学 | 确定指示心脏功能障碍和异常的信息的方法和设备 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5365426A (en) | 1987-03-13 | 1994-11-15 | The University Of Maryland | Advanced signal processing methodology for the detection, localization and quantification of acute myocardial ischemia |
DE69125041T2 (de) * | 1990-03-19 | 1997-10-09 | Del Mar Avionics | Verfahren und Gerät zur Spektralanalyse von elektrokardiographischen Signalen |
US6024705A (en) | 1998-11-06 | 2000-02-15 | Bioacoustics, Inc. | Automated seismic detection of myocardial ischemia and related measurement of cardiac output parameters |
JP2000287943A (ja) * | 1999-04-02 | 2000-10-17 | Akira Akimoto | 生体の活動状態検知装置 |
JP2000350716A (ja) * | 1999-06-10 | 2000-12-19 | Hoya Corp | 呼吸検出装置 |
JP4469746B2 (ja) * | 2005-03-29 | 2010-05-26 | 株式会社東芝 | 心拍計測装置及び心拍計測装置の作動方法 |
JP2007105131A (ja) * | 2005-10-12 | 2007-04-26 | Nippon Telegr & Teleph Corp <Ntt> | 脈波診断装置及び脈波診断装置制御方法 |
US8475387B2 (en) * | 2006-06-20 | 2013-07-02 | Adidas Ag | Automatic and ambulatory monitoring of congestive heart failure patients |
US7846104B2 (en) | 2007-02-08 | 2010-12-07 | Heart Force Medical Inc. | Monitoring physiological condition and detecting abnormalities |
CN101156771A (zh) * | 2007-09-28 | 2008-04-09 | 天津市先石光学技术有限公司 | 基于脉搏波频谱分析提高血管硬度测量精度的方法及装置 |
US8233973B2 (en) | 2008-05-02 | 2012-07-31 | Spacelabs Healthcare, Llc | Methods for detection of cardiac arrhythmias |
JP5288418B2 (ja) * | 2008-06-04 | 2013-09-11 | 国立大学法人 東京大学 | 力学パラメータの同定法 |
US20120123279A1 (en) * | 2009-07-31 | 2012-05-17 | Koninklijke Philips Electronics N.V. | Method and apparatus for the analysis of a ballistocardiogram signal |
JP5732976B2 (ja) * | 2011-03-31 | 2015-06-10 | 沖電気工業株式会社 | 音声区間判定装置、音声区間判定方法、及びプログラム |
EP2704624A4 (en) | 2011-05-03 | 2015-03-18 | Heart Force Medical Inc | METHOD AND APPARATUS FOR ESTIMATING MYOCARDIAL CONTRACTILITY USING PRE-ORDER VIBRATION SIGNALS |
US20130324812A1 (en) | 2012-05-31 | 2013-12-05 | Atlantis Limited Partnership | Cardiac pulse coefficient of variation and breathing monitoring system and method for extracting information from the cardiac pulse |
-
2016
- 2016-02-26 PL PL16710482T patent/PL3267886T3/pl unknown
- 2016-02-26 US US15/554,644 patent/US10517510B2/en active Active
- 2016-02-26 KR KR1020177028128A patent/KR102448391B1/ko active IP Right Grant
- 2016-02-26 DK DK16710482.7T patent/DK3267886T3/da active
- 2016-02-26 WO PCT/FI2016/050121 patent/WO2016142575A1/en active Application Filing
- 2016-02-26 CN CN201680014341.1A patent/CN107979986B/zh active Active
- 2016-02-26 LT LTEPPCT/FI2016/050121T patent/LT3267886T/lt unknown
- 2016-02-26 PT PT167104827T patent/PT3267886T/pt unknown
- 2016-02-26 ES ES16710482T patent/ES2900837T3/es active Active
- 2016-02-26 CA CA2976602A patent/CA2976602C/en active Active
- 2016-02-26 HU HUE16710482A patent/HUE057576T2/hu unknown
- 2016-02-26 EP EP16710482.7A patent/EP3267886B1/en active Active
- 2016-02-26 JP JP2017547411A patent/JP6898246B2/ja active Active
- 2016-02-26 BR BR112017019285-3A patent/BR112017019285A2/pt active Search and Examination
- 2016-03-04 TW TW105106699A patent/TWI697318B/zh active
-
2018
- 2018-03-02 HK HK18103069.0A patent/HK1243613A1/zh unknown
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020120206A1 (en) * | 2000-12-26 | 2002-08-29 | Basel Taha | Method of using spectral measures to distinguish among atrial fibrillation, atrial flutter and other cardiac rhythms |
WO2010067294A1 (en) * | 2008-12-12 | 2010-06-17 | Koninklijke Philips Electronics N.V. | Method and apparatus for the analysis of ballistocardiogram signals |
WO2010145009A1 (en) * | 2009-06-17 | 2010-12-23 | Heart Force Medical Inc. | Method and apparatus for obtaining and processing ballistocardiograph data |
CN104349713A (zh) * | 2012-04-23 | 2015-02-11 | 图尔库大学 | 确定指示心脏功能障碍和异常的信息的方法和设备 |
Non-Patent Citations (1)
Title |
---|
JIAN-BO WU,SU ZHOU: "Research on the method of characteristic extraction and classification of Phonocardiogram", 《2012 INTERNATIONAL CONFERENCE ON SYSTEMS AND INFORMATICS (ICSAI2012)》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108926348A (zh) * | 2018-08-06 | 2018-12-04 | 广东工业大学 | 一种房颤信号的提取方法及装置 |
CN108926348B (zh) * | 2018-08-06 | 2019-07-19 | 广东工业大学 | 一种房颤信号的提取方法及装置 |
CN112601490A (zh) * | 2018-10-01 | 2021-04-02 | 普莱柯迪尔公司 | 用于产生指示心脏异常的信息的装置 |
Also Published As
Publication number | Publication date |
---|---|
CA2976602A1 (en) | 2016-09-15 |
US10517510B2 (en) | 2019-12-31 |
JP2018511378A (ja) | 2018-04-26 |
US20180035919A1 (en) | 2018-02-08 |
ES2900837T3 (es) | 2022-03-18 |
HUE057576T2 (hu) | 2022-05-28 |
EP3267886A1 (en) | 2018-01-17 |
JP6898246B2 (ja) | 2021-07-07 |
PL3267886T3 (pl) | 2022-02-28 |
PT3267886T (pt) | 2021-11-26 |
WO2016142575A1 (en) | 2016-09-15 |
CA2976602C (en) | 2023-07-11 |
LT3267886T (lt) | 2021-12-10 |
DK3267886T3 (da) | 2022-01-17 |
EP3267886B1 (en) | 2021-11-10 |
KR20170128415A (ko) | 2017-11-22 |
TWI697318B (zh) | 2020-07-01 |
HK1243613A1 (zh) | 2018-07-20 |
CN107979986B (zh) | 2021-03-30 |
KR102448391B1 (ko) | 2022-09-28 |
TW201634006A (zh) | 2016-10-01 |
BR112017019285A2 (pt) | 2018-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107979986A (zh) | 用于产生指示心脏功能失常的信息的方法和装置 | |
CN104349713B (zh) | 确定指示心脏功能障碍和异常的信息的设备 | |
US20200205771A1 (en) | System and method for infrasonic cardiac monitoring | |
CN105392420B (zh) | 确定指示心脏功能障碍的信息的方法和设备 | |
CN105530866B (zh) | 心脏监测系统 | |
US9585580B2 (en) | Method and apparatus for determining information indicative of cardiac malfunctions and abnormalities | |
CN108471987A (zh) | 心脏监测或与心脏监测有关的改进 | |
US20180303382A1 (en) | Method and apparatus for producing information indicative of cardiac condition | |
Galli et al. | Robust estimation and tracking of heart rate by PPG signal analysis | |
Tadi et al. | Automatic identification of signal quality for heart beat detection in cardiac MEMS signals | |
WO2017031110A1 (en) | Wearable led sensor device configured to identify a wearer's pulse | |
Imtiaz et al. | Cardiac cycle and heart rate calculation based on seismocardiogram | |
CN108601533A (zh) | 用于确定心力衰竭风险的确定系统 | |
Romano et al. | Smart Vest And Adaptive Algorithm For Vital Signs And Physical Activity Monitoring: A Feasibility Study | |
Tadi | Embedded MEMS Motion Detectors for Wearable Mechanocardiography and 4D Medical Imaging | |
Masloboev et al. | Portable monitor for registration of ballistocardiographic signals |
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 |