CN108024717A - 确定室性期前收缩(pvc)类型和负荷的系统和方法 - Google Patents

确定室性期前收缩(pvc)类型和负荷的系统和方法 Download PDF

Info

Publication number
CN108024717A
CN108024717A CN201680051754.7A CN201680051754A CN108024717A CN 108024717 A CN108024717 A CN 108024717A CN 201680051754 A CN201680051754 A CN 201680051754A CN 108024717 A CN108024717 A CN 108024717A
Authority
CN
China
Prior art keywords
pvc
beatings
ecg
cluster
beating
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
Application number
CN201680051754.7A
Other languages
English (en)
Other versions
CN108024717B (zh
Inventor
尼兰詹·查克拉瓦蒂
艾比希·查文
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.)
United States Dolnick Monitoring Co
Medtronic Monitoring Inc
Original Assignee
United States Dolnick Monitoring Co
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 United States Dolnick Monitoring Co filed Critical United States Dolnick Monitoring Co
Publication of CN108024717A publication Critical patent/CN108024717A/zh
Application granted granted Critical
Publication of CN108024717B publication Critical patent/CN108024717B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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]
    • A61B5/33—Heart-related electrical modalities, e.g. electrocardiography [ECG] specially adapted for cooperation with other devices
    • 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
    • A61B5/347—Detecting the frequency distribution of signals
    • 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
    • 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
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
    • 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
    • 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
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Landscapes

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

Abstract

描述了监测和报告在患者中检测到的室性期前收缩(PVC)的系统和方法。该方法包括用包括多个电极的粘附装置监测患者的心电图(ECG)信号。基于监测的ECG信号检测室性期前收缩(PVC)搏动，并且存储与检测到的PVC搏动相关的ECG片段，用于后续分析。形态信号通过量化与检测到的PVC搏动相关的存储的ECG片段来计算，其中该形态信号在数值上表现了该检测到的PVC搏动的形状。然后基于该计算出的形态信号，在数值上将该PVC搏动聚类，以将具有相似形态或形状的PVC搏动分组，并且基于PVC搏动的聚类生成报告。

Description

确定室性期前收缩(PVC)类型和负荷的系统和方法
技术领域
本公开基本上涉及患者监测，并具体地涉及监测、检测和诊断室性期前收缩(室性早搏)(PVC)类型和负荷。
背景技术
室性期前收缩(PVC)是起源于心室的过早除极。PVC可以导致诸如心悸、胸痛和晕厥等症状。然而，PVC是普遍存在的心脏节律，发生在健康的患者以及潜在的心脏疾病患者二者。PVC形态(即，形状)取决于异位心室起搏位置，该异位心室起搏位置触发了收缩和收缩所采取的除极途径。起源于同一异位起搏位置并且通过同一途径除极的PVC被称为单灶PVC，而源于多个异位起搏位置和/或采用不同除极途径的PVC被称为多灶PVC。治疗单灶PVC可能不同于治疗多灶PVC。
然而，由于在给定的一天内发生的PVC次数可能数以百计或千计，因此，目前技术人员检查用于推断PVC是否是单灶或多灶的所需的数据量是不可行的。此外，由于PVC的发生典型地不会对患者造成很大的不适，所以这些发生可能会未被报告。然而，长期PVC患病率可能导致或成为更严重的心脏状况的主要指标。因此，不仅检测和监测在患者中PVC的患病率，而且进一步确定PVC的类型/原因都将是有益的，以便应用适当的治疗。
发明内容
根据示例性实施方式，提供了一种监测和报告在患者中检测到的室性期前收缩(PVC)的方法。该方法包括用包括多个电极的粘附装置监测患者的心电图(ECG)信号。基于监测的ECG信号检测室性期前收缩(PVC)搏动，并且存储与检测到的PVC搏动相关的ECG片段(episode)用于后续分析。通过量化与检测到的PVC搏动相关的存储的ECG片段来计算形态信号。基于计算出的形态信号，在数值上将PVC搏动聚类以将具有类似形态的PVC搏动分组到一起。然后生成输出，该输出包括下述中的一种或多种：生成的聚类的总数、被包括在每个聚类中的PVC搏动的数目的计数以及来自每个聚类的代表性PVC搏动。
本发明的另一示例性实施方式包括用于监测和报告关于患者的检测到的室性期前收缩(PVC)的系统。该系统包括粘附装置和处理模块。该粘附装置包括多个电极和感应电路，用于监测粘贴了粘附装置的患者的心电图(ECG)信号。该处理模块配置为接收监测的ECG信号，并基于该监测的ECG信号检测室性期前收缩(PVC)搏动。此外，处理模块计算用于每个检测到的PVC搏动的形态信号并基于形态信号的比较在数值上将PVC搏动聚类。然后处理模块生成输出，该输出表明了生成的聚类的总数目、被包括于每个聚类中的PVC搏动的数目的计数以及来自每个聚类的代表性PVC搏动。
附图说明
图1示出了根据本发明的实施方式的监测和治疗系统，该系统包括使用能够长期监测心电图(ECG)信号的医疗装置的患者。
图2是示出了根据本发明的实施方式基于PVC形态执行以检测和归类室性期前收缩(PVC)的步骤的流程图。
图3a和3b是根据本发明实施方式的关于患者的测量的示例性ECG信号，该ECG信号每个示出了检测的正常QRS搏动，接着是PVC搏动，计算出的形态复合波覆盖在ECG信号之上。
图4a是示出了根据本发明实施方式通过形态将检测到的PVC搏动分组到多个仓/聚类中的柱状图。
图4b是根据本发明实施方式的通过从关于图4a描述的每个仓中选择代表性的ECG样品而生成的报告，以可视地示出在每个仓之间的ECG形态方面的差异。
图4c是示出了根据本发明实施方式合并专家输入以修改图4a中显示的仓/聚类的柱状图。
图5a是示出了根据本发明的另一实施方式通过形态将检测到的PVC搏动分组成多个仓的柱状图。
图5b是根据本发明的另一实施方式通过从关于图5a描述的每个仓中选择代表性的ECG样品而生成的报告，以示出ECG形态方面的差异。
图5c是示出了根据本发明实施方式合并专家输入以修改图4a中显示的仓/聚类的柱状图。
图6示出了根据本发明的实施方式通过ECG信号的选择性收缩/扩张使缩放ECG信号至共同的参考心率。
图7a-7c是示出了根据本发明的实施方式监测/报告检测到的PVC事件的图表。
图8显示了根据本发明实施方式的粘附装置的分解图。
具体实施方式
本发明涉及一种监测、检测和诊断室性期前收缩(PVC)的系统和方法。尤其，本发明提供基于该检测到的PVC事件的形态，在单灶PVC和多灶PVC之间进行区分的系统和方法，其中诊断该PVC为单灶或多灶允许用于待选择的不同治疗。
图1示出了患者P和监测系统10。患者P包括中线M、第一侧S1，例如右侧、以及第二侧S2，例如左侧。监测系统10包括患者测量装置100、网关102和远程监测中心106。在图1所示的实施方式中，患者测量装置100(以下简称“粘附装置100”)是附着在患者皮肤上的粘附装置，但在其他实施方式中可能是可植入装置或可注射装置。粘附装置100可以在许多位置粘附至患者P，例如患者P的胸部T。在许多实施方式中，该粘附装置可以粘附至患者的一侧，可以从该侧收集数据。使用粘附装置，诸如粘附装置100的益处在于，当患者在医院环境以外从事正常的日常活动时，可以使用它从患者收集生理数据。这在PVC监测中尤为重要，在PVC监测中在几天/几周的时期内和在各种情况下，诸如休息中、在活动期间等等，监测PVC的发生是理想的。
粘附装置100能够监测各种不同类型的数据，包括以下中的一种或多种：心电图信号(ECG)、生物阻抗、呼吸、心率、心律、心率变异性(HRV)、心率震荡(HRT)、心脏声音、呼吸声音、血压、活动(例如，休息的、活动的)、姿势以及醒来/睡眠。在一种实施方式中，使用ECG信号来自动检测室性期前收缩(PVC)。检测可在粘附装置100上本地发生，检测到的PVC事件引起相应的ECG信号在本地或在远程监测中心106被存储用于后续分析。基于检测到的形态，将与检测到的PVC事件相对应的存储的ECG样品的形态进行分析和聚类(即分组)。使用聚类的形态来确定PVC事件是否是单灶或多灶，部分地基于此确定来选择治疗。
粘附装置100可与远程中心106无线通信。该通信可以(通过蜂窝或Wi-Fi网络)直接发生，或通过中间装置或网关102间接发生。如上所述，在一种实施方式中，由粘附装置100监测的ECG信号以其整体传达至远程中心106用于分析。在其他实施方式中，粘附装置100在本地提供关于被监测到的ECG信号的某种程度的分析。例如，如前所述，在一种实施方式中，粘附装置100监测ECG信号，并通过本地处理检测PVC搏动的存在。存储与检测到的PVC搏动相关的ECG信号(例如，捕获与检测到的PVC搏动相关的300-400毫秒窗口)，并传达至远程中心106用于后续形态分析和聚类。
网关102可以包括类似于移动电话的小型便携装置zLinkTM的部件，该便携装置无线地将从粘附装置100接收到的信息传输到远程监测中心106。网关102可以由多个装置组成，其可以以很多方式与远程中心106有线地或无线地通信，例如，用可以包括互联网连接和/或蜂窝连接的连接104。远程中心106可以包括用于数据分析和存储的宿主应用程序，其还包括网站，其能够对用于解释和诊断的生理趋势和临床事件信息进行安全访问。远程中心106可以进一步或可替换地包括后端操作，其中来自粘附装置100的生理数据由人类专家操作员读取以验证准确性。例如，基于与每个ECG样品相关的并且与具有相似形态的ECG样品聚类的形态，分析来自粘附装置100捕获的并传达至远程中心106的ECG样品(即，条带)。一旦根据检测到的ECG形态聚类，可以将来自每个聚类的代表性ECG样品提供给人类专家用于检查和反馈，该检查和反馈可以包括进行的形态分析的验证以及关于相似ECG样品的进一步聚类的额外输入。
在示例性实施方式中，监测系统10包括分布式处理器系统，该分布式处理器系统具有作为粘附装置100的一部分被包括的至少一个处理模块(未示出)、至少一个网关102的处理器102P，以及至少一个在远程中心106的处理器106P，其中每个处理器都可以与其他处理器进行电子通信。至少一个处理器102P包括有形介质102T，且至少一个处理器106P包括有形介质106T。远程处理器106P可以包括位于远程中心的后端服务器。通过作为粘附装置100的一部分被包括的分布式处理器、网关102和/或远程监测中心106中一种或多种，可以来分析由粘附装置100监测的包括ECG样品的生理参数。
在示例性实施方式中，粘附装置100可以连续地监测生理参数，与远程中心进行无线通信，以及必要时提供警报。粘附贴可以附着至患者的胸部，并且包含感应电极(感测电极/敏感电极，sensing electrode)、电池、存储器、逻辑电路和无线通讯能力。在关于图2的更详细描述的实施方式中，粘附装置100从患者收集包括ECG数据的生理数据。该收集到的数据可以在本地分析，或传达至远程中心106用于后续分析，其包括在监测到的ECG数据中检测PVC，以及量化与每个检测到的PVC事件相关的形态。在将共有相似形态的PVC事件分组工作中，将形态相互比较。在一种实施方式中，基于对与PVC事件相关的ECG信号的聚类，生成用于专家检查的报告，该报告说明了各种检测到的形态的聚类并且允许专家提供反馈。得到的分析允许基于确定PVC搏动是否是单灶或多灶来进行治疗确定。
图2是示出了根据本发明的实施方式监测、检测、诊断以及报告室性期前收缩(PVC)事件的方法200的流程图。在步骤202，粘附装置100监测与患者相关的心电图(ECG)信号。如关于图1所述，可通过粘附装置，诸如由Medtronic Monitoring Inc.提供的SEEQ连续监测系统，来提供监测。监测到的ECG信号可以由该粘附装置100在本地存储用于本地处理，或可以连续地或间歇地传输至远程监测中心106(关于图1所述)。
在步骤204，基于监测到的ECG信号检测室性期前收缩(PVC)搏动。在一种实施方式中，所有被监测到的ECG数据都被传达至远程监测中心106，用于处理被监测到的数据。然而，在其他实施方式中，PVC检测可以通过粘附装置100在本地提供，只有与检测到的PVC搏动相关的ECG数据才被传达至远程监测中心106，用于后续处理/分析。可以通过任意数量的已知检测算法提供对PVC搏动的检测。例如，基于QRS宽度分析、频域分析、小波分析、人工神经网络、主成分分析以及它们的组合，可以检测PVC搏动。
在步骤206，以允许形态在数值上相互比较的方式量化检测到的PVC搏动的形态或形状。再次，检测到的PVC搏动的处理可以通过粘附装置100在本地执行，或通过远程监测中心106远程地执行。在远程监测中心106对检测到的PVC搏动的形态进行量化的益处是对粘附装置100的现有的电池电量进行保护。
可以使用多种方法来量化检测到的PVC搏动的形状或形态。在一种实施方式中，将小波信号变换应用到与检测到的PVC搏动相对应的ECG信号。选择ECG信号的小波信号分解，以允许在没有噪声和非相关ECG分量(例如，U波)下分析PVC搏动的形状。即，分析仅限于用于检测PVC搏动和识别PVC搏动形状的ECG信号的分量。此外，使用小波信号分解允许在时间(即，当它们发生时)和频率(即，形状)二者上对感兴趣的QRS特征进行定位。例如，在一种实施方式中，形态信号smorph形成为子带信号的线性组合，定义如下：
smorph＝ybph+ybpm+ybpl
其中，ybph、ybpm和ybpl是对应于不同频率的带通有限子带(band-pass limitedsub-band)。可基于需要和可能的噪声源选择各种频带。例如，在一种实施方式中，ybph等于在16Hz至40Hz之间的频率范围，ybpm等于在7.3Hz至17.8Hz之间的频率范围，以及ybpl等于在3.5Hz至8.6Hz之间的频率范围。这些带通范围是示例性的，但有意要对应于用于检测PVC搏动的高和低频率ECG分量。在提供的实例中，选择ybph子带以与ECG信号的高频QRS复合波相符合。选择ybpl子带以与ECG信号的P波和T波分量相符合，并且选择ybpm子带以与某些T波分量相符合。此外，选择这些子带以符合与PVC搏动和在ECG信号中的变体如R-on-T相关的频率，并且进一步选择以最小化发生在子带以外的频率的噪声的影响。例如，呼吸噪声发生在较低的频率并且可以通过选择具有排除可能包括呼吸噪声的频率范围的频率的子带来过滤。
在一种实施方式中，形态信号smorph被延迟以使信号与QRS信号的顶点对齐。小波信号分解的结果，在本文称为搏动形态复合波smorph，表示检测到的PVC搏动的形状的数值表示。如关于图3a-3b更详述的，搏动形态复合波smorph可以表示为特征向量，该特征向量是表示与PVC搏动相关的QRS复合波的几何结构或形状的数值特征的n维向量。例如，在一种实施方式中，每个PVC搏动都表示为64样品向量。通过这种方法，量化检测到的PVC搏动的形态或形状用于后续数值分析。在其他实施方式中，可以使用表征PVC搏动的其他手段，例如测量PVC搏动的QRS宽度。
在一种实施方式中，当量化PVC搏动时可以采取额外的步骤，以说明在不同心率下检测到的PVC(甚至共有相同形态的单灶PVC)可能导致在数值分析期间出现不同的形态的可能性。即，当患者具有45次搏动每分钟(BPM)的心率时检测到的PVC事件可以具有与当患者具有90BMP的心率时测量到的PVC搏动不同的形态，即使PVC搏动起源于相同的异位位置或灶。在一种实施方式中，在量化PVC搏动之前或作为量化PVC搏动的一部分，将样品缩放到参考心率(例如，60BPM)。即，选择共同或参考心率(例如，每分钟60次搏动)，并且收缩或扩张PVC搏动以将PVC搏动缩放至参考心率。例如，收缩发生在45bpm心率的PVC搏动(即，按照作为基础心率和共同参考心率的函数的系数重新采样)，使得PVC搏动缩放至60bpm。同样地，扩张发生在90bpm心率的PVC搏动(即，按照作为基础心率和共同参考心率的函数的系数重新采样)，使得PVC搏动缩放至60bpm。然后对缩放的PVC搏动执行后续步骤，如前述的量化。
在步骤208，基于每个PVC搏动的量化的形态，将量化的PVC搏动聚类(即，组成组)，使得每个聚类包括具有共有的或相似的形态的搏动。在一种实施方式中，使用数值特征向量根据形态对PVC搏动进行聚类。例如，在一种实施方式中，K均值聚类基于关于两个或更多个PVC搏动计算的度量识别类似形状/形态的PVC搏动。例如，用于聚类搏动的度量包括相关度量和距离度量。相关距离度量量化了不同的PVC形态复合波之间的形状上的相似性，以允许类似PVC形态复合波分组在一起。通过这种方式，PVC搏动的聚类的输出是柱状图，该柱状图由多个仓(bin)或组组成，每个仓或组代表特定的PVC形态或形状。仓或组的数量可以由临界值(例如，在K均值聚类的情况下的临界相关距离)来确定，或者可以被预定为可允许的仓的最大数量。虽然可以使用其他聚类手段，但使用k均值聚类的益处是将PVC搏动表征为向量，k均值聚类提供了适当的聚类。在其他实施方式中，其中PVC搏动不表征为向量，而是基于例如QRS宽度表征，其他类型的聚类算法可能更合适。
在步骤210中，生成一份报告用于由专家(例如，医疗技术员、护士、医生)进行检查，其通过形态描述PVC搏动的患病率。例如，报告可以提供以下信息：关于检测到的PVC搏动的总数、关于检测到的PVC搏动的生成的聚类的数目的细分、分类到每个聚类或仓中的PVC搏动的数目以及对应于与每个聚类或仓相关的PVC搏动的ECG信号的代表性样品。该报告可以以图形形式提供信息，如关于图4a-5c的如下描述，并且可以包括对应于PVC搏动的代表性ECG信号以允许专家确定分类到不同聚类或仓中的PVC搏动是否应该彼此合并。换言之，如图2中显示，允许专家在步骤210中提供关于已存在数据的输入。专家提供的输入可以包括在步骤208中形成的聚类的默许，以及将两个或更多个聚类合并到单一聚类中。
除了关于PVC搏动聚类的信息以外，额外信息可被包括在所生成的报告中，包括PVC负荷(例如，PVC搏动的总数、PVC搏动与常规搏动的比值等)。此信息用于补充作为生成的报告的一部分而提供的形态/聚类数据。
在一种实施方式中，在步骤210专家检查所生成的报告并提供关于所创建的聚类的输入，或默许所分配的聚类或提供输入以合并聚类的组。通过这种方式，生成的报告可以基于专家输入来修改。然而，在其他实施方式中，该报告可以在没有专家输入的情况下生成。
在步骤212，确定所收集的数据是否表明该PVC是单灶的或多灶的。在一种实施方式中，在步骤210中生成的报告提供了PVC为单灶或多灶的诊断。然而，在其他实施方式中，专家可以对诊断默许或可以提供修改该诊断的输入。然后基于该诊断，建议和/或提供治疗。例如，如果报告表明PVC在本质上是单灶的，那么治疗可包括心室消融。相反，如果报告表明PVC是多灶的，那么治疗可以包括使用抗心律失常药物。
图3a和3b显示了根据本发明实施方式的关于患者的测量的样品ECG信号，其显示了检测的正常心脏搏动，接着是PVC搏动，计算出的形态复合波覆盖在ECG信号之上。监测的ECG信号被显示为实心黑色线，而实心点和圆圈表示将ECG信号量化成形态信号smorph(参照图2所描述的)。具体地，关于正常心脏搏动显示了实心点，而关于PVC搏动显示了圆圈。在图3a-3b中示出的实施方式中，基于集中于检测到的搏动的320毫秒(msec)窗口，生成形态信号。
如关于图2所述，在一种实施方式中，形态信号来自于与QRS形状符合的ECG的小波信号分解，没有噪声/P波/T波分量。这在图3a中可视地显示，其中相对于正常的心脏搏动和PVC搏动二者，P波分量(早于QRS复合波触发的)和T波分量(QRS复合波之后触发的)，随着噪音，被有效过滤。因为图3a和3b中示出的得到的形态信号smorph被量化(例如，作为特征向量)，所以形态信号smorph可以根据数值比较与其他形态信号比较并且聚类。
图3b示出的实施方式显示正常心脏搏动和随后的PVC搏动的另一实例。应注意图3b中显示的PVC搏动的形态不同于图3a中示出的形态，因此图3a和图3b中示出的PVC搏动的后续聚类将导致PVC搏动被置于不同的聚类中。在形态上的差异表明，PVC搏动起源于不同异位位置，并且患者的PVC状况是多灶的，而不是单灶的。
图4a是示出了根据本发明实施方式通过形态将检测到的PVC搏动分组到多个仓(即，聚类)的柱状图。沿x轴示出的多个仓中的每一个代表不同的形状形态。在图4a中示出的实施方式中，显示了总计五个仓，(标为仓1、仓2、仓3、仓4和仓5)代表总计五种不同形状形态。y轴显示了被置于每个相应仓的PVC搏动的百分数。例如，检测到的42％的检测到的PVC搏动被分类为共有特定的形态。这意味着检测到的并量化的多个PVC搏动的大约42％被分类为具有导致它们被聚类到一起的形状/形态。类似地，32％的检测到的PVC搏动被分类在仓1中，22％的检测到的PVC搏动被分类在仓2中，3％的检测到的PVC搏动被分类在仓3中，以及1％的检测到的PVC搏动被分类在仓5中。然而，在搏动数目被分类为共有不同的形态的情况下，初始的诊断表明多灶PVC。
使用的仓的数目可以被预先限定或在聚类时限定。在关于上文图2所述的一种实施方式中，通过相关距离度量创建聚类，该相关距离度量量化了不同PVC形态之间的形状上的相似性。限定临界相关距离度量以确定特别的PVC形态是否与其他PVC形态足够相似以使分组到一起。通过改变临界相关距离度量，创建的仓的数目可以动态地被修改。
图4b是通过从关于图4a描述的每个仓中选择代表性的ECG样品而生成的报告，该代表ECG样品允许专家用户可视地检查检测到的PVC搏动的每个聚类的一般形态/形状。在图4b中示出的实例报告与关于图4a描述的示例性报告相符合，其中PVC搏动被分组成五个聚类，标为仓1、仓2、仓3、仓4和仓5。对于五个聚类中的每个聚类，呈现代表性的ECG样品用于专家检查。因此，关于聚类仓1提供了代表性的ECG样品，而关于聚类仓2提供了另一代表性ECG样品，以此类推。除了将各种PVC搏动的形态的可视的表现提供给专家以外，专家可以检查并确定两个或更多个聚类是否共有指示将聚类合并在一起的形态。例如，在图4b中示出的实施方式中，与聚类仓1、仓2和仓3相关的代表性的ECG样品共有相似的形态，该形态相当容易在视觉上辨别。因此，专家可以响应指令以合并组成聚类仓1、仓2和仓3的PVC搏动。理想地，组成仓1、仓2和仓3的PVC搏动最初就被置于一个聚类。然而，在聚类算法生成不同聚类的事件中，每个聚类的PVC形态的ECG样品代表的规定允许专家校正分类。在本实例中，从专家的输入去结合仓1、仓2和仓4导致具有不同形态的PVC搏动的三个余下的仓。然而，依照在图4a中提供的信息，作为聚类仓1、仓2和仓4合并的结果，得到的合并的仓将包括约95％的检测到的PVC搏动(如在图4c中示出，其显示了作为这种合并结果的PVC搏动的分布)。该修改可以导致PVC被识别为单灶的，而不是多灶的，尽管至少若干PVC搏动被检测到可能是起源于不同的异位位置。
图5a-5c显示了根据本发明的实施方式生成的另一套示例性报告。再一次，图5a是显示了检测到的PVC搏动通过形态分组成多个聚类或仓的柱状图；图5b显示了代表性的ECG样品，并且图5c显示了柱状图，该柱状图显示在专家已经提供输入之后检测到的PVC搏动的分组。
在图5a示出的柱状图中，已经根据形态将PVC搏动组成五个不同的仓。如图5a中显示的，被组成到仓中的PVC搏动的分布是相当均匀的，约15％的PVC搏动位于仓1、仓2和仓5，约30％位于仓3，并且约25％位于仓4。然而，在图5b中显示的代表性ECG样品表明位于多个仓的每个仓中的PVC搏动的形态彼此相似。结果是，专家可以提供将仓1-仓5合并的输入。结果是，如图5c中表明的，所有检测到的PVC搏动被合并到单一仓中。
图6显示了根据本发明的实施方式作为量化过程的一部分的将ECG信号收缩/扩张至共同的参考心率的方法。如关于图2描述的，当量化检测到的PVC搏动的形态时，直接对与检测到的PVC对应的ECG样品进行量化，或可以先修改以说明患者基础心率的变化。图6显示基础ECG信号可以如何收缩和/或扩张，以将ECG信号缩放至参考心率。收缩/扩张基础ECG样品的益处在于从相同异位位置开始的PVC由于基础心率的差异，可以表现为具有不同的形态。将ECG样品收缩/扩张至参考心率保证了起源于相同异位位置的PVC共有相同形态，以用于分析目的而不考虑心率。
例如，在图6的顶部，PVC搏动被检测具有30次搏动每分钟(BPM)的基础心率。如果选择的参考心率是60BPM，则在30BPM监测的ECG样品必须收缩两倍，以适当地缩放ECG样品。相反地，如在图6的底部中所显示的，PVC搏动被检测到具有120次搏动每分钟(BPM)的基础心率，该ECG样品必须扩张两倍，以适当地缩放ECG样品至60BPM。
因此，收缩/扩张ECG信号需要选择参考心率，然后对于分析的每个ECG样品，关于样品基础心率的信息必须是已知的。基于参考心率和样品心率，选择乘数因子以提供基础ECG样品的所需的收缩/扩张。该方法的益处在于缩放基础ECG信号提高了将发生在不同基础心率的相似形状的PVC聚类的能力。
图7a-7c是根据本发明的实施方式生成并提供给专家用于检查的报告/图表的类型的实例。图7a是显示了12天期间监测的PVC负荷的图表。PVC负荷是在给定日期检测到的PVC事件的总数的表示。在图7a中示出的实施方式中，它被表示为检测到的PVC搏动的总计数和一天内监测到的总搏动的百分数二者。例如，在9月10日，检测到总共五十七个PVC搏动，其约为一天内监测到的所有搏动的0.1％。在9月15日，检测到总共大约二百个PVC搏动，其约为监测到的所有搏动的0.3％。
图7b和图7c是根据本发明的实施方式提供了关于检测到的PVC搏动的额外信息的图表。特别地，除了提供检测到的PVC搏动的总数计数以外，图7b和图7c中示出的图表表示检测到的PVC搏动的形态。例如，在图7b中示出的实施方式中，已经检测到PVC搏动的总共三个不同的聚类或组。例如，对应于9月10日的条目表明不仅检测到约五十个PVC搏动，而且检测到关于组成三个仓的三种不同形态的PVC搏动。每天检测到的PVC的数目继续增加直到9月15日，在9月15日检测到根据两种不同形态的PVC事件。专家检查了在图7b中提供的信息，将能够快速评估PVC事件的总数在过去的几天内一直在增加，并且由于多个不同形态，PVC可能本质上是多灶的，待检查来自每个仓的代表性形态。与此相比，图7c中示出的图表表明PVC事件的数目在过去的几天内保持相对稳定，而且此外检测到的PVC事件共有单一的形态，表明PVC可能是单灶的。
图8是粘附装置100的实施方式的各自的分解图。在图8中示出的实施方式中，粘附装置包括粘附带910T，带有凝胶914A、914B、914C和914D的电极912A、912B、912C和912D，印刷电路板(PCB)920，柔性连接922A，安装在PCB920上的电气部件/传感器930，电池950，电子设备外壳盖960和柔性盖962。
粘附装置100包括至少两个电极，尽管图8中示出的实施方式包括电极912A、912B、912C和912D。粘附装置100可以包括最大的尺寸，例如从约4英寸至10英寸的最大长度，从约0.2英寸至约0.6英寸的沿着装置轮廓的最大厚度，以及从约2英寸至约4英寸的最大宽度。粘附贴100包括第一侧面，或下侧面910A，该第一侧面或下侧面置于患者上时朝向患者皮肤。粘附贴100可以还包括带910T，该带是具有粘合剂(未示出)的材料(优选是透气性的)以粘附于患者P。将电极912A、912B、912C和912D粘贴于粘附贴100。在许多实施方式中，将至少四个电极附着于该贴。每个凝胶914A、914B、914C和914D可以各自放置在电极912A、912B、912C和912D上，以提供电极和患者皮肤之间的导电性。粘附贴100还包括第二侧面，或上侧面910B。在许多实施方式中，电极912A、912B、912C和912D从下侧面910A延伸，通过粘附贴100到达上侧面910B。粘合剂可以应用于上侧面910B，以将结构例如透气性盖粘附至该贴，使得当该贴粘附于患者时，该贴可以支撑该电子设备以及其他结构。在许多实施方式中，粘附贴100可以包括一层透气带910T，例如特里科经编聚酯织物，以允许湿气和空气通过该带流通至患者皮肤，以及从患者皮肤流通出来。在电极912A-912D接收的电信号可以通过柔性连接922A传达至电子部件930，该柔性连接与PCB920连接。
此外，电子部件930可以包括用于以多种方式生成心电图信号和数据的ECG电路，该心电图信号和数据来自于电极912A、912B、912C和912D中的两个或更多个。在一些实施方式中，ECG电路(未示出)连接至内电极912B和912C，该ECG电路可以包括如上文所述的阻抗电路的感应电极。在许多实施方式中，当电流不通过电极912A和912D时，ECG电路可以测量来自电极912A和912D的ECG信号。
此外，电子电路930可以包括处理器模块，该处理器模块可以配置成分析由粘附装置100监测的生理参数并且控制来自心电图电路的数据的收集和传输。在一种实施方式中，作为电子电路930的一部分被包括的处理器模块包括有形介质，例如只读存储器(ROM)、电可擦可编程只读存储器(EEPROM)和/或随机存取存储器(RAM)。因此，监测的诸如ECG信号的生理参数的处理可以在作为电子电路930一部分被包括的本地处理器模块和远程监测系统106之间分配。例如，处理模块可以配置成处理监测的ECG信号以检测PVC搏动，而量化PVC搏动的形态并且基于量化的形态聚类PVC搏动可以通过远程监测系统106远程地处理。
在许多实施方式中，电子部件930包括无线通信电路(未示出)，以与远程中心106通信。PCB920可以包括天线以促进无线通信。该天线可以与PCB920集成或可以单独地与其耦合。无线通信电路可以与阻抗电路、心电图电路和加速度计耦合，以用通信协议将含水量信号(hydration signal)、心电图信号或倾斜度信号中的至少一种传输至远程中心。在具体实施方式中，无线通信电路配置成直接地或通过网关102将收集的生理参数传输至远程中心106(图1中示出)。通信协议包括蓝牙、ZigBee、WiFi、WiMAX、IR、振幅调制或频率调制中至少一种。在许多实施方式中，该通信协议包括双向协议，使得远程中心能够发布命令以控制数据收集。
以此方式，本公开提供了基于形态的监测、检测和分类PVC搏动的系统和方法。本发明的益处在于，与可在多天佩戴的粘附装置结合，本发明可以监测并分析发生在患者多个活动期间的数百个检测到的PVC搏动。此外，本发明提供将数百个或更多个检测到的PVC搏动组成有意义的报告的方法，该报告允许专家用户检查发生于一段时间的数百个如果不是数千个的PVC搏动，以帮助诊断PVC搏动的原因。例如，如果全部或大部分PVC搏动共有共同的形态，那么做出确定该PVC搏动是单灶的(即，起源于相同的异位位置)。相反地，如果报告表明PVC搏动包括两种或更多种形态，那么做出确定该PVC搏动是多灶的(即，起源于两个或更多个异位位置)。可以基于该信息做出治疗决策。
可能的实施方式的讨论
以下是本发明的可能实施方式的非排他性描述。
根据示例性实施方式，提供了一种监测和报告在患者中检测到的室性期前收缩(PVC)的方法。该方法包括用包括多个电极的粘附装置监测该患者的心电图(ECG)信号。此外，该方法包括基于监测的ECG信号检测室性期前收缩(PVC)搏动，以及存储与检测到的PVC搏动相关的ECG片段。形态信号通过量化与检测到的PVC搏动相关的存储的ECG片段来计算，然后基于计算的形态信号在数值上将PVC搏动进行聚类，以将类似形状的PVC搏动分组。最终，生成输出，该输出包括以下中的一种或多种：生成的聚类的总数、包括在每个聚类中的PVC搏动的数目的计数以及来自每个聚类的代表性PVC搏动。
前段的方法可以可选地、额外地和/或可替换地包括以下特征、配置和/或额外部件中的任何一种或多种。
计算形态信号的步骤可以进一步包括计算与每个检测到的PVC搏动相关的ECG片段的小波信号分解。
计算形态信号的步骤可以进一步包括计算与每个检测到的PVC搏动相关的ECG片段的小波信号分解。
该方法可以进一步包括，其中计算所述ECG片段的小波信号分解包括使用由方程式smorph＝ybph+ybpm+ybpl限定的子带信号的线性组合，其中ybph、ybpm和ybpl是对应于不同QRS频率的带通有限子带，并且smorph是得到的形态信号。
在数值上将该PVC搏动聚类的步骤可以进一步包括使用相关距离度量来比较形态信号并将共有相似形态的PVC搏动聚类。
该方法进一步包括缩放该计算的形态信号至参考心率。
缩放该计算的形态的步骤可以进一步包括基于该PVC搏动的心率以及参考心率，收缩/扩张所计算的形态。
在另一实施方式中，系统监测并报告关于患者的检测到的室性期前收缩(PVC)。该系统包括粘附装置和处理模块。该粘附装置可以包括多个电极和感应电路，该多个电极和感测电路用于监测粘贴了粘附装置的患者的心电图(ECG)信号。该处理模块可以配置为接收监测的ECG信号，其中处理模块基于该监测的ECG信号检测室性期前收缩(PVC)搏动。然后，处理模块可以计算每个检测到的PVC搏动的形态信号并基于形态信号的比较在数值上将PVC搏动聚类。此外，处理模块可以生成输出，该输出表明了生成的聚类的总数目、包括于每个聚类中的PVC搏动的数目的计数以及来自每个聚类中的代表性PVC搏动。
该系统可以进一步包括，其中由处理模块生成的输出包括基于该PVC搏动的在数值上的聚类而指示该PVC搏动是否是单灶的或多灶的。
该系统可以进一步包括，其中处理模块使用小波信号分解以计算每个PVC搏动的形态。
该系统可以进一步包括，其中该PVC搏动的小波信号分解是基于由方程式smorph＝ybph+ybpm+ybpl限定的子带信号的线性组合，其中ybph、ybpm和ybpl是对应于不同QRS频率的带通有限子带，并且smorph是得到的形态信号。
该系统可以进一步包括，其中通过该处理模块在数值上将PVC搏动聚类包括计算两个或更多个PVC搏动之间的相关距离度量，以确定该PVC搏动是否应该包括在相同聚类中，其中将该计算的相关距离度量与临界值进行比较。
该系统可以进一步包括，其中该处理模块提供将该计算的形态信号缩放至参考心率，该缩放早于计算每个PVC搏动的形态，或作为计算每个PVC搏动的形态的一部分。
该系统可以进一步包括，其中该处理模块基于该PVC搏动的测定的心率以及参考心率，选择性地收缩/扩张所述计算的形态。
所述处理模块可以是分布式处理系统，所述分布式处理系统包括在本地位于粘附装置上的处理器以及远程地位于远程监测中心的处理器，其中该粘附装置进一步包括无线发射器，该无线发射器配置为将数据从该粘附装置传达至远程监测中心。
虽然已经根据一种或多种示例性实施方式对本发明进行描述，本领域技术人员将理解，在不偏离本发明范围的情况下，可以进行各种更改并可以用等同物替换其元素。此外，可以进行许多修改以使特定的情况或材料适应本发明的教导，而不偏离其基本范围。因此，意图在于，本发明不限于所公开的一种或多种具体实施方式，但本发明将包括落入所附权利要求范围的所有实施方式。

Claims (15)

1.一种监测和报告在患者中检测到的室性期前收缩(PVC)的方法，所述方法包括：
用包括多个电极的粘附装置监测患者的心电图(ECG)信号；
基于所述监测的ECG信号检测室性期前收缩(PVC)搏动，并且存储与检测到的PVC搏动相关的ECG片段；
通过量化与检测到的PVC搏动相关的所述存储的ECG片段来计算形态信号；
基于所述计算的形态信号在数值上将所述PVC搏动聚类，以将具有相似形态的PVC搏动分组；
生成输出，所述输出包括下述中的一种或多种：生成的聚类的总数、包括在每个聚类中的PVC搏动的数目的计数以及来自每个聚类的代表性PVC搏动。
2.根据权利要求1所述的方法，其中，生成输出包括基于所述PVC搏动的在数值上聚类而提供所述PVC搏动是否是单灶的或多灶的指示。
3.根据权利要求1所述的方法，其中，计算所述形态信号包括计算与每个检测到的PVC搏动相关的所述ECG片段的小波信号分解。
4.根据权利要求3所述的方法，其中，计算所述ECG片段的所述小波信号分解包括使用由方程式smorph＝ybph+ybpm+ybpl限定的子带信号的线性组合，其中ybph、ybpm和ybpl是对应于不同QRS频率的带通有限子带，并且smorph是得到的形态信号。
5.根据权利要求1所述的方法，其中，在数值上将所述PVC搏动聚类包括使用相关距离度量来比较形态信号并将共有相似形态的PVC搏动聚类。
6.根据权利要求1所述的方法，还包括缩放所述计算的形态信号至参考心率。
7.根据权利要求6所述的方法，其中，缩放包括基于所述PVC搏动的心率以及参考心率，收缩/扩张所述计算的形态。
8.一种用于监测和报告关于患者的检测到的室性期前收缩(PVC)的系统，所述系统包括：
粘附装置，所述粘附装置包括多个电极和感应电路，用于监测粘贴了所述粘附装置的患者的心电图(ECG)信号；
处理模块，所述处理模块配置为接收所述监测的ECG信号，其中所述处理模块基于所述监测的ECG信号检测室性期前收缩(PVC)搏动，其中所述处理模块计算用于每个检测到的PVC搏动的形态信号并且基于所述形态信号的比较在数值上将所述PVC搏动聚类，其中所述处理模块生成输出，所述输出表明：生成的聚类的总数、包括在每个聚类中的PVC搏动的数目的计数以及来自每个聚类的代表性PVC搏动。
9.根据权利要求8所述的系统，其中，由所述处理模块生成的所述输出包括基于所述PVC搏动的在数值上的聚类而指示所述PVC搏动是否是单灶的或多灶的。
10.根据权利要求8所述的系统，其中，所述处理模块使用小波信号分解以计算每个PVC搏动的所述形态。
11.根据权利要求10所述的系统，其中，所述PVC搏动的所述小波信号分解是基于由方程式smorph＝ybph+ybpm+ybpl限定的子带信号的线性组合，其中ybph、ybpm和ybpl是对应于不同QRS频率的带通有限子带，并且smorph是得到的形态信号。
12.根据权利要求8所述的系统，其中，通过所述处理模块的PVC搏动的在数值上的聚类包括计算两个或更多个PVC搏动之间的相关距离度量，以确定所述PVC搏动是否应该包括在相同聚类中，其中将所述计算的相关距离度量与临界值进行比较。
13.根据权利要求8所述的系统，其中，所述处理模块还提供将所述计算的形态信号缩放至参考心率，所述缩放早于计算每个PVC搏动的形态或作为计算每个PVC搏动的形态的一部分。
14.根据权利要求13所述的系统，其中，所述处理模块基于所述PVC搏动的确定的心率以及参考心率，选择性地收缩/扩张所述计算的形态。
15.根据权利要求8所述的系统，其中，所述处理模块是分布式处理系统，所述分布式处理系统包括在本地位于粘附装置上的处理器以及远程地位于远程监测中心的处理器，其中所述粘附装置还包括无线发射器，所述无线发射器配置为将数据从所述粘附装置传达至所述远程监测中心。
CN201680051754.7A 2015-10-29 2016-10-27 确定室性期前收缩(pvc)类型和负荷的系统和方法 Active CN108024717B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US14/926,458 US9706938B2 (en) 2015-10-29 2015-10-29 System and method to determine premature ventricular contraction (PVC) type and burden
US14/926,458 2015-10-29
PCT/US2016/059094 WO2017075206A1 (en) 2015-10-29 2016-10-27 System and method to determine premature ventricular contraction (pvc) type and burden

Publications (2)

Publication Number Publication Date
CN108024717A true CN108024717A (zh) 2018-05-11
CN108024717B CN108024717B (zh) 2021-04-02

Family

ID=57256461

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680051754.7A Active CN108024717B (zh) 2015-10-29 2016-10-27 确定室性期前收缩(pvc)类型和负荷的系统和方法

Country Status (4)

Country Link
US (1) US9706938B2 (zh)
EP (1) EP3367885B1 (zh)
CN (1) CN108024717B (zh)
WO (1) WO2017075206A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021169296A1 (zh) * 2020-02-27 2021-09-02 平安科技（深圳）有限公司 心电图数据处理的方法、装置、计算机设备及存储介质

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2011252998B2 (en) 2010-05-12 2015-08-27 Irhythm Technologies, Inc. Device features and design elements for long-term adhesion
EP2948050B1 (en) 2013-01-24 2020-11-04 Irhythm Technologies, Inc. Physiological monitoring device
WO2016070128A1 (en) 2014-10-31 2016-05-06 Irhythm Technologies, Inc. Wireless physiological monitoring device and systems
US11576583B2 (en) * 2018-03-27 2023-02-14 Samsung Electronics Co., Ltd. Noninvasive blood pressure measurement method and device
US11717208B2 (en) * 2019-10-30 2023-08-08 Medtronic, Inc. Triggering storage of electrocardiographs for detected premature ventricular contractions (PVCs)
US11246524B2 (en) 2020-02-12 2022-02-15 Irhythm Technologies, Inc. Non-invasive cardiac monitor and methods of using recorded cardiac data to infer a physiological characteristic of a patient
CN111166325B (zh) * 2020-03-05 2021-02-02 齐鲁工业大学 基于ipcmm算法的心电信号qrs复合波检测方法及系统
US11523766B2 (en) * 2020-06-25 2022-12-13 Spacelabs Healthcare L.L.C. Systems and methods of analyzing and displaying ambulatory ECG data
US11350865B2 (en) 2020-08-06 2022-06-07 Irhythm Technologies, Inc. Wearable device with bridge portion
JP2023536982A (ja) 2020-08-06 2023-08-30 アイリズム・テクノロジーズ・インコーポレイテッド 生理学的モニタリング装置の電気部品
WO2022094425A1 (en) * 2020-10-30 2022-05-05 Vektor Medical, Inc. Heart graphic display system
US20220167903A1 (en) * 2020-11-30 2022-06-02 Pacesetter, Inc. Methods and systems to manage presentation of representative cardiac activity segments for clusters of such segments
WO2024074869A1 (en) * 2022-10-05 2024-04-11 Pulse For Integrated Solutions Gmbh Automatic ecg analysis

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101088456A (zh) * 2007-07-13 2007-12-19 天津大学 基于进化型小波域维纳去卷积的心电特征提取方法
CN101243972A (zh) * 2008-03-10 2008-08-20 湖南大学 用于心电信号qrs波检测的对数域模拟小波变换电路
CN101268938A (zh) * 2008-04-30 2008-09-24 董军 用于心电图识别与分类的方法和设备
CN103648376A (zh) * 2011-04-28 2014-03-19 德尔格医疗系统有限公司 经受异常心跳的病人的示波无损血压测量
US20140276155A1 (en) * 2013-03-14 2014-09-18 Medtronic, Inc. Beat-morphology matching scheme for cardiac sensing and event detection
CN104783787A (zh) * 2015-04-24 2015-07-22 太原理工大学 一种基于神经网络的j波检测方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8027722B1 (en) * 2003-10-17 2011-09-27 Pacesetter, Inc. Multifocal PVC detection for prevention of arrhythmias
US7181282B1 (en) 2004-06-14 2007-02-20 Pacesetter, Inc. Implantable cardiac device with PVC density monitoring, and therapy control and method
WO2008015683A2 (en) * 2006-08-03 2008-02-07 Bsp Biological Signal Processing Ltd. Apparatus and method for identifying myocardial ischemia using analysis of high frequency qrs potentials
US7715906B2 (en) 2007-06-04 2010-05-11 Medtronic, Inc. Method and apparatus for detecting noise in an implantable medical device
US8483813B2 (en) 2010-06-30 2013-07-09 Medtronic, Inc. System and method for establishing episode profiles of detected tachycardia episodes
TWI471119B (zh) * 2012-01-20 2015-02-01 慈濟學校財團法人慈濟大學 心電圖訊號的校正方法及其應用程式
WO2013163336A1 (en) 2012-04-24 2013-10-31 The Cooper Union For The Advancement Of Science And Art Ecg acquisition and treatment-response system for treating abnormal cardiac function
US8588909B1 (en) 2012-06-12 2013-11-19 Pacesetter, Inc. Triggered mode pacing for cardiac resynchronization therapy
JP6455843B2 (ja) 2013-11-01 2019-01-23 メドトロニック モニタリング インコーポレイテッド 生理学的値を監視し処理するための装置およびその作動方法
US9241650B2 (en) * 2013-12-15 2016-01-26 Lifewatch Technologies Ltd. Patient specific QRS complex classification for arrhythmia detection

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101088456A (zh) * 2007-07-13 2007-12-19 天津大学 基于进化型小波域维纳去卷积的心电特征提取方法
CN101243972A (zh) * 2008-03-10 2008-08-20 湖南大学 用于心电信号qrs波检测的对数域模拟小波变换电路
CN101268938A (zh) * 2008-04-30 2008-09-24 董军 用于心电图识别与分类的方法和设备
CN103648376A (zh) * 2011-04-28 2014-03-19 德尔格医疗系统有限公司 经受异常心跳的病人的示波无损血压测量
US20140276155A1 (en) * 2013-03-14 2014-09-18 Medtronic, Inc. Beat-morphology matching scheme for cardiac sensing and event detection
CN104783787A (zh) * 2015-04-24 2015-07-22 太原理工大学 一种基于神经网络的j波检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
CONSTANZA LEHMANN: "A Novel Multi-lead Method for Clustering Ventricular Ectopic Heartbeats", 《COMPUTING IN CARDIOLOGY》 *
杨荣峰: "多级自组织映射用于心电信号 QRS波群聚类", 《清华大学学报(自然科学版)》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021169296A1 (zh) * 2020-02-27 2021-09-02 平安科技（深圳）有限公司 心电图数据处理的方法、装置、计算机设备及存储介质

Also Published As

Publication number Publication date
US20170119274A1 (en) 2017-05-04
WO2017075206A1 (en) 2017-05-04
EP3367885B1 (en) 2022-02-23
CN108024717B (zh) 2021-04-02
EP3367885A1 (en) 2018-09-05
US9706938B2 (en) 2017-07-18

Similar Documents

Publication Publication Date Title
CN108024717A (zh) 确定室性期前收缩(pvc)类型和负荷的系统和方法
US10028706B2 (en) System for processing physiological data
JP6455843B2 (ja) 生理学的値を監視し処理するための装置およびその作動方法
US8478389B1 (en) System for processing physiological data
CN110868920B (zh) 具有多模态诊断的可穿戴装置
JP6795210B2 (ja) 不整脈発現の緊急調査を行うためにフラグを付けるシステム及び方法
Hadjem et al. An ECG monitoring system for prediction of cardiac anomalies using WBAN
US8070677B2 (en) Method and apparatus for distinguishing between clinically significant changes and artifacts in patient physiological information
KR100805181B1 (ko) 특이값 분해법을 이용한 청진음의 분석
JP2018504148A (ja) 無線式生体モニタリングデバイス及びシステム
US20190223806A1 (en) Sensor types and sensor positioning for a remote patient monitoring system
EP3307153B1 (en) System and method for monitoring and classifying atrial fibrillations
US11865351B2 (en) Medical device with enhanced electrocardiogram channel selection
CN113317794A (zh) 一种生命体征分析方法与系统
KR20130015476A (ko) 디지털 문진표 생성 장치 및 방법
WO2010104978A2 (en) System and method for delivery of physician notifications
CN210990210U (zh) 一种无感式睡眠监测装置和监测系统
WO2018064130A1 (en) System and method for cardiac monitoring using adaptive sensitivity/specificity levels
WO2021055520A1 (en) An interactive health-monitoring platform for wearable wireless sensor systems
Ueno An Analysis for Characteristics of Biosignal Abstracted from Piezoelectric Sensor
WO2023199356A1 (en) A system and method for non-intrusive monitoring and prediction of body functions
JP6762334B2 (ja) 異なるチャネルからのｅｃｇ信号を乗算することによって患者の心拍数を計算する着用型自動除細動器（ｗｃｄ）システム
CN106530165A (zh) 健康管理装置、健康管理方法及健康管理系统
CN117835909A (zh) 基于滤波器的心律失常检测
Iskandar et al. Real-time Atrial Fibrillation Detection Using Artificial Neural Network on a Wearable Electrocardiogram

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