CN108778407B - 用于将电脉冲施加给活的心肌组织的装置 - Google Patents
用于将电脉冲施加给活的心肌组织的装置 Download PDFInfo
- Publication number
- CN108778407B CN108778407B CN201780017358.7A CN201780017358A CN108778407B CN 108778407 B CN108778407 B CN 108778407B CN 201780017358 A CN201780017358 A CN 201780017358A CN 108778407 B CN108778407 B CN 108778407B
- Authority
- CN
- China
- Prior art keywords
- electrical
- signal
- complexity
- myocardial tissue
- current
- 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
Links
- 230000002107 myocardial effect Effects 0.000 title claims abstract description 64
- 230000000694 effects Effects 0.000 claims abstract description 33
- 230000004044 response Effects 0.000 claims abstract description 4
- 206010061592 cardiac fibrillation Diseases 0.000 claims description 12
- 230000002600 fibrillogenic effect Effects 0.000 claims description 11
- 208000001871 Tachycardia Diseases 0.000 claims description 10
- 238000005311 autocorrelation function Methods 0.000 claims description 7
- 230000006794 tachycardia Effects 0.000 claims description 6
- 238000000034 method Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 4
- 230000035939 shock Effects 0.000 claims description 4
- 230000003440 anti-fibrillation Effects 0.000 claims description 3
- 230000001960 triggered effect Effects 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 12
- 230000002763 arrhythmic effect Effects 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 4
- 238000005192 partition Methods 0.000 description 4
- 230000011664 signaling Effects 0.000 description 4
- 206010047281 Ventricular arrhythmia Diseases 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000000747 cardiac effect Effects 0.000 description 3
- 230000000739 chaotic effect Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 210000004165 myocardium Anatomy 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 206010049447 Tachyarrhythmia Diseases 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 239000003990 capacitor Substances 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000004081 narcotic agent Substances 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 230000002861 ventricular Effects 0.000 description 2
- 208000003663 ventricular fibrillation Diseases 0.000 description 2
- 206010047302 ventricular tachycardia Diseases 0.000 description 2
- 206010007559 Cardiac failure congestive Diseases 0.000 description 1
- 206010019280 Heart failures Diseases 0.000 description 1
- 206010047289 Ventricular extrasystoles Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000002565 electrocardiography Methods 0.000 description 1
- 230000001037 epileptic effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000000338 in vitro Methods 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N1/00—Electrotherapy; Circuits therefor
- A61N1/18—Applying electric currents by contact electrodes
- A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
- A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
- A61N1/362—Heart stimulators
- A61N1/3621—Heart stimulators for treating or preventing abnormally high heart rate
-
- 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]
- 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
- A61B5/363—Detecting tachycardia or bradycardia
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4836—Diagnosis combined with treatment in closed-loop systems or methods
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N1/00—Electrotherapy; Circuits therefor
- A61N1/02—Details
- A61N1/04—Electrodes
- A61N1/05—Electrodes for implantation or insertion into the body, e.g. heart electrode
- A61N1/056—Transvascular endocardial electrode systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N1/00—Electrotherapy; Circuits therefor
- A61N1/18—Applying electric currents by contact electrodes
- A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
- A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
- A61N1/362—Heart stimulators
- A61N1/365—Heart stimulators controlled by a physiological parameter, e.g. heart potential
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N1/00—Electrotherapy; Circuits therefor
- A61N1/18—Applying electric currents by contact electrodes
- A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
- A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
- A61N1/362—Heart stimulators
- A61N1/37—Monitoring; Protecting
- A61N1/3702—Physiological parameters
- A61N1/3704—Circuits specially adapted therefor, e.g. for sensitivity control
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Cardiology (AREA)
- Heart & Thoracic Surgery (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pathology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Physiology (AREA)
- Vascular Medicine (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Electrotherapy Devices (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
一种用于将至少一个电脉冲施加给活的心肌组织的装置,所述装置包括:接收代表心肌组织的当前电活动的电信号的输入部;处理电信号以在状态空间中确定电信号的当前复杂度并且在复杂度低于预定的复杂性阈值时输出控制信号(13)的信号处理器(11);被配置成响应于控制信号产生所述至少一个电脉冲的脉冲发生器;以及被配置成将所述至少一个电脉冲输出给心肌组织的输出部。
Description
技术领域
本发明涉及一种用于将至少一个电脉冲施加给活的心肌组织的装置。更具体地,本发明涉及一种用于将至少一个电脉冲施加给活的心肌组织的装置,该装置包括:接收代表心肌组织的当前电活动的电信号的输入部;信号处理器,其处理电信号以确定电信号的当前复杂度并在复杂度低于预定的复杂性阈值时输出控制信号;脉冲发生器,其响应于控制信号产生所述至少一个电脉冲;以及,将所述至少一个电脉冲输出给心肌组织的输出部。特别地,心肌组织可以是活的动物或人的心脏的心肌。
背景技术
WO 2012/1272027 A2公开了一种用于中止生物组织的高频心律失常电状态的装置。该已知装置包括确定单元,所述确定单元从表示生物组织的当前电状态的电信号确定至少一个主频率。从所述至少一个主频率,确定单元确定生物组织的当前电状态是否是高频心律失常电状态。此外,确定单元从电信号确定主导水平,所述主导水平表示所述至少一个主频率在高频心律失常电状态中的主导程度。在主导水平超过预定阈值的时间点处,确定单元根据所述至少一个主频率触发电脉冲发生器以使电脉冲发生器间歇地产生至少一个电脉冲序列。这些电脉冲经由连接到脉冲发生器的至少一个电极被施加给生物组织。与主导水平相比较的阈值可以被定义为之前记录的主导水平的最大值的某一百分比。为了确定主导水平,确定单元将主频率处的电信号的强度与至少一个相邻频率处的电信号的强度进行比较。与利用提供电击的单脉冲的除颤所使用的标准除颤能量相比,电脉冲发生器根据LEAP(低能抗纤颤起搏,Low Energy Anti-fibrillation Pacing)构思以相对低的电能产生电脉冲。WO 2012/172027还公开了一种基于监测心电图(ECG:Electrocardiogram)的频谱复杂性或频谱熵来确定用于给生物组织施加电脉冲的最佳起点的技术方案。
Christoph Bandt和Bernd Pompe的文章《排列熵——时间序列的自然复杂度》(2002年2月18日,参见www.math.uni-bremen.de/zetem/DFG-Schwerpunkt/preprints/ orig/bandt_pompe_permutation.pdf)公开了排列熵作为一种基于相邻值的比较的用于时间序列的复杂性参数。排列熵被定义为序数模式的概率的香农熵。Christoph Bandt和Bernd Pompe披露了将排列熵概念应用于语音信号和混沌时间序列的研究结果。
Yinhe Cao等人的文章《使用排列熵检测时间序列中的动态变化》(来自“PhysicalRevue”E 70,046217(2004))披露了排列熵被应用于来自癫痫患者的具有临床特征的脑波数据。
E.Olofsson等人的文章《脑电图的排列熵:麻醉药物效果的测量》(来自“英国麻醉学杂志”,2008年10月12日)披露了排列熵的概念在脑电图(EEG:Electroencephalograms)上的应用,以监测麻醉药物的效果。
U.Parlitz等人的文章《使用序数模式的数据统计和符号动力学分析对心脏生物信号进行分类》(来自“生物学和医学中的计算机”42(2012)319-327)披露了对序数模式的数据统计和符号动力学分析(即排列熵的基础)的辨别力的分析评估,该分析评估涉及了与适用于搏间隔内的所建立的心率变异性参数的相比较。对于来自患有充血性心力衰竭患者和健康对照组的ECG的记录数据,确定了两组参数。
R.K.Tripathy等人的文章《使用变分模态分解检测休克型室性心律失常》(来自“JMed Syst”,2016年1月21日)公开了变分模式分解(VMD:Variational ModeDecomposition),用以将ECG信号分解为多个模式或子信号,以对休克型室性心律失常和非休克型室性心律失常发作进行检测和分类,所述休克型室性心律失常包括室性心动过速(VT:Ventricular Tachycardia)和心室颤动(VF:Ventricular Fibrillation),所述非休克型室性心律失常发作包括正常窦性心律、心室二联征、室性异位搏动和心室逃逸节律。评估前三种模态的能量、雷尼熵和排列熵,并将这些值用作诊断特征。基于相互信息的特征评分用于选择最佳诊断特征集。
US 6,775,571 B1公开了一种基于心率的随机程度的过载起搏的动态控制。基于对心电信号的分析来确定与患者的心率相关联的随机程度。基于与心率相关联的熵或混沌维度的等级来确定随机程度。如果随机程度低于阈值,则表明心率可能过于相干,则会生成一警告信号,其表明存在快速性心律失常发作的显著风险。为了防止出现快速性心律失常,启动过载起搏,或者如果过载起搏已经被启动,则使过载起搏更具剧烈。可以执行混沌起搏以确保足够的心率变异性。使用适用于P-P间隔R-R间隔、或心率的其它适当指标的其它传统的熵计算技术来确定熵的水平。
US 5,817,132 A公开了一种植入的除颤器,其连续监测患者的心脏以检测纤颤的出现并且重复地、自动地计算在某一时刻出现心脏纤颤的一系列数据的近似熵。满足与预定阈值的预定关系的首个近似熵的分数激活能量输送系统以利用低水平的休克对心脏进行除颤。数据处理器接收心脏数据并反复地计算标量时间序列,所述标量时间序列由在时间上等距的离散数据点组成。然后,从标量时间序列得出近似熵的分数。近似熵的分数ApEn由等式ApEn(m,r,N)=Φm(r)-Φm+1(r)定义。Φm(r)是经典熵,r是表示噪声滤波的预定参数。
发明内容
本发明的目的是提供一种用于将至少一个电脉冲施加给活的心肌组织的装置,在该装置中,分析评估表示心肌组织的当前电活动的电信号以在最佳时间点触发所述至少一个电脉冲,以使得在尽可能低的电能下实现所述至少一个电脉冲的期望的复苏效果。
该问题通过一种包括独立权利要求1的特征的装置来解决。根据本发明的装置的优选实施例在从属权利要求2至20中限定。
一种根据本发明的用于将至少一个电脉冲施加给活的心肌组织的装置包括:接收表示心肌组织的当前电活动的电信号的输入部;信号处理器,其处理电信号以确定状态空间中电信号的当前复杂度并且当所述复杂度低于预定的复杂性阈值时输出控制信号;响应于控制信号生成所述至少一个电脉冲的脉冲发生器;以及,将所述至少一个电脉冲输出给心肌组织的输出部。
在本发明中,用于触发所述至少一个电脉冲的复杂度不是在频率空间中确定的,而是在状态空间中确定的。即使在根据本发明的装置中电信号的主频率被附加地确定和评估,所述复杂度也是在状态空间中而非频率空间中确定的。因此,根据本发明的复杂性度量法对心肌组织的电活动的相关的复杂性更为灵敏,这体现在:在低复杂性的时间段开始之后可以比在频率空间中确定的复杂度更精确且更快速地指示出这些低复杂性的时间段。
低复杂性的时间段的快速确定是将这种时间段高效地用于向仍呈现低复杂度的心肌组织施加至少一个电脉冲的先决条件,这是因为这些低复杂性的时间段可能非常短;在所述低复杂性的时间段内,可以以特别低的电能施加至少一个电脉冲以实现期望的效果。此外,对于心肌组织的电活动呈现低复杂性的时间段的高灵敏度通常允许比灵敏度低的复杂性度量法的情况早很多地施加至少一个电脉冲。早很多地施加电脉冲意味着可以早很多地中止心肌组织的危及生命的电活动、如纤颤。此外,在使用更灵敏的复杂性度量法时,当复杂性度量值较低时,心肌组织的电活动实际呈现低复杂性的概率较高,从而可以利用相对少的电能下来达到的期待的电脉冲效果。
根据本发明的在状态空间中确定的复杂度之所以具有较高的灵敏度的一个原因可能在于:为了确定复杂度而必须被评估的电信号的长度或时长与在频率空间中确定复杂度相比可能要短得多。
在心肌组织处记录电势或电压的至少一个电极可以连接到根据本发明的装置的输入部,或者输入部可以接收通过其它手段记录的ECG。
根据本发明的装置的脉冲发生器可以在信号处理器提供控制信号之前已经准备就绪以能产生至少一个电脉冲。例如,一旦发现心肌组织的心律失常电状态,就可以对脉冲发生器的电容器充电,以使得一旦出现控制信号就可以通过使电容器放电来产生至少一个电脉冲。
根据本发明的装置的输出部可以被配置用于连接至少一个电极以将至少一个电脉冲施加给心肌组织。该电极实际上可以是与连接到装置的输入部以获取表示心肌组织的电活动的电信号的电极为相同的电极。
当心肌组织是活的动物或人的心脏的心肌时,用于获取电信号和用于施加至少一个电脉冲的电极可以是体内电极和/或体外电极。
在根据本发明的装置中,信号处理器被配置成确定当前复杂度,以确定当前复杂度是否低于复杂性阈值并且以与以下时间段具有至少80%、优选至少90%并且更优选至少95%的时间重合地输出控制信号:在所述时间段中,电信号的所计算出的当前排列熵SP低于预定的熵阈值。
已经发现,电信号的当前排列熵是用于确定以下那些时间段的非常适合的且灵敏的复杂性度量量:在这些时间段中,应当将至少一个电脉冲施加给心肌组织以在尽可能少的电能下获得其期望的效果。然而,只要电信号的基本上相同的时间段作为心肌组织的电活动在状态空间中的低复杂性的指示被检测,那么复杂度是否实际上被计算为电信号的当前排列熵则并不是关键的。这不仅适用于由此所计算的排列熵本身,而且还适用于以下列方式并使用下列参数设置所计算的排列熵。
特别地,可以将电信号的当前排列熵SP计算为:
SP=-ΣPm×log(Pm)
在此,针对m=1,...D!时的概率Pm求和,所述概率Pm是以间隔ΔT采样的电信号中的由N个值所组成的序列所确定的图案的概率。概率Pm是D个相继值所形成的D!个不同的图案中的相应的一个的出现的数量除以所有不同的图案的出现的总数量,所述总数量等于(N-(D-1)×L),其中,所述D个相继值在由N个值所组成序列中间隔以L个值。换句话说,为了根据上面的公式计算排列熵,在电信号的N个值内被L个值间隔开的各组D个相继值中的每组被分别被配属给D!种不同的图案中的一个。然后确定并标准化不同的图案出现的数量以获得概率Pm。通过观察值的相对高度并将整数1至D以这些值的高度的相对顺序配属给这些值,可以将D!个不同的图案配属给电信号间隔以L个值的每D个相继值。根据这个构思,D个相继值可以显示D!个不同的图案,这是因为整数1至D可以按D!个不同的顺序图案来排列。
在根据本发明的装置中,使用参数ΔT、L×ΔT、D和N×ΔT的特别的参数设定来计算电信号的当前排列熵。通常,ΔT不超过约1毫秒以对应于1,000赫兹的采样速率。L×ΔT通常在0.1毫秒至250毫秒的范围内,并且N×ΔT通常在100毫秒至10秒的范围内。优选地,L×ΔT在0.5毫秒至200毫秒的范围内,并且N×ΔT在125毫秒至2秒的范围内,更优选地,L×ΔT在1毫秒至100毫秒的范围内,并且N×ΔT在250毫秒到1秒的范围内。最优选地,L×ΔT在20毫秒至50毫秒的范围内,并且N×ΔT在300毫秒至1秒的范围内。D在2至6的范围内。优选地,D在3至5的范围内。更优选地,D在3至4的范围内,最优选地,D是4。
使用这些参数设定,当前排列熵是一种对心肌组织的电活动的复杂性的高度灵敏的度量标尺,以适用于确定下述时间段:在这些时间段内,当施加至少一个电脉冲时,即使所述至少一个电脉冲具有相对低的电能,心肌组织也非常易于以期望的方式改变其电活动,。
如上所述,根据本发明的装置的信号处理器可以被配置成附加地确定电信号的主频率。可以将该主频率与预定频率阈值进行比较,以确定心肌组织是否显示心动过速或纤颤,以只在要中止这种心动过速或纤颤时才将向心肌组织施加至少一个电脉冲。特别地,信号处理器可以仅确定电信号的当前复杂度和/或仅在电信号的主频率低于预定频率阈值时输出控制信号。例如,对于心动过速,该频率阈值可以设定为约3赫兹,对于心肌组织的纤颤,该频率阈值可以设定为约5赫兹。
此外,根据本发明的装置的信号处理器可以被配置成将复杂性阈值预先确定为电信号的主频率下的正弦信号的排列熵SP。
由根据本发明的装置的信号处理器确定的主频率也可以用于在计算当前排列熵时设定参数L×ΔT。例如,L×ΔT可以是主频率的倒数值的20%至30%或大约四分之一。替代性地,信号处理器可以被配置成确定电信号的自相关函数。然后,L×ΔT可以设定成该自相关函数的首个过零的时间点的80%至120%或者该自相关函数的首个局部最小值的时间点的80%至120%。
然而,也可以将参数L×ΔT设定为固定值,例如,大约30毫秒。不过,该值也将位于基于电信号的主频率或自相关函数所确定的L×ΔT的上述示出的范围内。
如上所述,信号处理器可以被配置成将电信号的当前复杂度确定为当前排列熵SP本身。在其它实施例中,信号处理器被配置成基于从符号的图案的序数模式和对应的概率Pm获得的符号序列而将电信号的当前复杂性度量量确定为电信号的任何合适的广义当前熵、复杂度或信息度量量。这些度量参数包括q阶的雷尼熵,其中熵被计算为SP(q)=(1-q)- 1log(Σ(Pm)q)。阶参数q的有用范围是-12到12,优选是-8到8,更优选是-4到4。在q接近1的情况下,雷尼熵收敛向如上定义的排列熵SP。
此外,这些度量包括不同图案长度D的多个雷尼熵的和、差和其它函数表达;以及基于压缩算法、例如Lempel-Ziv算法及其变型的度量,参见US 4 558 302 A、US 4 464 650A、US 4 814 746 A。在此,符号序列S被分解为没有重叠的子序列S=S1S2S3S4...Sl,以使得每个子序列Sk(2≤k≤l)不能从由前k-1个子序列S1S2S3S4...Sk-1的连结所组成的符号序列复制。Lempel-Ziv复杂性被定义为表示整个符号序列所需的标准化子序列数量l:l log(N)/N。本领域技术人员已知Lempel-Ziv复杂性等同于排列熵SP,即所谓的香农熵。
此外,信号处理器可以被配置成将电信号的当前复杂性度量量确定为通过下述方式所计算的PCA-熵:从电信号生成轨迹矩阵(trajectory matrix),计算轨迹矩阵的奇异值分解,奇异值进行标准化以使得它们的和等于1,并且从标准化的奇异值计算香农熵。
适用的复杂性度量量还包括适用于电信号e(tk)(其中,tk=kΔT)向符号序列s(tk)的其它转换的上述熵度量,比如:
-基于静态分区的转换:这些符号描述基于包含电信号(e(tk),1≤k≤N)的所有值的区间的分区。区间边界由两个数字a和b限定,以使得1≤k≤N时a<e(tk)<b,。该分区由m个数字c1、c2、c3、...、cm限定,其中a<c1<c2<c3<...<cm<b。m+1个距离c1-a、c2-c1、c3-c2、...、b-cm可以是相同的或不同的。相应的符号被配属给每个子区间(即,配属给区间[a,c1)、[c1,c2)、[c2,c3)、...[cm,b))并且电信号e(tk)的每个元素被转换成其包含子区间的符号。
-动态分区:此时,符号被配属给电信号的相继值的差,即配属给e(tk)-e(tk-1),其中2≤k≤N。然后包含值e(tk)-e(tk-1)(其中2≤k≤N)的区间被分成大小相同或不相同的子区间并且根据该分区构建符号序列。
-用于将电信号转换为符号序列的静态分区与动态分区的组合。
-基于重构状态空间中的分区的转换:电信号(e(tk),1≤k≤N)用于构造D维延迟向量[e(tk),e(tk-LΔT),...,e(tk-(D-1)LΔT)],所述D维延迟向量代表D维延迟重构空间中的点。通过划分D维重构空间,使相应的符号与每个点和每个信号值e(tk)相关联。
适用的复杂性度量量还包括拟合的低维(预测)模型(包括ARMA型线性预测模型或低维非线性确定性系统(在重构状态空间中所定义的))的残差方差的低值;以及解释前一窗口的嵌入式ECG信号的方差的高百分比(至少95%)的低的主成分量(PCA=主成分分析(principal component analysis))。
作为对电信号的上述预处理的替代或补充,信号发生器可以在确定状态空间内的电信号的当前复杂度之前对状态空间内的电信号进行滤波、压缩或变换。例如,信号处理器可以对电信号进行滤波以将其降低到某个频率范围。以这种方式滤波的电信号仍将处于状态相位并将在滤波之后在状态相位下被分析评估。另一个示例是对电信号进行低通滤波,以使得以ΔT间隔所采集的电信号的样本将是原始信号在这些ΔT间隔上的平均值。另一个特征是将电信号从线性标度转换成对数标度或从对数标度转换成线性标度。
可以将预定的复杂性阈值或熵阈值设定为固定值。然而,更优选地,信号处理器通过以下方式来确定复杂性阈值或熵阈值:确定当前复杂性或熵度量在一段时间内的最小值并将复杂性阈值或熵阈值设定成该最小值的预定百分比。特别地,所设定的预定复杂性或熵值相对于所述最小值的预定百分比为103%至120%。优选地,所述预定百分比为105%至110%。
根据本发明的装置的信号处理器可以包括A/D转换器,以便以间隔ΔT对电信号进行采样。然后,实际信号处理可以是数字的,即通过在硬件或软件中实施的计算机程序来执行。
电信号可以特别是ECG信号或任何其它电压信号。
当电信号通过根据本发明的装置的输入部提供给信号处理器时,电信号可能已经是数字信号。即使这样,它在这种情况下也将被视为电信号,这是因为它代表心肌组织的电活动。
在本发明的装置的一个实施例中,信号处理器确定由多个传感器提供的多个电信号的多个当前复杂度,所述多个传感器感测心肌组织的多个区域中的心肌组织的当前电活动。在这种情况下,当所述多个电信号中的至少预定的比例的电信号当前复杂度低于预定的复杂性阈值时,信号处理器可以输出控制信号。
所述多个电信号通常可以由四到二十个电信号组成。通常会分析评估六到十个电信号。例如,当所述多个电信号中的最多除了三个电信号或两个电信号或仅一个电信号以外的所有电信号的当前复杂度皆低于预定的复杂性阈值时,信号处理器可以输出控制信号。至少,在输出控制信号时,有至少一半以上的当前复杂度应当低于预定的复杂性阈值。
优选地,所述多个传感器感测心肌组织的多个等距隔开的区域中的心肌组织的当前电活动。特别地,所述多个传感器可以布置在包围心肌组织的虚拟环部上,所述虚拟环部通常是患者的心脏。
根据本发明的装置可以用于提供单一个电脉冲,以在最合适的时间点通过电击来中止心肌组织的纤颤,从而使得电脉冲的电能可以相对较低而不会危及期望的纤颤中止。
替代性地或附加性地,根据本发明的装置可以用于施加电脉冲组,以在最合适的时间点再次通过低能量的抗纤颤起搏来中止心肌组织的纤颤,从而以尽可能低的总电能来中止纤颤。在根据本发明的装置的本实施例中,至少,所述电脉冲组的第一电脉冲在心肌组织活动的以下时间段期间被施加:该时间段是由状态空间中所确定的复杂度的低值所指示的心肌组织活动的低复杂性时间段。
更进一步或替代性地,根据本发明的装置还可以用于施加一串电脉冲,以通过抗心动过速起搏来中止心肌组织的心动过速。在这种情况下,同样,在状态空间中所计算的当前复杂度表明心肌组织的电活动的复杂性较低时,所述一串电脉冲中的第一电脉冲被施加。
本发明的有利发展由权利要求、说明书和附图得出。在说明书开头提到的特征的优点和多个特征的组合的优点仅用作示例,并且可以替代性地或累积地使用,而不需要根据本发明的实施例必须获得这些优点。在不改变所附权利要求限定的保护范围的情况下,以下适用于原始申请和专利的公开:可以从附图中、特别是从所示的多个相对于彼此的组件的设计和尺寸以及它们的相对布置和它们的操作连接取得进一步的特征。本发明的不同实施例的特征的组合或独立于所附权利要求的所附权利要求的不同权利要求的特征的组合也是可能的,并且由此推动。这还涉及在单独的附图中示出的或在描述它们时提到的特征。这些特征也可以与不同的权利要求的特征组合。此外,本发明的其它实施例可能不具有权利要求中提到的特征。
权利要求中和说明书中提到的特征的数字应理解为覆盖该确切数字和比所述数字更大的数字,而不必明确地使用副词“至少”。例如,如果提到电极,则应理解为恰好具有一个电极或具有两个电极或更多个电极。可以向这些特征中添加附加的特征,或者这些特征可以是相应产品的唯一特征。
权利要求中包含的附图标记不限制由权利要求保护的主题的范围。它们的唯一功能是使权利要求更容易理解。
附图说明
在下面,参考附图中所示的优选示例性实施例进一步解释和描述本发明。
图1是根据本发明的装置的示意图;
图2是根据图1的装置的信号处理器的框图;
图3示出长度为(a)D=3、(b)D=4、(c)D=5的不同的图案;以及
图4示出:(a)表示心肌组织的电活动的电信号,(b)电信号的当前排列熵SP;(c)排列熵SP低于熵阈值的时间段。
具体实施方式
图1中示意性地示出的装置1包括输入部2。连接到输入部2的电极3感测心肌组织4(即心脏5的心肌)的电活动。借助于电极3,输入部2接收表示心肌组织4的电活动的电信号。电信号6由信号处理器处理。信号处理器处理电信号以确定心肌组织4的电活动是否显示异常,例如纤颤或心动过速。如果检测到这种异常,则信号处理器将启动信号7发送到装置1的脉冲发生器12。在接收到启动信号7后,脉冲发生器12准备就绪以能产生至少一个电脉冲8,所述至少一个电脉冲8将经由装置1的输出部10借助于另一电极9施加到心肌组织4。信号处理器11还确定心肌组织4特别容易受到电脉冲8影响的时间段,以用于终止心肌组织4当前的电活动异常。在这些时间段中,电活动具有特别低的复杂性。这些时间段由信号处理器11通过控制信号13指示给信号发生器12。当已经启动并接收到控制信号13后,脉冲发生器12产生至少一个电脉冲8。
图2的框图示出了信号处理器11如何工作。在处理模块14中,信号处理器11确定电信号的主频率fd。在判定模块15中,信号处理器11确定主频率fd是否高于5赫兹。如果主频率不高于5赫兹,则信号处理返回到处理模块14。否则,借助于信令模块19启动信号7被输出给脉冲发生器,因为高于5赫兹的主频率表明心肌组织具有纤颤。在处理模块16中,信号处理器11确定电信号的排列熵SP。在随后的判定模块17中,信号处理器确定排列熵是否低于熵阈值。如果不低于熵阈值,则信号处理返回到处理模块16。否则,由信令模块18输出控制信号12,然后信号处理返回到开始。
根据图2的处理模块16如下工作。以时间间隔ΔT对采集电信号。为了计算当前排列熵,分析评估电信号的N个相继的采样值。分析评估包括确定由N个值组成的值序列内的电信号的每D个相继值中每个数字显示的图案。通过D个相继值显示哪个特定图案取决于这些值的相对高度的顺序。
图3(a)从值的高度连续增加开始示出了长度D=3的六个不同的图案。图案的总数是D!=6。图3(b)示出了长度D=4的D!=24个图案,图3(c)示出了长度D=5的D!=120个图案。为电信号的由N个值组成的值序列内的N-(D-1)×L个起始点中的每一个确定电信号的N个相继值所显示的是D!个图案中哪个图案。排列熵是根据各图案的出现数量来计算的:
SP=-ΣPm×log(Pm),m=1,…,D!,
其中,Pm是相应的图案的出现的数量除以(N-(D-1)×L)。将排列熵与熵阈值进行比较。可以根据在前时间段内所出现的排列熵的最小值来设定所述熵阈值。例如,熵阈值可以是最小值的110%。
图4(a)示出了示例性电信号6。图4(b)示出了按上述计算的相应的当前排列熵SP并且与熵阈值20进行比较。图4(c)示出了以下时间段:在这些时间段内,由于当前的排列熵SP低于熵阈值20而通过根据图1的信号处理器11输出控制信号13。控制信号13的最右边的时间段在此用于触发来自根据图1的脉冲发生器12的一列电脉冲8,所述电脉冲8可以在电信号6中被观察到。
附图标记列表
1 装置
2 输入部
3 电极
4 心肌组织
5 心脏
6 电信号
7 启动信号
8 电脉冲
9 电极
10 输出部
11 信号处理器
12 脉冲发生器
13 控制信号
14 处理模块
15 判定模块
16 处理模块
17 判定模块
18 信令模块
19 信令模块
20 熵阈值
Claims (20)
1.一种用于将至少一个电脉冲(8)施加给活的心肌组织(4)的装置(1),所述装置(1)包括:
-输入部(2),其被配置成接收代表心肌组织(4)的当前电活动的电信号(6);
-信号处理器(11),其被配置成处理电信号(6)以确定电信号(6)的当前复杂度并当所述复杂度低于预定的复杂性阈值时输出控制信号(13);
-脉冲发生器(12),其被配置成响应于控制信号(13)产生所述至少一个电脉冲,使得所述至少一个电脉冲由所述复杂度触发;以及
-输出部(10),其被配置成将所述至少一个电脉冲(8)输出给心肌组织(4);
其中,信号处理器(11)被配置成作为状态空间中电信号(6)的当前复杂性的一种度量来确定所述当前复杂度,
其特征在于,信号处理器(11)被配置成将所述当前复杂度确定成所述电信号的计算的当前排列熵SP,其中,所述预定的复杂性阈值是预定的熵阈值(20),并且针对以间隔ΔT采集的电信号的由N个值组成的值序列按照下述方式计算所述当前排列熵SP:
SP=-∑Pm×log(Pm),其中,m=1,…,D!
-其中,Pm是所述由N个值组成的值序列中的以L个值间隔的D个相继的值的D!个不同的图案中的相应的一个图案出现的数量除以所有不同的图案出现的总数量,所述总数量是(N-(D-1)×L),
-其中,L×ΔT是1毫秒至100毫秒,并且N×ΔT是250毫秒至1.0秒,并且
-其中,D是2至6。
2.根据权利要求1所述的装置(1),其特征在于,L×ΔT是2毫秒到50毫秒,并且N×ΔT是300毫秒到1.0秒。
3.根据权利要求1所述的装置(1),其特征在于,D是3至5。
4.根据权利要求1所述的装置(1),其特征在于,D是3至4,或者D是4。
5.根据前述权利要求中任一项所述的装置(1),其特征在于,所述信号处理器(11)被配置成确定所述电信号的主频率。
6.根据权利要求5所述的装置(1),其特征在于,所述信号处理器(11)被配置成仅在电信号的主频率fd低于预定频率阈值时确定所述电信号(6)的当前复杂度。
7.根据权利要求5所述的装置(1),其特征在于,所述信号处理器(11)被配置成仅在电信号的主频率fd低于预定频率阈值时输出控制信号(13)。
8.根据权利要求5所述的装置(1),其特征在于,所述信号处理器(11)被配置成将所述复杂性阈值预先确定为具有所述电信号的主频率的正弦信号的排列熵SP。
9.根据权利要求5所述的装置(1),其特征在于,L×ΔT是1/fd的20%至30%,其中,fd是所述主频率。
10.根据权利要求1至4、6至9中任一项所述的装置(1),其特征在于,信号处理器(11)被配置成确定电信号的自相关函数,并且L×ΔT是所述自相关函数的第一过零点的80%到120%或所述自相关函数的局部最小值的80%到120%。
11.根据权利要求1至4、6至9中任一项所述的装置(1),其特征在于,信号处理器(11)被配置成在确定所述电信号的当前复杂度之前对所述状态空间内的电信号进行滤波、压缩或变换。
12.根据权利要求1至4、6至9中任一项所述的装置(1),其特征在于,信号处理器(11)被配置成通过下述方式来确定所述复杂性阈值:确定在前的一段时间内的当前复杂度的最小值并将复杂性阈值设定为所述最小值的一预定百分比,其中,所述预定百分比是103%至120%。
13.根据权利要求12所述的装置(1),其特征在于,所述预定百分比是105%至110%。
14.根据权利要求1至4、6至9、13中任一项所述的装置(1),其特征在于,信号处理器(11)包括A/D转换器,用于以间隔ΔT采集电信号。
15.根据权利要求1至4、6至9、13中任一项所述的装置(1),其特征在于,电信号(6)是电压信号或ECG信号。
16.根据权利要求1至4、6至9、13中任一项所述的装置(1),其特征在于,信号处理器(11)被配置成确定由多个传感器提供的多个电信号的相应的当前复杂度,所述多个传感器被配置成感测心肌组织的多个区域中的心肌组织的当前电活动;并且信号处理器(11)被配置成当所述多个电信号中的至少预定比例的电信号的当前复杂度低于预定的复杂性阈值时输出控制信号(13)。
17.根据权利要求16所述的装置(1),其特征在于,所述多个电信号由四到二十个或六到十个电信号组成,并且信号处理器(11)被配置成当所述多个电信号中最多除了三个电信号或两个电信号或一个电信号以外的所有电信号的当前复杂度均低于预定的复杂性阈值时输出控制信号(13)。
18.根据权利要求16所述的装置(1),其特征在于,所述多个传感器被配置成感测心肌组织的多个等距隔开的区域中的心肌组织的当前电活动。
19.根据权利要求16所述的装置(1),其特征在于,所述多个传感器被配置成布置在包围心肌组织的虚拟环部上。
20.根据权利要求1至4、6至9、13、17至19中任一项所述的装置(1),其特征在于,脉冲发生器(12)被配置成产生:
-用于通过电击终止心肌组织的纤颤的单电脉冲;和/或
-用于通过低能量的抗纤颤起搏终止心肌组织的纤颤的电脉冲组;和/或
-用于通过抗心动过速的起搏终止心肌组织的心动过速的电脉冲串。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP16160234.7A EP3219356A1 (en) | 2016-03-14 | 2016-03-14 | Apparatus for applying electric pulses to living myocardial tissue |
EP16160234.7 | 2016-03-14 | ||
PCT/EP2017/056021 WO2017157954A1 (en) | 2016-03-14 | 2017-03-14 | Apparatus for applying electric pulses to living myocardial tissue |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108778407A CN108778407A (zh) | 2018-11-09 |
CN108778407B true CN108778407B (zh) | 2022-03-18 |
Family
ID=55527896
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780017358.7A Active CN108778407B (zh) | 2016-03-14 | 2017-03-14 | 用于将电脉冲施加给活的心肌组织的装置 |
Country Status (6)
Country | Link |
---|---|
US (1) | US10870006B2 (zh) |
EP (2) | EP3219356A1 (zh) |
JP (1) | JP6938524B2 (zh) |
CN (1) | CN108778407B (zh) |
CA (1) | CA3014714C (zh) |
WO (1) | WO2017157954A1 (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108309238B (zh) * | 2018-01-30 | 2020-10-16 | 陕西师范大学 | 一种基于相位排列熵的心电信号异常识别方法 |
CN109596349B (zh) * | 2018-12-06 | 2020-08-25 | 桂林电子科技大学 | 一种基于vmd和pct的减速器故障诊断方法 |
CN111583495A (zh) * | 2020-04-30 | 2020-08-25 | 厦门快商通科技股份有限公司 | 基于语音识别的远程门禁系统及其授权方法 |
CN112073345B (zh) * | 2020-07-28 | 2021-08-31 | 中国科学院信息工程研究所 | 一种调制方式识别方法、装置、电子设备及存储介质 |
CN114027840A (zh) * | 2021-11-12 | 2022-02-11 | 江苏科技大学 | 基于变分模态分解的情绪脑电识别方法 |
EP4268885A1 (en) | 2022-04-27 | 2023-11-01 | Max-Planck-Gesellschaft zur Förderung der Wissenschaften e.V. | Apparatus for terminating cardiac arrhythmias by deceleration pacing |
CN114869294B (zh) * | 2022-05-05 | 2023-05-30 | 电子科技大学 | 基于vmd分解和let模型的粒子滤波运动伪迹抑制方法 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4464650A (en) | 1981-08-10 | 1984-08-07 | Sperry Corporation | Apparatus and method for compressing data signals and restoring the compressed data signals |
US4814746A (en) | 1983-06-01 | 1989-03-21 | International Business Machines Corporation | Data compression method |
US4558302A (en) | 1983-06-20 | 1985-12-10 | Sperry Corporation | High speed data compression and decompression apparatus and method |
US5817132A (en) * | 1997-05-09 | 1998-10-06 | Cedars-Sinai Medical Center | Defibrillation apparatus and method |
US6775571B1 (en) * | 2001-12-12 | 2004-08-10 | Pacesetter, Inc. | Dynamic control of overdrive pacing based on degree of randomness within heart rate |
CA2565192A1 (en) * | 2004-05-01 | 2005-11-10 | Bsp Biological Signal Processing Ltd. | Apparatus and method for analysis of high frequency qrs complexes |
US7908001B2 (en) * | 2005-08-23 | 2011-03-15 | Cardiac Pacemakers, Inc. | Automatic multi-level therapy based on morphologic organization of an arrhythmia |
JP4857045B2 (ja) * | 2006-07-31 | 2012-01-18 | 株式会社アルファ | 電動ステアリングロック装置 |
WO2008128034A1 (en) * | 2007-04-12 | 2008-10-23 | University Of Virginia Patent Foundation | Method, system and computer program product for non-invasive classification of cardiac rhythm |
US8929975B2 (en) * | 2008-04-11 | 2015-01-06 | Siemens Medical Solutions Usa, Inc. | System for heart monitoring, characterization and abnormality detection |
JP5850379B2 (ja) * | 2011-06-15 | 2016-02-03 | マックス−プランク−ゲゼルシャフト ツア フェーデルンク デア ヴィッセンシャフテン エー.ファオ. | 生物学的組織の高周波不整脈電気状態を終結させる装置 |
CN102284138B (zh) * | 2011-08-03 | 2014-03-05 | 复旦大学 | 基于二阶导数编码的符号序列熵自动判别室速室颤的体外除颤器 |
CN103801001B (zh) * | 2012-11-14 | 2016-05-11 | 苏州景昱医疗器械有限公司 | 一种节能型植入式有源电子装置、系统及无线通信方法 |
CN103610466A (zh) * | 2013-10-17 | 2014-03-05 | 杭州电子科技大学 | 基于emd排列组合熵的肌电信号跌倒识别方法 |
CN104156339B (zh) * | 2014-08-14 | 2015-08-26 | 石家庄铁道大学 | 一种利用二次排列熵识别周期微弱脉冲信号的方法 |
CN104622467A (zh) * | 2015-01-12 | 2015-05-20 | 天津大学 | 一种检测阿尔兹海默症的脑电信号复杂度异常的方法 |
-
2016
- 2016-03-14 EP EP16160234.7A patent/EP3219356A1/en not_active Withdrawn
-
2017
- 2017-03-14 CA CA3014714A patent/CA3014714C/en active Active
- 2017-03-14 WO PCT/EP2017/056021 patent/WO2017157954A1/en active Application Filing
- 2017-03-14 JP JP2018542130A patent/JP6938524B2/ja active Active
- 2017-03-14 EP EP17710298.5A patent/EP3429677B1/en active Active
- 2017-03-14 CN CN201780017358.7A patent/CN108778407B/zh active Active
-
2018
- 2018-09-11 US US16/127,924 patent/US10870006B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
JP2019509784A (ja) | 2019-04-11 |
EP3219356A1 (en) | 2017-09-20 |
EP3219356A8 (en) | 2017-11-15 |
CA3014714A1 (en) | 2017-09-21 |
CN108778407A (zh) | 2018-11-09 |
JP6938524B2 (ja) | 2021-09-22 |
WO2017157954A1 (en) | 2017-09-21 |
EP3429677A1 (en) | 2019-01-23 |
US10870006B2 (en) | 2020-12-22 |
CA3014714C (en) | 2024-04-16 |
EP3429677B1 (en) | 2021-12-08 |
US20190009089A1 (en) | 2019-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108778407B (zh) | 用于将电脉冲施加给活的心肌组织的装置 | |
EP2944251B1 (en) | Method, apparatus and computer-readable medium for confidence level determination of ambulatory hr algorithm based on a three-way rhythm classifier | |
EP3166482B1 (en) | System and method for distinguishing a cardiac event from noise in an electrocardiogram (ecg) signal | |
US8233972B2 (en) | System for cardiac arrhythmia detection and characterization | |
EP2534597B1 (en) | Method of predicting the survivability of a patient | |
US6308094B1 (en) | System for prediction of cardiac arrhythmias | |
EP2967404B1 (en) | Device implementing dual criteria for arrhythmia detection | |
Eerikäinen et al. | Detecting atrial fibrillation and atrial flutter in daily life using photoplethysmography data | |
CN111346300A (zh) | 用于检测室性颤动的设备和方法 | |
Riasi et al. | Prediction of ventricular tachycardia using morphological features of ECG signal | |
CN110200621A (zh) | 一种心血管事件预警分析方法 | |
WO2013186634A2 (en) | Predicting acute cardiopulmonary events and survivability of a patient | |
WO2019171384A1 (en) | Atrial fibrillation prediction using heart rate variability | |
Povinelli et al. | Are nonlinear ventricular arrhythmia characteristics lost, as signal duration decreases? | |
Oster et al. | An artificial model of the electrocardiogram during paroxysmal atrial fibrillation | |
Liu et al. | The differential method of phase space matrix for AF/VF discrimination application | |
Przystup et al. | ECG-based prediction of ventricular fibrillation by means of the PCA | |
Pulavskyi et al. | Assessment of electrocardiogram quality using lossless compression technique for heart rate variability analysis | |
RU2737860C1 (ru) | Способ и устройство поддержки принятия решения при оказании экстренной кардиологической помощи | |
US9662027B2 (en) | Methodology for assessing the bounded-input bounded-output instability in QT interval dynamics: application to clinical ECG with ventricular tachycardia | |
Pouyan et al. | Prediction of ventricular tachyarrhythmias using fourier-bessel expansion in short-term HRV signals obtained from ICDs | |
Das et al. | Effect of a romantic song on the autonomic nervous system and the heart of Indian male volunteers | |
KR20240062901A (ko) | 인공지능 기반 심방세동 예측 장치 및 이의 동작 방법 | |
Pei et al. | Identification of dynamical noise levels in chaotic systems and application to cardiac dynamics analysis | |
Liou et al. | Analysis of Waveform Data of ECG/RESP/ICG with Fourier Transform |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1262249 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |