CN110944580A - 用于检测心房纤颤的系统和方法 - Google Patents
用于检测心房纤颤的系统和方法 Download PDFInfo
- Publication number
- CN110944580A CN110944580A CN201880048993.6A CN201880048993A CN110944580A CN 110944580 A CN110944580 A CN 110944580A CN 201880048993 A CN201880048993 A CN 201880048993A CN 110944580 A CN110944580 A CN 110944580A
- Authority
- CN
- China
- Prior art keywords
- afib
- segment
- value
- time
- ecg data
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—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
- A61B5/349—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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7221—Determining signal validity, reliability or quality
-
- 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)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Heart & Thoracic Surgery (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Cardiology (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Computer Networks & Wireless Communication (AREA)
Abstract
本发明提供一种用于处理ECG以检测心房纤颤的系统,所述系统包括三个软件模块。跳动模块可在处理器上执行以接收ECG数据的时间序列、识别心跳并基于每个所识别的心跳的定时来确定跳动AFIB值。所述跳动AFIB值基于每个所识别的心跳的所述定时的波动来表示存在或不存在AFIB。片段模块可执行以接收所述ECG数据的时间序列、将所述ECG数据的时间序列划分为两个或更多个时间片段并确定每个时间片段的片段AFIB值。所述片段AFIB值基于是否识别出一组节律中的任何一个来指示在所述时间片段中存在或不存在AFIB。所述AFIB检测模块可执行以基于所述时间片段期间的所述跳动AFIB值和所述时间片段的所述片段AFIB值来确定每个时间片段的AFIB识别值。
Description
背景技术
心房纤颤(“AFIB”)是不规则心跳的最常见形式。在AFIB中,心脏的心房壁不会产生有组织的收缩,而是颤动。因此,无法从患有AFIB的患者体中检测到有组织的心跳节律。这种心律失常使患者面临重大风险,因为它允许血液在左心房中积聚并停滞,从而形成凝块。这种凝块可能会脱落并流到大脑,在那里它可以阻止足够的血液流向大脑的一部分,在那里它将开始死亡,从而引发卒中。AFIB最多引起全部卒中的四分之一,并且通常一直到发生卒中之前都没有被检测到。据估计,AFIB约有三分之一是无症状的。AFIB的患病率高且与年龄有关,从55-59岁的0.7%到85岁以上的17.8%。然而,众所周知,AFIB很难检测到。
在ECG记录中自动检测AFIB的最常见方法在很大程度上依赖于以下事实,即AFIB是一种随机传导到心室的混沌房性心律失常。因此,在存在AFIB的情况下,由RR间隔测量的QRS波特征之间的时间段应连续变化。AFIB的这一属性是连续混沌节律,大多数动态ECG分析程序都使用它来检测AFIB。然而,对于并非AFIB的其他类型的良性心律失常,正常进行的心跳的RR间隔可能会有所不同。例如,房性期前收缩(PAC)或窦性心律失常(SA),这两者在正常人群中都很常见。虽然这些良性心律失常确实表现为RR间隔的波动,但这些心律失常实际上并不是连续混沌的或随机的。
发明内容
提供本发明内容是为了介绍将在下面的具体实施方式中进一步描述的一系列概念。本发明内容不旨在识别要求保护的主题的关键或必要特征,也不旨在用于帮助限制要求保护的主题的范围。
在一个实施方案中,一种用于处理ECG以检测心房纤颤的系统包括三个软件模块,该三个软件模块可在处理器上执行。跳动模块可在处理器上执行以接收ECG数据的时间序列、在ECC数据的时间序列中识别心跳并基于每个所识别的心跳的定时来确定跳动AFIB值。跳动AFIB值基于每个所识别的心跳的定时的波动来表示存在或不存在AFIB。片段模块可在处理器上执行以接收ECG数据的时间序列、将ECG数据的时间序列划分为两个或更多个时间片段并确定每个时间片段的片段AFIB值。片段AFIB值基于是否识别出一组节律中的任何一个来指示在时间片段中存在或不存在AFIB。AFIB检测模块可在处理器上执行以基于每个时间片段期间的跳动AFIB值和该时间片段的片段AFIB值来确定该时间片段的AFIB识别值。
处理ECG数据以检测心房纤颤的方法的一个实施方案包括接收ECG数据的时间序列并在ECG数据的时间序列内识别每个心跳。基于每个所识别的心跳的定时来确定跳动AFIB值,其中跳动AFIB值基于每个所识别的心跳中的波动来表示存在或不存在AFIB。将ECG数据的时间序列划分为两个或更多个时间片段,并且确定每个片段的片段AFIB值,其中片段AFIB值基于是否识别出一组节律中的任何一个来指示在ECG数据的时间片段中存在或不存在AFIB。然后,基于每个时间片段期间的跳动AFIB值和该时间片段的片段AFIB值来确定该时间片段的AFIB识别值。
附图说明
参考以下附图描述本公开。
图1示意性地描绘了用于处理ECG数据以检测心房纤颤的系统的一个实施方案。
图2提供了根据本公开的描绘示例性逻辑的表,该示例性逻辑可以作为用于处理ECG数据以检测心房纤颤的方法的一部分来利用。
图3是表示处理ECG数据以检测心房纤颤的方法的一个实施方案的流程图。
图4是可以结合在用于处理ECG数据以检测心房纤颤的系统的一个实施方案中的计算系统的示意图。
具体实施方式
已发现,间歇性AFIB会增加卒中的风险,尽管程度可能不如持久性AFIB。此外,已发现,患有短暂性脑缺血发作或隐源性卒中的人中有很大一部分具有间歇性AFIB。因此,越来越需要记录AFIB的短暂性发作,这需要使用诊断性静止ECG设备以外的其他方法。
AFIB并非始终是持久性的或慢性的,因此在获得静止的12导联ECG时通常不存在AFIB。使用植入式设备来检测AFIB,已经清楚表明,AFIB的短暂性发作比最初认识到的更为常见。事实上,据报道,隐源性卒中后的检出率超过10%。此外,AFIB通常会在成功消融源后数周或数月返回。显然,植入式记录设备具有增强患者的顺从性的优点。另一方面,存在额外的费用和伴随可能的并发症的侵入性手术。这促使人们开发易于使用的长期记录设备,其通常依赖于单导联ECG。这些设备包括可连续佩戴数周的电极贴片,或者可以由患者用来周期性地(但有规律地)捕获30秒的单导联ECG的简单手持式ECG设备。
独立诊断测试设施(IDTF)经常面临接收和处理这些ECG设备记录的大量ECG数据的挑战,这些设备一次监视患者数周或数月。IDTF的任务是每天查看和编辑数千个ECG记录。此外,评估这些描记线中的每一个所需的时间量和专业知识也不相同。有些可能需要一名专家,花几分钟来评估;其他则需要花几秒钟来评估。这通常是由于以下因素造成的:(1)信号质量差和/或噪声水平高;(2)心律失常事件的持续时间;以及(3)心律失常事件的复杂性程度。由于这些原因,实验室服务通常使用手动方法将记录的读数分类给具有不同技能的不同工作人员。这些手动方法需要大量的人力和时间,从而提高了实验室服务的价格并延误了提供结果的速度。
用于对连续ECG数据进行自动AFIB自动检测的当前可用系统和方法依赖于心律的逐跳分析(诸如RR间隔),以确定该节律是否满足指示AFIB的某些波动要求。这种系统的一个示例是纽约州斯克内克塔迪市的通用电气公司(General Electric Company ofSchenectady)的需要长时间记录,这在某些记录仅30秒长的情况下是很糟糕的。通常,数据不足,并且在此类约束下不能。然而,发明人已经认识到此类逐跳检测算法是不可靠的,尤其是在处理较短的数据记录(诸如30秒ECG记录)时,因为它们常常无法区分AFIB与诸如房性期前收缩(PAC)和窦性心律失常(SA)的其他良性心律失常,尤其是基于相对较短或不连续的ECG数据段时或在ECG记录中存在噪声的情况下。
其他用于检测AFIB的系统和方法用于处理诊断性12导联ECG数据,该数据通常是受控的低噪声ECG记录,由受过训练的专业人员在受控环境中获取。一种这样的系统是纽约州斯克内克塔迪市的通用电气公司(General Electric Company of Schenectady,NY)的Marquette ECG分析程序。然而,发明人认识到,此类被配置用于在诊断性12导联ECG数据中检测AFIB的算法并未开发为用于由长期连续ECG监视系统所记录的数据,这些数据通常包括数据的仅一个导联(或至多三个导联)并且随患者移动并参与日常活动而在嘈杂环境中操作。此类片段分析模块一般需要多个导联和纯净数据以便提供准确的AFIB检测,因为它们依赖于幅度相对较小的P波的检测。这些诊断性12导联处理算法无需寻找波动模式(如逐跳算法),而是查看12导联数据的片段(诸如10秒片段),以识别数据的那些时间片段中指示其他心律失常并排除AFIB的模式。此类算法(诸如)依赖于对P波的检测以及其他可以排除存在AFIB的逻辑。如果不能识别出其他心律失常类型,则使用消除过程作为最后手段来检测AFIB。
发明人已经认识到IDTF以及一般来讲当前AFIB检测算法所面临的上述问题和挑战。因此,本发明人认识到需要一种可以处理任何ECG数据的用于自动检测AFIB的稳健且可靠的系统和方法(例如,而不管信号源、导联布置或导联数量、采样频率、数据分辨率、噪声水平等如何)以有利于AFIB检测。所公开的系统1(其实施方案在图1中示出)和方法100并行利用两种不同的ECG处理方法来处理ECG数据—(1)跳动模块12,该跳动模块对ECG数据的时间序列进行逐跳分析以基于节律波动(诸如RR间隔的变化)来检测AFIB;以及(2)片段模块14,该片段模块将ECG数据的时间序列分成数据的时间片段(其可为重叠的时间片段),并且分析这些时间片段以基于是否检测到除心房纤颤之外的节律来确定存在还是不存在AFIB,即,通过消除其他节律和心律失常类型的概率来检测AFIB。然后,将跳动模块12和片段模块14的结果进行比较以生成AFIB确定值,该AFIB确定值指示在ECG数据的相关部分中存在或不存在AFIB。如果这两种方法的结果一致,即,跳动模块12和片段模块14中的每一个的输出都提供关于存在或不存在AFIB的相同确定,则结果更有可能是正确的。
图1描绘了用于处理ECG数据的系统1的一个实施方案。在图中,ECG监视器5经由附接到患者3身上的两个电极7来记录来自患者的ECG数据。因此,记录ECG数据的一个导联,其可能会记录很长时间段,诸如数天、数周或几个月。如上所述,可以以诸如三十秒的间隔或长达数分钟的间隔的间隔来记录ECG数据。另选地,ECG监视器5可以被配置为连续地记录来自患者的ECG数据。然后,将ECG数据10传输或传送到系统1以便存储和处理。例如,可以将来自患者3以及来自若干其他几个患者的ECG数据10存储在ECG数据的数据库11中,等待处理以检测AFIB和/或其他心律失常。为了开始处理所记录的来自患者3的ECG数据10,将ECG数据的时间序列提供给跳动模块12和片段模块14两者。例如,可以将整个ECG数据10根据其记录时间以时间序列的方式提供给跳动模块12和片段模块14中的每一个。因此,由这两个模块处理ECG数据的时间序列,它们利用不同的分析方法来确定在整个ECG数据序列中是否存在AFIB。
跳动模块12基于ECG数据10的时间序列(参见图4)中的每个所识别的心跳的定时来确定跳动AFIB值36,其中跳动AFIB值36基于每个所识别的心跳的定时的波动来表示存在或不存在AFIB。在一个实施方案中,跳动AFIB模块12利用隐马尔可夫模型(HMM)来连续地处理ECG数据的时间序列并在统计上评估AFIB是否存在。在一个实施方案中,HMM被配置为在以下两种状态中的一种下,诸如相对于滑动平均RR间隔来表示RR间隔:混沌的或有组织的,或者AFIB或无AFIB。例如,可以使用ECG数据的数据库来训练HMM,该ECG数据被选择为包含AFIB、正常窦性心律以及被认为可能与AFIB混淆的其他节律。对于每个跳动,更新HMM值的当前分数。然后,也更新包含HMM分数的先前历史记录的缓冲区。针对每个更新周期计算平均HMM分数,其为跳动AFIB值36。跳动AFIB值36的计算的定时可以与片段模块14的输出相对应,使得可以准确地比较这些值以确定AFIB识别值40。例如,跳动AFIB值36可以每五秒输出一次,并且片段模块14可以分析偏移五秒的时间片段,诸如开始时间偏移五秒的重叠时间片段。
在一个实施方案中,操作片段模块14以对ECG数据10的重叠片段执行运行模式分析,以针对ECG数据10的每个重叠片段产生片段AFIB值38。例如,片段模块14可以包括软件指令,该软件指令可执行以识别在ECG数据10的时间片段中是否可能存在来自一组已知节律的任何节律(其可包括各种心律失常模式),在这种情况下,这将排除存在AFIB。仅举几个例子,这组已知节律(其包括已知的心律失常模式)可以包括以下任意一种或多种:存在P波、人工起搏、房性异位心律、心房扑动、交接区心律或PAC。例如,如果检测到存在P波或PAC,则可以排除在时间片段中存在AFIB。
片段模块14将ECG数据10的时间序列划分为连续的时间片段,其可为重叠时间片段。已对时间片段中的每一个中的ECG数据进行了分析以确定该时间片段的片段AFIB值38,其中片段AFIB值38基于是否识别出该组已知节律中的任一个来指示在时间片段中存在或不存在AFIB。例如,时间片段可以是ECG数据10的十秒片段。在一个实施方案中,片段模块14可以与时间片段重叠,使得ECG数据10中的每个样本都作为至少两个时间片段的一部分来分析。例如,片段模块14可以被配置为以五秒为增量来将时间片段移位。在时间片段为十秒长的实施方案中,每个数据点或样本都将作为两个时间片段的一部分来分析。这提供了稳健的数据分析。
ECG数据10的时间序列可以包括数据的12个导联,因此分段模块14可以被配置为处理数据的12个导联。然而,与长期ECG监视一样,ECG数据10的时间序列可以包括少于数据的12个导联,诸如五个导联、三个导联、或仅一个导联。因此,对于其中ECG数据的时间序列包括少于数据的12个导联的应用,可以重复这些可用导联以便仿真被提供给片段模块14的数据的12个导联。因此,可以将单个可用导联重复12次并作为数据的12个导联提供给片段模块。在有三个导联可用时,可以将这些导联各自重复四次,以此类推。
在某些实施方案中,由片段模块14执行的AFIB检测方法和逻辑可以具有一些滞后效应,其中一旦检测到正常窦性心律(NSR),片段AFIB值38就可以排除在多个时间片段内存在AFIB。例如,如图2中可见,一旦检测到正常窦性心律,则在检测到正常窦性心律后,片段AFIB值38在两个五秒间隔内保持为0。因此,一旦检测到正常窦性心律,就需要几个分析间隔才能使片段AFIB值38回退到AFIB作为运行应答。
系统1还包括AFIB检测模块16,该AFIB检测模块基于跳动AFIB值36和片段AFIB值38来确定AFIB识别值40。如果跳动AFIB值36和片段AFIB值38两者都指示存在AFIB,则AFIB识别值40也将指示存在AFIB。如果跳动AFIB值36和片段AFIB值38两者都指示不存在AFIB,则AFIB识别值40将指示不存在跳动AFIB值36和片段AFIB值38不一致的情况。在某些实施方案中,AFIB检测模块36可以各种模式操作为执行不同的逻辑,以处理跳动AFIB值36与片段AFIB值38之间的不一致。例如,AFIB检测模块可以被配置为以三种模式之一操作,包括高灵敏度模式、高特异性模式和平衡模式,以基于跳动AFIB值36和片段AFIB值38来确定AFIB识别值40。
图2示出了以三种不同模式执行以确定AFIB识别值40的逻辑的示例性实施方案。在说明性示例中,跳动模块12和片段模块14中的每一个都针对ECG数据10的每五秒增量输出指示存在或不存在AFIB的相应值(分别为1或0)。该示例显示五个这样的值;然而,应当理解,这些值将在ECG数据10的时间序列的长度上继续。
在该示例中,AFIB检测模块16可以高灵敏度模式操作,其中当跳动AFIB值36或片段AFIB值38指示存在AFIB时,AFIB识别值40指示存在AFIB。因此,在高灵敏度模式下,使用布尔运算符OR来将跳动AFIB值36和片段AFIB值38进行比较。此外,在高灵敏度模式下,用于识别有组织的RR模式的HMM的阈值可以增加。这增加了跳动模块12将检测到ECG数据10是混沌的并且生成指示存在AFIB的跳动AFIB值36的机会,从而增加了跳动模块12进行AFIB检测的灵敏度。另选地,AFIB检测模块16可以高特异性模式操作,其中当跳动AFIB值36和片段AFIB值38两者都指示存在AFIB时,AFIB识别值40指示存在AFIB。因此,在高特异性模式下,使用布尔运算符AND来将跳动AFIB值36与片段AFIB值38进行比较。AFIB检测模块16还可以平衡模式操作,其中当跳动AFIB值或片段AFIB值中的任一个指示存在AFIB时,AFIB识别值40指示存在AFIB。在某些实施方案中,跳动模块12在高灵敏度模式下具有比在平衡模式下用于检测存在AFIB的更低阈值,因此检测算法在灵敏度模式下的灵敏度将大于在平衡模式下的灵敏度。
在某些实施方案中,可以由用户选择操作模式。例如,用户可以经由与系统1相关联的用户界面22来选择高灵敏度模式、高特异性模式或平衡模式中的一种,诸如通过进行选择。
在某些实施方案中,可以针对每个AFIB识别值40计算置信水平(CL)。例如,置信水平可以是说明针对ECG数据10的时间序列所确定的所有AFIB识别值40的运行值。例如,置信水平(CL)可以被确定为AFIB检测值40的总数,其总的来说指示存在AFIB(例如,等于1)除以AFIB识别值40的总数。置信水平可以表示为百分比,例如,指示存在AFIB的AFIB识别值40的百分比。因此,根椐AFIB检测模块16正在执行的模式,置信水平可以变化。参考图2的示例,对于第一时间片段,CL将等于100%,对于第二时间片段,CL将等于50%,而对于其余时间片段,CL将根据AFIB检测模块16执行的操作模式而变化。
在某些实施方案中,置信水平也可以说明所分析的ECG数据的相应片段的噪声水平。可以通过跳动模块12、片段模块14中包含的逻辑或通过单独的噪声分析模块来评估噪声水平。在所描绘的实施方案中,片段模块14测量ECG数据10的时间序列的被分析片段中的噪声水平,并且如果噪声水平超过噪声阈值,则生成正值,而如果噪声水平不超过噪声阈值,则生成负值(或0)。在其他实施方案中,可以将噪声水平置于噪声标度上,或者可以通过使用两个以上的值来以其他方式指示。然后,当在时间片段中存在显著噪声时,置信水平可以减小。例如,当噪声水平超过噪声水平阈值时,可以将置信水平降低预先确定的量。在所描绘的示例中,对于一个时间片段,由片段模块14确定的噪声水平超过噪声水平阈值,而对于对应的时间片段,AFIB检测模块16将置信水平(CL)降低20%。在噪声水平确定可以包括两个以上值的其他实施方案中,可以通过增加噪声水平增加的百分比量来降低置信水平。
图3示出了处理ECG数据以检测心房纤颤的方法100的一个实施方案。在步骤101处连续地接收ECG数据的样本点,并由跳动模块12和片段模块14并行处理。相对于跳动模块12,执行指令以逐样本地分析ECG数据10,以在步骤105处在ECG数据10内识别跳动。在识别到跳动之后,在步骤107处,HMM确定跳动是表示混沌的还是有组织的RR间隔,这是基于到目前为止由跳动模块12处理的所有ECG数据10做出的确定。可以基于用户进行的模式选择30(其在步骤102处接收)来调整由HMM使用来确定跳动数据是有组织的还是混沌的阈值。如上所述,模式选择30可以调整HMM进行AFIB检测的灵敏度。以规则的间隔轮询HMM AFIB确定的状态(诸如每五秒轮询一次),以在步骤109处生成跳动AFIB值36。轮询或生成跳动AFIB值36的周期可以短于或长于五秒,因为它可以对应于由片段模块14执行的片段的长度或片段移位。
片段模块14与跳动模块12并行地对ECG数据10进行操作。片段模块14以时间片段来调用ECG数据10。在所描绘的实施方案中,片段模块14每五秒钟调用一次新的数据并分析在步骤104处识别的移位的十秒时间片段。在步骤106处确定时间片段中的ECG数据的噪声水平。例如,可以诸如通过将信噪比与一个或多个噪声水平阈值进行比较来确定和分类信噪比。在步骤108处执行指令以确定是否可以识别出任何已知节律,诸如存在P波、正常窦性心律(NSR)、人工起搏、房性异位心律、心房扑动、交接区心律或房性期前收缩(PAC)。如果识别出任何此类已知节律,则片段模块14确定AFIB不存在,并分配片段AFIB值38以指示无AFIB(诸如,等于0)。如果未识别出已知节律,则在该时间片段内正向地确定存在AFIB,并且在步骤112处设置片段AFIB值以指示存在AFIB(诸如等于1)。然后,在步骤114处,诸如通过执行体现在AFIB检测模块16中的代码来执行逻辑,以基于跳动AFIB值36和片段AFIB值38来确定AFIB识别值40。AFIB检测模块16可以根据在步骤102处所接收的用户模式选择30来执行变化的逻辑,诸如系统是以高灵敏度模式、高特异性模式还是平衡模式来操作。AFIB检测模块16还可以确定相应时间片段的置信水平41,该置信水平可以是基于ECG的时间序列的所有先前AFIB识别值40的运行值。在其他实施方案中,置信水平41可以在不同的阶段确定,并且用于此计算的指令可以体现在不同的模块中,诸如体现在AFIB分析模块18中或体现为在表示为片段模块16和AFIB分析模块18的步骤期间的某个点处调用的独立式软件模块。
可以由AFIB分析模块18对AFIB检测模块16随时间推移的输出进行分析,诸如以呈现聚合了针对ECG数据10的时间序列的AFIB识别值40的信息。例如,AFIB分析模块18可以分析识别值40以识别ECG数据10的时间序列内的连续AFIB事件并计算事件负载44。在某些实施方案中,一旦针对ECG数据10的时间序列确定了所有AFIB识别值40,就可以调用AFIB分析模块18。在其他实施方案中,如图3所描绘,随着AFIB检测模块16生成AFIB识别值40,可以在运行的基础上执行AFIB分析模块18的指令。如果所接收的AFIB识别值40指示AFIB不存在(如在步骤115处所确定的),则执行逻辑以确定在最后一个片段中是否存在AFIB,这在框118中进行表示。如果在最后一个时间片段中存在AFIB,但当前不存在,则AFIB事件已经结束,并且在步骤120处确定AFIB事件的事件结束时间。如果所接收的AFIB识别值40确实指示存在AFIB(如在步骤116处所确定的),则在步骤122处执行逻辑以确定在最后一个片段中是否存在AFIB。如果先前不存在AFIB,但现在存在,则在步骤124处确定事件开始时间。如果在最后一个片段中存在AFIB并且继续存在,则AFIB事件将在当前片段中继续。在步骤126处,可以基于可用事件的开始时间和结束时间来计算运行事件负载值44。例如,事件负载44可以表示到目前为止所处理的AFIB被检测到的时间片段的总百分比,从而表示在其中AFIB被确定为存在的ECG数据10的时间序列的百分比。另选地或除此之外,事件负载可以说明多个单独的AFIB事件(各自具有开始时间和结束时间),因此可以指示是否在长时间内连续地检测到AFIB或是否在短时间内检测到AFIB,这些短时间通过对有组织的和/或已知的节律进行间歇性检测来隔开。
然后,可以将模块12、14、16、18所确定和计算的值存储在患者记录130中,诸如存储在患者记录数据库20中,以便在以后的日期由护理患者3的临床医生访问。在某些实施方案中,可以诸如在与系统1的用户界面22相关联的显示器上显示AFIB识别值40、置信度值41和/或事件负载值44。另选地或除此之外,可以将处理后的数据存储在ECG数据的数据库11中,然后由临床医生访问和/或在以后的日期和/或作为单独过程的一部分移动到患者记录数据库20。
图4提供了用于分析ECG数据的系统1的示例性实施方案的另一系统图,该系统具有跳动模块12、片段模块14、AFIB检测模块16和AFIB分析模块18。系统1一般是计算系统200,其包括处理系统206、存储系统204、软件202和通信接口208。处理系统206从存储系统204加载并执行软件202,该软件包括跳动模块12、片段模块14、AFIB检测模块16和AFIB分析模块18,它们是软件202内的应用程序。模块12、14、16、18中的每一个都包括计算机可读指令,当由计算系统200(包括处理系统206)执行时,该计算机可读指令引导处理系统206如本文进一步详述的那样操作。
尽管计算系统200如图4所描绘包括包封一个跳动模块12、一个片段模块14、一个AFIB检测模块16和一个AFIB分析模块18的一个软件202,但应当理解,具有一个或多个模块的一个或多个软件元件可以提供相同的操作。类似地,虽然本文提供的描述涉及计算系统200和处理系统206,但是应当认识到,可以使用一个或多个处理器来执行这些系统的实施方式,这些处理器可以通信连接,并且这些实施方式被认为在描述的范围内。
处理系统206包括处理器9,该处理器可以是微处理器、通用中央处理单元、专用处理器、微控制器或任何其他类型的基于逻辑的设备。处理系统206还可以包括从存储系统204检索和执行软件202的电路。处理系统206可在单个处理设备内实现,但也可分布在多个处理设备或子系统中,这些处理设备或子系统在执行程序指令时协作。
存储系统204(其包括ECG数据库11并且还可以包括患者记录数据库20)可以包括可由处理器206读取并能够存储软件202的任何存储介质或存储介质组。存储系统204可以包括以用于存储信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质,所述信息诸如是计算机可读指令、数据结构、程序模块或其他数据。存储系统204可以实现为单个存储设备,但是也可以在多个存储设备或子系统上实现。例如,软件202可以存储在ECG数据库11之外的单独存储设备上。同样地,ECG数据库11可以跨一个或多个存储介质或存储介质组存储、分布和/或实现。类似地,ECG数据库11和/或患者记录数据库20可以涵盖多个不同子数据库,该多个不同子数据库位于不同存储位置和/或包含可按不同格式存储的不同信息。存储系统204还可以包括附加元件,诸如能够与处理系统206通信的控制器。
存储介质的示例包括随机存取存储器、只读存储器、光盘、闪存存储器、虚拟存储器和非虚拟存储器、磁组、磁带、磁盘存储或其他磁存储设备,或可用于存储所需信息并可以由指令执行系统访问的任何其他介质,以及它们的任何组合或变型,或任何其他类型的存储介质。同样,存储介质可以与处理系统206一起本地容纳,或者可以分布在一个或多个服务器中,这些服务器可以位于多个位置并联网,诸如在云计算应用和系统中。在一些实施方式中,存储介质可以是非暂时性存储介质。在一些实施方式中,存储介质的至少一部分可以是暂时性的。
通信接口208在计算系统200内的元件和外部设备(诸如用户界面22和/或ECG监视器5)之间交接。
用户界面222被配置为接收来自临床医生的输入,包括模式选择输入30,该模式选择输入选择高灵敏度模式、高特异性模式和平衡模式中的一个。用户界面22可以包括鼠标、键盘、语音输入设备、用于从用户接收触摸手势的触摸输入设备(诸如触摸屏)、用于检测用户的非触摸手势和其他动作的动作输入设备,以及能够从用户(诸如,临床医生)接收输入的其他类似输入设备和相关联处理元件。诸如视频显示器或图形显示器的输出设备可以显示与本文所公开的系统和方法的实施方案进一步相关联的界面。扬声器、打印机、触觉设备和其他类型的输出设备也可以包括在用户界面22中。
该书面描述使用示例来公开本发明,包括最佳模式,并且还使得本领域技术人员能够执行和使用本发明。为了简洁、清楚和易于理解而使用了某些术语。除了现有技术的要求之外,不应从中推断出不必要的限制,因为此类术语仅用于描述目的并且旨在被广义地理解。本发明的专利范围由权利要求书限定,并且可包括本领域技术人员想到的其他示例。如果这些其他示例具有与权利要求书的字面语言没有不同的特征或结构元件,或者如果它们包括与权利要求书的字面语言无实质差别的等效特征或结构元件,则这些其他示例旨在在权利要求书的范围内。
Claims (20)
1.一种用于处理ECG数据以检测心房纤颤(AFIB)的系统,所述系统包括:
处理器;
跳动模块,所述跳动模块可在所述处理器上执行以进行以下操作:
接收ECG数据的时间序列;
在所述ECG数据的时间序列中识别心跳;
基于每个所识别的心跳的定时来确定跳动AFIB值,其中所述跳动AFIB值基于每个所识别的心跳的所述定时的波动来表示存在或不存在AFIB;片段模块,所述片段模块可在所述处理器上执行以进行以下操作:
接收所述ECG数据的时间序列;
将所述ECG数据的时间序列划分为两个或更多个时间片段;
确定每个时间片段的片段AFIB值,其中所述片段AFIB值基于是否识别出一组已知节律中的任何一个来指示在所述时间片段中存在或不存在AFIB;
AFIB检测模块,所述AFIB检测模块可在所述处理器上执行以基于每个时间片段期间的所述跳动AFIB值和所述时间片段的所述片段AFIB值来确定所述时间片段的AFIB识别值。
2.根据权利要求1所述的系统,其中所述两个或更多个时间片段为所述ECG数据的时间序列的重叠片段。
3.根据权利要求2所述的系统,其中所述两个或更多个时间片段各自包含所述ECG数据的时间序列中的10秒,并且连续的时间片段重叠5秒。
4.根据权利要求3所述的系统,其中所述跳动模块基于每个所识别的心跳之间的RR间隔来实现隐马尔可夫模型分析以每5秒生成一个跳动AFIB值;并且
其中所述AFIB识别值基于所述最近的跳动AFIB值和所述最近的片段AFIB值每5秒确定一次。
5.根据权利要求1所述的系统,其中所述AFIB检测模块被配置为以高灵敏度模式、高特异性模式和平衡模式中的一种操作以确定所述AFIB识别值。
6.根据权利要求5所述的系统,其中:
在高灵敏度模式下,当所述跳动AFIB值指示存在AFIB或所述片段AFIB值指示存在AFIB时,所述AFIB识别值指示存在AFIB;
在高特异性模式下,当不仅所述跳动AFIB值指示存在AFIB而且所述片段AFIB值指示存在AFIB时,所述AFIB识别值指示存在AFIB;
在平衡模式下,当所述跳动AFIB值指示存在AFIB并且所述片段AFIB值指示存在AFIB时,所述AFIB识别值指示存在AFIB;并且
其中所述跳动模块在所述高灵敏度模式下具有比在所述平衡模式下用于检测存在AFIB的更低阈值。
7.根据权利要求5所述的系统,其中所述片段模块还可在所述处理器上执行以确定所述时间片段的噪声水平;并且
其中所述AFIB检测模块,其以所述高灵敏度模式、所述高特异性模式和所述平衡模式中的至少一种操作,还基于所述片段的所述噪声水平来确定所述AFIB识别值。
8.根据权利要求5所述的系统,其中所述AFIB检测模块以所述高灵敏度模式、所述高特异性模式和所述平衡模式中的一种的操作是基于来自用户输入设备的模式选择。
9.根据权利要求1所述的系统,还包括AFIB分析模块,所述AFIB分析模块可在所述处理器上执行以进行以下操作:
对于所述ECG数据的时间序列中的一个或多个顺序时间片段,基于所述AFIB识别值来检测AFIB事件,其中所述AFIB事件具有开始时间和结束时间;
其中所述AFIB事件的所述开始时间等于其中检测到AFIB的一系列连续时间片段序列中的第一时间片段的开始时间,并且所述AFIB事件的结束时间等于其中检测到AFIB的一系列连续时间片段序列中的最后一个时间片段的结束时间;并且
其中所述AFIB分析模块还可在所述处理器上执行以基于所述ECG数据的时间序列中的所有AFIB事件以及每个AFIB事件的所述开始时间和所述结束时间来计算所述ECG数据的时间序列的事件负载。
10.根据权利要求1所述的系统,其中所述片段模块还可在所述处理器上执行以确定所述片段AFIB值是基于所述时间片段的ECG数据的12个导联。
11.根据权利要求10所述的系统,其中所述ECG数据的时间序列包括ECG数据的仅1个导联;并且
其中所述ECG数据的时间序列的每个片段被重复12次以仿真提供给所述片段模块的数据的12个导联,以确定所述片段AFIB值。
12.根据权利要求1所述的系统,其中所述一组已知节律包括以下项中的至少一者:存在P波、人工起搏、房性异位心律、心房扑动、交接区心律和房性期前收缩;并且
其中所述片段模块确定当在所述时间片段中识别出所述一组已知节律中的任何一个时,所述片段AFIB值等于在所述时间片段中不存在AFIB,并且确定当在所述时间片段中未识别出所述一组已知节律中的任何一个时,所述片段AFIB值等于存在AFIB。
13.一种处理ECG数据以检测心房纤颤(AFIB)的方法,所述方法包括:
接收ECG数据的时间序列;
在所述ECG数据的时间序列内识别每个心跳;
基于每个所识别的心跳的定时来确定跳动AFIB值,其中所述跳动AFIB值基于每个所识别的心跳的所述定时的波动来表示存在或不存在AFIB;
将所述ECG数据的时间序列划分为两个或更多个时间片段;
确定每个时间片段的片段AFIB值,其中所述片段AFIB值基于是否识别出一组已知节律中的任何一个来指示在所述时间片段ECG数据中存在或不存在AFIB;以及
基于所述时间片段期间的所述跳动AFIB值和所述时间片段的所述片段AFIB值来确定每个时间片段的AFIB识别值。
14.根据权利要求13所述的方法,接收用户模式选择以确定所述AFIB识别值,其中所述用户模式选择是高灵敏度模式、高特异性模式或平衡模式中的一种;并且
其中所述AFIB识别值是根据所述用户模式选择确定的。
15.根据权利要求14所述的方法,其中:
在高灵敏度模式下,当所述跳动AFIB值指示存在AFIB或所述片段AFIB值指示存在AFIB时,所述AFIB识别值指示存在AFIB;
在高特异性模式下,当不仅所述跳动AFIB值指示存在AFIB而且所述片段AFIB值指示存在AFIB时,所述AFIB识别值指示存在AFIB;
在平衡模式下,当所述跳动AFIB值指示存在AFIB并且所述片段AFIB值指示存在AFIB时,所述AFIB识别值指示存在AFIB;并且
其中所述跳动模块在所述高灵敏度模式下具有比在所述平衡模式下用于检测存在AFIB的更低阈值。
16.根据权利要求13所述的方法,其中所述两个或更多个时间片段为所述ECG数据的时间序列的重叠片段。
17.根据权利要求16所述的方法,其中所述两个或更多个时间片段各自包含所述ECG数据的时间序列中的10秒,并且连续的时间片段重叠5秒。
18.根据权利要求17所述的方法,其中确定所述跳动AFIB值的步骤包括基于每个所识别的心跳之间的RR间隔来实现隐马尔可夫模型分析以每5秒生成一个跳动AFIB值;
其中所述AFIB识别值基于所述最近的跳动AFIB值和所述最近的片段AFIB值每5秒确定一次。
19.根据权利要求13所述的方法,其中所述ECG数据的时间序列包括ECG数据的12导联,并且其中所述片段AFIB值是基于所述时间片段中的ECG数据的所有12个导联。
20.根据权利要求13所述的方法,其中所述ECG数据的时间序列包括ECG数据的仅1个导联;并且
其中将所述ECG数据的时间序列的每个片段处理12次以确定所述片段AFIB值。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/631,895 | 2017-06-23 | ||
US15/631,895 US10517497B2 (en) | 2017-06-23 | 2017-06-23 | System and method for detecting atrial fibrillation |
PCT/US2018/038510 WO2018237008A1 (en) | 2017-06-23 | 2018-06-20 | SYSTEM AND METHOD FOR DETECTING ATRIAL FIBRILLATION |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110944580A true CN110944580A (zh) | 2020-03-31 |
CN110944580B CN110944580B (zh) | 2021-08-17 |
Family
ID=64691615
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880048993.6A Active CN110944580B (zh) | 2017-06-23 | 2018-06-20 | 用于检测心房纤颤的系统 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10517497B2 (zh) |
EP (1) | EP3641643B1 (zh) |
CN (1) | CN110944580B (zh) |
WO (1) | WO2018237008A1 (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11672464B2 (en) | 2015-10-27 | 2023-06-13 | Cardiologs Technologies Sas | Electrocardiogram processing system for delineation and classification |
US11331034B2 (en) | 2015-10-27 | 2022-05-17 | Cardiologs Technologies Sas | Automatic method to delineate or categorize an electrocardiogram |
PT3367897T (pt) | 2015-10-27 | 2021-05-25 | Cardiologs Tech | Processo automático para traçar ou categorizar um eletrocardiograma |
JP2020531225A (ja) | 2017-08-25 | 2020-11-05 | カーディオログス テクノロジーズ エスアーエス | 心電図の分析のためのユーザインターフェース |
US12016694B2 (en) | 2019-02-04 | 2024-06-25 | Cardiologs Technologies Sas | Electrocardiogram processing system for delineation and classification |
WO2022034480A1 (en) | 2020-08-10 | 2022-02-17 | Cardiologs Technologies Sas | Electrocardiogram processing system for detecting and/or predicting cardiac events |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5456261A (en) * | 1993-12-16 | 1995-10-10 | Marquette Electronics, Inc. | Cardiac monitoring and diagnostic system |
CN101150981A (zh) * | 2005-02-25 | 2008-03-26 | 约瑟夫·威塞尔 | 检测心房颤动的方法及设备 |
US20110184300A1 (en) * | 2010-01-26 | 2011-07-28 | Newcardio, Inc. | Atrial fibrillation detection based on absence of consistent p-loops in averaged vectorcardiogram |
CN103997955A (zh) * | 2011-08-11 | 2014-08-20 | 应用生物医学系统有限公司 | 检测心电图中的心房纤颤的方法 |
CN107408144A (zh) * | 2014-11-14 | 2017-11-28 | Zoll医疗公司 | 医疗先兆事件估计 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6490479B2 (en) | 2000-12-28 | 2002-12-03 | Ge Medical Systems Information Technologies, Inc. | Atrial fibrillation detection method and apparatus |
US7596405B2 (en) | 2005-03-07 | 2009-09-29 | United Therapeutics Corporation | Atrial fibrillation detection |
US7702382B2 (en) | 2006-04-17 | 2010-04-20 | General Electric Company | Multi-tier system for cardiology and patient monitoring data analysis |
WO2011061606A2 (en) | 2009-11-20 | 2011-05-26 | Medicalgorithmics Sp. Zo.O | Methods and systems for atrial fibrillation detection |
-
2017
- 2017-06-23 US US15/631,895 patent/US10517497B2/en active Active
-
2018
- 2018-06-20 EP EP18821519.8A patent/EP3641643B1/en active Active
- 2018-06-20 CN CN201880048993.6A patent/CN110944580B/zh active Active
- 2018-06-20 WO PCT/US2018/038510 patent/WO2018237008A1/en active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5456261A (en) * | 1993-12-16 | 1995-10-10 | Marquette Electronics, Inc. | Cardiac monitoring and diagnostic system |
CN101150981A (zh) * | 2005-02-25 | 2008-03-26 | 约瑟夫·威塞尔 | 检测心房颤动的方法及设备 |
US20110184300A1 (en) * | 2010-01-26 | 2011-07-28 | Newcardio, Inc. | Atrial fibrillation detection based on absence of consistent p-loops in averaged vectorcardiogram |
CN103997955A (zh) * | 2011-08-11 | 2014-08-20 | 应用生物医学系统有限公司 | 检测心电图中的心房纤颤的方法 |
CN107408144A (zh) * | 2014-11-14 | 2017-11-28 | Zoll医疗公司 | 医疗先兆事件估计 |
Also Published As
Publication number | Publication date |
---|---|
US10517497B2 (en) | 2019-12-31 |
WO2018237008A1 (en) | 2018-12-27 |
CN110944580B (zh) | 2021-08-17 |
EP3641643B1 (en) | 2022-02-23 |
EP3641643A1 (en) | 2020-04-29 |
EP3641643A4 (en) | 2021-01-06 |
US20180368715A1 (en) | 2018-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110944580B (zh) | 用于检测心房纤颤的系统 | |
US11147500B2 (en) | Electrocardiogram processing system for delineation and classification | |
US10687726B2 (en) | System and method for processing ECG recordings from multiple patients | |
US8442624B2 (en) | System for cardiac medical condition detection | |
US10729350B2 (en) | System and method for monitoring cardiac arrhythmias | |
US10856756B2 (en) | Time-frequency analysis of electrocardiograms | |
US20220202344A1 (en) | Apparatus and Method for Electrocardiogram (ECG) Signal Analysis and Heart Block Detection | |
US11672464B2 (en) | Electrocardiogram processing system for delineation and classification | |
US11576585B2 (en) | Artifact-tolerant pulse rate variability measurement | |
US20230346305A1 (en) | Parameter determination method, parameter determination apparatus, storage medium, and electronic device | |
EP3708071A1 (en) | Device, system, method and computer program for detecting atrial fibrillation | |
ElMoaqet et al. | A new algorithm for short term prediction of persistent atrial fibrillation | |
US20230054041A1 (en) | Computer-implemented method for generating an annotated photoplethysmography (ppg) signal | |
JP7152268B2 (ja) | 生体信号処理装置およびその制御方法 | |
Citi et al. | A point process local likelihood algorithm for robust and automated heart beat detection and correction | |
AU2020249624B2 (en) | An apparatus and a method for QT correction | |
JP7216599B2 (ja) | 心拍解析装置 | |
RU2791006C1 (ru) | Система и способ автоматизированного анализа и интерпретации электрокардиограммы | |
US20230371878A1 (en) | System and apparatus for monitoring and assesing cardiac arrhythmias | |
JPH10192250A (ja) | 心臓機能の規則性を評価するための方法と装置 |
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 |