CN112566552B - 用于映射心律异常的方法和系统 - Google Patents
用于映射心律异常的方法和系统 Download PDFInfo
- Publication number
- CN112566552B CN112566552B CN201980040549.4A CN201980040549A CN112566552B CN 112566552 B CN112566552 B CN 112566552B CN 201980040549 A CN201980040549 A CN 201980040549A CN 112566552 B CN112566552 B CN 112566552B
- Authority
- CN
- China
- Prior art keywords
- preamble
- activation
- signal
- location
- electrogram
- 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
- 238000000034 method Methods 0.000 title claims abstract description 76
- 230000033764 rhythmic process Effects 0.000 title claims abstract description 18
- 238000013507 mapping Methods 0.000 title description 55
- 230000000747 cardiac effect Effects 0.000 title description 10
- 230000005856 abnormality Effects 0.000 title description 3
- 230000004913 activation Effects 0.000 claims abstract description 178
- 238000004458 analytical method Methods 0.000 claims abstract description 78
- 210000002216 heart Anatomy 0.000 claims abstract description 39
- 230000002159 abnormal effect Effects 0.000 claims abstract description 13
- 210000004165 myocardium Anatomy 0.000 claims abstract description 13
- 230000008093 supporting effect Effects 0.000 claims abstract description 8
- 230000001939 inductive effect Effects 0.000 claims abstract description 6
- 230000003213 activating effect Effects 0.000 claims abstract description 3
- 238000001994 activation Methods 0.000 claims description 178
- 238000002679 ablation Methods 0.000 claims description 32
- 230000000875 corresponding effect Effects 0.000 claims description 22
- 238000012937 correction Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000002596 correlated effect Effects 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000013136 deep learning model Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 238000012986 modification Methods 0.000 claims description 4
- 230000004048 modification Effects 0.000 claims description 4
- 230000005405 multipole Effects 0.000 claims description 4
- 230000003068 static effect Effects 0.000 claims description 4
- 206010003658 Atrial Fibrillation Diseases 0.000 description 36
- 206010003119 arrhythmia Diseases 0.000 description 23
- 230000006793 arrhythmia Effects 0.000 description 21
- 230000000694 effects Effects 0.000 description 19
- 206010003668 atrial tachycardia Diseases 0.000 description 14
- 230000001746 atrial effect Effects 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 11
- 230000036279 refractory period Effects 0.000 description 11
- 210000005246 left atrium Anatomy 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000000739 chaotic effect Effects 0.000 description 8
- 239000000306 component Substances 0.000 description 7
- 238000004070 electrodeposition Methods 0.000 description 7
- 230000007246 mechanism Effects 0.000 description 7
- 239000013598 vector Substances 0.000 description 7
- 238000013459 approach Methods 0.000 description 6
- 210000005242 cardiac chamber Anatomy 0.000 description 6
- 230000001965 increasing effect Effects 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 238000001914 filtration Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000013179 statistical model Methods 0.000 description 4
- 101000972485 Homo sapiens Lupus La protein Proteins 0.000 description 3
- 208000001871 Tachycardia Diseases 0.000 description 3
- 238000013153 catheter ablation Methods 0.000 description 3
- 238000002001 electrophysiology Methods 0.000 description 3
- 230000007831 electrophysiology Effects 0.000 description 3
- 210000002837 heart atrium Anatomy 0.000 description 3
- 102000052972 human La Human genes 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 231100000241 scar Toxicity 0.000 description 3
- 230000006794 tachycardia Effects 0.000 description 3
- 208000032544 Cicatrix Diseases 0.000 description 2
- 206010019280 Heart failures Diseases 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 210000003157 atrial septum Anatomy 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 210000002064 heart cell Anatomy 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 239000012528 membrane Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000003252 repetitive effect Effects 0.000 description 2
- 230000037387 scars Effects 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 230000002861 ventricular Effects 0.000 description 2
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 241001529936 Murinae Species 0.000 description 1
- 206010033557 Palpitations Diseases 0.000 description 1
- 208000006011 Stroke Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 230000000386 athletic effect Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000000981 bystander Effects 0.000 description 1
- 229910052791 calcium Inorganic materials 0.000 description 1
- 239000011575 calcium Substances 0.000 description 1
- 210000004413 cardiac myocyte Anatomy 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 210000003748 coronary sinus Anatomy 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 230000008713 feedback mechanism Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 210000003709 heart valve Anatomy 0.000 description 1
- 230000001976 improved effect Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000028161 membrane depolarization Effects 0.000 description 1
- 210000004115 mitral valve Anatomy 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000002107 myocardial effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 210000003492 pulmonary vein Anatomy 0.000 description 1
- 238000000718 qrs complex Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000002336 repolarization Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000037390 scarring Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000004454 trace mineral analysis Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 210000000596 ventricular septum Anatomy 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
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
- A61B5/743—Displaying an image simultaneously with additional graphical information, e.g. symbols, charts, function plots
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- 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
- A61B5/02—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
- A61B5/02028—Determining haemodynamic parameters not otherwise provided for, e.g. cardiac contractility or left ventricular ejection fraction
-
- 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
- A61B5/0245—Detecting, measuring or recording pulse rate or heart rate by using sensing means generating electric signals, i.e. ECG 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
- A61B5/25—Bioelectric electrodes 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
- A61B5/25—Bioelectric electrodes therefor
- A61B5/279—Bioelectric electrodes therefor specially adapted for particular uses
- A61B5/28—Bioelectric electrodes therefor specially adapted for particular uses for electrocardiography [ECG]
- A61B5/283—Invasive
- A61B5/287—Holders for multiple electrodes, e.g. electrode catheters for electrophysiological study [EPS]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/333—Recording apparatus specially adapted 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]
- A61B5/339—Displays specially adapted therefor
- A61B5/341—Vectorcardiography [VCG]
-
- 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
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B18/00—Surgical instruments, devices or methods for transferring non-mechanical forms of energy to or from the body
- A61B2018/00315—Surgical instruments, devices or methods for transferring non-mechanical forms of energy to or from the body for treatment of particular body parts
- A61B2018/00345—Vascular system
- A61B2018/00351—Heart
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B18/00—Surgical instruments, devices or methods for transferring non-mechanical forms of energy to or from the body
- A61B2018/00571—Surgical instruments, devices or methods for transferring non-mechanical forms of energy to or from the body for achieving a particular surgical effect
- A61B2018/00577—Ablation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B18/00—Surgical instruments, devices or methods for transferring non-mechanical forms of energy to or from the body
- A61B2018/00636—Sensing and controlling the application of energy
- A61B2018/00773—Sensed parameters
- A61B2018/00839—Bioelectrical parameters, e.g. ECG, EEG
-
- 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
- A61B2562/04—Arrangements of multiple sensors of the same type
- A61B2562/046—Arrangements of multiple sensors of the same type in a matrix array
-
- 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
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Cardiology (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Signal Processing (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Surgical Instruments (AREA)
Abstract
一种计算机实现的方法和系统,用于使用从多个电极记录的电描记图数据识别负责支持或引发异常心律的心肌的一个或多个区域;该方法包括以下步骤:将记录时间段划分为若干个分析时间段,并且将每个感测位置与所定义的测地线距离内的多个其他的感测位置配对;对于分析时间段中的每一个,定义每个激活信号针对每个配对内的每个位置的相对定时,在相应分析时间段内针对每个电描记图激活定义对的前导信号;以及将一系列前导信号分数分配给每个电描记图配对;在变更分析时间段的同时,在相同的位置处重复分析至少一次;组合针对每个信号位置的每个分析时间段,以提供每个信号位置相对于所定义的测地线区域内的其他位置倾向于前导的比例的统计度量,以及关联来自重叠的区域的前导信号分数,以提供相对组合的前导信号分数;从而提供指示,所述指示是对每个感测位置通常在其它区域之前的相对可能性的指示。
Description
技术领域
本发明涉及一种用于映射心律异常的方法和系统,以及特别地,提供了一种识别统计上可驱动异常心律的心脏的区域的方法和系统。
背景技术
心房颤动(AF)是最常见的持续性心律异常。它的发病率增加部分是由于人口老龄化,并且它被称为增长的流行病。AF导致心脏的不规则收缩,引起令人不快的心悸的症状,并且增加中风、心力衰竭(HF)和死亡的风险。经皮导管消融术(CA)是有症状的AF患者的安全的治疗选择。由于对AF的更好理解、新技术和科技的发展以及更多的医师经验,这些过程手术的成功率随时间而提高。然而,这些手术的成功率仍然仅保持在50%与70%之间。
在对准负责AF的持续和维持的特定位点(下文称为AF驱动因子(driver))中发现的困难的主要原因是心房颤动中的激活波前的不规则和混乱性质。单独的旋转、再进入或局灶激活的持续弯曲和不稳定性使得激活序列的解释非常复杂。
最近,已经开发了许多计算和电解剖方法,允许以可识别特定“驱动因子”区域的方式将从心房内记录的电数据(即电描记图)呈现给医师。取决于驱动因子的频率和来自非驱动因子随机和混乱活动的激活的频率之间的关系,这些驱动也可能更容易或更难识别。全景映射技术试图解决这个问题。这里,多极导管被插入感兴趣的心室中,并且同时获取来自跨该心室的信号。这种情况的示例包括非接触映射(Ensite,Abbott Medical;可替换地,Acutus Medical)、以及特定的2D和3D接触映射方法(例如Cartofinder,BiosenseWebster,J&J;Topera,Abbott医疗;Rhythmia,Boston Scientific)。US 2014/0371609描述了一种识别心率异常的源的这种方法的示例。
现有技术已知的是寻求识别在相邻的传感器的激活之前发生的心房激活的区域的方法。一个示例在专利申请EP3192438A1中举例说明。在本文中,发明人提出对在其相邻的传感器之前激活的时间的比例进行分类,并且将其显示在计算机生成的心腔的表示上。此后,这些激活可以被分类和注释,并且取决于分类而显示:传感器在其相邻的传感器之前被激活的次数的显示。因此,该方法提出了仅基于传感器的相邻激活的分类,并且在许多计算机和心房颤动的理论模型(基本上基于2维表示)中,这样的技术最初将在关键局灶激活的突出显示区域中显得足够。然而,在临床技术中,传导在人类心房的3维壁厚内可以是不连续的,并且可以是迂回的和真正混乱的。因此,仅与相邻的传感器比较很可能是误导的,例如可发生混叠效应,由此区域看似在其相邻的电极之前,但是实际上通过非常延迟的传导而跟随,或者表示远场激活。这可导致在不正确的区域中执行消融,增加了对患者的风险并且延长了侵入性手术。
发明内容
根据本发明的第一方面,提供了一种计算机实现的方法,用于使用在记录时间段内从心脏上的对应的一系列感测位置获得的由多个电极记录的电描记图数据来识别负责支持或引发异常心律的心肌的一个或多个区域,该方法包括以下步骤:
设置预定义的测地线距离,
将记录时间段划分为若干个分析时间段,并且将每个感测位置与所定义的测地线距离内的多个其他的感测位置配对,从而形成多个位置配对;对于分析时间段中的每一个,定义每个激活信号针对每个配对内的每个位置的每个激活信号的相对定时;
确定激活信号的相对定时是否落入可信的生物学参数内;
在相应分析时间段内针对每个电描记图激活定义对的前导信号;
基于每个分析时间段内每个激活信号在每个配对内前导的时间的比例,将一系列前导信号分数分配给在相应分析时间段内获取的每个电描记图配对;
在变更分析时间段的同时,在相同的位置处重复分析至少一次;
组合针对每个信号位置的每个分析时间段,以提供每个信号位置相对于所定义的测地线区域内的其他位置倾向于前导的比例的统计度量;以及
关联来自重叠的测地线区域的前导信号分数,以提供相对的组合前导信号分数,从而提供指示,所述指示是对每个感测位置通常在其它区域之前并且因此在异常心律的驱动因子区域处或附近的相对可能性的指示。
本发明人意识到,当在激活发出的位点进行消融时,心房颤动(AF)的减缓和终止最经常发生。确定这些位点的一种方法是在激活序列的方向上一致地移动心室内的多极导管,朝向看似主要“最早”的电极极点移动(注意,激活序列在AF中不是重复的,而是随着时间和在患者之间以较小或较大的程度变化)。在导管移动超过特定点之后,激活开始“更晚”,并且可以执行2D平面中的进一步移动以确定单个区域是否真正一致地是激活的源。在这些位点进行消融看似在减缓或终止AF方面最有效。该手术由于AF中的不规则性和频繁改变的激活模式以及操作者在任何一个时间能够彻底理解的数据量而非常复杂。操作者可用的电描记图数据越多,分析和映射的结果越准确,但是分析数据越困难。因此,操作者通常必须连续地知道电描记图激活的相对定时和模式以及这如何随时间变化。解决这个问题的大多数方法试图将AF机制的预定的理论应用于相对低分辨率的数据,并且将各种过滤器应用于该数据,以尝试并解决这些机制。
本发明人认识到,不期望的效果,例如上面关于EP3192438A1所述的那些效果,可由专家通过仔细分析周期长度改变来区分,其中周期长度的突然改变传播通过到后面的激活位点。虽然如此,心房颤动中存在的高度杂乱无章的传导波前经常存在于有效传导的边界上,即周期长度的微小改变可导致远处位点处的传导减缓(衰减)或传导的失败,从而导致激活定时中的另一处的短路且最终是不合理的改变。已经发现对电描记图信号的其他方面的检查和分析能够将给定传感器正确地分类为“前导”或“跟随”。
根据上述可信的生物学参数,公认的是心肌细胞具有有限的范围的复极时间,即心脏细胞复极和去极化后是可兴奋的所花费的时间。还公知的是,跨心肌层的电激活的传导速度受到最小先前记录的和可信的速度的限制,并且这可以取决于所研究的心肌组织而变化。例如,心房组织将具有比心室内的浦肯野(purkinje)组织更慢的传导速度。这些先前已经被研究和定义,并且因此可以用于创建过滤器,因为在单个位点处的超过先前在文献中描述的参数的重复的激活不能是相同位点的激活,而是在相同的电极上记录的局部激活和远场激活或者从一个记录电极到下一个记录电极的激活的序列。在相同的位点处彼此70ms内发生的激活被认为是生物学上不可信的(参见例如Hunter RJ、Diab I、Thomas G等人的Validation of a classification system to grade fractionation in atrialfibrillation and correlation with automated detection systems.Europace:European pacing,arrhythmias,and cardiac electrophysiology:journal of theworking groups on cardiac pacing,arrhythmias,and cardiac cellularelectrophysiology of the European Society of Cardiology 2009年;11:1587-9;以及Nademanee K、McKenzie J、Kosar E等人的A new approach for catheter ablation ofatrial fibrillation:mapping of the electrophysiologic substrate.Journal ofthe American College of Cardiology 2004年;43:2044-53)。类似地,已经描述人类AF的54cm/s的传导速度,因此认为>60cm/s的传导速度是生物学上不可信的(参见例如KoningsKT,Kirchof CJ,Smeets JR,Wellens HJ,Penn OC,Allessie MA等人的High-densitymapping of electrically induced atrial fibrillation inhumans.Circulation.1994年4月;89(4):1665-80)。
现在将阐述本发明的可选的特征。这些可单独应用或与本发明的任何方面组合应用。
在一个或多个实施例中,前导信号分数可以在多个时间段上获取,并且用于识别在那些时间段上同时记录的跨所有电极的一个或多个激活序列。
激活序列可以从重叠的测地线区域相关以提供全局激活序列。电描记图序列可以基于整体激活序列和模式进行分组,并且分离地分析来自这些组中的每一个的电描记图序列。
可以在更宽的传感器的组上对非参数激活序列进行比较。在其中应当比较激活配对的定义的测地线距离允许识别潜在误导的相邻的分类并且拒绝混叠效应。信号的滤波还可以进一步改善信号识别;这可以是经典的信号分析类型,但是可替换地可以通过生理上可信的参数来确定。例如,传导速度可以是预先计算的或者直接根据信号计算的,如果两个激活信号落在可信的传导的界限之外,则可以认为它们不与相同的波前直接相关,因此它们的信号的配对被拒绝分析。
避免信号混叠的另一方法涉及在每个分析时间段内多次评估每对传感器的激活的序列。以逐步的方式,对于每个信号,识别每个潜在的激活信号。此后,这些激活信号因此被逐一地与在所选择的测地线距离内的所有其他传感器中发生的每个激活进行比较。因此,对于每个传感器,针对该传感器与其所有配对的传感器的每次激活进行比较。创建随机数据的多个阵列,每个传感器对应一个阵列,由此容易计算该传感器在测地线距离内前导其配对的传感器的次数。因此,可以以直接的方式计算传感器前导的时间的比例。
该方法的关键优点是,呈现较不频繁激活的传感器将有助于较少的激活配对。因此,即使这种传感器可能错误地表现为频繁地前导它们的相邻的传感器,较低的激活的数量也将减少它们被计算为前导的次数,并且因此在一段时间内的比例将较低。该方法的结果是,将较低的前导分数分配给对心律失常永存化没有关键贡献的旁观者回路。
在一个或多个实施例中,基于每个信号和位置的可能相对重要性的模型来调整全局信号分数。
在一些实施例中,记录时间段在5秒和5分钟之间。
在一些实施例中,电描记图数据额外地包括与每个电描记图信号相关联的空间数据,其识别已经从其获得电描记图信号的感测位置相对于空间参考系的位置。
在这样的实施例中,空间参考系包括构成表示心肌的模型的几何形状的顶点和多边形的坐标。
在一些实施例中,预定义的测地线距离不小于0.2cm并且不大于6cm。
在一些实施例中,可以基于组合信号频率分析和计算的或预定义的传导速度来调整测地线距离。
在一些实施例中,感测位置与心腔相关联,并且每个感测位置仅与在心腔的相同方面上的其他的感测位置配对。
在一些实施例中,计算机实现的方法还包括步骤:基于从多个可用的位置同时获取的电描记图的属性来优先排序或拒绝前导信号分数,属性包括以下中的一个或多个:周期长度、激活序列、周期长度变化之后的定时、以及电描记图形态。
以这种方式,可以优先排序也导致周期长度改变、激活序列和形态改变的前导电描记图;而那些不是的可以被拒绝。
在一些实施例中,取决于解剖位置或在病例期间获取的或来自与消融功效相关联的先前的数据的其他已知的修正因子来修正组合的前导信号分数,以提供经修正的前导信号分数。
这样,组合的前导信号分数更准确地反映这些位点中的消融与心律失常的改变、终止或消除相关联的可能性。可以标准化组合的前导分数。
在一些实施例中,可以使用以下中的一个或多个来生成修正因子:先前的患者数据;从原始数据的静态或动态计算;计算或统计的模型。
在一些实施例中,可以使用神经网络内的反馈深度学习模型来生成修正因子。
在一些实施例中,相对于执行消融时的周期长度变化,或者参考在对类似患者进行消融期间先前获取的周期长度变化,或参考来自对类似患者进行消融的先前的已知的患者结果,动态地确定标准化的组合的前导信号分数的修正因子,其中任何一个可以从原始数据或从计算或统计的模型静态地或动态地计算。
在一些实施例中,可以正确地识别过早激活的区域和/或相反地比其他区域更晚地持续激活的区域,即具有低前导信号分数。这些后期激活分数可以被分类为被动激活,并且在心律失常的永存化或生成中不太可能是关键的。因此,在消融过程中可以避免它们。另外,由非传导结构例如心脏瓣膜或疤痕界定的心腔的区域,以及始终被认为具有低前导分数的区域,可以被推断为被动激活它们自己。通过这样对这些区域进行标记,它们可以被安全地忽略并且注意力集中在别处。这可以预期减少在消融手术期间花费的时间,这些区域上的映射和消融将被减少和避免,因此减少了手机时间并增加了手术安全性。
在一些实施例中,患者自己的数据,例如心脏疤痕分布、位置或尺寸、腔室尺寸和形态,可以用于修正和改进统计的模型,然后该统计的模型用于进一步调整标准化的组合的前导信号分数的修正因子。
在一些实施例中,动态地获取电描记图和位置,并且实时调整统计的模型,同时至少一个感测位置主要保持静态和零,在跨感兴趣的心肌的表面的位置中调整一个或多个感测位置。
在一些实施例中,相对组合的前导信号分数相对于从一个或多个漫游的电极对获取的电描记图数据、或通过参考远场电描记图或诸如表面P波之类的心电图信号而被动态地修正。
在一些实施例中,来自漫游电极的电描记图的激活定时可以通过与根据在其他电极位置处的感测确定的组分类相关而与在测地线距离内的特定位置处的先前获取的电极对的附近位置的虚拟激活定时进行比较。
在一些实施例中,将所得到的信号分数和治疗信息耦接到手术或临床结果数据,并且用作神经网络内的深度学习模型的训练数据集。
临床结果数据可以包括医疗记录、临床结果数据库、患者报告的结果测量、ECG数据、遥测数据、来自可穿戴或可植入的设备的数据、患者活动监视器或任何其它生理测量工具。
在一些实施例中,手术结果数据可以是周期长度、心律、电极激活序列。
在一些实施例中,诸如消融的位置、消融的时间和消融的能量之类的手术因子被用作模型的输入。
在一些实施例中,通常由晚激活区域或非传导解剖区域界定的心脏的区域被突出显示为因此在维持或引发心律失常中不关键的区域。
在一些实施例中,由被识别为对心律失常维持或引发不关键的区域界定的区域被指示为其中治疗不太可能是有效治疗心律失常所必需的区域。
在一些实施例中,该方法还包括:生成显示输出以显示所分配的前导信号分数的图形表示,其中图形表示是3D图形表示,前导信号分数的图形表示以与心脏上的对应的感测位置的空间布置对应的空间布置来显示。
在一些实施例中,前导信号分数的图形表示被覆盖在心脏的3D图形表示上。
在一些实施例中,颜色标度用于表示前导信号分数的相对值。
在一些实施例中,前导信号分数的图形表示在尺寸上变化,其中较高的前导信号分数的图形表示在尺寸上比较低的前导值分数的图形表示大。
在一些实施例中,该方法还包括步骤:获取电描记图数据。在这样的实施例中,可以在随后处理数据以计算前导信号分数之前在整个记录时间段内获得电描记图数据。
在一些实施例中,从来自心脏导管或来自表面ECG电极的非接触映射数据获得心脏的电描记图数据。
根据本发明的第二方面,提供了一种计算机系统,用于使用从心脏上的对应的一系列感测位置获得的多个电极记录的电描记图数据来识别负责支持或引发异常心律的心肌的一个或多个区域,该系统包括:
处理器;
第一存储器,用于存储接收到的电描记图数据;以及
第二存储器,其具有存储在其中的程序代码,程序代码在由处理器执行时使得计算机系统:
设置或允许设置预定义的测地线距离;
将记录时间段划分为若干个分析时间段,并且将每个感测位置与所定义的测地线距离内的多个其他的感测位置配对,从而形成多个位置配对;
对于分析时间段中的每一个,定义每个激活信号针对每个配对内的每个位置的相对定时;
确定激活信号的相对定时是否落入可信的生物学参数内;
在相应分析时间段内针对每个电描记图激活来定义对的前导信号;
基于每个分析时间段内每个激活信号在每个配对内前导的时间的比例,将一系列前导信号分数分配给在相应分析时间段内获取的每个电描记图配对;
在变更分析时间段的同时,在相同位置重复分析至少一次;以及
组合针对每个信号位置的每个分析时间段,以提供每个信号位置相对于所定义的测地线区域内的其他位置倾向于前导的比例的统计度量;
关联来自重叠的测地线区域的前导信号分数,以提供相对组合的前导信号分数,从而提供指示,所述指示是对每个感测位置通常在其它区域之前并且因此在异常心律的驱动因子区域处或附近的相对可能性的指示。
第二存储器可以是与第一存储器相同或不同的物理存储器。
以上关于第一方面(即,计算机实现的方法)描述的可选的特征中的每一个可以等同地应用于本发明的第二方面(即,计算机系统)或第三方面。
根据本发明的第三方面,提供了一种包括指令的计算机程序,当计算机程序由计算机执行时,指令使得计算机执行权利要求1至9中任一项所述的方法。
本发明的另外的可选的特征将在下面阐述。
附图说明
现在将参照附图通过示例的方式描述本发明的实施例,其中:
图1示出根据本发明的方法的实施例的流程图,该方法可以称为STAR映射过程;
图2A-2E描绘放置在心脏周围不同位置的电极的示例和测地线距离对所得到的信号的分析的重要性;
图3A-3D示出电极进行的测量的另外的示例以及测地线距离如何影响该测量,在该情况下响应于二尖瓣环周围的逆时针回路的心律失常;
图4A描绘生理参数在确定不应期中的作用;
图4B描绘与图4A类似的波前,然而在该示例中,看到波前这次在所示区域的下部从右向左前进;
图4C示出时间分析周期内的多个重叠的分析周期的示例;
图5描绘所要求保护的方法的STAR映射实施例如何使用从可信的生物生理学导出的算法将比例分配给已经丢弃的激活和激活向量的前导分数;
图6A-6D示出顺序获取的位点如何将它们的前导信号分数分配组合;
图7是描绘具有低信号分数的区域的示意图,在该区域中不可能找到驱动因子区域;
图8的A-D示出使用根据本发明的实施例的方法产生的3D图的示例;
图9的A-C示出使用根据本发明的实施例的方法产生的3D图的示例以及对应的局部激活时序图,以及图9的D描绘对应的电描记图;
图10描绘计算图的简化过程的示意图;
图11的A和B示出使用根据本发明的实施例的方法产生的3D图的另外的示例以及对应的局部激活时序图,以及图11的C描绘对应的电描记图,其中在前导位点处的消融的影响被示为心率的组织;
图12示出在执行消融的人类临床研究期间的位点的分布和消融的影响(AF的终止、周期长度的减缓、无影响,或无靶向);以及
图13的A-B描绘在根据本发明的一个或多个实施例的方法中可以使用不应期和可信的激活时间差的方式的示意图。
具体实施例
本发明的详细描述和另外可选的特征
在以下描述的实施例中,系统可以与全室篮状导管(Constellation catheter,Boston Scientific有限公司,US and FIRMap catheter,Abbott,US)结合使用,以允许同时全景左心房(LA)映射。然而,其他合适的导管/电极可以用于获得电描记图数据,并且不必同时从整个感兴趣区域收集数据。例如,可以将感兴趣区域划分为较小的区域,针对每个较小的区域收集和分析电描记图数据。然后,分析的结果可以被组合并显示在单个STAR图中。
下面的实施例公开了一种映射系统,在下文中称为“排序的信号的随机轨迹分析(STAR)映射”系统,并且为了识别心律失常的驱动因子的位点而开发,其可以例如以3D图的形式显示。使用STAR映射系统创建的图在下面被称为“STAR图”。图1中示出这种STAR映射过程的详细示例。
当执行该方法时,医师可以将多极全景映射导管放置在左心房外侧,获取一段时间(例如,5秒至5分钟)的数据,然后重新定位导管以确保紧密地并置到左心房隔膜或前壁,并且执行另一记录。
图6和10描绘计算图的方法的简化示意图。“前导(leading)”电极的比例在图之间是相干的,因此数据和比例将能够在相同的图上显示而没有问题。这样,通过在腔室内移动导管并获取另外的记录,可以顺序地建立多个相干统计图。
该系统的原理是识别生成机械上有助于维持心率失常的激活的位点,其中AF是最常见的。由于AF的混乱的性质和AF周期长度(CL)的可变性,确定相对于固定的参考点的最早激活的位点是不可行的。
用于获得和处理电描记图数据的系统通常包括插入患者的心室中的一个或多个多极电导管(例如,上面提到的篮状导管)、放大器和模数(AD)转换器、包括信号分析器、处理器和GPU在内的控制台、显示单元、控制计算机单元、用于确定和集成电极的3D位置信息的系统。
该系统可以使用已知的硬件和软件,例如用于导管、3D电解剖集成和处理单元的CartoTM系统(Biosense Webster,J&J)、NavX PrecisionTM(Abbott Medical)或RhythmiaTM。可以使用导管,例如“篮状”导管、圆形或多样条线映射导管(例如,Lasso导管、BiosenseWebster、J&J、HD映射导管、Abbott Medical SJM、Pentarray Biosense Webster、J&J)、十极性导管或消融导管。这些系统和导管用于收集电描记图信号以及与心腔内不同的位置处的电活动有关的对应的位置和时间数据。这些数据被传递到处理单元,该处理单元对这些数据执行算法计算,并旨在翻译这些数据以向医师提供与心脏内最有可能负责异常心律的维持和持续的区域有关的位置信息。可替换地,该系统可以使用定制导管、跟踪系统、信号放大器、控制单元、计算系统和显示器。
STAR映射算法已经使用多电极阵列和光学映射进行离体验证,以同时映射HL1细胞(永生鼠心脏细胞)中的电活动和钙转运。它还在具有i)窦性心律中的心房起博心跳和ii)房性心动过速(AT)的患者中得到验证,其中使用常规的映射、携带和对消融的响应来证实该机制。
在更详细地考虑STAR映射方法之前,提供用于在采集电描记图数据(连同对应的空间和时间数据)之后识别“前导”信号(其指示在统计上可能驱动异常心率的心脏中的区域/位点)的过程中的主要步骤的概述是有用的。
首先,从输入的电描记图信号中去除干扰和远场信号分量。在一个实施例中,系统例如通过频谱分析、远场信号消隐、远场信号相减、滤波或通过本领域已知的另一方法将信号分解为相关分量。识别源自心脏中的感兴趣腔室内的信号分量(例如,心房信号)。建立心房信号的相对定时,可以是显式的、随机的或概率的方式。在一些实施例中,可确定每个信号的相位并且根据不同的电极之间的相对相移建立相对时序。
第二,对来自相邻的电极的信号定时进行配对。如果电极位置彼此在指定的测地线距离内,信号才彼此配对,即只有彼此靠近的电极彼此配对。这可以通过仅对位于腔室壁的相同的方面上的电极进行配对来进一步改进;即,心脏的后壁上的相邻的电极将被认为是相邻的,但是如果电极在间断的相对侧,例如肺静脉,即使这些电极之间的绝对距离可能很小,也不认为是相邻的。因此,建立了在配对的电极处激活的相对定时,其值归于“前导”电极。可以针对离散的分析时间段来执行该配对,典型地持续时间在10ms和200ms之间。分析时间段的长度不需要在所有被分析的数据上恒定。目的是比较由相同的激活序列引起的配对的电极的激活之间的定时,并且可以相应地确定分析时间段。例如,可以选择每个分析时间段以包括可能由相同的激活序列产生的电极激活。因此,分析时间段可以彼此重叠。
第三,在给定的时间段内,该过程被重复多次(即,对于每个配对,针对多个分析时间段)。有利地,分析时间段与初始分析时间段重叠,并且相对于初始分析时间段偏移例如10至120秒。在给定的时间段内,分析时间段可以重叠,如上所述。例如,如果分析时间段是200ms,则分析时间段可以重叠100ms,即50%。换句话说,对于给定的时间段,在第一200ms时间段内确定前导电极,然后在第二200ms时间段内确定前导电极,第二时间段在第一时间段开始之后100ms开始,等等。如同分析时间段本身一样,重叠的程度可以在数据集上变化。通过这种重复分析,丢弃较不频繁重复的激活序列或根本不丢弃并且以更大的重要性和优先级对更频繁出现的激活序列进行排序是可行的。
在心房颤动中,激活模式随着波前传播的频繁而显得混乱。计算在所映射的激活中每个位点在其相邻位点中的每一个之前的“时间”的相对比例,并且因此创建更频繁地“前导”电极位点的比例图。
第四,计算每个记录的区域花费“前导”激活的“时间”的比例。该计算可以基于每个电极被判断为前导于其配对的电极的实际持续时间。可替换地,它可以是位点在映射的激活中所前导的总分析时间段(无论那些时间周期彼此具有相同或不同的持续时间)的比例。因此,在一些示例中,实际上通过查看由给定电极看到的心房激活信号的总数并且确定电极前导的那些激活信号相对于彼此配对的多个其他电极的比例来确定相对比例。虽然仅映射相邻的电极可能引起误差,但是系统针对激活的每个周期映射相对于所有其他电极的所有电极,以在所映射的场内建立激活的方向。分析序列以识别记录期间的显性激活序列和前导那些激活的位点,即激活从其发出的点。具有表明局部的源的轨迹的激活序列被认为是机械上重要的。因此,STAR映射系统计算激活序列与给定向量的比例,以建立主向量(如果有的话)和激活跟随那个向量的时间的比例。对于映射场中的所有位点,计算源自该位点的所映射得激活的比例以确定其相对重要性。
将所计算的比例标准化,使得可以跨心脏比较比例。可以设想该数据的统计过程、标准化和随后显示的许多实施例。
覆盖心脏激活的完全被动区域的电极将趋向于具有很少的(如果有的话)看似从这些激活发出的激活。只有在激活序列中趋向于频繁地“前导”的激活位点才归为指示很可能是激活的源的值。类似地,当考虑重叠的电极采样位置A和B,其中在样本A的边缘处最早重复地激活,可以看到激活从B前进到A,并且因此A的早激活的位点可以被认为是被动的,并且来自样本B的电极被认为是前导的,因此对来自样本B的前导电极给予更大的重视。
第五,在显示单元上显示所计算的度量的图形表示。在一个优选实施例中,在最频繁的前导电极上指示突显点。另一优选实施例包括分配颜色标度以表示电极“前导”激活序列的时间的比例。该颜色标度可以呈现在点上或呈现在感兴趣的腔室的几何外壳或其他解剖学表示上。这种颜色标度可以是线性的、二元的、逐步的或以本领域已知的方式的非线性的。可以使用变化描述的插值来允许在没有密集电极覆盖的区域上进行推断。给定数据标度的先验知识,医师可以将感兴趣的腔室内的“前导”区域附近的区域作为目标,用于消融或其他治疗。便利地,可以使用度量在与消融手术期间将使用的解剖几何形状相同的解剖几何形状上的投影来显示颜色标度(或所计算的度量的其他图形表示)。
在一些实施例中,该系统用于突出显示由被动激活的区域界定的区域。治疗这些区域不可能有益于患者或终止心率失常,因此通过突出显示这些被动激活区域,可以避免过度治疗并降低手术风险。
该系统的另外的实施例可以使用从非接触或非侵入映射系统导出的电描记图或信号定时,除了由所获取的计算的非接触图的空间分辨率之外,虚拟电极的数量可以实际上不受限制。
STAR映射系统的各个方面将在下面更详细地讨论。
i)极点配对和测地线距离
心脏电激活序列的映射的一个潜在困难是彼此接近但与相隔一定距离的表面接触的极点(例如,前极点与后极点配对)可能给出不准确的结果。由于这些极点映射解剖几何形状的不同方面,所以它们将看不到相同的波前,并且因此获得的激活时间将是不准确的。为了克服这个问题,如果极点彼此在预定义的测地线距离内,则电极仅被配对。这是通过获取几何形状上的经投影的极点位置并且计算经投影的极点之间的距离(即测地线距离)来确定的,就像人在几何形状的表面上行进一样。
参考图2A-2E可以更好地理解测地线距离的影响。考虑一系列放置在左心房周围的电极位置。图2A示出电极位置和波前方向的地面实况,在该示例中,大致从电极1和电极7发出,由粗阴影箭头示出。在AF中,这将被预期为具有多个发射波前的区域,它们从这些区域出现的比例随着时间而变化。
图2B示出在这种情况下应用大的测地线距离的情况的示例,这里考虑电极4的情况。现在将电极4与激活电极6和8的波前进行比较。
如图2C所示,如果从电极7附近出现的波前处于比从电极1附近发出的波前高的频率,则可能出现混叠,并且电极4的激活被错误地归因于最终来自电极7,如条纹箭头所示。这种描述又可能影响电极1至3的激活的描述,并且这些描述可能被错误地指定为主要跟随者而不是主要前导者。在图中,电极通过增加的阴影表示为前导者,以及通过减少的阴影表示为跟随者。电极1特别地受影响,这被认为仅导致低比例的激活。
另一方面,图2D描绘仅使用小的测地线距离进行计算的情况。这里,可以看出,与先前的示例相比,电极与较少和较多的局部位点相比。图2E示出所计算的激活的合成矢量,因为由于采用了更窄的测地线距离,电极3和4不再与电极6至8进行比较,因此减轻并消除了混叠效应。
图3A描绘在二尖瓣环周围具有逆时针回路的心律失常的可替换的示例。电极1至8保持在相同的位置,并且电极9至12现在放置在隔膜上。
如图3B所示,当使用小的测地线距离时,单独处理电极的每个组(1-4、5-8和10-13),给出多个前导位点的印象,而不是单个大折返性心动过速的地面实况。虽然这种小距离具有一些效用,因为它倾向于在关键回路内定位点,但是它没有给出回路方向的任何指示。
可替换地,图3C示出使用较大测地线距离的比较示例。在这种情况下,以与其他组重叠的方式考虑电极的每个组(1-4、5-8和10-13)。因此,识别出逆时针穿过前壁的单个回路。在该示例中,后壁未被映射,但是将示出在与前壁相反的方向上的激活的前进,从而完成回路。关于如何设置测地线距离的决定是基于基本心率的规律性和周期长度的组合来做出的。机器学习将进一步细化并解决该过程。
最后,图3D示出另外的示例,其中使用每个电极自身的测地线距离选择每个电极的多个比较区域,以与其它电极进行比较。将电极1至4彼此进行比较,也将电极位点5至8彼此进行比较(测地线距离在此未示出),但是每个组位于彼此的比较的区域之外,因此在该示例中被认为是不同的组。
ii)激活时间和极点前导者
AF的驱动因子在大多数研究中没有显示记录期间的完全稳定性。然而,这些已显示是重复的并且在相同的解剖位点处复发。考虑到AF的这种和混乱性质,STAR映射系统用于确定电极极点相对于其连续极点对是前导的时间的比例。局部电描记图激活定时可以通过识别单极电描记图上的最陡下降,即信号中的最大负偏转(dv/dt),通过识别双极电描记图上的主峰,但是识别单极或双极信号的最大相变,或通过其他方法来确定。比较获得的激活时间,取决于激活时间和间隔,对中的电极可以被标记为跟随者或前导者。例如,当考虑从紧密间隔的电极A和B记录的电描记图时,如果A和B之间的间隔短于从B到A,则认为A前导B。然而,如果A和B之间的间隔短到生理上不可能,那么B前导A,或者如果从B到A的时间也是生理上不可信的长,那么激活是不相关的。这些参数可以根据在过程期间获取的数据和从先前情况获得的先验知识来调整。对于每个电极位置,根据时间的比例来计算成为前导极点的总体倾向,确定其为跨其所贡献的每个对的真实的前导极点。也就是说,如果极点在与其配对的所有极点之前被激活,则该极点仅可以是100%的前导者。如果极点始终跟随其它对,则沿相同的线该极点将前导0%的时间。
应当理解的是,对于每个电极位置,可以计算多个前导信号分数,例如,可以为该电极处的每个离散激活、为执行计算的每个时间分析窗口、为通过激活序列的分组的每个系列、为从其获取信号的每个重叠的区域等分配分数。
因此,针对特定位置的最终的单个前导信号分数表示该位置可被认为是前导的时间的比例的统计测量,其可被校正或标准化为记录时间段、周期长度、所记录的激活的数量、所记录的重叠的区域的数量等。该最终的单个前导信号分数可以取决于激活序列的分组进一步细分和重新计算。
当确定激活时间时,为了确保相同的激活序列在电极上产生局部和远场电描记图偏转,并且因此潜在地被计数为该电极的两个分离的激活,使用了使用不应期的过滤。如果电极的激活落在该不应期内,则不能代表分离的激活,因为在该时间段内,心房组织不能被另一激活再次刺激。因此,第二激活被看作是初始激活序列的部分,并且被系统忽略(图4A)。对映射复杂分离的电描记图的先前研究已经将<70ms视为心房心肌的近似有效不应期,由此在该时间内看到的任何事物都不可能是第二波前。这与动物研究中AF期间获得的不应期一致。
参考图4A-4C可以更好地理解生理参数在确定不应期中的作用。首先参考图4A,面板1示出可激励组织的区域,其中波前从左向右移动。这由指示后激活的增加色度的等时线表示。在该示例中可以考虑4个电极的组,标记为e1至e4。在面板2中示出代表性电描记图。在该示例中,在比较哪个电极各自前导之前,识别(标记为*)每个电极的激活时间,电极e1上的随后的电偏转(标记为+)在时间上与先前标记的电偏转太接近,因此不被认为是分离的激活。STAR映射将考虑e1前导于所有其它电极,并且e4跟随所有其它电极。然而,e3仅非常轻微地跟随e2的激活时间,因为它们的取向大致垂直于激活的波前。由于传导速度由距离/时间给出且两个位点之间的时间差小,因此e2处的波前激活直接传导到e3所需的传导速度非常不可行。这两个位点之间的不应期可以使用任意的或所计算的最大传导速度来计算,从而产生不应期(RP)。因此,STAR映射系统将确定激活不能从e2前进到e3(这个波前方向使用带有图例“不可能的波前方向”的黑色箭头标记),而e2和e3处的激活或者来自从不同的方向接近的分离的波前,或者作为单个波前同时穿过e2和e3的结果。从附近的位置或在不同的时间段上收集数据将有助于解决这两种可能性中的哪一种是正确的可能性。表观传导矢量由面板1中的条纹箭头示出。
图4B示出与图4A类似的波前,然而在该示例中,看到波前这次在所示区域的下部从右向左前进。这可能是在图的上半部波前的前进,在右手侧顺时针卷曲以改变方向。这里,为了清楚起见,示出额外的电极位置e5。现在从位置e1和e2到e3存在非常大的时间差。现在考虑上述传导速度方程,这些位点之间的时间差太长,以至于不能认为是生理上可能的(即不在生理窗PW内),因此从e1或e2到e3传导将不被考虑。e5将被认为传导到e3,并且波前的两个分支可以被认为是分离的波前,除非从e4到e5的时间差在生理极限内。
图4C描述时间分析周期内的多个重叠的分析周期(AP1等)。对于每个分析周期,进行关于哪个电极前导哪个的多个电极比较。在该示例中,示出来自测地线距离内的5个电极信号,其具有由星号确定的激活。在AP1中,可以看到e1前导所有其它激活。这种模式继续,但是偶尔e5前导e3,但是这些电极的激活远少于e1、e3和e4。重叠的分析周期为每个AP产生一个数目,该数目指示该信号前导于该AP内的其他信号的次数。然后在分析整个时间段之后组合针对每个电极的所有AP分数,以产生针对每个电极位置的单个信号前导分数。
为了确保电极或位置被准确地标记为前导电极或位置,重要的是确保电极记录相同的激活序列(或波长)并且该对中的电极中的一个不被不同的激活序列激活。由于若干研究已经提出,一些心律失常(包括AF)可由具有重入机制的多个漂移小波组成,因此很可能配对的电极记录没有机械关系的分离的小波。为了克服这个问题,回顾电极之间的激活时间差。为了保留可行的差并过滤掉彼此不相关的差,使用电极对之间的测地线距离,并与传导速度(CV)一起确定可信的激活时间差。为了说明的目的,让我们考虑位于心脏中的两个电极,即电极A和B,在它们上具有不同的激活。如果电极A和B之间的激活时间差小于STAR映射系统设置的极限,那么极点A和B不太可能被相同的激活波前激活,从而这些信号被系统拒绝。
一些研究已经在窦性心律和AF中观察到人类LA的CV。已经建立的是,与指示疤痕的低电压区(LVZ)相比,CV在具有正常电压(指示健康组织)的区域中变化。还已经显示的是,CV在双极电压和LVZ的比例之间具有负相关。结果,双极电压图和LVZ的比例影响了STAR系统中使用的CV。
iii)创建和解释STAR图
STAR映射技术可以与任何电解剖映射系统结合使用,例如Carto 3(BiosenseWebster)、Precision(Abbott有限公司)、Rhythmia(Boston Scientific)连接到一个或多个多极映射导管。来自多于一个的映射系统的数据可以被组合,例如同时使用来自LabSystemPro(Boston Scientific)的时间戳记的电描记图数据和来自3D映射系统的位置数据。为了执行该方法的数据要求是:i)用于构成腔室几何形状的顶点和多边形的3D坐标;ii)用于电描记图记录的位置的3D坐标;iii)对应的记录的电描记图数据。STAR映射方法可以在物理数据输出之后在分离的系统上执行,可替换地,它可以在3D映射系统或电生理学记录系统的物理计算机处理器和存储器模块上执行。
典型的STAR图由左心房几何形状组成,其本身是使用任何3D映射系统创建的LA几何形状的复制,具有电描记图记录极点的经投影的位置。可以应用颜色方案,其中颜色是每个位点的最终的前导信号分数的表示,例如彩虹标度,其中100%前导者被着色为红色,0%前导者被着色为蓝色。可以应用本领域已知的多种方法来将这些颜色叠加在图上,例如内插的表面着色或彩色叠加的点。通过动画或者位点标记的表观高度、直径或颜色强度的变化,可以进一步提高解释的容易性。作为激活序列的指示,并且为了进一步帮助解释,可以从主要的前导极点到其相关对画箭头。
示例性研究表明,STAR映射算法可以精确地识别在人类LA中的多个起搏的位点,并且建立包括在右心房和左心房中的局灶/微重入与宏重入回路的复杂AT的机制。
STAR映射算法广泛地使用来自人类LA中多个起搏的位点的窦性心律的心房起搏来验证。操作者和不知情的观察者能够根据STAR图确定起搏的位点,通过STAR算法检测为前导者的一个(或多个)极点,即最早激活的位点,当回顾电描记图时也与具有最早激活的篮状导管上的一个(或多个)极点相关。另外,当回顾对应的CARTO图时,被识别为前导者的极点也是最靠近起搏的位点的篮状极点。
改变在其上极点被配对的测地线距离的效果允许STAR映射方法考虑到以前的数据是可以适应的,支持了对于维持心律失常极重要的驱动者占用LA的小区域,并且使来自混叠和多个波前的误差最小化。为了验证STAR映射系统识别复杂波前,在AT期间创建STAR映射,并且与使用常规的方法确定的经确认的AT机制进行比较。
图9的A-C示出在STAR图和使用CARTO创建的常规的局部激活时间映射上映射到隔膜的局灶AT的映射。图9的A是展示在隔膜处的最早激活的倾斜的前-后视图中的常规的局部激活时间图。图9的B是支持AT从隔膜跨LA展开的倾斜的右侧视图中的常规的局部激活时间图。图9的C示出STAR映射,示出在隔膜处的高STAR分数,该分数与常规的局部激活时间映射上的AT的焦点相关。最后,图9的D示出包括表面ECG、CS的BARD电描记图和示出具有225ms的CL的AT的绘图电描记图,其终止于高STAR分数的位点处的消融上的窦性心律。
在该示例中展示改变测地线距离用于映射的效果。6cm以上的测地线距离导致其中来自分离的解剖表面的记录位点可以彼此配对的图,这在生理上是不可行的。因此,优选地应当避免用于比较的这种高的测地线距离。类似地,用于比较的过小的测地线距离(例如,<3cm)使得解剖表面的过度分割。这使得受相同的局部驱动因子影响的多个极点不能彼此比较,并且作为结果,过大数量的极点可被分配高信号前导分数。多个前导极点可能被错误地识别,并且随后是需要消融的过宽区域的指示。
作为示例,图8示出STAR LA图,其中在AF中的映射期间,在篮状极点的配对期间使用3cm的测地线距离。这种配对允许LA被分段为部分。在前后(AP)视图(图8的A)中,确定了两个高STAR分数极点的位点,即室间隔和低位前。
图8的C示出AP视图中的STARLA图,其中在篮状极点的配对期间使用了6cm的测地线距离。该图展示具有映射到隔膜的慢周期长度(>300ms)的局灶AT,其中高STAR分数与AT的位点相关。与短测地线距离(图8的C)相同的心动过速将示出全部在映射为所确定的测地线距离的区域得边缘处的多个驱动因子,而不是示出该测地线区域中部中的源的覆盖源的位置。虽然这是可解释的,但是解释起来比图8的B更复杂。
图8的D示出STARLA图,其中在配对大折返AT期间使用6cm的测地线距离。该图展示宏重入AT,其中前极点前导于后极点,结果,没有高STAR分数极点被识别,没有极点前导100%的时间,如局灶AT所看到的。
现在将解释图10所示的计算STAR图的简化方法。示出五个电描记图对(a-e),并且下面示出从每个电极导出的电描记图。示出总共构成总记录时间的80%的三个代表性模式(面板i-iii)。在面板(i)中,占时间的50%的电极a前导所有其它电极,在面板(ii)中,示出不同的激活序列,其中占时间的20%的电极(c)前导。图(iii)是电极(e)前导10%的时间的另一激活序列。如图(iv)所示,基于时间的比例,每个电极具有与其相关联的值,其中被视为“前导”的电极是最接近的相关联电极。最后的过程组合这些数据并将这些数据叠加在所组合的图上,例如利用电极前导比例的颜色编码突出显示前导电极。
图5示出STAR映射如何使用从图4A-4C中描述的可信的生物生理学导出的算法,将比例分配给已经丢弃激活和激活向量的前导分数。考虑三个电极位点,这里是e1、e6和e10,靠近驱动因子位点的情况。心房颤动固有的混乱激活使得例如e10仅在40%的时间内前导于局部激活的区域,以及e6仅在20%的时间内前导。将关于在测地线区域内比较之后看到的前导局部激活的区域的比例来分配前导信号分数。这些信号分数还可以通过过多的因子来修正,例如它们是否一致地早于心律失常周期长度的暂停之后,或者通过机器学习所应用的其他权重。
图6示出顺序获取的位点如何可以将它们的前导信号分数分配组合。考虑经历使用图6A中的电极e1到e5映射的可激励表面。使用STAR方法在一段记录时间段上生成一系列信号前导分数。现在将电极重新定位到位置e1’至e5’,并且重复该过程,如图6B所示。在这些新的位点处生成一系列新的信号前导分数。e1’-5’位点处的新的信号前导分数可以与先前通过例如标准化到公共电极位置而获取的那些相关,或者如果在没有位置是共同的对于映射位点和区域都不重叠的情况下,标准化到内插的分数。可以确定其中电极与先前获取的位置非常接近、重叠或分散的区域,并且可以将来自新的位置的新的信号分数与来自先前获取的位置的那些信号分数相关。例如,在图6C中,位置e1”是在先前由虚线圆划定的电极位点所界定的位置,先前的位点示出为如前标记的白色点圆。假定在每个位点处的记录时间足够长以建立真实的局部前导信号分数,则来自e”的新获取的信号分数可以与来自e4、e5、e2’、e4’和e5’的信号分数相关,并且所有信号分数重新校准到共同的相对标度。这可以通过线性插值、模式匹配或其他方法来实现。因此,e2”至e5”可以通过它们与来自e1”的现在校准的分数的关系来重评分。通过重复该方法,可以用分布的电极位点映射整个表面。图6D展示在若干获取上的此类序列的映射可如何建立彼此相关的信号分数的较大覆盖区域,以及可如何因此暗示总波前方向,如条纹箭头所示。
图7示出具有低信号分数的区域的示例,其中不可能找到驱动因子区域。这里,可激励组织的区域由表示为圆的若干电极来映射。每个被分配信号分数,较暗的阴影表示较高的信号前导分数,例如,电极e1表示前导信号。区域由展出低前导信号分数的电极位置(例如e2)限制。该区域在一个方面可以由已知的块的线(粗线)界定,其可以是瓣膜结构、疤痕、消融线或其他心脏结构。由于该区域由具有低信号分数的位点界定,因此可以推断该区域不包含驱动因子区域,因此不需要详细地映射。这种区域在这里由交叉影线区域表示。
上面的描述集中在STAR映射的核心组件上。然而,存在可以并入到下面详述的系统中的其它原始的方面。
远场映射
远场电描记图是在电极处记录的电活动,虽然电活动在一定距离之外发生。这在可能的情况下通常被映射系统丢弃。这些可以以几种方式与近场电描记图(在该电极局部发生的电活动)区分开。远场电描记图通常较不“锐利”,具有低频外观,并且电描记图信号的数字滤波可以允许它们的去除。其次,远场电描记图可以被识别为对应于另一电描记图,例如,表示心房信号期间的心室信号的远场电描记图可以对应于表示表面ECG上的心室活动的QRS复合体。用于识别信号分量是局部还是远场的另外的方法是利用单极信号来识别比所定义的激活分量早的重要的信号分量。以这种方式,跨特定解剖位点定义在映射的局部区域之外的区域是否实际上驱动心动过速变得有可能,并且这些远场电描记图的梯度可以被比较以建立需要进一步映射的可能的解剖位置。这可以通过识别前导位点中的早单极低频信号,并且将该信号的定义的度量,例如单极信号幅度,与显示该信号的其他配对的并且同步获取的电描记图进行比较来应用。这些幅度的梯度将是明显的,其中较高的幅度更接近远场信号的原点。因此,这些远场信号中的梯度可以指示心率失常的源,例如识别记录在与左心房隔膜接触的电极上的远场右心房信号。
系统还有三个方面来改进关于哪些位点在维持AF中是重要的和不重要的初始预测:
(i)感觉检查算法
(ii)修正因子
(iii)系统反馈
感测检查算法
电描记图被临时定时,并且基于传导速度和不应期,波前被假定在可信的方向上行进。STAR系统对初始预测进行感测检查的三种机制,可以用于修改信号前导分数。
首先,对于由相同的波前激活的任何表面,在该表面上的所有电极处激活的一对一关系应该存在。因此,第一种感测检查算法寻找在电极处记录的信号之间的这种关系用于任何映射的波前。在不存在这种波前的情况下,这种位点将不被认为是由单个波前激活。
其次,在心律失常期间,从一个周期到下一个周期的周期长度通常存在微小改变,这通常被称为周期长度的“摆动”。这在AF中特别显著,并且是使得AF不可能通过常规方法映射的一个因素。假设生成波前的局部的源在其发生时是重复的,虽然是间歇的和不一致的。在预测了关于波前运动和可能的源之后,可以执行被认为是重要的波前期间的周期长度摆动的分析。可以假设周期长度中的任何周期到周期改变首先发生在重复波前的原点处。当波前从源移动时,可以在远离源移动的位点处检测这种周期长度变化。这可以通过频率分析来确定,其中从预期的位点发出的一系列周期长度变化可以被解释为编码的信号,以与定义的啁啾声或其他编码信号广播相似的方式,可以在无线电定向寻找中使用以确认这是感兴趣的信号。因此,可以在若干周期上比较从源发出的波前的方向性,以确认它们确实是从该一个源产生的。周期到周期变化或“摆动”逻辑的应用可以应用于参照STAR映射的几何形状和结果的电描记图,以确认映射分析。
第三,当腔室的激活是由特定驱动因子位点进行时,典型的激活的模式将发生在整个心脏上。当发生显性激活时,可以观察到激活序列的定义的和签名的模式。这可以通过例如在冠状窦内的电极中通常看到的重复和变化的激活来举例说明。这些模式可以被利用并分类以将激活模式分组在一起,并且因此允许创建一系列图。这些图中的每一个将或多或少地对应于由所识别的驱动因子区域中的每一个生成的激活模式中的每一个。
修正因子
STAR映射为正在进行映射的腔室周围的所映射的位点中的每一个提供信号前导分数。这些分数可以通过结合多个加权准则来进一步修改,这些加权准则增加或减少被映射为重要的区域所附加的重要性。典型的加权因子可以从已知文献或从先前获取的数据中得出。这些包括心律失常周期长度、周期长度稳定性(例如周期长度的标准偏差)、主频率、规律性指数和组织指数、单极或双极电压、解剖位点。
反馈系统/机器学习
信号前导分数还可以通过过程内反馈进行修正。这将使对消融的肯定响应和成功的结果与所传递的消融相关联,并且允许对置于不同感测检查算法上的权重和加权准则的不同的分量的相对重要性的连续适应。
这些反馈机制中的第一种基本上是手术内的。通过分析和监视心律失常周期长度,减缓或组织化可以指示对特定位点处的消融的肯定响应。这样的反馈可以用于修正信号前导分数,并且通过对照来自类似患者的反馈和对消融的响应,所生成的统计的模型本身可以用于例如通过机器学习来适合未来患者中的信号分数。
已知影响AF消融的临床成功的因素也可以用作对这样的模型的反馈,包括可用的临床成功的不同的测量。成功的临床标记范例将包括数据源和技术,例如由操作者手动记录的临床成功或复发性心律失常、由患者记录的生活质量数据或症状分数数据、通过植入的设备(例如起搏器或环记录器)记录的心律失常复发、包括但不限于移动电话、智能手表或其他可穿戴设备的患者自我监视设备,其中数据可以包括但不限于加速计数据、电描记图、心率监视和运动能力。
这些数据在可获得时将由系统用于估算临床成功,以修正置于不同的检查算法和加权准则上的加权。这种关于手术和临床结果的反馈允许机器学习以改进系统是该系统的另一完全新颖的方面。
图12是由STAR映射引导的消融位点的分布的示例,来自一系列患者的位置被放置在示例性单个几何形状上,以指示映射位点的一般分布。显然,消融产生积极效果的位点的一般空间聚类可以用作输入修正因子,以上述方式通知未来患者的加权。在上述说明书、所附权利要求书或附图中公开的特征,以其特定形式或根据用于执行所公开的功能的装置、或用于获得所公开的结果的方法或过程来表达,可以适当地分离地或以这些特征的任意组合来用于以其不同形式实现本发明。
虽然已经结合上述示例性实施例描述本发明,但是当给出本公开时,许多等同的修改和变化对于本领域技术人员将是显而易见的。因此,上述本发明的示例性实施例被认为是说明性的而非限制性的。在不脱离本发明的精神和范围的情况下,可以对所描述的实施例进行各种改变。
为了避免任何疑问,提供本文提供的任何理论解释是为了改善读者的理解。发明人不希望受这些理论解释中的任一个的限制。
本文所用的任何章节标题仅用于组织的目的,并且不应被解释为限制所描述的主题。
在整个说明书中,包括随后的权利要求书,除非上下文另有要求,词语“包括”和“包含”及其变体,例如“包括”、“包含”和“含有”应理解为暗示包括被宣称的整体或步骤或整体或步骤的组,但不排除任何其它整体或步骤或整体或步骤的组。
必须注意的是,如在说明书和所附权利要求中所使用的,单数形式“一”、“一个”和“该”包括复数指代物,除非上下文另外清楚地指明。范围在本文中可以表示为从“约”一个特定值和/或到“约”另一特定值。当表达这样的范围时,另一个实施例包括从一个特定值和/或到另一个具体值。类似地,当通过使用先行词“约”将值表示为近似值时,应理解的是,特定值形成另一实施例。与数值相关的术语“约”是任选的,并且是指例如+/-10%。
虽然已经结合上述示例性实施例描述本发明,但是当给出本公开时,许多等同的修改和变化对于本领域技术人员将是显而易见的。因此,上述本发明的示例性实施例被认为是说明性的而非限制性的。在不脱离本发明的精神和范围的情况下,可以对所描述的实施例进行各种改变。
所有上述参考文献在此引入作为参考。
Claims (21)
1.一种计算机实现的方法,用于使用在记录时间段内从心脏上的对应的一系列感测位置获得的由多个电极记录的至少包括电描记图激活数据在内的电描记图数据来识别负责支持或引发异常心律的心肌的一个或多个区域,所述电描记图激活数据包括关于多个激活的数据并且还包括所述心肌的激活信号,所述方法包括以下步骤:
a)设置预定义的测地线距离;
b)将所述记录时间段划分为若干个分析时间段,并且将每个感测位置与所定义的测地线距离内的多个其他的感测位置配对,从而形成多个位置配对;
c)对于所述分析时间段中的每一个,定义每个激活信号针对每个配对内的每个位置的相对定时;
d)确定所述激活信号的相对定时是否落入可信的生物学参数的所定义的范围内;
e)在相应分析时间段内针对每个激活来定义对的前导信号;
f)基于每个分析时间段内每个激活信号在每个配对内前导的时间的比例,将一系列前导信号分数分配给在相应分析时间段内获取的每个电描记图配对;
g)将分析步骤b至f重复至少一次,每次重复针对相同的感测位置并且针对与重复中的至少一次其他重复的分析时间段重叠的分析时间段;
h)组合针对每个信号位置的每个分析时间段,以提供每个信号位置相对于所定义的测地线区域内的其他位置倾向于前导的比例的统计度量;以及
i)关联来自重叠的测地线区域的前导信号分数,以提供相对组合的前导信号分数,从而提供指示,所述指示是对每个感测位置通常在其它区域之前并且因此在所述异常心律的驱动因子区域处或附近的相对可能性的指示。
2.根据权利要求1所述的计算机实现的方法,其中在多个时间段期间获取的前导信号分数用于识别在所述时间段期间同时记录的遍及所有电极的一个或多个激活序列。
3.根据权利要求1所述的计算机实现的方法,其中基于每个信号和位置的可能相对重要性的模型来调整全局信号分数。
4.根据权利要求1所述的计算机实现的方法,其中所述预定义的测地线距离不小于0.2cm并且不大于6cm。
5.根据权利要求1所述的计算机实现的方法,还包括以下步骤:基于从多个可用位置同时获取的电描记图的属性来优先处理或拒绝前导信号分数,所述属性包括以下中的一个或多个:
周期长度、激活序列、周期长度改变之后的定时、以及电描记图形态。
6.根据权利要求1所述的计算机实现的方法,其中取决于解剖位置、或根据与消融功效相关联的先前的数据的其他已知的修正因子来修正组合的前导信号分数,以提供经修正的前导信号分数。
7.根据权利要求6所述的计算机实现的方法,其中使用以下中的一个或多个来生成修正因子:先前的患者数据;从原始数据的静态或动态计算;以及计算或统计的模型。
8.根据权利要求7所述的计算机实现的方法,其中使用神经网络内的反馈深度学习模型来生成修正因子。
9.根据权利要求1所述的计算机实现的方法,还包括:生成显示输出以显示所分配的前导信号分数的图形表示,其中所述图形表示是3D图形表示,并且所述前导信号分数的图形表示以与心脏上的对应感测位置的空间布置相对应的空间布置来显示。
10.一种计算机系统,用于使用在记录时间段内从心脏上的对应的一系列感测位置获得的由多个电极记录的至少包括电描记图激活数据在内的电描记图数据来识别负责支持或引发异常心律的心肌的一个或多个区域,所述电描记图激活数据包括关于多个激活的数据并且还包括所述心肌的激活信号,所述系统包括:
处理器;
第一存储器,用于存储接收到的电描记图数据;以及
第二存储器,具有存储在其中的程序代码,所述程序代码在由所述处理器执行时使得所述计算机系统:
i)设置预定义的测地线距离;
ii)将记录时间段划分为若干个分析时间段,并且将每个感测位置与所定义的测地线距离内的多个其他的感测位置配对,从而形成多个位置配对;
iii)对于所述分析时间段中每一个,定义每个激活信号针对每个配对内的每个位置的相对定时;
iv)确定激活信号的相对定时是否落入可信的生物学参数的所定义的范围内;
v)在相应分析时间段内针对每个电描记图激活来定义对的前导信号;
vi)基于每个分析时间段内每个激活信号在每个配对内前导的时间的比例,将一系列前导信号分数分配给在相应分析时间段内获取的每个电描记图配对;
vii)重复对步骤ii)至vi)的执行,每次重复针对相同的位置的不同电描记图激活数据并且针对与重复中的至少一次其他重复的分析时间段重叠的分析时间段;
viii)组合针对每个信号位置的每个分析时间段,以提供每个信号位置相对于所定义的测地线区域内的其他位置倾向于前导的比例的统计度量;
ix)关联来自重叠的测地线区域的前导信号分数,以提供相对组合的前导信号分数;以及
x)经由输出设备,提供指示,所述指示是对每个感测位置通常在其它区域之前并且因此在所述异常心律的驱动因子区域处或附近的相对可能性的指示。
11.根据权利要求10所述的计算机系统,其中所述计算机系统被配置为在多个时间段内获取前导信号分数,并且还被配置为用于识别在所述时间段期间同时记录的遍及所有电极的一个或多个激活序列。
12.根据权利要求10所述的计算机系统,其中所述计算机系统被配置为基于每个信号和位置的可能相对重要性的模型来调整全局信号分数。
13.根据权利要求10所述的计算机系统,其中所述预定义的测地线距离不小于0.2cm并且不大于6cm。
14.根据权利要求10所述的计算机系统,还被配置为:基于从多个可用位置同时获取的电描记图的属性来优先处理或拒绝前导信号分数,所述属性包括以下中的一个或多个:
周期长度、激活序列、周期长度变化之后的定时、以及电描记图形态。
15.根据权利要求10所述的计算机系统,其中所述计算机系统被配置为取决于解剖位置、或根据与消融功效相关联的先前的数据的其他已知的修正因子来修正组合的前导信号分数,以提供经修正的前导信号分数。
16.根据权利要求15所述的计算机系统,其中使用以下中的一个或多个来生成修正因子:先前患者数据;从原始数据的静态或动态计算;以及计算和/或统计的模型。
17.根据权利要求16所述的计算机系统,还包括:具有被配置为生成所述修正因子的反馈深度学习模型的神经网络。
18.根据权利要求10所述的计算机系统,还被配置为:生成显示输出以显示所分配的前导信号分数的图形表示,其中所述图形表示是3D图形表示,并且所述前导信号分数的图形表示以与心脏上的对应感测位置的空间布置相对应的空间布置来显示。
19.根据权利要求10所述的计算机系统,还包括多极电导管和接口布置,来自所述多极电导管的信号可以经由所述接口布置而被存储到第一存储器,所述接口布置包括信号处理装置,所述信号处理装置包括模数转换器。
20.根据权利要求19所述的计算机系统,还包括具有反馈深度学习模型的神经网络,所述反馈深度学习模型被配置为:取决于解剖位置中的一个或多个、或根据与消融功效相关联的先前的数据,修正组合的前导信号分数。
21.一种计算机实现的方法,用于使用在记录时间段内从心脏上的对应的一系列感测位置获得的由多个电极记录的至少包括电描记图激活数据在内的电描记图数据来识别负责支持或引发异常心律的心肌的一个或多个区域,所述电描记图激活数据包括关于多个激活的数据并且还包括所述心肌的激活信号,所述方法包括以下步骤:
a)设置预定义的测地线距离;
b)将所述记录时间段划分为若干个分析时间段,并且将每个感测位置与所定义的测地线距离内的多个其他的感测位置配对,从而形成多个位置配对;
c)对于所述分析时间段中的每一个,定义每个激活信号针对每个配对内的每个位置的相对定时;
d)确定所述激活信号的相对定时是否落入可信的生物学参数的所定义的范围内;
e)在相应分析时间段内针对每个激活来定义对的前导信号;
f)基于每个分析时间段内每个激活信号在每个配对内前导的时间的比例,将一系列前导信号分数分配给在相应分析时间段内获取的每个电描记图配对;
g)将分析步骤b至f重复至少一次,每次重复针对相同的感测位置并且针对与重复中的至少一次其他重复的分析时间段重叠的分析时间段;
h)组合针对每个信号位置的每个分析时间段,以提供每个信号位置相对于所定义的测地线区域内的其他位置倾向于前导的比例的统计度量;
i)关联来自重叠的测地线区域的前导信号分数,以提供相对组合的前导信号分数;以及
j)生成显示输出以显示所分配的前导信号分数的图形表示,其中所述图形表示是3D图形表示,并且所述前导信号分数的图形表示以与心脏上的对应感测位置的空间布置相对应的空间布置来显示。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
GB1806580.5 | 2018-04-23 | ||
GB1806580.5A GB2573109B (en) | 2018-04-23 | 2018-04-23 | Methods and systems useful in mapping heart rhythm abnormalities |
PCT/EP2019/060367 WO2019206908A1 (en) | 2018-04-23 | 2019-04-23 | Methods and systems useful in mapping heart rhythm abnormalities |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112566552A CN112566552A (zh) | 2021-03-26 |
CN112566552B true CN112566552B (zh) | 2024-03-08 |
Family
ID=62236291
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980040549.4A Active CN112566552B (zh) | 2018-04-23 | 2019-04-23 | 用于映射心律异常的方法和系统 |
Country Status (6)
Country | Link |
---|---|
US (1) | US10912472B2 (zh) |
EP (1) | EP3784126B1 (zh) |
JP (1) | JP7421495B2 (zh) |
CN (1) | CN112566552B (zh) |
GB (1) | GB2573109B (zh) |
WO (1) | WO2019206908A1 (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11445935B2 (en) * | 2018-11-26 | 2022-09-20 | Biosense Webster (Israel) Ltd. | Finding the origin of an arrythmia |
GB201915680D0 (en) | 2019-10-29 | 2019-12-11 | Rhythm A1 Ltd | Method and system for aiding mapping heart rhythm abnormalities |
US11278233B2 (en) * | 2019-11-15 | 2022-03-22 | Biosense Webster (Israel) Ltd. | Method and apparatus to find abnormal activations in intra-cardiac electrocardiograms based on specificity and sensitivity |
US20220175302A1 (en) * | 2020-12-04 | 2022-06-09 | Biosense Webster (Israel) Ltd. | Generating electrocardiograms from multiple references |
WO2022219604A1 (en) | 2021-04-16 | 2022-10-20 | Physcade, Inc. | Personalized heart rhythm therapy |
US11564591B1 (en) | 2021-11-29 | 2023-01-31 | Physcade, Inc. | System and method for diagnosing and treating biological rhythm disorders |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105592787A (zh) * | 2013-10-30 | 2016-05-18 | 圣犹达医疗用品心脏病学部门有限公司 | 用于电描记图的双向激活检测的心脏标测系统和方法 |
CN106413527A (zh) * | 2014-01-13 | 2017-02-15 | 波士顿科学医学有限公司 | 心脏组织标测医疗装置 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8509897B2 (en) * | 2002-09-19 | 2013-08-13 | Cardiac Pacemakers, Inc. | Morphology-based diagnostic monitoring of electrograms by implantable cardiac device |
AU2009302220B2 (en) * | 2008-10-09 | 2014-03-27 | The Regents Of The University Of California | Methods, system and apparatus for the detection, diagnosis and treatment of biological rhythm disorders |
US10398326B2 (en) | 2013-03-15 | 2019-09-03 | The Regents Of The University Of California | System and method of identifying sources associated with biological rhythm disorders |
US9392948B2 (en) * | 2011-12-09 | 2016-07-19 | The Regents Of The University Of California | System and method of identifying sources for biological rhythms |
JP5768670B2 (ja) * | 2011-11-09 | 2015-08-26 | 株式会社島津製作所 | ターボ分子ポンプ装置 |
EP2819570B1 (en) | 2012-03-02 | 2021-11-17 | Koninklijke Philips N.V. | Apparatus and method for visualizing a conduction tract of heart |
CN105324072B (zh) * | 2013-01-17 | 2018-09-04 | 科迪影技术股份有限公司 | 病灶点识别和绘制 |
US9750424B2 (en) * | 2013-01-24 | 2017-09-05 | Dalhousie University | Computer-aided localization of site of origin of cardiac activation with discriminator leads |
BR112015022401A2 (pt) | 2013-03-15 | 2017-07-18 | Univ California | método para reconstruir informações de ativação cardíaca, sistema para reconstruir informações de ativação cardíaca, e, método para tratar de um distúrbio de ritmo cardíaco |
JP6069584B2 (ja) * | 2013-05-07 | 2017-02-01 | ボストン サイエンティフィック サイムド,インコーポレイテッドBoston Scientific Scimed,Inc. | ロータ伝搬ベクトルを特定するためのシステム |
US10517496B2 (en) * | 2016-01-14 | 2019-12-31 | Biosense Webster (Israel) Ltd. | Region of interest focal source detection |
US10582894B2 (en) | 2016-01-14 | 2020-03-10 | Biosense Webster (Israel) Ltd. | Region of interest rotational activity pattern detection |
US11058342B2 (en) | 2016-08-11 | 2021-07-13 | Biosense Webster (Israel) Ltd. | Classifying ECG signals |
-
2018
- 2018-04-23 GB GB1806580.5A patent/GB2573109B/en active Active
-
2019
- 2019-04-23 EP EP19720103.1A patent/EP3784126B1/en active Active
- 2019-04-23 JP JP2020560270A patent/JP7421495B2/ja active Active
- 2019-04-23 WO PCT/EP2019/060367 patent/WO2019206908A1/en unknown
- 2019-04-23 CN CN201980040549.4A patent/CN112566552B/zh active Active
-
2020
- 2020-06-03 US US16/891,661 patent/US10912472B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105592787A (zh) * | 2013-10-30 | 2016-05-18 | 圣犹达医疗用品心脏病学部门有限公司 | 用于电描记图的双向激活检测的心脏标测系统和方法 |
CN106413527A (zh) * | 2014-01-13 | 2017-02-15 | 波士顿科学医学有限公司 | 心脏组织标测医疗装置 |
Also Published As
Publication number | Publication date |
---|---|
US10912472B2 (en) | 2021-02-09 |
EP3784126B1 (en) | 2023-08-09 |
US20200359924A1 (en) | 2020-11-19 |
EP3784126A1 (en) | 2021-03-03 |
JP7421495B2 (ja) | 2024-01-24 |
GB2573109A (en) | 2019-10-30 |
GB2573109B (en) | 2022-09-14 |
WO2019206908A1 (en) | 2019-10-31 |
CN112566552A (zh) | 2021-03-26 |
JP2021521995A (ja) | 2021-08-30 |
GB201806580D0 (en) | 2018-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112566552B (zh) | 用于映射心律异常的方法和系统 | |
US10076260B2 (en) | Integrated analysis of electrophysiological data | |
US11771359B2 (en) | Region of interest focal source detection using comparisons of R-S wave magnitudes and LATs of RS complexes | |
US10004413B2 (en) | Signal analysis related to treatment sites | |
US10517496B2 (en) | Region of interest focal source detection | |
EP3686899A1 (en) | Systems, devices, components and methods for detecting the locations of sources of cardiac rhythm disorders in a patient s heart | |
US9974462B2 (en) | Signal characterization for detecting and/or analyzing driver activity | |
US11457854B2 (en) | Computer implemented method and system for aiding mapping heart rhythm abnormalities | |
EP4029449A1 (en) | Systems, devices, components and methods for detecting the locations of sources of cardiac rhythm disorders in a patient's heart using improved electrographic flow (egf) methods | |
US10891728B2 (en) | Method and system for identifying an isthmus in a three-dimensional map | |
US10398338B2 (en) | Systems and methods for guiding a multi-pole sensor catheter to locate cardiac arrhythmia sources | |
Valinoti et al. | Phase analysis of endoatrial electrograms for 3D rotor detection in atrial fibrillation | |
EP4410209A1 (en) | Systems for high resolution electrographic flow (egf) mapping and analysis | |
Ganesan et al. | Developing an Iterative Tracking Algorithm to Guide a Catheter Towards Atrial Fibrillation Rotor Sources in Simulated Fibrotic Tissue |
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 |