CN114010202A - 植入式心律管理设备心律分类及区分室速和室上速的方法 - Google Patents
植入式心律管理设备心律分类及区分室速和室上速的方法 Download PDFInfo
- Publication number
- CN114010202A CN114010202A CN202111445571.2A CN202111445571A CN114010202A CN 114010202 A CN114010202 A CN 114010202A CN 202111445571 A CN202111445571 A CN 202111445571A CN 114010202 A CN114010202 A CN 114010202A
- Authority
- CN
- China
- Prior art keywords
- wave
- template
- cosine similarity
- qrs
- vector
- 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
- 230000033764 rhythmic process Effects 0.000 title claims abstract description 117
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000002861 ventricular Effects 0.000 title claims abstract description 39
- 239000013598 vector Substances 0.000 claims abstract description 140
- 230000000747 cardiac effect Effects 0.000 claims abstract description 57
- 238000004364 calculation method Methods 0.000 claims abstract description 22
- 238000005070 sampling Methods 0.000 claims description 23
- 238000010606 normalization Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 7
- 230000002596 correlated effect Effects 0.000 claims description 5
- 230000001174 ascending effect Effects 0.000 claims 2
- 230000008569 process Effects 0.000 abstract description 8
- 238000007726 management method Methods 0.000 description 31
- 238000004891 communication Methods 0.000 description 16
- 208000003663 ventricular fibrillation Diseases 0.000 description 16
- 238000010586 diagram Methods 0.000 description 14
- 206010003658 Atrial Fibrillation Diseases 0.000 description 10
- 238000001514 detection method Methods 0.000 description 9
- 230000006872 improvement Effects 0.000 description 8
- 238000002560 therapeutic procedure Methods 0.000 description 7
- 208000000418 Premature Cardiac Complexes Diseases 0.000 description 6
- 230000001746 atrial effect Effects 0.000 description 6
- 206010047302 ventricular tachycardia Diseases 0.000 description 6
- 238000003745 diagnosis Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000012806 monitoring device Methods 0.000 description 5
- 230000008447 perception Effects 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000000630 rising effect Effects 0.000 description 4
- 230000000638 stimulation Effects 0.000 description 4
- 208000001871 Tachycardia Diseases 0.000 description 3
- 230000000875 corresponding effect Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 3
- 210000005003 heart tissue Anatomy 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 206010015856 Extrasystoles Diseases 0.000 description 2
- 238000013194 cardioversion Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 2
- 230000000284 resting effect Effects 0.000 description 2
- 210000005241 right ventricle Anatomy 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000035939 shock Effects 0.000 description 2
- 230000006794 tachycardia Effects 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 208000032366 Oversensing Diseases 0.000 description 1
- 206010044565 Tremor Diseases 0.000 description 1
- 206010047289 Ventricular extrasystoles Diseases 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 206010003119 arrhythmia Diseases 0.000 description 1
- 230000006793 arrhythmia Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 208000006218 bradycardia Diseases 0.000 description 1
- 230000036471 bradycardia Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000003748 differential diagnosis Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000002513 implantation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000000718 qrs complex Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
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
- 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]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/35—Detecting specific parameters of the electrocardiograph cycle by template matching
-
- 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
- A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
-
- 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
- A61B5/24—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
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6846—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be brought in contact with an internal body part, i.e. invasive
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Cardiology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Electrotherapy Devices (AREA)
Abstract
本发明涉及植入式心律管理设备区分室速和室上速的方法以及心律分类的方法，一方面区分方法包括步骤：感知心电信号；根据感知的心电信号提取室速心率QRS波；根据所述QRS波提取表征QRS波特征的至少两个特征值；根据所述至少两个特征值生成QRS波的多维特征向量；计算所述多维特征向量与模板存储单元中的多维特征向量模板的余弦相似度；根据所述余弦相似度计算结果判断所述室速度是否为室上速。另一方面，心律分类过程中计算所述多维特征向量与模板存储单元中的多个多维特征向量模板中的至少一个的余弦相似度；所述多个多维特征向量模板由多种心律的QRS波特提取特征值生成；根据所述余弦相似度计算结果判断所述QRS波的类型。
Description
技术领域
本发明属于心律管理设备领域，特别涉及对心律分类、心电图模板识别和心电数据处理方法的改进。
背景技术
心律管理设备用于实现监测或监测并治疗非正常心律。
心律监测设备包括穿戴式心脏监测设备(例如holter)、便携穿戴设备如智能手表、植入式心脏监测设备(ICM)。
以植入式心脏检测器为例，其植入在人体胸部皮下，并在心脏检测器上设置感知电极，其感知人体心律异常事件并将异常心律事件的心电信号片段记录在存储器中。
在心律异常事件中ICM需要区分室速和室上速并生成报告，待医生复诊时查看，因此ICM心律算法需要提供室速和室上速的区分功能。
具备治疗功能的心率管理设备包括：经静脉植入式心脏除颤器、起搏器、再同步治疗除颤器(CRT-D)等。这些设备通过一条或多条导线经过静脉与心机组织连接。植入式心律管理设备内部包含感知电路和刺激信号生成电路，感知电路通过导线上的电极耦合至心脏组织，所述感知电路感知心脏事件。刺激信号生成电路在发生心律异常事件(例如心动过缓、心动过速或限位颤动信号)时提供电刺激治疗。所述电刺激治疗包括多种类型，如起搏脉冲、抗心动过速起搏、心脏复律动电击、除颤电击。
室速是一种可电击心脏事件，设备会先区分室速的类型。如果心动过速是室上速度则心脏的射血功能正常无需治疗。如果心动过速是室性心动过速，室性心动过速QRS波宽大，心脏的射血功能不正常，则需要电刺激治疗，一种典型的区分室上速和室速方法(如专利US6708058B2第[0087]段记载的相关系数计算法)是通过存储正常心跳的QRS波信号模板，并采集室速时QRS波形与所述波形模板匹配，通过计算波形的相关系数判断两者相关性，如果相关系数大于阈值时则认为QRS波为室上速，如果相似度系数小于阈值时则认为QRS波是室性心动过速。
发明内容
本发明目的之一在于提供一种新的区分室上速和室速的模板匹配方法以及心律分类的方法。本发明目的之二在于提供一种新的植入式心律管理设备。
本发明提供的植入式心律管理设备包括感知单元、模板匹配单元、模板存储单元、处理单元。这些功能单元共同执行心律管理的方法。
所述方法包括步骤：
利用括感知单元感知心电信号；
根据感知的心电信号提取室速心率QRS波；
根据所述QRS波提取表征QRS波特征的至少两个特征值；
根据所述至少两个特征值生成QRS波的多维特征向量；
利用模板匹配单元计算所述多维特征向量与模板存储单元中的多维特征向量模板的余弦相似度；
根据所述余弦相似度计算结果判断所述室速度是否为室上速；
作为本发明一实施方式的进一步改进，所述根据所述余弦相似度计算结果判断所述室速是否为室上速进一步包括：设置余弦相似度阈值和SVT计数器；计算多个室速时提取的QRS波多维特征向量与多维特征向量模板的余弦相似度；如果QRS波多维特征向量与多维特征向量模板的余弦相似度超过所述余弦相似度阈值则SVT计数器进行自增计数；如果所述SVT计数器满足概率计数条件则确认为室上速，否则确认为室速；
多维特征向量至少包括元素：QRS波波宽、R波波高、R波上升期最大斜率、R波下降期最大斜率、半波宽。
作为本发明一实施方式的进一步改进，根据所述QRS波提取表征QRS波特征的至少两个特征值进一步包括：定位R波波峰，从R波波峰向前的寻找第一个转折点，从R波波峰向后寻找第一个转折点；根据R波波峰、第一转折点和第二转折点确定表征QRS波的至少两个特征值。
作为本发明一实施方式的进一步改进，利用所述感知单元感知心电信号包括：感知近场信号；根据感知的心电信号提取室速心率QRS波包括：根据近场信号获得远场信号R波波峰。
作为本发明一实施方式的进一步改进，所述植入式心律管理设备进一步包括心律分类器；根据感知的心电信号提取室速心率QRS波进一步包括：根据感知的心电信号分类心律，所述心律被分类为室速时提取QRS波。
作为本发明一实施方式的进一步改进，所述余弦相似度FCC计算方法为：
所述余弦相似度FCC取值范围为[-1,1],所述余弦相似度FCC值为-1时采样信号与模板波形呈负相关，所述余弦相似度FCC值为1时与模板波形呈正相关，所述余弦相似度FCC值为0时采样信号与模板波形不相关；其中参数θ多维特征向量之间的夹角，参数UV为QRS波的多维特征向量，参数TV为多维特征向量模板。
作为本发明一实施方式的进一步改进，所述余弦相似度计算方法为：
该方法对向量参数进行归一化处理；所述余弦相似度FCC取值范围为[-1,1],所述余弦相似度FCC值为-1时采样信号与模板波形呈负相关，所述余弦相似度FCC值为1时与模板波形呈正相关，所述余弦相似度FCC值为0时采样信号与模板波形不相关；其中参数β为归一化处理后无量纲向量之间的夹角，参数UV为QRS波的多维特征向量，参数TV为多维特征向量模板，参数i为向量元素序数，参数n为向量维数。
本发明还提供另一种植入式心律管理设备心律分类的方法，所述心律分类的方法包括步骤：
利用括感知单元感知心电信号；
根据感知的心电信号提取QRS波；
根据所述QRS波提取表征QRS波特征的至少两个特征值；
根据所述至少两个特征值生成QRS波的多维特征向量；
利用模板匹配单元计算所述多维特征向量与模板存储单元中的多个多维特征向量模板中的至少一个多维特征向量模板的余弦相似度；所述多个多维特征向量模板由多种心律的QRS波特提取特征值生成；
根据所述余弦相似度计算结果判断所述QRS波的类型；
多维特征向量至少包括元素：QRS波波宽、R波波高、R波上升期最大斜率、R波下降期最大斜率、半波宽。
作为本发明一实施方式的进一步改进，确定R波位置，根据R-R间期对心律分类,选择与分类结果一致的多维特征向量模板计算余弦相似度。
作为本发明一实施方式的进一步改进，计算所述多维特征向量与分别多个多维特征向量模板的余弦相似度，并从中选取最大值的作为余弦相似度值。
本发明相对现有技术利用余弦相似度提供了一种全新的模板匹配方法，其相对现有技术中相关系数法至少具备以下优点：①可使用更少的向量元素减少系统运算量。并且余弦相似度使用了更少向量的对于超低功耗的植入式心律管理设备的电池的使用寿命获得延长。②可用作心律分类器，心律分类时可直接与模板匹配，同时使用多个计数器对于多种不同的模板匹配进行计数，通过概率计数能够直接确诊。③相对于相关系数法余弦相似度法使用多维度描述波形，具有更好的匹配特异性。
附图说明
图1是实施例一心律管理设备植入人体状态示意图。
图2是图1中心律管理设备中电路结构示意图。
图3是实施例一心律管理设备功能单元结构示意图。
图4是实施例一QRS波和特征值示意图。
图5是实施例一心律分类方法步骤流程示意图。
图6是实施例一步骤510的分解步骤示意图。
图7是实施例一又一步骤510的分解步骤示意图。
图8是实施例一又一心律分类方法步骤流程示意图。
图9是实施例二心律管理设备植入人体状态示意图。
图10是实施例二心律管理设备硬件结构示意图。
图11是实施例二心律管理设备区分室速和室上速方法步骤流程示意图。
图12是模板匹配验证矩阵效果图。
图13是图12经过二值化矩阵图。
具体实施方式
以下分别以植入式心脏监视器和植入式心脏除颤器说明本申请技术方案，本领域技术人员知道其他心律管理设备如体外心电监测设备、穿戴式心电监测设备、体外除颤设备也可用于实施本发明的技术方案。
实施例一
示例性地，参照图1所示植入式心脏监视器102，其作为所述心律管理设备优选的实施例。植入式心脏监视器102用于收集心律事件。植入式心脏监视器102包括壳体101和壳体101内部的电路组件200，所述壳体101的头端108表面设置第一感知电极104，壳体表面的第二端设置第二感知电极106。所述第一感知电极104和第二感知电极106与壳体内部的电路组件200连接，以形成感知心电信号的回路。植入式心脏监视器102通过手术植入在人体胸部皮下，植入式心脏监视器102呈条状延伸，其延伸方向大致与竖直方向呈45°夹角。
请再结合图2，电路组件200的结构示意图，电路组件200包括处理器202、信号检测单元204、电源205、电源管理单元206、加速度计208、体温传感器210、通信单元212、存储单元214。这些功能单元与处理器202连接。处理器202可以为具有数据处理、控制植入式心脏检测器(ICM)的功能电路、逻辑电路单元或软件单元。处理器202优选的为嵌入式处理器(MCU)或AS IC专用应用集成电路或FPGA电路。所述处理器202与通信单元212、信号检测单元204、存储单元214连接，用于控制各个单元之间协同工作保证植入式心律管理设备的正常功能。优选的方案中所述处理器202通过系统总线与各功能单元连接。
所述信号检测单元204通过馈通组件201与所述电极104、106连接，信号检测单元204和处理器202之间的信号输入通道包括用于处理信号的放大单元，滤波单元，以及模数转换单元ADC，所述心电信号最终转换为处理器202处理的数字信号，该数字信号作为处理器202处理心电数据的基础。
通信单元212与处理器202连接，处理器202通过该通信单元212发送或接收数据。通信单元212与通信天线216连接，所述通信天线216设置于图1中头端108内，头端108为可通过电磁信号的材料制成。通信天线216通过无线通信的方式与外部设备D建立无线通信链路L，该通信链路L用于在植入阶段传递通信单元212的初始化参数，或在患者随访时设置参数，或者与患者手持设备通信对患者发出适时的提醒或警告。通信天线216可选地为RF射频模块、蓝牙模块或NFC模块等近场通信模块。
存储单元214与处理器202连接，存储单元214用于存储多种类型的QRS波形模板。多种心律类型包括心室早搏(PVC)，室上速(SVT)，房速度(AT)/房颤(AF),(室速)VT/(室颤)VF。对应在存储单元214中预先存储PVC模板、SVT模板、AT模板、AF模板、VT模板、VF模板。
图3所示为心律管理设备的算法功能模块逻辑结构示意图，其中箭头表示数据在各个单元之间流动方向。
其中感知单元302用于感知心率，通过感知灵敏度感知R波。所述感知单元302利用感知阈值确定R波，当感知值超过R波阈值时认为感知到一次R波。为了避免噪声和T波等带来的过感知问题，感知单元302内设置滤波单元，噪声检测单元，以及动态感知阈值等功能单元。所述动态阈值是指系统会根据R波大小调整R波感知阈值，防止其过感知或被系统噪声干扰。例如图4所示，R波感知阈值402从初始位置逐渐衰减，并在衰减的过程中高于T波404从而避免T波过感知，所述R感知阈值衰减的过程可以如图4中所示的按照平滑曲线下降，最终R波阈值下降到感知阈值基线410。在下降过程中感知阈值衰减可由大逐渐变小，例如在408段感知阈值衰减速度较快，之后衰减速度逐渐变慢。
所述心律分类器304根据心跳信号的特征分类心律。心律分类器304接收感知单元302感知的R波根据R波的特征将心律分为心室早搏(PVC)，室上速(SVT)，房速度(AT)/房颤(AF),室速(VT)/室颤(VF)。例如通过突发的RR间期缩短分辨心室早搏(PVC)。通过心律分区和心房率和心室率的比例区分室速(VT)和室上速(SVT)。通过心律分区判断室颤。
特征提取单元306根据心律分类器304产生的分类结果提取对应的QRS波特征值。这些QRS波特征值表示QRS波的物理参数，例如QRS波的波高、波宽、最大斜率点值、最小斜率点值。QRS波特征值组成表示QRS波的多维特征向量，模板生成单元308根据多维特征向量生成模板或使用多维特征向量与模板匹配以确定心律类型。
模板生成单元308用于生成QRS波匹配模板。模板生成单元308结合患者运动状态，根据心律分类器304分类生成对应的心律模板。例如心律分类器304判断当前心律为窦性心律，并且模板生成单元308可根据患者的运动状态判断患者是否处于静息状态或运动状态，分别采集运动状态下窦性心律或静息态窦性心律。所述模板生成单元308将多次提取的特征值向量融合为一个向量作为模板，例如将多个向量的平均值计算结果作为模板。模板生成单元308还可以根据心律管理设备中的存储数据生成模板。例如植入式心脏监视器(ICM)存储单元中记录的心电信号历史数据，模板生成单元308根据心电信号历史数据中的多个QRS波生成QRS波模板。生成的模板按照患者的状态更新，以保证模板的形态与患者近期的心律形态保持一致。例如心律管理设备按照一定的时间周期更新，常规的心率管理设备设置每日更新。还可按照设定的触发条件更新，或由医生通过外部设备与心律管理设备程控通信进行手动更新。生成的模板存储在所述模板存储单元214中形成图2所示的VF模板、VT模板、AT模板、SVT模板、PV模板。
图5所示为心律管理设备根据感知的心电信号进行心律分类的流程图。所述流程图由特定的软件或硬件执行，典型地所述流程图由软件程序代码实现并由处理器202执行。
如图5所示植入式心律管理设备心律分类的方法包括步骤：
步骤502：利用感知单元感知心电信号；
步骤504：根据感知的心电信号提取QRS波；
步骤506：根据所述QRS波提取表征QRS波特征的至少两个特征值；
步骤508：根据所述至少两个特征值生成QRS波的多维特征向量；
步骤510：利用模板匹配单元计算所述多维特征向量与模板存储单元中的多个多维特征向量模板中的至少一个多维特征向量模板的余弦相似度；所述多个多维特征向量模板由多种心律的QRS波特提取特征值生成；
步骤512：根据所述余弦相似度计算结果判断所述QRS波的类型。
结合图2和图4具体而言，在步骤502中，心电信号经过植入式心脏监视器的电极104\106进入信号监测单元204，所述信号监测单元204内置滤波器，滤波器滤除其中的噪声，示例性地所述滤波器的带宽范围为1.5-70HZ。感知波形如图4所示，包括QRS复合波和T波以及P波(图中未示出)。
在步骤504中，根据感知算法确定了R波峰值位置，根据R波位置提取QRS波。通过R波位置向前寻找第一个转折点414确定Q波位置414，通过R波位置向后寻找第一个转折点416定位S波位置416。截取从Q波至S波这一段424采样信号确认为QRS波。
在步骤506中，根据QRS波寻找能够表示QRS波的特征值，例如以R波为中心计算QRS波左侧的最大斜率绝对值418，和右侧最大斜率绝对值420，R波的波高，qr垂直距离定义的波高422，qs水平距离定义的波宽424，rs垂直距离定义的波高426。
在步骤508中，特征提取单元根据步骤506生成的多个特征值生成多维特征向量。多维特征向量至少包括两个维度的特征值元素。例如以波宽424和波高422组成的多维特征向量{x1，x2}或以波高、波宽、半波宽、R波高度、QR高度、QS高度、左侧的最大斜率绝对值418、右侧最大斜率绝对值420组成的多维特征向量{x1，x2，x3.....x7，x9}。所述多维特征向量的元素个数以及向量内的元素类型可选择和组合。该步骤生成的QRS向量UV包含元素{x1，x2，x3......xn}，该向量用于在随后的步骤中与多维特征向量模板进行匹配，其中每个元素表示向量不同的维度，QRS向量至少包括两个维度。
可选地，所述多维度向量至少包括维度：任一两个特征点之间的长度，如拐点414至拐点416连线的长度，拐点414或拐点416至R波波峰的连线长度。
请参阅图3，在步骤510中，上述生成的多维特征向量UV与模板存储单元214中的模板进行匹配。所述模板匹配单元309获得模板存储单元214中的多维特征向量模板TV，其具有元素{x1’，x2’，x3’......xn’}。模板匹配单元309将特征提取单元306提取的多维特征向量模板TV与多维特征向量UV进行余弦相似度计算。进一步而言，所述存储单元214中包括多个多维特征向量模板TV，分别对应不同的心律类型波形，如上文以及图2中所示，所述多维特征向量模板包括心室早搏(PVC)模板、室上速(SVT)模板、房速度(AT)模板、房颤(AF)模板、室速(VT)模板，室颤(VF)模板，等多种类型的多维特征向量模板。
模板匹配单元309选定所述模板中的一个或多个并与选定的多维特征向量模板进行匹配。计算向量UV和选定模板TV之间的余弦相似度FCC，所述余弦相似度FCC计算方法为：
所述余弦相似度取值范围为[-1,1],所述FCC值为-1时采样信号与波形呈负相关，所述余弦相似度FCC值为1时与波形呈正相关，所述余弦相似度FCC值为0时采样信号与模板不相关；其中参数θ为多维特征向量之间的夹角，参数UV为QRS波的多维特征向量，参数TV为多维特征向量模板，参数i为向量元素序数，参数n为向量维数。
优选的，为了减少某一个维度对模板向量和采样向量方向的影响，从而进一步影响匹配结果。对向量进行归一化处理获得余弦相似度计算方法二：
式二中参数β为归一化处理后无量纲向量之间的夹角，参数UV为QRS波的多维特征向量，参数TV为多维特征向量模板，参数i为向量元素序数，参数n为向量维数。
式二消除了量纲转将采样向量从绝对量转换为相对量。归一化消除了某一维度值过大使得向量的方向向某一维度过度偏移进一步使得模板向量和采样向量之间的夹角过小造成匹配结果趋同的问题。通过分式
和分式
(相当于式二中的隐含系数1)使得向量归一化，向量夹角转换为无量纲向量夹角β，夹角β相对于向某一维度过度偏移的向量之间的夹角更大，从而进一步获得更好的匹配结果。
示例性地，以式二为例列举采样向量和模板向量实际值说明匹配效果。所述多维特征向量模板TV被选定为包括元素{波宽,波高,上升斜率,下降斜率}。窦性心律归一化模板TV为{1，1，1，1}，室上速采样后获得QRS波的多维特征向量UV为{1.0714，1.0308，1.1852，1.3357}。将特征向量UV和模板数据TV带入式二计算获得所述余弦相似度FCC值为0.9948，该结果接近1说明多维特征向量之间的夹角θ非常小，采样的QRS波为窦性心律。
示例性地，所述多维特征向量模板TV被选定为包括元素{波宽,波高,上升斜率,下降斜率}。窦性心律归一化模板TV为{1，1，1，1}，室速采样后获得QRS波的多维特征向量UV为{3.5000，1.9231，1.6333，2.3692}。将多维特征向量UV和模板TV带入式二计算获得所述余弦相似度FCC值为0.9574，该匹配结果分数比室上速匹配结果分数低，说明该室速波形向量的β角大于室上速波形向量的β角。
一般而言，现有的相关系数法将所述FCC阈值设置为0.94，如果匹配分数超过0.94证明两者匹配，心律被分类为室上速。如果匹配分数未超过0.94则心律被分类为室速。
本申请中室上速与窦性心律匹配分数相对于相关系数法更高，本申请算法支持将阈值设置为0.96以上，相对现有技术具有更高的特异性。
可选地，参照图6，图5中的步骤510中可将所述采样的波形向量UV分别与多个波形模板计算余弦相似度，并从中选取余弦相似度最大值作为步骤510的匹配结果。步骤602中设置计数器i，如果计数器i小于模板数量则说明模板未全部匹配一轮，则流程进入步骤604,进一步匹配并记录结果Ri，随后步骤608中计数器i自加。如果步骤602中判断结果为否，则进入控制流程610，步骤610中挑选Ri结果中最大值作为匹配结果，随后进入步骤512中。
可选地，参照图7，图5中的步骤510中先根据感知单元感知的心电信号对心律进行分类，在根据不同的分类结果选择不同的心律模板。如图7中所示步骤702中可选地模板包括VT(室速)、VF(室颤)、AT(房速)、AF(房颤)心律模板。在步骤704中计算选定模板与采样波形之间的余弦相似度。在步骤706中进行N次匹配记录结果Ri，在步骤708中选取各模板结果Ri余弦相似度最大匹配值，作为图5中步骤510的余弦相似度值。
请参阅图5，在步骤512中，设置匹配阈值，当步骤510的匹配结果超过匹配阈值时则认为采样波形向量UV与多维特征向量模板TV为同种心律类型。根据该心律类型给出确认结果。例如设置匹配阈值为0.97当所述余弦相似度匹配结果超过0.97时，并且所述模板为心室早搏模板，则认为所述采样波形为心室早搏。
图8所示为植入式心律管理设备心律分类的方法另一种方法示意图：其中步骤802至810与图5中的步骤502至步骤510相同不再赘述。不同之处在于步骤814中判断匹配次数，如果匹配次数达不到预定值N则继续从步骤802开始重新执行从感知到匹配的过程。
在步骤812中设置多个计数器，多个计数器用于统计心律匹配结果的次数，多个计数器的计数值与概率计数条件比较，根据比较结果分类心律。例如、设置AT计数器、AF计数器、PVC计数器，每匹配一次则更新相应的心律计数器，如果没有任何模板匹配则不更新计数器。在步骤816中判断计数器是否满足概率计数条件x/y,其中x为匹配心律计数器值，y为匹配总次数。例如概率计数条件设置为8/10，所述AT计数器值为9，说明10次匹配中9次余弦相似度FCC分数大于匹配阈值(如阈值设置为0.96)，所述概率计数器值为9/10，那么心律确诊为AT控制流程通过“是”分支进入步骤818，否则结束匹配流程。
在本发明中波形采样后与存储设备中的模板匹配，所述匹配过程使用余弦相似度计算，相对于相关系数本申请提供了一种完全不同的匹配方法。并且余弦相似度能够采用更少的采样点减少计算量，对于超低功耗的植入式心律管理设备的而言，其电池的使用寿命获得延长。
同时使用多个计数器对于多种不同的模板匹配进行计数，通过概率计数能够直接确诊或对心律分类。
相对于相关系数模板匹配算法，本申请技术方案使用多维度向量，并且向量可选元素可以与时间不相关，例如波高、R波前后斜率等。在心跳信号波形匹配应用中使用多维余弦相似度模板匹配方法的匹配效果优于相关系数法。
实施例二
请参阅图9，本实施例提供一种植入式心脏除颤器900示例。所述植入式心脏除颤器包括脉冲发生器902和导线904。所述导线904部分植入在右心室A中，所述右心室导线904末端与心脏组织o连接，用于感知心房信号。导线904末端设置两电环电极906、908，环电极的上方设置除颤线圈910。另外脉冲发生器的外壳901作为远场电极使用。
参照图10所示的脉冲发生器902内的硬件结构示意图。其包括用于检测心电信号的信号检测单元1002，用于提供治疗脉冲信号的治疗模块1004，用于与外部设备除颤设备通信的通信单元1006，用于存储病人数据、参数以及诊疗程序代码的存储单元1008，存储单元1008可以包括RAM、ROM、闪存和/或其他存储电路，以及控制模块614进行诊疗程序，根据患者参数以及诊断程序设定对信号检测单元1002感知到的心电信号处理、分析，并根据诊断结果判断是否需要通过治疗模块1004对心脏进行电刺激。
所述信号检测单元1002具有与环电极906、908构成第一信号感知通道，其用于感知近场心电信号，信号检测单元1002与脉冲发生器的导电外壳901和除颤线圈910连接构成感知远场信号的第二通道。
图11所示为植入式心脏除颤器区分室速和室上速方法示意图。其同时处理远场信号和近场信号，并根据近场信号进行心律分类，并根据感知的近场信号定位远场信号R波的位置。
具体的，在步骤1102近场信号从感知电极通过导线传送到感知单元。如前文所述感知过程中设置动态灵敏度。
步骤1104中根据感知到的R波对心率进行分类。在分类器根据心率范围对心率设置分区，一般按照从慢到快分为慢室速、快室速、室颤。心律分类器根据R-R间期推算当前一跳心率，根据心率进行分类。
步骤1106和步骤1108根据分类判断是否为窦速VS，如果是窦性心率控制流程直接回到感知步骤1102。在步骤1106中可设置概率计数器，当所述概率满足室颤心率时控制流程直接进入治疗步骤1108，在所述治疗步骤中，所述治疗模块1004充电后对心脏进行放电刺激，所述电刺激包括低能的ATP治疗，还包括高能除颤治疗。
如果不是窦速VS或室颤VF，则判断心率为非室颤信号则进入室速VT与室上速的区分诊断流程。步骤1110中通过近场信号确定远场信号R波的位置，心室信号发生除极时远场R波信号与近场感知的R波信号位置相同，因此可通过近场信号确定远场R波的位置。
在步骤1112根据R波位置提取QRS波。通过R波位置向前寻找第一个转折点确定Q波位置，通过R波位置向后寻找第一个转折点定位S波位置。截取从Q波至S波这一段采样信号确认为QRS波。
在步骤1114中，根据QRS波寻找能够表示QRS波的特征值，例如以R波为中心计算QRS波左侧的最大斜率绝对值418和右侧最大斜率绝对值420，R波的波高，QR垂直距离定义的波高422，QS水平距离定义的波宽424，RS垂直距离定义的波高426。
在步骤1116中，特征提取单元根据步骤1114生成的多个特征值生成多维特征向量。多维特征向量至少包括两个维度的特征值元素。例如以波宽和波高组成的多维特征向量{x1，x2}或以波高、波宽、半波宽、R波高度、QR高度、QS高度、左侧的最大斜率绝对值、右侧最大斜率绝对值组成的多维特征向量{x1，x2，x3.....x7，x9}。所述多维特征向量的元素个数以及向量内的元素类型可选择和组合。该步骤生成的QRS向量UV包含元素{x1，x2，x3......xn}，该向量用于在随后的步骤中与多维特征向量模板进行匹配。
在步骤1118中，计算模板和采样模板之间的余弦相似度值，所述余弦相似度计算方法为上述式一或式二。
类似的在步骤1120和1122，分别设置N次匹配和概率计数条件x/y，当概率计数条件满足时则认为是SVT。例如设置总匹配次数N＝24，概率计数条件为19/24其中19为SVT计数器的值，即在24次中出现了19次余弦相似度分数FCC超过余弦相似度阈值(例如0.96)的情况，则认为该心律是室上速(SVT)。如果不满足概率计数则在认为该心律为室速心律，需要治疗。本实施例余弦相似度模板匹配算法具有高特异性，其能够在室速发作时准确的监测出来。如图12所示矩阵图，为51个波形相互匹配余弦相似度值分布图。其中灰度值越深表示余弦相似度值越大。箭头指示的行编号为1-51波形，箭头指示的列编号为1-51波形，从1-51波形的R-R间期逐渐减小。示例性的，第1行与第3列的小格灰度表示第1个波形与第3个波形余弦相似度模板匹配结果。实际上从第36个波开始心律进入VT状态，波形由于VT的原因开始变的宽大，其与波形1-35余弦相似度值开始出现明显下降。从图13图中可以明显看出经过二值化后，第36-51波形与1-36波形明显不匹配(1表示匹配，0表示不匹配)，其中不匹配率达到79％以上，1-35个窦性波或室上速波中96％以上均匹配。如果将余弦相似度阈值设置的更高，例如0.97以上，会获得更好的匹配效果。
在R-R间期相近的情况下(如第35个波形和第36个波形)，本申请算法能够将所有室速VT波形从室上速SVT波形中识别出来。在此基础上进一步结合图11中所示的心律分类和概率技术方法，能够满足植入式心律管理设备心律分类和室速、室上速区分的需求。
Claims (10)
1.一种植入式心律管理设备区分室速和室上速的方法，其特征在于，所述植入式心律管理设备包括感知单元、模板匹配单元、模板存储单元；
所述方法包括步骤：
利用所述感知单元感知心电信号；
根据感知的心电信号提取室速心率QRS波；
根据所述QRS波提取表征QRS波特征的至少两个特征值；
根据所述至少两个特征值生成QRS波的多维特征向量；
利用模板匹配单元计算所述多维特征向量与模板存储单元中的多维特征向量模板的余弦相似度；
根据所述余弦相似度计算结果判断所述室速度是否为室上速；
根据所述余弦相似度计算结果判断所述室速是否为室上速进一步包括：设置余弦相似度阈值和SVT计数器；计算多个室速时提取的QRS波多维特征向量与多维特征向量模板的余弦相似度；如果QRS波多维特征向量与多维特征向量模板的余弦相似度超过所述余弦相似度阈值则SVT计数器进行自增计数；如果所述SVT计数器满足概率计数条件则确认为室上速，否则确认为室速；
所述多维特征向量至少包括元素：QRS波波宽、R波波高、R波上升期最大斜率、R波下降期最大斜率、QRS波半波宽。
2.根据权利要求1所述的植入式心律管理设备区分室速和室上速的方法，其特征在于，所述根据QRS波提取表征QRS波特征的至少两个特征值进一步包括：定位R波波峰，从R波波峰向前的寻找第一个转折点，从R波波峰向后寻找第一个转折点；根据R波波峰、第一转折点和第二转折点确定表征QRS波的至少两个特征值。
3.根据权利要求2所述的植入式心律管理设备区分室速和室上速的方法，其特征在于，利用所述感知单元感知心电信号包括：感知近场信号；根据感知的心电信号提取室速心率QRS波包括：根据近场信号获得远场信号R波波峰。
4.根据权利要求1所述的植入式心律管理设备区分室速和室上速的方法，其特征在于，所述植入式心律管理设备进一步包括心律分类器；根据感知的心电信号提取室速心率QRS波进一步包括：根据感知的心电信号分类心律，所述心律被分类为室速时提取QRS波。
5.根据权利要求1-4任一项所述的植入式心律管理设备区分室速和室上速的方法，其特征在于，所述余弦相似度FCC计算方法为：
所述余弦相似度FCC取值范围为[-1,1],所述余弦相似度FCC值为-1时采样信号与模板波形呈负相关，所述余弦相似度FCC值为1时与模板波形呈正相关，所述余弦相似度FCC值为0时采样信号与模板波形不相关；其中参数θ为多维特征向量之间的夹角，参数UV为QRS波的多维特征向量，参数TV为多维特征向量模板，参数i为向量元素序数，参数n为向量维数。
6.根据权利要求1-4任一项所述的植入式心律管理设备区分室速和室上速的方法，其特征在于，所述余弦相似度计算方法为：
该方法对向量参数进行归一化处理；所述余弦相似度FCC取值范围为[-1,1],所述余弦相似度FCC值为-1时采样信号与模板波形呈负相关，所述余弦相似度FCC值为1时与模板波形呈正相关，所述余弦相似度FCC值为0时采样信号与模板波形不相关；其中参数β为归一化处理后无量纲向量之间的夹角，参数UV为QRS波的多维特征向量，参数TV为多维特征向量模板，参数i为向量元素序数，参数n为向量维数。
7.根据权利要求1所述的植入式心律管理设备区分室速和室上速的方法，其特征在于，所述植入式心律管理设备还包括处理单元，所述处理单元运行如权利要求1-4任一项所述的植入式心律管理设备区分室速和室上速的方法。
8.一种植入式心律管理设备心律分类的方法，其特征在于，所述植入式心律管理设备包括感知单元、模板匹配单元、模板存储单元；
所述心律分类的方法包括步骤：
利用所述感知单元感知心电信号；
根据感知的心电信号提取QRS波；
根据所述QRS波提取表征QRS波特征的至少两个特征值；
根据所述至少两个特征值生成QRS波的多维特征向量；
利用模板匹配单元计算所述多维特征向量与模板存储单元中的多个多维特征向量模板中的至少一个多维特征向量模板的余弦相似度；所述多个多维特征向量模板由多种心律的QRS波特提取特征值生成；
根据所述余弦相似度计算结果判断所述QRS波的类型；
所述多维特征向量至少包括元素：QRS波波宽、R波波高、R波上升期最大斜率、R波下降期最大斜率、QRS波半波宽。
9.根据权利要求8所述的植入式心律管理设备心律分类的方法，其特征在于，利用模板匹配单元计算所述多维特征向量与模板存储单元中的多个多维特征向量模板中的至少一个多维特征向量模板的余弦相似度进一步包括：确定R波位置，根据R-R间期对心律分类,选择与分类结果一致的多维特征向量模板计算余弦相似度。
10.根据权利要求9所述的植入式心律管理设备心律分类的方法，其特征在于，计算所述多维特征向量分别与多个多维特征向量模板的余弦相似度，并从中选取最大值的作为余弦相似度值。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111110837 | 2021-09-18 | ||
| CN2021111108378 | 2021-09-18 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114010202A true CN114010202A (zh) | 2022-02-08 |
| CN114010202B CN114010202B (zh) | 2024-05-14 |
Family
ID=80067264
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111445571.2A Active CN114010202B (zh) | 2021-09-18 | 2021-11-30 | 植入式心律管理设备心律分类及区分室速和室上速的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114010202B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114886404A (zh) * | 2022-07-13 | 2022-08-12 | 西南民族大学 | 一种心律数据分类方法、装置、电子设备及存储介质 |
| CN115211866A (zh) * | 2022-09-07 | 2022-10-21 | 西南民族大学 | 一种心律失常分类方法、系统及电子设备 |
| CN116138789A (zh) * | 2023-04-21 | 2023-05-23 | 苏州无双医疗设备有限公司 | 一种医疗设备室上速鉴别的方法 |
| CN116271540A (zh) * | 2023-05-19 | 2023-06-23 | 苏州维伟思医疗科技有限公司 | 一种心律管理系统及方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080288009A1 (en) * | 2007-05-16 | 2008-11-20 | Jaeho Kim | Self-adjusting ecg morphological feature correlation threshold |
| CN104955387A (zh) * | 2012-11-29 | 2015-09-30 | 心脏起搏器股份公司 | 用于心律失常判别的方法和系统 |
| US20160106330A1 (en) * | 2014-10-17 | 2016-04-21 | ECM Foresights, LLC | Cardiac monitoring device and method |
| CN107072576A (zh) * | 2014-07-24 | 2017-08-18 | 美敦力公司 | 不受身体姿势影响的节律鉴别器 |
| CN108899032A (zh) * | 2018-06-06 | 2018-11-27 | 平安科技（深圳）有限公司 | 声纹识别方法、装置、计算机设备及存储介质 |
| CN108985232A (zh) * | 2018-07-18 | 2018-12-11 | 平安科技（深圳）有限公司 | 人脸图像比对方法、装置、计算机设备及存储介质 |
| CN110573209A (zh) * | 2017-04-25 | 2019-12-13 | 美敦力公司 | 室上性快速性心律失常判别 |
| CN111449645A (zh) * | 2020-03-07 | 2020-07-28 | 河南大学 | 心电图心拍智能分类识别方法 |
| CN111714771A (zh) * | 2019-12-16 | 2020-09-29 | 苏州无双医疗设备有限公司 | 具有室速诊断功能的植入医疗设备 |
-
2021
- 2021-11-30 CN CN202111445571.2A patent/CN114010202B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080288009A1 (en) * | 2007-05-16 | 2008-11-20 | Jaeho Kim | Self-adjusting ecg morphological feature correlation threshold |
| CN104955387A (zh) * | 2012-11-29 | 2015-09-30 | 心脏起搏器股份公司 | 用于心律失常判别的方法和系统 |
| CN107072576A (zh) * | 2014-07-24 | 2017-08-18 | 美敦力公司 | 不受身体姿势影响的节律鉴别器 |
| US20160106330A1 (en) * | 2014-10-17 | 2016-04-21 | ECM Foresights, LLC | Cardiac monitoring device and method |
| CN110573209A (zh) * | 2017-04-25 | 2019-12-13 | 美敦力公司 | 室上性快速性心律失常判别 |
| CN108899032A (zh) * | 2018-06-06 | 2018-11-27 | 平安科技（深圳）有限公司 | 声纹识别方法、装置、计算机设备及存储介质 |
| CN108985232A (zh) * | 2018-07-18 | 2018-12-11 | 平安科技（深圳）有限公司 | 人脸图像比对方法、装置、计算机设备及存储介质 |
| CN111714771A (zh) * | 2019-12-16 | 2020-09-29 | 苏州无双医疗设备有限公司 | 具有室速诊断功能的植入医疗设备 |
| CN111449645A (zh) * | 2020-03-07 | 2020-07-28 | 河南大学 | 心电图心拍智能分类识别方法 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114886404A (zh) * | 2022-07-13 | 2022-08-12 | 西南民族大学 | 一种心律数据分类方法、装置、电子设备及存储介质 |
| CN114886404B (zh) * | 2022-07-13 | 2022-10-28 | 西南民族大学 | 一种电子设备、装置及存储介质 |
| CN115211866A (zh) * | 2022-09-07 | 2022-10-21 | 西南民族大学 | 一种心律失常分类方法、系统及电子设备 |
| CN115211866B (zh) * | 2022-09-07 | 2022-12-27 | 西南民族大学 | 一种心律失常分类方法、系统及电子设备 |
| CN116138789A (zh) * | 2023-04-21 | 2023-05-23 | 苏州无双医疗设备有限公司 | 一种医疗设备室上速鉴别的方法 |
| CN116271540A (zh) * | 2023-05-19 | 2023-06-23 | 苏州维伟思医疗科技有限公司 | 一种心律管理系统及方法 |
| CN116271540B (zh) * | 2023-05-19 | 2023-08-04 | 苏州维伟思医疗科技有限公司 | 一种心律管理系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114010202B (zh) | 2024-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10542901B2 (en) | Rhythm discriminator with immunity to body posture | |
| US11331035B2 (en) | Recovery of cardiac event sensing and rhythm detection following electrical stimulation pulse delivery | |
| CN109310870B (zh) | 用于识别并响应于心脏系统中的p波过感测的系统和方法 | |
| US7970473B2 (en) | Systems and methods for detection of VT and VF from remote sensing electrodes | |
| US8301233B2 (en) | Detecting a condition of a patient using a probability-correlation based model | |
| CN114010202B (zh) | 植入式心律管理设备心律分类及区分室速和室上速的方法 | |
| EP2988665B1 (en) | A staged rhythm detection system | |
| US9730604B2 (en) | Methods for detecting atrial tachyarrhythmia in implantable devices without dedicated atrial sensing | |
| US8532762B2 (en) | Discriminating polymorphic and monomorphic cardiac rhythms using template generation | |
| EP2967402B1 (en) | A system for avoiding undersensing of ventricular fibrillation | |
| US9486637B2 (en) | Method and apparatus for accurate separation of supraventricular tachycardia from ventricular tachycardia during posture changes | |
| US20100274148A1 (en) | Distinguishing between treatable and non-treatable heart rhythms | |
| US7403813B1 (en) | Systems and methods for detection of VT and VF from remote sensing electrodes |
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 |