CN114098760A - 从心脏信号中移除噪声 - Google Patents

从心脏信号中移除噪声 Download PDF

Info

Publication number
CN114098760A
CN114098760A CN202111021316.5A CN202111021316A CN114098760A CN 114098760 A CN114098760 A CN 114098760A CN 202111021316 A CN202111021316 A CN 202111021316A CN 114098760 A CN114098760 A CN 114098760A
Authority
CN
China
Prior art keywords
cardiac signal
neural network
artificial neural
noise
cardiac
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.)
Pending
Application number
CN202111021316.5A
Other languages
English (en)
Inventor
V·格莱纳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Biosense Webster Israel Ltd
Original Assignee
Biosense Webster Israel Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Biosense Webster Israel Ltd filed Critical Biosense Webster Israel Ltd
Publication of CN114098760A publication Critical patent/CN114098760A/zh
Pending legal-status Critical Current

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
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A61B5/7217—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise originating from a therapeutic or surgical apparatus, e.g. from a pacemaker
    • 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]
    • A61B5/367—Electrophysiological study [EPS], e.g. electrical activation mapping or electro-anatomical mapping
    • 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]
    • 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]
    • A61B5/339—Displays 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
    • A61B5/343—Potential distribution indication
    • 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
    • A61B5/6847—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 mounted on an invasive device
    • A61B5/6852—Catheters
    • 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
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • 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
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/02—Operational features
    • A61B2560/0242—Operational features adapted to measure environmental factors, e.g. temperature, pollution
    • A61B2560/0247—Operational features adapted to measure environmental factors, e.g. temperature, pollution for compensation or correction of the measured physiological value
    • 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
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6823—Trunk, e.g., chest, back, abdomen, hip
    • 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
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6824—Arm or wrist
    • 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
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6828—Leg

Landscapes

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

Abstract

在一个实施方案中，一种方法包括：接收由与第一活体受检者的组织接触的至少一个第一感测电极捕获的第一心脏信号；将所接收到的第一心脏信号注入到一定长度的线中，该一定长度的线响应于在该线中采集的噪声来输出相应的加噪心脏信号；响应于所接收到的第一心脏信号和该相应的加噪心脏信号来训练人工神经网络从心脏信号中移除噪声；接收由与第二活体受检者的组织接触的至少一个第二感测电极捕获的第二心脏信号；以及将该受过训练的人工神经网络应用于第二心脏信号以产生降噪心脏信号。

Description

从心脏信号中移除噪声
相关申请信息
本申请要求2020年9月1日提交的美国临时专利申请63/073,416的权益，该临时专利申请的公开内容据此以引用方式并入本文。
技术领域
本发明涉及医疗系统，并且具体地但并非排他性地涉及处理心脏信号。
背景技术
大量的医疗规程涉及将探针诸如导管放置在患者体内。已经开发出位置感测系统来跟踪这类探针。磁性位置感测为本领域已知的一种方法。在磁性位置感测中，通常将磁场发生器放置在患者体外的已知位置处。探针的远侧端部内的磁场传感器响应于这些磁场生成电信号，这些电信号被处理以确定探针的远侧端部的坐标位置。这些方法和系统在美国专利5,391,199、6,690,963、6,484,118、6,239,724、6,618,612和6,332,089中、在PCT国际专利公布WO 1996/005768中以及在美国专利申请公布2002/0065455、2003/0120150和2004/0068178中有所描述。还可使用基于阻抗或电流的系统来跟踪位置。
心律失常的治疗是一种已证明其中这些类型的探针或导管极其有用的医疗规程。心律失常并且具体地讲心房纤颤一直为常见和危险的医学病症，在老年人中尤为如此。
心律失常的诊断和治疗包括标测心脏组织(尤其是心内膜)的电性质，以及通过施加能量来选择性地消融心脏组织。此类消融可停止或改变不需要的电信号从心脏的一个部分传播到另一部分。消融方法通过形成非导电消融灶来破坏不需要的电通路。已经公开了多种用于形成消融灶的能量递送形式，并且包括使用微波、激光和更常见的射频能量来沿心脏组织壁形成传导阻滞。在两步式手术(标测，之后进行消融)中，通常通过将包括一个或多个电传感器的导管推进到心脏中并采集多个点处的数据来感测和测量心脏内各个点处的电活动。然后利用这些数据来选择拟加以消融的心内膜目标区域。
电极导管已经普遍用于医疗实践多年。它们被用来刺激和标测心脏中的电活动，以及用来消融异常电活动的位点。使用时，将电极导管插入到主静脉或动脉例如股静脉中，并且随后引导到所关注的心脏腔室中。典型的消融手术涉及将在其远侧端部具有一个或多个电极的导管插入到心脏腔室中。可提供通常用胶带粘贴在患者的皮肤上的参比电极，或者可使用设置在心脏中或附近的第二导管来提供参比电极。RF(射频)电流被施加在消融导管的导管电极与无关电极(其可为导管电极中的一个电极)之间，并且电流流经这些电极之间的介质(即，血液和组织)。电流的分布可取决于与血液相比电极表面与组织接触的量，血液具有比组织更高的导电率。由于组织的电阻，发生组织的加热。组织被充分加热而致使心脏组织中的细胞破坏，从而导致在心脏组织内形成不导电的消融灶。在一些申请中，可进行不可逆电穿孔以消融组织。
发明内容
根据本公开的另一个实施方案，提供一种用于分析信号的方法，该方法包括：接收由与第一活体受检者的组织接触的至少一个第一感测电极捕获的第一心脏信号；将所接收到的第一心脏信号注入到一定长度的线中，该一定长度的线响应于在线中采集的噪声来输出相应的加噪心脏信号；响应于所接收到的第一心脏信号和相应的加噪心脏信号来训练人工神经网络从心脏信号中移除噪声；接收由与第二活体受检者的组织接触的至少一个第二感测电极捕获的第二心脏信号；以及将受过训练的人工神经网络应用于该第二心脏信号以产生降噪心脏信号。
进一步根据本公开的实施方案，该训练包括将加噪心脏信号输入到人工神经网络中；以及迭代地调整人工神经网络的参数以减小人工神经网络的输出与所接收到的第一心脏信号之间的差值。
更进一步根据本公开的实施方案，该方法包括：将第一心脏信号从数字形式转换为模拟形式，该注入包括：将呈模拟形式的第一心脏信号注入到一定长度的线中，该方法还包括：将加噪心脏信号转换为数字形式，该训练包括：响应于呈数字形式的所接收到的第一心脏信号和呈数字形式的相应的加噪心脏信号来训练人工神经网络从心脏信号中移除噪声。
另外，根据本公开的实施方案，该训练包括训练自动编码器，该自动编码器包括编码器和解码器。
此外，根据本公开的实施方案，该方法包括：向显示器呈现降噪心脏信号中的至少一个降噪心脏信号的表示。
进一步根据本公开的实施方案，该方法包括：响应于降噪心脏信号中的降噪心脏信号来生成并向显示器呈现电解剖标示图。
更进一步根据本公开的实施方案，该方法包括：将包括至少一个第一感测电极的第一导管插入到第一活体受检者的心腔中；以及将包括至少一个第二感测电极的第二导管插入到第二活体受检者的心腔中。
另外，根据本公开的实施方案，第一导管包括第二导管。
根据本公开的另一个实施方案，提供一种软件产品，该软件产品包括其中存储有程序指令的非暂态计算机可读介质，该指令在被中央处理单元(CPU)读取时使得CPU：接收由与第一活体受检者的组织接触的至少一个第一感测电极捕获的第一心脏信号；将所接收到的第一心脏信号注入到一定长度的线中，该一定长度的线响应于在线中采集的噪声来输出相应的加噪心脏信号；响应于所接收到的第一心脏信号和相应的加噪心脏信号来训练人工神经网络从心脏信号中移除噪声；接收由与第二活体受检者的组织接触的至少一个第二感测电极捕获的第二心脏信号；以及将受过训练的人工神经网络应用于第二心脏信号以产生降噪心脏信号。
进一步根据本公开的实施方案，其中这些指令在由CPU读取时还使得CPU：将加噪心脏信号输入到人工神经网络中；以及迭代地调整人工神经网络的参数以减小人工神经网络的输出与所接收到的第一心脏信号之间的差值。
进一步根据本公开的实施方案，其中这些指令在被CPU读取时还使得CPU：向显示器呈现降噪心脏信号中的至少一个降噪心脏信号的表示。
更进一步根据本公开的实施方案，其中这些指令在被CPU读取时还使得CPU：响应于降噪心脏信号中的降噪心脏信号来生成并向显示器呈现电解剖标示图。
根据本公开的又一个实施方案，还提供一种医疗系统，该医疗系统包括：至少一个第一感测电极，该至少一个第一感测电极被配置为接触第一活体受检者的组织；处理电路；以及一定长度的线，该一定长度的线具有第一端部和第二端部，该第一端部和第二端部电连接到处理电路，其中处理电路被配置为：接收由与第一活体受检者的组织接触的至少一个第一感测电极捕获的第一心脏信号；将所接收到的第一心脏信号注入到一定长度的线的第一端部中，该一定长度的线响应于在线中采集的噪声来在第二端部处输出相应的加噪心脏信号；以及响应于所接收到的第一心脏信号和相应的加噪心脏信号来训练人工神经网络从心脏信号中移除噪声。
此外，根据本公开的实施方案，人工神经网络包括自动编码器，该自动编码器包括编码器和解码器，处理电路被配置为响应于所接收到的第一心脏信号和相应的加噪心脏信号来训练自动编码器从心脏信号中移除噪声。
进一步根据本公开的实施方案，该处理电路还包括：数模转换器，该数模转换器被配置为将第一心脏信号从数字形式转换为模拟形式，该处理电路被配置为将呈模拟形式的第一心脏信号注入到一定长度的线中；以及模数转换器，该模数转换器被配置为将加噪心脏信号转换为数字形式，该处理电路被配置为响应于呈数字形式的所接收到的第一心脏信号和呈数字形式的相应的加噪心脏信号来训练人工神经网络从心脏信号中移除噪声。
更进一步根据本公开的实施方案，处理电路被配置为将加噪心脏信号输入到人工神经网络中，以及迭代地调整人工神经网络的参数以减小人工神经网络的输出与所接收到的第一心脏信号之间的差值。
另外，根据本公开的实施方案，该系统包括：至少一个第二感测电极，该至少一个第二感测电极被配置为接触第二活体受检者的组织，其中处理电路被配置为：接收由与第二活体受检者的组织接触的至少一个第二感测电极捕获的第二心脏信号；以及将受过训练的人工神经网络应用于第二心脏信号以产生降噪心脏信号。
此外，根据本公开的实施方案，该受过训练的人工神经网络包括自动编码器，该自动编码器包括编码器和解码器，处理电路被配置为将自动编码器应用于第二心脏信号以产生降噪心脏信号。
进一步根据本公开的实施方案，该系统包括：显示器，其中处理电路被配置为向显示器呈现降噪心脏信号中的至少一个降噪心脏信号的表示。
更进一步根据本公开的实施方案，该系统包括：显示器，其中处理电路被配置为响应于降噪心脏信号中的降噪心脏信号来生成并向显示器呈现电解剖标示图。
另外，根据本公开的实施方案，该系统包括：第一导管，该第一导管包括至少一个第一感测电极，并且被配置为插入到第一活体受检者的心腔中；以及第二导管，该第二导管包括至少一个第二感测电极，并且被配置为插入到第二活体受检者的心腔中。
此外，根据本公开的实施方案，第一导管包括第二导管。
附图说明
根据以下详细说明结合附图将理解本发明，其中：
图1为根据本发明的一个示例性实施方案构造和操作的用于在心脏上进行导管插入手术的系统的图解示意图；
图2为用于与图1的系统一起使用的导管的透视图；
图3为用于与图1的系统一起使用的电极组合件的详细示意图；
图4为图1的系统中的处理电路的更加详细视图；
图5为包括图1的系统的操作方法中的步骤的流程图；
图6为用于与图1的系统一起使用的人工神经网络的示意图；
图7为示出对图6的人工神经网络进行训练的示意图；
图8为包括图5的方法的步骤中的子步骤的流程图；
图9为导管和由用于图1的系统的导管捕获的信号的示意图；
图10为示出对正由受过训练的人工神经网络处理的图9的所捕获的信号进行处理的示意图；
图11为包括使用受过训练的人工神经网络处理图9的所捕获的信号的方法中的步骤的流程图；
图12为所显示的心脏信号的示意图；并且
图13为所显示的电解剖标示图的示意图。
具体实施方式
概述
噪声从电生理(EP)实验室中的设备被添加到EP实验室中的心内电描记图(IEGM)信号和心电图(ECG)信号。例如，当心脏信号从导管和/或体表电极被载送到线和缆线中时，心脏信号拾取EP实验室中生成的噪声。基于在EP实验室中操作的设备，每个EP实验室可具有其自己的噪声轮廓。噪声使IEGM和/或ECG信号失真，并且可阻止对信号进行可用分析。从IEGM或ECG信号中移除噪声并非琐碎的问题。噪声可与心脏信号共享共同频率，并且因此仅仅使用低通滤波器、高通滤波器或带通滤波器无法提供令人满意的解决方案。
如说明书和权利要求中所用，术语“心脏信号”被定义为包括由与心腔的组织接触的导管电极提供的IEGM信号或响应于与(例如，胸部、臂部和/或腿部的)皮肤表面接触的一个或多个体表电极来提供的ECG信号。
本发明的实施方案通过基于包括心脏信号和相应的加噪心脏信号的一组训练信号训练人工神经网络(ANN)(诸如自动编码器)从心脏信号中移除噪声来解决上述问题。
心脏信号可由任何合适导管的一个或多个导管电极和/或从与(例如，胸部、臂部和/或腿部的)皮肤表面接触的一个或多个体表电极捕获。将所捕获的心脏信号注入到一定长度的线中，该一定长度的线暴露于EP实验室中的噪声并且响应于在线中采集的来自EP实验室中的噪声的噪声来输出相应的加噪心脏信号。
可通过将加噪心脏信号输入到ANN中来训练ANN。使用迭代过程，迭代地更新ANN的参数以减小ANN的实际输出与期望输出(例如，所捕获的心脏信号(在将加噪到线中之前)之间的差值。
一旦经过训练，ANN就可应用于由任何合适的电极捕获的任何合适的IEGM信号或ECG信号以从所捕获的信号中清除噪声。可应用受过训练的ANN以从自用于提供训练信号的同一导管(或体表电极)或自不同导管(或体表电极)捕获的心脏信号中移除噪声。可应用受过训练的ANN以从自提供训练数据的同一活体受检者或自不同活体受检者捕获的心脏信号中移除噪声。
可在EP规程之前和/或期间训练ANN，使得当已捕获足够的心脏信号时，响应于所捕获的数据来训练ANN。随着EP规程的进行，可基于附加的捕获的心脏信号继续训练受过训练的ANN，从而可能改进ANN的噪声移除特性。
在一些实施方案中，可将ANN的权重发送到云服务器，其中ANN可执行以从发送到该服务器的心脏信号中移除噪声。
系统描述
现在参考图1，其为根据本发明的示例性实施方案构造和操作的用于在心脏12上进行导管插入手术的医疗系统10的图解示意图。医疗系统10可被配置为评估活体受检者的心脏12上的电活动并在其上进行消融手术。该系统包括导管14，其由操作者16经由皮肤穿过患者的血管系统插入到心脏12的腔室或血管结构中。操作者16(通常为医师)使导管的远侧端部18例如在消融目标位点处与心脏壁接触。可根据美国专利6,226,542、6,301,496和6,892,091中所公开的方法来制备电活动标示图。一种体现系统10的元件的商品可以
Figure BDA0003241509030000071
3系统得自Biosense Webster,Inc.,Irvine,CA。此系统可由本领域的技术人员进行修改以实施本文所述的本发明的原理。
可通过施加热能对例如通过电活动标示图的评估而确定为异常的区域进行消融，例如，通过将射频电流通过导管中的导线传导到在远侧端部18处的一个或多个电极，这些电极将射频能量应用于心肌。能量在组织中被吸收，从而将组织加热到一定温度，在该温度下组织永久性地失去其电兴奋性。此手术成功后，会在心脏组织中形成非传导性的消融灶，这些消融灶可中断导致心律失常的异常电通路。本发明的原理可应用于不同的心脏腔室，以诊断并治疗多种不同的心律失常。
导管14通常包括柄部20，该柄部上具有合适的控件，以使操作者16能够按消融所需而对导管14的远侧端部18进行操纵、定位和取向。为了协助操作者16，导管14的远侧部分包括位置传感器(未示出)，这些位置传感器向位于控制台24中的处理电路22提供信号。处理电路22可实现如下所述的若干处理功能。
导线连接件35可将控制台24与体表电极30和用于测量导管14的位置和取向坐标的定位子系统的其他部件联接在一起。处理电路22或另一处理器(未示出)可为定位子系统的元件。导管电极(未示出)和体表电极30可用于测量在消融位点处的组织阻抗，如美国专利7,536,218中所教导。温度传感器(未示出)，通常为热电偶或热敏电阻器，可安装在如下所述的导管14的远侧部分上的消融表面上。
控制台24通常包含一个或多个消融功率发生器25。导管14可适于利用任何已知的消融技术将消融能量(例如射频能量、超声能量、不可逆电穿孔和激光产生的光能)传导到心脏。此类方法公开于美国专利6,814,733、6,997,924和7,156,816中。
在一个实施方案中，定位子系统包括磁定位跟踪布置，该磁定位跟踪布置利用磁场生成线圈28，通过以预定的工作容积生成磁场并感测在导管处的这些磁场来确定导管14的位置和取向。该定位子系统描述于美国专利7,756,576和7,536,218中。
如上所述，导管14联接到控制台24，这使得操作者16能够观察并调控导管14的功能。控制台24包括处理电路22，通常为具有适当的信号处理电路的计算机。处理电路22被联接以驱动显示器29(例如，监视器)。这些信号处理电路通常接收、放大、过滤并数字化来自导管14的信号，包括由传感器诸如电传感器、温度传感器和接触力传感器和位于导管14远侧的多个位置感测电极(未示出)生成的信号。数字化信号由控制台24和定位系统接收并使用，以计算导管14的位置和取向以及分析来自电极的电信号。
为了生成电解剖标示图，处理电路22通常包括标示模块，该标示模块包括电解剖标示图发生器、图像配准程序、图像或数据分析程序和被配置为在显示器29上显现图形信息的图形用户界面。
通常，系统10包括其他元件，但为简明起见未示出于附图中。例如，系统10可包括心电图(ECG)监视器，该心电图(ECG)监视器被联接以接收来自一个或多个体表电极的信号，以便向控制台24提供ECG同步信号。如上所述，系统10通常还包括基准位置传感器，其或者位于附接在受检者身体外部的外部施加基准补片上，或者位于插入到心脏12中并相对于心脏12保持在固定位置的内置导管上。可以提供用于使液体循环流过导管14以冷却消融部位的常规泵和管路。系统10可接收来自外部成像模态诸如MRI单元等的图像数据并且包括图像处理器，该图像处理器可结合在处理电路22中或由处理电路22调用以用于生成并显示图像。
在实施过程中，处理电路22的功能中的一些或全部功能可以组合在单个物理部件中，或者另选地，使用多个物理部件来实现。这些物理部件可包括硬连线或可编程装置，或这两者的组合。在一些实施方案中，处理电路22的功能中的至少一些功能可以由可编程处理器在合适软件的控制下实施。该软件可以通过(例如)网络以电子形式下载到装置中。另选地或除此之外，该软件可以储存在有形的非暂态计算机可读存储介质中，诸如光学、磁或电子存储器。
现在参考图2，其为用于与图1的系统10一起使用的导管14的透视图。
导管14包括具有近侧端部和远侧端部的细长轴39、在导管主体的近侧端部处的控制柄部20以及安装在轴39的远侧端部处的可扩张远侧端部篮状物组合件43。
轴39包括细长管状构造，该细长管状构造具有单个轴向或中心管腔(未示出)，但如果需要可任选地具有多个管腔。轴39为柔性的，即可弯曲的，但是沿其长度基本上不可压缩。轴39可具有任何合适的构造并且可由任何合适的材料制成。在一些实施方案中，细长轴39包括由聚氨酯或聚醚嵌段酰胺制成的外壁。该外壁包括不锈钢等制成的嵌入式编织网，以增加轴39的扭转刚度，使得当旋转控制柄部20时轴39的远侧端部以对应的方式旋转。
轴39的外径不是关键性的，但可在约2mm至5mm的范围内。同样，外壁的厚度也不是关键性的，但通常足够薄，使得中心管腔可容纳以下中的任何一者或多者：牵拉线、引线、传感器缆线和任何其他线材、缆线或管。如果需要，外壁的内表面可衬有补强管(未示出)，从而提供改善的扭转稳定性。美国专利6,064,905描述并示出了适于与本发明结合使用的导管主体构造的示例。
组合件43安装到轴39的远侧端部。如图2所示，篮状物组合件43包括围绕收缩线47大致均匀间隔开地安装的五个样条45或臂，该收缩线连接到组合件43的远侧端部，并且根据具体情况，在牵引力或推力被纵向施加到收缩线47的情况下收缩、回缩以及扩张组合件43。收缩线47形成组合件43的纵向对称轴线。样条45在它们的远侧端部处全部直接或间接地附接到收缩线47，并且在它们的近侧端部处全部附接到轴39。当收缩线47纵向移动以扩张和收缩组合件43时，在扩张位置下样条45向外弯曲，并且在收缩位置下样条45大致是直的。如本领域的技术人员将认识到，取决于具体的应用，可根据需要改变样条45的数量，以使得组合件43具有至少两个样条，通常为至少三个样条，以及多达十个或更多个样条。可扩张远侧端部篮状物组合件43不限于所示构型，而是可包括其他设计诸如球形或蛋形设计，这些设计包括直接或间接地在它们的近侧端部和远侧端部连接的多个可扩张臂。在其他实施方案中，篮状物组合件可由任何合适的远侧端部组合件例如球囊组合件、病灶导管组合件、平面网格组合件或多个样条组合件替换。
组合件43包括设置在其上的至少一个感测电极49。在一些实施方案中，样条45中的每个样条可包括具有非导电覆盖物的柔性线，在非导电覆盖物上安装感测电极49(例如，环形样条电极)中的一个或多个感测电极。为方便起见，电极49被称为“感测电极”，但也可用于进行消融。在一些实施方案中，每条柔性线都包括扁平镍钛诺线，并且每个非导电覆盖物都包括生物相容性塑料管诸如聚氨酯或聚酰亚胺管。另选地，如果足够刚性的非导电材料用于非导电覆盖物从而允许组合件43扩张，则样条45可被设计成不具有内柔性线，只要样条具有在其表面的至少一部分上不导电的外表面以用于安装感测电极49即可。在一些实施方案中，样条可由柔性聚合物样条电路形成，其中电极49设置在每个柔性聚合物样条电路的外表面上。
在样条45上的感测电极49中的每个感测电极借助于电极引线(未示出)电连接到适当的标示或监测系统和/或消融能量源。该电极引线延伸穿过控制柄部20，穿过轴39中的管腔，进入到对应的样条45的非导电覆盖物中，并且通过任何合适的方法附接到它们对应的感测电极49。导管14任选地包括设置在收缩线47上的远场电极51，例如圆柱形电极。远场电极51设置在可扩张远侧端部篮状物组合件43中，以防止远场电极51接触心脏12的心腔的组织。下文参考图3描述远场电极51的功能。导管14的附加细节在上文引用的美国专利6,748,255中有所描述。导管14通常具有布置在篮状物组合件43的多个柔性样条上的多个感测电极49。导管14被构造成以塌缩形式插入到活体受检者的心脏12(图1)的心腔中，其中样条45相对靠近在一起。感测电极49中的一个或多个感测电极被配置为与活体受检者的组织接触。一旦处于心脏12中，样条45就可通过收缩线47形成为它们的扩张篮形形状，该收缩线保持样条45的远侧端部并且沿近侧方向拉动样条45的远侧端部。
现在参考图3，其为图2的可扩张远侧端部篮状物组合件43的详细示意图。在组合件43的扩张形式下，样条45的感测电极49中的至少一部分感测电极接触心脏12的心内膜表面53，并且采集对应于在它们与表面的接触点处产生的电极电位的信号。然而，由于感测电极49位于导电介质(血液)中，因此除了来自接触点的电极电位之外，所采集的信号还包括来自心脏12的其他区域的远场分量。
这些远场分量构成在心内膜表面电极电位上的干扰信号。为了抵消干扰，一些实施方案将远场电极51定位在收缩线47上。在组合件43的扩张构型下，远场电极51位于收缩线47上以便与所有对应的感测电极49(即与在导管的长轴上的固定参考点(诸如在组合件43的近侧端部处的参考点55)等距的感测电极49)近似等距，并且通过样条45防止该远场电极接触心脏的表面。例如，电极57、59与参考点55等距，并且还与远场电极51等距，分别如虚线61、63所指示。当远场电极51在组合件43的扩张构型下与感测电极49间隔至少0.5cm时，该远场电极从心内膜表面53采集远场信号，但不采集近场信号。然而，由感测电极49采集的信号e(t)可具有远场分量和表面(近场)分量两者。由远场电极51采集的远场分量信号x(t)可从由感测电极49采集的信号e(t)中移除，以便抵消这些电极所遭受的干扰，即通过信号相减：e(t)–x(t)。附加地或另选地，远场分量的移除可使用任何合适的方法诸如美国专利公布2016/0175023或美国专利9,554,718中所述的算法而实现。在一些实施方案中，并不移除由感测电极49捕获的信号的远场分量。
在一些实施方案中，导管14设置有远侧位置传感器65和近侧位置传感器67，该远侧位置传感器安装在连接样条的远侧端部的位置处或附近，该近侧位置传感器安装在组合件43的近侧端部处或附近，由此在使用中，可确定位置传感器65的坐标相对于位置传感器67的坐标，并且与关于样条45的曲率的已知信息结合在一起，以找到感测电极49中的每个感测电极的位置。
现在参考图4和图5。图4为图1的系统10中的处理电路22的更加详细视图。图5为包括图1的系统10的操作方法中的步骤的流程图100。
处理电路22包括处理器68、存储器69、数据总线70、模数转换器71、数模转换器72、模数转换器73。在一些实施方案中，模数转换器71和模数转换器73可在单个多通道模数转换器中实现。
处理器68被配置为运行软件以执行各种信号处理和计算任务，包括训练模块74、人工神经网络75和标示模块76。训练模块74被配置为训练人工神经网络75，如下文参考图6至图8更详细地描述。人工神经网络75可包括参考图6更详细地描述的自动编码器77。标示模块76被配置为响应于从活体受检者捕获的心脏信号和其他数据来生成和呈现EP标示图，如参考图13更详细地描述。在一些实施方案中，由处理器68执行的一个或多个功能可由硬连线处理电路执行。
存储器69被配置为存储由处理器68使用的数据。数据总线70被配置为在处理电路22的各种元件之间，例如，在处理器68和模数转换器71、数模转换器72和/或模数转换器73之间传输数据，并且传输到接口诸如显示器29的接口(未示出)。
医疗系统10包括一定长度的线78。该一定长度的线78的端部经由数模转换器72和模数转换器73电连接到处理电路22，如下文更详细地描述。该一定长度的线78暴露于EP实验室中的噪声66，并且因此注入到该一定长度的线78中的信号由于入射噪声66而变得更加嘈杂。
如下文更详细地描述，基于从以下项捕获的数据以及在一定长度的线78中拾取的来自EP实验室中的噪声66的噪声训练人工神经网络75：插入(框102)到活体受检者的心腔中的导管，诸如图1至图3的导管14；和/或应用于活体受检者的皮肤的体表电极30(图1)。例如，导管14的电极49(图3)与组织(例如，心脏12(图1)的腔室的心内膜表面53(图3))接触，并且提供包括在导管14的细长轴39(图2)中采集的一些噪声的心脏信号。为了提供高质量的训练数据，操作者16通常确认在活体受检者的组织与提供心脏信号的电极49(和/或体表电极30)之间存在优质接触。
处理电路22(图1)被配置为接收(框104)由与活体受检者的组织接触的电极49中的一个或多个电极(和/或体表电极30中的一个或多个体表电极)捕获的心脏信号。导管14在位于心腔内的给定位置中时可提供来自不同电极49的信号，并且/或者在导管14移动到心腔中的不同位置时可提供来自一个或多个电极49的信号。可从不同心腔并且甚至从不同的活体受检者提供心脏信号。
处理电路22的处理器68被配置为经由模数转换器71从导管14的感测电极49和/或从体表电极30接收心脏信号，该模数转换器被配置为将心脏信号从模拟形式转换(框106)为数字形式。
在一些实施方案中，在处理电路22的处理器68上运行的训练模块74任选地被配置为选择(框108)所接收到的心脏信号的分段以用作训练数据。在一些实施方案中，训练模块74可将所接收到的心脏信号分段，并且所接收到的心脏信号的一个或多个节段被丢弃。在其他实施方案中，训练模块74可通过向心脏信号添加标记来对所接收到的心脏信号进行分段，以便识别用作训练数据的分段。
在处理器68上运行的训练模块74被配置为经由数模转换器72将所接收到的心脏信号(的分段)注入到一定长度的线78中，该数模转换器被配置为将所接收到的心脏信号(的分段)从数字形式转换(框110)为模拟形式。因此，处理电路22的处理器68被配置为将呈模拟形式的所接收到的心脏信号(的分段)注入(框112)到一定长度的线78的一个端部中，该一定长度的线响应于在线78中采集的噪声来在该一定长度的线78的另一端部处输出相应的加噪心脏信号。例如，噪声被添加到心脏信号A从而产生心脏信号A'，并且噪声被添加到心脏信号B从而产生心脏信号B'。
模数转换器73被配置为接收(框114)从一定长度的线78输出的加噪心脏信号，并且将这些加噪心脏信号从模拟形式转换(框116)为数字形式。
加噪心脏信号由在处理器68上运行的训练模块74接收。在处理电路22的处理器68上运行的训练模块74被配置为训练(框118)人工神经网络75(例如，自动编码器77)从心脏信号中移除噪声。框118的步骤参考图6至图8进行了更详细的描述。
现在参考图6，其为用于与图1的系统10一起使用的人工神经网络75的示意图。
神经网络是神经元的网络或电路，或者在现代意义上，是由人工神经元或节点组成的人工神经网络。生物神经元的连接被建模为权重。正权重反映兴奋性连接，而负值表示抑制性连接。通过权重修改输入并使用线性组合求和。激活函数可控制输出的振幅。例如，可接受的输出范围通常介于0和1之间，或者该范围可为-1和1之间。
这些人工网络可用于预测建模、自适应控制和应用，并且可经由数据集被训练。由经验产生的自学可发生在网络内，这可从复杂且看似不相关的信息组中得出结论。
为了完整起见，生物神经网络由一组或多组化学连接的或功能相关的神经元组成。单个神经元可被连接到许多其他神经元，并且网络中的神经元和连接的总数可以是广泛的。连接(称为突触)通常由轴突至枝状体形成，但树枝状突触和其他连接也是可能的。除了电信号之外，还存在由神经递质扩散引起的其他形式的信号。
人工智能、认知建模和神经网络是由生物神经系统处理数据的方式诱发的信息处理范式。人工智能和认知建模试图模拟生物神经网络的一些特性。在人工智能领域，人工神经网络已被成功地应用于语音识别、图像分析和自适应控制，以便(在计算机和视频游戏中)构建软件代理或自主机器人。
就被称为人工神经网络(ANN)或模拟神经网络(SNN)的人工神经元而言，神经网络(NN)是一组互连的天然或人工神经元，该神经网络基于计算的连接方法使用数学或计算模型进行信息处理。在大多数情况下，ANN是基于流动通过网络的外部或内部信息来改变其结构的自适应系统。更实际的术语神经网络为非线性统计数据建模或决策制定工具。这些术语神经网络可用于对输入和输出之间的复杂关系进行建模或在数据中找到模式。
在一些实施方案中，如图6所示，人工神经网络75可包括自动编码器77，该自动编码器包括编码器79和解码器81。在其他实施方案中，人工神经网络75可包括任何合适的ANN。人工神经网络75可包括由处理电路22的处理器68(图4)执行的软件和/或被配置为执行人工神经网络75的功能的硬件模块。
编码器79包括输入层83，输入被接收到该输入层中。然后编码器包括一个或多个隐藏层85，该一个或多个隐藏层将输入逐渐压缩成代码87。解码器81包括一个或多个隐藏层89，该一个或多个隐藏层将代码87逐渐解压一直到提供自动编码器77的输出的输出层91。自动编码器77包括自动编码器77的这些层之间的权重。自动编码器77根据自动编码器77的这些层之间的各个权重的值来操纵在输入层83处接收到的数据。
在对自动编码器77进行训练期间更新自动编码器77的权重，使得自动编码器77执行自动编码器77被训练执行的数据操纵任务。在图6的示例中，训练自动编码器77从心脏信号中移除噪声，如参考图7和图8更详细地描述。
自动编码器77中的层的数量和层的宽度可以是可配置的。随着层的数量和层的宽度增加，自动编码器77可根据手头的任务操纵数据的准确度也增加。然而，更大数量的层和更宽的层通常需要更多的训练数据、更多的训练时间，并且训练可能不会收敛。以举例的方式，输入层83可包括400个神经元(例如，以压缩一批400个样本)。编码器79可包括以因数2压缩的五个层(例如，400、200、100、50、25)。解码器可包括以因数2解压缩的五个层(例如，25、50、100、200、400)。
现在参考图7和图8。图7为示出对图6的人工神经网络75进行训练的示意图。图8为包括图5的框118的步骤中的子步骤的流程图。
处理电路22(图4)被配置为响应于所接收到的心脏信号(的分段)(曲线图95)(呈数字形式)和相应的加噪心脏信号(曲线图93)(呈数字形式)来训练人工神经网络75(例如，自动编码器77)从心脏信号中移除噪声。
训练人工神经网络75通常是迭代过程。现在将在下文描述训练人工神经网络75的一种方法。处理电路22的处理器68的训练模块74(图4)被配置为迭代地调整(框120)人工神经网络75的参数以减小人工神经网络75的输出与所接收到的心脏信号(的分段)之间的差值。
现在在下面描述框120的步骤的子步骤。
在处理电路22的处理器68上运行的训练模块74(图4)被配置为将加噪心脏信号(曲线图93)输入(框122，箭头97)到人工神经网络75中。例如，将加噪心脏信号输入到编码器79的输入层83中。在处理电路22的处理器68上运行的训练模块74(图4)被配置为将人工神经网络75的输出(例如，自动编码器77的解码器81的输出)与期望输出(即，对应的所接收到的心脏信号(的分段)(曲线图95))进行比较(框124，箭头99)。例如，如果存在由人工神经网络75输出的一组心内信号A、B、C以及对应的一组所接收到的心内信号A'、B'和C'，则处理电路22的处理器68的训练模块74(图4)将A与A'、B与B'、C与C'进行比较，以此类推。通常使用合适的损失函数进行该比较，该损失函数计算人工神经网络75的所有输出与所有期望输出(例如，所有对应的所接收到的心内信号(的分段)(曲线图95))之间的总差值。
在决策框126处，在处理电路22的处理器68上运行的训练模块74(图4)被配置为确定人工神经网络75的输出与期望输出之间的差值是否足够小。如果人工神经网络75的输出与期望输出之间的差值足够小(分支132)，则在处理电路22的处理器68上运行的训练模块74(图4)被配置为保存(框134)人工神经网络75(例如，自动编码器77)的参数(例如，权重)并且/或者将参数(例如，权重)发送到云处理服务器(未示出)。
如果差值不够小(分支128)，则在处理电路22的处理器68上运行的训练模块74(图4)被配置为修改(框130)人工神经网络75(例如，自动编码器77)的参数(例如，权重)以减小人工神经网络75的输出与人工神经网络75的期望输出之间的差值。在上述示例中被最小化的差值是人工神经网络75的所有输出与所有期望输出(例如，所有所接收到的心内信号(的分段)(曲线图95)之间的总差值。在处理电路22的处理器68上运行的训练模块74(图4)被配置为使用任何合适的优化算法(例如，梯度下降算法诸如Adam优化算法)修改参数。然后重复框122-126的步骤。
现在参考图9，其为导管200和由用于图1的系统10中的导管200捕获的心脏信号202的示意图。导管200为包括多个样条204的平面网格导管，其中在每个样条204上具有电极206(为了简单起见，仅标记出了一些电极)。导管200被配置为插入到活体受检者的心腔中，其中电极206中的一个或多个电极被配置为接触活体受检者的组织。该活体受检者可以是：插入有导管14并且根据其来训练人工神经网络75的相同的活体受检者；或不同的活体受检者。
如下文参考图10和图11更详细地描述，医疗系统10被配置为使用受过训练的人工神经网络75(图7)从心脏信号202中移除噪声。
导管200是提供包括待移除的噪声的心脏信号的导管的示例。任何合适的导管(例如，球囊、篮状物或病灶导管)可提供心脏信号，该心脏信号然后使用受过训练的人工神经网络75进行处理以从所提供的心脏信号中移除噪声。在一些实施方案中，导管14可用于提供包括待移除的噪声的心脏信号。换句话讲，训练人工神经网络75的同一导管可提供包括待由人工神经网络75移除的噪声的心脏信号。
类似地，由一个或多个体表电极30(图1)提供的一个或多个心脏信号可由人工神经网络75处理以从所提供的心脏信号中移除噪声。
现在参考图10和图11。图10为示出对正由受过训练的人工神经网络75处理的图9的所捕获的信号202进行处理的示意图。图11为包括使用受过训练的人工神经网络75处理图9的所捕获的信号202的方法中的步骤的流程图250。还参考图9。
将导管200插入(框252)活体受检者的心腔中，并且/或者将体表电极30应用于活体受检者的皮肤表面。
在处理电路22的处理器68上运行的标示模块76(图4)被配置为接收(框254)由(例如，当导管200插入到活体受检者的心腔中时)与活体受检者的组织接触的感测电极206(和/或体表电极30)捕获的心脏信号202。心脏信号202经由模数转换器71(图4)接收，该模数转换器被配置为将心脏信号202从模拟形式转换为数字形式。在处理电路22的处理器68上运行的标示模块76(图4)被配置为将受过训练的人工神经网络75应用(框256，箭头208)于心脏信号202，以从心脏信号202中移除噪声，从而产生(箭头212)相应的降噪心脏信号210。
在一些实施方案中，该受过训练的人工神经网络包括受过训练的自动编码器77。在这些实施方案中，在处理电路22(图1)的处理器68上运行的标示模块76被配置为将自动编码器77应用于心脏信号202，以从心脏信号202中移除噪声，从而产生降噪心脏信号210。
现在参考图12，其为所显示的心脏信号的表示214的示意图。还参考图11。在处理电路22的处理器68上运行的标示模块76(图4)任选地被配置为向显示器29呈现(框258)降噪心脏信号210(图10)的表示214。
现在参考图13，其为所显示的电解剖标示图216的示意图。还参考图11。在处理电路22的处理器68上运行的标示模块76(图4)任选地被配置为响应于降噪心脏信号210来生成并向显示器29呈现(框260)电解剖标示图216。
如本文所用，针对任何数值或范围的术语“约”或“大约”指示允许部件或元件的集合实现如本文所述的其预期要达到的目的的合适的尺寸公差。更具体地，“约”或“大约”可指列举值的值±20％的范围，例如“约90％”可指72％至108％的值范围。
为清晰起见，在独立实施方案的上下文中描述的本发明的各种特征部也可在单个实施方案中组合提供。相反地，为简明起见，本发明的各种特征部在单个实施方案的上下文中进行描述，也可单独地或以任何合适的子组合形式提供。
上述实施方案以举例的方式被引用，并且本发明不受上文具体示出和描述的内容的限制。相反，本发明的范围包括上文描述的各种特征的组合和子组合以及它们的变型和修改，本领域的技术人员在阅读上述描述时将会想到该变型和修改，并且该变型和修改并未在现有技术中公开。

Claims (22)

1.一种用于分析信号的方法，包括：
接收由与第一活体受检者的组织接触的至少一个第一感测电极捕获的第一心脏信号；
将所接收到的第一心脏信号注入到一定长度的线中，所述一定长度的线响应于在所述线中采集的噪声来输出相应的加噪心脏信号；
响应于所接收到的第一心脏信号和所述相应的加噪心脏信号来训练人工神经网络从心脏信号中移除噪声；
接收由与第二活体受检者的组织接触的至少一个第二感测电极捕获的第二心脏信号；以及
将受过训练的人工神经网络应用于所述第二心脏信号以产生降噪心脏信号。
2.根据权利要求1所述的方法，其中，所述训练包括：
将所述加噪心脏信号输入到所述人工神经网络中；以及
迭代地调整所述人工神经网络的参数以减小所述人工神经网络的输出与所接收到的第一心脏信号之间的差值。
3.根据权利要求1所述的方法，所述方法还包括：将所述第一心脏信号从数字形式转换为模拟形式，所述注入包括：将呈所述模拟形式的所述第一心脏信号注入到所述一定长度的线中，所述方法还包括：将所述加噪心脏信号转换为数字形式，所述训练包括：响应于呈数字形式的所接收到的第一心脏信号和呈数字形式的所述相应的加噪心脏信号来训练所述人工神经网络从心脏信号中移除噪声。
4.根据权利要求1所述的方法，其中所述训练包括训练自动编码器，所述自动编码器包括编码器和解码器。
5.根据权利要求1所述的方法，所述方法还包括：向显示器呈现所述降噪心脏信号中的至少一个降噪心脏信号的表示。
6.根据权利要求1所述的方法，所述方法还包括：响应于所述降噪心脏信号中的降噪心脏信号来生成并向显示器呈现电解剖标示图。
7.根据权利要求1所述的方法，所述方法还包括：
将包括所述至少一个第一感测电极的第一导管插入到所述第一活体受检者的心腔中；以及
将包括所述至少一个第二感测电极的第二导管插入到所述第二活体受检者的心腔中。
8.根据权利要求7所述的方法，其中，所述第一导管包括所述第二导管。
9.一种软件产品，包括其中存储有程序指令的非暂态计算机可读介质，所述指令在被中央处理单元（CPU）读取时使得所述CPU：
接收由与第一活体受检者的组织接触的至少一个第一感测电极捕获的第一心脏信号；
将所接收到的第一心脏信号注入到一定长度的线中，所述一定长度的线响应于在所述线中采集的噪声来输出相应的加噪心脏信号；
响应于所接收到的第一心脏信号和所述相应的加噪心脏信号来训练人工神经网络从心脏信号中移除噪声；
接收由与第二活体受检者的组织接触的至少一个第二感测电极捕获的第二心脏信号；以及
将受过训练的人工神经网络应用于所述第二心脏信号以产生降噪心脏信号。
10.根据权利要求9所述的软件产品，其中，所述指令在被所述CPU读取时还使得所述CPU：
将所述加噪心脏信号输入到所述人工神经网络中；以及
迭代地调整所述人工神经网络的参数以减小所述人工神经网络的输出与所接收到的第一心脏信号之间的差值。
11.根据权利要求9所述的软件产品，其中，所述指令在被所述CPU读取时还使得所述CPU：向显示器呈现所述降噪心脏信号中的至少一个降噪心脏信号的表示。
12.根据权利要求9所述的软件产品，其中，所述指令在被所述CPU读取时还使得所述CPU：响应于所述降噪心脏信号中的降噪心脏信号来生成并向显示器呈现电解剖标示图。
13.一种医疗系统，包括：
至少一个第一感测电极，所述至少一个第一感测电极被配置为接触第一活体受检者的组织；
处理电路；和
一定长度的线，所述一定长度的线具有第一端部和第二端部，所述第一端部和所述第二端部电连接到所述处理电路，其中所述处理电路被配置为：
接收由与所述第一活体受检者的所述组织接触的所述至少一个第一感测电极捕获的第一心脏信号；
将所接收到的第一心脏信号注入到所述一定长度的线的所述第一端部中，所述一定长度的线响应于在所述线中采集的噪声来在所述第二端部处输出相应的加噪心脏信号；以及
响应于所接收到的第一心脏信号和所述相应的加噪心脏信号来训练人工神经网络从心脏信号中移除噪声。
14.根据权利要求13所述的系统，其中，所述人工神经网络包括自动编码器，所述自动编码器包括编码器和解码器，所述处理电路被配置为响应于所接收到的第一心脏信号和所述相应的加噪心脏信号来训练所述自动编码器从心脏信号中移除噪声。
15.根据权利要求13所述的系统，其中，所述处理电路还包括：
数模转换器，所述数模转换器被配置为将所述第一心脏信号从数字形式转换为模拟形式，所述处理电路被配置为将呈所述模拟形式的所述第一心脏信号注入到所述一定长度的线中；和
模数转换器，所述模数转换器被配置为将所述加噪心脏信号转换为数字形式，所述处理电路被配置为响应于呈数字形式的所接收到的第一心脏信号和呈数字形式的所述相应的加噪心脏信号来训练所述人工神经网络从心脏信号中移除噪声。
16.根据权利要求13所述的系统，其中，所述处理电路被配置为：
将所述加噪心脏信号输入到所述人工神经网络中；以及
迭代地调整所述人工神经网络的参数以减小所述人工神经网络的输出与所接收到的第一心脏信号之间的差值。
17.根据权利要求13所述的系统，所述系统还包括：至少一个第二感测电极，所述至少一个第二感测电极被配置为接触第二活体受检者的组织，其中所述处理电路被配置为：
接收由与所述第二活体受检者的所述组织接触的所述至少一个第二感测电极捕获的第二心脏信号；以及
将受过训练的人工神经网络应用于所述第二心脏信号以产生降噪心脏信号。
18.根据权利要求17所述的系统，其中，所述受过训练的人工神经网络包括自动编码器，所述自动编码器包括编码器和解码器，所述处理电路被配置为将所述自动编码器应用于所述第二心脏信号以产生所述降噪心脏信号。
19.根据权利要求17所述的系统，所述系统还包括：显示器，其中所述处理电路被配置为向所述显示器呈现所述降噪心脏信号中的至少一个降噪心脏信号的表示。
20.根据权利要求17所述的系统，所述系统还包括：显示器，其中所述处理电路被配置为响应于所述降噪心脏信号中的降噪心脏信号来生成并向所述显示器呈现电解剖标示图。
21.根据权利要求17所述的系统，所述系统还包括：
第一导管，所述第一导管包括所述至少一个第一感测电极，并且被配置为插入到所述第一活体受检者的心腔中；和
第二导管，所述第二导管包括所述至少一个第二感测电极，并且被配置为插入到所述第二活体受检者的心腔中。
22.根据权利要求21所述的系统，其中，所述第一导管包括所述第二导管。
CN202111021316.5A 2020-09-01 2021-09-01 从心脏信号中移除噪声 Pending CN114098760A (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US202063073416P 2020-09-01 2020-09-01
US63/073416 2020-09-01
US17/352,760 US20220061768A1 (en) 2020-09-01 2021-06-21 Removing noise from cardiac signals
US17/352760 2021-06-21

Publications (1)

Publication Number Publication Date
CN114098760A true CN114098760A (zh) 2022-03-01

Family

ID=77563973

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111021316.5A Pending CN114098760A (zh) 2020-09-01 2021-09-01 从心脏信号中移除噪声

Country Status (5)

Country Link
US (1) US20220061768A1 (zh)
EP (1) EP3960074A1 (zh)
JP (1) JP2022041993A (zh)
CN (1) CN114098760A (zh)
IL (1) IL285862A (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022069631A (ja) * 2019-07-23 2022-05-11 株式会社三洋物産 遊技機
JP7428200B2 (ja) * 2019-07-23 2024-02-06 株式会社三洋物産 遊技機
JP7238663B2 (ja) * 2019-07-23 2023-03-14 株式会社三洋物産 遊技機
JP7428199B2 (ja) * 2019-07-23 2024-02-06 株式会社三洋物産 遊技機
US20220061730A1 (en) * 2020-08-27 2022-03-03 Biosense Webster (Israel) Ltd. Removing far-field from intracardiac signals
US20220133206A1 (en) * 2020-11-03 2022-05-05 Biosense Webster (Israel) Ltd. Recording apparatus noise reduction
KR102608735B1 (ko) * 2022-10-25 2023-12-04 주식회사 틸더 인공지능 기반의 심전도 신호 분석 장치 및 방법

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7522958B2 (en) * 2003-03-13 2009-04-21 Uab Research Foundation Methods and systems for reducing discomfort from cardiac defibrillation shocks
US8914099B2 (en) * 2011-11-08 2014-12-16 Imec Biomedical acquisition system with motion artifact reduction
US20140278171A1 (en) * 2013-03-15 2014-09-18 Robert James Kahlke Frequency Adaptive Line Voltage Filters
US11471067B2 (en) * 2017-01-12 2022-10-18 Navix International Limited Intrabody probe navigation by electrical self-sensing
EP3589201A4 (en) * 2017-03-02 2021-04-07 Analytics For Life Inc. METHOD AND APPARATUS FOR ACQUIRING LARGE-BAND PHASE GRADIENT SIGNALS
JPWO2019216378A1 (ja) * 2018-05-09 2021-05-20 国立大学法人京都大学 演算装置、検知装置、演算方法、及び、コンピュータプログラム
CN108418569B (zh) * 2018-05-25 2018-11-09 敏业信息科技（上海）有限公司 差模电磁噪声注入网络及有源电磁干扰滤波器
EP3685739A1 (en) * 2019-01-09 2020-07-29 Nemo Healthcare B.V. Device for classifying fetal ecg
CN110141215B (zh) * 2019-05-14 2020-12-15 清华大学 降噪自编码器的训练方法、心电信号的降噪方法及相关装置、设备

Also Published As

Publication number Publication date
EP3960074A1 (en) 2022-03-02
US20220061768A1 (en) 2022-03-03
JP2022041993A (ja) 2022-03-11
IL285862A (en) 2022-03-01

Similar Documents

Publication Publication Date Title
EP3960074A1 (en) Method and system for removing noise from cardiac signals
US10045707B2 (en) Basket catheter with far-field electrode
EP3967218A1 (en) Local activation time analysis system
EP3960084B1 (en) Removing far-field from intracardiac signals
EP4008241A1 (en) Automatic acquisition of electrophysical data points using automated setting of signal rejection criteria based on big data analysis
EP3991658B1 (en) Recording apparatus noise reduction
CN116138874A (zh) 具有实时电描记图叠加的标测系统
US11694401B2 (en) Reconstruction of registered geometry based on constant fluoroscopic snapshot
US20220183748A1 (en) Accurate tissue proximity
EP4008252A1 (en) Catheter structure examination and optimization using medical procedure information

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