CN114847966A - 用于识别室性期前收缩的系统 - Google Patents
用于识别室性期前收缩的系统 Download PDFInfo
- Publication number
- CN114847966A CN114847966A CN202210099828.1A CN202210099828A CN114847966A CN 114847966 A CN114847966 A CN 114847966A CN 202210099828 A CN202210099828 A CN 202210099828A CN 114847966 A CN114847966 A CN 114847966A
- Authority
- CN
- China
- Prior art keywords
- heartbeats
- pvc
- signal
- series
- processors
- 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
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
-
- 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
- A61B5/364—Detecting abnormal ECG interval, e.g. extrasystoles, ectopic heartbeats
-
- 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
- A61B5/363—Detecting tachycardia or bradycardia
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—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
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Cardiology (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Power Engineering (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
提供了一种系统,该系统包括一个或多个处理器以及耦合到该一个或多个处理器的存储器。存储器存储程序指令,并且该程序指令可由该一个或多个处理器运行。当被运行时,该一个或多个处理器获得一系列心跳的心脏活动(CA)信号,并且识别来自CA信号的第一段的感兴趣特性(COI)是否超过COI限值。该一个或多个处理器还响应于CA信号的第一段超过COI限值,分析该一系列心跳的CA信号的形态,并且基于分析操作,识别该一系列心跳内的室性期前收缩(PVC)。
Description
技术领域
本文的实施例总体上涉及用于识别室性期前收缩(premature ventricularcontraction,PVC)的系统,以及涉及用于减少由PVC导致的错误的心律断言(declaration)的方法和系统。
背景技术
植入式心脏监测仪(ICM)操作用于监测心脏,包括基于各种标准来检测心律失常。这样的不规则可以包括心脏活动(cardiac activity,CA)信号的变化图案(pattern)。在一些实施例中,心律失常检测过程逐心跳地步进遍历CA信号,并分析一段时间内的感兴趣特性(characteristics of interest,COI)。可以基于COI来断言心律失常发作。当ICM检测到心律失常发作时,ICM存储CA信号(例如心电图或EGM信号)。
然而,心律失常检测过程有时可能会在患者没有经历心律失常时断言错误的心律失常发作。当断言了错误的心律失常发作时,ICM会继续存储与该发作相关的CA信号。由于心脏的各种状况和行为,可能会出现错误的心律失常检测,例如当患者经历具有不规则的R波-R波(RR)间隔的病态窦房结综合征时、经历频繁的PVC和/或不适当的R波感测时。PVC通常引入不稳定的RR间隔,例如短-长RR间隔,其中该不稳定性可能会导致对AF发作的错误断言。因此,PVC提出了与依赖于RR间隔可变性的房颤(AF)检测算法相关的实质性的挑战。
在没有结构性心脏病的情况下,PVC本身通常被认为是良性的。然而,在有结构性心脏病患者中,与没有PVC的患者相比,PVC的出现与较差的后果相关联。频繁的PVC也已经被证明会导致心肌病和心脏衰竭。在有由PVC诱发的心肌病患者中,对PVC进行抑制可以通过使由频繁的PVC诱发的左心室(LV)功能障碍最小化来改善心脏功能。
当与具有专用心房和心室引线的PM和植入式心脏设备(implantable cardiacdevice,ICD)或具有多个表面ECG引线的霍尔特监测仪相比时,使用ICM实现对PVC的可靠检测提出了挑战。此外,在辨识起源于心室的各种部位的具有不同形态的PVC时,区分PVC和传导的房性期前收缩(PAC)也具有挑战性。
发明内容
根据本文的实施例,提供了一种系统,该系统包括一个或多个处理器,以及耦合到该一个或多个处理器的存储器。该存储器存储程序指令,并且该程序指令可由该一个或多个处理器运行。当被运行时,该一个或多个处理器获得一系列心跳的心脏活动信号,并且识别来自CA信号的第一段的感兴趣特性(COI)是否超过COI限值。该一个或多个处理器还响应于CA信号的第一段超过COI限值,分析该一系列心跳的CA信号的形态,并且基于分析操作,识别该一系列心跳内的室性期前收缩(PVC)。
可选地,该一个或多个处理器为了识别来自CA信号的第一段的COI是否超过COI限值,还将候选心跳的R-R间隔(RRI)与和该一系列心跳相关的RRI进行比较,并且确定候选心跳的RRI相比于与该一系列心跳相关的RRI的改变是否超过阈值。在一个方面,识别来自CA信号的第一段的COI是否超过COI限值还包括基于分析操作丢弃候选心跳或该一系列心跳中的另一心跳任一者。在另一方面,分析该一系列心跳的CA信号的形态包括确定CA信号的面积、CA信号的最大振幅或CA信号的最小振幅中的至少一个。
可选地,程序指令可由一个或多个处理器运行,以进一步重复获取、识别、分析操作来识别该一系列心跳中的附加PVC,并基于PVC和附加PVC确定PVC的类型。在一个方面,程序指令可由一个或多个处理器运行,以进一步基于PVC的识别来拒绝AF诊断。在另一方面,程序指令可由一个或多个处理器运行,以进一步基于PVC的识别来诊断心动过速发作的类型。在一个示例中,程序指令可由一个或多个处理器执行,以进一步响应于识别候选心跳的PVC,从心率可变性(HRV)诊断确定中丢弃候选心跳的RRI。在另一示例中,程序指令可由一个或多个处理器运行,以进一步响应于识别候选心跳的PVC来分析附加候选心跳的RRI,并确定在该一系列心跳中是否发生双相反应。
附图说明
图1示出了根据本文实施例的ICM的示意图。
图2示出了根据本文实施例的ICM的示意框图。
图3示出了根据本文实施例的用于识别PVC的方法的框图流程图。
图4示出了根据本文实施例的CA信号的曲线图。
图5A示出了根据本文实施例的CA信号的曲线图。
图5B示出了根据本文实施例的CA信号的曲线图。
图5C示出了根据本文实施例的CA信号的曲线图。
图6示出了根据本文实施例的CA信号的曲线图。
图7A示出了根据本文实施例的CA信号的曲线图。
图7B示出了根据本文实施例的CA信号的曲线图。
具体实施方式
将容易理解的是,除了所描述的示例性实施例之外,本文附图中总体描述和示出的实施例的组件还可以以各种不同的配置来布置和设计。因此,如附图所示,以下对示例实施例的更详细描述并不旨在限制所要求保护的实施例的范围,而仅仅表示示例实施例。
在贯穿说明书中提到“一个实施例”或“实施例”(或类似)意味着结合该实施例所描述的特定特征、结构或特性被包括在至少一个实施例中。因此,短语“在一个实施例中”或“在实施例中”等在贯穿本说明书各处的出现不一定都指同一实施例。
此外,所描述的特征、结构或特性可以在一个或多个实施例中以任何合适的方式组合。在下面的描述中,提供了许多特定细节以给出对实施例的透彻理解。然而,相关领域的技术人员将认识到,各种实施例可以在没有一个或多个特定细节的情况下,或者利用其他方法、组件、材料等来实践。在其他实例中,为了避免混淆,没有详细示出或描述众所周知的结构、材料或操作。以下描述仅旨在作为示例,并且简单地示出了某些示例实施例。
本文所描述的方法可以采用本文所讨论的各种实施例(例如,系统和/或方法)的结构或方面。在各种实施例中,可以省略或添加某些操作,可以组合某些操作,可以同时执行某些操作,可以并行执行某些操作,可以将某些操作分成多个操作,可以以不同的顺序执行某些操作,或者可以以迭代的方式重新执行某些操作或系列操作。应当注意,根据本文实施例,可以使用其他方法。此外,其中指示了,这些方法可以完全地或部分地由一个或多个设备或系统的一个或多个处理器来实施。虽然一些方法的操作可以被描述为由一个设备的处理器执行,但是附加地,这些操作中的一些或全部可以由本文所描述的另一设备的处理器执行。
应当清楚地理解,关于附图广泛描述和示出的各种布置和过程,和/或这些布置的一个或多个单独组件或元件,和/或与这些过程相关联的一个或多个过程操作,可以独立于或与本文所描述和示出的一个或多个其他组件、元件和/或过程操作一起使用。因此,虽然本文广泛地设想、描述和示出了各种布置和过程,但是应当理解,它们仅仅是以说明性和非限制性的方式提供的,并且此外可以被认为仅仅是一个或多个布置或过程可以在其中运转或操作的可能工作环境的示例。
本文所引用的所有参考文献,包括出版物、专利申请和专利,在此以相同的程度通过引用并入本文,就如同单独且具体地指示每个参考文献通过引用并入本文,并在本文完整阐述。
术语
术语“心脏活动信号”、“多个心脏活动信号”、“CA信号”和“多个CA信号”(统称为“CA信号”)可互换地使用,贯穿全文指由位于皮下或皮肤的两个或多个电极记录的模拟或数字电信号,其中电信号指示心脏电活动。心脏活动可以是正常/健康或异常/心律失常。CA信号的非限制性示例包括由皮肤电极收集的ECG信号,以及由皮下电极和/或位于心脏壁和/或心脏腔室内或附近的电极收集的ECG信号。
术语“心跳(beat)”和“心脏事件”可互换地使用,并且指正常和/或异常事件两者。
本文所使用的术语“形态(morphology)”指的是CA信号的COI。这样的感兴趣特性可以是CA信号的一段,并且可以包括波形、波长、CA信号的间隔或段、振幅、频率、最小振幅、最大振幅、波形下的面积、波长等。
结合数据、信号、信息等使用的术语“获得”和“获取”包括以下中的至少一项:i)访问外部设备或远程服务器的存储器,其中存储了数据、信号、信息等,ii)通过IMD和本地外部设备之间的无线通信链路来接收数据、信号、信息等,和/或iii)通过网络连接在远程服务器处接收数据、信号、信息等。从IMD的角度来看,获得操作可以包括:实时感测新信号,和/或访问存储器以从IMD内的存储器读取所存储的数据、信号、信息等。从本地外部设备的角度来看,获得操作包括:在本地外部设备的收发器处接收数据、信号、信息等,其中数据、信号、信息等是从IMD和/或远程服务器传输来的。从远程服务器的角度来看,获得操作可以是:例如当在网络接口处从本地外部设备和/或直接从IMD接收数据、信号、信息等时。远程服务器也可以从本地存储器和/或从其他存储器(例如,云存储环境内的)和/或从工作站或临床医生外部编程器的存储器从获得数据、信号、信息等。
可以结合一个或多个植入式医疗设备(IMD)来实施实施例。IMD的非限制性示例包括神经刺激器设备、植入式心脏监测和/或治疗设备中的一个或多个。例如,IMD可以表示心脏监测设备、起搏器、心律转复器、心律管理设备、植入式心律转复除颤器(ICD)、神经刺激器、无引线监测设备、无引线起搏器、外部电击设备(例如,外部可佩戴除颤器)等。例如,IMD可以是皮下IMD,其包括于2018年5月7日提交的题为“Subcutaneous ImplantationMedical Device With Multiple Parasternal-Anterior Electrodes”的美国申请序列号:15/973,195、于2018年5月7日提交的题为“Implantable Medical Systems AndMethods Including Pulse Generators And Leads”的美国申请序列号:15/973,219、于2018年5月7日提交的题为“Single Site Implantation Methods For Medical DevicesHaving Multiple Leads”的美国申请序列号:15/973,249中所描述的设备的一个或多个结构和/或功能方面,这些申请通过引用整体并入本文。附加地或替代地,IMD可以包括美国专利9,333,351“Neurostimulation Method and System to Treat Apnea”和美国专利9,044,710“System and Methods for Providing A Distributed Virtual StimulationCathode for Use with an Implantable Neurostimulation System”中所描述的设备的一个或多个结构和/或功能方面,这些专利通过引用并入本文。此外,根据本文实施例,可以从上述并入的专利和申请中利用一个或多个IMD组合。
附加地或替代地,IMD可以包括美国专利9,216,28“5Leadless ImplantableMedical Device Having Removable and Fixed Components”和美国专利8,831,747“Leadless Neurostimulation Device and Method Including the Same”中所描述的设备的一个或多个结构和/或功能方面,这些专利通过引用并入本文。附加地或替代地,IMD可以包括在美国专利8,391,980“Method and System for Identifying a Potential LeadFailure in an Implantable Medical Device”、美国专利9,232,485“System and Methodfor Selectively Communicating with an Implantable Medical Device”、欧洲专利申请No.0070404“Defibrillator”和美国专利5,334,045“Universal Cable Connector forTemporarily Connecting Implantable Leads and Implantable Medical Devices witha Non-Implantable System Analyzer”、题为“Method And System For Second PassConfirmation Of Detected Cardiac Arrhythmic Patterns”的美国专利申请15/973,126、题为“Method And System To Detect R-Waves In Cardiac Arrhythmic Patterns”的美国专利申请15/973,351、题为“Method And System To Detect Post VentricularContractions In Cardiac Arrhythmic Patterns”的美国专利申请15/973,307、题为“Method And System To Detect Noise In Cardiac Arrhythmic Patterns”的美国专利申请16/399,813中所描述的设备的一个或多个结构和/或功能方面,这些专利或申请通过引用并入本文。
附加地或替代地,IMD可以是无引线心脏监测器(ICM),其包括于2016年3月29日提交的题为“Method and System to Discriminate Rhythm Patterns in CardiacActivity”的美国专利申请第15/084,373号、题为“Method And System For Second PassConfirmation Of Detected Cardiac Arrhythmic Patterns”的美国专利申请15/973,126、题为“Method And System To Detect R-Waves In Cardiac Arrhythmic Patterns”的美国专利申请15/973,351、题为“Method And System To Detect Post VentricularContractions In Cardiac Arrhythmic Patterns”的美国专利申请15/973,307、以及题为“Method And System To Detect Noise In Cardiac Arrhythmic Patterns”的美国专利申请16/399,813中所描述的设备的一个或多个结构和/或功能方面,这些专利申请通过引用明确并入本文。
提供了一种包括用于检测PVC的设备算法的ICM。ICM监测CA信号的一段的COI,并且在一个实施例中,监测心脏的一系列心跳的中值R-R间隔(RRI),并且当该一系列心跳中的新的心跳低于阈值时,触发对PVC的监测。具体地,在那时,分析该一系列心跳的CA信号的形态以确定是否提供了PVC。根据该形态,如果PVC被识别,PVC的类型类似地被识别,以计算患者在不同时间段的PVC负荷。通过识别PVC(包括PVC的类型),可以防止错误的诊断,例如AF诊断,或者可以采取补救措施来减少PVC对患者的影响。
具体地,该设备算法识别单PVC、二联律(bigeminy)、三联律(trigeminy)、双连(doublet)和三连(triplet)PVC,以区分于固有(intrinsic)心跳和传导的房性期前收缩(PAC)。具体来说,与固有心律相比,PVC具有更短的周期长度或耦合间隔。附加地,PVC具有非固有形态,因为起源于心室的异常脉搏不会通过正常的传导系统传播。因此,设备算法是在逐心跳的基础上执行的,并且将每个RRI和形态与正常固有心跳的滚动缓冲进行比较。为了减少设备算法的计算负担,形态比较仅在基于RRI将心室感测(VS)事件识别为期前时才执行。如果RRI明显更短于并且形态明显不同于滚动缓冲中的固有心跳,则算法可以识别PVC。
该设备算法还通过维持由固有心跳组成的RRI滚动缓冲和形态滚动缓冲来解决由于活动和昼夜节律引起的心率正常波动,该滚动缓冲和形态滚动缓冲随着每一次心跳以先进先出的方式更新。RRI滚动缓冲可以包括三个固有RRI值。换句话说,PVC前(pre-PVC)和PVC后(post-PVC)间隔被排除在RRI滚动缓冲之外。形态滚动缓冲包括与最后三次固有心跳相关联的电描记图(EGM)。在一个示例中,从VS标记之前的20毫秒到VS标记之后的180毫秒获得每次心跳的EGM,总共持续200毫秒。固有EGM被存储在形态滚动缓冲中,以用作与期前心跳进行比较的模板。
图1示出了用于在心脏附近部位处皮下植入的ICM 100。虽然提供了ICM,但是在替代实施例中,该系统可以是ICD,包括皮下ICD。ICM 100包括相对于外壳102定位的一对间隔开的感测电极114、126。感测电极114、126提供了对远场电描记图信号的检测。电极布置的多种配置是可能的。例如,电极114可以位于ICM 100的远端,而电极126位于ICM 100的近侧。附加地或替代地,电极126可以位于ICM 100的相对侧、相对端或其他地方。远端电极114可以形成为外壳102的一部分,例如,通过用非导电材料涂覆外壳的除一部分之外的所有部分,使得未涂覆部分形成电极114。在这种情况下,通过将电极126放置在与外壳102分离的组件上,例如头部120,电极126可以与外壳102电极电绝缘。可选地,头部120可以形成为壳体102的一体部分。头部120包括天线128和电极126。天线128被配置为根据一个或多个预定无线协议(例如,蓝牙、蓝牙低能量、Wi-Fi等)与外部设备154无线地通信。外壳102包括各种其他组件,例如:用于从电极接收信号的感测电子器件、用于根据算法(例如本文所描述的AF检测算法)处理信号的微处理器、用于临时存储CA数据的循环(loop)存储器、用于在某些触发事件时(例如,AF检测)长期存储CA数据的设备存储器、用于检测患者活动的传感器以及用于给组件供电的电池。
在至少一些实施例中,ICM 100被配置为利用微创方法放置在皮下。皮下电极提供在外壳102上,以简化植入过程并消除对经静脉引线系统的需要。感测电极可以位于该设备的相对侧,并且被设计成通过在传感器-组织界面处的一致接触来提供鲁棒的发作检测。ICM 100可以被配置为由患者激活或自动激活,结合对皮下ECG信号进行记录。
ICM 100感测远场皮下CA信号,处理CA信号以检测心律失常,并且如果检测到心律失常,自动将CA信号记录在存储器中,用于随后传输到外部设备。CA信号处理和自动AF检测至少部分地由体现在微处理器中或由微处理器实施的算法来提供。ICM 100包括一个或多个处理器和存储程序指令的存储器,该程序指令指导处理器利用板上RRI不规则(on-boardRRI irregularity,ORI)过程来实施AF检测,该过程分析通过一个或多个感测通道收集的心脏活动信号。为此,ICM可以获得CA信号的一段的COI,例如RRI。然后将COI与COI限值(limit)进行比较,以确定其是否超过阈值。具体而言,在一个示例中,基于获得的RRI,ICM确定该RRI是否低于阈值,以触发分析一系列心跳的形态来识别PVC。
在一个示例中,RRI低于确定的阈值,该确定的阈值可以是特定时间段。替代地,控制器的一个或多个处理器连续地计算一系列心跳中的确定数量的心跳的RRI中值。如果RRI下降到低于中值的百分比阈值以下,则控制器的一个或多个处理器分析CA信号的形态。在这样的示例中,只有确定数量的心跳被用来以先进先出的方式确定RRI中值。因此,在进行RRI中值计算时,只使用了最近的RRI。通过仅使用最近的RRI,一个或多个处理器考虑了由于锻炼、姿势改变、睡眠、兴奋等引起的与PVC无关的RRI变化。以这种方式,避免了不必要的监测和能量浪费。
图2示出了根据本文实施例形成的ICM 100的框图。ICM 100可以被实施为通过感测电路单独监测心室活动,或者监测心室和心房活动两者。ICM 100具有容纳电子/计算组件的外壳102。外壳102(其通常被称为“罐”“、壳”、“封装”或“壳电极”)可以被可编程地选择来充当用于某些感测模式的电极。外壳102还包括具有至少一个端子113和可选的附加端子115的连接器(未示出)。端子113、115可以耦合到提供在外壳102上或紧邻外壳102的感测电极。可选地,可以提供两个以上的端子113、115,以便支持两个以上的感测电极,例如用于使用外壳102作为参考电极的双极感测方案。附加地或替代地,端子113、115可以连接到一个或多个引线,其上提供有一个或多个电极,其中电极位于心脏周围的各种位置。每个电极的类型和位置可以不同。
ICM 100包括可编程微控制器121,其控制ICM 100的各种操作,包括心脏监测。微控制器121包括微处理器(或等效控制电路)、随机存取存储器(RAM)和/或只读存储器(ROM)、逻辑和定时电路、状态机电路和输入/输出(I/O)电路。微控制器121还结合获得CA信号并分析CA信号,来执行本文所描述的操作。
可选地提供开关127,以允许在微控制器121的控制下选择不同的电极配置。电极配置开关127可以包括用于将期望的电极连接到适当的I/O电路的多个开关,从而促进电极可编程性。开关127由来自微控制器121的控制信号进行控制。可选地,可以省略开关127,并且I/O电路直接地连接到外壳电极114和第二电极126。
微控制器121包括心律失常检测器134,该心律失常检测器134被配置为分析心脏活动信号以识别潜在的心律失常发作(例如,心动过速、心动过缓、停搏、心动暂停、房颤等)。举例来说,心律失常检测器134可以实施美国专利8,135,456中所描述的心律失常检测算法,该专利的全部主题通过引用并入本文。尽管未示出,微控制器121还可以包括其他专用电路和/或固件/软件组件,其有助于监测患者心脏的各种状况并管理起搏治疗。微控制器121的心律失常检测器134包括ORI过程136,其使用R-R间隔不规则性检测心律失常发作,例如AF发作,并监测触发分析以识别PVC。ORI过程136可以被实施为固件、软件和/或电路。ORI过程136使用相似性的隐马尔可夫链和欧几里德距离计算来评估一个RRI到另一个的转变(transitionary/transition)行为,并将患者的RRI转变与从同一患者和/或许多患者获得的房颤(AF)和非AF发作期间的已知RRI转变进行比较。
对于一个或多个心跳,心律失常检测器134分析沿着皮下电极组合之间的感测向量所感测的感测远场CA信号。心律失常检测器134从CA信号中识别一个或多个感兴趣特征,并且基于对感兴趣特征的进一步分析,确定CA信号是指示正常窦性心律还是心律失常发作。
ICM还包括耦合到心律失常检测器134的PVC识别系统138。具体地,PVC识别系统138监测CA信号的一段的COI,以确定是否触发对于CA信号是否提供了PVC的确定。在一个示例中,COI是RRI,并且分析每个CA信号的RRI,以确定任何给定的RRI是否低于可以是作为PVC的结果的阈值。在一个示例中,连续计算一系列心跳的CA信号的中值RRI。具体而言,在一个示例中,仅计算最近三次心跳的中值。以这种方式,当例如锻炼、睡眠、姿势改变等自然地使RRI变化的事件发生时,能考虑这样的变化。
当RRI低于阈值时,PVC识别系统138然后确定CA信号的形态。分析CA信号的形态,以识别PVC是否已经发生,以及发生的PVC的类型。在一个示例中,将CA信号的形态与表示确定的PVC的CA信号的形态进行比较。在示例实施例中,比较可以针对形态的仅一段,包括CA信号的面积、振幅、频率等。这样的确定可以利用查找表、数学模型、数学函数、计算等来进行。
ICM 100还配备有通信调制解调器(调制器/解调器)140,以使能无线通信。在一个实施方式中,通信调制解调器140使用高频调制,例如使用射频(RF)、蓝牙或蓝牙低能量遥测协议。信号在高频范围内传输,并在液体中行进穿过身体组织,而不会刺激心脏或被患者感觉到。通信调制解调器140可以作为微控制器121的一部分在硬件中实施,或者作为编程到微控制器121中并由微控制器121运行的软件/固件指令来实现。替代地,调制解调器140可以作为独立组件独立于微控制器驻留。调制解调器140便于从远程监测网络检索数据。调制解调器140使及时且准确的数据能够从患者直接传送到医生使用的电子设备。
ICM 100包括感测电路144,其通过开关127选择性地耦合到执行感测操作的一个或多个电极,以检测指示心脏活动的心脏活动数据。感测电路144可以包括专用感测放大器、多路复用放大器或共享放大器。它还可以采用一个或多个具有可编程增益和/或自动增益控制、带通滤波和阈值检测电路的低功率精密放大器,以选择性地感测感兴趣特征。在一个实施例中,开关127可以被用于通过选择性地闭合适当的开关来确定心脏信号的感测极性。
感测电路144的输出连接到微控制器121,微控制器121进而确定何时将CA信号的心脏活动数据(由模数(A/D)数据采集系统150数字化)存储在存储器160中。例如,微控制器121可以仅当检测到潜在的心律失常发作时,将心脏活动数据(来自A/D数据采集系统150)存储在存储器160中。感测电路144从微控制器121接收控制信号146,以用于控制增益、阈值、极化电荷去除电路(未示出)以及耦合到感测电路输入的任何阻塞电路(未示出)的定时的目的。
可选地,ICM 100可以包括类似于感测电路144的多个感测电路,其中每个感测电路耦合到两个或更多个电极,并且由微控制器121控制以感测在对应的两个或更多个电极处检测到的电活动。感测电路144可以在单极感测配置或双极感测配置中操作。可选地,感测电路144可以被完全地移除,并且微控制器121基于来自直地接耦合到电极的A/D数据采集系统150的CA信号来执行本文所描述的操作。
ICM 100还包括经由开关127耦合到一个或多个电极的A/D数据采集系统(DAS)150,以对跨任意一对期望的电极上的心脏活动信号进行采样。数据采集系统150被配置为采集心脏电描记图(EGM)信号作为CA信号,将原始模拟数据转换成数字数据,并将数字数据存储为CA数据,用于稍后处理和/或遥测传输到外部设备154(例如,编程器、本地收发器或诊断系统分析器)。数据采集系统150由来自微控制器121的控制信号156控制。EGM信号可以用作心脏活动数据,针对潜在的心律失常发作对其进行分析。ACS调节和ORI过程136可以被应用于来自感测电路144和/或DAS 150的信号。
举例来说,外部设备154可以表示安装在患者家中的床边监测器,并用于在患者在家、在床上或睡觉时与ICM 100通信。外部设备154可以是在门诊中用于询问ICM 100、检索数据以及程序检测标准和其他特征的编程器。外部设备154可以是能够通过网络(例如,互联网)耦合到远程监测服务、医疗网络等的手持设备(例如,智能手机、平板设备、膝上型计算机、智能手表等)。外部设备154便于医生访问患者数据,以及允许医生在ICM 100收集CA信号时查看实时CA信号。
微控制器121通过合适的数据/地址总线162耦合到存储器160。微控制器121使用的可编程操作参数存储在存储器160中,并被用于定制ICM 100的操作以适合特定患者的需要。这些操作参数限定了例如检测率阈值、灵敏度、自动特征、AF检测标准、活动感测或其他生理传感器、以及电极极性、PVC识别等。
此外,存储器160存储CA信号以及与心律失常发作、PVC等的检测相关联的其他数据内容。ICM 100的操作参数可以通过遥测电路164非侵入性地编程到存储器160中,该遥测电路164经由通信链路166与外部设备154进行遥测通信。遥测电路164允许通过建立的通信链路166,将心内电描记图和与ICM 100的操作相关的状态信息(包含在微控制器121或存储器160中)发送到外部设备154。根据本文实施例,遥测电路164向外部设备递送DCA数据集和与心律失常发作相关的其他信息。
ICM 100还可以包括一个或多个生理传感器170。这样的传感器(在起搏器领域)通常被称为“率响应(rate-responsive)”或“锻炼”传感器。生理传感器170还可以用于检测心脏的生理状况的改变,或者活动的昼夜改变(例如,检测睡眠和醒来状态)。由生理传感器170生成的信号被传递到微控制器121以供分析并可选地结合心脏活动数据、标记(marker)、发作信息等存储在存储器160中。虽然被示为包括在外壳102内,但是生理传感器170可以在外壳102的外部,但是仍然被植入患者体内或由患者携带。生理传感器的示例可以包括例如活动、温度、感测呼吸率、血液酸碱度(pH)、心室梯度、活动、位置/姿势、每分钟通气量(MV)等传感器。
电池172向ICM 100中的所有组件提供操作电力。电池172能够长时间段在低电流消耗下工作。电池172还理想地具有可预测的放电特性,从而可以检测选择性的更换时间。作为一个示例,外壳102采用锂/银钒氧化物电池。电池172可以提供各种寿命周期(例如,三年或更长时间的设备监测)。在替代实施例中,电池172可以是可重复充电的。参见例如美国专利号7,294,108“Cardiac event micro-recorder and method for implanting same”,该专利通过引用并入本文。
ICM还可选地包括心律失常验证电路176,该心律失常验证电路176被配置为实施本文所讨论的一个或多个操作。心律失常验证电路176被配置为计算机实施的方法,用于基于CA信号的R波的感测过度(oversensing)或感测不足(undersensing)来减少心律失常的错误断言。心律失常验证电路176在IMD 100的电极处结合多次心跳获得CA信号,并且结合CA信号获得指示患者姿势或呼吸周期中的一个或多个的运动数据。该方法在一个或多个生理传感器170(例如,加速度计)处和/或经由该IMD 100的心脏阻抗(CI)感测电路来获得在心跳期间生成的运动数据。这样获得的运动数据可用于确定运动是否导致了错误的AF诊断。此外,心律失常验证电路176耦合到PVC识别系统138并与之通信,以确定PVC是否类似地导致了错误的AF诊断。
心律失常验证电路176识别来自CA信号的第一段的COI是否超过COI限值,并分析运动数据以确定姿势或呼吸周期中的至少一个是否至少部分地导致COI超过COI限值。姿势包括患者的姿势状态和/或活动水平,包括仰卧、右侧躺、左侧躺、坐着、站着、等距手臂锻炼(例如,推、拉等)、冲击(ballottement)、胸部重击、设备压力(例如,顶部、中部和底部)、手臂拍打、握手等。示例实施例中的活动水平包括患者当前经历的活动的类型,包括静止状态、休息状态、锻炼状态、行走状态等。此外,PVC识别系统138分析CA信号,以确定PVC是否已经发生。以这种方式,心律失常验证电路176还分析该PVC识别,以确定该PVC是否导致AF诊断。
图3示出了用于识别PVC的方法300。在一个示例中,ICM的一个或多个处理器实施方法300。在替代实施例中,执行该方法的系统可以是ICD,包括皮下ICD。在另一示例中,该方法由图1-2中描述的ICM实施。方法300由连续监测患者心脏的一系列心跳的ICM提供。在另一个示例中,方法300中使用的所有中值算子可以被平均值算子代替。
在302处,对于候选心跳,一个或多个处理器确定该心跳是否超过噪声阈值。具体来说,为了防止由于噪声感测过度而导致的不适当检测,当设备处于噪声反转(reversion)或噪声恢复(recovery)时,或者当VS标记处的宽带EGM振幅饱和时,算法被暂停。在一个示例中,当在短检测窗口中已经发生多个噪声阈值交叉(crossing)时,检测到噪声。噪声感测阈值的范围可以为3-127个模数转换器(ADC)计数。噪声阈值交叉的数量的范围可以从2到8。噪声检测窗口的范围为50-60毫秒。以这种方式,如果确定了候选心跳的CA信号的噪声太大,则丢弃该信号,并且不做出是否出现了PVC的确定。图4示出了示例CA信号400,其包括没有超过噪声阈值的第一部分402和超过噪声阈值的第二部分404。如图所示,第二部分的过量噪声可以导致错误的读数和诊断,使得一个或多个处理器针对这样一段CA信号不识别PVC。
如果在302处没有超过噪声阈值,则在304处,一个或多个处理器确定CA信号的一段的COI是否超过COI限值。在一个示例中,COI是候选心跳的RRI,并且如果RRI低于与该一系列心跳相关的阈值,则超过COI限值。阈值与该一系列心跳有关,因为该一系列心跳可以作为一个整体来分析。例如,阈值可以基于该一系列心跳的平均值、该一系列心跳的一部分等。在另一示例中,与该一系列心跳相关的阈值是基于该一系列心跳确定的特定时间段。替代地,该一系列心跳的RRI中值、该一系列心跳的一部分等是连续计算的。如果RRI低于中值以下的百分比阈值,则一个或多个处理器分析CA信号的形态。在这样的示例中,只有确定数量的心跳被用于以先进先出的方式确定RRI中值。因此,在进行RRI中值计算时,只使用了最近的RRI。具体而言,一个或多个处理器考虑了由于锻炼、睡眠、姿势改变等引起的变化的RRI。
在一个示例中,候选CA信号的阈值小于先前三个CA信号的中值的87.5%。通过连续监测和确定最近的候选CA信号的RRI是否低于阈值,并且直到超过该阈值才继续分析CA信号是否出现了PVC,该阈值提供了用于防止在没有出现PVC时识别是否出现PVC的电池使用的缓冲。在分析候选CA信号之后,该候选CA信号或者作为PVC被丢弃,或者成为与附加的候选心跳进行比较的该一系列心跳的一部分。当候选心跳被添加到与附加候选心跳进行比较的该一系列心跳中时,该一系列心跳中最旧的心跳被丢弃。因为先进先出过程,其中仅分析最近的心跳,并且在确定是否超过阈值时考虑CA信号,因此该过程被认为是滚动缓冲,因为阈值被连续更新和变化的。
如果在304处候选心跳没有超过COI限值,则在306处,一个或多个处理器更新CA信号形态。具体而言,正如最近的CA信号可以用于基于RRI确定中值阈值一样,CA信号也可以用于确定CA信号的平均或中值形态。然后,可以将该CA信号形态与未来CA信号的形态进行比较,以确定是否出现PVC。再次,通过利用最近的CA信号形态,例如姿势、运动、锻炼等可能自然地影响CA信号形态的因素被考虑,以便防止错误的PVC检测。以这种方式,可以将获得的COI与最相关的CA信号进行比较和分析。
在308处,在更新CA信号形态之后,确定前一次心跳是否是PVC。如果前一次心跳是PVC,则一个或多个处理器回到监测CA信号。在示例实施例中,当COI是RRI时,如果前一次心跳不是PVC,则在310处,一个或多个处理器更新RRI阈值。具体而言,丢弃记录在存储器中的最旧的CA信号,并且CA信号RRI被包括在阈值的确定中,以用于分析下一个CA信号。以这种方式,提供了类似于形态滚动缓冲的RRI滚动缓冲。在更新RRI阈值之后,再次,一个或多个处理器继续监测CA信号。
具体地,方法300通过维持由固有心跳组成的RRI滚动缓冲和形态滚动缓冲来解决由于活动和昼夜节律导致的心率的正常波动,如果当前心跳没有被确定为PVC,则以先进先出的方式随着每次心跳更新上述缓冲。在一个实施例中,RRI滚动缓冲包括三个固有RRI值。换句话说,PVC前和PVC后间隔被排除在RRI滚动缓冲之外。同时,在该实施例中,形态滚动缓冲包括与最后三次固有心跳相关联的EGM。每心跳的EGM可以取自从VS标记之前的20毫秒到VS标记之后的180毫秒,总共持续200毫秒。固有EGM被存储在形态滚动缓冲中,以便用作与期前心跳进行比较的模板。
为此,如果在304处超过COI限值,则在312处,一个或多个处理器响应于CA信号的第一段超过COI限值,分析该一系列心跳的CA信号的形态。在一个示例中,一个或多个处理器基于所分析的三个最近的非PVC CA信号来确定中值形态。通过利用最近的CA信号,再次,防止包括身体活动、睡眠等的改变导致不正确的PVC诊断。在一个实施例中,通过将形态与中值形态进行比较来提供分析。通过将当前CA信号的形态与该患者的CA信号的先前形态进行比较,进行特定于患者的分析,提高准确性。
在一个示例中,通过将CA信号的面积与中值CA信号的形态进行比较来比较形态。这样的比较如以下所示进行:
面积:if sum(abs(EGM))>=threshold1*median
其中abs(EGM)是CA信号面积的绝对值,threshold1是常量确定的阈值,其在示例实施例中为1.8125,并且median是中值滚动缓冲的形态的面积。
在另一示例中,形态比较是基于CA信号的最大值或正振幅的。在这样的实施例中,该比较如以下所示确定:
正振幅:if abs(max(EGM))-median(Max Ampmedian))>=threshold2*abs(median(Max Ampmedian))>.15mV
其中max(EGM)是最大正振幅,median(Max Ampmedian)是中值形态的最大振幅,threshold2是常量确定的阈值,其在示例实施例中为.8125,并且abs(median(MaxAmpmedian))是中值形态的最大振幅的绝对值。
在另一示例中,形态比较是基于CA信号的最小值或最大负振幅的。在这样的实施例中,该比较如以下所示确定:
负振幅:if abs(min(EGM)-median(Min Ampmedian))>=threshold2*abs(median(Min Ampmedian)AND abs(min(EGM)-median(Min Ampmedian))>=.15mV
其中min(EGM)是负振幅,并且median(Min Ampmedian)是中值形态的最小振幅,threshold2是常量确定的阈值,其在示例实施例中为.8125,并且abs(median(MaxAmpmedian))是中值形态的最大振幅的绝对值。
在另一示例中,形态比较是基于CA信号的极性的。在这样的实施例中,该比较如以下所示确定:
极性改变:xor(medianPilarity>=0,max(EGM)+min(EGM)>=0)AND abs(medianPolarity–(max(EGM)+min(RGM)))>.2mV;medianPolarity=mean(Max Ampmedian)+mean(Min AMPmedian)
其中max(EGM)是最大振幅的值,并且min(EGM)是最小振幅的值。
在一个示例中,当与在形态滚动缓冲中的心跳进行比较时,如果期前心跳满足四种状况中任何一种,该心跳被识别为PVC。否则,该心跳被认为是固有的并且据此更新滚动缓冲。
如果在312处,该一系列心跳的CA信号被确定为不是PVC,则在314处,一个或多个处理器更新CA信号形态。具体而言,正如最近的CA信号可以用于基于RRI确定中值阈值一样,该CA信号也可以用于确定CA信号的平均值或中值形态。然后,可以将该CA信号形态与未来CA信号的形态进行比较,以确定是否出现PVC。再次,通过利用最近的CA信号形态,例如姿势、运动、锻炼等可能自然地影响CA信号形态的因素被考虑,以便防止PVC的错误检测。以这种方式,可以将获得的COI与最相关的CA信号进行比较和分析。
在316处,在更新CA信号形态之后,确定前一次心跳是否是PVC。如果前一次心跳是PVC,则一个或多个处理器回到监测CA信号。在示例实施例中,当COI是RRI时,如果前一次心跳不是PVC,则在318处,一个或多个处理器更新RRI阈值。具体而言,丢弃记录在存储器中的最旧的CA信号,并且RRI被包括在阈值的确定中,以用于分析下一个CA信号。在更新RRI阈值之后,再次,一个或多个处理器继续监测CA信号。
如果在312处,确定该一系列心跳的CA信号包括PVC,则在320处,一个或多个处理器将该心跳标记为PVC。在一个示例中,将当前心跳的CA信号形态与未被确定为包括PVC的最近心跳的中值进行比较。如果CA信号形态与中值相差了阈值,则认为该心跳的CA信号包括PVC。在一个实施例中,将CA信号的COI和先前CA信号的平均COI进行比较。在一个示例中,将CA信号下面的面积与先前测量和记录的CA信号下面的中值面积进行比较。如果这样的比较相差超过阈值百分比,例如20%,则识别出PVC。在另一示例中,将CA信号的振幅与先前测量和记录的CA信号的中值振幅进行比较。在另一示例中,比较频率、间隔、形状等。可以利用数学模型、数学方程、查找表等进行该比较。在示例实施例中,当进行识别时,考虑一个以上的COI。以这种方式,考虑了更多的变量,类似地提供了更高的准确性。
在322处,一个或多个处理器确定该一系列心跳中的确定数量的连续心跳是否被认为是PVC。具体地,如果患者已改变姿势,正在锻炼等,或者如果错误的读数导致中值不正确等,这可能表示没有出现PVC。因此,如果没有达到该确定数量,则一个或多个处理器继续监测CA信号。然而,如果达到了该确定数量,则在324处,RRI和形态两者都随着PVC标识的RRI和形态而更新。具体而言,虽然通常在RRI阈值和形态阈值确定中并不利用具有所识别的PVC的CA信号,但是在达到该数量之后,每个CA信号被用于RRI阈值和形态阈值确定。因此,在一个示例中,四次连续(straight)心跳被认为是确定数量。因此,如果出现三次连续识别的心跳,则这些CA信号中没有一个被用于确定RRI阈值或形态阈值。然而,在识别第四次连续心跳时,丢弃最旧的四个RRI和形态确定,并且所有四次具有所识别的PVC的CA信号被用于确定RRI阈值和形态阈值。在另一示例中,在识别第五次连续PVC心跳时,第五个心跳的CA信号以先进先出的方式被添加到RRI和形态滚动缓冲。
PVC检测算法被设计为在以降低灵敏度为代价确保高特异性。算法的灵敏度和特异性在由94个ICM记录组成的总持续时间为832分钟的训练数据集和由100个ICM记录组成的总持续时间为864分钟的测试数据集上进行评估。每个ICM记录都被人工判定为PVC、感测过度和R波感测不足。在训练数据集中,该算法展现了78.6%的灵敏度、99.5%的特异性、70.8%的PPV、99.7%的NPV。在测试数据集中,该算法实现了75.8%的灵敏度、99.7%的特异性、82.7%的PPV和99.5%的NPV。
注意图5A、图5B和图5C,提供了包括PVC 502的示例检测到的CA信号500a、500b和500c。利用图3的方法,不仅可以识别PVC 502,而且还可以识别PVC的类型。例如,图5A示出了孤立的PVC 502,而图5B示出了一连串的二联律PVC 502,且图5C示出了双PVC 502以及孤立的PVC 502。
具体地,因为PVC识别方法在逐心跳的基础上识别PVC,该方法能够识别PVC的不同类型。PVC的示例类型包括心室二联律、三联律、对联(例如,两次连续的PVC心跳)、三连(三次连续的PVC心跳)、非持续性或孤立的PVC等。因此,临床医生有更多的信息用于诊断和分析,改善了功能。
例如,PVC识别方法可以用作鉴别器,以通过减少由于频繁的PVC导致的错误的AF检测来改善AF检测特异性。图6示出了示例CA信号600,其中PVC 602可以导致错误的AF检测的确定。通过了解PVC,包括PVC的类型,可以避免这样的错误的AF检测。
在一个实施例中,当在确定的时间段内PVC的数量超过阈值时,由ICM测到的任何AF可以被识别为错误的AF检测。在一个示例中,在确定AF之后,进行验证过程,其中对AF时间段内的PVC的数量进行计数。如果PVC的数量超过阈值数量,则可以丢弃所识别的AF。替代地,基于PVC确定,读数可以将AF识别为是错误的,以向临床医生提供信息,从而向被丢弃的AF进行附加的检查。为此,一个或多个处理器可以在消除与PVC心跳相关联的间隔(例如,每个PVC具有两个相关联的间隔,期前间隔和PVC后间隔)之后,分析CA信号以进行间隔稳定性检查。如果剩余的间隔稳定,则可以拒绝AF检测。
在另一实施例中,在确定的时间段内的PVC的数量是被用于确定是否已经发生AF的变量。因此,PVC不是验证,而是被用于进行AF识别的变量。这样的确定可以通过数学函数、数学模型、查找表、决策树等来进行。
在另一示例中,PVC识别可以在现有算法、模型等中使用,例如,在校正R波振幅中使用。具体而言,于2019年10月1日提交的题为“Method and Systems for Reducing FalseDeclarations of Arrythmias”的待审美国申请序列号16/589,978提供了这样的基于姿势的R波振幅校正,该申请通过引用整体并入本文。除了姿势变化之外,还可以利用PVC识别来校正R波振幅,以再次防止诊断出错误的AF。
在利用PVC和PVC类型识别的另一示例中,PVC和PVC类型可以用于区分室上性心动过速(SVT)和室性心动过速(VT)。图7A示出了心动过速的CA信号700,心动过速经常被误诊为VT而不是SVT。如图3中所描述的PVC识别方法可以专门用于识别更有可能是VT而不是SVT的心动过速发作。具体地,SVT心跳具有与固有心跳相似的形态,并因此不会触发PVC检测。
替代地,如图7B所示,其示出了是VT的CA信号702,检测到的PVC704可以用于诊断VT。具体而言,如果在CA信号中PVC心跳的百分比超过阈值,或者连续PVC心跳超过阈值,心动过速更可能是VT而不是SVT。在另一示例中,超过阈值的PVC心跳的百分比,或者超过阈值的连续PVC心跳的数量任一者被临床医生识别,或者用于分析以确定心动过速是VT还是SVT。通过向临床医生进行识别,可以减少发现VT的EGM检查负担。
在又一示例实施例中,PVC识别可以用作生物监测器。作为自主神经功能障碍的间接测量,心率可变性(HRV)已被证明与心脏衰竭(HF)严重程度有强关联性。因为HRV是使用固有心跳之间的RRI来计算的,所以通过排除与PVC心跳相关联的RRI,PVC方法学允许更准确的HRV评估。同样,PVC方法学还允许在确定HF严重程度时忽略一段伴有频繁的PVC的时间。
此外,PVC方法学还通过跟踪PVC后窦周期长度中的短期波动来使能心率震荡(HRT)监测。作为响应于PVC的HR的压力反射-介导(baroreflex-mediated)双向反应(biphasic reaction),HRT被证明可以预测心肌梗塞后的死亡率和心源性猝死。为了监测HRT,评估PVC后的设定数量的RRI,以确定是否发生了双相反应(例如,心率增加后的心率减少)。
结尾
应当清楚地理解,相对于附图广泛描述和示出的各种布置和过程,和/或这样的布置的一个或多个单独组件或元件,和/或与这样的程相关联的一个或多个过程操作,可以独立于或与本文所描述和示出的一个或多个其他组件、元件和/或过程操作一起使用。因此,虽然本文广泛地设想、描述和示出了各种布置和过程,但是应当理解,它们仅仅是以说明性和非限制性的方式提供的,并且此外可以被认为仅仅是一个或多个布置或过程可以在其中运转或操作的可能工作环境的示例。
如本领域技术人员将理解的,各个方面可以体现为系统、方法或计算机(设备)程序产品。因此,各方面可以采取完全硬件实施例或包括硬件和软件的实施例的形式,所有这些实施例在本文中通常被称为“电路”、“模块”或“系统”。此外,各方面可以采取体现在一个或多个计算机(设备)可读存储介质中的计算机(设备)程序产品的形式,该计算机(设备)可读存储介质具有体现在其上的计算机(设备)可读程序代码。
可以利用一个或多个非信号计算机(设备)可读介质的任何组合。非信号介质可以是存储介质。存储介质可以是例如电子、磁、光、电磁、红外或半导体系统、装置或设备,或者前述的任何合适的组合。存储介质的更特定示例包括以下:便携式计算机磁盘、硬盘、随机存取存储器(RAM)、动态随机存取存储器(DRAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、便携式光盘只读存储器(CD-ROM)、光存储设备、磁存储设备或前述的任何合适的组合。
用于施行操作的程序代码可以用一种或多种编程语言的任意组合来编写。程序代码可以整体地在单个设备上运行、部分地在单个设备上运行、作为独立的软件包运行、部分地在单个设备上运行且部分地在另一设备上运行、或者整体地在另一设备上运行。在一些情况下,设备可以通过任何类型的网络连接,包括局域网(LAN)或广域网(WAN),或者可以通过其他设备(例如,通过使用互联网服务供应商的互联网)或通过硬线连接(例如,通过USB连接)进行连接。例如,具有第一处理器、网络接口和用于存储代码的存储设备的服务器可以存储用于施行操作的程序代码,并且通过其网络接口经由网络向具有第二处理器的第二设备提供该代码,用于在第二设备上运行代码。
本文参考附图描述了各方面,这些附图示出了根据各种示例实施例的示例方法、设备和程序产品。程序指令可以被提供给通用计算机、专用计算机或其他可编程数据处理设备或信息处理设备的处理器,以产生机器,使得经由设备的处理器运行的指令实施指定的功能/动作。程序指令也可以存储在设备可读介质中,其可以引导设备以特定方式运作,使得存储在设备可读介质中的指令产生包括实施指定的功能/动作的指令的制品。程序指令还可以被加载到设备上,以使得在设备上执行一系列操作步骤,以产生设备实施的过程,使得在设备上运行的指令提供用于实施指定的功能/动作的过程。
本文的单元/模块/应用可以包括任何基于处理器或基于微处理器的系统,包括使用微控制器、精简指令集计算机(RISC)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、逻辑电路和能够运行本文所描述的功能的任何其他电路或处理器的系统。附加地或替代地,本文的模块/控制器可以表示电路模块,该电路模块可以被实施为具有相关联的指令的硬件(例如,存储在有形且非暂时性计算机可读存储介质(例如计算机硬驱动、ROM、RAM等)上的软件),这些指令执行本文描述的操作。以上示例仅是示例性的,并因此不旨在以任何方式限制术语“控制器”的定义和/或含义。本文的单元/模块/应用可以运行存储在一个或多个存储元件中的指令集,以便处理数据。存储元件也可以根据期望或需要存储数据或其他信息。存储元件可以是本文的模块/控制器内的信息源或物理存储元件的形式。指令集可以包括各种命令,这些命令指令本文的模块/应用执行特定操作,例如本文所描述的主题的各种实施例的方法和过程。指令集可以是软件程序的形式。软件可以是各种形式,例如系统软件或应用软件。此外,软件可以是独立的程序或模块的集合、较大程序内的程序模块或程序模块的一部分的形式。软件还可以包括面向对象编程形式的模块化编程。处理机对输入数据的处理可以响应于用户命令,或者响应于先前处理的结果,或者响应于另一处理机发出的请求。
应当理解,本文所描述的主题在其应用中不限于在本文的描述中阐述的或者在本文的附图中示出的部件的构造和布置的细节。本文所描述的主题能够有其他实施例,并且能够以各种方式实践或施行。此外,应该理解,本文所使用的措辞和术语是出于描述的目的,而不应该被认为是限制性的。本文所使用的“包括”、“包含”或“具有”及其变体意味着包含其后列出的项及其等同物以及附加项。
应当理解,以上描述旨在说明而非限制。例如,上述实施例(和/或其方面)可以彼此结合使用。此外,可以进行许多修改以使特定情况或材料适应本文的教导,而不脱离其范围。虽然本文描述的尺寸、材料类型和涂层旨在定义各种参数,但是它们决不是限制性的,本质上是说明性的。通过查阅以上描述,许多其他实施例对于本领域技术人员来说将是显而易见的。因此,实施例的范围应当参考所附权利要求以及这些权利要求所赋予的等同物的全部范围来确定。在所附权利要求中,术语“包括”和“其中”被用作相应术语“包括”和“其中”的简明英语等同物。此外,在以下权利要求中,术语“第一”、“第二”和“第三”等仅用作标签,并不旨在对其对象或其动作的运行顺序强加数字要求。
Claims (10)
1.一种系统,包括:
一个或多个处理器;以及
存储器,所述存储器耦合到所述一个或多个处理器,其中所述存储器存储程序指令,其中所述程序指令能够由所述一个或多个处理器运行以:
获得一系列心跳的心脏活动(CA)信号;
识别来自所述CA信号的第一段的感兴趣特性(COI)是否超过COI限值;
响应于所述CA信号的所述第一段超过所述COI限值,分析所述一系列心跳的所述CA信号的形态;以及
基于所述分析操作,识别所述一系列心跳内的室性期前收缩(PVC)。
2.根据权利要求1所述的系统,其中识别来自所述CA信号的所述第一段的所述COI是否超过所述COI限值包括:
将候选心跳的R-R间隔(RRI)以及与所述一系列心跳相关的RRI进行比较;以及
确定所述候选心跳的所述RRI相比于与所述一系列心跳相关的所述RRI的改变是否超过阈值。
3.根据权利要求2所述的系统,其中与所述一系列心跳相关的所述RRI是所述一系列心跳的平均RRI。
4.根据权利要求2所述的系统,其中识别来自所述CA信号的所述第一段的所述COI是否超过所述COI限值还包括:
基于所述分析操作,丢弃所述候选心跳或所述一系列心跳中的另一心跳。
5.根据权利要求1所述的系统,其中分析所述一系列心跳的所述CA信号的形态包括:确定所述CA信号的面积、所述CA信号的最大振幅或所述CA信号的最小振幅中的至少一个。
6.根据权利要求1所述的系统,其中所述程序指令能够由所述一个或多个处理器运行以进一步:
重复所述获得、识别、分析操作,以识别所述一系列心跳中的附加PVC;以及
基于所述PVC和所述附加PVC来确定PVC的类型。
7.根据权利要求1所述的系统,其中所述程序指令能够由所述一个或多个处理器运行以进一步:
基于对所述PVC的识别,拒绝房颤(AF)诊断。
8.根据权利要求1所述的系统,其中所述程序指令能够由所述一个或多个处理器运行以进一步:
基于对所述PVC的识别,诊断心动过速发作的类型。
9.根据权利要求1所述的系统,其中所述程序指令能够由所述一个或多个处理器运行以进一步:
响应于识别候选心跳的PVC,从心率可变性(HRV)诊断确定中丢弃所述候选心跳的RRI。
10.根据权利要求2所述的系统,其中所述程序指令能够由所述一个或多个处理器运行以进一步:
响应于识别所述候选心跳的所述PVC,分析附加候选心跳的RRI;以及
确定在所述一系列心跳中是否发生双相反应。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202163145820P | 2021-02-04 | 2021-02-04 | |
US63/145,820 | 2021-02-04 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114847966A true CN114847966A (zh) | 2022-08-05 |
Family
ID=79231061
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210099828.1A Pending CN114847966A (zh) | 2021-02-04 | 2022-01-27 | 用于识别室性期前收缩的系统 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220240830A1 (zh) |
EP (1) | EP4039191A1 (zh) |
CN (1) | CN114847966A (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024115072A1 (en) * | 2022-12-02 | 2024-06-06 | Biotronik Se & Co. Kg | System and method for identifying premature ventricular contraction events |
WO2024115074A1 (en) * | 2022-12-02 | 2024-06-06 | Biotronik Se & Co. Kg | Implantable medical device configured to compute a burden measure |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5334045A (en) | 1992-11-20 | 1994-08-02 | Siemens Pacesetter, Inc. | Universal cable connector for temporarily connecting implantable leads and implantable medical devices with a non-implantable system analyzer |
US7294108B1 (en) | 2005-01-27 | 2007-11-13 | Pacesetter, Inc. | Cardiac event microrecorder and method for implanting same |
US8121675B2 (en) | 2008-04-25 | 2012-02-21 | Pacesetter, Inc. | Device and method for detecting atrial fibrillation |
US8391980B2 (en) | 2009-07-07 | 2013-03-05 | Pacesetter, Inc. | Method and system for identifying a potential lead failure in an implantable medical device |
DE102011103829A1 (de) | 2011-06-01 | 2012-12-06 | Rheinbraun Brennstoff Gmbh | Verfahren zur Abscheidung von Quecksilber aus Rauchgasen von Hochtemperaturanlagen |
US9232485B2 (en) | 2013-08-23 | 2016-01-05 | Pacesetter, Inc. | System and method for selectively communicating with an implantable medical device |
US8831747B1 (en) | 2013-11-19 | 2014-09-09 | Pacesetter, Inc. | Leadless neurostimulation device and method including the same |
US9333351B2 (en) | 2013-12-16 | 2016-05-10 | Pacesetter, Inc. | Neurostimulation method and system to treat apnea |
US9216285B1 (en) | 2014-12-18 | 2015-12-22 | Pacesetter, Inc. | Leadless implantable medical device having removable and fixed components |
US9675270B2 (en) * | 2015-04-23 | 2017-06-13 | Medtronic, Inc. | Method and apparatus for determining a premature ventricular contraction in a medical monitoring device |
US9949660B2 (en) | 2016-03-29 | 2018-04-24 | Pacesetter, Inc. | Method and system to discriminate rhythm patterns in cardiac activity |
US11564632B2 (en) * | 2018-05-07 | 2023-01-31 | Pacesetter, Inc. | Method and system to detect noise in cardiac arrhythmic patterns |
US10777880B2 (en) | 2018-05-07 | 2020-09-15 | ST. JUDE MEDICAL LUXEMBOURG HOLDINGS II S.A.R.L. (#SJM Lux II) | Adjustable antenna system to communicate with an implantable medical device and method for using same |
US10856761B2 (en) * | 2018-05-07 | 2020-12-08 | Pacesetter, Inc. | Method and system to detect P-waves in cardiac arrhythmic patterns |
US11020036B2 (en) | 2018-05-07 | 2021-06-01 | Pacesetter, Inc. | Method and system to detect R-waves in cardiac arrhythmic patterns |
US10765860B2 (en) | 2018-05-07 | 2020-09-08 | Pacesetter, Inc. | Subcutaneous implantation medical device with multiple parasternal-anterior electrodes |
US10729346B2 (en) | 2018-05-07 | 2020-08-04 | Pacesetter, Inc. | Method and system for second pass confirmation of detected cardiac arrhythmic patterns |
US10874322B2 (en) | 2018-05-07 | 2020-12-29 | Pacesetter, Inc. | Method and system to detect premature ventricular contractions in cardiac activity signals |
US10722704B2 (en) | 2018-05-07 | 2020-07-28 | Pacesetter, Inc. | Implantable medical systems and methods including pulse generators and leads |
US11045643B2 (en) | 2018-05-07 | 2021-06-29 | Pacesetter, Inc. | Single-site implantation methods for medical devices having multiple leads |
US20200383597A1 (en) * | 2019-06-10 | 2020-12-10 | Medtronic, Inc. | Premature ventricular contraction (pvc) detection |
-
2022
- 2022-01-05 EP EP22150268.5A patent/EP4039191A1/en active Pending
- 2022-01-26 US US17/649,039 patent/US20220240830A1/en active Pending
- 2022-01-27 CN CN202210099828.1A patent/CN114847966A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
US20220240830A1 (en) | 2022-08-04 |
EP4039191A1 (en) | 2022-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11304646B2 (en) | Systems and methods for detecting atrial tachyarrhythmia using heart sounds | |
JP6603324B2 (ja) | 埋込型心臓モニタリング装置において洞不全症候群を識別するための装置 | |
CN105324076B (zh) | 阶段式心律检测系统和方法 | |
US8777874B2 (en) | Acoustic based cough detection | |
US7970473B2 (en) | Systems and methods for detection of VT and VF from remote sensing electrodes | |
US7103412B1 (en) | Implantable cardiac stimulation device and method for detecting asymptomatic diabetes | |
US9364162B2 (en) | Rejecting oversensing due to noise | |
US9486637B2 (en) | Method and apparatus for accurate separation of supraventricular tachycardia from ventricular tachycardia during posture changes | |
US8774909B2 (en) | Episode classifier algorithm | |
US6904313B1 (en) | Methods and systems for monitoring heart rate recovery | |
US20200359959A1 (en) | Device-based detection and monitoring of sleep apnea conditions | |
US20220240830A1 (en) | System for identifying premature ventricular contractions | |
US9907962B2 (en) | Arrhythmia prediction based on heart rate turbulence | |
US11918815B2 (en) | Cardiac signal T-wave detection | |
US11806156B2 (en) | Method and system for adaptive-sensing of electrical cardiac signals | |
US20220088383A1 (en) | Method for detecting pocket stability for an implantable cardiac monitor | |
EP3720348B1 (en) | Detection of slow and persistent cardiac rhythms | |
US20220386963A1 (en) | Methods and systems for enhanced posture sensing |
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 |