CN115151191A - 用于辅助标测心律异常的计算机实现的方法和系统 - Google Patents

用于辅助标测心律异常的计算机实现的方法和系统 Download PDF

Info

Publication number
CN115151191A
CN115151191A CN202080083123.XA CN202080083123A CN115151191A CN 115151191 A CN115151191 A CN 115151191A CN 202080083123 A CN202080083123 A CN 202080083123A CN 115151191 A CN115151191 A CN 115151191A
Authority
CN
China
Prior art keywords
site
electrode
activation
electrogram
computer
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
CN202080083123.XA
Other languages
English (en)
Inventor
肖莱·霍纳尔巴卡什
罗斯·亨特
理查德·席林
马尔科姆·芬利
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.)
Ruitemeng Artificial Intelligence Co ltd
Original Assignee
Ruitemeng Artificial Intelligence Co 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 Ruitemeng Artificial Intelligence Co ltd filed Critical Ruitemeng Artificial Intelligence Co ltd
Publication of CN115151191A publication Critical patent/CN115151191A/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
    • A61B5/24—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]
    • A61B5/367—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
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/053—Measuring electrical impedance or conductance of a portion of the body
    • 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
    • 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]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A61B5/361—Detecting fibrillation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2505/00—Evaluating, monitoring or diagnosing in the context of a particular type of medical care
    • A61B2505/05—Surgical care

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Cardiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

描述了一种计算机实现的方法和系统，其识别负责支持或引发异常心率的心脏的一个或多个区域。使用从多极心脏导管上的多个电极记录的电图数据，该电图数据在记录时间段内从心脏上的相应的一系列感测位置获得。所述方法包括以下步骤：根据电图识别心脏的腔室内具有电激活顺序的区域，所述电激活顺序将所述区域表征为异常心律的潜在驱动；对于在所述区域处或基本上围绕所述区域的每个感测位置，根据主要激活来确定最早激活电极位点；对于每个所确定的最早激活电极位点：计算与该电极位点相关联的多个修饰符中的每一个的值，所述修饰符是根据该位点的电图数据、该位点的组织特征或该位点的解剖学特征确定的；确定根据所述多个修饰符计算的排序因子；对所述最早激活电极位点中的每一个根据排序因子来排序；以及输出识别所述区域的数据，所述数据取决于所述排序来改变所确定的最早激活电极位点中的每一个的显著性。

Description

用于辅助标测心律异常的计算机实现的方法和系统
技术领域
本发明涉及用于辅助标测心律异常的计算机实现的方法和系统，并且具体地涉及识别在统计上可能驱动异常心律的心脏区域的方法和系统。
背景技术
心房颤动(AF)是最常见的持续性心律异常。AF的发病率正在增加的部分原因是人口老龄化，且它被称为一种日益严重的流行病。心房颤动导致心脏不规则收缩，从而引起心悸的不适症状，并增加中风、心力衰竭(HF)和死亡的风险。对于有AF症状的患者，经皮导管切除(CA)是安全治疗选择。由于对AF的更好地理解、新技术和新科技的发展以及更多的医生经验，这些手术的成功率随着时间的推移而提高。然而，这些手术的成功率仍然只保持在50％到70％之间。难以发现针对负责AF持续和维持的特定位点(以下称为AF驱动)的一个主要原因是心房颤动中激活波前的不规则和混乱性质。个体旋转、再入或焦点激活的不断曲折和不稳定性使得对激活顺序的解释非常复杂。
最近，已经开发了许多计算和电解剖方法，允许从心房内记录电数据(即电图)并以识别特定“驱动”区域的方式呈现给医生。根据驱动的频率与非驱动随机和混乱活动的激活频率之间的关系，这些驱动也可较易于或较于难识别。全景标测技术试图解决这个问题。在这里，多极导管插入受关注的心腔，同时采集跨腔室的信号。这方面的示例包括非接触式标测(Ensite，Abbott Medical；alternatively Acutus Medical)、以及特定的2D和3D接触式标测方法(例如Cartofinder、Biosense Webster、J&J；Topera，Abbott Medical；Rhythmia，Boston Scientific)。
关于电图特征是否可以在人类持续性AF中用作局部驱动的替代标记，证据是相互矛盾的。这些可称为心房颤动驱动(AFD)。可以理解，单个AFD可能会引起规律的、非纤颤性心律失常，因此AFD可被认为是心房颤动/心律失常驱动。虽然电图的组织特征可以更好地识别在AF中发挥机械作用的位点，但快速标记的可靠性较低。动物的光学标测研究表明，AF由表现出最快周期长度(CL)和最高主频率(DF)的位点维持，然而，在人类中，这已被证明是支持AF的位点的不良预测。较差的相关性可能是因为AF中的驱动缺乏时空稳定性，这可以解释快速位点的明显不一致。此外，在动物身上进行的光学标测研究表明了，在转子位点，心房内的高频至低频梯度。虽然频率梯度也已在患有AF的人身上得到证实，但这些梯度限于心房内梯度。
STAR标测方法
STAR标测方法已在上述专利申请中进行了详细描述，并在用于标测AF之前通过标测房性心动过速(AT)在体外和体内进行了标测验证。简而言之，STAR标测方法的原理是使用多个电图的时间比较来建立与AF相关的各个波前轨迹。然后将其用于识别最常在临近区域之前激活的心房区域。通过从许多激活中收集数据，可以形成统计模型。这允许根据在相邻区域之前激活的时间量对心房的区域进行排序。单极激活定时通常被视为最大负偏转(峰值负dv/dt)，但是激活定时可以从其他方法得出，例如偶极子密度或峰值双极或解析的全极电压。通过利用预定义的不应期，标测方法避免了从各个波前或分级电图中分配激活。标测方法也排除了由于传导速度限制而导致的不合理的电极时序关系。
一种形式的STAR标测显示由彩色编码的电极位置组成，这些电极位置投影到在标准3D标测系统中创建的患者心房几何形状的复制上。每种颜色代表电极相对于其他配对电极领先花费的时间比例，如STAR标测右侧的色标突出显示的那样。
当前方法的问题
可以使用寻求识别电极相对于其相邻电极的“领先”时间比例的标测系统来产生：当使用篮来标测心房时潜在AF驱动的排序位点的全局分布。然而，对于顺序高密度标测技术，无法提供关于彼此之间早期位点相对重要性的信息。例如，许多位点可都被视为领先。
对顺序采集数据进行分析的另一个问题涉及对指定为采集区域边缘的领先的解释的复杂性。这在图1中示例性示出。此类数据基于规则的解释方法是有利的，因为它允许进行自动解释，并且采集边缘的被动激活位点的显示的显著性的去除或减少降低了可被突出显示为潜在驱动位点的区域。
发明内容
根据本发明的一个方面，提供了一种计算机实现的方法，用于识别心脏的负责支持或引发异常心律的一个或多个区域，所述计算机实现的方法使用从多极心脏导管上的多个电极记录的电图数据，所述电图数据在记录时间段内从心脏上相应的一系列感测位置获得，所述方法包括以下步骤：
根据电图识别心脏的腔室内具有电激活顺序的区域，所述电激活顺序将所述区域表征为异常心律的潜在驱动，
对于在所述区域处或基本上围绕所述区域的每个感测位置，根据主要激活来确定最早激活电极位点；
对于每个所确定的最早激活电极位点：
计算与该电极位点相关联的多个修饰符中的每一个的值，所述修饰符是根据该位点的电图数据、该位点的组织特征或该位点的解剖学特征确定的；
确定根据所述多个修饰符计算的排序因子；
对所述最早激活电极位点中的每一个根据排序因子来排序；以及
输出识别所述区域的数据，所述数据取决于所述排序来改变所确定的最早激活电极位点中的每一个的显著性。
根据所述排序改变每个确定的最早激活电极位点的显著性的数据可能会抑制位点的显示，在报告/电子表格中突出显示它们，在图形显示中改变位点的视觉显著性(这可能会在心脏等的视图上交叠)，作为扫描系统的触发器以考虑/忽略该区域等。
从电图数据确定的修饰符可包括：
在电极处记录的电图的最小循环长度、在所述电极处或所述区域内记录的电图与在预定测地距离内获得的电图之间的激活频率梯度、以及在所述区域内记录的局部电图的平均电压。
关于组织特征的修饰符可以包括对通过成像确定的疤痕组织的存在和密度的测量。
关于组织特征的修饰符可以包括在位点的组织阻抗的测量。
修饰符可以根据在另一个最早激活电极位点处的治疗结果来确定。
关于组织特性的修饰符可以通过参考先前案例中相似部位的切除结果来计算。
关于解剖学特征的修饰符可以包括取决于电极位点的位置的预定加权因子。
输出数据可以包括以视觉指示显示的所述数据，所述视觉指示取决于所述排序来改变所确定的最早激活电极位点中的每一个的显著性。。
所述方法还可以包括：
确定每个电极位点的主要电图波前轨迹；
确定跨多个电极和激活的主要导出的电图激活的向量；
如果激活的方向从电极位点向靠近潜在驱动位点的一个或多个电极位点行进，则将所述电极位点分类为最早激活电极位点和潜在驱动位点；以及
参考传导速度和路径在合理激活顺序内，激活的顺序和定时在预定的生物学上合理的方式内。
在一个实施例中，如果激活跨以下至少2个电极发生，从所述潜在驱动位点所对向的顶点到所述2个电极的夹角小于预定角度，则所述位点被分类为最早激活电极位点，以及
至少一个电图激活被确定为在定义的兴奋组织弧内晚于潜在驱动位点。
预定角度可以小于180度。
该方法还可以包括：将数据输出到显示器或医疗扫描设备，以引起对腔室几何形状的显示或导航、并引导导管或电极的放置以用于随后的电图数据采集。
该方法还可以包括：识别用于所述导管或电极的随后放置的位点，以消除或确认先前确定的第一激活电极、或将所述电图数据扩展到先前未扫描或未完全扫描的区域。
该方法可以进一步包括：根据已经识别的第一激活位点的位置或者根据激活向量和信号领先分数中的梯度来识别所述位点。
该方法可以进一步包括：基本上实时地接收电图数据，并且提供与何时已对被扫描的位点进行足够的采集定时有关的指示。
确定是否已经进行了足够的采集定时的步骤可以包括确定正被扫描的位点的激活模式已经达到预定的统计确定性水平。例如，这种模式有95％的可能性不是随机的(如果节奏非常规律，这可以在几秒钟内达到)。
确定是否已经进行了足够的采集定时的步骤可以包括以下一项或多项：
倒计时预定时间段(例如，参考之前的案例为30秒)，在流动多极标测导管上的至少预设数量的电极上采集预设数量的激活循环(例如，50个激活循环)，并且采集预定时间或预定数量的激活循环，其中跨多个电极的激活模式保持在模式匹配的顺序内。
该方法还包括通过确定每个电极对中的领先电极来导出波前方向，并且处理波前方向以确定最早的激活电极是真正AFD还是代表超出测量范围被激活的被动激活位点。
有利地，在本发明的实施例中，利用附加信息，由此可以执行最早激活(领先)位点的重要性排序。在不规则复杂的节奏中，在不同时间点采集的位点可以进行比较并用于验证它们是否真正领先。心房组织区域的电活动的其他特征也可用于帮助指示切除将要中断或减慢AF的区域。其他测量因素的结合提高了指示心脏区域的能力，治疗将为该心脏区域提供最佳效果。实施例结合因素来修改、加权或进一步排列由这种标测产生的信号领先分数，以改善切除区域的选择，并指示区域对于心律失常持续存在的重要性。此外，这些因素的结合也可用于提供负权重，表明这些区域不太可能导致心律失常机制。
根据本发明的另一方面，提供了一种计算机实现的方法，用于通过分析从心脏采集的电图以识别心脏的负责支持或引发异常心律的一个或多个区域，所述计算机实现的方法使用从多极心脏导管上的多个电极记录的电图数据，所述电图数据在记录时间段内从心脏上相应的一系列感测位置获得，所述方法包括以下步骤：
通过分析电激活顺序，将心脏的腔室内的特定区域定义为异常心律的潜在驱动；
根据包括以下项的因子对将区域分类为潜在驱动进行加权：
在同一采集期间，激活产生的波前的方向从所述潜在驱动位点行进到相比于该驱动位点的一个或多个附近电极，
激活的顺序和定时在生物学上合理的方式内，参考传导速度和路径在合理的激活顺序内，
激活跨以下至少2个电极发生，从所述潜在驱动位点所对向的顶点到所述2个电极的夹角小于预定角度例如小于180度，以及
至少一个电图激活被确定为在定义的可兴奋组织弧内晚于潜在驱动位点，以及
在与第一潜在驱动位点的缺失弧相对的相邻位置执行的进一步采集没有不确认在相似位置的潜在驱动位点；以及
根据所述加权，以突出方式显示精细化的潜在驱动，所述显示与心脏腔室的计算机表示相关。
根据本发明的另一方面，提供了一种计算机系统，用于识别心肌的负责支持或引发异常心律的一个或多个区域，所述计算机系统使用从多极心脏导管上的多个电极记录的电图数据，所述电图数据在记录时间段内从心脏上相应的一系列感测位置获得，所述系统包括：
处理器；
第一存储器，用于存储接收到的电图数据；以及
存储程序代码的第二存储器，所述程序代码在由所述处理器执行时，使所述系统：
根据电图识别心脏的腔室内具有电激活顺序的区域，所述电激活顺序将所述区域表征为异常心律的潜在驱动，
对于在所述区域处或基本上围绕所述区域的每个感测位置，根据主要激活来确定最早激活电极位点；
对于每个所确定的最早激活电极位点：
计算与该电极位点相关联的多个修饰符中的每一个的值，所述修饰符是根据该位点的电图数据、该位点的组织特征或该位点的解剖学特征确定的；
确定根据所述多个修饰符计算的排序因子；
对所述最早激活电极位点中的每一个根据排序因子来排序；以及
输出识别所述区域的数据，所述数据取决于所述排序来改变所确定的最早激活电极位点中的每一个的显著性。
当程序代码由处理器执行时，可以使系统确定从电图数据确定的修饰符，包括以下一项或多项：
在电极处记录的电图的最小循环长度、在所述电极处或所述区域内记录的电图与在预定测地距离内获得的电图之间的激活频率梯度、以及在所述区域内记录的局部电图的平均电压。
所述程序代码在由所述处理器执行时，可以使所述系统通过获得对由成像确定的疤痕组织的存在和密度的测量来确定关于组织特征的修饰符。
所述程序代码在由所述处理器执行时，可以使所述系统通过获得对在所述位点处的组织阻抗的测量来确定关于组织特征的修饰符。
所述程序代码在由所述处理器执行时，可以使所述系统通过获得另一最早激活电极位点处的治疗结果来确定关于组织特征的修饰符。
所述程序代码在由所述处理器执行时，可以使所述系统通过访问与先前情况中类似位点的切除结果有关的数据来确定关于组织特征的修饰符。
所述程序代码在由所述处理器执行时，使所述系统通过访问数据以获得预定加权因子来确定修饰符，所述预定加权因子取决于所述电极位点的位置。
所述程序代码在由所述处理器执行时可以使系统：
确定每个电极位点的主要电图波前轨迹；
确定跨多个电极和激活的主要导出电图激活的向量；
如果激活的方向从电极位点向靠近潜在驱动位点的一个或多个电极位点行进，则将所述电极位点分类为最早激活电极位点和潜在驱动位点；以及
参考传导速度和路径在合理激活顺序内，激活的顺序和定时在预定的生物学上合理的方式内。
，所述程序代码在由所述处理器执行时，可以使所述系统输出视觉指示，所述视觉指示取决于所述排序来改变所确定的最早激活电极位点中的每一个的显著性。
，所述程序代码在由所述处理器执行时，可以使所述系统将数据输出到显示器或医疗扫描设备，以引起对腔室几何形状的显示或导航、并引导导管或电极的放置以用于随后的电图数据采集。
本发明的实施例寻求提供一种系统和方法，该系统和方法可用于基于人体数据来细化STAR方法和其他类似的标测方法，通常电图数据以及成像数据(例如从CT或MRI扫描采集的组织特征或解剖数据)是在电解剖映射过程中采集的，并按可以包括的以下因素的顺序，对统计识别的潜在AFD进行优先排序：
对已识别的潜在AFD的周期长度测量和比较，特别是最短周期长度、与其他已识别AFD相比的最低周期长度变化、AFD周围存在陡峭的周期长度(CL)梯度。
潜在AFD和周围电极之间的最陡峭CL梯度或CL梯度的存在可以在同一采集中记录，但仅在STAR标测生成的波前方向从AFD行进到配对的电极的情况下(以避免与波前碰撞相关的高循环长度。
如果波前在夹角小于108°(以AFD对向为顶点)的至少两个电极处传播，则该波前被认为是从该AFD位点产生的。
其他可能适用的标准包括：
如果AFD在180°弧内没有与晚于它的电图定时配对，则假定它是外围点，其激活可能来自180°弧内的方向而不是来自AFD，除非在180°弧内有疤痕。
如果AFD有多于一个晚于它的电极对，AFD仅可以被标记为此(并且这些电极对的间距足够大，在AFD被视为外围设备激活而不是真正AFD的情况下，这些电极对不允许AFD产生180°弧的空弧)。
给出了180度的示例，因为该激活位点可以被表示为来自所定义的弧内的方向，而不是来自潜驱动位点。
在优选实施例中，潜在AFD可以通过参考来自电图特征的修改特性或下层组织的组织特征来进一步细化它们的相对重要性。
一个实施例涉及一种用于分析从心脏采集的电图的系统，以
定义心脏的腔室内具有电激活顺序的特定区域，这些电激活顺序将特定区域识别为异常心律的潜在驱动，以及
通过该区域的电图特征对每个所定义的区域的重要性进行分类，而不是对激活顺序、解剖或成像特性、表面电图和/或患者特征，该电图特征可以包括：
与已识别的所有其他早期激活位点相比的最短或最小的循环长度，和/或
如果计算的激活顺序的方向是从潜在驱动行进到到与之进行比较的电极，则通过仅考虑在同一采集中记录的潜在驱动和附近电极之间的梯度，可以进一步细化，和/或
与已识别的所有其他早期激活位点相比的最低的周期长度可变性，和/或
在受关注的潜在位点的定义测地距离内(例如，对于不规则节奏＜3cm)，在同一采集中，一个早期激活位点和一个或多个电极之间的最陡周期长度梯度或周期长度梯度的存在；和/或
对单极和/或双极电图电压异常区域中的受关注位点的测地距离的评估，和/或
对频率分析或频率梯度分析的评估，例如受关注位点和定义测地距离内的其他位点的主频率，和/或
通过成像方法(如心内超声心动图、心脏磁共振成像、心脏计算机断层扫描)识别的解剖和结构特征的评估，例如：
靠近肺静脉或心耳组织
附肢和静脉的交界处
马歇尔静脉
二尖瓣环
节制索
动脉瘤
识别的疤痕
组织厚度的变化
和/或
组织电阻抗的评估，和/或
直接通过成像或参考与心脏组织接触的心脏导管的运动进行的组织运动或增厚的评估，和/或
受关注的识别位点与被其他心律标测系统识别为重要的位点之间的相关性的评估，例如对由两种或多种方法识别的受关注区域给予更高的重要性，该区域可在相同的心脏几何结构上或在相同的解剖区域内，该解剖区域在由不同心脏标测系统创建的两个或多个几何结构上；以及
应用权重对在这些位点处干预的有益效果的可能性进一步分类，这些位点可以通过参考先前采集的数据和对切除的响应来确定，其中机器学习技术可用于计算和优化要使用的加权因子，以及，
以视觉指示显示这些位点的计算重要性的分类数据。
在一个实施例中，公开了一种用于分析从心脏采集电图的系统。该系统可以定义特定区域，该区域的电极激活通常先于特定测地距离内的电极激活，并计算每个识别位置的时间比例或信号领先分数，以及
通过应用由电图、解剖或成像特性、表面电图和/或患者特征的其他特征计算的调整因子来修改领先分数。
平均波前方向或矢量的特性(来自确定每对中的领先电极，即STAR标测)可用于确认被识别为潜在AFD的电极是否确实是真正AFD。区域边缘上的电极在一次采集中被标测并被识别为潜在AFD，其可代表被动激活位点，该位点本身从测量边界之外激活。如果该潜在AFD位点可被被动激活，则其显著性可降低。
实施例可用于记录数据(突出显示可能有问题或已确认的AFD位点)。备选地，实施例可以基本实时操作，以突出显示或指示用户将电极标测导管移动到最可能覆盖AFD的区域，或指示他们从不太可能覆盖AFD的区域移开(即，使用这些特征来引导标测导管运动的系统的介绍)。
在一个实施例中，公开了一种用于记录和分析从心脏采集的电图的系统。该系统可以在心脏的腔室内定义具有电激活顺序的特定区域，电激活顺序将特定区域识别为异常心律的潜在驱动，其中通过连续多极标测采集的明显潜在心律异常驱动位点可以通过单独的规则被进一步分类，以确定单次标测采集中识别的驱动位点是否是心律失常的真正源：
其中，与同一采集期间的驱动位点相比，仅当激活产生的波前的方向从潜在驱动位点行进到一个或多个电极时，电极位点才被分类为潜在驱动；以及
仅当激活的顺序和时间在生物学上合理的方式内，参考传导速度和路径在合理的激活顺序内，并且至少2个夹角小于定义角度的电极(例如潜在驱动位点为顶点的角度小于180度)时，电极位点才被分类为潜在驱动；
并且其中，如果电极位点在定义的兴奋组织的弧内没有比它晚的电图计时配对，例如180度(因为这种激活位点可以被表示为来自该定义的弧内的方向而不是来自潜在驱动位点)，则电极位点可能被排除为潜在驱动，即将其分类为被动激活位点，并且在第一潜在驱动位点的缺失弧对向的相邻位置执行的进一步采集不能在类似的位置确认潜在驱动位点，并且其中，识别的疤痕组织被归类为不兴奋的且被认为对激活弧没有贡献。
加权因子的进一步修正和修改可取决于该区域的电图特征(除了激活顺序之外)、潜在驱动位点的解剖结构、潜在驱动位点周围的成像特性、表面电图的特征和/或患者特征。作为加权因子考虑的典型电特性可以包括：
如果计算的激活顺序的方向从潜在驱动向与之比较的电极行进，则可以通过仅考虑潜在驱动和在同一采集中记录的附近电极之间的梯度，来进一步细化与所识别的所有其他早期激活位点相比的最短或最小循环长度。
此外，与所有其他已识别的早期激活位点相比，在潜在驱动位点记录的电图的其他电特性可能被认为是相关的并且其量化可用作修改因子(包括最低的周期长度可变性)的输入，和/或
在关注的潜在位点的定义测地距离内，在同一采集中的一个早期激活位点和一个或多个电极之间的最陡的循环长度梯度或循环长度梯度的存在；和/或
对单极和/或双极电图电压异常区域中的受关注位点的测地距离的评估，和/或
对频率分析或频率梯度分析的评估，例如受关注位点和定义测地距离内的其他位点的主频率，和/或
在驱动位点的组织电阻抗的测量。
以上任何一种或组合可用于进一步确定特定位点促成心律失常发生的可能性，并且此类位点的直接量化可用作修改因子。
此外，可以使用如心内超声心动图、心脏磁共振成像或心脏计算机断层扫描之类的成像方法以及用作修改因子的输入的一个或多个所得量化度量来进行解剖和结构特征的评估。
解剖位置本身也可以与基于与解剖结构的接近程度的因子一起使用，例如计算的到任何一个或多个定义的解剖点的测地距离，例如：
靠近肺静脉或心耳组织
附肢和静脉的交界处
马歇尔静脉
二尖瓣环
节制索
动脉瘤
识别的疤痕
组织厚度的变化
可用于计算修改因子。无论是直接利用成像，还是参考与心脏组织接触的心脏导管的运动，组织运动或增厚的动态评估都可以作为修改因子来进一步细化位点的重要性。
在一个实施例中，用于分析从心脏采集的记录电图的计算机实现的方法被操作以从心脏的腔室内的电图区域中识别出具有电激活顺序的区域，所述电激活顺序将该区域表征为异常心律的潜在驱动，以及
通过对每个已识别区域应用排序因子来对每个所述定义区域的重要性进行排序，其中排序因子是多个归一化因子的乘积，并且受预定加权因子的影响，包括
一旦排除了极端异常值，该电极记录的电图的最小周期长度，和
在该电极或该区域内记录的电图与在预定测地距离内获得的电图之间的激活频率梯度，以及
该区域内记录的局部电图的平均电压，以及
这些位点的计算重要性分类的视觉指示的数据显示。
在另一实施例中，一种用于分析从人或动物心脏采集的电图的系统包括计算机处理器，该计算机处理器被配置为执行计算机程序代码以：
从电图中识别电活动的激活顺序，以定义心脏的腔室内具有电激活顺序的特定区域，电激活顺序将该区域表征为异常心律的潜在驱动，以及
通过对每个识别的区域应用排序因子，对每个所述定义的区域的重要性进行排序，
其中排序因子是多个归一化因子的乘积，并且受预定加权因子的影响，其中排序因子是根据从一组因子中选择出来的因子计算的，该组因子包括：
一旦排除了极端异常值，该电极记录的电图的最小周期长度，和
在该电极或该区域内记录的电图与在预定测地距离内获得的电图之间的激活频率梯度，以及
该区域内记录的局部电图的平均电压，以及
和表示心脏腔室的这些位点的分类的视觉指示一起显示的数据。
一次可以使用多个心脏标测系统，并且识别的受关注的位点与被其他心律标测系统识别为重要的位点之间的相关性可以用作修改因子，以给予通过两种或多种方法识别的受关注区域更高的重要性，这些方法可能位于相同的心脏几何结构上或位于由不同心脏标测系统创建的两个或多个几何结构上的相同解剖区域内。
每个定义的因子都可以受到加权因子的影响，该加权因子被设计为在这些位点处，提供干预的有益效果的可能性的度量。这些加权因子可以通过参考先前采集的数据、对先前患者的切除响应和/或通过参考研究中的同一患者的切除响应来确定。机器学习技术可用于计算和优化要使用的权重因子和最终位点，该最终位点和每个位点最终计算的重要性分类的视觉指示一起显示，如通过色标、心律失常终止的可能性百分比或有益效果或重要性排序。
本发明的实施例提供用于改进CL分析的系统和方法，表现出更快的速度和组织性的位点可以改进AF中驱动位点的识别灵敏度和特异性，如通过识别先于相邻区域激活的心脏区域。在一个实施例中，采用了STAR标测方法，但存在可以识别潜在驱动位点的其他方法。潜在AFD可以通过识别最早激活的局部区域的统计方法或其他商业方法(例如Cartofinder[Biosense Webster，Haifa，Israel]，Acutus，ECGi[例如Cardioinsight，Medtronic，Ireland]，Ablacon，Topera标测[Abbott Ltd.，Mn，USA])来识别。应当理解，适用于心房(例如AFD)的电图特征也可以适用于其他心律和腔室，例如心室纤颤或心动过速。
在实验性试验中，已使用STAR方法已经可以识别潜在的AF驱动(AFD)，并确认AFD是对那些位点的切除作出响应的潜在AFD，要么＞30ms的AF周期长度减慢，要么AF终止。然而，应当理解，其他因子也可以用来更准确地识别AF驱动。
此外，测试表明，使用STAR方法识别的驱动位点在维持AF方面表现出更快的速度和组织性，这在机械性上更重要，切除终止AF的可能性更大就证明了这一点。
有几种新颖的方法可以用作加权因子，这些加权因子可以用于修改可以在本发明的实施例中使用的信号领先分数(排序因子)。这些可以细分为与单个电极相关的修饰符、与单个电极与周围电极之间的关系相关的修饰符、与非电解剖学或生理学导出的特定位置和个体患者特定数据相关的修饰符、来自患者组的结果特征的位置特定修饰符和一般修饰符，其中可以包括人口统计数据。
本发明的实施例包括一种装置和相关的计算机实现的方法，其寻求提高从电解剖标测中识别潜在心律失常驱动位点的有效性，从而允许它们被更好地分类并确定它们的重要性。产生的数据可以显示给医生或以其他方式输出或传递给其他系统。它可以在心脏导管手术期间使用，例如导管切除手术(立即或稍后一段时间)，以突出切除将产生最有益效果的位置。此类数据可用于实现非侵入性疗法的靶向，例如，放射治疗、伽玛刀、质子束治疗。
本发明的实施方案的一种潜在用途是治疗已被诊断患有持续性心房颤动并且由肺静脉隔离组成的切除治疗未导致其心律失常完全停止的患者。在这些患者中，可以使用诸如STAR标测的其他标测过程来更好地靶向进一步切除，并且该过程将通过本发明的实施例得到改进。
附图说明
现在将参考附图仅作为示例描述本发明的实施例，其中：
图1a-d是示出了在本发明的实施例中确定驱动位点的方面的示意图；
图2a-e是示出了在本发明的实施例中进一步确定驱动位点的方面的示意图；
图3a-3e是示出了在本发明的实施例中确定和使用最大扩展角的示图；
图4a-b是示出了本发明实施例方面的操作的示意图；
图5是在篮式导管电极处获得的循环长度(CL)直方图；
图6是示出已识别的潜在AFD的研究的流程图；
图7a-f是从受治疗者获得的图像和电图；
图8a-c是从受治疗者获得的图像和电图；以及
图9a-cii是从受治疗者获得的图像和电图。
具体实施方式
在下面描述的实施例中，该系统可以与全腔室篮式导管(Conste llation导管，Boston Scientific，ltd，US and FIRMap导管，Abbott，US)结合使用，以允许同时进行全景左心房(LA)标测。然而，其他合适的导管/电极也可用于获得电图数据，而不必同时从整个受关注区域收集数据。例如，可以将受关注的区域划分为更小的区域，在分析之前按顺序收集电图数据。然后可以将分析结果组合并显示在单个STAR标测中。
用于获取和处理电图数据的系统通常包括一个或多个插入患者的心腔中的多极电导管(例如上面提到的篮式导管、以及其他心内导管，例如放置在冠状静脉窦中的十极导管)、放大器和模数(AD)转换器、包括信号分析仪、处理器和GPU在内的控制台、显示单元、控制计算机单元、用于确定和集成电极的3D位置信息的系统。
该系统可以使用已知的硬件和软件，例如用于导管、3D电解剖集成和处理单元的CartoTM系统(Biosense Webster，J&J)、NavX Precis ionTM(Abbott Medical)或RhythmiaTM(Boston Scientific)。可以使用导管，例如“篮式”导管、圆形或多样条标测导管(例如切除Lasso导管、Biosense Webster、J&J，HD-mapping导管、Abbott Medical SJM、PentarrayBiosense Webster、J&J)、去极导管或导管。这些系统和导管用于收集电图信号以及在心脏腔室内不同位置与电活动有关的相应位置和时间数据。这些数据被传递到处理单元，该处理单元对这些数据执行算法计算，并旨在转换这些数据以向医生提供心脏内最有可能导致异常心律的保持和持续的区域的位置信息。备选地，该系统可以使用定制导管、跟踪系统、信号放大器、控制单元、计算系统和显示器。
在上述专利申请中，描述了一种标测系统，以下称为“排序信号的随机轨迹分析(STAR)标测”系统。它的目的是识别心律失常的驱动位点，其例如可以以3D图的形式显示。使用STAR标测系统创建的标测称为“STAR标测”。
当进行STAR标测(以及为本发明的实施例采集数据)时，医生可以：将多极全景标测导管放置在左心房外侧，采集一段时间(例如5秒到5分钟)的数据，然后重新定位导管以确保与左房隔壁或前壁紧密贴合，并进行另一次记录。应当理解，这可以提前执行并且对预记录的数据进行处理。
“领先”电极的比例将在标测之间相关，因此数据和比例将能够毫无问题地在同一标测上显示。通过这种方式，可以通过在腔室内移动导管并采取进一步的记录来依次建立多个相关的统计图。
以下是采集电图数据(以及相应的空间和时间数据)后用于识别“领先”信号(其表示在统计上可能驱动心脏中的异常心律的区域/位点)过程中的主要步骤。
首先，从输入的电图信号中去除干扰和远场信号分量。在一个实施例中，系统将信号分解成相关的分量，例如通过频谱分析、远场信号消隐、远场信号减法、滤波或通过本领域已知的另一种方法。识别来自心脏中的受关注腔室内的信号分量(例如心房信号)。可以以明确的、随机的或概率的方式建立心房信号的相对时序。在一些实施例中，可以确定每个信号的相位并且根据不同电极之间的相对相移建立相对时序。
其次，来自相邻电极的信号时序是配对的。只有当电极彼此之间的位置在指定的测地距离内时，信号才会相互配对，即只有彼此靠近的电极才会相互配对。这可以通过仅配对位于腔室壁同一侧面的电极来进一步改善；即心脏后壁上的相邻电极将被认为是相邻的，但如果电极位于不连续的相对侧，则不会被认为是相邻的，例如肺静脉，即使这些电极之间的绝对距离可能很小。因此建立了成对电极处的激活的相对时序，并对“领先”电极赋值。这种配对可以针对离散的分析时间段执行，通常持续时间在10毫秒和200毫秒之间。分析时间段的长度不需要在所有被分析的数据中保持不变。目的是比较由相同激活顺序引起的成对电极激活之间的时序，并可以相应地确定分析时间段。例如，可以选择每个分析时间段以包含可能由相同激活顺序产生的电极激活。因此，分析时间段可以彼此重叠。
第三，这个过程在给定的时间段内重复多次(即对于多个许多分析时间段，对于每个配对)。有利地，分析时间段重叠，并且相对于初始分析时间段偏移，例如10到120秒。如上所述，在给定时间段内，分析时间段可能重叠。例如，如果分析时间段为200ms，则分析时间段可能重叠100ms，即50％。换句话说，在第一个200ms时间段内确定领先电极，然后对于第二个200ms时间段内，第二时间段在第一时间段开始后100ms开始，依此类推，持续给定时间段。与分析时间段本身一样，重叠程度可能因数据集而异。通过这种重复分析，可以丢弃重复频率较低或根本不重复的激活顺序，并以更高的重要性和优先级对出现频率更高的激活顺序进行排序。
在心房颤动中，激活模式随着波前传播的频繁变化而显得混乱。计算了激活标测中每个位点先于其每个相邻位点的“时间”的相对比例，因此创建了更频繁“领先”电极位点的比例标测。
第四，计算每个记录区域“领先”激活花费的“时间”比例。该计算可以基于判断每个电极领先其成对电极的实际持续时间。备选地，它可能是位点在标测激活中领先的总分析时间段(无论这些时间段的持续时间彼此相同还是不同)的比例。因此，在一些示例中，相对比例实际上是通过查看给定电极看到的心房激活信号的总数，并确定相对于多个其他彼此配对的电极，该电极领先的那些激活信号的比例来确定的。尽管仅标测相邻电极可能会引起错误，但系统会针对每个激活周期将所有电极相对于所有其他电极进行标测，以在标测场内建立激活方向。对顺序进行分析来识别记录期间的主要激活顺序和导致这些激活的位点(即激活发出的点)。具有表示局部源和AFD的轨迹的激活顺序被认为在机械性上很重要。STAR标测系统计算激活顺序与给定向量的比例以建立主导向量(如果有)并计算跟随该向量的激活的时间比例。对于标测场中的所有位点，计算来自该位点的标测激活的比例以确定其相对重要性。这些比例可以称为“领先信号分数”，并允许进一步修改、比较和计算。
领导信号分数被标准化，以便比例可以在整个心脏中进行比较。可以设想该数据的统计过程、标准化和随后显示的许多实施例。
完全覆盖在心脏激活的被动区域上的电极将倾向于具有发出很少的激活(如果有)的区域。只有在激活顺序中频繁地“领先”的激活位点才会被赋予值，该值表明有很高的可能性作为激活源。类似地，当考虑重叠电极采样位置A和B，并且最早在样品A的边缘重复激活时，可以看到从B行进到A的激活，因此可以认为A的早期激活位点被动的，并且认为来自样品B的电极是领先的，因此更加强调来自样品B的领先电极。
这个过程可以在多个记录时间段和位置上重复，以进一步细化和定义重复和丢弃不重复的激活模式，从而建立比从多极电极导管记录的单个激活所得到的区域更广泛的标测区域。
STAR标测方法可以在实施例中用于：对于心脏的腔室内具有电激活顺序的区域，识别主要地最早激活电极位点，该电激活顺序将该区域表征为异常心律的潜在驱动。备选地，可以使用在CartoTM系统(Biosense Webster，J&J)上运行的CARTOFINDERTM模块等方法来指示电极位置比其相邻在前的激活的时间比例。该信息可以被归一化以形成信号领先分数，该信号领先分数可以在所描述的方法中用于提供关于这些位点的重要性的改进信息。
在一个实施例中，使用计算机实现的方法来识别负责心脏中的支持或启动异常心律的一个或多个区域。该计算机实现的方法使用多极心导管上的多电极阵列的多个电极记录的电图数据，电图数据从记录时间段内心脏上的相应感测位置系列获得。所述方法包括以下步骤：
从电图中识别出心脏的腔室内具有电激活顺序的区域，该电激活顺序将该区域表征为异常心律的潜在驱动，
对于在所述区域处或大致围绕所述区域的每个感测位置，
针对每个确定的最早激活电极位点
对于每个所确定的最早激活电极位点：
计算与该电极位点相关联的多个修饰符中的每一个的值，所述修饰符是根据该位点的电图数据、该位点的组织特征或该位点的解剖学特征确定的；
确定由多个修饰符计算的排序因子
对所述最早激活电极位点中的每一个根据排序因子来排序；以及
输出识别所述区域的数据，所述数据取决于所述排序来改变所确定的最早激活电极位点中的每一个的显著性。这在下面的示例中进行了讨论。
图1a-d是示出了驱动位点(对应于异常心律的潜在驱动的最早激活电极位点)的确定的方面的示意图。
图1a示出了人类心脏心房的示意图。该图显示了驱动心房颤动的3个激活位点，由圆圈A、B和C表示。这些可以通过多种方法识别为驱动位点，例如排序信号的随机轨迹分析(STAR标测)。在心律失常波前的顺序标测中，电图波前轨迹是通过使用多电极阵列来确定的，由大圆圈MEA表示，大圆圈MEA包围包括电极e1的许多单独电极位点。导出的电图激活向量是跨MEA导出的，这里用箭头线表示。在这个示例中，最早激活位点被确定为e1。当MEA移动到新位置时，如图1c的画面所示，覆盖原始位点e1的电极位点不再是代表驱动位点特征的领先位点，电极位点e1’实际上通常在激活中领先。
在本发明的实施例中，当电极阵列采集的边缘上的电极位点在一次采集中看起来领先但在与第一采集中的领先位点重叠的另一采集中没有领先时，该位点被分类为驱动。
现在考虑位点e1’，它在图1c的画面中表示领先，并且实际上覆盖了真实的驱动位点(图1a中的位点A)。这里，在图1d的画面中表示第三采集的执行，但在这种情况下，覆盖位点e1’的电极(e2’)继续具有领先电极的信号的特性，而边缘电极位点e1”现在移动到以下区域。系统确认了在e1’(和e2’)处的位点驱动位点现在确定地是驱动位点。
以这样的方式在心脏腔室周围执行电图的连续采集可用于从由于远程驱动位点传导而被动激活的明显的驱动位点中区分出真正的驱动位点。
本领域的技术人员将考虑，一旦所有位点都被标测，在标测期间或任何中间点动态地执行这种顺序标测和驱动位点的确定是可能的。例如，可以从采集的数据、确定的潜在驱动位点的位置中生成标测，并且可以将在区域中需要通过进一步标测或电图采集来确定地分类为潜在驱动(或不是)的潜在驱动位点在给用户或医生的标测中突出显示。可以设想采用这样的系统来引导机器人控制的导管朝向和围绕潜在驱动位点进行标测。
图2a是具有由星A1和A2表示的两个独立的驱动位点的心腔(此处为左心房)的示图。心脏激活波前的一般矢量由阴影箭头表示。
在本发明的实施例中，如图2b所示，具有电极e1至e10的多极标测导管放置在AF驱动A1的上方。电极e2最早被激活，激活向量通常远离该位点。结果显示的向量都朝向具有最高领先信号分数的e2电极(为清楚起见，仅显示来自e2、e3、e5和e9的箭头)。结果，e2向用户突出显示。
如图2c所示，然后将多极标测导管移动到远离两个激活源的位点。“领先信号分数”现在将在外围电极e9’上最高。激活通常在一个方向上，通常外围电极e9’领先所有其他电极。
图2d示出了简化的串接标测，如STAR中所示，其中突出显示了每次连续采集中具有最高信号领先分数的电极。代表AFD的两个位点现在显示为轮廓而不是实体形状。在此示例中，突出显示了两个电极e2和e9’。很明显，尽管电极e9’被归于高领先信号分数，但这并不表明该电极指示AFD的真实位置，不像e2。所描述的发明通过根据朝向采集外围的位点的合成矢量识别这种位点来修改该位点的显示，其中相邻采集的激活顺序是一致的(即在大致相同的方向上/远离位点e9’)。实验观察还表明，与真正AFD相比，这些位点在其他指标上表现出差异，例如激活频率、电图电压和主频率。
在图2e中，示出了由实施例所得到的标测，尽管信号领先分数明显很高，但e9’已被识别为不太可能是AFD位点。因此，通过减小投影尺寸、减少颜色高亮或类似方法来修改电极的可视化。位点e2可以通过增加颜色强度、大小或其他视觉修改来进一步突出显示。
在优选实施例中，驱动位点的标测的图形表示在显示单元上显示。
在一个实施例中，所识别的潜在AFD的相对重要性可以通过参考来自电图特征、组织特征或底层组织的其他标准(例如解剖学)的特定修征特征来进一步细化。
在该实施例中，在整个心腔的不同电极位点的电图采集是按组(g1-等到gx)顺序进行的。例如，五角阵标测导管上的电极(e1到e20)可以移动到患有心房颤动的患者左心房内的不同位点，并在每个位点进行不同的顺序电图采集。
根据每个顺序采集的电图数据集，计算组内每个电极的信号领先分数。这可以通过例如STAR方法或另一种基于统计的方法来表明，在该电极上看到的激活先于同时采集的由其他电极位点检测到的激活的时间比例。
备选地，其他方法可以提供在其他位点之前激活的激活比例，或在采集中该特定电极被视为领先的电极比例，或混合指标。
考虑在单组采集(g1)上有5个电极(e1-e5)的情况：
Figure BDA0003669680250000221
对于这些位点中的每一个，可以计算一个或多个其他因素，例如每个电极处的循环长度变化或最小平均循环长度。
通过对采集中每个电极上的所有激活进行最初识别来计算周期长度指标。
为了计算最小稳定循环长度(Min-CL)，对初始的激活到激活的耦合间隔进行过滤，以去除比平均循环长度附近的设定点更快或更慢的任何激活。例如，忽略比平均CL快或慢30％的激活。剩余循环长度中最短的可代表不稳定的激活，因此最短的10％的激活被排除在外。Min-CL的赋值是其余值中的最小值，相当于被排序的激活间隔的第9个十分位中的最短循环长度，其中最长的循环长度在第一个十分位中，依此类推。
例如，每次连续采集(此处为g1-g3)的每个电极位点都有计算的Min-CL值(以ms为单位)。
Figure BDA0003669680250000231
可以在所有位点上执行min-max特征缩放归一化，从而允许在单独的采集之间比较min-CL。在修改变量Min-CL的情况下，对采集的值的范围执行这种归一化。在此示例中，从所有电极和采集的所有Min-CL的最大值中减去的Min-CL的绝对值被归一化为该值的变化。
例如对于g2e2，
abs(187ms-201ms)＝14ms；
以及
CL的变化＝36ms；
所以
g2e2的归一化min-CL＝14/36
＝0.39
该值可以乘以该电极的原始信号领先分数(此处为0.2)，以给出修改后的信号领先分数，即
0.2*0.39＝0.05
此时，所有修改后的信号领先分数都可以再次被归一化。
Figure BDA0003669680250000241
在此示例中，位点g1e3和g3e5将是分数最高的两个位点。相比之下，位点g2e5的领先分数降低了，因为这里的min-CL值远高于其他位点。
可以在标准化之前对每个修改的变量使用加权。
可以理解，这种为从STAR标测或其他电解剖标测方法导出的电极领先信号分数提供加权的方法，可应用于其他电生理现象，例如周期长度变化、该位点的双极或单极电压信号、电图持续时间、或其他电极激活的稳定性(即其他电极上的低CL可变性)。
可以从查找表应用进一步修改的变量，例如与本身可以手动或自动标记的解剖位点有关。备选地，它们可以从如MRI或CT扫描导出的解剖学或组织测量中计算出来。
优选地，例如通过增加或改变在数据输出中呈现的心腔表面上的区域或位点的大小、不透明度、颜色或标记来突出显示与采集最高排序、归一化的修改的信号领先分数位点的位置相对应的几何位点。
在可用于上面列出的内容补充或备选的优选实施例中，通过参考通过如STAR标测所确定的激活向量来确定：潜在AFD是否真的是真正AFD。
如前所述，优选地通过在整个心腔的不同电极位点按组(g1等至gx)顺序地采集来获取电图。对于电图的每个同时组采集，通过参考信号领先分数(未修改的)或根据其他方法(例如波前方向计算)得出激活的近似向量。被具有较低信号领先分数的电极包围的具有高信号领先分数的电极很可能代表真正AFD的位点。然而，在采集几何结构外围且具有高信号领先分数的电极可代表真正AFD，或者仅仅是在该特定采集中最接近AFD的被动激活位点。有利的是，自动地指示：采集是否可能为被动激活位点。
为了确定采集中的领先电极位点(例如e1)是否可能是真正AFD，识别了在该组采集中具有最高信号领先分数的电极。在电图采集位点的中点处创建腔室的几何表面的切平面。使用高度平滑的腔室几何表示来防止平面内化是有利的。然后计算来自e1任意二等分的面内角度分布，并确定围绕该点的电极的面内角度分布(扩展角)。周围电极之间没有大于预定角度(例如120°)的角度分离表明e1可能是真正AFD。
因此，可以由查找表确定的或作为预选值的修改因子应用于识别为AFD的领先电极位点。备选地，采集时电极之间的最大角度分离可以反向重新缩放(1-(min-max归一化))，并将其用作修改的变量。
例如，考虑在采集g1时e2被4个电极包围的情况，以及这些电极的连续角度分离为93°、65°、119°和83°。因此，此示例采集的最大角度为119°。获取的最大扩展角如＞170°，意味着潜在AFD位点位于其电极组的边缘。
在此示例中，另外三个采集的位点(g2到g4)为每次采集提供了174°、120°和240°的最大角度分离。
这些角度可以进行归一化以提供修改因子，该修改因子可以通过加权应用于每次采集时看到的每个最可能的AFD。在此示例中，1、0.55、0.99和0可来自标准的max-min归一化。使用最大可能分离(360°)而不是测量的最大角度分离来提供非零归一化修改因子，在此示例中：1、0.77、0.99和0.49。
在潜在AFD位点的最大扩展角大于170°的情况下，则必须确定该位点是否是被动激活的。这可以通过参考在潜在AFD的预定测地距离内且在最大扩展角弧内发生的其他采集来执行。
确定被动激活
通过参考与最大扩展角度弧内覆盖的位点靠近的单独采集的激活顺序或平均波前矢量，可以将位于同时采集的外围的潜在AFD位点的电极分类为可能的真正AFD或被动激活位点。优选地，这些在所讨论的AFD位点的一定测地距离内，通常在预设定的距离内，例如3cm内。
例如，电极采集g1e1位于采集的外围，并被识别为潜在AFD。在3cm内和最大扩展角弧内执行进一步的采集g2并应用计算。如果g1e1是被动激活的，则预期g2上最近的电极信号领先分数会很低。这可以定义g2的一个(或多个)最近电极(例如g2e1)上的信号领先分数，其比g2的所有信号领先分数低50％。此外，这些电极的激活向量将定向远离g1e1，即位于平面切线上，例如90°和270°之间，其中从g2e1到g1e1的向量取为0°。
如果这两个条件都满足，g1e1可以定义为绝对被动激活位点。可以应用修改因子来减少其信号领先分数，从而通过在计算中减少g1e1的显著性来进行修改。该修改因子可以根据查找表或先前调查是任意的，并且可以应用于单个电极位点(g1e1)或应用于跨顺序采集中的所有电极(例如g1)。
然后可以执行迭代处理，其中在信号领先分数的重新分配和归一化之后，重新计算信号领先分数。
然而，如果g2e1和/或其相邻信号领先分数很高(例如，在激活g2的领先信号分数的前75％内)，并且激活向量朝向位点g1e1(例如，在平面切线电极间向量上的-90°和+90°之间)，真正AFD驱动可能位于两个电极位点或非常靠近这两个电极位点。可以应用正向修改因子，并且可以在视觉上突出显示g2e1和g1e1之间的区域。
可存在这样一种情况：具有高信号领先分数的电极位于采集的边缘，并且在最大扩展角弧和定义的测地距离内都没有采集。在这种情况下，可以在显示画面上突出显示该区域，以表明应在该区域进行进一步采集。这可以通过用不同颜色突出显示或通过用箭头、指针或其他动画指示应执行进一步采集的区域。
在这样的采集期间，可以显示对是否已经采集了足够的电图数据加以表示的指示器。最简单地，这可以是简单的计时器，但其他指示器可以计算每个电极上的电图激活的次数，并通过参考预定值来预设目标数量。
图3a-3e是示出了在本发明的实施例中最大扩展角的确定和使用的示图。
图3a示出了具有6个标记为e1到e6的电极的多极标测导管。在此示例中，电极e6具有比其他电极高的信号领先分数。该电极和周围电极之间的激活向量由实线箭头绘制，这些在e6处投射在对平滑心腔表面表示的切面上。这些向量之间存在角，这些向量例如从e6到e1和从e6到e5的两个向量，这里的角度由
Figure BDA0003669680250000271
给出。在这个示例中，e6被电极包围，可以称为最大扩展角的最大角度
Figure BDA0003669680250000272
小于预设的最大值，例如120°。这证实了e6作为AFD，因此可以应用修改因子。
图3b现在示出了移动到另一位置的相同电极布置。这里潜在AFD，即信号领先分数最高的电极，为e1。然而，在这个示例中，最大的电极间角度现在是
Figure BDA0003669680250000281
其大于设定的量(例如170°)，从而确认这作为激活的外围点。
图3c示出了设定直径(例如3cm)且以最大扩展角(在本例中为
Figure BDA0003669680250000283
)对中的弧可以考虑为如阴影区域所示。这可能完全覆盖角
Figure BDA0003669680250000282
或可能更小并以它对中。然后考虑来自位于该弧内的单独分组采集的最接近的两个或多个电极激活。
如图3d所示，然后考虑来自位于该弧内的单独分组采集(g2e1-g2e6)中最接近的两个或多个电极激活。在此示例中，最近的两次采集g2e4和g2e3都具有低信号领先分数，并且不是潜在AFD。此外，由粗实线箭头表示的平均激活向量朝向e1(而不是远离e1，如果e1是真正AF D，则可以被预期)。这证实了本示例中的e1不是AFD，并且可以对其应用修改因子以降低其视觉显著性。
图3e示出了另一种情况，进一步采集(g3e4)中的最近电极中的一个电极具有高的信号领先分数，并且来自该电极的向量与来自e1的向量方向相反。这表明在这两个电极附近确实存在AFD，并且它们之间的区域可突出显示(例如，此处带有条纹圆圈)。
图4a和b示出了如何将来自其他电图分析或来自成像技术的数据可以与通过电图矢量标测所识别的区域结合使用，以更好地对识别出的区域的重要性进行分类和排序。在此示例中，首先使用标测技术来识别区域A、B和C，例如STAR标测；将可以指示对维持心律失常很重要的区域的可能性的数据集进一步组合，并用于对已识别的驱动位点的排序。这样做的一种方法是使用区域以提供归一化的修改因子，然后将其应用于相应的驱动位点。可以将若干修改因子应用于每个识别的驱动位点，以给出由原始标测方法识别的所有驱动位点的各自重要性的最终可能排序或显示。可以进一步应用诸如来自历史患者数据的数据，并且可以使用机器学习算法来确定要使用的准确的修改因子以及应用它们的排序。
如图4a所示，从电解剖标测采集的数据可以用于通过激活顺序标测(例如STAR标测)来确定潜在驱动位点，也可以用于分析这些位点的其他电特性(即分析这些区域的电图特征)。如果标测已经顺序地发生，则可以使用如图1中详述的另一种基于规则的方法，以去除实际上是被动激活的驱动位点。这些得到的数据可以进一步与正在研究中的有关该患者心脏的其他信息结合，例如成像导出指标，通过该成像数据将产生修改因子，该修改因子可以被归一化、加权并用于修改归于每个识别的驱动位点的重要性。此类数据可是包含如百分比疤痕、壁厚度或组织水肿测量值在内的心脏MRI数据，其本身可由用造影剂的增强尺度组成，例如晚期钆增强。修改信息的另一源可以参考历史数据，该历史数据可以与机器学习技术相耦合，以进一步导出每个识别出的潜在驱动位点的修改因子。
图4b示出了通过所提出设备的数据流。电图数据是通过连接到心脏标测系统的多极标测导管采集的，该系统可以合并到或分离到3D电解剖标测系统中。应当理解，不是使用心内导管来收集关于心脏电图的数据，而是可以通过逆解来使用表面电图以在心腔表面的表示上获得“虚拟”电图。然后将数据传输到分析模块，该模块可以作为单独的计算机存在或集成到电解剖标测系统。在这里，在与心脏的3D解剖表示集成并显示给用户如医生之前，执行图4a所述的数据集成和处理。
图5示出了在篮式导管电极之一处获得的循环长度(CL)直方图，其中记录百分比由y轴上的每个CL和x轴上的CL组成。每个条形代表一定义的CL。出于说明目的，排除了沿平均值的频率较低的CL。Ai示出了在131ms处的Min-CL，它也代表主要的CL。根据方法的一部分，在102ms和105ms处的CL被排除在外，因为它们代表比在电极处记录的平均CL的30大％的CL，并且仅代表小于总记录CL的10％。Aii示出了135ms处的Min-CL，而主要的CL为142ms。同样，根据上述方法的一部分，在105ms和109ms处的CL被排除。
图6是研究的流程图，其示出了已识别的潜在AFD和与切除响应相关的AFD、以及其中有多少与Min-CL、最低CLV、区域DF梯度和LVZ的位点共同定位。
图7A-F是从受治疗者(患者ID 6)获得的图像和电图。图7A)有标题的顶视图中的LA的STAR标测示出了标测到顶端中部的潜在AFD。图7B)，图标题的顶视图中的标测CL图展示了在标测的潜在AFD处的整体最快的Min-CL。图7C)有标题的顶视图中的CLV标测展示了在标测的潜在AFD处的最低CLV。图7D)示出了由STAR标测方法指定的潜在AFD(由星号突出显示)和相邻电极处获得的电图。在潜在AFD处获得的电图表明了，与其相邻配对位点相比，该位点处于领先并且具有更快的CL。图7E)顶视图中LA的CARTO标测，其展示了由STAR标测引导的潜在AFD处的切除。图7F)电图示出了在潜在AFD处切除时，AF终止为窦性心律。
LUPV-左上肺静脉
RUPV--右上肺静脉
LAA-左心耳
MVA-二尖瓣环
图8A-C是来自不同受治疗者(患者16)的图像。在图8A)中，有标题的侧视图中的LA的STAR标测中示出了潜在AFD。8B)如有标题的侧视图的CARTO LA标测所示，在该位点进行的切除导致AF至AT终止。8C)潜在AFD与区域性的最快CL的位点共同定位，该位点从相邻电极获得的CL减少。
LUPV-左上肺静脉
LAA-左心耳
MVA-二尖瓣环
图9A-C是来自又一受治疗者(患者ID 18)的图像。在图9A)中，侧视图中的LA的STAR标测示出了潜在AFD。9B)潜在AFD与区域性最高DF的位点共同定位，从相邻电极获得DF的减少。9Ci-ii)如从BARD获得的电图所示，在潜在AFD处的切除导致CL从164ms到229ms减慢。
LUPV-左上肺静脉
LAA-左心耳
MVA-二尖瓣环
实验结果
发明人进行了如下所述的实验以进一步细化和开发STAR标测，并建立了一系列参数，这些参数可以用作修改因子以确定其他因子，通过这些其他因子可以根据其重要性或作为真正驱动位点的可能性，将潜在驱动位点分类。
参数开发方法
所有患者都有使用具有2-6-2mm电极间距的PentaRay Nav导管创建的高密度双极电压标测。由于不与心肌接触，距几何表面≥3mm的点被过滤，同时采集的点被呼吸门控以优化解剖定位的准确性。
参数的检查
双极电压和AFD
每位患者至少采集800个双极电压点，以确保足够的心房覆盖。用于表面颜色投影的插值阈值被设置为5mm，并且将点进行收集以实现完整的LA覆盖(即距数据点不大于5mm的区域)。
双极电压＜0.5mV的区域被定义为低电压区(LVZ)。电压图分为非低电压区和低电压区。然后将识别的潜在AF驱动归类为存在于非LVZ或LVZ中。评估了标测到LVZ的潜在AFD与切除时实现AF终止的关系。还评估了LVZ的比例与识别的AFD数量之间的关系。
光谱分析和AFD
利用从篮式导管记录的单极信号，在每个患者的5分钟记录中的接触的每个电极极(electrode pole)处确定CL。使用自动定制编写的Matlab测量脚本将CL作为两个连续心房信号之间的时间差。使用自定义算法来对基于充分描述的不应期的合理的生物学行为进行建模。该算法用于避免分割电图的双重计数。单极激活定时被视为最大负偏转(峰值负dv/dt)。
针对每个患者每个单独的电极的每5分钟的记录，绘制了在x轴上识别的所有CL(四舍五入到最接近的整数毫秒)和y轴上由每个CL形成的记录百分比的直方图。以前已经使用不同的方法从心房CL测量中识别快速活动的位点。一种方法使用CL的直方图，并在包含50％循环的直方图中取CL的最窄范围的中心，并将其定义为“主要CL”。然后将每个电极的主要CL投影到解剖几何形状的复制上，以识别最快的主要CL的位点，如定义为前十分位中的值，并评估它们与AFD的空间关系。
对于确定被定义为最小CL(Min-CL)的最快CL的位点的新方法，最初的极端CL异常值被忽略，这些异常值被定义为比电极处的平均CL慢或快30％的CL以及那些包含＜10％的循环的CL。从剩余的CL中，识别了每个电极的Min-CL(图1)。因此，在去除异常值后，Min-CL是构成＞10％的周期的最短CL。在所有电极之间比较Min-CL以识别LA中整体最快的Min-CL的位点。测试了总体最快Min-CL的两个定义：i)所有电极的最高十分位内的Min-CL和/或ii)总体Min-CL中最短的一个或“绝对Min-CL”以及任何其他具有在整体最快Min-CL的5％内的Min-CL的点。然后在相同STAR标测上识别了具有最快总体Min-CL的电极的位置，该STAR标测显示ESA以确保准确的解剖相关性。
CL可变性(CLV)被用作组织的标记。通过获取CL的标准偏差(SD)来确定每个电极的CLV。因此，较小的CLV表示较小的CL变化。在所有电极之间比较CLV，以识别LA中总体最低CLV的位点。最低CLV的位点定义为i)处于最低十分位的CLV和/或ii)CLV在总体最低CLV的5％内，称为绝对最低CLV。然后对STAR标测识别具有最低CLV的电极的位置，并再次与AFD相关联。
潜在AFD处的区域CL和频率梯度
使用STAR标测方法确定的潜在AFD处的Min-CL与在相邻电极处获得的Min-CL进行比较，以得到是否存在从潜在AFD到周围区域的CL梯度。对每个患者中的每个STAR标测识别的所有潜在AFD重复此操作。相邻电极被定义为潜在AFD的3厘米内的电极。
为了确定DF，在对远场心室信号进行滤波后，将巴特沃斯二阶滤波器应+用于单极信号。对信号应用低通滤波器之后，进行整流以获取信号的绝对值。然后应用汉明窗口进行傅里叶变换。然后确定每个四秒窗口的DF。确定了取得在记录电极极的DF的5分钟内的所有这些值的中值。将识别为潜在AFD的电极处的DF与在相邻电极处获得的DF进行比较，以确定从潜在AFD到周围区域是否存在高低频梯度。对每个患者的每个STAR标测识别的所有潜在AFD重复此操作。还评估了具有总体最高DF(根据最高十分位中的那些值)的LA位点与潜在AFD之间的关系。
汇总结果
包括32名患者，针对其中通过STAR标测识别的83个潜在AFD进行了切除。在73个位点的情况下观察到切除响应(24个AF终止和49个CL减慢≥30ms)。在73个位点中，54个(74.0％)与总体最快CL位于相同位点，55个(75.3％)与最低CLV位于相同位点。然而，当使用常规标记时，具有最快主要CL和最高DF的位点很少与具有切除响应的潜在AFD共同定位(39，53.4％CL和41，56.2％DF)。在潜在AFD处，PVI不影响CL(131.0±12.1msPVI前对131.2±15.5ms；P＝0.96PVI后)或CLV(10.3±3.9ms PVI前对11.0±5.4msPVI后；p＝0.80)。这些潜在AFD还经常表现出区域CL(61/73，83.6％)和频率梯度(58/73，80.8％)。潜在AFD更常见于LVZ，LVZ的比例与识别的潜在AFD数量相关(rs＝0.91；p＜0.001)。将这些快速性和组织性的新标记与STAR标测结合使用，允许在预测哪些潜在AF D会产生切除响应方面具有高的灵敏度和特异性。与CLV最低(24/24(100％)对31/49(63.2％)；p＜0.001)和CL最快(24/24(100％)对30/49(61.2％)；p＜0.001)的位点共同定位的潜在AFD始终与切除时AF终止相关，而不是与CL减慢相关。
详细结果
32名患者接受了STAR标测引导切除。平均AF持续时间为15.4±4.3个月，并且32名患者中的21名(65.6％)接受了抗心律失常药物预切除。
潜在AFD的切除响应
简而言之，在32名患者中，在PVI后STAR标测上识别了92个潜在AFD(每名患者2.8±0.8个)，针对其中83个(90.2％，每名患者2.6±0.7个)进行了切除(图3)。未切除的9个潜在AFD发生在其中先前位点的切除导致AF终止的患者中。
73个潜在AFD(每名患者2.3±0.6个)实现了切除响应，其包括所有32名患者都至少存在一个响应。基于每个潜在AFD，在24个位点通过切除(18个组织到AT，并且6个终止到窦性心律)实现了AF终止，并且49个位点实现了≥30ms的CL减慢。基于每位患者，24名患者实现了AF终止，并且在其余8名患者中实现了≥30ms的CL减慢。
双极电压和潜在AFD
在每位患者的基础上，平均识别了3.4±0.7个明确定义的LVZ。大多数已识别的潜在AFD被标测到LVZ(62/92，67.4％)。在被切除的83个潜在AFD中，60个被标测到LVZ(72.3％)，其中59个(98.3％)与切除响应相关。
具有超过由LVZ(59.2±6.5mV)组成的LA的50％的患者较有可能识别超过2个潜在AFD。存在的LVZ的比例与识别的潜在AFD的数量之间存在强正相关(rs＝0.91；p＜0.001)。然而，单独的LVZ在预测AFD位点方面几乎没有预测价值。
潜在AFD与LVZ的关联对切除响应具有高度的预测性。相对于标测到非LVZ的潜在AFD，标测到LVZ的潜在AFD更频繁地与切除时的AF终止相关。(优势比＝20.0，95％CI 1.1-351.5；p＝0.04)。
光谱分析和潜在AFD
对于光谱分析，总共使用了170个5分钟的单极记录。在这些170个记录中，84个是在PVI前创建的，86个是在PVI后创建的。在PVI后的潜在AFD处获得的平均主要CL和平均Min-CL分别为137.9±64.2ms和131.2±15.5ms。
在光谱分析中识别的位点和潜在AFD的共同定位
i)最快的主要CL
在PVI后识别的92个潜在AFD中，47个(51.1％)与最快的主要CL的位点共同定位。主要CL在预测AFD方面示出了51.1％(95％CI 40.4-61.7％)的敏感性和18.6％(95％CI8.4-33.4％)的特异性。正向和反向的预测值分别为57.3％(95％CI 51.2-63.2％)和15.1％(95％CI8.4-25.6％)。
ii)最高十分位内的Min-CL位点和绝对Min-CL
基于每位患者，在最高十分位中平均识别了4.1±1.1个Min-CL位点。在PVI后识别的92个潜在AFD中，58个(63.0％)与这些位点之一共同定位。根据前十分位中的Min-CL位点，其在识别潜在AFD方面显示出63.0％(95％CI 52.3-72.9)的敏感性和20.4％(95％CI10.2-34.3)的特异性。
基于每位患者，平均2.5±0.9个绝对Min-CL位点被识别，这些位点在最快Min-CL位点的5％内。在PVI后识别的92个潜在AFD中，56个(60.9％)与这些位点之一共同定位。
iii)最低十分位内的最低CLV位点和绝对最低CLV
基于每位患者，在最低十分位中平均识别了3.8±1.0个最低CLV位点。在PVI后识别的92个潜在AFD中，61个(66.3％)与这些位点之一共同定位。根据最低十分位的最低CLV位点，最低CLV在识别潜在AFD方面显示出敏感性为66.3％(95％CI 55.7-75.8)和特异性为24.4％(95％CI 12.4-40.3)。
基于每位患者，平均识别了2.3±0.8个最低CLV位点，这些位点在总体最低CLV位点的5％范围内。在PVI后识别的92个潜在AFD中，60个(65.2％)与这些位点之一共同定位。
使用光谱分析来预测潜在AFD处的切除响应
i)最快的主要CL
在与响应相关的73个潜在AFD中，只有39个(53.4％)与最快的主要CL切除的位点共同定位。最快的主要CL在预测潜在AFD方面显示出敏感性为53.4％(95％CI 41.4-65.2％)和特异性为26.3％(95％CI 13.4-43.1％)。正向和反向的预测值分别为58.2％(95％CI 51.1-65.0％)和22.7％(95％CI 14.1-34.6％)。
ii)最高十分位内的Min-CL位点和绝对Min-CL
在具有研究定义的切除响应的73个潜在AFD中，有54个(74.0％)与Min-CL位点之一共同定位(图3和图4A-F)。
再次示出与这些位点共同定位以表明，在预测具有切除响应的潜在AFD方面具有很高的诊断准确性。
iii)最低十分位内的最低CLV位点和绝对最低CLV
在具有研究定义的切除响应的73个潜在AFD中，有56个(76.7％)与最低十分位内定义的最低CLV位点之一共同定位(图5和图6A-F)。
在与切除响应相关的73个潜在AFD中，有55个(75.3％)与绝对最低CLV位点之一共同定位(图4和图6A-F)。再次示出与这些位点共同定位以表明，在预测具有切除响应的潜在AFD方面具有很高的诊断准确性。
iv)预测AF终止
与CL减慢相比，与根据任一定义的Min-CL位点共同定位的潜在AF D较频繁地与切除时AF终止相关(24/24(100％)对29/49(59.2％)；p＜0.001)。标记显示了对于预测关于潜在AFD处切除时AF终止的优势比为34.1(95％CI 2.0-592.3；P＝0.02)。
与CL减慢相比，与根据任一定义的最低CLV位点共同定位的潜在AFD更频繁地与切除时AF终止相关(24/24(100％)对31/49(63.2％)；p＜0.001)。标记显示了对于预测关于潜在AFD处切除时AF终止的优势比为28.8(95％CI 1.7-501.6；p＝0.02)。
区域CL和频率梯度以及潜在AFD
在识别的92个潜在AFD中，有56个潜在AFD(60.9％)在从潜在AFD到周围极的min-CL存在明显的梯度(图5和图8A-D)。在具有切除响应的73个潜在AFD中，61个(83.6％)表现出从潜在AFD到相邻极的最快-最慢Min-CL梯度。从潜在AFD到3cm内相邻极的Min-CL的平均减少为10.5±4.2ms(p＝0.01)。潜在AFD处存在区域CL梯度在预测具有切除响应的潜在AFD方面显示出优势比为5.1(95％CI 1.3-20.3，p＝0.02)。
潜在AFD的平均DF为6.2±0.7Hz。在56.5％(52/92)的情况中，潜在AFD仅与LA中最高DF的位点共同定位，其中具有切除响应的73个中的41个(56.2％)与最高DF的位点共同定位。在识别的92个潜在AFD中，有59个潜在AFD(64.1％)从潜在AFD到相邻极存在明显的频率梯度(图5和图7A-D)。从潜在AFD到相邻极的DF平均减少为1.8±0.7Hz(p＝0.01)。当仅检查具有切除响应的73个潜在AFD时，58个(80.8％)表现出频率梯度。在潜在AFD处存在区域频率梯度在预测具有切除响应的潜在AFD方面显示出优势比为5.8(95％CI 1.4-23.2，p＝0.01)。频率梯度在AF终止情况下的频率对在切除时CL减慢情况下的频率中存在不显著的差异(18/24，75.0％对39/49，79.6％；p＝0.78)。
PVI对光谱分析数据的影响
在PVI后识别的92个潜在AFD中，在PVI前图上也检测到42个，其中39个(92.9％)与研究定义的切除响应相关。与仅在PVI后识别出潜在AFD的患者相比，在PVI前识别出潜在AFD的患者中，平均CLV PVI前(通过获取所有电极的平均CLV获得)较低(31.4±4.8ms对49.5±7.3ms；p＝0.01)。
在潜在AFD处，PVI不影响CL(131.0±12.1msPVI前对131.2±15.5ms；P＝0.96PVI后)和CLV(10.3±3.9ms PVI前对11.0±5.4ms PVI后；p＝0.80)。
也在PVI前识别的潜在AFD在预测具有切除响应的潜在AFD方面表现出53.4％(95％CI 41.4-65.2)的敏感性和90.0％(95％CI 55.5-99.8)的特异性。正向和反向的预测值分别为97.5％(95％CI 85.7-99.6)和20.9％(95％CI 16.1-26.7)。
应当理解，如下所述的本发明的某些实施例可以作为代码(例如，软件算法或程序)并入，该代码驻留在具有控制逻辑的固件和/或计算机可用介质上，以使得能够在具有计算机处理器的计算机系统上执行。这种计算机系统通常包括存储器存储部，该存储器存储部被配置为提供来自对代码执行的输出，该代码根据执行来配置处理器。代码可以被布置为固件或软件，并且可以被组织为一组模块，例如离散代码模块、函数调用、过程调用或面向对象编程环境中的对象。如果使用模块实现，则代码可以包括单个模块或多个相互协作操作的模块。
本发明的可选实施例可以理解为包括本文提及或指示的部件、元件和特征，单独地或共同地在两个或多个部件、元件或特征的任何或所有组合的形式，并且其中，在本文中提及的特定整数，如果在本发明涉及的领域中具有已知等同物，则这些已知等同物被视为并入本文，如同其单独地阐述。
尽管已经描述了本发明的图示实施例，但是应当理解，本领域的普通技术人员可以在不背离由所附权利要求中的叙述所限定的本发明及其等同物的情况下进行各种改变、替换和变化。
本申请要求GB 1915680.1的优先权，其内容和与此一起提交的摘要的内容通过引用并入本文。

Claims (30)

1.一种计算机实现的方法，用于识别心脏的负责支持或引发异常心律的一个或多个区域，所述计算机实现的方法使用从多极心脏导管上的多个电极记录的电图数据，所述电图数据在记录时间段内从心脏上相应的一系列感测位置获得，所述方法包括以下步骤：
根据电图识别心脏的腔室内具有电激活顺序的区域，所述电激活顺序将所述区域表征为异常心律的潜在驱动；
对于在所述区域处或基本上围绕所述区域的每个感测位置，根据主要激活来确定最早激活电极位点；
对于每个所确定的最早激活电极位点：
计算与该电极位点相关联的多个修饰符中的每一个的值，所述修饰符是根据该位点的电图数据、该位点的组织特征或该位点的解剖学特征确定的；
确定根据所述多个修饰符计算的排序因子；
对所述最早激活电极位点中的每一个根据排序因子来排序；以及
输出识别所述区域的数据，所述数据取决于所述排序来改变所确定的最早激活电极位点中的每一个的显著性。
2.根据权利要求1所述的计算机实现的方法，其中，根据所述电图数据确定的所述修饰符包括：
在电极处记录的电图的最小循环长度、在所述电极处或所述区域内记录的电图与在预定测地距离内获得的电图之间的激活频率梯度、以及在所述区域内记录的局部电图的平均电压。
3.根据权利要求1或2所述的计算机实现的方法，其中，关于组织特征的修饰符包括对通过成像确定的疤痕组织的存在和密度的测量。
4.根据权利要求1、2或3所述的计算机实现的方法，其中，关于组织特征的修饰符包括对在所述位点处的组织阻抗的测量。
5.根据任一项前述权利要求所述的计算机实现的方法，其中，修饰符根据在另一最早激活电极位点处的治疗结果来确定。
6.根据任一项前述权利要求所述的计算机实现的方法，其中，关于组织特征的修饰符通过参考先前情况中类似位点的切除结果来计算。
7.根据任一项前述权利要求所述的计算机实现的方法，其中，关于解剖学特征的修饰符包括取决于所述电极位点的位置的预定加权因子。
8.根据任一项前述权利要求所述的计算机实现的方法，其中，输出数据包括以视觉指示显示的所述数据，所述视觉指示取决于所述排序来改变所确定的最早激活电极位点中的每一个的显著性。
9.根据任一项前述权利要求所述的计算机实现的方法，还包括：
确定每个电极位点的主要电图波前轨迹；
确定跨多个电极和激活的主要导出电图激活的向量；
如果激活的方向从电极位点向靠近潜在驱动位点的一个或多个电极位点行进，则将所述电极位点分类为最早激活电极位点和潜在驱动位点；以及
参考传导速度和路径在合理激活顺序内，激活的顺序和定时在预定的生物学上合理的方式内。
10.根据任一项前述权利要求所述的计算机实现的方法，其中，如果激活跨以下至少2个电极发生，从所述潜在驱动位点所对向的顶点到所述2个电极的夹角小于预定角度，则所述位点被分类为最早激活电极位点，并且
至少一个电图激活被确定为在定义的兴奋组织弧内晚于潜在驱动位点。
11.根据权利要求10所述的计算机实现的方法，其中，所述预定角度小于180度。
12.根据任一项前述权利要求所述的计算机实现的方法，还包括：将数据输出到显示器或医疗扫描设备，以引起对腔室几何形状的显示或导航、并引导导管或电极的放置以用于随后的电图数据采集。
13.根据权利要求12所述的计算机实现的方法，还包括：识别用于所述导管或电极的随后放置的位点，以消除或确认先前确定的第一激活电极、或将所述电图数据扩展到先前未扫描或未完全扫描的区域。
14.根据权利要求13所述的计算机实现的方法，还包括：根据已经识别的第一激活位点的位置或者根据激活向量和信号领先分数中的梯度来识别所述位点。
15.根据任一项前述权利要求所述的计算机实现的方法，还包括：基本上实时地接收电图数据，并且提供与何时已对被扫描的位点进行足够的采集定时有关的指示。
16.根据权利要求15所述的计算机实现的方法，其中，确定是否已经进行所述足够的采集定时的步骤包括以下项中的一项或多项：
倒计时预定时间段、对流动多极标测导管上的至少最小值的预设数量的电极采集预设数量的激活循环、以及采集预定时间或预定数量的激活循环，其中跨多个电极的激活模式保持在模式匹配的顺序内。
17.根据权利要求15或16所述的计算机实现的方法，其中，确定是否已经进行足够的采集定时的步骤包括：确定正被扫描的所述位点的激活模式已经达到预定的统计确定性水平。
18.根据任一项前述权利要求所述的计算机实现的方法，还包括：通过确定每个电极对中的哪个电极领先来导出波前方向，并且处理所述波前方向以确定所述最早激活电极是真正AFD还是代表超出测量边界被激活的被动激活位点。
19.一种计算机实现的方法，用于通过分析从心脏采集的电图以识别心脏的负责支持或引发异常心律的一个或多个区域，所述计算机实现的方法使用从多极心脏导管上的多个电极记录的电图数据，所述电图数据在记录时间段内从心脏上相应的一系列感测位置获得，所述方法包括以下步骤：
通过分析电激活顺序，将心脏的腔室内的特定区域定义为异常心律的潜在驱动；
根据包括以下项的因子对将区域分类为潜在驱动进行加权：
在同一采集期间，激活产生的波前的方向从所述潜在驱动位点行进到相比于该驱动位点的一个或多个附近电极，
激活的顺序和定时在生物学上合理的方式内，参考传导速度和路径在合理的激活顺序内，
激活跨以下至少2个电极发生，从所述潜在驱动位点所对向的顶点到所述2个电极的夹角小于预定角度例如小于180度，以及
至少一个电图激活被确定为在定义的可兴奋组织弧内晚于潜在驱动位点，以及
在与第一潜在驱动位点的缺失弧相对的相邻位置执行的进一步采集没有不确认在相似位置的潜在驱动位点；以及
根据所述加权，以突出方式显示精细化的潜在驱动，所述显示与心脏腔室的计算机表示相关。
20.一种计算机系统，用于识别心肌的负责支持或引发异常心律的一个或多个区域，所述计算机系统使用从多极心脏导管上的多个电极记录的电图数据，所述电图数据在记录时间段内从心脏上相应的一系列感测位置获得，所述系统包括：
处理器；
第一存储器，用于存储接收到的电图数据；以及
存储程序代码的第二存储器，所述程序代码在由所述处理器执行时，使所述系统：
根据电图识别心脏的腔室内具有电激活顺序的区域，所述电激活顺序将所述区域表征为异常心律的潜在驱动，
对于在所述区域处或基本上围绕所述区域的每个感测位置，根据主要激活来确定最早激活电极位点；
对于每个所确定的最早激活电极位点：
计算与该电极位点相关联的多个修饰符中的每一个的值，所述修饰符是根据该位点的电图数据、该位点的组织特征或该位点的解剖学特征确定的；
确定根据所述多个修饰符计算的排序因子；
对所述最早激活电极位点中的每一个根据排序因子来排序；以及
输出识别所述区域的数据，所述数据取决于所述排序来改变所确定的最早激活电极位点中的每一个的显著性。
21.根据权利要求20所述的计算机系统，其中，所述程序代码在由所述处理器执行时，使所述系统确定所述修饰符，所述修饰符根据以下项中的一项或多项来确定：
在电极处记录的电图的最小循环长度、在所述电极处或所述区域内记录的电图与在预定测地距离内获得的电图之间的激活频率梯度、以及在所述区域内记录的局部电图的平均电压。
22.根据权利要求20或21所述的计算机系统，其中，所述程序代码在由所述处理器执行时，使所述系统通过获得对由成像确定的疤痕组织的存在和密度的测量来确定关于组织特征的修饰符。
23.根据权利要求20、21或22所述的计算机系统，其中，所述程序代码在由所述处理器执行时，使所述系统通过获得对在所述位点处的组织阻抗的测量来确定关于组织特征的修饰符。
24.根据权利要求20至23中任一项所述的计算机系统，其中，所述程序代码在由所述处理器执行时，使所述系统通过获得另一最早激活电极位点处的治疗结果来确定关于组织特征的修饰符。
25.根据权利要求20至24中任一项所述的计算机系统，其中，所述程序代码在由所述处理器执行时，使所述系统通过访问与先前情况中类似位点的切除结果有关的数据来确定关于组织特征的修饰符。
26.根据权利要求20至25中任一项所述的计算机系统，其中，所述程序代码在由所述处理器执行时，使所述系统通过防问数据以获得预定加权因子来确定修饰符，所述预定加权因子取决于所述电极位点的位置。
27.根据权利要求20至26中任一项所述的计算机系统，其中，所述程序代码在由所述处理器执行时，使所述系统：
确定每个电极位点的主要电图波前轨迹；
确定跨多个电极和激活的主要导出电图激活的向量；
如果激活的方向从电极位点向靠近潜在驱动位点的一个或多个电极位点行进，则将所述电极位点分类为最早激活电极位点和潜在驱动位点；以及
参考传导速度和路径在合理激活顺序内，激活的顺序和定时在预定的生物学上合理的方式内。
28.根据权利要求20至27中任一项所述的计算机系统，其中，所述程序代码在由所述处理器执行时，使所述系统输出视觉指示，所述视觉指示取决于所述排序来改变所确定的最早激活电极位点中的每一个的显著性。
29.根据权利要求20至28中任一项所述的计算机系统，其中，所述程序代码在由所述处理器执行时，使得所述系统将数据输出到显示器或医疗扫描设备，以引起对腔室几何形状的显示或导航、并引导导管或电极的放置以用于随后的电图数据采集。
30.一种包括计算机程序代码装置的计算机程序，所述计算机程序代码装置用于当所述程序在计算机上执行时执行根据权利要求1至19中任一项所述的所有步骤。
CN202080083123.XA 2019-10-29 2020-10-29 用于辅助标测心律异常的计算机实现的方法和系统 Pending CN115151191A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
GB1915680.1 2019-10-29
GB201915680A GB201915680D0 (en) 2019-10-29 2019-10-29 Method and system for aiding mapping heart rhythm abnormalities
PCT/GB2020/052734 WO2021084255A1 (en) 2019-10-29 2020-10-29 Computer implemented method and system for aiding mapping heart rhythm abnormalities

Publications (1)

Publication Number Publication Date
CN115151191A true CN115151191A (zh) 2022-10-04

Family

ID=68768974

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080083123.XA Pending CN115151191A (zh) 2019-10-29 2020-10-29 用于辅助标测心律异常的计算机实现的方法和系统

Country Status (6)

Country Link
US (1) US11457854B2 (zh)
EP (1) EP4051112A1 (zh)
JP (1) JP2023500866A (zh)
CN (1) CN115151191A (zh)
GB (1) GB201915680D0 (zh)
WO (1) WO2021084255A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116831593A (zh) * 2023-07-04 2023-10-03 首都医科大学附属北京安贞医院 一种室性心动过速的激动顺序标测系统、设备及装置

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023111798A1 (en) * 2021-12-13 2023-06-22 Biosense Webster (Israel) Ltd. Intracardiac unipolar far field cancelation using multiple electrode catheters

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7846157B2 (en) * 2002-03-15 2010-12-07 C.R. Bard, Inc. Method and apparatus for control of ablation energy and electrogram acquisition through multiple common electrodes in an electrophysiology catheter
US9295399B2 (en) * 2012-06-20 2016-03-29 Intermountain Invention Management, Llc Atrial fibrillation treatment systems and methods
EP3125756A4 (en) * 2014-04-01 2017-12-13 The Regents of the University of California System and method of identifying sources associated with biological rhythm disorders
US10517496B2 (en) * 2016-01-14 2019-12-31 Biosense Webster (Israel) Ltd. Region of interest focal source detection
US11006887B2 (en) * 2016-01-14 2021-05-18 Biosense Webster (Israel) Ltd. Region of interest focal source detection using comparisons of R-S wave magnitudes and LATs of RS complexes
GB2573109B (en) 2018-04-23 2022-09-14 Barts Health Nhs Trust Methods and systems useful in mapping heart rhythm abnormalities

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116831593A (zh) * 2023-07-04 2023-10-03 首都医科大学附属北京安贞医院 一种室性心动过速的激动顺序标测系统、设备及装置
CN116831593B (zh) * 2023-07-04 2023-11-21 首都医科大学附属北京安贞医院 一种室性心动过速的激动顺序标测系统、设备及装置

Also Published As

Publication number Publication date
US11457854B2 (en) 2022-10-04
JP2023500866A (ja) 2023-01-11
EP4051112A1 (en) 2022-09-07
WO2021084255A1 (en) 2021-05-06
US20220054070A1 (en) 2022-02-24
GB201915680D0 (en) 2019-12-11

Similar Documents

Publication Publication Date Title
US20220175294A1 (en) Catheter systems and related methods for mapping, minimizing, and treating cardiac fibrillation
US11357438B2 (en) Annotation histogram
CN111655130B (zh) 心脏传导模式识别系统
US8521266B2 (en) Methods for the detection and/or diagnosis of biological rhythm disorders
CN106963481B (zh) 在心房纤颤过程中识别局灶性源
US11571160B2 (en) Methods and systems for wavelength mapping cardiac fibrillation and optimizing ablation lesion placement
JP6117433B2 (ja) 類似性ベースのパターンマッチングによる増強された活動開始時間の最適化のための解剖学的マッピングシステム
JP2017140381A (ja) 関心領域の局所性発生源の検出
CN107049471B (zh) 用于确定激活源方向和激活源类型的不重叠环型或花键型导管
US11457854B2 (en) Computer implemented method and system for aiding mapping heart rhythm abnormalities
WO2020113137A1 (en) Methods and systems for wavelength mapping cardiac fibrillation and optimizing ablation lesion placement
US20220369991A1 (en) Medical apparatus for diagnostic and site determination of cardiac arrhythmias and methods

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