CN115998303A - 非接触式标测系统 - Google Patents
非接触式标测系统 Download PDFInfo
- Publication number
- CN115998303A CN115998303A CN202310303394.7A CN202310303394A CN115998303A CN 115998303 A CN115998303 A CN 115998303A CN 202310303394 A CN202310303394 A CN 202310303394A CN 115998303 A CN115998303 A CN 115998303A
- Authority
- CN
- China
- Prior art keywords
- mapping
- signal
- target
- model
- body surface
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
本申请涉及一种非接触式标测系统。该系统用于与标测导管和体表电极配合使用,标测导管的管体远端设置有至少一个标测电极,系统包括:信号获取模块,用于在标测导管悬空于目标对象的心腔内时,自标测导管获取心内心电信号及定位信号,自体表电极获取体表心电信号;定位模块,用于根据定位信号确定标测导管的当前位置;处理模块,用于将体表心电信号、心内心电信号及定位信号输入至目标标测模型中,得到预测位置处的目标标测信息,预测位置与当前位置的距离小于距离阈值,目标标测模型根据第一标测数据及第二标测数据训练得到,第一标测数据通过非接触式标测技术获得,第二标测数据通过接触式标测技术获得。采用本系统能够提高标测效率。
Description
技术领域
本申请涉及智能医疗技术领域,特别是涉及一种非接触式标测系统。
背景技术
复杂心律失常的发病机制尚不明确,有局灶的,也有折返的。对于心律失常消融靶点的定位,通常借助于三维心脏电生理标测系统进行电标测。已有的标测技术主要分为三种:三维电解剖顺序接触标测、体表无创三维重建和心腔内三维非接触标测。
三维电解剖顺序接触标测是目前最常用的标测技术,通过导管介入的方式实现。将介入导管的电极贴靠心腔壁,获取心电信号,同时通过定位传感器获得导管电极的位置信息,两者融合,实现三维电解剖结构的重建及标测信号的获取。该项技术已成熟应用于心律失常领域,但传统的接触式的三维电解剖顺序标测技术仍存在一定的局限性,仅能获取局部的心电信息。通过高密度分时标测、拼接,才能得到全心腔心电传导顺序,尤其是当心动周期长度变化且心脏节律非持续性的,该项技术不能准确标测全心腔电活动。
体表无创三维重建技术利用体表电极获得体表心电信息,与计算机断层扫描成像获得的心脏解剖建模进行无创三维重建,以标识出潜在的触发灶,从而指导完成复杂心律失常消融手术。一般认为,体表电极数越多,所标测到的结果越准确,当达到200个电极以上就足够。但建模与标测过程分离,心脏电活动基于体表信号,通过复杂算法计算得到,其准确性一直受到临床专家的质疑。
近年来,心腔内非接触电标测技术已在复杂心律失常标测和消融中应用,且早期取得了良好的疗效,高密度非接触标测算法也在持续研究中。介入导管放置于心腔内,无需接触心肌壁,通过导管电极,以单极标测的方式获取远场电图以弥补其因非接触所导致的信号损失,利用拉普拉斯逆运算,重新构建出每一个心动周期的心电传导等电位图。心腔内非接触式标测可以提供高密度的心内等电位标测,可以直观地显示任意时间段内心腔内电活动的全景。虽然是非接触式标测,但已有临床应用结果证实其标测精度是足够有保证的。
非接触式标测已被证实了其精度,但拉普拉斯逆运算在实际临床应用中效率较低。因此,需要开发一种新的非接触式标测系统,能够在不使用拉普拉斯逆运算的情况下,得到非接触标测信息,提高标测效率。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高标测效率的非接触式标测系统。
第一方面,本申请提供一种非接触式标测系统,所述系统用于与标测导管和体表电极配合使用,所述标测导管的管体远端设置有至少一个标测电极,所述系统包括:
信号获取模块,用于在标测导管悬空于目标对象的心腔内时,自所述标测导管获取心内心电信号以及定位信号,并自所述体表电极获取所述体表心电信号;
定位模块,用于根据所述定位信号确定所述标测导管的当前位置;
处理模块,用于将所述体表心电信号、所述心内心电信号以及定位信号输入至目标标测模型中,得到预测位置处的目标标测信息,所述预测位置与所述当前位置的距离小于距离阈值,且所述目标标测模型根据第一标测数据以及第二标测数据训练得到,其中所述第一标测数据通过非接触式标测技术获得,所述第二标测数据通过接触式标测技术获得。
在其中一个实施例中,所述定位信号为电定位信号,所述信号获取模块自所述标测电极获取所述定位信号;或者,所述标测导管的管体远端还设置有磁定位传感器,所述定位信号为磁定位信号,所述信号获取模块自所述磁定位传感器获取所述磁定位信号。
在其中一个实施例中,所述处理模块还用于将所述体表心电信号、所述心内心电信号以及定位信号输入至目标标测模型中,得到预测位置处的目标标测信息的采纳度,所述采纳度用于表征所述目标标测信息的准确度。
在其中一个实施例中,所述处理模块还用于过滤所述采纳度小于采纳度阈值的目标标测信息。
在其中一个实施例中,所述系统还包括:
显示模块,用于在对应的预测位置处,显示所述采纳度大于或等于所述采纳度阈值的目标标测信息。
在其中一个实施例中,所述显示模块还用于接收采纳度阈值调整指令,并将所述采纳度阈值调整指令发送至所述处理模块;
所述处理模块还用于基于所述采纳度阈值调整指令调整所述采纳度阈值,并过滤所述采纳度小于调整后的采纳度阈值的目标标测信息;
所述显示模块还用于显示所述采纳度大于或等于调整后的采纳度阈值的目标标测信息。
在其中一个实施例中,所述系统还包括:
所述处理模块还用于根据所述定位信号获取所述标测导管远端部分的位置数据及姿态信息,并将所述姿态信息与对应的位置数据、对应的目标标测信息进行对应储存,以生成对应的标测事件。
在其中一个实施例中,所述处理模块还用于接收选择信号,并提取所述选择信号对应的标测事件;
所述显示模块还用于展示所述选择信号对应的标测事件中包含的位置数据、姿态信息及目标标测信息。
在其中一个实施例中,所述处理模块还用于根据各所述预测位置生成心腔模型,并将所述目标标测信息标注在所述心腔模型;或
所述处理模块还用于获取已有的心腔模型,并根据所述预测位置将所述目标标测信息标注在所述已有的心腔模型。
在其中一个实施例中,所述信号获取模块还用于在所述标测导管悬空于所述心腔时,获取所述心腔内的阻抗信号、超声信号以及对应的已有的心腔模型中的至少一个;
所述处理模块还用于将所述阻抗信号、所述超声信号以及所述已有的心腔模型中的至少一个以及所述体表心电信号、所述心内心电信号和定位信号输入至目标标测模型中,得到预测位置处的目标标测信息。
在其中一个实施例中,所述处理模块还用对所述体表心电信号、所述心内心电信号和所述定位信号进行预处理,所述预处理包括将所述体表心电信号的采样率、所述心内心电信号的采样率和所述定位信号的采样率保持一致。
在其中一个实施例中,所述处理模块还用于通过所述定位信号进行升采样或将所述体表心电信号和所述心内心电信号进行降采样中的至少一种方式,将所述体表心电信号的采样率、所述心内心电信号的采样率和所述定位信号的采样率保持一致。
在其中一个实施例中,所述处理模块还用于获取样本数据,所述样本数据包括所述第一标测数据、与所述第一标测数据对应的悬空位置、所述第二标测数据以及与所述第二标测数据对应的接触位置,所述悬空位置与所述接触位置的距离小于所述距离阈值;基于所述样本数据进行人工智能网络训练得到所述目标标测模型。
在其中一个实施例中,所述处理模块还用于基于接触式标测过程中所采集的目标参数值,计算所述第二标测数据的可信度;将每一所述样本数据中的所述悬空位置、所述第一标测数据以及所述第二标测数据的可信度输入至初始标测模型,从而得到模型标测信息;基于所述模型标测信息、对应所述样本数据中的所述第二标测数据以及所述可信度得到损失函数值,并基于所述损失函数值对所述初始标测模型进行优化,直至所述损失函数值满足要求时,将优化后的所述初始标测模型作为所述目标标测模型。
上述非接触式标测系统,该目标标测模型是根据第一标测数据以及第二标测数据训练得到的,第一标测数据通过非接触式标测技术获得,第二标测数据通过接触式标测技术获得,在实际应用中,只需要在标测导管远端悬空于腔体内时,采集体表心电信号、心内心电信号以及定位信号即可,实现了非接触式标测,且模型训练过程采用了通过接触式标测技术得到的第二标测数据,保证了目标标测模型的准确性,从而也保证了非接触式标测得到的目标标测信息的准确,此外引入目标标测模型进行处理,不需要进行复杂的拉普拉斯逆运算,提高了处理效率。
附图说明
图1为一个实施例中的非接触式标测系统的系统结构图;
图2为一个实施例中标测导管在心腔内的示意图;
图3为一个实施例中标测电极所采集的原始心内心电信号的示意图;
图4为一个实施例中滤波处理后的心内心电信号的示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
参见图1所示,图1为一个实施例中的非接触式标测系统的系统结构图,在该实施例中,该非接触式标测系统用于与标测导管和体表电极配合使用,标测导管的管体远端设置有至少一个标测电极,该非接触式标测系统包括信号获取模块、定位模块以及处理模块,其中信号获取模块用于在标测导管悬空于目标对象的心腔内时,自标测导管获取心内心电信号以及定位信号,并自体表电极获取体表心电信号。定位模块用于根据定位信号确定标测导管的当前位置;处理模块用于将体表心电信号、心内心电信号以及定位信号输入至目标标测模型中,得到预测位置处的目标标测信息,预测位置与当前位置的距离小于距离阈值,且目标标测模型根据第一标测数据以及第二标测数据训练得到,其中第一标测数据通过非接触式标测技术获得,第二标测数据通过接触式标测技术获得。
具体地,信号获取模块用于获取所采集的心内心电信号、体表心电信号以及定位信号,其中心内心电信号以及体表心电信号可以是一个心跳周期对应的信号,也可以是多个心跳周期对应的信号,每个心跳周期内均可以采集心内心电信号、体表心电信号以及定位信号,并将心内心电信号、体表心电信号以及定位信号输入至目标标测模型中进行处理。
其中心内心电信号和定位信号是通过标测导管采集得到的,该标测导管包括但不限于环肺导管、五爪导管、球状导管等高密度标测导管,也可以是超声标测导管等,在此不逐一列举。在实际应用中,具体地,结合图2所示,标测导管在心腔内移动,一般该标测导管的远端在非接触标测状态下悬空于目标对象的心腔内,从而通过该标测导管可以获取到心内心电信号和定位信号,其中图2中标测导管悬空于心脏左心房中,并采集到心内心电信号和定位信号。其中该心内心电信号可以采用高分辨率的心内心电信号,例如该心内心电信号采样率一般不低于1000Hz。定位信号可以采用低分辨率的定位信号,例如该定位信号一般在40Hz。可选地,该标测导管的管体远端设置有多个(两个以上,包括两个)标测电极,每个标测电极可以采集不同的位置处的心内心电信号和定位信号,例如,该标测导管的管体远端设置有至少三个标测电极。
其中该定位信号可以为电定位信号和/或磁定位信号,其中当定位信号为电定位信号时,信号获取模块自标测电极获取定位信号;或者,标测导管的管体远端还设置有磁定位传感器,此时定位信号为磁定位信号,信号获取模块自磁定位传感器获取磁定位信号。或者,定位信号包括电定位信号和磁定位信号,从而可以根据两种定位信号精准地定位标测电极的位置。
体表心电信号则是通过体表电极采集得到的,该体表电极贴于体表,例如贴于体表的心脏位置处,从而可以通过该体表电极获取到体表心电信号。同样地,该体表心电信号可以是高分辨率的体表心电信号,例如该体表心电信号采样率一般不低于1000Hz。其中,该体表定位信号可以用于修正心内定位信号,以保证后续用于计算的心内定位信号的准确性。
定位模块用于根据定位信号确定标测导管的各个标测电极的当前位置,例如该定位模块可根据电场、磁场或电场与磁场的相关信息精准地定位标测电极,此定位信息是非常精准的,误差一般在2mm范围内。定位信号也是实时更新的,其采样率一般在20Hz到200Hz之间,采集到的定位信号也将在处理模块加入非接触标测运算。
处理模块将标测导管悬空时所采集的体表心电信号、心内心电信号以及定位信号输入至目标标测模型中,即可以得到目标标测模型的输出,也即预测位置处的目标标测信息。其中目标标测信息包括每个预测位置处的心内心电信号,例如电压分布信息,在其他的实施例中,该目标标测信息可以包括心内心电信号检波结果与体表心电信号检波结果,在此不做具体限定。在本申请中,预测位置是当前位置周围的位置,且预测位置与当前位置的距离小于距离阈值,从而得到预测位置处的目标标测信息。
其中为了方便理解,假设当前位置为A位置,处理模块将标测导管悬空于A位置处时所采集的体表心电信号、心内心电信号以及定位信号输入至目标标测模型中,得到预测位置处的目标标测信息。其中预测位置可以包括B位置、C位置以及D位置(在此仅举例说明,在实际应用中预测位置可以包括一个或多个),且B位置、C位置以及D位置与A位置的距离均小于距离阈值,这样输入一个位置处的体表心电信号、心内心电信号以及定位信号,即可以得到多个位置的目标标测信息,进一步提高标测效率。此外,为了提高准确性,在其他的实施例中模型的输入可以包括多个当前位置所对应的体表心电信号、心内心电信号以及定位信号,模型的输出也可以包括多个预测位置多对应的目标标测信息,在此不做具体的限定。
其中,目标标测模型输出的可能是较低分辨率的标测导管周边的预测位置以及其对应的标测电压数值,也可能是较高分辨率的预测位置及其对应的标测电压数值,这些均取决于目标标测模型的输入,即对心内心电信号、体表心电信号以及定位信号的预处理是升采样处理还是降采样处理,其中预处理的过程可以参见下文。
此外,需要说明的一点是,目标标测模型的输出不一定是完整心腔结构的电压信息,也可以是部分心腔结构,输出的心腔结构的具体区域取决于标测导管的位置。
其中,目标标测模型是根据第一标测数据以及第二标测数据训练得到,其中第一标测数据通过非接触式标测技术获得,第二标测数据通过接触式标测技术获得。较佳地,目标标测模型是基于人工智能网络训练得到的,该人工智能网络可以为神经网络,例如为经典U-net网络。该目标标测模型的输入为将标测导管悬空时所采集的体表心电信号、心内心电信号以及定位信号,可选地,该目标标测模型的输入为标测导管悬空于单一当前位置处时,信号获取模块所获取的体表心电信号、心内心电信号以及定位信号。在其他的实施例中,该目标标测模型的输入为标测导管的多个标测电极悬空于多个当前位置处时,信号获取模块所获取的多个当前位置所对应的体表心电信号、心内心电信号以及定位信号。
因此当只有一个标测电极时,则处理模块将信号获取模块所采集的当前位置处的心内心电信号、体表心电信号以及定位信号输入至目标标测模型中得到对应的初始标测信息,后续根据初始标测信息进行处理得到目标标测信息。例如,目标标测模型处理信号获取模块多次采集不同当前位置处的心内心电信号、体表心电信号以及定位信号,这样处理模块对多次采集的心内心电信号、体表心电信号以及定位信号进行处理以分别得到对应每次采集的心内心电信号、体表心电信号以及定位信号的初始标测信息,但由于不同的当前位置的距离等因素,可能导致初始标测信息存在重合,即在同一预测位置处存在至少两个初始标测信息时,因此处理模块将至少两个初始标测信息进行处理得到目标标测信息,例如基于同一预测位置处的至少两个初始标测信息进行统计学处理得到目标标测信息,在此不做具体限定;在同一预测位置处存在一个初始标测信息时,则直接将初始标测信息作为目标标测信息。为了方便理解,假设当前位置为A1位置,处理模块将标测导管悬空时所采集的A1位置处的体表心电信号、心内心电信号以及定位信号输入至目标标测模型中,得到B位置、C位置以及D位置处的初始标测信息。后续医生移动标测导管,当前位置为A2,处理模块将标测导管悬空时所采集的A1位置处的体表心电信号、心内心电信号以及定位信号输入至目标标测模型中,得到E位置、F位置以及D位置处的初始标测信息,此时,D位置处存在两个初始标测信息,因此处理模块通过对两个初始标测信息进行处理,以确定D位置处的目标标测信息,而对于B位置、C位置、E位置以及F位置处,由于只有1个初始标测信息,因此直接将该初始标测信息作为目标标测信息。
当存在至少两个标测电极时,则处理模块获取各个标测电极处对应的心内心电信号、体表心电信号以及定位信号,从而将多个当前位置所对应的心内心电信号、体表心电信号以及定位信号联合输入至目标标测模型中,得到预测位置处的目标标测信息。且需要说明的一点是,随着时间的推移,通过标测电极采集了不同时刻、不同的多个当前位置所对应的心内心电信号、体表心电信号以及定位信号,且通过目标标测模型得到了对应时刻、对应多个当前位置的多个预测位置的目标标测结果,这样由于时刻不同,预测位置处也可能存在至少两个目标标测结果,在该实施例中,可以看做是基于时间维度,对各个预测位置处的目标标测信息的迭代的过程,当随着时间的改变,该预测位置处存在至少两个目标标测信息时,则处理模块将至少两个目标标测信息进行处理得到该预测位置处的唯一的一个目标标测信息并输出,其中处理的方式也可以是对基于同一预测位置处的至少两个目标标测信息进行统计学处理。
上述非接触式标测系统中,该目标标测模型是根据第一标测数据以及第二标测数据训练得到的,第一标测数据通过非接触式标测技术获得,第二标测数据通过接触式标测技术获得,其中,这样在实际应用中,只需要在标测导管远端悬空于腔体内时,采集体表心电信号、心内心电信号以及定位信号即可,实现了非接触式标测,且模型训练过程采用了通过接触式标测技术得到的第二标测数据,保证了目标标测模型的准确性,从而也保证了非接触式标测得到的目标标测信息的准确,此外引入目标标测模型进行处理,不需要进行复杂的拉普拉斯逆运算,提高了处理效率。
在其中一个实施例中,处理模块还用于将体表心电信号、心内心电信号以及定位信号输入至目标标测模型中,得到预测位置处的目标标测信息的采纳度。
其中,采纳度用于表征目标标测信息的准确度,在实际应用中,该目标标测模型还用于输出各个预测位置处的目标标测信息的采纳度,该采纳度可以是一个范围在0~1之间的浮点数值,也可以是其他的范围,当采纳度是其他的范围时,可以将目标标测模型的输出归一化至其他的范围,在此不做具体限定。在本实施例中,目标标测模型的输出可以为一个的多维矩阵,其中前三个维度为预测位置的坐标,第四个维度为目标标测信息,第五个维度为采纳度。
此外,当在同一预测位置处存在至少两个初始标测信息时,将至少两个初始标测信息进行处理得到目标标测信息的步骤,可以是基于采纳度进行处理的,例如选取各预测位置处采纳度最大的初始标测信息作为目标标测信息。此外,上述对同一预测位置处存在至少两个初始标测信息进行统计学处理的方案,可以是基于采纳度的加权处理,在此不做具体限定。为了方便理解,以上述D位置处的初始标测信息的处理为例进行说明,假设D位置处对应的标测信息分别为D1和D2,其中D1对应的采纳度为d1,D2对应的采纳度为d2,则可以将作为D位置处的目标标测信息,或者再进行归一化处理,例如,本申请并不做具体限定,仅是举例说明,在其他的实施例中,可以采用其他的归一化参数。此外,处理模块还可以比较d1和d2的大小,例如d1>d2,则直接选择D1作为D位置处的目标标测信息。
上述实施例中,还引入了采纳度,通过采纳度来表征各个预测位置处的目标标测信息的准确度,从而提高非接触标测的准确性。
在其中一个实施例中,处理模块还用于过滤采纳度小于采纳度阈值的目标标测信息。
在其中一个实施例中,上述非接触式标测系统还包括:显示模块,用于在对应的预测位置处,显示采纳度大于或等于采纳度阈值的目标标测信息。
在其中一个实施例中,显示模块还用于接收采纳度阈值调整指令,并将采纳度阈值调整指令发送至处理模块;处理模块还用于基于采纳度阈值调整指令调整采纳度阈值,并过滤采纳度小于调整后的采纳度阈值的目标标测信息;显示模块还用于显示采纳度大于或等于调整后的采纳度阈值的目标标测信息。
其中为了保证非接触式标测所得到的目标标测结果的准确性,处理模块还用于过滤采纳度小于采纳度阈值的目标标测信息,从而保证目标标测信息的采纳度,例如将采纳度小于90%的目标标测信息删除,仅保留采纳度大于或等于90%的目标标测信息,这样可以保证所得到的目标标测信息的准确性。为了方便说明,假设当前位置为A位置,处理模块将标测导管悬空于A位置处时所采集的体表心电信号、心内心电信号以及定位信号输入至目标标测模型中,得到B位置、C位置以及D位置处的目标标测信息。其中B位置的目标标测信息的采纳度为95%、C位置的目标标测信息的采纳度为92%以及D位置的目标标测信息的采纳度为60%,基于采纳度阈值对B位置、C位置以及D位置处的目标标测信息进行筛选,以采纳度阈值为90%为例进行说明,也即删除掉D位置处的目标标测信息,这样显示模块仅显示B位置和C位置处对应的目标标测信息。在一些可选的实施例中,目标标测模型可能输出了N个预测位置处的目标标测信息,但是显示模块仅输出其中一个预测位置处的目标标测信息,或者经过筛选一个预测位置处的目标标测信息也未输出,或者是输出了全部的预测位置处的目标标测信息,也就是说显示模块最后输出的目标标测信息是与采纳度阈值相关的,不同的采纳度阈值的最后的显示的结果并不相同,在此不做具体限定。
可选地,继续结合图1,该系统还包括显示模块,从而处理模块将过滤后的目标标测信息发送至显示模块,这样显示模块可以在对应的预测位置处,显示采纳度大于或等于采纳度阈值的目标标测信息,例如显示心脏的医学图像,并在该医学图像上显示对应的目标标测信息,标测导管在位于肺静脉较近位置的时候,经过目标标测模型计算,得出了肺静脉较远端的心腔组织电压数值,且显示在了系统屏幕上。
在其中一个实施例中,处理模块还用于根据各预测位置生成心腔模型,并将目标标测信息标注在心腔模型;或处理模块还用于获取已有的心腔模型,并根据预测位置将目标标测信息标注在已有的心腔模型。
具体地,在非接触标测系统运行前,非接触标测系统还可以包括一存储模块,所述存储模块存储了一事先生成的心腔模型,该心腔模型可以是通过已有的其他标测导管建好的心腔模型,则处理模块可以根据预测位置将目标标测信息标注在已有的心腔模型中,例如处理模块获取到预测位置处对应的目标标测信息,该预测位置与心腔模型的位置信息重合,从而可以根据预测位置将目标标测信息标注在已有的心腔模型中。在其他的实施例中,在非接触标测系统运行前,未生成心腔模型,则处理模块可以根据各预测位置生成心腔模型,并将目标标测信息标注在心腔模型上,也即标注在心腔模型的预测位置处。
在其中一个实施例中,信号获取模块还用于在标测导管悬空于心腔时,获取心腔内的阻抗信号、超声信号以及对应的已有的心腔模型中的至少一个;处理模块还用于将阻抗信号、超声信号以及已有的心腔模型中的至少一个以及体表心电信号、心内心电信号和定位信号输入至目标标测模型中,得到预测位置处的目标标测信息。
具体地,在本实施例中,信号获取模块还用于获取到阻抗信号、超声信号以及对应的已有的心腔模型中的至少一个,从而可以扩展目标标测模型的输入,这样增加了目标标测模型的输入,从而可以进一步提高预测位置处的目标标测信息的准确性。
其中,阻抗信号是指心腔模型中的组织的阻抗信息,超声信号可以是指心腔模型的超声信号,例如标测电极与心腔壁的距离,已有的心腔模型则可以是在非接触标测系统运行前,可以已经生成的心腔模型。
在该实施例中,将信号获取模块所采集的信号进行处理,并构建对应的输入矩阵,例如将标测电极所采集的信号重构为一个的矩阵,该的矩阵为单标测电极、单时刻所对应的当前位置的信号,A可以为等于16、32、64…512等,也可以是根据B个悬空位置重构的的矩阵,即B个标测电极,其中每个标测电极采集的信号为。因为存在多种特性的信号,例如体表心电信号、心内心电信号、定位信号、阻抗信号、超声信号以及对应的已有的心腔模型,因此该矩阵是多维度的,例如存在K种信号时,则矩阵可以为。
这样通过联合多种特征的信号,可以扩展目标标测模型的输入,从而使得目标标测模型的输入信号更多,这样可以进一步提高预测位置处的目标标测信息的准确性。
在其中一个实施例中,处理模块还用对体表心电信号、心内心电信号和定位信号进行预处理,预处理包括将体表心电信号的采样率、心内心电信号的采样率和定位信号的采样率保持一致。
其中该预处理包括将体表心电信号的采样率、心内心电信号的采样率和定位信号的采样率保持一致。
可选地,处理模块还用于通过定位信号进行升采样或将体表心电信号和心内心电信号进行降采样中的至少一种方式,将体表心电信号的采样率、心内心电信号的采样率和定位信号的采样率保持一致。
其中,因为心内心电信号和体表心电信号一般为1000Hz采样率,定位信号一般在40Hz,心内心电信号和体表心电信号采样率远高于定位信号的采样率。为了使两者具有统一性,可通过对定位信号进行升采样或对心内心电信号和体表心电信号进行降采样。升采样可以是对定位信号进行插值运算,根据两个时刻定位信号之间的趋势,均匀或非均匀地填充进特定数值,使定位信号与心内心电信号和体表心电信号的采样率保持一致。降采样可将心内心电信号和体表心电信号进行平均取值,如每50个心内心电信号和体表心电信号的平均值对应一个定位信号。在实际应用中,为了有更高的分辨率,一般会采取升采样的方式使维度统一。
上述实施例中,通过对信号进行升采样或降采样处理,使得目标标测模型的输入是采样率一致的,从而统一维度。
在其中一个可选的实施例中,结合图3所示,图3为一个实施例中标测电极所采集的原始心内心电信号,该原始心内心电信号可以包括一个心跳周期,也可以包括多个心跳周期。
处理模块对该心内心电信号进行的预处理还包括对信号的滤波处理和/或检波处理,其中以心内电信号为例进行说明,对心内心电信号进行滤波处理,或者对心内心电信号进行滤波处理后,再进行检波处理,结合图4,图4为一个实施例中滤波处理后的心内心电信号。在该实施例中,对获取到的心电信号进行滤波处理,滤除其基线噪声等不需要的成分,对心电信号进行检波处理可以一定程度上提高目标标测模型的处理效果。
具体地,对于其他的信号,例如体表心电信号、定位信号、阻抗信号、超声信号等也可以按照上述心内心电信号的处理方式进行处理,在此不再赘述。
在其中一个可选的实施例中,该处理模块可以包括多个处理子模块,通过每个处理子模块对对应的特性的信号进行处理,从而可以实现信号的并行处理,例如通过第一处理子模块对心内心电信号进行预处理,通过第二处理子模块对体表心电信号进行处理,通过第三处理模块对定位信号进行处理等等。
在其中一个实施例中,处理模块还用于获取样本数据,样本数据包括第一标测数据、与第一标测数据对应的悬空位置、第二标测数据以及与第二标测数据对应的接触位置,悬空位置与接触位置的距离小于距离阈值;基于样本数据进行人工智能网络训练得到目标标测模型。
具体地,本实施例主要介绍目标标测模型的训练过程,其中,在训练之前,需要先获取到样本数据,然后再基于样本数据进行人工智能网络训练得到目标标测模型。
其中该样本数据包括第一标测数据以及第二标测数据,其中第一标测数据是通过非接触式标测技术得到的,其对应有悬空位置,第二标测数据是通过接触式标测技术得到的,其对应有接触位置,且悬空位置与接触位置的距离小于距离阈值。其中第一标测数据和悬空位置作为目标标测模型的输入,第二标测数据以及接触位置为目标标测模型的输出。这样可以将第一标测数据和悬空位置输入至目标标测模型得到模型标测信息,再基于模型标测信息、第二标测数据以及接触位置对目标标测模型进行训练。
在其他的实施例中,目标标测模型的输入还可以包括阻抗信号、超声信号以及已有的心腔模型中的至少一个,这样在训练的时候,将阻抗信号、超声信号以及已有的心腔模型中的至少一个以及第一标测数据、悬空位置输入至目标标测模型得到模型标测信息,再基于模型标测信息、第二标测数据以及接触位置对目标标测模型进行训练。也就是说在模型的训练时,所构建的样本的输入即有多种特性的信号,从而进一步提高了目标标测模型的准确性。
在其中一个可选的实施例中,处理模块还用于根据所述定位信号获得标测导管远端部分的位置数据及姿态信息,并将姿态信息与对应的位置数据、对应的目标标测信息进行对应储存,以生成对应的标测事件。
标测导管远端部分的位置数据包括标测导管远端部分的三维坐标信息和方向信息。标测导管的姿态信息包括标测导管的导管形态,导管形态是处理模块根据位置数据及预先设置的导管参数(例如导管直径、各电极、各磁定位传感器、或者电极和磁定位传感器之间的距离)模拟得到,现有技术中已有相关技术方案,本申请中不作赘述。
具体地,处理模块每次根据接收到的体表心电信号、心内心电信号以及定位信号获取目标标测信息时,均能够将当前定位信号所表示的标测导管的位置数据、姿态信息和获取到的目标标测信息进行对应存储,作为示例,处理模块可以将每一次存储的‘位置数据-姿态信息-目标标测信息’作为一个标测事件进行存储,并为其分配对应的事件标签,事件标签可以是文字、数字等用于唯一标识对应标测事件的标识。
在其中一个可选的实施例中,处理模块还用于接收选择信号,并提取选择信号对应的标测事件;显示模块还用于展示选择信号对应的标测事件中包含的位置数据、姿态信息及目标标测信息。
选择信号是由术者针对任意一次标测事件发出的,处理模块能够根据该选择信号提取出术者选择的标测事件中包含的导管形态等信息。作为示例,选择信号可以携带有事件标签,该事件标签用于唯一指向术者选择的标测事件,在本实施例,处理模块根据术者发出的选择信号,从以往的所有标测事件中选出术者选中的一次标测事件,并将该次标测事件包含的定位信号、标测导管的导管形态、目标标测信息进行展示。
当术者对心腔的一处位置进行重复标测或在消融后对该处位置进行再次标测时,为了保证标测导管的精准回位,处理模块可以提取以往该处位置获取到的目标标测信息以及对应的标测导管的姿态信息、位置数据,显示模块可提供该处位置以往任意一次标测事件的标测导管的姿态信息,以为术者提供相应参考。作为示例,显示模块能够以不同颜色显示出以往任意一次标测事件的标测导管的姿态信息,以指引术者将标测导管复位到同一位置,复位到同一位置后,可进行非接触标测,以达到前后对比的效果。
在其中一个实施例中,处理模块还用于基于接触式标测过程中所采集的目标参数值,计算第二标测数据的可信度;将每一样本数据中的悬空位置、第一标测数据以及第二标测数据的可信度输入至初始标测模型,从而得到模型标测信息;基于模型标测信息、对应样本数据中的第二标测数据以及可信度得到损失函数值,并基于损失函数值对初始标测模型进行优化,直至损失函数值满足要求时,将优化后的初始标测模型作为目标标测模型。
具体地,目标参数值可以包括压力数值大小、手术最终的成功情况、导管稳定度、标测点数量中的至少一个,其中压力数值大小是指接触式技术标测时的压力数值,导管稳定度是指导管与心腔壁的贴靠情况,标测点数量可以进行分级,例如大于1000则较优。处理模块可以根据目标参数值计算得到第二标测数据的可信度,具体地,根据目标参数值进行加权计算得到第二标测数据的可信度。例如处理模块可以先预设各个目标参数值与对应的可信度的对应关系,从而获取到各个目标参数值对应的可信度,然后对各个可信度进行加权计算得到第二标测数据的可信度。
在本实施例中,为了提高目标标测模型的准确度,将基于实际医疗情况获取的可信度也作为输入进行约束,也即将悬空位置、第一标测数据以及第二标测数据的可信度作为目标标测模型的输入,从而得到模型标测信息,进而基于模型标测信息、对应样本数据中的第二标测数据以及可信度得到损失函数值,并基于损失函数值对初始标测模型进行优化,直至损失函数值满足要求时,将优化后的初始标测模型作为目标标测模型,其中损失函数可以是任意损失函数,例如交叉熵损失函数等,在此不做具体限定。
对应的,当目标标测模型的输入存在可信度时,在实际预测阶段,对应与可信度的维度则可以补零处理,从而不改变目标标测模型的输入;实际预测阶段产生的采纳度与所述可信度强相关,目标标测模型基于目标标测模型的输入、样品数据及所述可信度产生前述的采纳度。
上述实施例中,基于实际医疗情况获取的可信度也作为输入进行约束,提高目标标测模型的准确度。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (14)
1.一种非接触式标测系统,其特征在于,所述系统用于与标测导管和体表电极配合使用,所述标测导管的管体远端设置有至少一个标测电极,所述系统包括:
信号获取模块,用于在标测导管悬空于目标对象的心腔内时,自所述标测导管获取心内心电信号以及定位信号,并自所述体表电极获取所述体表心电信号;
定位模块,用于根据所述定位信号确定所述标测导管的当前位置;
处理模块,用于将所述体表心电信号、所述心内心电信号以及定位信号输入至目标标测模型中,得到预测位置处的目标标测信息,所述预测位置与所述当前位置的距离小于距离阈值,且所述目标标测模型根据第一标测数据以及第二标测数据训练得到,其中所述第一标测数据通过非接触式标测技术获得,所述第二标测数据通过接触式标测技术获得。
2.根据权利要求1所述的系统,其特征在于,所述定位信号为电定位信号,所述信号获取模块自所述标测电极获取所述定位信号;或者,所述标测导管的管体远端还设置有磁定位传感器,所述定位信号为磁定位信号,所述信号获取模块自所述磁定位传感器获取所述磁定位信号。
3.根据权利要求2所述的系统,其特征在于,所述处理模块还用于将所述体表心电信号、所述心内心电信号以及定位信号输入至目标标测模型中,得到预测位置处的目标标测信息的采纳度,所述采纳度用于表征所述目标标测信息的准确度。
4.根据权利要求3所述的系统,其特征在于,所述处理模块还用于过滤所述采纳度小于采纳度阈值的目标标测信息。
5.根据权利要求4所述的系统,其特征在于,所述系统还包括:
显示模块,用于在对应的预测位置处,显示所述采纳度大于或等于所述采纳度阈值的目标标测信息。
6.根据权利要求5所述的系统,其特征在于,所述显示模块还用于接收采纳度阈值调整指令,并将所述采纳度阈值调整指令发送至所述处理模块;
所述处理模块还用于基于所述采纳度阈值调整指令调整所述采纳度阈值,并过滤所述采纳度小于调整后的采纳度阈值的目标标测信息;
所述显示模块还用于显示所述采纳度大于或等于调整后的采纳度阈值的目标标测信息。
7.根据权利要求5所述的系统,其特征在于,所述处理模块还用于根据所述定位信号获取所述标测导管远端部分的位置数据及姿态信息,并将所述姿态信息与对应的位置数据、对应的目标标测信息进行对应储存,以生成对应的标测事件。
8.根据权利要求7所述的系统,其特征在于,所述处理模块还用于接收选择信号,并提取所述选择信号对应的标测事件;
所述显示模块还用于展示所述选择信号对应的标测事件中包含的位置数据、姿态信息及目标标测信息。
9.根据权利要求1所述的系统,其特征在于,所述处理模块还用于根据各所述预测位置生成心腔模型,并将所述目标标测信息标注在所述心腔模型;或
所述处理模块还用于获取已有的心腔模型,并根据所述预测位置将所述目标标测信息标注在所述已有的心腔模型。
10.根据权利要求1所述的系统,其特征在于,所述信号获取模块还用于在所述标测导管悬空于所述心腔时,获取所述心腔内的阻抗信号、超声信号以及对应的已有的心腔模型中的至少一个;
所述处理模块还用于将所述阻抗信号、所述超声信号以及所述已有的心腔模型中的至少一个以及所述体表心电信号、所述心内心电信号和定位信号输入至目标标测模型中,得到预测位置处的目标标测信息。
11.根据权利要求1所述的系统,其特征在于,所述处理模块还用对所述体表心电信号、所述心内心电信号和所述定位信号进行预处理,所述预处理包括将所述体表心电信号的采样率、所述心内心电信号的采样率和所述定位信号的采样率保持一致。
12.根据权利要求11所述的系统,其特征在于,所述处理模块还用于通过所述定位信号进行升采样或将所述体表心电信号和所述心内心电信号进行降采样中的至少一种方式,将所述体表心电信号的采样率、所述心内心电信号的采样率和所述定位信号的采样率保持一致。
13.根据权利要求1所述的系统,其特征在于,所述处理模块还用于获取样本数据,所述样本数据包括所述第一标测数据、与所述第一标测数据对应的悬空位置、所述第二标测数据以及与所述第二标测数据对应的接触位置,所述悬空位置与所述接触位置的距离小于所述距离阈值;基于所述样本数据进行人工智能网络训练得到所述目标标测模型。
14.根据权利要求13所述的系统,其特征在于,所述处理模块还用于基于接触式标测过程中所采集的目标参数值,计算所述第二标测数据的可信度;将每一所述样本数据中的所述悬空位置、所述第一标测数据以及所述第二标测数据的可信度输入至初始标测模型,从而得到模型标测信息;基于所述模型标测信息、对应所述样本数据中的所述第二标测数据以及所述可信度得到损失函数值,并基于所述损失函数值对所述初始标测模型进行优化,直至所述损失函数值满足要求时,将优化后的所述初始标测模型作为所述目标标测模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310303394.7A CN115998303B (zh) | 2023-03-24 | 2023-03-24 | 非接触式标测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310303394.7A CN115998303B (zh) | 2023-03-24 | 2023-03-24 | 非接触式标测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115998303A true CN115998303A (zh) | 2023-04-25 |
CN115998303B CN115998303B (zh) | 2023-06-16 |
Family
ID=86025188
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310303394.7A Active CN115998303B (zh) | 2023-03-24 | 2023-03-24 | 非接触式标测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115998303B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014118535A2 (en) * | 2013-01-31 | 2014-08-07 | Naviconix Limited | Computerized system and method for fast cardiac mapping and ablation |
WO2016153561A1 (en) * | 2015-03-25 | 2016-09-29 | Advanced Cardiac Therapeutics, Inc. | Contact sensing systems and methods |
US20170079542A1 (en) * | 2013-01-16 | 2017-03-23 | University Of Vermont | Catheters, systems, and related methods for mapping, minimizing, and treating cardiac fibrillation |
US20190216346A1 (en) * | 2018-01-16 | 2019-07-18 | Boston Scientific Scimed Inc. | Systems and methods for mapping electrical activity in the heart |
US20210378597A1 (en) * | 2020-06-04 | 2021-12-09 | Biosense Webster (Israel) Ltd. | Reducing noise of intracardiac electrocardiograms using an autoencoder and utilizing and refining intracardiac and body surface electrocardiograms using deep learning training loss functions |
US20220068483A1 (en) * | 2020-09-01 | 2022-03-03 | Biosense Webster (Israel) Ltd. | Arrhythmia classification for cardiac mapping |
CN115177358A (zh) * | 2022-07-12 | 2022-10-14 | 上海宏桐实业有限公司 | 一种基于腔内信号的心腔内标测电极导管的定位方法及系统 |
US20220386924A1 (en) * | 2021-06-03 | 2022-12-08 | Ablacon Inc. | Biosignal-Based Intracardiac Navigation Systems, Devices, Components and Methods |
-
2023
- 2023-03-24 CN CN202310303394.7A patent/CN115998303B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170079542A1 (en) * | 2013-01-16 | 2017-03-23 | University Of Vermont | Catheters, systems, and related methods for mapping, minimizing, and treating cardiac fibrillation |
WO2014118535A2 (en) * | 2013-01-31 | 2014-08-07 | Naviconix Limited | Computerized system and method for fast cardiac mapping and ablation |
WO2016153561A1 (en) * | 2015-03-25 | 2016-09-29 | Advanced Cardiac Therapeutics, Inc. | Contact sensing systems and methods |
US20190216346A1 (en) * | 2018-01-16 | 2019-07-18 | Boston Scientific Scimed Inc. | Systems and methods for mapping electrical activity in the heart |
US20210378597A1 (en) * | 2020-06-04 | 2021-12-09 | Biosense Webster (Israel) Ltd. | Reducing noise of intracardiac electrocardiograms using an autoencoder and utilizing and refining intracardiac and body surface electrocardiograms using deep learning training loss functions |
US20220068483A1 (en) * | 2020-09-01 | 2022-03-03 | Biosense Webster (Israel) Ltd. | Arrhythmia classification for cardiac mapping |
US20220386924A1 (en) * | 2021-06-03 | 2022-12-08 | Ablacon Inc. | Biosignal-Based Intracardiac Navigation Systems, Devices, Components and Methods |
CN115177358A (zh) * | 2022-07-12 | 2022-10-14 | 上海宏桐实业有限公司 | 一种基于腔内信号的心腔内标测电极导管的定位方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115998303B (zh) | 2023-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6293714B2 (ja) | 患者の心臓の電気解剖学的画像を提供するためのシステムおよびその作動方法 | |
US9526434B2 (en) | Cardiac mapping with catheter shape information | |
US9730602B2 (en) | Cardiac mapping | |
US7953475B2 (en) | Preprocessing for cardiac mapping | |
EP2712546A1 (en) | Non-contact cardiac mapping, including moving catheter and multi-beat integration | |
Giffard-Roisin et al. | Transfer learning from simulations on a reference anatomy for ECGI in personalized cardiac resynchronization therapy | |
CN110769750A (zh) | 由激活波形促使的电解剖标测工具 | |
KR20200138017A (ko) | 심장 조직 구역들에서의 초점 및/또는 로터 부정맥 유발성 활동의 발생의 결정 | |
CN115998303B (zh) | 非接触式标测系统 | |
EP3773169A1 (en) | Multi-dimensional method of fundamental solutions for reconstruction of electrophysiological activity | |
EP3614338B1 (en) | Post-mapping automatic identification of pulmonary veins | |
IL274726B2 (en) | Volumetric lat map | |
US20190133492A1 (en) | Cavity determination apparatus | |
US20230190104A1 (en) | Automated mapping and/or signal processing responsive to cardiac signal features | |
CN116471992A (zh) | 用于评估小折返位点的电生理学系统和方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |