CN116096293A - 双导联qt间期预测 - Google Patents
双导联qt间期预测 Download PDFInfo
- Publication number
- CN116096293A CN116096293A CN202180052362.3A CN202180052362A CN116096293A CN 116096293 A CN116096293 A CN 116096293A CN 202180052362 A CN202180052362 A CN 202180052362A CN 116096293 A CN116096293 A CN 116096293A
- Authority
- CN
- China
- Prior art keywords
- lead
- qtc
- ecg
- patient
- processing device
- 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
- A61B5/36—Detecting PQ interval, PR interval or QT 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
- A61B5/25—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]
- A61B5/282—Holders for multiple electrodes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
- A61B5/0006—ECG or EEG signals
-
- 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
- A61B5/271—Arrangements of electrodes with cords, cables or leads, e.g. single leads or patient cord assemblies
-
- 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]
- A61B5/327—Generation of artificial ECG signals based on measured signals, e.g. to compensate for missing leads
-
- 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
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/02—Operational features
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Cardiology (AREA)
- Physiology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Artificial Intelligence (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
本发明的实施例提供了包括电极组件的移动心电图(ECG)传感器,该电极组件包括电极,其中该电极组件在与用户的身体接触时感测心脏相关信号,并且产生表示所感测的心脏相关信号的电信号。ECG传感器还包括处理装置,其可操作地耦合到电极组件,处理装置将所感测的心脏相关信号提供给机器学习模块,机器学习模块被训练预测来自包括少于12个导联的移动ECG传感器的12导联QT间期(QTc)值。ECG传感器还包括容纳电极组件和处理装置的壳体。
Description
相关申请的交叉引用
本申请要求于2020年6月26日提交的题为“TWO-LEAD QT INTERVAL PREDICTION”的美国临时申请No.63/044,882的权益,其内容通过引用整体并入本文。
背景技术
据估计,到2030年,每年将有超过2300万人死于心血管疾病。无论社会经济状态如何,心血管疾病在第一世界和第三世界国家的人群中普遍存在。监测心血管功能可以有助于心血管病的治疗和预防。例如,可以使用Holter监测器或其他流动心电图装置对患有A-fib(或其他类型的心律失常)的患者进行长时间段的监测以管理疾病。这种装置可以例如至少24小时连续监测心血管系统的电活动。这种监测在诸如急性冠脉综合征(ACS)等状况的检测中可能是关键的。
哺乳动物心脏生成并传导电流,该电流发出信号并发起心脏的协调收缩。在人类中,电信号由心脏的被称为SA节的部分产生。在由SA节生成之后,电流在健康心脏中以可预测的方式行进通过心肌。
一般而言,心电图(ECG)是在透射到身体表面时心脏的电传导随时间的图形表示。ECG典型地显示在具有x轴和y轴的图上。典型地,ECG的x轴显示时间,而ECG的y轴显示在正常心功能期间通过心脏传导的电流的电位(毫伏)。
附图说明
本发明的新颖特征在所附权利要求书中特定地阐述。通过参考以下详细描述来更好地理解本发明的特征和优点,所述详细描述阐述了使用本发明的原理的说明性实施例,并且附图如下:
图1是根据本发明的一些实施例的现有技术心电图仪的图示,该现有技术的心电图仪具有定位在患者身体上的10个电极以供采集现有技术的12导联心电图。
图2是根据本发明的一些实施例的胸部的图示,其示出用于采集现有技术的12导联心电图的在胸部上的电极放置的示例。
图3例示根据本发明的一些实施例的示例导联I,其被标注以示出由12导联心电图仪生成的PQRST波。
图4示出根据本发明的一些实施例的常规格式的示例12导联心电图。
图5A示出根据本发明的一些实施例的示例性ECG感测装置。
图5B是根据本发明的一些实施例的图5A的ECG感测装置的硬件框图。
图5C例示了根据本发明的一些实施例的、使用图5A的ECG感测装置以测量用户的肢体导联。
图5D和图5E例示了根据本发明的一些实施例的、使用图5A的ECG感测装置以测量用户的心前导联。
图6是根据本发明的一些实施例的用于预测QT间期的方法的流程图。
图7是根据本发明的一些实施例的可以进行这里描述的操作中的一个或多于一个的示例计算装置的框图。
具体实施方式
应当理解,本发明在其应用中不限于以下描述中阐述的构造、实验、示例性数据和/或组件的布置的细节。本发明的实施例能够具有其他实施例或者能够以各种方式实践或执行。此外,应当理解,本文所使用的术语是为了描述的目的,并且不应被视为限制性的。
心电图(ECG)提供表示人心脏电活动的许多ECG波形。ECG监测装置可以包括电极集合以供记录患者心脏的这些ECG波形(在本文中也称为“采集ECG”)。电极集合可以在多个部位放置在患者的皮肤上,并且在电极集合中的各电极对之间记录的电信号(ECG波形)可以被称为导联。可以使用不同数量的导联来采集ECG,并且可以使用不同数量和组合的电极来形成各种导联。用于采集ECG的导联的示例数量为3导联、5导联和12导联。
图1是放置在患者上以供获得标准12导联ECG的常规ECG感测装置的10个电极的图示。放置在右臂上的电极通常称为RA。放置在左臂上的电极称为LA。RA和LA电极放置在左臂和右臂上的相同部位,优选地但不一定靠近腕部。腿电极可以被称为针对右腿的RL和针对左腿的LL。RL和LL电极放置在左腿和右腿的相同部位上,优选地但不一定靠近踝部。
图2例示六个电极在胸部上的放置,其中六个电极分别标记为V1、V2、V3、V4、V5和V6。V1放置在第四肋间空间中,例如在肋骨4和肋骨5之间,刚好在胸骨的右侧。V2放置在第四肋间空间中,例如在肋骨4和肋骨5之间,刚好在胸骨的左侧。V3放置在第五肋间空间中,在电极V2和V4之间的中间。V4放置在肋骨5和肋骨6之间的第五肋间空间中,在左锁骨中线上。V5在左前腋线上与V4水平平齐放置。V6在左中腋线上与V4和V5水平平齐放置。
然后,心电图仪计算并输出三个肢体导联波形。肢体导联I、II和III是具有一个正极和一个负极的双极导联。导联I是左臂(LA)和右臂(RA)之间的电压,例如I=LA-RA。导联II是左腿(LL)和右臂(RA)之间的电压,例如II=LL-RA。导联III是左腿(LL)和左臂(LA)之间的电压,例如III=LL-LA。导联I、导联I和导联III共同地称为“肢体导联”。
单极导联也具有两个极;然而,负极是由来自多个其他电极的信号组成的复合极。在用于获得12导联ECG的常规心电图仪中,除肢体导联外的所有导联均为单极(aVR、aVL、aVF、V1、V2、V3、V4、V5和V6)。增强的肢体导联(aVR、aVL和aVF)从不同角度(或向量)观察心脏,并且是根据RA、LA和LL之一与由RA、LA和LL中的两个组成的复合体之间的电位差确定的。因此,定位在RA、LA和LL的三个电极将基于上述关系同时感测aVR、aVL和aVF。也就是说,虽然导联I、导联II和导联III各自仅需要来自两个电极的输入,但是aVR、aVL和aVF可能需要来自定位在RA、LA和LL的三个电极的输入。
例如,增强的向量右(aVR)将正电极定位在右臂上,而负电极是左臂电极和左腿电极的组合,这“增强”了右臂上正电极的信号强度。因此,增强的向量右(aVR)等于RA-(LA+LL)/2或-(I+II)/2。增强的向量左(aVL)等于LA-(RA+LL)/2或(I-II)/2。增强的向量足(aVF)等于LL-(RA+LA)/2或(II-I)/2。
在一个实施例中,患者胸部上的六个电极足够靠近心脏,因此它们不需要增强。称为Wilson的中央终端(通常被标记为CTW、VW或WCT)的复合极用作负端子。Wilson的中央终端是通过简单的电阻网络将电极RA、LA和LL连接在一起而产生的,以给出身体上的平均电位,该电位近似为无限远处的电位(即零)。Wilson的中央终端WCT被计算为(RA+LA+LL)/3。
由ECG监测装置记录的ECG波形(各自对应于ECG的导联)可以包括与人的心脏的电活动相对应的数据。典型心跳可以包括几种电位变化,其可以被分类为波和波群,包括P波、QRS波群、T波和U波等,如本领域已知的。换句话说,如本领域已知的,各个ECG波形可以包括P波、QRS波群、T波和U波等。这些波的形状和持续时间可以与人的心脏的各种特性(诸如人的心房的大小(例如,指示心房增大))相关,并且可以是人特有的心跳特性的第一源。各个波或多个波的波群(即QRS波群)与心脏去极化和复极化的不同阶段相关联。可以针对在检测心脏事件或状态(诸如心律失常检测和表征)中有用的各种指标(通常在对信号的标准滤波和“清洁”之后)分析ECG波形。例如,这种指标可以包括ECG波形幅度和形态(例如,QRS波群幅度和形态)、R波-ST段和T波幅度分析、以及心率变异性(HRV)。
图3例示了示例导联I,其标注为示出由12导联心电图仪生成的P、QRS和T波/波群。通常,正常心跳的ECG在12个ECG导联的各ECG导联中具有可预测的波形。两个波之间的ECG部分被称为段,而更多个波之间的ECG部分被称为间期。例如,在S波(QRS波群的一部分)的结束和T波的开始之间的ECG部分被称为ST段,而在Q波(QRS波群的一部分)的开始和T波的结束之间的ECG部分被称为QT间期。
图4示出传统格式的示例12导联心电图。如图4所示,对于标准ECG波形迹线,以X和Y轴分别显示12个ECG导联,其中Y轴表示时间,以及X轴表示电压。在这些迹线中,所有12个ECG波形相对于其X轴对准。也就是说,所有导联的P、QRS和T波形都沿各个相应迹线的X轴同时出现。例如,在传统的ECG波形迹线中,如果在导联I波形迹线中的X轴上在1秒处出现QRS波群,则在其他十一个ECG波形(即导联II、III、aVR、aVL、aVF、V1、V2、V3、V4、V5和V6)各自中在1秒处出现QRS波群。
标准时间对准格式允许医疗保健提供者更容易地从十二个感测到的ECG波形获得信息。在传统ECG迹线中,时间对准通过由传统ECG的十个电极同时感测的波形来实现,所述十个电极全部同时定位在被感测ECG的个体的皮肤上。也就是说,由于同时感测传统ECG的所有十二个ECG导联,因此通过简单地在相同轴上一起显示所有波形来实现时间对准。
应当注意,可以分析两个或更多个导联的集合来导出信息以生成完整的12导联ECG。这种转换可以使用机器学习模型(例如,神经网络、深度学习技术等)来进行。可以使用与个体的群体相对应的12导联ECG数据来训练机器学习模型。在被输入到机器学习模型之前,可以以适合于应用的方式对数据进行预处理以对数据进行滤波。例如,在用于训练一个或多于一个机器学习模型之前,可以根据身高、性别、体重、国籍等对数据进行分类,使得所得到的一个或多于一个模型针对特定类型的个体被微调。在另一实施例中,可以基于用户自己的ECG数据进一步训练机器学习模型,以微调和个性化该模型,从而进一步减小任何残余合成误差。
虽然常规的12导联心电图给出了关于个体心脏的健康和状况的非常有用的信息,但是常规的心电图仪设备昂贵,并且该程序通常在医院和医生办公室以外的区域不可用。因此,即使在第一世界国家也经常不能进行监测,在世界较贫穷地区甚至可能无法获得心电图仪。
图5A示出根据本发明的一些实施例的包括电极502集合(也称为电极组件)的示例性ECG感测装置500的上表面图和下表面图。在一些实施例中,在ECG感测装置500中使用一个或多于一个电容性电极,使得例如,电容性电极通过穿在用户身体上的服装感测电位。类似地,导电喷雾或凝胶可以放置在用户的身体上,使得典型电极通过穿在用户身体上的服装感测电位。
在一个实施例中,ECG感测装置500整体或部分地由不锈钢或某些其他合适的材料构成。在一个实施例中,ECG装置500包括外部涂层,诸如氮化钛或其他合适的涂层。有利地,这种材料可以增加生物相容性并优化电极特性。
在一个实施例中,装置500在本文被称为移动计算装置,并且包括用于感测、记录和显示ECG信号和分析的所有必要组件。在另一实施例中,装置500经由有线或无线连接到单独的移动计算装置(例如,计算装置550)。在这种情况下,装置500可以感测ECG信号并将未修改或经修改的信号发送到移动计算装置以用于进一步分析和/或显示。在又一实施例中,上述两个示例的任何组合是可能的。例如,虽然ECG感测装置500可以被认为是能够进行本文描述的所有操作的独立的移动计算装置,但是ECG感测装置500仍然可以连接到第二移动计算装置并与第二移动计算装置交互以用于任何合适的目的(卸载处理/分析、显示等)。
ECG感测装置500可以包括一个或多于一个控制和/或指示。例如,装置500可以包括按钮、拨号等以选择功能(例如,打开/关闭ECG读取、开始发送ECG信息等)。ECG感测装置500还可以包括显示所记录的ECG的显示器。
ECG感测装置500可以包括壳体520,其中两个电极502A和502B定位在壳体520的上表面上,并且第三电极502C定位在壳体520的下表面上,如图5A所示。电极502可以经由电介质504或其他合适的材料彼此绝缘,使得它们能够感测和记录不同的信号。在一些实施例中,电极502可以由银-氯化银(或一些其他合适的材料)电极组成。在一些实施例中,ECG感测装置500可以包括电极连接器(未示出),例如,在一端或一侧上的允许一个或多于一个ECG电极连接至ECG感测装置500的母口插座,以利用粘合剂或不利用粘合剂(例如,导电凝胶和电极502)在皮肤上使用。
图5B例示ECG感测装置500的硬件框图,ECG感测装置500可以包括诸如处理装置505(例如,处理器、中央处理单元(CPU))、存储器510(例如,随机存取存储器(RAM)、存储装置(例如,硬盘驱动器(HDD))、固态驱动器等)和其他硬件装置(例如,模数转换器(ADC)等的硬件。存储装置可以包括能够存储数据的持久存储。持久存储可以是本地存储单元或远程存储单元。持久存储可以是磁存储单元、光存储单元、固态存储单元、电子存储单元(主存储器)或类似存储单元。持久存储还可以是单片/单装置或分布式装置集合。在一些实施例中,处理装置505可以包括提供内置导联脱落检测的专用ECG波形处理和分析芯片。ECG感测装置500可以包括具有足够高的采样频率的ADC(未示出),该ADC用于将由电极502的集合测量的ECG波形准确地转换为数字信号(例如,在500Hz或更高频率下操作的24位ADC),以由处理装置505进行处理。
存储器510可以包括导联合成软件模块510A(以下称为模块510A)和QT预测软件模块510B(以下称为模块510B)。处理装置205可以执行模块207A以合成与未由ECG感测装置500的电极测量的导联相对应的ECG波形,如本文进一步详细讨论的。处理装置505可以执行模块510B以准确地预测用户的QT间期,如本文进一步详细讨论的。
ECG感测装置500还可以包括收发器508,收发器508可以实现用于向一个或多于一个本地和/或远程计算装置(例如,计算装置550)无线地发送ECG数据的任何适当协议。例如,收发器508可以包括用于经由蓝牙向本地计算装置(例如,用户的膝上型计算机或智能电话)发送ECG数据的BluetoothTM芯片。在其他实施例中,收发器508可以包括(或耦合到)网络接口装置,该网络接口装置被配置为与蜂窝数据网络(例如,使用GSM、GSM+EDGE、CDMA、四频带或其他蜂窝协议)或WiFi(例如,802.11协议)网络连接,以将ECG数据发送到远程计算装置(例如,医生或医疗保健提供者的计算装置)和/或本地计算装置。
如本文进一步详细讨论的,计算装置550可以用于提供用于操作ECG感测装置500的指令,或者可以与例如由ECG感测装置500测量的ECG数据将被发送到的医疗保健提供者系统相对应。
如图5C所示,在一个实际示例中,用户用一只手或双手把持装置,使得各手接触ECG感测装置500上的电极502A和502B,同时左腿接触电极502C。然后可以使用ECG感测装置500(可选地具有单独的移动计算装置)来记录导联I、导联II和导联III,从导联I、导联II和导联III可以确定至少三个附加导联(例如,通过执行模块510A),如本文进一步详细描述的。具体地,可以使用导联I、导联II和导联III来确定增强的导联aVR、aVL和aVF。用户可以坐着、站着或处于任何舒适的位置。
图5D和图5E例示如下实施例,其中用户还可以使用如本文所述的ECG感测装置500来记录心前导联V1、V2、V3、V4、V5和V6。用户可以把持ECG感测装置500,使得用户的各手接触电极502A和502B,同时第三电极(例如,502C)保持为抵靠胸部,从而接触表示为“CP1”、“CP2”、“CP3”、“CP4”、“CP5”和“CP6”的六个心前胸部位置之一。例如,用户可以从将ECG感测装置500定位成使得电极502C接触CP1开始,并且从此用户可以移动ECG感测装置500,使得其依次与对应于导联V2、V3、V4、V5和V6的六个电极位置中的各位置接触。在一些实施例中,当用户用其右手和左手各自接触ECG感测装置500的电极502A和502B并且同时抵靠在其胸部上与V1、V2、V3、V4、V5和V6相对应的位置保持装置500的第三电极(例如,502C)时,同时感测到在与V1、V2、V3、V4、V5和V6相对应的胸部位置处感测的各个电位以及在LA和RA处感测的电位。导联I等效于LA和RA之间的电位差。因此,在一些实施例中,测量胸部上对应于V1、V2、V3、V4、V5和V6中的任一个的位置处的电位以及LA位置和RA位置处的电位等效于胸部位置和导联I处的电位差。即,例如,使用如上所述的装置500的所有三个电极,V1(V1胸部位置处的电位)=(“CP1”)-WCT(WCT=(RA+LA)+LL)/3或(导联I+导联II)/3)。
六个心前胸部位置可以表示为(“CP1”、“CP2”、“CP3”、“CP4”、“CP5”和“CP6”),复合值称为Wilson的中央终端(“WCT”)。“CP(x)”与解剖心前导联位置处感测到的六种电位中的任一种相对应(其中“x”是位置编号1-6)。例如,CP1是在放置电极以测量V1的部位处感测到的ECG测量结果,并且该位置大致在紧接胸骨右侧的第二肋间空间中。因此,导联V1=CP1-WCT。
WCT等于右上肢、左上肢和左小腿处感测到的电位之和的三分之一或1/3(RA+LA+LL)。在使用十个同时放置的电极的标准ECG中,与感测心前导联的同时生成WCT值,因为确定WCT的RA、LA、LL与CPI、CP2、CP3、CP4、CP5和CP6同时感测。
在这些实施例中,电极502被定位和配置成当用户用右上肢接触第一电极502A、用左上肢接触第二电极502B和用左下肢接触第三电极502C时同时感测/计算六个肢体导联,即导联I、II、III、aVR、aVL和aVF。
如本文中所描述的,ECG感测装置500被配置为当用户例如用右上肢接触第一电极502A、用左上肢接触第二电极502B和用他或她的胸部与心前导联位置相对应的区域接触第三电极502C时,依次感测六个导联V1、V2、V3、V4、V5和V6。
在如本文所述ECG感测装置500包括三个电极的一些实施例中,确定WCT的RA、LA、LL不与一个或多于一个心前导联同时感测。即,当ECG感测装置500的三个电极之一被抵靠用户的胸壁保持时,仅两个电极维持自由,并且不能同时确定传统的WCT。在这些实施例的一些中,RA被设置为0。当RA=0时,提供WCT=(0+LA+LL)/3或((LA-0)+(LL-0))/3,其可以进一步表示为WCT=(导联I+导联II)/3。
同样,在这些实施例中,其中RA被设置为0,平均WCT=(平均导联I+平均导联II)/3。一些实施例中的平均WCT是使用平均导联I和平均导联II生成的,所述平均导联I和平均导联II是使用例如在由本文描述的ECG感测装置感测的导联I和导联II波形的集成平均方法生成的。生成平均WCT在例如信号滤波方面是有益的,并且还为了减法的目的简化了值的对准。即,在一些实施例中,对各个CPI、CP2、CP3、CP4、CP5和CP6进行平均,并且从各自分别减去平均WCT以生成V1、V2、V3、V4、V5和V6。
也可以使用多种机器学习(ML)方法根据由ECG感测装置500测量的导联集合来合成完整的12导联集合。与用于训练模型的训练示例相比,ML非常适合连续监测一个或多于一个标准,以识别输入数据中的大和小的异常或趋势。本文描述的ML模型可以根据来自用户群体的用户数据进行训练,和/或根据其他训练示例进行训练以适应模型的设计需要。可以与本文描述的实施例一起使用的ML模型作为示例而不是限制包括:Bayes、Markov、Gaussian处理、聚类算法、生成模型、内核和神经网络算法。一些实施例利用基于训练的神经网络(例如,训练的递归神经网络(RNN)或训练的卷积神经网络(CNN))的机器学习模型。
例如,ML模型可以利用人工神经网络(ANN)进行监督分类,其中模型的结果表示输入样本在特定类别的数据中的概率或表现出一些特殊特性。在另一示例中,使用基于卷积神经网络(CNN)的数据驱动方法。通过使用卷积运算,ML模型可以考虑时间闭合的输入样本之间的相关性来推断单个输出数据点。更具体地,在一般时间t处的单个输出样本(各个心前导联)受从t–τ到t+τ的所有输入样本(所有肢体导联)的影响。代表网络接收场的τ值高度依赖于模型架构并且通常随其深度(即连续层的数量)而增加。对于所有数据驱动方法,对不可见的数据进行泛化并避免过拟合问题的能力至关重要。复杂的模型以及小的数据集可能会导致对训练集合的出色的性能,但是对未见过的数据性能可能较差。可以使用任何适当的正则化方法来优化模型,诸如层间标准化和层内标准化(例如,批标准化和层标准化)以及数据增强技术。最后,为了提高模型的有效性和效率,可以利用残余连接的使用,即,在基于梯度的优化算法的反向传播期间允许梯度流过层的身份映射的使用。
将AI/深度学习与多导联ECG传感装置一起使用可以允许患者自身(在医院或家中)监测其心脏的电活动,而无需医院访问或笨重的硬件。
在一些实施例中,ECG感测装置500或其他移动计算装置(例如,计算装置550)的存储器510可以包括指令软件模块(未示出),该指令软件模块显示或以其他方式向个体发送指令,该指令指示用户如何定位ECG感测装置500以进行ECG(例如,在标准心前导联位置上)以及用户应该处于从而进行ECG的位置。例如,显示可以示出用户胸部上的部位的图像,指示用户抵靠该部位保持第三电极,同时分别用他的左手和右手把持电极1和电极2。
在一些实施例中,ECG感测装置500或计算装置550上的软件被配置为辨识第一电极是否被左手接触以及第二电极是否被右手接触,以及第一电极是否被右手接触以及第二电极是否被左手接触。例如,在一些实施例中,第三电极定位在ECG感测装置500的与第一电极和第二电极不同的表面上,使得用户将可能需要在他们的左腿与第三电极接触之后交换手部位置以将他们胸部上的心前导联位置与第三电极接触。在一些实施例中,ECG感测装置500或其他移动计算装置上的软件从与ECG感测装置500耦合或集成的传感器接收信息,其中,传感器提供关于装置在空间中的位置的信息。感测这种信息的传感器类别的示例包括但不限于加速度计、倾斜计和陀螺仪。
在一些实施例中,ECG感测装置500被配置为当电极502中的一个或多于一个未被用户接合时感测ECG。例如,在一些实施例中,ECG感测装置500包括三个电极,并且ECG感测装置500被配置为当所有三个电极都被用户接合时或者当三个电极中的任何两个被用户接合时感测ECG。也就是说,在该实施例中,当用户例如将其右上肢上的皮肤表面与第一电极接触并且将其左上肢上的皮肤表面与第二电极接触但不接触第三电极时,ECG感测装置感测ECG。在该示例中,当三个电极中的两个分别被右上肢和左上肢接触时,感测导联I。同样,当三个电极中的两个分别被右上肢和左下肢接触时,感测导联II。同样,当三个电极中的两个分别被左上肢和左下肢接触时,感测导联III。在该实施例中,ECG感测装置500通过例如从被接触的两个或更多个电极感测到电极电位而没有从未被用户接触的电极感测到电极电位,来辨识为用户未接触一个或多于一个电极同时用户已接触两个或更多个电极。
在本文所描述的ECG感测装置的一些实施例中,其示例性实施例在图5A-图5E中示出,移动计算装置(例如,计算装置550)被配置为运行如本文所述的软件应用。在其他实施例中,移动计算装置包括执行装置的功能的一个或多于一个硬件中央处理单元(CPU)或通用图形处理单元(GPGPU)。在进一步的实施例中,移动计算装置还包括被配置为进行可执行指令的操作系统。在一些实施例中,移动计算装置可选地连接计算机网络。在另外的实施例中,移动计算装置可选地连接到互联网,使得其访问万维网。在进一步的实施例中,移动计算装置可选地连接到云计算基础设施。在其他实施例中,移动计算装置可选地连接到内部网。在其他实施例中,移动计算装置可选地连接到数据存储装置。
根据本文的描述,作为非限制性示例,合适的移动计算装置包括服务器计算机、台式计算机、膝上型计算机、笔记本计算机、子笔记本计算机、上网本计算机、上网pad计算机、手持计算机、智能电话、智能手表、数字可穿戴装置和平板计算机。
在一些实施例中,移动计算装置包括被配置为进行可执行指令的操作系统。例如,操作系统是包括程序和数据的软件,其管理装置的硬件并为应用的执行提供服务。合适的操作系统的非限制性示例包括FreeBSD、OpenBSD、Linux、 Mac OS XWindows 和本领域技术人员将认识到,通过非限制性示例,合适的个人计算机操作系统包括 Mac OS 和诸如等的类似UNIX的操作系统。在一些实施例中,操作系统由云计算提供。
在一些实施例中,移动计算装置包括存储和/或存储器装置。存储和/或存储器装置是用于临时或永久地存储数据或程序的一个或多于一个物理设备。在一些实施例中,装置是易失性存储器并且需要电力来维持所存储的信息。在一些实施例中,装置是非易失性存储器,并且在移动计算装置未通电时保留所存储的信息。在另外的实施例中,非易失性存储器包括闪存存储器。在一些实施例中,非易失性存储器包括动态随机存取存储器(DRAM)。在一些实施例中,非易失性存储器包括铁电随机存取存储器(FRAM)。在一些实施例中,非易失性存储器包括相变随机存取存储器(PRAM)。在其他实施例中,装置是存储装置,非限制性示例包括CD-ROM、DVD、闪存存储器装置、磁盘驱动器、磁带、光盘驱动器和基于云计算的存储。在另外的实施例中,存储和/或存储器装置是诸如本文公开的装置的组合。
在一些实施例中,移动计算装置包括用于向用户发送视觉信息的显示器。在一些实施例中,移动计算装置包括用于从用户接收信息的输入装置。在一些实施例中,输入装置是键盘。在一些实施例中,输入装置是指示装置,非限制性示例包括鼠标、轨迹球、轨迹板、操纵杆、游戏控制器或触控笔。在一些实施例中,输入装置是触摸屏或多触摸屏。在其他实施例中,输入装置是用于捕获语音或其他声音输入的麦克风。在其他实施例中,输入装置是用于捕获运动或视觉输入的摄像机或其他传感器。在更进一步的实施例中,输入装置是诸如本文公开的装置的组合。
在各种实施例中,本文描述的平台、系统、介质和方法包括云计算环境。在一些实施例中,云计算环境包括多个计算处理器。
应当理解,图5A-图5E示出本文描述的用户情况的示例性实施例,通常,许多电极位置、形状和尺寸可用于本文描述的装置中,使得个体舒适且自然地接触电极。例如,所有三个电极可以完全定位在计算装置或装置盖的侧面上。
在图5A-图5E中所示的任何实施例中,一个或多于一个电极可以被配置为可从ECG感测装置500移除。在这些实施例中,ECG感测装置具有例如被配置为卡扣配合耦合到可移除电极上的相应公口连接器或母口连接器的公口连接器或母口连接器。
而图5A-图5E的实施例示出包括三个电极的ECG感测装置,应当理解,其他数量的ECG电极可以并入本文描述的ECG感测装置中。
一般而言,上述任何技术、组件和/或子系统可以与任何其他示例一起使用或组合。例如,本文描述的任何ECG装置可以包括上述特征中的任何特征。
无论是继发于遗传和/或获得性风险因素,QTc延长都表示SCD的独立风险因素,也是各种临床环境中全因和心血管死亡率这两者的预测子。重要的是,研究表明,在接受住院或门诊12导联ECG的所有个体中,约1%个体的QTc≥500ms。应当注意,当达到或超过该阈值时,死亡风险增加约2-4倍,并且至少在短期内(例如30天),用作全因死亡率的有力预测子,其性能优于常规的共发病率指标。尽管本文关于500ms阈值讨论,但任何适当的阈值(例如,450ms、475ms)可以用于指示表示心脏疾病相关死亡率的高风险的QTc延长。此外,在特定时间段内特定量的QTc的增加也可以指示表示心脏疾病相关死亡率的高风险的QTc延长。例如,如果用户的QT在400毫秒处测量到,并且在稍后的时间(在阈值时间段内)在450毫秒处测量到,则这可以指示QTc延长,即使450可能低于针对单个测量的QTc阈值(例如,500ms)。
此外,在许多情形下,QTc≥500ms的发展至少部分是由存在潜在致死性但高度可治疗的遗传性疾病(即先天性LQTS)和/或可改变的风险因素(例如电解质异常、使用≥1QTc延长药物或潜在QT激惹疾病)驱动的。因此,在许多情形下,识别显著的QTc延长为以下各项提供了重要的机会:i)识别存在风险的宿主的易感,ii)进行降低TdP和SCD的风险所需的潜在的救命的改变(即开始使用β受体阻滞剂、停用QTc延长药物或纠正低钾血症和低镁血症)。
然而,由于对庞大的12导联ECG系统和经训练的ECG技术人员的依赖,可以监测QTc的临床环境在很大程度上仅限于医院和门诊诊所的“快照”评估。
因此,在一些实施例中,ECG感测装置500可以用于预测用户的QT间期。如本文所讨论的,机器学习(ML)非常适合于连续监测一个或多于一个准则以与用于训练模型的训练示例相比来识别输入数据中的大和小的异常或趋势。可以与本文描述的实施例一起使用的ML模型作为示例而不是限制包括:Bayes、Markov、Gausian处理、聚类算法、生成模型、内核和神经网络算法。一些实施例利用基于训练的神经网络(例如,训练的递归神经网络(RNN)或训练的卷积神经网络(CNN))的机器学习模型。
ECG感测装置500可以执行模块510B以预测如本文所讨论的QT间期。如本文所述,模块510B可以包括用于预测QT间期的深度神经网络(DNN),然而可以使用任何适当的ML模型。用户可以以本文描述的任何适当方式(例如,如本文进一步详细讨论地响应于接收指令)定位ECG感测装置500,并使用ECG感测装置500进行ECG。处理装置505可以用平均跳动算法处理记录的ECG信号,并且到DNN的输入可以是以毫伏为单位的2×450长度信号形式的平均跳动。在经过初始卷积层(例如,2D卷积、泄漏整流线性单元、最大合并)之前,在由三个单独的通过级(两个单独的2D卷积、泄漏整流线性单元、最大合并等)处理之前,平均跳动信号可以首先经由双曲切线函数来箝位,其中在下采样、池化和卷积之前添加通过输入(经由可训练参数)并且应用随机失活(dropout)。在最终通过之后,通过两个单独的前馈网络层发送信号,从而输出给定QT值的输出类别的概率向量,该概率向量的期望值被视为预测的QT间期。训练所用的损失函数是概率向量与目标QT间期的交叉熵项和QT间期平均值的均方根误差之和。应该注意,ML模型可以利用任何适当数量和组合的导联(并且在任何适当数量和组合的导联上训练)。在一些实施例中,可以训练ML模型以基于导联I、II或III与任何适当的v导联的组合来预测QT间期。例如,可以基于导联I和v5、导联II和v5或导联III和v5(或任何其他适当的v导联)来训练ML模型。
可以使用在采集ECG时用户所在的相同位置采集的各种患者的带注释的标准12导联ECG数据来训练DNN。在一些实施例中,可以在训练之前对ECG信号进行预处理。例如,可以应用带通滤波器来模拟ECG感测装置500的动态带宽(0.1-40Hz),并且可以在用导联I和II的平均跳动算法处理所得的12导联ECG之前应用任何适当的滤波算法(例如,AlivecorTM的FDA许可的增强滤波算法)。可以基于QT间期对包括训练数据的源ECG进行分类,并且在随机选择的分类中随机选择ECG。由于从用户接收的ECG信号可以包括使用例如单独的导联转换ML算法(例如,经由模块510A)生成的导联,因此在一些实施例中,可以使用包括合成导联的附加训练数据进一步适配DNN。
这里描述的所有装置适于在各种系统中使用,这些系统可以包括一个或多于一个服务器、一个或多于一个传感器、电子数据通信网络以及其他ECG感测装置。在一些实施例中,如本文所述的多个ECG感测装置通过电子数据通信网络将ECG数据发送到一个或多于一个远程服务器。在一些实施例中,使用一个或多于一个远程服务器来分析ECG数据。在一些实施例中,使用分析所接收的ECG数据的远程服务器来执行心律失常检测。
本文描述的所有装置和系统还可以包括一个或多于一个软件模块。在一些实施例中,软件包括被配置为在移动计算装置(例如,智能电话、智能手表或平板计算机)上运行的应用。软件接收并处理从ECG感测装置接收的ECG数据。软件基于例如ECG数据源自的电极来识别所发送数据内的单独导联。例如,软件可以能够基于来自测量右上肢和左上肢之间的电位差的两个电极的信号来识别导联I。一旦识别出ECG,软件还可以被配置为在移动计算装置的显示屏幕上显示单导联或多导联ECG。软件可以被配置为在显示屏幕上同时显示六个导联I、II、III、aVR、aVL和aVF。软件可以被配置为在显示屏幕上一次显示六个导联I、II、III、aVR、aVL和aVF中的一个或多于一个,其中用户能够手动切换屏幕以在不同的切换屏幕上看到不同的一个或多于一个导联。
本文描述的软件模块包括计算机可读和可执行代码。在各种实施例中,软件模块包括文件、代码段、编程对象、编程结构或其组合。在另外的各种实施例中,软件模块包括多个文件、多个代码段、多个编程对象、多个编程结构或其组合。在各种实施例中,作为非限制性示例,所述一个或多于一个软件模块包括web应用、移动应用和独立应用。在一些实施例中,软件模块在一个计算机程序或应用中。在其他实施例中,软件模块在多于一个的计算机程序或应用中。在一些实施例中,软件模块托管在一个机器上。在其他实施例中,软件模块托管在多于一个机器上。在其他实施例中,软件模块托管在云计算平台上。在一些实施例中,软件模块托管在处于一个位置的一个或多于一个机器上。在其他实施例中,软件模块托管在处于一个以上的位置的一个或多于一个机器上。
在一些实施例中,未同时感测的两个或更多个感测的导联被时间对准以生成时间对准的ECG迹线,该ECG迹线以时间对准的格式显示两个或更多个导联,诸如在传统的标准12导联ECG迹线中那样。在本文描述的ECG感测装置的一些实施例中,一个或多于一个ECG感测电极不同时定位在感测ECG的个体的皮肤上(即,可以依次感测一些导联)。例如,同时感测肢体导联(I、II、III、aVR、aVL和aVF),同时与肢体导联分开感测一个或多于一个心前导联。这样,在这些实施例中,六个肢体导联不是自动地与单独和分开感测的心前导联时间对准的,而是由软件应用执行进一步的处理以将一个或多于一个肢体导联与一个或多于一个心前导联时间对准。在一些实施例中,单独感测六个心前导联中的一个或多于一个,使得单独感测的心前导联通过软件应用与六个肢体导联以及与其他心前导联时间对准。在一些实施例中,本文描述的软件应用将两个或更多个感测的心前导联彼此对准,并且单独地将六个感测的肢体导联时间对准,使得两组六个导联分别时间对准(即,六个时间对准的心前导联和六个单独时间对准的肢体导联)。在一些实施例中,本文描述的软件将两个或更多个感测的心前导联彼此对准以及与感测的肢体导联对准,使得所有十二个感测的导联都是时间对准的。
在一些实施例中,针对第一导联和第二导联生成一个或多于一个平均或中值波形,使得对应于不同心跳的波形是时间对准的。即,在不同时感测一个或多于一个导联的一些实施例中,针对这些导联中的一个或多于一个生成平均或中值波形,并且平均或中值波形是时间对准的,使得P、QRS和T波形/波群沿着X轴垂直对准。
存储器510可以包括时间对准软件模块(未示出),其可以进行由ECG感测装置500感测的各个导联的P、QRS和T波形/波群的时间对准,使得感测的ECG导联在显示时如传统ECG迹线中的波形那样对准。在ECG感测装置的一些实施例中,ECG感测装置包括被配置为对两个或更多个感测的ECG导联进行时间对准的软件应用。在ECG感测装置的一些实施例中,被配置为对两个或更多个感测的ECG导联进行时间对准的软件应用是从ECG感测装置接收数据的系统的组件。
当本文描述的ECG感测装置的第一电极和第二电极在装置的第三电极接触六个心前导联位置中的任何一个的同时被用户的右上肢和左上肢接触的情况下,导联I与感测的心前导联同时感测。也就是说,导联I等于在左上肢感测到的电压减去在右上肢感测到的电压,因此当左上肢、右上肢和胸部都分别被本文描述的ECG感测装置的电极接触时,除了心前导联之外还感测到导联I。因此,当依次感测所有六个心前导联时,还分别生成六个相应的“心前导联I记录”:V1-导联I、V2-导联I、V3-导联I、V4-导联I、V5-导联I和V6-导联I。这六个心前导联I记录各自用于将各个心前导联时间对准至肢体导联,从而时间对准心前导联。
在一些实施例中,时间对准软件模块通过利用与V1、V2、V3、V4、V5和V6波形各自同时感测到的心前导联I记录来时间对准心前导联V1、V2、V3、V4、V5和V6。也就是说,心前导联I记录V1-导联I、V2-导联I、V3-导联I、V4-导联I、V5-导联I和V6-导联I(与心前导联记录同时感测这些导联)各自分别与心前导联记录时间对准。例如,通过沿着Y轴将心前导联I记录移动一定距离,各个心前导联I记录与肢体导联一起感测的导联I时间对准,并且由于各个心前导联I记录与心前导联时间对准,当沿Y轴移动相同距离时,各个心前导联V1、V2,V3、V4、V5和V6也将与它们共同感测的心前导联I记录对准。例如,“V1-导联I”是指时间与V1时间对准的导联I记录。“V1-导联I”与“导联I”不同,“导联I”是使用本文描述的ECG感测装置与其他五个肢体导联同时感测记录的导联I。“V1-导联I”也不一定是与“导联I”时间对准,因为这两个不同的导联I记录通常不是使用本文描述的ECG感测装置同时感测的。然而,由于“V1-导联I”和“导联I”这两者都是导联I记录,因此它们可以以相当直观的方式进行时间对准,因为平均时,它们在波形之间都预期具有非常相似(如果不相同)的形态和时序。例如,如果平均的“导联I”的R波的峰出现在1秒处,并且平均的“V1-导联I”的R波的峰出现在1.5秒处,则平均的“V1-导联I”将沿着Y轴重新定位或移位0.5秒,使得其R波的峰出现在1秒处,就像在平均的“导联I”中那样。由于V1是与V1-导联I时间对准的,因此它也必须沿着Y轴移动0.5秒,以与平均的“导联I”时间对准。当V1与“导联I”时间对准时,它也将与已经与“导联I”时间对准的其他五个肢体导联时间对准。通过将V2-导联I、V3-导联I、V4-导联I、V5-导联I和V6-导联I分别与“导联I”对准,V2、V3、V4、V5和V6将出现类似的对准。
图6是根据本发明的一些实施例的预测QT间期的方法600的流程图。方法600可以由可包括硬件(例如,电路、专用逻辑、可编程逻辑、处理器、处理装置、中央处理单元(CPU)、片上系统(SoC)等)、软件(例如,在处理装置上运行/执行的指令)、固件(例如,微码)或其组合的处理逻辑来进行。在一些实施例中,方法600可以由如图5A所示的ECG感测装置500(经由处理装置505)进行。
在框605,ECG感测装置500可以向用户提供关于其身体应位于的位置的指令(在一些实施例中,计算装置550可以提供这些指令),以及将ECG感测装置500定位在其身体上以记录ECG的指令。在框610,处理装置505可以进行ECG并获取用户的ECG信号。在框615,处理装置505可以用平均跳动算法处理记录的ECG信号,并且在框620,处理装置505可以执行模块510B以预测用户的QT间期。如本文所述,模块510B可以包括用于预测QT间期的深度神经网络(DNN),然而可以使用任何适当的ML模型。到DNN的输入可以是例如以毫伏为单位的2×450长度信号形式的平均跳动。在经过初始卷积层(例如,2D卷积、泄漏整流线性单元、最大池化)之前,在由三个单独的通过级(两个单独的2D卷积、泄漏整流线性单元、最大池化等)处理之前,平均跳动信号可以首先经由双曲切线函数来箝位,其中在下采样、池化和卷积之前添加通过输入(经由可训练参数)并且应用随机失活。在最终通过之后,可以通过两个单独的前馈网络层发送信号,从而输出给定QT值的输出类别的概率向量,该概率向量的期望值被视为预测的QT间期。训练所用的损失函数是概率向量与目标QT间期的交叉熵项和QT间期平均值的均方根误差之和。
在一些实施例中,一个或多于一个电极可以在移动计算装置的外部。在这样的实施例中,一个或多于一个外部电极无线地或硬线地耦合到移动计算装置。无线连接的非限制性示例可以包括例如一个或多于一个外部电极与装置之间的WiFi连接、一个或多于一个外部电极与装置之间的连接、一个或多于一个外部电极与装置之间的低功率BlueTooth连接、一个或多于一个外部电极与装置之间的NFC(近场通信)连接,或者一个或多于一个外部电极与装置之间的近场超声通信连接。本领域技术人员应当理解,与装置无线通信的其他部件适合于与本文描述的系统、装置和方法一起使用。
另外,与本文描述的任何系统、装置、方法结合的软件可以被配置为分析从ECG感测装置接收的ECG数据。分析可以包括使用这里描述的六个导联I、II、III、aVR、aVL和aVF生成QRS轴和T轴值。另外,与本文描述的任何系统、装置、方法结合的软件可以通过计算本文描述的QRS轴和T轴之间的差来确定QRST角度。分析还可以包括节律分析,其可以包括确定心率变异性、QT间期或校正的QT间期。
另外,与本文描述的任何系统、装置、方法结合的软件可以用于确定与ECG相关联的诊断或异常。例如,如所描述的,轴偏移可能与右心室或左心室肥大的异常相关联。例如,心率变异性可能与心房颤动的诊断相关联。例如,QT间期变化可能指示某些心律失常。
本文描述的任何系统、装置和方法也可以与测量生理参数的传感器组合。例如,本文描述的系统、装置或方法可以与血压传感器结合。例如,本文描述的任何系统、装置或方法可以与光电血管容积描记(PPG)传感器结合。例如,本文描述的任何系统、装置或方法可以与温度传感器结合。例如,本文描述的任何系统、装置或方法可以与脉搏血氧仪传感器结合。例如,本文描述的任何系统、装置或方法可以与加速度计结合。本领域技术人员将理解,监测或检测生理参数的其他传感器适于与本文描述的系统、装置和方法一起使用。
在一些实施例中,在本文描述的任何系统、装置和方法中,感测的生理数据被发送到处理器。与本文描述的任何系统、装置和方法组合的软件可以使用与感测的ECG组合感测的所述生理数据来进行分析。例如,可以通过所述软件将血压数据与ECG数据组合,以提供确定为存在室性心动过速(立即危及生命的状况)的分析。
本文描述的系统、装置和方法可以包括用于发送和接收无线信号的发送器和接收器中的任一个或这两者。
在一些实施例中,当确定异常分析结果时,本文描述的软件还导致将信号发送到服务器。例如,异常分析结果包括异常ECG。例如,异常分析结果包括异常QRS轴。例如,异常分析结果包括异常QRST角度。在一些实施例中,异常分析结果包括异常ECG。例如,异常分析结果包括异常心率变异性值。例如,异常分析结果包括异常生理参数值。发送的信号可以包括到紧急护理提供者的信号。例如,如果确定了立即危及生命的状况,例如VT,则本文描述的软件可以向紧急操作员、紧急护理提供者(例如护理人员)或其他第三方检测器发送紧急信号。
可以在所述显示屏幕上显示六导联ECG,所述六导联ECG包括所述导联I、所述导联II、所述导联III、所述导联aVR、所述导联aVL和所述导联aVF。
虽然本文描述的系统、装置和方法的优选实施例已经在本文示出和描述,但是对于本领域技术人员显而易见的是,仅通过示例的方式提供这些实施例。对本领域技术人员而言现在将存在许多变型、改变和替换,而不脱离本文描述的用户问题。应当理解,可以在实施本文描述的系统、装置和方法中采用本文描述的系统、装置和方法的实施例的各种替代方案。旨在以下权利要求限定本发明的范围,并且在这些权利要求的范围内的方法和结构及其等同物由此被涵盖。
在一个实施例中,本文描述的方法和系统可以与用于引导和/或校正患者上的电极放置的方法和系统组合。这些方法可以特别用于引导用于ECG测量的电极的放置。一般而言,本文所设想的系统、装置和方法处理患者的图片以输出患者上的电极位置。典型地,这可以包括呈现患者的图像(例如,患者图片的修改版本),其示出电极相对于实际患者图片的位置。
例如,如本文所描述的用于引导电极放置的系统或装置可以包括控制逻辑,其用于控制处理器(例如,诸如手持计算装置等的计算装置的微处理器)以接收患者的图片,分析患者以确定电极的正确放置,以及输出已经标记了正确预定电极位置的患者的图像。一般而言,控制逻辑可以被配置为软件、硬件或固件,并且可以控制通用计算装置(例如,计算机、平板计算机等)或移动电信装置(智能电话,诸如iphoneTM、androidTM等)来接受或获取图片并输出患者的图像。可以远程或本地进行处理步骤。一般而言,处理步骤可以包括将患者的图片与各种身体类型的数据库(例如,电极放置数据库)以及同各个身体类型相关联的电极的相应预定、常规或标准位置进行比较。通过调整图片的大小和/或在某些情况下调整宽高比、亮度、对比度或其他图像特征以允许与数据库直接比较,也可以在将患者的图片与患者数据库进行比较之前将图片标准化。可以使用包括作为图片的一部分的标记来进行标准化。例如,患者的图片可以用患者上的已知或可知大小的标记来采集,并且标记可以用作标准化标记以在与数据库比较之前来标准化图片。也可以进行标准化以均衡图片的亮度、对比度、清晰度或其他成像质量。标记可以例如通过粘合剂等直接放置或应用在患者(例如,患者的躯干)上。
还描述了由用于引导电极放置的装置和系统进行的方法,诸如引导患者上电极放置的方法。
例如,本文所设想的是用于引导电极在患者上的正确放置的方法,其包括:将患者的图片与电极放置数据库进行比较以确定电极在患者上的定位,其中电极放置数据库包括多个身体类型的表示和与各个身体类型相对应的预定电极放置位置;以及呈现患者的图像,其示出在患者的图像上电极的位置。
这些方法可以特别适于以患者上的标准或常规配置引导ECG电极在患者上的放置。因此,数据库可以被配置为包括多个身体类型,以及针对数据库中的各个身体类型的相应的常规/标准电极放置位置。
在一些变型中,可以确定并指示所有电极的电极位置(例如,用于标准12电极导联的所有10个电极位置)。然而,在电极位置的子集上的一些变型可以被确定和/或显示。例如,引导标准/常规12导联电极放置的定位的方法可以确定并仅示出患者胸部上的六个电极位置。在可以相对于一个或多于一个关键电极位置确定其他电极位置的一些变型中,可以仅示出关键电极的位置。
一般而言,可以使用受试者的任何适当图片。在一些变型中,系统、装置或方法可以包括采集或获取图片。在一些变型中,可以由进行该方法的系统或装置(例如,智能电话或其他手持计算机装置)采集图片。本文描述的系统、装置和方法可以指示用户如何采集患者的图片,包括将患者定位(面向前方、站着、坐着、躺着等)、离患者大约多远以采集图片、将标准化标记定位在患者上或患者附近等。图片可以作为数字图像来接收。图片可以包括患者的图像,特别是患者身体的要应用电极的区域。例如,当应用ECG电极时,图片可以包括患者的躯干或胸部。可以包括患者身体的其他区域,诸如患者的头部、腿等。患者可以站着、坐着或躺着。患者的要应用电极的区域通常是裸露的(例如,可以是赤膊的或至少部分赤膊的,使得皮肤可以可视化)。如前所述,在一些变型中,标准化标记可以被包括作为图片的一部分。例如,参考标记可以放置在患者上;参考/标准化标记通常具有(诸如硬币(例如,美国25分、便士等)的)已知的或标准的大小。在一些变型中,提供了参考标记,并且参考标记可以是不同的形状或颜色。在一些变型中,标记由设备自动辨识。例如,标记可以包括可读代码(例如,条形码、字母数字代码、QR代码等);可选地,设备可以通过颜色、形状等来识别标记。
在方法、系统或装置引导用户采集或获取图片的变型中,图片可以由系统或装置鉴定。鉴定图片可以包括检查图片以确认图片是合适的并且可以相对于数据库来分析(例如,比较)。
如本文中所使用的,短语“用户”和“患者”旨在广义地包括方法、装置和系统可以用于帮助定位电极的任何受试者。患者可以包括动物(在特定配置用于该类型动物的系统和装置中)或人类,并且可以包括健康或非健康受试者。如本文所使用的,“用户”可以是使用如本文所描述的系统、方法和装置的人。在一些变型中,用户与患者相同,因为这里描述的系统、装置和方法可以由患者用于引导电极在其上的放置。
在一些变型中,将图片与电极放置数据库进行比较可以包括确定患者上12导联ECG的电极的标准放置。
一般而言,将患者的图片与电极放置数据库进行比较可以包括确定图片与患者数据库中的一个或多于一个代表性身体类型之间的匹配(例如,最接近的匹配)。一旦已经识别出一个或多于一个最接近的匹配的代表性身体类型,就可以将与针对匹配的代表性身体类型相对应的电极放置映射到患者的图片。在识别出多于一个匹配的情况下,可以通过加权、平均或用于在最接近的匹配中找到共识标准的其他适当统计方法,从与多个代表性身体匹配相对应的标准电极放置中确定电极放置,并且将该标准电极放置映射到患者的图片。
如下面更详细描述的,电极放置数据库通常包括针对不同身体的标准/常规电极放置的多个(例如,>10、>100、>1000、>10000等)表示。身体类型的表示可以包括身体的图像(例如,图片、图片的部分等)或从包括特定于身体的电极放置的该身体的图像提取的信息,其中电极放置已经被确认或验证为在标准/常规界限内。各种身体类型可以包括不同形状和大小(身高、体重、形态)、性别(男性/女性)、年龄(婴儿、儿童、成人、老年人)、体格形态(肩宽、胸围、腰围等)等的身体类型。各个身体类型表示可以是唯一的,但是可以包括类似的身体类型,从而围绕更常见的身体类型创建身体类型簇。可以对数据库中的所有身体类型进行预标准化,以允许在不同表示之间进行比较。可以使用多个不同的电极放置数据库。例如,单独的数据库可以用于不同的患者位置(躺着、坐着、站着等),或者用于不同的患者性别、年龄等。此外,不同的电极放置数据库可以用于不同的标准/常规电极放置。
因此,除了在将图片与电极放置数据库进行比较之前对图片进行标准化之外,还可以对图片进行处理以使其准备好与数据库进行比较。在通过从图片提取特征并将这些提取的特征与数据库中的身体类型的表示进行比较来进行比较的变型中,可以在比较之前(或作为比较的一部分)对图片进行特征的提取。例如,当将患者的图片与电极放置数据库进行比较包括从图片中确定解剖标志并且将解剖标志与电极放置数据库进行比较时,可以首先从图片中提取解剖标志。还可以对图片进行处理以去除可能与保护患者隐私相关的患者识别特征(例如,患者面部的全部或部分等)。
如上所述,图片与数据库的比较可以包括在与图片最接近的匹配与患者数据库中的两个或更多个代表性身体类型之间进行插值。
在一些变型中,将患者的图片与数据库进行比较包括使用模式识别来确定图片与数据库中的代表性身体类型之间的最接近的匹配。在一些变型中,将患者的图片与电极放置数据库进行比较包括将患者的标准化图片与电极放置数据库进行比较。
本文设想的方法、装置和系统还可以包括呈现患者的图像,其示出在患者的图像上电极的位置。可以呈现患者的任何适当图像,包括示出通过与数据库比较而确定的电极的位置的患者图像的修改版本。在一些变型中,患者的图像被数字地显示(例如,在手持计算装置上)。并且可以扩大(放大/缩小)或操纵,使得用户可以看到放置电极的位置。在一些变型中,图像可以包括附加的引导,包括针对患者的测量结果(以英寸、mm为单位的标尺、距离等),包括患者标志,诸如解剖标志,和/或针对其他电极。
示出电极的常规/标准位置的患者图像的呈现可以示出所有电极或一些电极。在一些变型中,图像的呈现可以包括分别示出具有所指示的不同电极位置的患者的一系列图像,以更好地允许用户逐步完成应用或重新定位电极的处理。一般而言,患者的图像的呈现可以是视觉的(示出图像),并且还可以包括用于应用电极的文本(书面/口头)指令。例如,在本文中描述的旨在与手持计算机装置(诸如智能电话)一起使用的系统和方法的变型中,可以控制装置以通过观看智能电话的屏幕来通过采集患者的图片并定位(或重新定位)电极这两者来对用户进行步骤指导。
在一些变型中,本文描述的方法、装置和系统可以用于校正和/或验证已经存在于患者上的电极的位置。例如,用户可以采集或接收已经在胸部上具有ECG电极的患者的图片。将患者的图片与电极放置数据库进行比较还可以将已经在患者上的电极的位置与确定的标准/常规位置进行比较。因此,将患者的图片与电极放置数据库进行比较可以包括将具有已经放置在患者胸部上的一个或多于一个电极的患者的图片与电极放置数据库进行比较。然后可以自动地(指示何时发生一个或多于一个电极)或者通过将正确的位置(以某种特定的方式,例如,通过颜色)覆盖在患者的图片上以形成呈现的图像来被动地验证已经放置在患者胸部上的一个或多于一个电极的位置。在一些变型中,所呈现的图像包括患者的图像,其示出在患者的图像上电极的校正定位。
本文还设想了用于引导ECG电极放置的方法,所述方法包括:接收包括患者胸部的患者的图片;将患者的图片与电极放置数据库进行比较以确定电极在患者上的定位,其中电极放置数据库包括多个身体类型的表示和与各个身体类型相对应的预定常规ECG电极放置位置;以及呈现患者的图像,其示出在患者的图像上常规ECG电极位置的位置。根据权利要求17所述的方法,其中将患者的图片与电极放置数据库进行比较包括确定图片与电极放置数据库中的代表性身体类型之间的最接近的匹配。
如上所述,将患者的图片与电极放置数据库进行比较包括从图片中确定解剖标志并将解剖标志与电极放置数据库进行比较。在一些变型中,将患者的图片与数据库进行比较包括使用模式识别来确定图片与电极放置数据库中的代表性身体类型之间的最接近的匹配。
在本文描述的任何变型中,患者图片与电极放置数据库的比较可以相对于其他步骤远程进行。例如,可以使用智能电话(例如,使用下载到电话的应用)来获取患者的图片,并呈现示出电极的常规位置的患者的图像;可以使用远程服务器远程地进行图片与数据库的比较。因此,数据库可以与智能电话(或其他装置)上的应用分开维护。这可以允许更改、更新或以其他方式修改数据库和/或用于将患者的图片与数据库进行比较的机制。然后,在手持计算机装置从远程数据库接收回信息(或生成的图像)之后,可以在手持计算机装置上呈现生成的图像。可选地,在一些变型中,在本地级别上进行所有步骤(例如,使用手持计算装置,诸如智能电话或平板计算机)。
如上所述,患者的图片可以包括标准化标记。因此,接收患者的图片的步骤可以包括接收包括标准化标记的患者图片。在一些变型中,所接收的患者的图片可以包括患者胸部上的电极;该方法、装置或系统可以验证已经相对于常规ECG电极放置位置在胸部上的电极的放置。
本文还描述了用于确定ECG电极的放置的方法,包括:接收示出包括患者和标准化标记的图片;使用标准化标记对图片进行标准化;将所述标准化图片与电极放置数据库进行比较,所述电极放置数据库包括多种身体类型的表示和针对各个身体类型的预定ECG电极放置位置,以确定电极在患者上的定位;以及呈现患者的图像,其示出在患者的图像上ECG电极的位置。
系统或装置可以被配置为进行以上描述的任何或所有步骤,以用于接收患者的图片,该图片包括患者的要应用电极的区域,分析该图片,并且提供患者的图像(或任何其他患者特定映射),该图像基于预定、常规和/或标准电极位置示出患者上的一个或多于一个电极的位置
尽管本文描述的许多示例特定于根据标准或常规12导联ECG电极放置来放置(例如,装置500的)ECG电极的系统、装置和方法,但是这些系统、装置和方法可以与任何预定、常规和/或标准电极定位系统(包括用于脑电图(EEG)、肌电图(EMG)、皮肤电流反射(GSR)、眼电图(EOG)、生物阻抗(BI)等的电极)一起使用(或适于使用)。例如,电极放置数据库可以包括各种身体类型以及用于EEG、EMG、GSR、EOG、BI等的针对各个身体类型的相应预定、常规和/或标准电极位置。在一些变型中,不同的电极放置区域(不同的常规和/或标准电极放置)可以在数据库中链接到各个身体类型,并且用户可以选择要显示的放置区域。在其他变型中,对于同一患者,可以依次地或同时地示出多个放置方案。例如,对于ECG电极放置,电极放置可以对应于3导联、5导联和12导联ECG。
用于引导电极放置的系统通常可以包括控制逻辑,该控制逻辑可以作为接收患者的图片的软件、硬件或固件(或其组合)来执行,使用电极放置数据库来确定该患者的常规和/或标准电极放置,并且输出患者的映射或图像,其示出电极应该在患者上定位在何处。系统还可以被配置为引导或引领用户完成采集患者的图片和/或将电极定位在患者上的处理。在一些变型中,系统被配置为通过可听指令、书面指令和/或可视指令来引导用户。系统可以被配置为根据(例如,控制)包括智能电话(例如,iPHONE、ANDROID等)的手持计算装置工作以接收(并且在某些情况下采集)患者的图片并输出标记了所确定的电极位置的患者的图像。例如,系统可以被配置为可下载到智能电话上的针对智能电话的应用。
本文描述的任何系统可以是专用系统,其被预先配置为接收患者图片并输出示出电极放置位置的患者的图像,并且不需要将应用(例如,软件)下载到单独的装置上。例如,系统可以包括用于采集患者的图片的照相机以及控制逻辑,该控制逻辑用于接收图片、控制对图片的分析以使用电极放置数据库来确定电极放置、以及根据常规和/或标准电极定位方案输出示出一个或多于一个电极的位置的患者的映射或图像。系统可以包括电极放置数据库的全部或一部分,或者系统可以与远程电极放置数据库通信。此外,系统可以包括比较单元,该比较单元可以包括比较逻辑,该比较逻辑用于将患者的图片与电极放置数据库中的身体类型进行比较,以找到患者和数据库中的身体类型之间的一个或多于一个接近的匹配,从该匹配可以将预定的常规和/或标准电极位置外推到患者图片。
该系统还可以被配置为使用(并且可以包括而作为系统的一部分)包括在患者图片中的标准化标记。标准化标记通常是本文描述的系统/装置可以在图片中区分的并且可以用于在图片中提供尺度和/或取向以供参考的明显标记。例如,标准化标记可以是可以附着到患者皮肤的标签;标签可以是明亮的颜色,并且可以具有已知的大小(例如,直径为1英寸的橙色圆)。因此,系统/装置可以区分图片中的该制定大小的标记,并且可以使用标准化标记对图片进行标准化。在一些变型中,标准化标记还可以提供参考位置,系统可以使用参考位置来提供用于放置电极的指令。在某些变型中,可以使用多于一个的制定大小的标记。标准化标记可以是公知尺寸的公共对象,诸如硬币等。用户可以在系统/装置中指示什么是标准化标记(例如,来自可能的标准化标记的菜单)。
如上所述,可以在手持计算机装置上向用户呈现示出电极的定位的患者图像。例如,手持计算机装置可以是具有网络连接的移动电话、智能电话、平板计算机或照相机。
图7是根据一些实施例的可以进行本文描述的一个或多于一个操作的示例计算装置700的框图。在一些实施例中,计算装置700可以表示ECG装置500的内部硬件。计算装置700可以连接到LAN、内部网、外部网和/或因特网中的其他计算装置。计算装置可以以客户端-服务器网络环境中的服务器机器的能力或对等网络环境中的客户端的能力操作。计算装置可以由个人计算机(PC)、机顶盒(STB)、服务器、网络路由器、交换机或桥接器、或能够执行指定由机器采取的动作的指令集(顺序或其他)的任何机器提供。此外,虽然仅例示了单个计算装置,但术语“计算装置”也应被视为包括单独或共同执行指令集(或多个集)以进行本文所讨论的方法的任何计算装置集合。
示例计算装置700可以包括处理装置(例如通用处理器、PLD等)702、主存储器704(例如同步动态随机存取存储器(DRAM)、只读存储器(ROM))、静态存储器706(例如闪存存储器和数据存储装置718),它们可以经由总线730彼此通信。
处理装置702可以由诸如微处理器、中央处理单元等的一个或多于一个通用处理装置提供。在说明性示例中,处理装置702可以包括复杂指令集计算(CISC)微处理器、简化指令集计算(RISC)微处理器、非常长指令字(VLIW)微处理器或实现其他指令集的处理器或实现指令集的组合的处理器。处理装置702还可以包括一个或多于一个专用处理装置,诸如专用集成电路(ASIC)、现场可编程门阵列(FPGA)、数字信号处理器(DSP)、网络处理器等。处理装置702可以被配置为根据本发明的一个或多于一个方面执行本文描述的操作,以进行本文讨论的操作和步骤。
计算装置700还可以包括可以与网络720通信的网络接口装置708。计算装置700还可以包括视频显示单元710(例如液晶显示器(LCD)或阴极射线管(CRT))、字母数字输入装置712(例如键盘)、光标控制装置714(例如鼠标)和声信号生成装置716(例如扬声器)。在一个实施例中,视频显示单元710、字母数字输入装置712和光标控制装置714可以组合成单个组件或装置(例如,LCD触摸屏)。
根据本发明的一个或多于一个方面,数据存储装置718可以包括计算机可读存储介质728,在该计算机可读存储介质728上可以存储一个或多于一个ECG指令725的集合,例如用于执行本文描述的操作的指令。在由计算装置700、主存储器704和也构成计算机可读介质的处理装置702执行ECG指令725期间,ECG指令725还可以完全或至少部分地驻留在主存储器704和/或处理装置702内。指令725还可以经由网络接口装置708在网络720上发送或接收。
虽然计算机可读存储介质728在说明性示例中被示出为单个介质,但是术语“计算机可读存储介质”应当被视为包括存储一个或多于一个指令集的单个介质或多个介质(例如,集中式或分布式数据库和/或相关联的高速缓存和服务器)。术语“计算机可读存储介质”也应被视为包括能够存储、编码或携带供机器执行的指令集并且使机器进行本文所述方法的任何介质。因此,术语“计算机可读存储介质”应被视为包括但不限于固态存储器、光学介质和磁介质。
本文描述的方法和说明性示例并不固有地与任何特定计算机或其他设备相关。可以根据本文描述的教导使用各种通用系统,或者可以证明构造更专用的设备以进行所需的方法步骤是方便的。各种这些系统所需的结构将如以上描述中所阐述的。
上述描述旨在说明性而不是限制性的。尽管已经参考特定说明性示例描述了本发明,但是将认识到本发明不限于所描述的示例。本发明的范围应参考以下权利要求以及权利要求所具有的全部等效范围来确定。
如本文所使用的,除非上下文清楚地另有指示,否则单数形式“a”、“an”和“the”也旨在包括复数形式。进一步理解的是,术语“包括(comprises)”、“包括(comprising)”、“包括(includes)”和/或“包括(including)”在本文中使用时规定了所述特征、整数、步骤、操作、要素和/或组件的存在,但不排除一个或多于一个其他特征、整数、步骤、操作、要素、组件和/或其组的存在或添加。因此,本文使用的术语仅用于描述特定实施例的目的,而不是旨在限制。
还应当注意的是,在一些替代实施例中,所提及的功能/动作可能不按图中所提及的顺序发生。例如,相继示出的两个附图实际上可以基本上同时执行,或者有时可以以相反的顺序执行,这取决于所涉及的功能/动作。
虽然以特定顺序描述了方法操作,但是应当理解,可以在描述的操作之间执行其他操作,可以调整描述的操作使得它们在稍微不同的时间发生,或者可以将描述的操作分布在允许以与处理相关联的各种间期发生处理操作的系统中。
可以将各种单元、电路或其他组件描述为或声称为“被配置为”或“可配置为”进行一个或多于一个任务。在这样的上下文中,短语“被配置为”或“可配置为”用于通过指示单元/电路/组件包括在操作期间进行一个或多于一个任务的结构(例如,电路)来表示结构。这样,即使在指定的单元/电路/组件当前不可操作(例如,不接通)时,也可以说单元/电路/组件被配置为进行任务,或者可配置为进行任务。与“被配置为”或“可配置为”语言一起使用的单元/电路/组件包括硬件(例如,电路、存储可执行以实现操作的程序指令的存储器等)。列举单元/电路/组件“被配置为”进行一个或多于一个任务,或“可配置为”进行一个或多于一个任务,明确旨在不针对单元/电路/组件而调用35U.S.C.112,第六段。另外,“被配置为”或“可配置为”可以包括通用结构(例如,通用电路),该通用结构被软件和/或固件(例如,执行软件的FPGA或通用处理器)操纵以以能够进行所关注的任务的方式操作。“被配置成”还可以包括调整制造工艺(例如,半导体制造设施)以制造适于实现或进行一个或多于一个任务的装置(例如,集成电路)。“可配置为”明确旨在不应用于空白介质、未编程处理器或未编程通用计算机、或未编程的可编程逻辑装置、可编程门阵列或其他未编程的装置,除非伴随有赋予未编程的装置被配置为进行所公开的功能的能力的编程介质。
为了说明的目的,已经参考具体实施例描述了上述描述。然而,上面的说明性讨论并不旨在穷尽或限制本发明到所公开的精确形式。鉴于上述教导,许多修改和变型是可能的。选择和描述这些实施例是为了最好地解释这些实施例的原理及其实际应用,从而使本领域的其他技术人员能够最好地利用这些实施例和可以适合于所设想的特定用途的各种修改。因此,本实施例将被认为是说明性的而不是限制性的,并且本发明不限于本文给出的细节,而是可以在所附权利要求的范围和等同物内修改。
Claims (23)
1.一种移动心电图传感器即移动ECG传感器,包括:
电极组件,其包括电极,其中,所述电极组件在与用户的身体接触的情况下感测心脏相关信号、并且产生表示所感测的心脏相关信号的电信号;
处理装置,其能够操作地耦合到所述电极组件,所述处理装置用于将所感测的心脏相关信号提供给机器学习模块,所述机器学习模块被训练以预测来自包括小于12个导联的所述移动ECG传感器的12导联QT间期值即12导联QTc值;以及
壳体,其容纳所述电极组件和所述处理装置。
2.根据权利要求1所述的移动ECG传感器,其中,所述机器学习模块被根据来自多个用户的12导联QTc间期数据进行训练以预测单个用户的12导联QTc值。
3.根据权利要求1所述的移动ECG传感器,其中,所述机器学习模块被根据来自单个用户的12导联QTc间期数据进行训练以预测所述单个用户的12导联QTc值。
4.根据权利要求1所述的移动ECG传感器,其中,所述机器学习模块是深度神经网络机器学习模块。
5.根据权利要求1所述的移动ECG传感器,其中,所感测的心脏相关信号包括导联I信号和导联II信号。
6.根据权利要求1所述的移动ECG传感器,其中,所述处理装置还用于分析所预测的QTc值以确定是否存在健康异常。
7.根据权利要求6所述的移动ECG传感器,其中,在检测到QTc延长的情况下,确定存在所述健康异常。
8.根据权利要求6所述的移动ECG传感器,其中,所述处理装置还用于响应于存在所述健康异常而向客户端装置发送通知。
9.一种移动心电图系统即移动ECG系统,包括:
电极组件,其包括电极,其中,所述电极组件在与用户的身体接触的情况下感测心脏相关信号、并且产生表示所感测的心脏相关信号的电信号;
处理装置,其能够操作地耦合到所述电极组件,所述处理装置用于将所感测的心脏相关信号提供给机器学习模块,所述机器学习模块被训练以预测来自包括小于12个导联的所述移动ECG系统的12导联QT间期值即12导联QTc值;
显示器,其能够操作地连接到所述处理装置;以及
存储器,其包括使所述处理装置处理所感测的心脏相关信号并且在所述显示器上显示所述心脏相关信号的指令。
10.根据权利要求9所述的移动ECG系统,其中,所述机器学习模块被根据来自多个用户的12导联QTc间期数据进行训练以预测单个用户的12导联QTc值。
11.根据权利要求9所述的移动ECG系统,其中,所述机器学习模块被根据来自单个用户的12导联QTc间期数据进行训练以预测所述单个用户的12导联QTc值。
12.根据权利要求9所述的移动ECG系统,其中,所述机器学习模块是深度神经网络机器学习模块。
13.根据权利要求9所述的移动ECG系统,其中,所感测的心脏相关信号包括导联I信号和导联II信号。
14.根据权利要求9所述的移动ECG系统,其中,所述处理装置还用于分析所预测的QTc值以确定是否存在健康异常。
15.根据权利要求14所述的移动ECG系统,其中,在检测到QTc延长的情况下,确定存在所述健康异常。
16.根据权利要求14所述的移动ECG系统,其中,所述处理装置还用于响应于存在所述健康异常而向客户端装置发送通知。
17.一种方法,包括:
从包括电极的电极组件接收来自用户的身体的由所述电极组件感测的心脏相关信号;
生成表示所感测的心脏相关信号的电信号;
通过处理装置将所述心脏相关信号提供给机器学习模块,所述机器学习模块被训练以预测来自包括少于12个导联的移动心电图传感器即移动ECG传感器的12导联QT间期值即12导联QTc值;以及
通过所述处理装置分析所预测的QTc值以确定是否存在健康异常。
18.根据权利要求17所述的方法,其中,所述机器学习模块被根据来自多个用户的12导联QTc间期数据进行训练以预测单个用户的12导联QTc值。
19.根据权利要求17所述的方法,还包括在检测到QTc延长的情况下确定存在所述健康异常。
20.根据权利要求17所述的方法,还包括响应于存在所述健康异常而向客户端装置发送通知。
21.根据权利要求7所述的移动ECG传感器,其中,QTc延长对应于高于阈值量且在阈值时间量内的QTc的增加。
22.根据权利要求15所述的移动ECG系统,其中,QTc延长对应于高于阈值量且在阈值时间量内的QTc的增加。
23.根据权利要求19所述的方法,其中,QTc延长对应于高于阈值量且在阈值时间量内的QTc的增加。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202063044882P | 2020-06-26 | 2020-06-26 | |
US63/044,882 | 2020-06-26 | ||
PCT/US2021/039118 WO2021263120A1 (en) | 2020-06-26 | 2021-06-25 | Two-lead qt interval prediction |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116096293A true CN116096293A (zh) | 2023-05-09 |
Family
ID=77022251
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180052362.3A Pending CN116096293A (zh) | 2020-06-26 | 2021-06-25 | 双导联qt间期预测 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20210401349A1 (zh) |
EP (1) | EP4171381A1 (zh) |
JP (1) | JP2023532488A (zh) |
CN (1) | CN116096293A (zh) |
WO (1) | WO2021263120A1 (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210113108A1 (en) * | 2019-10-22 | 2021-04-22 | Sensesemi Technologies Private Limited | Method, system and device for generating electrocardiogram with fewer number of probes |
US11633112B2 (en) | 2021-03-08 | 2023-04-25 | Medtronic, Inc. | Automatic alert control for acute health event |
US20220304613A1 (en) * | 2021-03-24 | 2022-09-29 | Alivecor, Inc. | Twelve-lead electrocardiogram using a reduced form-factor multi-electrode device |
WO2024044711A1 (en) * | 2022-08-25 | 2024-02-29 | Vektor Medical, Inc. | Automatic fibrillation classification and identification of fibrillation epochs |
WO2024072849A1 (en) * | 2022-09-27 | 2024-04-04 | The General Hospital Corporation | Artificial intelligence enabled discrimination of disease and disease etiology |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6217525B1 (en) * | 1998-04-30 | 2001-04-17 | Medtronic Physio-Control Manufacturing Corp. | Reduced lead set device and method for detecting acute cardiac ischemic conditions |
US10524734B2 (en) * | 2014-10-08 | 2020-01-07 | MAD Apparel, Inc. | Method and system for measuring beat parameters |
US9986932B2 (en) * | 2014-11-17 | 2018-06-05 | Medtronic Monitoring, Inc. | QT interval determination methods and related devices |
EP3852621A1 (en) * | 2018-09-17 | 2021-07-28 | Alivecor, Inc. | Mobile cardiac monitoring and analysis |
US11617528B2 (en) * | 2019-10-08 | 2023-04-04 | GE Precision Healthcare LLC | Systems and methods for reduced lead electrocardiogram diagnosis using deep neural networks and rule-based systems |
US20210169392A1 (en) * | 2019-12-10 | 2021-06-10 | Alivecor, Inc. | Twelve-lead electrocardiogram using a three-electrode device |
-
2021
- 2021-06-24 US US17/357,701 patent/US20210401349A1/en active Pending
- 2021-06-25 EP EP21745553.4A patent/EP4171381A1/en active Pending
- 2021-06-25 CN CN202180052362.3A patent/CN116096293A/zh active Pending
- 2021-06-25 JP JP2022580467A patent/JP2023532488A/ja active Pending
- 2021-06-25 WO PCT/US2021/039118 patent/WO2021263120A1/en unknown
Also Published As
Publication number | Publication date |
---|---|
JP2023532488A (ja) | 2023-07-28 |
EP4171381A1 (en) | 2023-05-03 |
US20210401349A1 (en) | 2021-12-30 |
WO2021263120A1 (en) | 2021-12-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6567728B2 (ja) | 患者の生存性を予測する方法 | |
Merdjanovska et al. | Comprehensive survey of computational ECG analysis: Databases, methods and applications | |
CN107454831B (zh) | 控制心电图的获取的电子系统 | |
US20210401349A1 (en) | Two-lead qt interval prediction | |
US10123741B2 (en) | Cardiac condition detection | |
US11793444B2 (en) | Electrocardiogram patch devices and methods | |
US10918294B2 (en) | VCG vector loop bifurcation | |
US20170181654A1 (en) | Wearable heart abnormality symptom sensing smart watch, and sudden heart attack prevention system and method using digital electrocardiogram (ecg) cordinates | |
US20230102555A1 (en) | Mobile qt analysis integration | |
US20240023817A1 (en) | Compact mobile three-lead cardiac monitoring device with hybrid electrode | |
JP2024502335A (ja) | 携帯型電子心電図パッチデバイス及び方法 | |
Petrėnas et al. | Lead systems and recording devices | |
JP7318160B2 (ja) | デバイスによる心房不整脈のモニタリングおよびサーバによる特性評価の非侵襲的方法 | |
US20230017105A1 (en) | Ultraviolet cardiac monitoring and analysis | |
Rashkovska et al. | Clustering of heartbeats from ECG recordings obtained with wireless body sensors | |
Amour et al. | Implementation of a mobile health system for monitoring ECG signals | |
US20190365269A1 (en) | Wearable heart abnormality symptom sensing smart watch and health management system using same | |
Bleda et al. | A quality and ergonomic heart monitoring device with user-friendly app for telemedicine | |
Jan et al. | Long-term follow-up case study of atrial fibrillation after treatment | |
John et al. | E-health biosensor platform for non-invasive health monitoring for the elderly in low resource setting | |
Chowdhury et al. | Future techniques and perspectives on implanted and wearable heart failure detection devices | |
Villarrubia et al. | EKG intelligent mobile system for home users | |
US20230165502A1 (en) | Multi-lead electrode placement on a wearable electrocardiogram device | |
Sreelatha et al. | Meticulous ECG-A Continuous Monitoring and Early Detection System of Arrhythmia Detection | |
Trobec et al. | From Multichannel ECG to Wireless Body Sensors |
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 |