CN117915836A - 用于评估心脏颤动期间的机电重构的系统和方法 - Google Patents
用于评估心脏颤动期间的机电重构的系统和方法 Download PDFInfo
- Publication number
- CN117915836A CN117915836A CN202280060881.9A CN202280060881A CN117915836A CN 117915836 A CN117915836 A CN 117915836A CN 202280060881 A CN202280060881 A CN 202280060881A CN 117915836 A CN117915836 A CN 117915836A
- Authority
- CN
- China
- Prior art keywords
- electromechanical
- deriving
- atrial
- fibrillation
- cardiac
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims description 44
- 206010061592 cardiac fibrillation Diseases 0.000 title claims description 30
- 230000004913 activation Effects 0.000 claims abstract description 36
- 230000000747 cardiac effect Effects 0.000 claims abstract description 34
- 238000002604 ultrasonography Methods 0.000 claims abstract description 24
- 238000004137 mechanical activation Methods 0.000 claims abstract description 4
- 230000001746 atrial effect Effects 0.000 claims description 57
- 206010003658 Atrial Fibrillation Diseases 0.000 claims description 48
- 230000033001 locomotion Effects 0.000 claims description 30
- 230000002107 myocardial effect Effects 0.000 claims description 23
- 230000002861 ventricular Effects 0.000 claims description 19
- 238000003384 imaging method Methods 0.000 claims description 14
- 230000002600 fibrillogenic effect Effects 0.000 claims description 13
- 230000003595 spectral effect Effects 0.000 claims description 12
- 238000012285 ultrasound imaging Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 5
- 238000000926 separation method Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 4
- 230000002123 temporal effect Effects 0.000 claims 1
- 238000002565 electrocardiography Methods 0.000 description 44
- 210000001519 tissue Anatomy 0.000 description 15
- 208000032845 Atrial Remodeling Diseases 0.000 description 12
- 208000003663 ventricular fibrillation Diseases 0.000 description 9
- 230000000694 effects Effects 0.000 description 8
- 210000002837 heart atrium Anatomy 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 6
- 230000011218 segmentation Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 4
- 238000012512 characterization method Methods 0.000 description 4
- 238000002592 echocardiography Methods 0.000 description 4
- 238000000513 principal component analysis Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000033764 rhythmic process Effects 0.000 description 4
- 206010044565 Tremor Diseases 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 3
- 230000010339 dilation Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000004393 prognosis Methods 0.000 description 3
- 238000007634 remodeling Methods 0.000 description 3
- 238000010183 spectrum analysis Methods 0.000 description 3
- 208000021642 Muscular disease Diseases 0.000 description 2
- 201000009623 Myopathy Diseases 0.000 description 2
- 206010003119 arrhythmia Diseases 0.000 description 2
- 230000006793 arrhythmia Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008602 contraction Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000003205 diastolic effect Effects 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 208000010496 Heart Arrest Diseases 0.000 description 1
- 208000037273 Pathologic Processes Diseases 0.000 description 1
- 206010049418 Sudden Cardiac Death Diseases 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 210000005246 left atrium Anatomy 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 210000004165 myocardium Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000009054 pathological process Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 210000005245 right atrium Anatomy 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 208000014221 sudden cardiac arrest Diseases 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 238000013175 transesophageal echocardiography Methods 0.000 description 1
- 238000010967 transthoracic echocardiography Methods 0.000 description 1
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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/02—Measuring pulse or heart rate
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
- A61B8/0883—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of the heart
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5284—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving retrospective matching to a physiological signal
-
- 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
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/48—Diagnostic techniques
- A61B8/488—Diagnostic techniques involving Doppler signals
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Cardiology (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Heart & Thoracic Surgery (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
提供了一种用于评估心脏机电重构的系统。它从ECG系统获得心脏电激活速率,并从超声数据获得心脏机械激活速率。优选地同时获得用于导出电激活速率和机械激活速率的数据组。获得电心脏激活速率和机械心脏激活速率之间的机电关系,发现其指示心脏机电重构阶段。
Description
技术领域
本发明涉及一种在心脏颤动期间评估受试者的系统和方法,并且特别地涉及评估机电重构。
背景技术
心房颤动和心室颤动是影响大量普通人群的严重心脏病。虽然心室颤动是一种致命性心律失常,需要通过直流电除颤进行快速干预才能恢复正常心律,但是心房颤动仅影响心房,这保护心室免受急性衰竭和即将发生的心脏骤停。
心房颤动(AF)的分类目前依赖于AF检测发病的时间标准及其与任何现有症状的相关性。但是,约50%的AF患者无症状,并且AF只是偶然检测到,这导致缺乏关于AF发病的客观临床信息。此外,尽管具有确切的发作持续时间,但是心房重构进展遵循特定于患者的模式,这不允许发作持续时间与潜在的重构阶段直接相关。这在AF进展的前几个月、明显和严重的心房扩张之前尤其重要,此时早期治疗干预对心律控制和预后有更大的影响。
欧洲心脏病学会当前的心房颤动(AF)管理指南已识别改善AF患者个性化护理方面的主要知识差距。该指南强调临床需要改进目前对AF期间心房重构的评估,这在全球AF患者稳步增加(发达国家平均患病率为1.5-2%)的背景下显得更为重要。
目前,与AF进展相关联的心房重构的特定于患者的参数的临床评估非常有限,并且需要新的临床替代方案,以便为医生提供对AF患者心房重构阶段的改进和个性化评估。
使用常规成像工具(例如,超声心动图)可以轻松评估心房扩张,但在常规临床实践中并未评估其它心房重构参数,诸如机械重构和心房电重构。但是,电和机械心房重构都表示AF相关心房变化的早期标志,这使得它们的评估与改善当前AF特性和管理高度相关。此外,心房病也可能先于AF发病,为复发和长期心律失常维持建立了有利的基础。
因此,需要评估机电关系的新工具来解决当前的知识差距,并定义每个AF患者所涉及的病理过程,尤其是在心房肌病出现明显症状之前的早期疾病阶段。因此,开发可靠且非侵入性的临床工具来评估AF期间的同步机械和电参数对于获得心房重构阶段的更完整评估非常有意义。
例如,可以使用不同的基于超声心动图的工具来评估心房机械活动。但是,这项任务在AF期间变得具有挑战性,因为常规的超声心动图工具(诸如脉冲多普勒)或更新的工具(诸如散斑跟踪)无法克服AF期间不规则壁运动和变形的内在限制。
评估AF期间机械活动的一些初步尝试已使用特定心房壁点处的组织速度成像来评估心房激活速率,例如Limantoro I等人在Heart Rhythm 2014;11:478-84中所公开的。但是,评估AF期间的机械活动仍然是一项临床需求,需要重大的方法改进和新颖的信号处理方案才能正确评估复杂场景下,诸如颤动期间(例如,AF)的机械活动。
作为AF期间心房机械评估的补充,电重构是与AF进展早期变化相关联的第二参数。虽然电重构没有在常规临床实践中实现,但在适当的信号处理后可以使用表面心电图描记来非侵入性地评估,以减去心室偏转(QRS-T复合物)并具体评估AF期间的心房电激活速率(下文中称为“EAR”)。
US2019/125311公开了一种结合超声成像和ECG的监测系统,用于监测周期性心脏移动。超声成像模块用于获得心脏的超声心动图,从中获得心房和心室的机械运动标识符。心房和心室的机械运动标识符与ECG信息一起输出。当没有收缩但仍有电活动时,系统识别出患者处于心脏骤停状态。
总体而言,仍然需要一种在颤动期间提供合适评估的系统和方法,以使得能够评估心脏重构。
发明内容
本发明由权利要求书限定。
根据本发明一方面的示例,提供了一种用于评估心脏颤动期间的机电重构的系统,包括:
ECG系统,用于生成ECG信号;
超声成像系统,用于生成至少用于解剖成像的超声数据;以及
处理器,适于:
从超声数据导出移动信息;
从移动信息导出心脏颤动期间的机械心脏激活速率;
从ECG信号导出心脏颤动期间的电心脏激活速率;以及
确定指示机电重构阶段的电心脏激活速率和对应的机械心脏激活速率之间的机电关系。
该系统用在心脏颤动期间;其中颤动心室中不存在周期性收缩期和舒张期间隔的情况。
该系统优选地从同时采集的信号评估心房(或心室)EAR(电激活速率,如上文所定义)和机械激活速率(下文中“MAR”)之间的关系,以便表征特定于患者的低层机电重构阶段。该系统使用(表面)ECG数据记录的非侵入性采集和超声的移动分析来确定心脏颤动期间的机电关系。
本发明使用颤动期间MAR和EAR的评估,优选地同时评估这些速率之间的机电关系,特别是确定颤动期间的机械速率和电速率是否彼此匹配或发散。本发明可以通过表面ECG数据和超声的非侵入性同时记录来实现,以评估心脏机电关系。
随着颤动相关重构的演进,或者存在内在心房或心室肌病,MAR无法跟随基于ECG的电对应物。这导致本文档中定义的机电分离(EMD)。这意味着EAR比优选同时记录的对应MAR更快。
本发明人已经认识到,该EMD是新颖且客观的参数,其表示向特别是在评估AF进展期间的心房重构方面前迈出的重要一步,而不是仅依赖于时间标准(这是主观的并且通常不可用)或明显的心房扩张(这通常反映高级重构)。因此,该参数有助于基于AF期间心房重构进展的特定于患者的参数实现个性化医疗。但是,本发明也适用于心室颤动期间机电重构的评估。
例如,本发明克服了颤动进展早期阶段期间重构表征的众所周知的局限性,并提供了一种高度相关的工具来改善临床中的中长期预后和决策,这代表了与当前临床方法相比在该领域迈出的重要一步。例如,这些方法依赖于明显心房扩张的存在,这通常反映了心房重构的已经晚期阶段。
处理器可以适于通过应用组织多普勒成像(TDI)来导出移动信息。这是用于确定组织移动的已知方案,并且其可以源自与用于解剖成像相同的超声系统。
例如,如果心脏电EAR比心脏MAR更快,那么机电关系识别EMD。EMD可以从一个样本心肌壁区间获得,或者作为来自多个样本壁区间的组合获得。
处理器可以适于导出将EMD水平表示为心脏EAR与心脏MAR之间的差的参数。因此,可以确定低层机电重构的水平。
该系统可以包括能够从单个或多个ECG导联采集信号的ECG系统。例如,该系统使用单导联ECG数据和超声数据(诸如TDI数据)来评估EMD的存在。
单导联例如是ECG导联II。发现来自该导联的心房信号可为大心房区域提供良好的EAR指数。
处理器可以适于处理超声成像系统数据,以:
获得2D解剖图像视频;
根据2D解剖图像视频对心肌壁进行分段;
获得关于分段心肌壁的组织速度信息;以及
导出心肌壁的MAR。
心肌壁是心房壁或心室壁。组织速度信息例如从心肌壁的区域或从多个区域导出。
因此,在2D图像视频的时间帧(诸如大约6秒)内使用心房或心室壁分段和跟踪。虽然可以替代地使用3D成像,但2D视频的使用限制了数据量。采集时段内来自运动数据的壁运动跟踪和速度信息使得能够在心脏颤动期间导出壁MAR。
导出心脏MAR可以包括对运动信息使用谱域方法或时域方法,并且导出心脏EAR还可以包括对ECG信号使用谱域方法或时域方法。
谱域方法可以例如确定组织速度信息或ECG信号的主频率(频谱中最高峰的频率)。时域方法可以例如导出采集段期间的平均周期长度。
该系统例如用于评估心房颤动重构,并且处理器还适于在导出心脏(在这种情况下为心房)MAR之前消除所获得的组织速度信息的心室组织速度分量。
因此,对于心房颤动监测,心室组织速度被过滤。处理器可以通过使用经验模式分解来执行消除。
同样,为了评估心房颤动重构,处理器可以适于处理ECG信号,以:
去除心室分量,从而导出心房ECG信号;以及
从心房ECG信号导出心房EAR。
处理器可以通过使用主分量分析(PCA)来去除心室分量。因此,PCA可以用于电滤波并且经验模式分解可以用于机械滤波。
但是,该方法可以应用于心室颤动期间的机电评估。在这种情况下,心房分量不需要以相同的方式进行过滤,因为心室电信号或机械信号不会受到心房心肌的小振幅分量的影响。
本发明还提供了一种确定心脏EAR和心脏MAR心脏颤动之间的机电关系的方法,包括:
获得ECG信号;
获得超声数据;
从超声数据导出移动信息;
从移动信息导出心脏颤动期间的心脏MAR;
从ECG信号导出心脏颤动期间的心脏EAR;以及
确定指示机电重构阶段的心脏EAR和对应心脏MAR之间的机电关系。
这是上面定义的系统实现的方法。它可以在心房颤动或心室颤动期间使用。
导出心脏MAR可以包括:
根据超声数据创建2D解剖图像视频;
根据2D解剖图像视频对心肌壁进行分段;
获得关于心肌壁的组织速度信息;以及
导出分段心肌壁的心脏MAR。
分段可以识别对其进行速度评估的心肌壁的一个或多个区域。因此,可以将心脏MAR导出为多个测量的组合。
该方法可以包括如果一个或多个心脏EAR大于一个或多个心脏MAR则识别EMD。
该方法还可以包括导出表示EMD水平的参数为一个或多个心脏EAR与一个或多个心脏MAR之间的差。
本发明还提供一种包括计算机程序代码部件的计算机程序,当所述程序在计算机上运行时,该计算机程序代码部件适于实现上面定义的方法。
参考下文描述的(一个或多个)实施例,本发明的这些和其它方面将变得清晰并且被阐明。
附图说明
为了更好地理解本发明,并且更清楚地示出如何实施本发明,现在仅通过示例的方式参考附图,其中:
图1示出了用于评估心脏颤动重构的系统;
图2用于显示如何处理超声数据以导出MAR;
图3用于显示如何处理ECG信号以导出EAR;以及
图4示出了确定心脏颤动期间心脏EAR和心脏MAR之间的机电关系的方法。
具体实施方式
将参考各图描述本发明。
应该理解的是,详细描述和具体示例虽然指示了装置、系统和方法的示例性实施例,但仅旨在用于说明的目的,而不旨在限制本发明的范围。本发明的装置、系统和方法的这些和其它特征、方面和优点将从以下描述、所附权利要求和附图中变得更好地理解。应该理解的是,各图仅仅是示意性的并且没有按比例绘制。还应该理解的是,贯穿各图使用相同的附图标记来指示相同或相似的部分。
本发明提供了一种用于评估心脏颤动期间的机电重构的系统。它从ECG系统获得心脏EAR,并且从超声数据获得心脏MAR。优选同时采集两组数据。在EAR和MAR之间获得机电关系,已发现其指示机电重构阶段。
本发明将在评估心房颤动患者的背景下进行描述。但是,本发明的概念也可以应用于心室颤动期间。
图1示出了用于评估心脏颤动重构的系统10。该系统包括用于生成ECG信号的ECG系统12和用于生成至少用于解剖成像的超声数据的超声成像系统14。
在所示的示例中,超声系统具有TDI功能16。
处理器20从超声数据、特别是在所示例子中从TDI数据导出移动信息。但是,移动信息可以替代地基于图像分析而不是多普勒成像来获得。
处理器从移动信息导出心脏MAR“Mech”,并从ECG信号导出心脏EAR“Elec”。
处理器然后确定心脏EAR和心脏MAR之间的机电关系“Dissoc”。这种关系指示机电重构的水平。
这种机电关系特别识别(并且优选地还量化)EMD,在此期间MAR不能跟随基于ECG的电对应物。它对应于比优选地同时记录的对应MAR更快的EAR。
该EMD参数表示在颤动进展(在这个示例中为AF进展)早期阶段评估心脏重构(在这个示例中为心房重构)方面迈出的重要一步,而不是仅仅依赖于时间标准或明显心房扩张,并且它可以用于协助使用个性化医疗。这可以改善临床中的中长期预后和决策。
ECG系统12记录表面ECG描记。常规的超声心动图机可以用于此目的,并且常规的超声系统可以用于超声成像,并且如果使用多普勒成像,那么可以用于多普勒成像。因此,整个系统是用现有硬件实现的,并且使得能够在AF进展期间在明显心房扩张之前评估早期心房重构。
图2用于显示如何处理超声数据以导出MAR。
2D超声图像30是在分析时间段(诸如六秒)内获得的,从而提供2D解剖图像视频。
根据2D解剖图像视频对心肌壁(例如,在这个示例中为心房壁)进行分段以创建分段图像32。已知的分段算法用于此目的。因此,可以在该时间段内执行半自动心房壁分段和自动跟踪,并且这例如基于2D图像上的回声性标准。分段可以开始于操作者通过在平均2D超声心动图像上手动划定心房壁的轮廓来手动选择关注区间。使用这样的轮廓作为初始参考,自动算法然后可以在采集间隔内的整个心动周期中跟踪心房壁运动。
更具体而言,可以将三个心肌区域划分为高回声性(区间A,默认值:≥最大回声性的75%)、中回声性(区间B,默认值:≥最大回声性的60%)和低回声性(区间C,默认值:≥最大回声性的30%)。这是在手动划定心房轮廓的初始步骤之后使用回声标准在采集间隔内跟踪心房壁的一种方式。
可以执行自动但可定制的形态操作(侵蚀、关闭和去除小的不连续的像素组)以在整个超声心动图影片中生成一致的A、B和C区域。
使用TDI数据34,获得关于分段心肌壁的组织速度信息36。TDI序列是使用最优化的波束对准、图像扇区角度和图像深度获得的,从而使得能够以最大帧速率(>200Hz)对心房壁进行成像。这使得能够在采集期间对图像切片角度内来自分段心房壁的TDI信号进行具体分析。
来自分段心房壁内的每个像素的局部TDI信号可以被平均以在测量时段内生成更高质量的信号。
组织速度信息36是原始TDI数据。该原始TDI数据被进一步处理以获得心房MAR。
例如,经验模式分解用于最小化可变心室运动对心房TDI信号的影响。这使用时域中的原始多普勒信号来获得固有振荡模式,而不假设周期性。这使得能够从平均TDI信号中减去心室收缩产生的机械伪影。这产生用于消除心室TDI信号的信号38,使得可以获得心房TDI信号40。因此,即使在由于AF中不规则舒张期间隔而存在时变心室运动伪影的情况下,该方法也是有效的。
然后使用频谱分析和快速傅立叶变换计算TDI导出的MAR,以将跟踪转换到频域(功率谱密度),如曲线42所示。功率谱密度中最高峰的频率(即主频率)可以用于获得平均MAR的客观且快速的计算,在该示例中示出为4.15Hz。
图3用于显示如何处理ECG信号以导出EAR。ECG信号例如来自ECG导联II。已经发现,来自导联II的信号包含大心内膜心房区域的激活速率。这最大限度地减少了心房区域上电激活比导联II上检测到的主频率峰值快得多或慢得多的TDI采集的机会。
优选地,通过生成QRST-T消除信号50去除心室分量(QRS-T复合波)来获得同时心房电活动,使得可以获得心房ECG信号52。
为了估计要从原始ECG信号中减去的消除信号50,可以使用主分量分析。
然后使用频谱分析和快速傅里叶变换来计算ECG导出的EAR,以将心房ECG信号转换成频域(功率谱密度),如曲线54所示。功率谱密度中最高峰的频率(即主频率)可以再次用于获得平均心房EAR的客观且快速的计算,在该示例中示出为7.69Hz。
应当注意的是,用于获得频率峰的频谱分析只是如何获得代表性速率的一个示例。更一般地,谱域方法或时域方法可以应用于运动信息(即,在该示例中为TDI数据)和ECG数据,并且导出心脏EAR也可以包括对ECG信号使用谱域方法或时域方法。
谱域方法可以例如确定如上所述的组织速度信息或ECG信号的主频率。时域方法可以例如替代地导出采集段期间的平均周期长度。
运动数据(TDI数据)和ECG信号的分析例如基于六秒数据流(使用经胸或经食道超声心动图换能器,帧速率>200Hz)。为了确保准确的特征提取,独立于患者心率采集六秒片段。
例如,来自TDI序列和ECG系统的数据在超声心动图机中进行处理,或者以DICOM格式导出以供外部处理以获得:
i)六秒2D超声心动图影片,
ii)来自一个或多个特定心房区间的TDI数据的组织速度信息,以及
iii)优选同时导联II ECG信号。
例如,系统的操作者能够在图形用户界面的叠加层上可视化超声心动图影片和TDI数据。
心房EMD的存在被定义为当心房EAR比优选同时对应的TDI导出的MAR更快(EAR>MAR)时发生。在这种情况下,EMD被量化为:
EMD=EAR-MAR
至少需要来自心肌壁(心房)的一个分段样本区间,优选同时采集ECG和运动检测(例如TDI成像)。
但是,可以对多个位置进行分段,诸如左心房壁和右心房壁。在这种情况下,EMD可以被量化为两个位置之间的平均值:
使用相同的方案,还可以包括来自右心房或左心房的更多数量的样本区域,以使得能够更准确地评估机电关系。
在软件和图形用户界面实现之后,该方法可以在当前的超声心动图机中实现。这种方法方案提供了例如在心房扩张之前的AF患者中机械和电心房重构阶段的非侵入性表征。这在当前的临床实践中是没有的。此外,心房重构表征已被识别为当前AF管理中进一步改进的领域,因为心房重构阶段具有预后影响。
此外,早期识别AF期间的心房重构进展使得能够更早并且因此更有效地实施心律控制策略。因此,这将影响接受超声心动图研究的大量AF患者的临床实践。然后,超声心动图研究可以提供关于心房重构阶段的临床相关信息,以改善其自身AF基质的表征,从而进一步改善临床管理来实现更加个性化的患者护理。
上述讨论基于心房颤动期间评估系统的使用。但是,相同的方案可以在心室中用于心室颤动。因此,本发明更普遍地应用于心脏颤动。
在心室颤动的情况下,心房激活分量不需要以与上述在心房颤动评估中过滤心室分量相同的方式进行过滤。心室颤动期间的心室电信号和机械信号不会受到心房肌的小振幅分量的影响。
图4示出了确定心脏颤动期间心脏EAR和心脏MAR之间的机电关系的方法。该方法包括在步骤60中获得ECG信号并且在步骤62中获得超声数据。优选地同时获得这些信号。
在步骤64中,例如通过提取TDI数据从超声数据获得移动信息。
在步骤66中,在心脏颤动期间获得心脏MAR。这涉及:
在步骤66a中根据超声数据创建2D解剖图像视频;
在步骤66b中根据2D解剖图像视频对心肌壁进行分段;
在步骤66c中获得关于心肌壁的组织速度信息;以及
在步骤66d中导出分段心肌壁的心脏MAR。
在步骤68中从ECG信号获得心脏颤动期间的心脏EAR。测量的心脏EAR和MAR优选是同时的对应物。
在步骤70中获得EAR和优选同时的MAR之间的机电关系(例如EMD水平)。这种关系指示心脏机电重构。
如上所述,该系统利用处理器来执行数据处理。处理器可以通过软件和/或硬件以多种方式实现,以执行所需的各种功能。处理器通常采用一个或多个微处理器,其可以使用软件(例如,微代码)进行编程以执行所需的功能。处理器可以被实现为执行一些功能的专用硬件和执行其它功能的一个或多个编程微处理器和相关联电路系统的组合。
可以在本公开的各种实施例中采用的电路系统的示例包括但不限于常规微处理器、专用集成电路(ASIC)和现场可编程门阵列(FPGA)。
在各种实施方式中,处理器可以与一种或多种存储介质相关联,诸如易失性和非易失性计算机存储器,诸如RAM、PROM、EPROM和EEPROM。存储介质可以编码有一个或多个程序,当这些程序在一个或多个处理器和/或控制器上执行时,执行所需的功能。各种存储介质可以固定在处理器或控制器内或者可以是可移动的,使得存储在其上的一个或多个程序可以被加载到处理器中。
本领域技术人员在实践所要求保护的发明时,通过研究附图、公开内容和所附权利要求,可以理解和实现所公开的实施例的变型。在权利要求中,词语“包括”不排除其它元件或步骤,并且不定冠词“一”不排除复数。
在相互不同的从属权利要求中叙述某些措施这一事实并不表明这些措施的组合不能被有利地使用。
计算机程序可以存储/分布在适当的介质上,诸如与其它硬件一起提供或作为其它硬件的一部分提供的光学存储介质或固态介质,但也可以以其它形式分布,诸如经由互联网或其它有线或无线电信系统。
(可选的)
如果在权利要求或说明书中使用术语“适于”,那么应该注意的是,该术语“适于”旨在等同于术语“被配置为”。
权利要求中的任何附图标记不应被解释为限制范围。
Claims (15)
1.一种用于评估心脏颤动期间的机电重构的系统(10),包括:
ECG系统(12),用于生成ECG信号;
超声成像系统(14),用于生成至少用于解剖成像的超声数据;以及
处理器(20),适于:
从超声数据导出移动信息;
从移动信息导出心脏颤动期间的机械心脏激活速率(Mech);
从ECG信号导出心脏颤动期间的电心脏激活速率(Elec);以及
确定指示机电重构阶段的电心脏激活速率和对应的机械心脏激活速率之间的机电关系(Dissoc)。
2.如权利要求1所述的系统,其中处理器(20)适于通过应用组织多普勒成像来导出移动信息。
3.如权利要求1或2所述的系统,其中如果一个或多个电心脏激活速率大于一个或多个机械心脏激活速率,那么机电关系(Dissoc)识别机电分离。
4.如权利要求3所述的系统,其中处理器(20)适于导出表示机电分离水平的参数作为电心脏激活速率与机械心脏激活速率之间的差。
5.如权利要求1至4中的任一项所述的系统,包括单导联或多导联ECG系统。
6.如权利要求5所述的系统,其中ECG系统是具有ECG导联II的单导联系统。
7.如权利要求1至6中的任一项所述的系统,其中处理器(20)适于处理超声成像系统数据,以:
获得2D解剖图像视频(30);
根据2D解剖图像视频对心肌壁进行分段;
获得关于分段心肌壁的组织速度信息(32);
以及导出心肌壁的机械激活速率。
8.如权利要求1至7中的任一项所述的系统,其中:
导出机械心脏激活速率包括对运动信息使用谱域方法或时域方法;以及
导出电心脏激活速率包括对ECG信号使用谱域方法或时域方法。
9.如权利要求1至8中的任一项所述的系统,用于评估心房颤动重构,其中处理器还适于在导出机械心脏激活速率之前消除所获得的组织速度信息的心室组织速度分量。
10.如权利要求1至9中的任一项所述的系统,用于评估心房颤动重构,其中处理器适于处理ECG信号,以:
去除心室分量,从而导出心房ECG信号;以及
从心房ECG信号导出电心房激活速率。
11.一种确定心脏颤动期间电心脏激活速率和机械心脏激活速率之间的机电关系的方法,包括:
(60)获得ECG信号;
(62)获得超声数据;
(64)从超声数据导出移动信息;
(66)从移动信息导出心脏颤动期间的机械心脏激活速率;
(68)从ECG信号导出心脏颤动期间的电心脏激活速率;以及
(70)确定指示机电重构阶段的电心脏激活速率和对应的机械心脏激活速率之间的机电关系。
12.如权利要求11所述的方法,其中导出机械心脏激活速率包括:
(66a)根据超声数据创建2D解剖图像视频;
(66b)根据2D解剖图像视频对心肌壁进行分段;
(66c)获得关于心肌壁的组织速度信息;以及
(66d)导出分段心肌壁的机械心脏激活速率。
13.如权利要求11或12所述的方法,包括如果一个或多个电心脏激活速率大于一个或多个机械心脏激活速率,那么识别机电分离。
14.如权利要求13所述的方法程序,其中所述方法还包括导出表示机电分离水平的参数为电心脏激活速率与机械心脏激活速率之间的差。
15.一种计算机程序,包括计算机程序代码部件,当所述程序在计算机上运行时,所述计算机程序代码部件适于实现权利要求11至14中的任一项所述的方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP21382715.7A EP4124296A1 (en) | 2021-07-30 | 2021-07-30 | A system and method for assessment of electromechanical remodeling during cardiac fibrillation |
EP21382715.7 | 2021-07-30 | ||
PCT/EP2022/071364 WO2023006952A1 (en) | 2021-07-30 | 2022-07-29 | A system and method for assessment of electromechanical remodeling during cardiac fibrillation |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117915836A true CN117915836A (zh) | 2024-04-19 |
Family
ID=77168187
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280060881.9A Pending CN117915836A (zh) | 2021-07-30 | 2022-07-29 | 用于评估心脏颤动期间的机电重构的系统和方法 |
Country Status (3)
Country | Link |
---|---|
EP (2) | EP4124296A1 (zh) |
CN (1) | CN117915836A (zh) |
WO (1) | WO2023006952A1 (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7130681B2 (en) * | 2003-05-09 | 2006-10-31 | Medtronic, Inc. | Use of accelerometer signal to augment ventricular arrhythmia detection |
US8019409B2 (en) * | 2008-06-09 | 2011-09-13 | Pacesetter, Inc. | Cardiac resynchronization therapy optimization using electromechanical delay from realtime electrode motion tracking |
EP2672889B1 (en) * | 2011-02-11 | 2021-04-07 | The Johns Hopkins University | System and method for planning a patient-specific cardiac procedure |
CN112043259A (zh) | 2015-07-10 | 2020-12-08 | 深圳迈瑞生物医疗电子股份有限公司 | 一种监护系统、方法及装置 |
-
2021
- 2021-07-30 EP EP21382715.7A patent/EP4124296A1/en not_active Withdrawn
-
2022
- 2022-07-29 CN CN202280060881.9A patent/CN117915836A/zh active Pending
- 2022-07-29 WO PCT/EP2022/071364 patent/WO2023006952A1/en active Application Filing
- 2022-07-29 EP EP22760675.3A patent/EP4376718A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2023006952A8 (en) | 2024-02-29 |
EP4376718A1 (en) | 2024-06-05 |
WO2023006952A1 (en) | 2023-02-02 |
EP4124296A1 (en) | 2023-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10149625B2 (en) | Patient signal analysis based on vector analysis | |
CA3028985C (en) | Non-invasive method and system for measuring myocardial ischemia, stenosis identification, localization and fractional flow reserve estimation | |
Cameli et al. | Novel echocardiographic techniques to assess left atrial size, anatomy and function | |
Mada et al. | How to define end-diastole and end-systole? Impact of timing on strain measurements | |
JP6072005B2 (ja) | 信号の加算平均 | |
US20200211713A1 (en) | Method and system to characterize disease using parametric features of a volumetric object and machine learning | |
US10959618B2 (en) | Imaging toolbox for guiding cardiac resynchronization therapy implantation from patient-specific imaging and body surface potential mapping data | |
JP2021528148A (ja) | 生体物理信号における非同期ノイズを定量化し、かつ除去するための方法およびシステム | |
JP5944633B2 (ja) | 超音波診断装置、画像処理装置及びプログラム | |
JP2007167656A (ja) | 対象の運動の解析方法および断層撮影装置 | |
US20180303345A1 (en) | System and Method for Imaging Episodic Cardiac Conditions | |
EP3352662B1 (en) | Intracardiac egm signals for beat matching and acceptance | |
Zolgharni et al. | Automatic detection of end‐diastolic and end‐systolic frames in 2D echocardiography | |
Melo et al. | Semi-automatic algorithm for construction of the left ventricular area variation curve over a complete cardiac cycle | |
Kortelainen et al. | Dependence of left ventricular functional parameters on image acquisition time in cardiac-gated myocardial perfusion SPECT | |
US10980496B2 (en) | Heart CT image processing method and apparatus, and non-transitory computer readable storage medium | |
KR101420345B1 (ko) | 차감 동작 기법 기반의 심전도 신호의 r파 검출 시스템 및 방법 | |
EP4124296A1 (en) | A system and method for assessment of electromechanical remodeling during cardiac fibrillation | |
EP3871594A1 (en) | Method and apparatus for analyzing electrocardio signal, and signal recorder and three-dimensional mapping system | |
Pradella et al. | Burden-based classification of atrial fibrillation predicts multiple-procedure success of pulmonary vein isolation | |
US9277889B2 (en) | Patient signal analysis based on actiniform segmentation | |
Revathi et al. | A survey on analysis of ST-segment to diagnose coronary artery disease | |
De Winter et al. | A novel retrospective gating method for intracoronary ultrasound images based on image properties | |
CN115861172A (zh) | 基于自适应正则化光流模型的室壁运动估计方法及装置 | |
US20240122522A1 (en) | Method for characterizing activation of an anatomical tissue subjected to contraction |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |