CN118140274A - 用于检测心律异常的装置和系统 - Google Patents

用于检测心律异常的装置和系统 Download PDF

Info

Publication number
CN118140274A
CN118140274A CN202280070930.7A CN202280070930A CN118140274A CN 118140274 A CN118140274 A CN 118140274A CN 202280070930 A CN202280070930 A CN 202280070930A CN 118140274 A CN118140274 A CN 118140274A
Authority
CN
China
Prior art keywords
data
processor unit
electrode pair
wearable device
operable
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
CN202280070930.7A
Other languages
English (en)
Inventor
O·麦格拉斯
E·麦克达德
P·康威
M·布鲁齐
G·多根
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.)
National University of Ireland Galway NUI
Original Assignee
National University of Ireland Galway NUI
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
Priority claimed from PCT/EP2021/076129 external-priority patent/WO2022063864A2/en
Application filed by National University of Ireland Galway NUI filed Critical National University of Ireland Galway NUI
Publication of CN118140274A publication Critical patent/CN118140274A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20ICT 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

一种用于检测心律异常的可佩戴装置,包括:至少一个脉搏血氧仪,其配置为光学测量血流,以便监测峰‑峰(P‑P)脉搏计时;一个ECG传感器,其具有两对或更多对干电极,并且配置为测量与心律活动相关的两个或更多个电压信号,每个电压信号是在一个电极对上测量的;以及处理器单元;其中,响应于P‑P脉搏计时的不规则性,处理器单元可操作用于:通过周期性地和顺序地轮询两个或更多个电极对中的每个来激活ECG传感器;确定用于数据记录的电极对;并且记录通过所确定的电极对测量的电压信号数据。

Description

用于检测心律异常的装置和系统
技术领域
本发明涉及用于长期监测心律和检测心律异常的方法和系统,特别是用于可靠和准确检测间歇性/无症状心房颤动的方法和系统。
背景技术
心房颤动(AFib)是最常见的心律失常,影响全球超过3350万人,是全球每年可预防的重大医疗费用的来源。这种病理导致心脏泵血能力效率下降,可能导致血栓形成。AFib造成了50%的致命缺血性中风,患者中风的风险高出5倍。由于AFib事件的间歇性和无症状性,沉默型AFib占所有AFib的60%,大大延长了诊断时间。这种形式的AFib的早期检测以连续记录持续时间的形式提出了挑战,其受到监测装置便利性、类型、使用环境和佩戴者依从性的阻碍。
目前用于无创监测和记录心脏波形的黄金标准方法是心电图(ECG)。ECG记录心脏的电活动并存储波形,通常打印到屏幕或文件上。传统的可佩戴ECG监护仪并不是监测周期跨度超过几天的理想解决方案,并且它们通常无法在过度运动期间或潮湿时可靠地记录心脏波形。此外,ECG监护仪往往体积较大、不方便、耗电量大,或者需要佩戴者交互才能工作。
脉搏血氧仪是测量心脏活动的替代方法,但其效用迄今仅限于测量脉搏率和血氧水平,而不是完整的心律。脉搏血氧仪通过用光脉冲对血流进行采样并测量通过血流或从血流反射的光脉冲的特性变化(例如强度)来工作。例如,通过测量具有不同波长的光的强度变化,可以监测/测量在任何给定时间点表示血管中血量的血红蛋白/脱氧血红蛋白梯度变化。通过应用先进的处理方法,该数据可以提供有关心血管功能的深入信息。
如今,许多运动可佩戴装置(例如运动追踪器或智能手表)都配备了脉搏血氧仪传感器。这些平台通常提供许多其他功能,比如GPS、健身应用、蓝牙、Wi-Fi、屏幕显示等,以便在消费市场中竞争。并入这些装置中的脉搏血氧仪传感器是低性能的,并且不能提供心脏病专家为了检测可能指示AFib的波形异常所需要的数据。例如,现有的基于脉搏血氧仪的装置通常具有5Hz至215Hz范围内的低采样/轮询频率。由低采样频率导致的差的时间分辨率使得这种装置不能分辨对确定AFib很重要的心律波形的某些时间特征。因此,这种装置的输出波形读数质量较低,可靠性较低。除此之外,拥有广泛的功能以保持在消费者市场中的竞争优势的必要性限制了电池寿命,减少了长时间可靠地监测不经常发生的心律异常所必需的关键特征。
由于在识别无症状AFib时存在特定的困难,患者可能需要等待数年才能使用当前的可佩戴心律监测方法(比如霍尔特监护仪和贴片ECG)获得诊断,这使患者面临重大的中风风险,并使卫生系统面临显著的成本增加。沉默型AFib的间歇性意味着,如果没有一个能够在日常环境中持续监测达数周甚至数月的系统,就很难准确可靠地检测到它。
发明内容
因此,本公开的目的是提供基于脉搏血氧测定法和ECG组合且专用于长期连续心律监测的方法和系统。所提出的方法和系统能够可靠地检测心律异常,例如心律不齐,同时避免或减轻与现有监测装置相关的大部分或全部上述问题。
根据本发明的第一方面,提供了一种用于检测心律异常的可佩戴装置,包括:至少一个脉搏血氧仪,其配置为光学测量血流,以便监测峰-峰(P-P)脉搏计时;一个ECG传感器,其具有两对或更多对干电极,并配置成测量与心律活动相关的两个或更多个电压信号,每个电压信号是在一个电极对上测量的;以及处理器单元;其中响应于P-P脉搏计时的不规则性,处理器单元可操作用于:通过周期性地和顺序地轮询两个或更多个电极对中的每个来激活ECG传感器;确定用于数据记录的电极对;并且记录通过所确定的电极对测量的电压信号数据。
根据本发明的第二方面,提供了一种用于检测心律异常的系统,包括如权利要求1至13中任一项所述的可佩戴装置;在线分析平台,其配置为处理和分析从可佩戴装置传输的数据,以便确定心律异常。
根据本发明的第三方面,提供了一种用于提高ECG数据质量的方法,包括:通过至少一个脉搏血氧仪检测P-P脉搏计时的不规则性;激活具有两对或更多对干电极的ECG传感器;周期性地和顺序地轮询两个或更多个电极对中的每个;基于在轮询时间周期内通过相应电极对测量的电压信号数据来计算每个电极对的信噪比(SNR);识别具有等于或高于SNR阈值的SNR的一个或多个电极对;从所识别的一个或多个电极对中选择具有最高SNR的电极对;以及记录通过所确定的电极对测量的电压信号数据。
附图说明
现在将仅通过示例并参考附图来描述本发明的实施例,其中:
图1描绘了示例心律波形的特征;
图2描绘了根据实施例的用于检测心律异常的系统的框图;
图3描绘了根据实施例的用于检测心律异常的系统中使用的感测装置的框图;
图4A描绘了根据实施例的处于展开状态的可拆卸臂带内侧的平面图,该臂带包括两个脉搏血氧仪和一个具有多对(例如八对)干电极的ECG传感器;
图4B描绘了根据实施例的处于展开状态的可拆卸臂带外侧的平面图(例如,如图10a所示);
图4C描绘了根据实施例的处于折叠状态的可拆卸臂带(例如,如图10a所示)的侧视图;
图5描绘了根据实施例的用于检测心律异常的系统中使用的充电装置的框图;
图6描绘了根据实施例的包括脉搏血氧仪和ECG传感器的感测装置所采用的自启动和自动报告算法的流程图;
图7描绘了根据实施例的包括脉搏血氧仪和ECG传感器的感测装置所采用的动态切换算法的流程图;
图8描绘了根据实施例的在线分析平台的框图;以及
图9描绘了根据实施例的由在线分析平台的数据分析功能块执行的确定性分析的流程图。
具体实施方式
参考图1,示出了单次心跳的示例心电图。心电图是对心脏内发生的电活动的追踪。在正常情况下,电脉冲从窦房结发出,穿过心房到达房室结,并穿过心脏的室间隔。在电脉冲的刺激下,心脏的四个室以协调的方式收缩和舒张。如图1所示,单次心跳的示例心电图包括代表心脏跳动不同阶段的多个波峰和波谷。波峰和波谷从左到右表示为P波110、Q波120、R波130、S波140、T波150和U波160,其中P波110和R波130是检测心律失常的最重要特征。
P波110代表心房收缩并指示心房去极化。Q波120、R波130和S波140被命名为QRS复合体170,其代表穿过心室传播的电脉冲并指示心室去极化。QRS复合体170恰好在心室收缩之前开始。QRS复合体170之后的T波150表示心室复极。通过测量任意两个连续R波130峰之间的时间间隔来确定心跳规律性。心房纤维性颤动由P波110的消失来指示。心房不规则收缩的测量和相对于患者活动水平的心率监测对于AFib的识别都很重要。注意,并非所有指示图1中显示的一些较小波形特征的脉动特征都可以使用脉搏血氧定量法轻松测量。例如,代表驱动P波110、Q波120、S波140、T波150和U波160的动作的脉动特征对检测提出了挑战,这是因为其要么是由三尖瓣打开之前发生的心脏内的动作引起的,要么是没有导致可通过血流中的血红蛋白水平差异检测到的大的心脏收缩。
通常,沉默型AFib患者不会在身体上感觉到任何症状,也不知道他们有很大的中风风险。因此,识别AFib依赖于可以在日常活动中长时间使用的系统。由于传统的可佩戴ECG不适于每天连续使用,因此本发明寻求提供一种每天长时间监测的方法,该方法可以准确可靠地捕获关键的AFib指示特征,例如P波和R波。如上所述,现有的基于脉搏血氧测定法的装置的采样频率通常在5Hz和215Hz的范围内。低采样率(因此时间分辨率低)将仅允许脉搏血氧仪测量被称为“一阶导数光电容积描记图”的参数,该参数通过测量流经大血管的血流来收集血氧水平信息。相比之下,使用高采样率(因此具有高时间分辨率)检测小血管(毛细血管)的体积变化将允许脉搏血氧仪测量被称为“二阶导数光电容积描记图”(SDPPG)的参数,该参数可以提供对心室功能的见解。为了满足高保真度心律波形和准确触发ECG传感器所需的高时间分辨率的需求,非常需要能够提供超过215Hz、优选超过500Hz的采样率的基于脉搏血氧测定法的监测装置。
参考图2,示出了根据实施例的心律失常检测系统200的框图。框图示出了系统的核心部件以及它们之间的关系。在一些实施例中,该系统可以包括可佩戴的心律监测装置(或感测装置)201、充电装置202、计算装置203和在线分析平台204。在一些实施例中,充电装置202可以结合计算装置203的所有功能,因此将不需要单独的计算装置。在其他实施例中,心律失常检测系统200可以包括未在图2的框图中示出的一个或多个其他功能部件。感测装置201可以配置为从人(例如患者)的血流中收集数据,该数据可以在以后用于导出高保真度心律波形。与计算装置203连接的充电装置202可以配置为对感测装置201充电,并且使得数据能够从感测装置201传输到计算装置203。与互联网连接的计算装置203可以配置成从感测装置201接收数据,并且随后或同时将数据上传到在线分析平台204。在一些实施例中,在线分析平台204可以在远程服务器上运行,并且可以配置为进一步处理数据,分析处理后的数据,并且最终生成评估报告。
下面将详细描述上述每个核心部件。参考图3,示出了根据实施例的感测装置201的功能部件及其交互的框图。在该实施例中,感测装置201包括传感器单元301、处理器单元302、存储器单元303、电源单元304和接口单元305。
在一实施例中,传感器单元301可以包括至少一个多通道脉搏血氧仪301(a)。多通道脉搏血氧仪301(a)可以包括发射至少两种光波长的光发射器。在一实施例中,多通道脉搏血氧仪301(a)可以发射400和970nm之间的蓝色、绿色、黄色、红色和红外波长,根据活动水平且随着电荷水平变化而在它们之间周期性地循环。在一实施例中,多通道脉搏血氧仪301(a)可以顺序地并且周期性地仅发射两个波长,例如660nm和940nm。多通道脉搏血氧仪301(a)的采样频率可以由处理器单元302控制。多通道脉搏血氧仪301(a)可以高采样率操作。在一实施例中,采样率可以优选大于215Hz。在一实施例中,采样率可以优选大于500Hz。在一实施例中,采样率可以是可调的,例如在5Hz和1000Hz之间,在215Hz和1000Hz之间,在215Hz和800Hz之间,或者在215Hz和500Hz之间。
在一实施例中,传感器单元301可以还包括ECG传感器301(b)。ECG传感器301(b)可以包括ECG电路和一对或多对电极,每对电极电连接到ECG电路。ECG传感器301(b)可以配置成测量附着到身体表面的两个位置的每对电极之间的电势差或电压。电极可以优选是干电极,其可以直接附着到身体表面而不需要使用电解凝胶。每个电极可以是导电垫或导电带的形式。在一实施例中,ECG传感器301(b)可以包括多对(即两对或更多对)干电极。多个电极对可能优于单个电极对,因为更多的电极有助于提高记录高质量(例如高信噪比)ECG信号的机会。
在一实施例中,ECG传感器301(b)可以配置为使得它可以在两种操作模式之间切换,即空闲模式和活动模式。当处于空闲模式时,ECG传感器301(b)可能不测量来自多对电极的电压,因此不产生电压信号。然而,当处于活动模式时,ECG传感器301(b)可以给定的采样率(例如为多通道脉搏血氧仪301(a)设置的采样率)连续测量一对或多对电极之间的电压,如上所述。
在一实施例中,传感器单元201可以还包括三轴加速度计301(c)。三轴加速度计可用于跟踪佩戴者的运动。每次脉搏血氧仪301(a)被采样时,加速度计301(c)也被采样,使得每个记录的样本都有对应的数据点。脉搏血氧仪301(a)拾取由运动引起的信号以及源自血管内血容量变化的信号。加速度计301(c)拾取仅由运动引起的信号。从另一个中减去一个会由于血容量变化而留下信号。在该装置内,来自脉搏血氧仪301(a)和加速度计301(c)的信号被提交给装置上的存储器,在装置上进行分析,并在稍后通过在线分析平台204上的算法进行进一步处理。
在一实施例中,传感器单元301可以还包括内部温度传感器301(d)。内部温度传感器301(d)确保感测装置301在安全温度下运行。除了作为安全特征的标准用途(由此当装置超过某个温度阈值时就会断电),温度数据还可用于通过分析装置温度随时间变化的趋势来进一步完善系统架构。可以定期记录温度数据,以推断关于患者活动的附加信息。
在一实施例中,传感器单元301可以还包括用于降噪和/或信号放大的一个或多个电路。降噪电路可以包括低通滤波器,其配置为去除传感器信号(例如来自脉搏血氧仪301(a)的信号和来自ECG传感器301(b)的信号)上的运动引起的低频噪声。信号放大电路可以允许传感器信号被放大到处理器单元302所需的特定水平。
在一实施例中,处理器单元302可以包括算术逻辑单元302(a)、控制单元302(b)、寄存器阵列302(c)和固件302(d)。算术逻辑单元302(a)在控制单元302(b)的指导下对来自输入寄存器的数据执行算术和逻辑运算。相应的结果存储在输出寄存器中。控制单元302(b)指导处理单元302的操作。它控制算术逻辑单元302(a)、寄存器阵列302(c)以及输入和输出设备后面的逻辑如何响应固件指令。寄存器302(c)是处理器单元302内的少量存储器。输入寄存器存储来自外部传感器(例如传感器单元301中的传感器)的数据,控制单元302(b)基于固件指令指导算术逻辑单元302(a)对数据执行什么操作,并且来自算术逻辑单元302(a)的相应结果存储在输出寄存器中以传输回外部传感器。系统固件302(d)控制装置板上的例如输入、存储和电源管理中的每个的功能。
在一实施例中,感测装置201可以包括至少两个处理器单元,例如主微控制器单元MCU和次MCU。两个MCU单元可以配置成以互补方式工作。
在一些情况下,主MCU可以配置为连续处理和分析来自脉搏血氧仪301(a)和加速度计传感器301(c)的样本,然后将这些样本写入存储器。主MCU可以配置为基于读数的异常变化(即由运动伪影引起的异常变化)来动态地改变这些传感器的轮询速率。这种能力有助于记录高质量心脏波形,并获得准确的心搏与心搏定时,使得板载部件或模块(例如蜂窝模块305(a)、ECG传感器301(b))可以在适当的时间被激活。主MCU可以配置为在样本收集之间在睡眠和活动模式之间动态交替。由于主MCU处于非活动状态时的低功耗要求,这大大降低了能耗。由于大量多余特征,同类装置的处理器需要同时处理多个任务,这意味着处理器需要持续处于活动模式,从而大大降低了整体运行时能力。基于传感器读数,主MCU可以触发次MCU执行某些动作,例如当装置未被佩戴时进入睡眠模式。
次MCU可以配置成处理和分析多个传感器输入(例如来自脉搏血氧仪301(a)和ECG传感器301(b)的输入),并作为响应采取行动。次MCU可以保持在低功率睡眠状态,直到它在预定义的时间间隔被唤醒(以检查装置是否被佩戴),或者当被主MCU触发时。主MCU可以配置为在次MCU上执行“中断”(例如指示其基于传感器输入执行不同的任务)。当次MCU在预定义的时间段后从睡眠状态被唤醒时,它可以例如获取电池水平读数、电路性能读数和环境温度读数,所有这些都被写入装置存储器。该数据将在内部使用,以更好地了解装置在各种环境中的性能。
在一实施例中,存储器单元303可以包括实时时钟303(a)、随机存取存储器303(b)和板载存储器303(c)。实时时钟303(a)跟踪时间。处理器单元302可以读取该时间并将时间戳附加到提交给装置内部存储器的每个数据日志。每次感测装置201返回充电站时,实时时钟303(a)可被刷新,以便补偿时间偏差(RTC非常精确,但并不完美,需要定期刷新)。随机存取存储器303(b)可用于在采样数据被处理器单元302适当安排、加密并最终提交给长期板载存储器303(c)之前临时存储该采样数据。板载存储器303(c)可以是设计用于保存收集的加密数据的闪存的形式。该存储器303(c)可在成功确认数据上传到在线门户后被擦除。板载存储器的写入速率可被定制以匹配由多个高保真度数据流引起的异常高的吞吐量需求。
在一实施例中,电源单元304可以包括电源管理集成电路304(a)、电池充电器304(b)和电池304(c)。电源管理集成电路304(a)在各种电子部件之间分配电力。从传感器单元301接收信息的处理器单元302可以影响电源管理集成电路304(a)的功能,因为通过向传感器单元301的传感器施加变化的电力水平来控制采样率,这反过来影响电池寿命。电池充电器可以能够从充电装置202接收电力并实现装置电池304(c)的快速充电。电池304(c)本身可以具有大的充电容量,以满足长期连续心率监测的需要。在移除了现有可佩戴心率监测器中通常采用的许多多余特征之后,感测装置201的大内部体积实现了大充电容量(因此大电池尺寸)。在一实施例中,电池304(c)可以具有在1000毫安时(mAh)和3000mAh之间范围内的充电容量。在其他实施例中,充电容量可以在1200mAh至2200mAh之间的范围内。
在一实施例中,电源单元304还可以包括低压差调节器,其可以用于维持处理器单元302和传感器单元201的恒定电压,而不管电池的充电水平如何(例如在完全充电时,电池可以在4.2V下运行,而当接近完全放电时,电池可以在2.7V下运行。低压差调节器维持恒定的2.5V而不管这一点);DC-DC转换器可以与低压差调节器并联工作,以将一个DC电压电平的源转换为另一个电平;以及智能复位,其可以仅在电压达到例如电池的2.5V时才允许电流流动。达到该值时,PMIC复位,低压差调节器保持恒定的2.5V。
在一实施例中,接口单元305可以包括部件或模块(图3中未示出),其实现感测装置201和外部世界之间的连接,用于例如人类交互、数据传输和充电。在一实施例中,接口单元305可以包括蜂窝模块305(a)(例如3G模块或4G/LTE模块),其配置成允许经由现有移动网络在感测装置201和远程服务器之间进行数据交换(例如上传数据)。在一实施例中,远程服务器可以是运行在线分析平台204的同一服务器。在一实施例中,蜂窝模块305(a)可以仅在足以允许包括一个或多个标记的异常事件的记录数据(例如ECG数据)的至少一部分被传输到远程服务器的短时间内被激活。在长时间(例如90天)的连续记录会话期间选择性地传输指示心律异常的数据允许如果在任何时候发生需要几乎立即干预的异常则将这种数据无缝且迅速地发送到服务器,然后例如发送到医生。
感测装置201可以佩戴在身体的不同部位。在一实施例中,感测装置201可以放置在手腕上(例如左手腕或右手腕),并且可以是腕带或绑带的形式。在一实施例中,感测装置201可以放置在臂上(例如左上臂或右上臂)并且可以是臂带或绑带的形式。臂带或绑带可以配置成容纳一对或多对干电极。一对或多对干电极可以例如衬在臂带的内部,该臂带将定位在例如左上臂上。图4A至4C示意性地描绘了根据实施例的臂带,这将在下面描述。
图4A是处于展开状态的可拆卸臂带400内侧的平面图。如图所示,臂带400可以包括两个脉搏血氧仪301(a)-1、301(a)-2和一个ECG传感器301(b),具有八对干电极410a/410b、420a/420b、430a/430b、440a/440b、450a/450b、460a/460b、470a/470b、480a/480b,所有这些电极都可以附着到臂带400的内表面。脉搏血氧仪301(a)的发光侧可以与身体皮肤直接接触。注意,除了图中所示的那些之外,其他实施例可以包括不同数量的感测装置和干电极。在一实施例中,干电极410a/410b、420a/420b、430a/430b、440a/440b、450a/450b、460a/460b、470a/470b、480a/480b可以是同心环的形式,并且可以由柔性聚合物制成。ECG常用的其他不同干电极设计同样适用。
图4B是处于展开状态的可拆卸臂带400外侧的平面图。臂带400可以包括多个电池(例如在该特定实施例中为六个电池304(c)-1—304(c)-6)和包括ECG传感器301(b)的ECG电路的主电路板(PCB)493。在图4A和4B所示的实施例中,主PCB 493、电池304(c)-1—304(c)-6(以下缩写为304(c))、脉搏血氧仪301(a)-1、301(a)-2以及干电极410a/410b、420a/420b、430a/430b、440a/440b、450a/450b、460a/460b、470a/470b、480a/480b可以形成感测装置201。在一实施例中,脉搏血氧仪301(a)可以从臂带400的内侧安装在PCB493上。如图4B所示,多个电池可以沿臂带400的长度等距分布。在一实施例中,电池304(c)-1、304(c)-2、304(c)-3、304(c)-4、304(c)-5、304(c)-6可以嵌入臂带400的主体中,臂带400的主体被定义为内表面491和外表面492之间的部分。可替代地,在一实施例中,多个电池494a-494f可以附着到臂带400的外表面492。脉搏血氧仪301(a)和所有干电极410a/410b、420a/420b、430a/430b、440a/440b、450a/450b、460a/460b、470a/470b、480a/480b可以与主PCB493电连接,主PCB493可以嵌入臂带400的主体中。
图4C是处于折叠状态的可拆卸臂带400的侧视图。如图所示,干电极410a/410b、420a/420b、430a/430b、440a/440b、450a/450b、460a/460b、470a/470b、480a/480b可被小心地定位在臂带1000上,使得当臂带被折叠以紧紧地抓住左臂二头肌时,每个电极对的两个电极位于臂的相对侧并且彼此面对。注意,电极410a/450a、420a/460a、430a/470a、440a/480a、410b/450b、420b/460b、430b/470b和440b/480b都沿着垂直于图平面的方向在空间上分离。如图所示,电极410a、420a、430a、440a、450a、460a、470a、480a和各自对应的电极410b、420b、430b、440b、450b、460b、470b、480b位于臂(未示出)的相对侧并且彼此面对。这种布置可以最大化每个电极对之间的距离,从而最大化通过该对测量的电势差。
参考图5,充电装置202可以拥有与感测装置互补的数据传输和充电连接点。充电装置202可以包括将主AC电源转换成充电装置202可用的DC电力的AC-DC转换器501,以及与感测装置201的触点互补的数据传输和充电电路单元502。充电装置202可以配置为包括内部重新布线的数据传输和充电连接器,以接收和接触感测装置201上的金属触点。当这两个装置彼此物理接触时,感测装置201上的每个金属触点连接到充电装置202上的相应金属触点,从而建立连接。多个金属触点可用于板载存储器303(c)和计算装置203之间的数据传输。其他金属触点可用于充电。感测装置201和充电装置202之间的互补数据传输和充电连接可以基于协议,例如USB 3.0、USB-C或RS232。
为了获得能够揭示与心律异常相关的某些细微特征(例如p波110的缺失)的高保真度波形,并且为了能够准确触发板载ECG,多通道脉搏血氧仪301(a)和加速度计301(c)可以优选地具有215Hz和1000Hz之间的采样率。在一实施例中,响应于预定事件,处理器单元302可以在215Hz和1000Hz之间的范围内动态调整采样率(由系统固件302(d)控制)。预定事件可以是例如增加的身体活动、信号质量的变化或降低的电池电量。例如,由加速度计301(c)测量的数据可用于通过检测增加的活动水平来至少部分地确定采样率,处理器单元302通过增加加速度计和脉搏血氧仪的采样率来响应增加的活动水平。以这种方式,容易被运动引起的干扰掩盖的小特征可以通过稍后在在线分析平台204中使用的处理算法更容易地恢复。此外,当一个或多个传感器信号的质量变化时,采样率也可以由处理器单元302动态调整。例如,当脉搏血氧仪信号的质量下降时,处理器单元302可以增加加速度计和脉搏血氧仪的采样率,以便基本保持良好的数据保真度。
并行地,可以采用节电策略,该策略允许感测装置201随着电池寿命的减少而降低主动采样的速率(例如从1000Hz的初始速率到500Hz的后来速率)。采样率可以逐步降低,并且可以周期性地调整。在一实施例中,处理器单元302可以周期性地检查电池304(c)的剩余电荷水平,并计算在最后时间段内电荷水平下降的百分比。然后,处理器单元302可以通过与电池304(c)的电荷水平的百分比变化成比例的量来调整/降低采样率。动态采样率的精确控制对电池寿命和数据保真度都有很大贡献。在动态采样控制和大容量电池的帮助下,感测装置201能够提供高达90天、或大约90天、或大于90天的单个连续记录周期,从而显著增加心律异常(例如AFib)的检测率。
在一实施例中,处理器单元302或更具体地说固件302(d)可以配置成当采样率由于电池电量的减少或佩戴者的身体活动的增加而降低时保持实质上恒定的采样率。通过对以降低的采样率获得的数据进行插值,可以保持实质上恒定的采样率。插值能够随着时间的推移逐渐降低实时采样速率,同时保持波形的精度。使用插值的程度将根据电池性能而变化。如有必要,可以从记录持续时间开始一直使用到结束,因为随着时间的推移,重复使用同一装置会导致电池性能下降。例如,当采样率由于电池304(c)的放电而从例如初始1000Hz降低到当前500Hz时,每秒测量的数据点的数量相应地从1000下降到500。
如上所述,采样不足导致差的时间分辨率,从而导致低保真度心律波形和不准确的ECG触发。因此,为了补偿这样的数据点损失,插值密度相应地增加,使得每秒的数据点(测量的和插值的)总数保持为1000,对应于1000Hz的恒定采样率。在记录数据的同时,可以通过感测装置201对测量的数据执行插值。可替代地,它可以在数据后收集时执行,以便减少可归因于物理运动和其他环境因素的信号噪声。该处理可以在数据分析平台204上执行,并且可以是对在装置板上执行的电过滤的补充。在一实施例中,不同的插值方法可以应用于测量数据的不同部分。例如,在测量的传感器信号随时间线性变化的情况下,将应用线性插值。在测量的传感器信号随时间非线性变化的情况下,将选择多项式插值。插值的应用允许传感器单元(例如在这种情况下的多通道脉搏血氧仪)以低采样率(例如在5Hz和215Hz之间)操作,同时保持足够数量的数据点,并因此确保高保真度心律波形和准确的ECG触发。
在一实施例中,固件302(d)可以适当地格式化数据,执行加密,并将加密的数据实时记录到板载存储器303(c)。在一实施例中,数据格式化可以包括进一步的基于软件的过滤和平滑(例如Savitzky-Golay平滑)。数据加密可以通过例如密码算法(基于代数矩阵)来获得。
在一实施例中,当放置在佩戴者身体的一部分(例如左上臂)上时,感测装置201可以立即开始检测心跳信号。一旦检测到心跳信号并同时满足一个或多个预定义条件,感测装置201可以自动开始记录可能已经由感测装置201的硬件以及固件过滤、格式化和加密的数据。固件302(d)可以结合算法,当由处理器单元302执行时,该算法可以执行自启动和自动报告功能。自启动功能可以允许感测装置201确定感测装置201是否可以自动开始数据记录,而自报告功能可以允许感测装置201传输在异常事件期间捕获的数据。它可以允许在该事件后立即传输捕获的数据,或者每天批量传输。参考图4和图6,自启动和自动报告算法600可以包括例如以下六个步骤。
在步骤610,处理器单元302可以确定臂带400是否被佩戴。脉搏血氧仪301(a)-1、301(a)-2和ECG传感器301(b)都可被激活。处理器单元302可以命令ECG传感器301(b)周期性地测量每个电极对410a/410b、420a/420b、430a/430b、440a/440b、450a/450b、460a/460b、470a/470b、480a/480b上的电压差,并将测量的电压差与阈值水平进行比较。在从ECG传感器301(b)接收的一个或多个电压信号高于阈值水平的情况下,处理器单元302可以确定臂带400正被佩戴,并且可以移动到步骤620。否则,处理器单元302可以停留在步骤610。
在步骤620,一旦处理器单元302确定臂带400被佩戴,处理器单元302可以启动可以持续例如90天的完整数据记录会话。在此阶段,只有脉搏血氧仪301(a)-1、301(a)-2被激活,而ECG传感器301(b)被设置为空闲模式。处理器单元302可以实时监测峰-峰(P-P)脉搏计时,并通过将最后检测到的心跳的P-P间隔与先前心跳(例如先前的5-10次心跳)进行比较来计算它们的规律性。
在步骤630,处理器单元302可以确定P-P脉搏计时中是否存在任何不规则性。这可以例如通过检查P-P间隔的标准偏差是否随时间上升来实现。上升的标准偏差表明不规则或运动导致的心率加快。例如,后者可以通过加速度计测量来排除。处理器单元302可以例如通过将标准偏差与ECG触发阈值进行比较来确定不规则性的存在。如果P-P间隔的标准偏差低于ECG触发阈值,则处理器单元302可以停留在步骤630并继续监测P-P脉搏计时。如果P-P间隔的标准偏差等于或高于ECG触发阈值,则处理器单元302可以进行到步骤640。
在步骤640,处理器单元302可以激活ECG传感器301(b)并启动ECG数据的记录。在记录ECG数据的同时,也以不受影响的方式记录和分析由脉搏血氧仪301(a)-1、301(a)-2生成的脉搏数据(或PPG数据)。在一实施例中,ECG数据可以存储在相同的板载存储器303(c)中,其中存储了由脉搏血氧仪301(a)-1、301(a)-2测量的脉搏数据(或PPG数据)。在一实施例中,ECG数据可以存储在不同的板载存储器303(c)中。
脉搏血氧仪301(a)-1、301(a)-2和ECG传感器301(b)的并行操作可以允许ECG传感器301(b)仅在脉搏血氧仪301(a)-1、301(a)-2确定脉搏不规则性时被激活,从而降低感测装置201的能量消耗。在一实施例中,ECG传感器301(b)可以在固定持续时间之后由处理器单元302去激活,该固定持续时间可以是例如10分钟的固定持续时间、20分钟的固定持续时间、30分钟的固定持续时间或40分钟的固定持续时间。可替代地,在一实施例中,如果在最近的持续时间内没有识别到P-P脉搏计时的不规则性,则ECG传感器301(b)可被去激活,该最近的持续时间可以是例如最近的5分钟或最近的10分钟。一旦ECG传感器301(b)被去激活,处理器单元302可以停止ECG数据记录并移动到步骤650。每个单独的ECG记录会话可以产生一个或多个ECG轨迹,每个轨迹与一个电极对相关。
在步骤650,处理器单元302可以激活蜂窝模块305(a)以便在远程服务器和感测装置201之间建立连接。一旦建立了连接,处理器单元302可以经由蜂窝模块305(a)启动ECG数据到远程服务器的传输。与ECG数据一起,与感测装置201相关的其他信息,例如存储单元中的剩余空间、所有装置部件的诊断日志以及当前电池电量,也可被传输到远程服务器。如果蜂窝模块305(a)不能与远程服务器建立连接,则可以向处理器单元302发送中断以去激活蜂窝模块305(a)并在板载存储器303(c)中保持当前数据。连接尝试失败后,可能会定期进行多次额外尝试。如果这些失败,处理器单元302可以继续每天进行尝试,例如在下一个每天调度的次MCU传输唤醒时。在完成数据传输后,处理器单元302可以前进到步骤660。
在步骤660,处理器单元302可以检查蜂窝模块305(a)是否从远程服务器接收到确认所有数据成功传输的信号,并且随后可以去激活蜂窝模块305(a)。在一实施例中,处理器单元302可以清除板载存储器303(c)中所有记录的ECG数据,以便为ECG记录的下一次会话做准备。
在成功接收ECG数据之后,远程服务器可以对处理后的ECG数据执行进一步的数据处理和确定性分析,以确定例如AFib的存在。进一步的数据处理和确定性分析可以由运行在远程服务器上的应用程序来执行,例如在线分析平台204。下面参考图9详细描述确定性分析。
返回参考图6所示的自启动和自动报告算法600,在步骤640,可以各种不同的方式生成ECG数据。在一实施例中,ECG传感器301(b)可配置成在任何给定时间点生成多个电压信号,每个电压信号通过测量一对干电极之间的电压获得。另外或可选地,ECG传感器301(b)可以配置为将每个时间相关的电压信号与相应的一对干电极相关,通过该对干电极生成电压信号。另外或可选地,ECG传感器301(b)可以配置成执行多个电压信号的实时处理。实时处理可以包括例如放大最初微弱的电压信号,并随后对放大的电压信号进行滤波。注意,这种实时数据处理的部分或全部可以由其他板载电路来执行,例如上述用于降噪和/或信号放大的一个或多个电路。所有ECG轨迹可被记录并存储在板载存储器303(c)中。处理器单元302可以配置为分析每个ECG轨迹的质量(例如信噪比),并随后选择具有最佳信号质量(例如信噪比)的一个ECG轨迹。与单电极对配置相比,具有多个电极对的优势在于更多的电极有助于提高记录高质量(例如高信噪比)ECG信号的机会。然而,同时记录来自多个电极对的多个数据流会导致高功耗,并因此导致更快的电池消耗。
参考图7,在优选实施例中,固件302(d)可以结合动态切换算法700,该算法由处理器单元302在步骤640执行,即在感测装置201(例如图4所示的臂带400)检测到P-P脉搏计时中的不规则性之后执行。动态切换算法700能够降低具有多个电极对的ECG传感器301(b)的功耗,同时保持良好的ECG数据质量。动态切换算法700可以包括例如以下九个主要步骤。
步骤710:处理器单元302可以通过开始快速连续地单独周期性地轮询ECG传感器301(b)的所有电极对(例如臂带400的干电极对410a/410b、420a/420b、430a/430b、440a/440b、450a/450b、460a/460b、470a/470b、480a/480b)来激活ECG传感器301(b),以确定每个电极对的噪声水平。轮询速率可以例如在100Hz和1000Hz之间、在100Hz和600Hz之间、在125Hz和550Hz之间或者在125Hz和512Hz之间。所有电极对的周期性轮询可以在整个记录会话中保持。
步骤720:处理器单元302可以通过计算在给定时间帧内通过相应电极对收集的电压数据的信噪比(SNR)来确定每个电极对的噪声水平。噪声分析的时间帧可以例如在0.1秒和1秒之间。
可以使用任何传统的SNR计算方法来计算电压数据的SNR。例如,获得SNR的近似估计是通过首先识别“干净的”心跳循环以用作参考心跳来实现的。这是通过评估心跳循环的毫伏范围来完成的,直到识别出包含心跳特征之间的低毫伏值的一个心跳循环。噪声由每个后续心跳与参考心跳之间的均方根误差(RMSE)给出,而信号则是每个心跳的均方根(RMS)。该比率是前件(信号值)除以后件(噪声值)的乘积。选择这种方法是因为它还可以通过提供AFib发作的支持证据来提供双重功能,因为AFib将扭曲RMSE和RMS值,从而人为增加AFib运行持续期间的噪声值。这不能用于诊断AFib,因为你不能区分心律失常。
步骤730:处理器单元302可以将每个电极对的噪声水平与预定义噪声阈值进行比较,以识别是否存在至少一个电极对具有用于数据记录可接受的噪声水平。在一实施例中,预定义噪声阈值可以是SNR阈值。SNR阈值可以具有至少10:1的值,例如15:1、20:1、25:1或30:1。SNR高于10:1的ECG数据的优势在于,在单独分析每个波循环时,可以将p波与噪声区分开。
如果在给定时间帧内从电极对收集的电压数据具有等于或高于SNR阈值的SNR,则相应的电极对将被视为可接受的电极对。然而,如果在给定时间帧内从电极对收集的电压数据具有低于SNR阈值的SNR,则相应的电极对将被视为不可接受的电极对。当处理器单元302已经识别出至少一个可接受的电极对时,处理器单元302可以前进到步骤740。否则,处理器单元302可以前进到步骤750。
步骤740:处理器单元302可以在步骤730识别的所有可接受的电极对中选择具有最低噪声水平(或者在使用预定义SNR阈值的情况下具有最高SNR,如上所述)的电极对,并且可以记录从选择的电极对收集的数据。一旦ECG数据记录已经开始,处理单元302可以前进到步骤760。
步骤750:处理器单元302可以开启所有电极对(例如臂带400的干电极对410a/410b、420a/420b、430a/430b、440a/440b、450a/450b、460a/460b、470a/470b、480a/480b)进行同时记录,根据感测装置201中电极对的数量创建多个同时数据流(例如为臂带401的八个电极对创建八个数据流)。在这种情况下,所有ECG数据流可以存储在板载存储器303(c)中用于传输(参见上面的步骤650)。由于多ECG记录的功率密集型特性,如果在整个规定期间频繁记录会对电池寿命造成风险,因此应避免将这种情况作为第一线方法。
在数据记录期间,每个电极对的SNR保持被处理器单元302连续监测(步骤720和730)。如果一对或多对的SNR恢复到大于SNR阈值(例如10:1),则具有最低噪声的电极对将保持开启,而所有其他电极对将关闭。这确保电池寿命在整个规定期间持续。
步骤760:在记录ECG数据的整个过程中,处理器单元302可以继续以上述速率(例如在125Hz和512Hz之间)周期性地轮询所有电极对,并对在给定时间帧中收集的数据执行噪声分析,以便识别具有最低噪声水平或最高SNR的电极对。在通过其记录ECG数据的电极对不再具有最高SNR的情况下,处理器单元302可以前进到步骤770。否则,处理器单元302可返回步骤740并继续记录来自同一电极对的数据。
步骤770:处理器单元302可以确定电极对在最近的时间段内是否已经改变。最近的时间段可以是例如紧接在处理器单元302做出确定之前的3秒、6秒或9秒。在最近例如3秒期间电极对没有变化(即没有电极对切换)的情况下,处理器单元302可以前进到步骤780。否则,如果电极对在最近例如3秒内已经改变了至少一次,则处理器单元302可以前进到步骤750。
步骤780:处理器单元302可操作用于结束具有退化SNR的电极对的数据记录,并立即开始记录来自新识别的具有最高SNR的电极对的数据。处理器单元302可操作用于将从新识别的电极对收集的数据附加到从前一对收集的数据上,从而构建用于传输的单个ECG轨迹。在数据记录期间根据电极对各自的噪声水平动态切换电极对确保只记录具有最佳质量(例如最低噪声水平或最高SNR)的数据。通过这种方式,提高了整体数据质量。这与仅具有一个电极对的ECG传感器形成对比,其中电极对之间的动态切换是不可能的。
步骤790:处理器单元302可以检查当前记录会话是否结束,这可以通过例如在10和40分钟之间的预定义时间段的期满来确定,或者当在最近的持续时间内没有识别出P-P脉搏计时的不规则性时来确定,该最近的持续时间可以是例如最近的5分钟或最近的10分钟。
在每个记录会话结束时,单个ECG轨迹(例如步骤780)或多个ECG轨迹(例如步骤750)将被生成并存储在板载存储器303(c)中。动态切换算法。
参考图2,在一实施例中,计算装置203可以是通过以太网电缆连接到互联网的通用计算机。计算装置203可以通过USB电缆连接到充电装置202,以允许来自感测装置201的数据传输。在一实施例中,可以在计算装置203上安装专用软件应用程序,这使得能够在计算装置203和在线分析平台204之间进行通信。在一实施例中,在线分析平台204可以由安装在计算机装置203上的网络浏览器访问。在一实施例中,从感测装置201接收的数据可以临时存储在为包含来自该特定装置的数据而创建的文件夹中。在一实施例中,存储在感测装置201中的数据可以经由专用软件应用程序或网络浏览器直接上传到在线分析平台204,而不存储在计算装置中。这样,可以增强系统的隐私保护。
继续参考图2,在线分析平台204可以是基于云的数据中心,其允许开发和实现各种基于云的算法。在一实施例中,在线分析平台204还可以包括数据处理功能块801、数据分析功能块802和数据库803。数据处理功能块801可包括一个或多个数据处理算法,用于解密数据、进一步处理数据并生成高保真度心律波形。数据分析功能块802可包括一个或多个数据分析算法,其配置为对心律波形执行确定性分析,并识别能够指示任何心律异常的特征。数据分析功能块802还可以基于分析的发现生成分析报告。数据库803可用于包含高保真度心律波形和分析报告。
在一实施例中,在接收到数据(即,由脉搏血氧仪301(a)收集的PPG数据和由ECG传感器301(b)收集的ECG数据)时,数据处理功能块801可以通过解密密钥来解密数据。解密密钥可以是特定于感测装置的,因此只能用于解密来自特定感测装置的数据。解密的数据可以由数据处理功能块801进一步处理。
在一实施例中,在接收的ECG数据包括多个ECG数据流(例如在步骤750记录的多个数据流)的情况下,数据处理可以包括评估传输的每个ECG数据流的SNR,并且将来自每个电极对的轨迹的最干净片段的单个复合ECG轨迹拼接在一起。具体而言,数据处理功能块801可操作用于将每个ECG数据流分成多个片段(例如30秒的片段)。因为所有ECG数据流都是由感测装置201同时记录的,所以一个ECG数据流的任何片段都可以具有在每个其他ECG数据流的相同时间帧中记录的对应片段。换句话说,对于每个记录时间帧(例如30秒时间帧),将有多个片段,每个片段属于一个ECG数据流。对于每个ECG数据流,数据处理功能块801可操作用于计算ECG数据流的多个片段中的每个片段的噪声水平或SNR。一旦以相同的方式处理了所有的ECG数据流,数据处理功能块801就可操作用于选择在任何给定的时间帧中具有最低噪声水平或最高SNR的片段。随后,数据处理功能块801可以连接所有选择的片段以生成单个复合ECG数据流。这种拼接的复合ECG数据流提供了优于任何原始ECG数据流的整体数据质量(例如更好的整体SNR)。
在一实施例中,数据处理功能块801可以利用单独的ECG数据流以及拼接的复合流来训练神经网络,以提供对噪声ECG数据流的增强处理。ECG和PPG数据流将被分成例如30秒的片段,用于神经网络处理,以另外确定这些片段中p波的存在或不存在。PPG数据可以帮助神经网络识别噪声ECG数据流中的峰位置。
上述处理方法不会对所产生的ECG轨迹的临床有用性产生不利影响,因为它是从同时从同一患者收集的原始数据中构建的。一旦生成,单个复合ECG轨迹可以经历如下所述的进一步数据处理和确定性分析。这同样适用于由在线分析平台204接收的ECG数据包括单个ECG数据流(例如在步骤780记录的拼接数据流)的情况。
在一实施例中,数据处理可以还包括通过例如Savitzky-Golay平滑和/或移动平均进行数据平滑。Savitzky-Golay平滑是一种低通滤波技术,其衰减高频噪声,同时抑制佩戴者运动产生的低频噪声。这是有限脉冲响应(FIR)滤波器,意味着其脉冲响应具有有限的持续时间。在一实施例中,数据处理可以包括从源自多通道脉搏血氧仪301(a)的数据中减去源自加速度计301(c)的数据,以便去除或最小化运动引起的数据干扰。在一实施例中,数据处理功能块801可以执行脉动坐标数据点的重新编译,以便生成对应的完整心律波形,类似于图1所示的波形。所生成的高保真度心律波形然后可以存储在数据库803中创建的目录中,该目录专用于存储佩戴者的信息。
在一实施例中并参考图9,由数据分析功能块802执行的确定性分析可包括三个主要步骤:步骤901,基于所生成的脉搏血氧测定法导出的心律波形和ECG数据(例如在最后连续长期记录期间从感测装置201传输到远程服务器的数据)识别指示心律异常的特征;步骤902,将证据分数分配给所识别的特征;步骤903,基于先前分配的证据分数计算总体证据分数;步骤904,基于总体证据分数确定心律失常的存在。
具体地,当用于确定AFib的存在时,确定性分析可以下述方式进行。
在步骤901,高保真度心律波形可用于计算收缩峰(R波130)、计算峰-峰间隔、对多个测量心脏循环的峰-峰时间进行插值以确定方差,以及计算识别可能指示P波的特征的存在。心脏收缩峰的计算可通过例如计算到该点为止所有测量样本最大值的幅度>75%的信号的正-负斜率变化来实现(对每个波形重复)。峰-峰间隔的计算可以通过例如减去最近识别的R波130峰和先前测量的峰之间的时间测量来实现。可以将该差异与确定的可接受范围进行比较,以识别异常差异。特征存在的计算识别可通过例如对识别的心脏收缩峰之前的一组数据点的负-正和正-负斜率计算来实现。
在步骤902,基于在步骤901获得的计算结果,可以确定心律波形的可标记异常,并且可以将AFib证据分数分配给它们中的每个。可标记异常可以包括例如缺少可以指示P波110和R波130变化超出预定义标称范围的特征。
在步骤903,被标记的数据可被进一步处理以减少假阳性。这可以通过例如由机器学习(ML)模型(例如支持向量机模型(SVM))分析的导数阈值算法来分析标记区域来实现。SVM是一种监督学习模型,其被设计用于学习算法,该算法检查分类和回归分析数据,从而以更高的可靠性检测波形特征。该ML算法内的分析方法可以包括例如时间-频率检查、奇异值分解、经验模式分解、稀疏信号恢复和用于频谱峰值跟踪的频谱分析。这些方法有助于在运动引起的干扰仍存在的情况下获得可用的数据。ML算法本质上是搜索指示P波110存在或不存在的R-R不规则性和模式的序列,这两者都是通过计算证据分数来推断为存在或不存在的。这些证据分数的强度源于ML算法从中学习的数据训练集。后处理标记数据然后可以用于AFib证据分数的重新计算和ML模型的进一步训练。
在步骤904,最终的AFib证据分数可以用于确定AFib的存在,并且相关的分析数据可以用于最终报告的编译。该报告可以是例如PDF格式,其中可以在分段的异常波形周围画出红框,并且可以示出标记异常的时间戳通知、链接和解释。
在一实施例中,图2的系统可以用于为AFib和其他心律异常的诊断提供端到端服务。端到端服务可以包括例如以下三个阶段。
阶段1:临床医生启动的装置供应
在患者向临床医生提出疑似心律异常后,临床医生打开基于浏览器的转诊门户(或在线分析平台204)并输入患者的详细资料。临床医生转诊后,在线门户网站会自动创建患者目录。感测装置的供应商或经销商被告知该转诊,通过选择新创建的目录并点击“链接装置”来接受该转诊。在线门户检测技术人员从充电装置202移除感测装置201,自动将患者目录与该特定感测装置201配对(以与计算机检测USB装置移除的方式类似的方式)。根据目录关联生成解密密钥,用于对收集期结束时上传的数据进行解密。感测装置201与其他附件比如身体附着装置(例如绑带、系带(腕带/臂带))和用户手册一起放置在包装中。
阶段2:患者监测
在接收到感测装置201后,患者将感测装置201附着到其身体上。感测装置201可以在监测持续时间内(高达90天)连续佩戴。在检测到令人满意的心跳信号后,感测装置201自动开始数据记录。到规定的监测期过去时,患者将感测装置201返还给供应商。
阶段3:数据收集和分析
在接收到感测装置202后,技术人员将感测装置201放入充电装置202中,并使数据能够上传到在线门户。上传的数据用唯一的解密密钥解密,并随后以期望的方式处理。在对经处理的数据执行确定性分析(例如图9所示的分析过程)之后,生成分析报告。包含关于是否存在心律异常的信息的分析报告被发送给临床医生进行检查。
在不同的实施例中,任何人都可以从本地商店或在线商店购买感测装置201以及充电装置202和其他附件(例如腕带或臂带和手册)。在收到感测装置后,个人可以在在线分析平台204上注册用户账户,并通过提供相关个人信息来创建个人简档。在创建个人简档之后,个人可以佩戴感测装置并开始记录他/她的心率数据。在推荐的记录周期结束或者电池放电(例如90天)之后,感测装置201可被放置在连接到个人计算机203的充电装置202中。感测装置201和充电装置202之间的物理连接可以实现感测装置201的充电以及经由专用软件应用程序或网络浏览器将记录的数据上传到在线分析平台204。在线分析平台204可以执行如图9所示的确定性分析,并且可以向个人提供关于在上一个记录周期期间是否检测到心律异常(例如AFib)的评估结果。还可以示出相关的心律数据以支持发现/评估。然后,个人可以将评估结果和支持数据发送给医生(例如全科医生(GP)),医生将决定例如是否需要转诊接受专科治疗。

Claims (18)

1.一种用于检测心律异常的可佩戴装置,包括:
至少一个脉搏血氧仪,其配置为光学测量血流,以便监测峰-峰(P-P)脉搏计时;
一个ECG传感器,其具有两对或更多对干电极,并且配置为测量与心律活动相关的两个或更多个电压信号,每个电压信号是在一个电极对上测量的;以及
处理器单元;
其中,响应于P-P脉搏计时的不规则性,处理器单元可操作用于:
通过周期性地和顺序地轮询两个或更多个电极对中的每个来激活ECG传感器;
确定用于数据记录的电极对;并且
记录通过所确定的电极对测量的电压信号数据。
2.如权利要求1所述的可佩戴装置,其中,为了确定用于数据记录的电极对,所述处理器单元可操作用于:
基于在轮询时间周期内通过相应电极对测量的电压信号数据来计算每个电极对的信噪比(SNR);
识别具有等于或高于SNR阈值的SNR的一个或多个电极对;并且
从所识别的一个或多个电极对中选择具有最高SNR的电极对。
3.如权利要求2所述的可佩戴装置,其中,所述处理器单元可操作用于与所述数据记录并行地重复执行计算、识别和选择步骤。
4.如权利要求3所述的可佩戴装置,其中,当所选择的电极对的SNR降至所述SNR阈值以下时,所述处理器单元可操作用于结束对所选择的电极对的数据记录。
5.如权利要求4所述的可佩戴装置,其中,所述处理器单元可操作用于选择用于数据记录的另一个电极对,并确定在预定义的先前时间段期间所选择的电极对没有变化。
6.如权利要求5所述的可佩戴装置,其中,所述处理器单元可操作用于开始记录来自新选择的电极对的电压信号数据。
7.如权利要求6所述的可佩戴装置,其中,所述处理器单元可操作用于将通过新选择的电极对测量的电压信号数据附加到通过先前选择的电极对测量的电压信号数据,以便形成单个数据流。
8.如权利要求3或5所述的可佩戴装置,其中,当没有一个电极对具有等于或高于所述SNR阈值的SNR时,或者当所述处理器单元确定在预定义的先前时间段期间所选择的电极对有至少一个变化时,处理器单元可操作用于开始记录来自所有电极对的电压信号数据。
9.如权利要求8所述的可佩戴装置,其中,所述处理器单元可操作用于记录和存储多个数据流,每个数据流通过所述电极对之一测量。
10.如权利要求8或9所述的可佩戴装置,其中,当所述处理器单元已经识别并选择用于数据记录的电极对时,处理器单元可操作用于结束对所有电极对的数据记录。
11.如权利要求10所述的可佩戴装置,其中,所述处理器单元可操作用于选择用于数据记录的另一个电极对,并确定在所预定义的先前时间段期间所选择的电极对没有变化。
12.如权利要求11所述的可佩戴装置,其中,所述处理器单元可操作用于开始记录来自新选择的电极对的电压信号数据。
13.如任一前述权利要求所述的可佩戴装置,其中,所述可佩戴装置是臂带;并且其中,两对或更多对干电极附着到臂带的内表面,并且定位成使得在使用时,每个电极对的两个干电极位于臂的相对侧并且彼此面对。
14.一种用于检测心律异常的系统,包括:
如权利要求1至13中任一项所述的可佩戴装置;
在线分析平台,其配置为处理和分析从可佩戴装置传输的数据,以便确定心律异常。
15.如权利要求14所述的系统,其中,当从所述可佩戴装置传输的数据包括多个数据流时,所述在线分析平台可操作用于:
将每个数据流分成多个片段,每个片段记录在不同的记录周期中;
计算每个数据流的多个片段中的每个的SNR;
选择在每个记录周期中具有最高SNR的片段;并且
连接所有选择的片段以生成单个复合数据流。
16.一种用于提高ECG数据质量的方法,包括:
通过至少一个脉搏血氧仪检测P-P脉搏计时的不规则性;
激活具有两对或更多对干电极的ECG传感器;
周期性地和顺序地轮询两个或更多个电极对中的每个;
基于在轮询时间周期内通过相应电极对测量的电压信号数据来计算每个电极对的信噪比(SNR);
识别具有等于或高于SNR阈值的SNR的一个或多个电极对;
从所识别的一个或多个电极对中选择具有最高SNR的电极对;以及
记录通过所确定的电极对测量的电压信号数据。
17.一种包括程序指令的计算机程序,当在合适的设备上运行时,所述程序指令可操作用于执行根据权利要求16所述的方法。
18.一种包括根据权利要求17所述的计算机程序的非瞬态计算机程序载体。
CN202280070930.7A 2021-09-22 2022-03-29 用于检测心律异常的装置和系统 Pending CN118140274A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
PCT/EP2021/076129 WO2022063864A2 (en) 2020-09-23 2021-09-22 Device and system for detecting heart rhythm abnormalities
EPPCT/EP2021/076129 2021-09-22
PCT/EP2022/058343 WO2023046323A1 (en) 2021-09-22 2022-03-29 Device and system for detecting heart rhythm abnormalities

Publications (1)

Publication Number Publication Date
CN118140274A true CN118140274A (zh) 2024-06-04

Family

ID=81387019

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202280070930.7A Pending CN118140274A (zh) 2021-09-22 2022-03-29 用于检测心律异常的装置和系统

Country Status (5)

Country Link
EP (1) EP4405979A1 (zh)
JP (1) JP2024535873A (zh)
CN (1) CN118140274A (zh)
CA (1) CA3232038A1 (zh)
WO (1) WO2023046323A1 (zh)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7979111B2 (en) * 2006-06-15 2011-07-12 Angelo Joseph Acquista Wireless electrode arrangement and method for patient monitoring via electrocardiography
KR102059346B1 (ko) * 2013-03-05 2020-02-11 삼성전자주식회사 근전도 센서 시스템 및 근전도 센서 시스템의 동작 방법
US11147499B2 (en) * 2013-08-30 2021-10-19 Joseph Wiesel Method and apparatus for detecting atrial fibrillation
US20190196411A1 (en) * 2017-12-27 2019-06-27 Michael M. Yuen Smartwatch assemblies having electrocardiogram sensors, photoplethysmography sensors, and blood pressure monitors and related methods
WO2020002133A1 (en) * 2018-06-27 2020-01-02 Koninklijke Philips N.V. Methods and apparatus for administering measurements using a multi-electrode, single-lead patch

Also Published As

Publication number Publication date
WO2023046323A1 (en) 2023-03-30
JP2024535873A (ja) 2024-10-02
CA3232038A1 (en) 2023-03-30
EP4405979A1 (en) 2024-07-31

Similar Documents

Publication Publication Date Title
US11872012B2 (en) Systems, devices and methods for physiological monitoring of patients
US11289197B1 (en) Wearable monitor
US10638941B2 (en) Discordance monitoring
US9655532B2 (en) Wearable physiological monitoring and notification system based on real-time heart rate variability analysis
CN106163387A (zh) 用于检测用户的心率的变化的系统和方法
CN104640498A (zh) 移动心脏健康监视
Kuzmin et al. Device and software for mobile heart monitoring
CN105326482B (zh) 记录生理信号的方法和装置
WO2022063864A2 (en) Device and system for detecting heart rhythm abnormalities
CN118140274A (zh) 用于检测心律异常的装置和系统
US20230346231A1 (en) Device and system for detecting heart rhythm abnormalities
US20180242858A1 (en) Method of registering the intervals between adjacent R-peaks of the ECG signal with the one hand in order to diagnose and assess the state of the human body and Heart Rate Variability wearable monitoring device
CN115633937A (zh) 睡眠监测装置

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