DE102007018906A1 - Detektion von Herzflimmern unter Verwendung von SPO2 - Google Patents

Detektion von Herzflimmern unter Verwendung von SPO2 Download PDF

Info

Publication number
DE102007018906A1
DE102007018906A1 DE102007018906A DE102007018906A DE102007018906A1 DE 102007018906 A1 DE102007018906 A1 DE 102007018906A1 DE 102007018906 A DE102007018906 A DE 102007018906A DE 102007018906 A DE102007018906 A DE 102007018906A DE 102007018906 A1 DE102007018906 A1 DE 102007018906A1
Authority
DE
Germany
Prior art keywords
pulse
patient
analysis
intervals
plethysmographic waveform
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.)
Withdrawn
Application number
DE102007018906A
Other languages
English (en)
Inventor
Angela Waukesha Andrews
Bruce A. Tampa Friedman
Doland E. Cedarburg Brodnick
George Martin Milwaukee Hutchinson
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.)
General Electric Co
Original Assignee
General Electric Co
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by General Electric Co filed Critical General Electric Co
Publication of DE102007018906A1 publication Critical patent/DE102007018906A1/de
Withdrawn legal-status Critical Current

Links

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/145Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/1455Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
    • A61B5/14551Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/02Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02416Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • A61B5/318Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346Analysis of electrocardiograms
    • A61B5/349Detecting specific parameters of the electrocardiograph cycle
    • A61B5/361Detecting fibrillation
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A61B5/7207Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts

Abstract

Das Verfahren und die Vorrichtung enthalten das Detektieren von Herzflimmern in einem Patienten durch Überwachen des Sättigungsniveaus des Blutsauerstoffs über eine Zeitspanne. Das Verfahren und die Vorrichtung erzeugen eine plethysmographische Kurvenform (30, 300, 550) aus dem überwachten Sättigungsniveau des Blutsauerstoffs und analysieren die plethysmographische Kurvenform (30, 300, 550) und detektieren Intervalle (312, 314) und ermitteln, ob bei dem Patienten Herzflimmern vorliegt. Das Verfahren und die Vorrichtung sind bevorzugt in einer Softwareanwendung implementiert und können konfiguriert sein, um an einen Benutzer über den gegenwärtigen Zustand des Herzflimmerns (AFIB) und eines vorliegenden Trends zu berichten.

Description

  • GEBIET DER ERFINDUNG
  • Die Erfindung betrifft das Gebiet der Patienten-Überwachung. Insbesondere betrifft die Erfindung das Gebiet der Patienten-Überwachung, um Herzflimmern zu detektieren.
  • HINTERGUND DER ERFINDUNG
  • Monitoring oder Überwachen von chronisch kranken Patienten in der häuslichen Umgebung wird in der nahen Zukunft immer verbreiteter werden, da die Bevölkerung altert, die Gesundheitsversorgungskosten ansteigen und die Patienten mehr Kontrolle über ihre eigene Betreuung hinaus verlangen. Die klinischen Daten, die zu Hause erfasst werden, wie Blutdruck, Gewicht und Herzfrequenz, können zu einem Individualfürsorger oder Kliniker übersendet werden, der frühzeitiges Einschreiten oder Intervention leisten kann, um eine wiederholte Aufnahme ins Krankenhaus zu vermeiden. Viele Patienten mit chronischer Krankheit könnten von einer häuslichen Überwachung des Herzens profitieren.
  • Eine sehr typische und gefährliche Arrhythmie ist das Herzflimmern (AFIB). AFIB ist die am meisten verbreitete kardiale Arrhythmie, die in den Vereinigten Staaten zu Krankenhauseinweisung führt. AFIB wird durch einen unregelmäßigen Herzrhythmus identifiziert und ist klinisch definiert als unkoordinierte Kontraktion der Arterie. Die Patienten leiden oft an Herzklopfen und haben ein erhöhtes Risiko eines Schlaganfalls. Einige Patienten können ohne erkennbare Sym ptome, genannt asymptomatisch, sein. Ungefähr ein Drittel aller Schlaganfälle beruhen auf AFIB. Darüber hinaus macht das Vorhandensein von AFIB einen Schlaganfall fünf Mal wahrscheinlicher und zieht zwei Mal mehr Einschränkungen oder Behinderungen nach sich.
  • AFIB verlangt eine tatkräftige Behandlung. Je länger ein Patient AFIB hat, desto wahrscheinlicher verbleibt er im Zustand des AFIB, was eine frühe Erkennung wünschenswert macht. Sofortiges Erkennen des Einsetzens von AFIB schafft eine Gelegenheit zur Therapie während der ersten 48 Stunden, während teure antithrombotische Behandlungen nicht notwendig sein müssen, da in der Arterie die Bildung von Blutpfropfen noch nicht eingesetzt hat.
  • Gegenwärtige Verfahren der Erkennung von AFIB sind in erster Linie auf die Verwendung von kontinuierlichen EKG-Mitschriften angewiesen. Unglücklicherweise hat das kontinuierliche kardiale Überwachen oder Monitoring mittels EKG viele Schwierigkeiten, einschließlich die der genauen Anwendung vieler Elektroden, eine unbequeme Vorrichtung und Verkabelung und verlangt das Auswechseln von Batterien. Bei vielen Patienten sind diese Anforderungen an Zuverlässigkeit nicht gewährleistet. Es wäre wünschenswert, in der Lage zu sein, AFIB einfacher zu beobachten, ohne Elektroden und zusätzliche Sensoren zu benötigen.
  • BESCHREIBUNG DER ERFINDUNG
  • Das Verfahren und die Vorrichtung enthält das Detektieren von Herzflimmern eines Patienten durch die Erfassung einer plethysmographischen Kurvenform aus einer Überwachungseinrichtung für den Sättigungsgrad des Blutes mit Sauerstoff.
  • Die plethysmographische Kurvenform wird analysiert und Pulsintervalle werden berechnet, um zu ermitteln ob der Patient sich in einem Zustand mit Herzflimmern befindet. Das Verfahren und die Vorrichtung sind bevorzugt in einer Softwareanwendung implementiert und sind in einem Bericht an den Patienten und/oder Kliniker über den gegenwärtigen Zustand des Herzflimmerns (atrial fibrillation: AFIB) und der gegenwärtigen Entwicklung des AFIBs festgehalten.
  • In einem Aspekt der vorliegenden Erfindung weist ein Verfahren zum Detektieren von Herzflimmern in einem menschlichen oder tierischen Objekt das Akquirieren einer plethysmographischen Kurvenform eines Patienten mit einer Überwachungseinrichtung über eine Zeitspanne, das Messen eines Satzes von Pulsintervallen aus der plethysmographischen Kurvenform, das Messen eines Satzes von Merkmalen oder Eigenschaften aus der plethysmographischen Kurvenform und das Analysieren des Satzes von Pulsintervallen und des Satzes der Pulseigenschaften aus der plethysmographischen Kurvenform auf, um einen Zustand des Herzflimmerns eines Patienten zu ermitteln, und worin die Überwachungseinrichtung ein Sensor eines Pulsoximeters ist und einer aus dem Satz von Eigenschaften ist ein Satz von Plusamplituden.
  • Dieses Verfahren weist ferner das Analysieren des Satzes von Pulsintervallen und des Satzes von Pulseigenschaften aus der plethysmographischen Kurvenform auf, um einen Trend zum Herzflimmern zu erkennen, und des Berichtens des Trends zum Herzflimmern und ferner das Berichten des Zustandes des Herzflimmerns. Das Verfahren weist ebenfalls die Analyse des Satzes von Pulsintervallen auf, die enthält: eine Analyse mit Hidden Markov Modellen auf den Satz von Pulsintervallen anzuwenden und eine kontextabhängige Analyse auf den Satz von Pulsintervallen anwenden und worin die Analyse mit Hidden Markov Modellen die Wahrscheinlichkeit eines Patienten ermittelt, einen unregelmäßigen Herzrhythmus zu haben, und eine kontexturale Analyse findet das Herzflimmern als eine Ursache für das Herzflimmern heraus.
  • Das Analysieren des Satzes von Pulseigenschaften enthält in diesem Verfahren die Berechnung der Amplitudenvariationen zwischen jedem aufeinander folgenden Satz der Pulsamplituden, worin das Ermitteln des Zustandes des Herzflimmerns abhängig ist von einer Analyse der Pulsamplitudenvariation, und das Analysieren des Satzes von Pulsamplituden enthält die Ermittelung eines Satzes der Füllzeitdynamiken des Satzes von Pulsamplituden und ferner worin die Schritte der Analyse des Satzes von Pulsamplituden und der Ermittelung des Satzes der Füllzeitdynamiken eine Anzeige für den Grad der gegenwärtigen arteriellen Zunahme schafft.
  • In einem anderen Aspekt der vorliegenden Erfindung weist eine Vorrichtung zum Detektieren von Herzflimmern in einem menschlichen oder tierischen Körper eine Fernmesseinrichtung auf, die konfiguriert ist, um eine plethysmographische Kurvenform aus einer Überwachungseinrichtung zu analysieren, ein Speichermedium zum Speichern einer Computeranwendung, eine Prozessoreinheit, die mit der Fernmesseinrichtung und dem Speichermedium verbunden ist, und die konfiguriert ist, um die Computeranwendung auszuführen, und ferner konfiguriert ist, um die plethysmographische Kurvenform von der Fernmesseinrichtung zu empfangen, wobei wenn die Computeranwendung ausgeführt wird, ein Satz von Pulsmerkmalen aus der plethysmographischen Kurvenform detektiert werden und ein Satz von Pulsintervallen aus der plethysmographischen Kurvenform gemessen wird, und ferner, worin der Satz von Pulsintervallen und der Satz der Pulseigenschaften analysiert wird, um einen Zustand des Herzflimmerns des Patienten zu ermitteln. Die Überwachungseinrichtung ist ein Pulsoximeter-Sensor, und wenn der Satz von Pulsintervallen und der Satz von Pulseigenschaften aus der plethysmographischen Kurvenform analysiert sind, ist ein Trend zum Herzflimmern detektiert, und eine Einrichtung zum Berichten des Trends des Patienten zum Herzflimmern und eine Einrichtung zum Berichten des Herzflimmerns sind ebenfalls enthalten. Wenn die Computeranwendung ausgeführt ist und der Satz von Impulsintervallen analysiert ist, wird eine Analyse mit Hidden Markov Modellen auf den Satz von Pulsintervallen angewendet und eine kontexturale Analyse wird auf den Satz von Pulsintervallen angewendet, worin die Analyse mit Hidden Markov Modellen eine Wahrscheinlichkeit dafür bestimmt, ob der Patient einen unregelmäßigen Herzrhythmus aufweist, und die kontexturale Analyse das Herzflimmern als Quelle für den unregelmäßigen Herzrhythmus herausfindet.
  • Wenn in dieser Vorrichtung die Computeranwendung ausgeführt wird und ein Satz von Pulseigenschaften analysiert ist, ist die Füllzeitdynamik des Satzes von Pulseigenschaften ermittelt und die Variation der Eigenschaften zwischen jedem der Sätze der Pulseigenschaften ist relativ zu dem Mittel, dem Median, den aufeinander folgenden Pulsen oder von dem Minimum bis zum Maximum berechnet, und worin der Ermittelung des Zustand des Herzflimmerns von einer Analyse der Pulsamplitudenvariation abhängig ist, und worin ferner die Analyse der Pulsamplitudenvariation als eine Funktion der Füllzeit einen Hinweis auf den Grad der vorliegenden arteriellen Augmentation schafft.
  • KURZE BESCHREIBUNG DER ZEICHNUNG
  • 1 stellt einen graphischen Vergleich einer EKG-Kurve und einer plethysmographischen Kurve dar;
  • 2 stellt ein Ablaufdiagramm eines Verfahrens gemäß einer Ausführungsform der vorliegenden Erfindung dar;
  • 4a4b stellen ein Blockdiagramm des Verfahrens gemäß einer Ausführungsform der vorliegenden Erfindung dar;
  • 5a5b stellen eine graphische Darstellung eines Steigungsprofils der plethysmographischen Pulse gemäß einer Ausführungsform der vorliegenden Erfindung dar;
  • 6 stellt ein Blockdiagramm einer Vorrichtung gemäß einer Ausführungsform der vorliegenden Erfindung dar.
  • DETAILLIERTE BESCHREIBUNG DER ERFINDUNG
  • 1 stellt eine EKG-Kurvenform 20 und eine plethysmographische Kurvenform 30 dar. Typischerweise wird ein Arzt oder ein anderer Leistungserbringer AFIB in einem Patienten unter Verwendung der EKG-Kurvenform 20 detektieren und diagnostizieren. Wie vorstehend diskutiert wurde, ist das Erhalten einer EKG-Kurvenform eines Patienten jedoch komplexer und schwieriger als das Erhalten einer plethysmographischen Kurvenform 30 eines Patienten. Wie nachstehend diskutiert wird, wird eine Anzahl von Aspekten der plethysmographischen Kurvenform 30 untersucht, um AFIB unter Verwendung der plethysmographischen Kurvenform 30 zu detektieren. Eine Pulsdetektion wird verwendet und die Pulsintervalle werden unter Verwendung eines Verfahrens der Analyse mit Hidden Markov Modellen (Hidden Markov Model: HMM) und einer kontexturalen Analyse analysiert. Die Amplitude 40 wird ebenfalls von jedem Puls gemessen und analysiert, wie auch die ventrikulare Füllzeit 50 zwischen jedem Puls der plethysmographischen Kurvenform. Die vorliegende Erfindung wird es mit einem einfacheren und bequemeren Verfahren erlauben, AFIB unter Verwendung einer plethysmographischen Kurvenform des Patienten zu detektieren. Selbstverständlich wird dies eine häusliche Überwachungsvorrichtung, wie diese nachstehend beschrieben werden wird, aufwerten. Das Verfahren und die Vorrichtung und die Implementierung eines solchen werden nachstehend detaillierter beschrieben.
  • 2 stellt das Auftreten einer Änderung in der Herzfrequenz (oder RR-Intervall) in dem diastolischen plethysmograpischen Puls dar. Das Intervall RR1 ist länger als das vorhergehende Intervall, das den Puls A0 erzeugt. Als ein Ergebnis ist mehr Zeit für das arterielle Blut vorhanden, um passiv in das venöse System hereinzuströmen. Dies erzeugt ein niedrigeres Blutvolumen in einer Diastole (P0). Das lange RR Intervall erlaubt ebenfalls eine längere Sättigungszeit in dem linken Ventrikel des Herzens. Auf Grund des Starlingschen Gesetzes führt das angewachsene Volumen in dem Ventrikel zu einem gewaltvolleren Ausstoß oder Auswurf mit größerer Amplitude des nächsten Volumenpulses A1.
  • Das nachfolgende RR Intervall (RR2) ist kürzer als die vorhergehenden Intervalle. Da weniger Zeit für das Blut vorhanden ist, um aus dem arteriellen System hinaus zu fließen, fällt das Pulsniveau bei P1 nicht auf einen solch niedrigen Wert an der Diastole wie bei dem vorhergehenden Puls ab. Die kurze Füllzeit führt zu einem niedrigeren Schlagvolumen und einem systolischen Druck (verglichen mit dem vorhergehenden Intervall), der sich in einer niedrigeren Amplitude A2 widerspiegelt. Das Intervall RR4 stellt ein noch kürzeres Intervall mit einem resultierenden höheren Niveau an P2 und reduzierter Amplitude A4 dar.
  • Die Amplitude der Pulse (Ai+l-Pi) ist deshalb proportional zu der Länge der vorhergehenden RR Intervalle und kann als Eingabe für den Algorithmus verwendet werden, der verwendet wird, um zu bestimmen, ob der Patient in einem Zustand des AFIB ist.
  • 3 stellt ein Detektionsverfahren 100 der vorliegenden Erfindung dar. In Schritt 110 wird die plethysmographische Kurvenform eines Patienten über eine Zeitperiode des plethysmographischen Sensors erfasst. In Schritt 120 werden plethysmographische Pulse aus der plethysmographischen Kurvenform über eine Zeitperiode detektiert, die in Schritt 110 erfasst wird. Mehrere der Pulseigenschaften oder Pulseigenschaften werden aus der plethysmographischen Kurvenform analysiert und mehrere Pulseigenschaften werden in Schritt 135 gemessen. Die Pulsintervalle und die Pulseigenschaften werden analysiert, um einen AF-Zustand in Schritt 140 zu ermitteln. Das Ergebnis der Analyse von Schritt 140 wird in Schritt 150 berichtet und ein vorliegender Trend des AFIB Zustandes des Patienten wird ebenfalls berichtet.
  • Ein Blockdiagramm des Detektionsverfahrens 100 wird ferner in den 4a und 4b dargestellt. Zuerst bezugnehmend auf 4a, werden die SPO2-Daten erfasst und als eine plethysmographischen Kurvenform 300 dargestellt. Die Pulsdetektion 310 wird auf der plethysmographischen Kurvenform 300 durchgeführt, die das Detektieren einer Reihe von Pulsen enthält und das Messen der Pulsintervalle 312, 314, die das wie derholte Füllen der Kammern des Herzens anzeigt. Sobald die Pulsdetektion 310 und die Berechnung 312, 314 der Pulsintervalle auftritt, kann eine Analyse mit Hidden Markov Modellen (HMM) 330 und eine kontexturale Analyse 340 auf die detektierten Pulsintervalle angewendet werden. Eine detailliertere Beschreibung der HMM 330 und der kontexturalen Analyse 340 wird in der detaillierteren Beschreibung von 4b enthalten sein.
  • Weiterhin bezugnehmend auf 4a und gleichzeitig bezugnehmend auf 1 wird eine Impulsmerkmalsmessung 320 an der plethysmographischen Kurvenform 300 durchgeführt. Die Pulseigenschaftsmessung 320 misst jede Amplitude 40 der plethysmographischen Kurvenform 30 und verwendet diese Information, um die Amplitudenvariation 360 zu berechnen. Die Berechnung der Amplitudenvariation 360 gibt einen Arzt oder Leistungsanbieter eine Anzeige wie das Herz arbeitet und Änderungen in der Amplitude von jedem aufeinander folgenden Puls, rauf oder runter, stellt eine Information über die Arten und die Gleichmäßigkeit bereit.
  • Die Detektion 250 der arteriellen Augmentation wird ebenfalls ermittelt unter Verwendung der Daten der Pulseigenschaftsmessung 320. Gleichzeitig bezugnehmend auf die 4a und 5a bis 5b wird die Detektion 350 der arteriellen Augmentation ermittelt, wie dies in den 5a bis 5b dargestellt ist. Die Füllzeitdynamiken 400 sind wichtig, da diese Unregelmäßigkeiten bestätigen können, die detektiert werden können, wenn die Amplitudenvariation im Schritt 360 berechnet wird. Nachfolgend bezugnehmend auf die 5a bis 5b, sind die Füllzeitdynamiken 400 graphisch dargestellt, indem die Zeit (t) entlang der x-Achse des Graphen und die Amplitude (A) entlang der y-Achse des Graphen aufgetragen sind. Die plethysmographische Pulsamplitude 410 ist entschieden von der ventrikularen Füllzeit 420 abhängig. Die Amplitudensteigung 440, die aus der Auftragung von mehreren Pulsamplituden 430 als Funktion der Zeit erhalten wird, schafft Information über den arteriellen Beitrag zum kardialen Beitrag. Die Änderungen in der Amplitude 410 des plethysmographischen Pulses 430 und die resultierende Amplitudensteigung 440 können entweder das Vorhandensein oder die Abwesenheit eines arteriellen „Stoßes" widerspiegeln und die relativen Änderungen in dem Blutdruck. Es sollte beachtet werden, dass in 5a und 5b die Pulsamplitude 410 und die arterielle Füllzeit 420 auf einer einzelnen exemplarischen Pulskurvenform angezeigt ist und dass jede Pulsamplitude 430 einen Wert für die Amplitude 410 und die Füllzeit 420 aufweist. Der resultierende Graph der Füllzeitdynamik 400 wird durch „Abschneiden" von jedem individuellen Puls von der plethysmographischen Kurvenform 30 (1) erzeugt, einschließlich jedes Pulses der arteriellen Füllzeit 50 und durch „Hinzufügen" jedes individuellen Impulses in die Graph der Füllzeitdynamik 400 und durch das Starten der Füllzeit 50 bei „Null".
  • Es ist bekannt, dass die kleinere obere Kammer des Herzens (linke und rechte Artria), wenn diese ordnungsgemäß funktioniert, extra Blut in die größere untere Kammer (linke und rechte Ventrikel) drückt, gerade vor jeder Hauptkontraktion des Herzens. Dies kann etwa 10% bis 40% der ventrikularen Füllung ausmachen. Diese Augmentation der Ventrikelfüllung bleibt während des Herzflimmerns aus und ist für einige der Symptome dieser Patienten verantwortlich. Die arterielle Augmentation ist ebenfalls als „arterieller Kick" oder „arterieller Beitrag" bekannt. Da die Menschen älter werden, wird der Kick immer bedeutender und folglich sind ältere Menschen mehr von Herzflimmern betroffen.
  • Was bisher nicht offenbart wurde, ist ein Verfahren, um in der plethysmographischen Kurvenform einen Hinweis auf die arterielle Augmentation zu erkennen. Die arterielle Augmentation kann in dem Muster der Pulsamplituden bei variierenden Herzschlagintervallen erkannt werden.
  • Im Allgemeinen ist das Schlagen eines Herzens im Wesentlichen gleichmäßig, aber ein Grad an Ungleichmäßigkeit im Rhythmus ist immer vorhanden. Die Intervalle zwischen den Herzschlägen verringern sich während der Einatmung. Die Herzschlagintervalle vergrößern sich während der Ausatmung. Einige Schläge treten früher auf und sind bekannt als vorzeitiger ventrikularer Komplexe (premature ventricular complexes: PMC) oder vorzeitiger arterieller Komplexe (premature atrial complexes: PAC) oder andere. Diese variierenden Herzschlagintervalle bedeuten, dass zwischen den Herzschlägen mehr oder weniger Zeit dafür vorhanden ist, dass das Blut die Ventrikel füllt. Eine ansteigende Füllzeit führt zu mehr ausgestoßenem Blut und zu erhöhtem Blutdruck und einer ansteigenden Pulsamplitude in dem Plethysmogramm für diesen Herzschlag.
  • Deshalb beeinflussen zwei unter anderen Faktoren die plethysmographische Amplitude, die Augmentation und die Füllzeit. 5a stellt eine Überlagerung von Kurvenformen dar, die veranschaulichen, dass die Pulsamplitude mit der Füllzeit anwächst. In 5a hat der Patient Herzflimmern, sodass die Pulsamplitude 410 nur als Funktion der Füllzeit 420 anwächst und deshalb keine arterielle Augmentation auftritt.
  • Wenn die arterielle Augmentation vorliegt, ist das Muster der Pulsamplitude 410 bei variierenden Herzschlagintervallen unterschiedlich. In diesem Fall werden die meisten der vorzeitigen Herzschläge nicht länger den Vorteil der arteriellen Steigerung haben und der Pulshöhen im Plethysmogramm dieser Herzschläge wird ähnlich denen in 5a gezeigten sein. Bei einem längeren Herzschlagintervall jedoch liegt die arterielle Augmentation vor und so zeigt 5b die angestiegene Pulshöhe des ersten und des letzten Pulses. Diese Pulse treten bis zu der gezeigten gestrichelten Linie auf, die bei einem höheren Niveau als in 5a liegt.
  • Deshalb ist die allgemeine Strategie zur Erkennung des Hinweises auf arterielle Augmentation, die plethysmographische Pulsamplitude 430 über eine Zeitperiode hinweg zu beobachten, einschließlich mindestens einiger Auswahl von Herzschlagintervallen, und Beobachten des Grades des Zuwachses der Pulshöhe als Funktion des Anwachsens in dem kürzeren Herzschlagintervall. Dies erlaubt eine Extrapolation der Pulshöhe als Funktion der Füllzeit. Wenn die arterielle Augmentation vorliegt, werden längere Herzschlagintervalle die Pulsamplituden dazu zu bringen, die von der Füllzeit alleine erwarteten Werte zu übertreffen. Die 5a und 5b stellen eine Vereinfachung dar. Die Höhe gegen die Funktion der Füllzeit kann nicht linear sein und die Extrapolation kann eine kompliziertere Funktion sein. Die Augmentation jedoch wird immer noch als ein Anwachsen des Pulses über die Extrapolation der Füllzeit erkannt.
  • Bezugnehmend auf 4a werden die Ergebnisse der HMM 330, der kontexturalen Analyse 340, der arteriellen Augmentationsdetektion 350 und die Berechnung der Amplitudenvariation 360 durchgeführt, um in Schritt 370 zu ermitteln, ob der Rhythmus des Herzens unregelmäßig ist. In Schritt 380 wird berichtet, ob der Patient ein AFIB ist oder kein AFIB ist und in Schritt 390, ob ein Trend zu AF während der Zeitperiode vorliegt, in der das Plethysmogramm akquiriert wurde.
  • Nachfolgend bezugnehmend auf 4b wird die HMM 330 und die kontexturale Analyse 340 genauer beschrieben. In diesem Verfahren 100 werden die detektierten Pulsintervalle 310 als detaillierte Pulsintervalle in Verfahrensschritt 312 und als Pulsintervalle in Verfahrensschritt 314 klassifiziert. Die HMM 330 und die kontexturale Analyse 340 unterscheiden zwischen Rhythmus mit unregelmäßigen und Rhythmus mit regelmäßigen Unregelmäßigkeiten. Für die HMM 330 Analyse, die eine Analyse ist, die gewöhnlich im Stand der Technik verwendet wird, um AFIB aus einer EKG–Kurvenform zu detektieren, wird eine detaillierte Klassifikation des Pulsintervalls 312 erzeugt, in der die Pulsintervalle als VS = sehr kurz (very short: VS), S = kurz (short: S), SS = nahezu kurz (slightly short: SS), R = normal (regular: R), SL = nahezu lang (slightly long: SL), L = lang (long: L) und VL = sehr lang (very long: VL) klassifiziert werden. Die HMM 330 Analyse verlangt weniger Intervalle als die kontexturale Analyse 340, um genau zu sein, und die Einzelheiten der HMM 330 Analyse können in dem US Patent mit der Nummer Nr. 6,937,887 gefunden werden.
  • Während das Hidden Markov Modell bekannt ist, um AFIB aus der EKG-Kurvenform zu detektieren, wurde die Verwendung der HMM 330 Analyse in dieser Vorrichtung und in diesem Verfahren nie in Betracht gezogen. Während die HMM 330 Analyse eine Wahrscheinlichkeit eines Herzrhythmus, der ein unregelmäßiger Rhythmus ist, berechnet, verwendet die kontexturale Analyse 340 eine größere Anzahl von Pulsintervallen 314, um AFIB als Quelle der Unregelmäßigkeiten herauszufinden. Die kontexturale Analyse 340 verwendet eine größere Anzahl von Pulsintervallen 314, während die Intervalle lediglich als S = kurz oder l = lang klassifiziert werden. Nochmals, die Ergebnisse dieser beiden Analysen tragen in Schritt 370 dazu bei, zu ermitteln ob der Rhythmus ungleichmäßig unregelmäßig ist. Letztendlich sollte beachtet werden, dass das Verfahren, wie es hierin beschrieben wurde, als ein Satz von Computeralgorithmen, die auf einem Prozessor in einem Überwachungsvorrichtung, wie der in 6 dargestellten, ausgeführt werden können.
  • 6 stellt eine Detektionsvorrichtung 500 der vorliegenden Erfindung dar, die eine Fingermesseinrichtung 520 enthält, die an dem Finger 510 des Patienten befestigt ist und konfiguriert ist, um die plethysmographische Kurvenform des Patientenfinger 510 zu akquirieren und das Niveau an den Prozessor 560 so zu senden, dass eine plethysmographische Kurvenform 550 auf einer elektronischen Einrichtung 520, wie einem Computer, einer tragbaren Einrichtung, einem Laptop oder einer anderen aus dem Stand der Technik bekannten elektronischen Einrichtung 530, dargestellt wird. Die elektronische Einrichtung 530 enthält eine Eingabeeinrichtung 570, wie ein Keyboard, sodass ein Patient oder Arzt oder ein andere Benutzer der elektronischen Einrichtung das Display 540 manipulieren, die Ausgabe des Verfahrens konfigurieren oder deaktivieren oder einen Alarm aktivieren kann. Der Computercode, der das Verfahren der vorliegenden Erfindung einschließt, ist auf einem Speichermedium 580 gespeichert und der Prozessor 560 ist konfiguriert, um den Code auszuführen. Der Prozessor 560, während er den Code ausführt, wird alle Faktoren einbeziehen, wie dies vorstehend bei dem Detektionsverfahren 100 beschrieben wurde, und ermitteln ob der Patient im AFIB ist. Darüber hinaus können der AFIB-Bericht 380 und der Trend-Bericht 390 in Schritt 540 dargestellt werden.
  • Die vorliegende Erfindung schafft zahlreiche Vorteile gegenüber dem Stand der Technik. Die Erfindung enthält niedrigere Kosten (Elimination von mehreren EKG-Elektroden und/oder Elektrodenverbindungsgummis), größere Flexibilität und die Erleichterung oder Bequemlichkeit der Verwendung gegenüber mehreren EKG-Elektroden, kürzere Installationszeit und die Vorrichtung und das Verfahren sind bequemer und leichter für die Patienten zu Implementieren als das EKG, was eine größere Patientenzufriedenheit bedeutet. Die Patientenzufriedenheit ist ebenfalls verbessert, dadurch, dass die Akquisitionszeit kürzer ist und die kürzere Messung bedeutet, dass ein zufriedenerer Patient derartige Dinge wie Bewegungsartefakte minimieren kann, die dazu tendieren die EKG-Vorrichtungen weniger genau zu machen.
  • Die Vorrichtung und das Verfahren ist zuallererst als ein periodisches Messwerkzeug gedacht, wobei Echtzeit-Ausgaben nicht notwendig sind, und da eine SPO2 Messung bereits eine bekannte Komponente der Patientenüberwachungseinrichtungen ist, ist keine zusätzliche Hardware notwendig, um die Vorrichtung zu implementieren. Die Detektion von AFIB innerhalb von 48 Stunden nach der Einleitung schafft die Möglichkeit oder Gelegenheit der Herzbeobachtung ohne wesentliche Kosten und Zeit der antithrombolytischen Therapie, wobei die Gesundheitsversorgung bei reduzierten Gesundheitsversorgungskosten verbessert wird. Diese verbesserte Vorrichtung und das verbesserte Verfahren der verbesserten Überwachung zu Hause wird ebenfalls zu weniger Besuchen in der Notaufnahme führen, während die Betreuung zu Hause und die Praxisbesuche reduziert werden, auf Grund von nicht Anfordern von professioneller Unterstützung bei der Anwendung von Sensoren, wie dies bei EKG-Anwendungen der Fall ist.
  • Diese Techniken könnten ebenfalls in Verbindung mit anderen Einrichtungen zum Messen des Blutvolumens oder der Blutdruckpulse verwendet werden, um die Anwesenheit von AFIB zu messen. Dies schließt ein, aber ist nicht darauf beschränkt: Impedanz-Plethysmographie, optische Reflektions-Plethysmographie, arterielle Tonometrie und piezoelektrische Sensoren.
  • Die vorliegende Erfindung wurde in Bezug auf spezifische Ausführungsformen beschrieben, die Details einschließen, um das Verständnis der Prinzipien der Konstruktion und Bedienung der Erfindung zu erleichtern. Derartige Bezüge zu den spezifischen Ausführungsformen und Details davon sind nicht als Beschränkung des Schutzumfangs der nachfolgenden Ansprüche gedacht. Es ist für den Fachmann deutlich geworden, dass Modifikationen oder Änderungen in der Ausführungsform, die zur Darstellung gewählt wurde, gemacht werden können, ohne den Geist und den Umfang der Erfindung zu verlassen.
  • Das Verfahren und die Vorrichtung enthalten das Detektieren von Herzflimmern in einem Patienten durch Überwachen des Sättigungsniveaus des Blutsauerstoffs über eine Zeitspanne. Das Verfahren und die Vorrichtung erzeugen eine plethysmographische Kurvenform 30, 300, 550 aus dem überwachten Sättigungsniveaus des Blutsauerstoffs und analysiert die plethysmographische Kurvenform 30, 300, 550 und detektiert Intervalle 312, 314 und ermittelt ob bei dem Patienten Herzflimmern vorliegt. Das Verfahren und die Vorrichtung sind bevorzugt in einer Softwareanwendung implementiert und können konfiguriert sein, um an einen Benutzer über den gegenwärtigen Zustand des Herzflimmerns (AFIB) und eines vorliegenden Trends zu berichten. BEZUGSZEICHENLISTE
    Figure 00170001
    Figure 00180001

Claims (10)

  1. Verfahren zum Detektieren von Herzflimmern in einem menschlichen oder tierischen Objekt, wobei das Verfahren aufweist: Akquirieren einer plethysmographischen Kurvenform eines Patienten aus einer Überwachungseinrichtung über eine Zeitperiode (110, 120); Messen eines Satzes von Pulsintervallen von einem Patienten aus der plethysmographischen Kurvenform (130); Messen eines Satzes von Eigenschaften oder Merkmalen aus der plethysmographischen Kurvenform (135); und Analysieren des Satzes der Pulsintervalle und des Satzes der Pulseigenschaften aus der plethysmographischen Kurvenform, um den Zustand des Herzflimmerns bei einem Patienten zu ermitteln.
  2. Verfahren nach Anspruch 1, worin die Überwachungseinrichtung ein Sensor eines Pulsoximeters ist.
  3. Verfahren nach Anspruch 1, worin einer der Sätze der Eigenschaften ein Satz von Pulsamplituden (480) ist.
  4. Verfahren nach Anspruch 1, das ferner aufweist, dass der Satz von Pulsintervallen und der Satz von Pulseigenschaften aus der plethysmographischen Kurvenform (140) analy siert werden, um einen Trend zum Herzflimmern bei einem Patienten (480) zu detektieren.
  5. Verfahren nach Anspruch 1, worin das Analysieren des Satzes von Pulsintervallen (140) enthält: Durchführen einer Analyse mit Hidden Markov Modellen (330) von einem Satz von Pulsintervallen (140); und Durchführen einer kontexturalen Analyse (340) von dem Satz von Pulsintervallen (140).
  6. Verfahren nach Anspruch 5, worin die Analyse (330) mit Hidden Markov Modellen eine Wahrscheinlichkeit für einen Patienten ermittelt, der einen unregelmäßigen Herzrhythmus hat.
  7. Verfahren nach Anspruch 5, worin die kontexturale Analyse (340) das Herzflimmern als Ursache für den unregelmäßigen Herzrhythmus ausschließt.
  8. Verfahren nach Anspruch 1, worin die Analyse des Satzes von Pulseigenschaften enthält: Berechnen von Amplitudenvariation (360) zwischen jedem der aufeinander folgenden Sätze von Pulsamplituden.
  9. Verfahren nach Anspruch 8, worin der Ermittelung (370) abhängig von der Analyse der Pulsamplitudenvariationen (360) ist.
  10. Verfahren nach Anspruch 1, worin die Analyse des Satzes der Pulsamplituden (340) die Ermittelung des Satzes der Füllzeitdynamiken (420) des Satzes der Pulsamplituden (430) enthält, worin die Schritte der Analyse des Satzes der Pulsamplituden (430) und der Ermittelung des Satzes der Füllzeitdynamiken (420) einen Hinweis auf den Grad der vorliegenden arteriellen Augmentation schafft.
DE102007018906A 2006-04-26 2007-04-19 Detektion von Herzflimmern unter Verwendung von SPO2 Withdrawn DE102007018906A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US11/411,714 US7846106B2 (en) 2006-04-26 2006-04-26 Atrial fibrillation detection using SPO2
US11/411,714 2006-04-26

Publications (1)

Publication Number Publication Date
DE102007018906A1 true DE102007018906A1 (de) 2007-12-27

Family

ID=38135268

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102007018906A Withdrawn DE102007018906A1 (de) 2006-04-26 2007-04-19 Detektion von Herzflimmern unter Verwendung von SPO2

Country Status (5)

Country Link
US (1) US7846106B2 (de)
JP (1) JP2007289694A (de)
CN (1) CN101061950B (de)
DE (1) DE102007018906A1 (de)
GB (1) GB2437628B (de)

Families Citing this family (60)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7758503B2 (en) 1997-01-27 2010-07-20 Lynn Lawrence A Microprocessor system for the analysis of physiologic and financial datasets
US9468378B2 (en) 1997-01-27 2016-10-18 Lawrence A. Lynn Airway instability detection system and method
US9042952B2 (en) 1997-01-27 2015-05-26 Lawrence A. Lynn System and method for automatic detection of a plurality of SPO2 time series pattern types
US8932227B2 (en) 2000-07-28 2015-01-13 Lawrence A. Lynn System and method for CO2 and oximetry integration
US20070191697A1 (en) 2006-02-10 2007-08-16 Lynn Lawrence A System and method for SPO2 instability detection and quantification
US20090281838A1 (en) 2008-05-07 2009-11-12 Lawrence A. Lynn Medical failure pattern search engine
US20060195041A1 (en) 2002-05-17 2006-08-31 Lynn Lawrence A Centralized hospital monitoring system for automatically detecting upper airway instability and for preventing and aborting adverse drug reactions
US9053222B2 (en) 2002-05-17 2015-06-09 Lawrence A. Lynn Patient safety processor
US7668579B2 (en) 2006-02-10 2010-02-23 Lynn Lawrence A System and method for the detection of physiologic response to stimulation
US7846106B2 (en) 2006-04-26 2010-12-07 The General Electric Company Atrial fibrillation detection using SPO2
US7806832B2 (en) * 2007-04-30 2010-10-05 The General Electric Company False positive reduction in SPO2 atrial fibrillation detection using average heart rate and NIBP
AU2009311406B2 (en) 2008-11-05 2013-06-27 Covidien Lp System and method for facilitating observation of monitored physiologic data
US9526620B2 (en) 2009-03-30 2016-12-27 DePuy Synthes Products, Inc. Zero profile spinal fusion cage
US9393129B2 (en) 2009-12-10 2016-07-19 DePuy Synthes Products, Inc. Bellows-like expandable interbody fusion cage
US9351654B2 (en) 2010-06-08 2016-05-31 Alivecor, Inc. Two electrode apparatus and methods for twelve lead ECG
US8509882B2 (en) 2010-06-08 2013-08-13 Alivecor, Inc. Heart monitoring system usable with a smartphone or computer
WO2012001719A1 (en) 2010-07-02 2012-01-05 Mir Srl - Medical International Research A portable pulseoximeter for a direct and immediate automated evaluation of the cardiac rhythm (regularity) and related method
CA2804788C (en) 2010-07-08 2020-08-25 Intelomed, Inc. System and method for characterizing circulatory blood flow
US9002440B2 (en) 2010-07-08 2015-04-07 Intelomed, Inc. System and method for characterizing circulatory blood flow
US20120078372A1 (en) 2010-09-23 2012-03-29 Thomas Gamache Novel implant inserter having a laterally-extending dovetail engagement feature
US9706952B2 (en) 2011-01-06 2017-07-18 Siemens Healthcare Gmbh System for ventricular arrhythmia detection and characterization
US9402571B2 (en) 2011-01-06 2016-08-02 Siemens Medical Solutions Usa, Inc. Biological tissue function analysis
US9675274B2 (en) 2011-09-23 2017-06-13 Nellcor Puritan Bennett Ireland Systems and methods for determining respiration information from a photoplethysmograph
US8880576B2 (en) 2011-09-23 2014-11-04 Nellcor Puritan Bennett Ireland Systems and methods for determining respiration information from a photoplethysmograph
US9693709B2 (en) 2011-09-23 2017-07-04 Nellcot Puritan Bennett Ireland Systems and methods for determining respiration information from a photoplethysmograph
US9119597B2 (en) 2011-09-23 2015-09-01 Nellcor Puritan Bennett Ireland Systems and methods for determining respiration information from a photoplethysmograph
US9402554B2 (en) 2011-09-23 2016-08-02 Nellcor Puritan Bennett Ireland Systems and methods for determining respiration information from a photoplethysmograph
US8755871B2 (en) 2011-11-30 2014-06-17 Covidien Lp Systems and methods for detecting arrhythmia from a physiological signal
US9693736B2 (en) 2011-11-30 2017-07-04 Nellcor Puritan Bennett Ireland Systems and methods for determining respiration information using historical distribution
US9247896B2 (en) 2012-01-04 2016-02-02 Nellcor Puritan Bennett Ireland Systems and methods for determining respiration information using phase locked loop
US8880155B2 (en) * 2012-02-24 2014-11-04 Covidien Lp Hypovolemia diagnosis technique
US9179876B2 (en) 2012-04-30 2015-11-10 Nellcor Puritan Bennett Ireland Systems and methods for identifying portions of a physiological signal usable for determining physiological information
US9254095B2 (en) 2012-11-08 2016-02-09 Alivecor Electrocardiogram signal detection
US10182921B2 (en) 2012-11-09 2019-01-22 DePuy Synthes Products, Inc. Interbody device with opening to allow packing graft and other biologics
US9560978B2 (en) 2013-02-05 2017-02-07 Covidien Lp Systems and methods for determining respiration information from a physiological signal using amplitude demodulation
US9554712B2 (en) 2013-02-27 2017-01-31 Covidien Lp Systems and methods for generating an artificial photoplethysmograph signal
US9687159B2 (en) 2013-02-27 2017-06-27 Covidien Lp Systems and methods for determining physiological information by identifying fiducial points in a physiological signal
US9254092B2 (en) 2013-03-15 2016-02-09 Alivecor, Inc. Systems and methods for processing and analyzing medical data
US10390767B2 (en) 2013-06-04 2019-08-27 Intelomed Inc. Hemodynamic risk severity based upon detection and quantification of cardiac dysrhythmia behavior using a pulse volume waveform
CA2915060A1 (en) 2013-06-11 2014-12-18 Intelomed, Inc. Methods and systems for predicting hypovolemic hypotensive conditions resulting from bradycardia behavior using a pulse volume waveform
WO2014202829A1 (en) 2013-06-19 2014-12-24 Turun Yliopisto Method and apparatus for determining information indicative of cardiac malfunctions
US9247911B2 (en) 2013-07-10 2016-02-02 Alivecor, Inc. Devices and methods for real-time denoising of electrocardiograms
AU2014306776A1 (en) 2013-08-12 2016-03-03 Intelomed, Inc. Methods for monitoring and analyzing cardiovascular states
US10022068B2 (en) 2013-10-28 2018-07-17 Covidien Lp Systems and methods for detecting held breath events
US9913587B2 (en) 2013-11-01 2018-03-13 Cardiio, Inc. Method and system for screening of atrial fibrillation
US9848785B2 (en) 2013-12-05 2017-12-26 Siemens Healthcare Gmbh Analysis and characterization of patient signals
EP3079571A4 (de) 2013-12-12 2017-08-02 Alivecor, Inc. Verfahren und systeme zur arrhythmieverfolgung und -bewertung
TWI551266B (zh) * 2013-12-30 2016-10-01 財團法人工業技術研究院 動脈波分析方法及其系統
US9848820B2 (en) 2014-01-07 2017-12-26 Covidien Lp Apnea analysis system and method
CN104825170A (zh) * 2014-02-11 2015-08-12 北京超思电子技术股份有限公司 一种血氧测量仪
US9901308B2 (en) 2014-02-20 2018-02-27 Covidien Lp Systems and methods for filtering autocorrelation peaks and detecting harmonics
WO2016081879A1 (en) * 2014-11-21 2016-05-26 University Of Washington Methods and defibrillators utilizing hidden markov models to analyze ecg and/or impedance signals
EP3282933B1 (de) 2015-05-13 2020-07-08 Alivecor, Inc. Diskordanzüberwachung
US10940016B2 (en) 2017-07-05 2021-03-09 Medos International Sarl Expandable intervertebral fusion cage
US11147463B2 (en) * 2017-11-03 2021-10-19 Samsung Electronics Co., Ltd. Method and apparatus for high accuracy photoplethysmogram based atrial fibrillation detection using wearable device
US10729350B2 (en) 2018-03-19 2020-08-04 General Electric Company System and method for monitoring cardiac arrhythmias
LT6780B (lt) 2018-11-16 2020-11-10 Kauno technologijos universitetas Personalizuotos gyvybei pavojingų būsenų stebėsenos sistema ir būdas lėtine inkstų liga sergantiems pacientams
LT6743B (lt) 2018-11-22 2020-07-10 Kauno technologijos universitetas Poinsultinės būklės pacientų netrukdančios ilgalaikės prieširdžių aritmijų stebėsenos ir charakterizavimo sistema ir būdas
CN109567783B (zh) * 2018-11-30 2021-06-18 合肥工业大学 一种基于加权马尔可夫模型预测空间位置心磁信号的方法
WO2021016892A1 (zh) * 2019-07-30 2021-02-04 深圳迈瑞生物医疗电子股份有限公司 规则性评价信息的分析方法、监护设备及监护系统

Family Cites Families (38)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4356827A (en) 1978-11-27 1982-11-02 Nippon Collin Co., Ltd. Method of arrhythmia detection with detecting mechanism
US4262674A (en) 1978-11-27 1981-04-21 Nippon Colin Co., Ltd. Sphygmomanometer with an arrhythmia detecting mechanism
US5152296A (en) 1990-03-01 1992-10-06 Hewlett-Packard Company Dual-finger vital signs monitor
JPH05200005A (ja) 1992-01-28 1993-08-10 Omron Corp 電子血圧計
JPH05212004A (ja) 1992-02-06 1993-08-24 Omron Corp 電子血圧計
JPH05288869A (ja) 1992-04-06 1993-11-05 Seiko Epson Corp 多機能ウォッチ
US5404878A (en) 1993-01-19 1995-04-11 Hewlett-Packard Company Method and apparatus for automatic non-invasive monitoring of a patient's blood pressure
JPH0889484A (ja) 1994-09-21 1996-04-09 Tochigi Nippon Denki Kk 患者監視装置
US5995860A (en) * 1995-07-06 1999-11-30 Thomas Jefferson University Implantable sensor and system for measurement and control of blood constituent levels
AUPN740796A0 (en) * 1996-01-04 1996-01-25 Circuitry Systems Limited Biomedical data collection apparatus
US5931790A (en) 1997-06-06 1999-08-03 Southwest Research Institute System and method for accurately monitoring the cardiovascular state of a living subject
US5865756A (en) * 1997-06-06 1999-02-02 Southwest Research Institute System and method for identifying and correcting abnormal oscillometric pulse waves
JP3465133B2 (ja) * 1997-08-05 2003-11-10 日本光電工業株式会社 患者監視装置
JP3114142B2 (ja) 1998-05-28 2000-12-04 マイクロライフ システムズ エージー 血圧の測定と不整脈の検出とを同時に行うための装置
JP4174922B2 (ja) 1999-07-19 2008-11-05 オムロンヘルスケア株式会社 患者監視装置
US6496723B1 (en) 1999-08-30 2002-12-17 Denso Corporation Method of obtaining information that corresponds to electrocardiogram of human body from pulse wave thereof
US6477406B1 (en) 1999-11-10 2002-11-05 Pacesetter, Inc. Extravascular hemodynamic acoustic sensor
US6600949B1 (en) * 1999-11-10 2003-07-29 Pacesetter, Inc. Method for monitoring heart failure via respiratory patterns
US6491639B1 (en) * 1999-11-10 2002-12-10 Pacesetter, Inc. Extravascular hemodynamic sensor
JP2001346769A (ja) * 2000-06-09 2001-12-18 Nippon Colin Co Ltd 循環状態監視装置
GB0014855D0 (en) * 2000-06-16 2000-08-09 Isis Innovation Combining measurements from different sensors
WO2002005726A2 (en) 2000-07-19 2002-01-24 Sharrock Nigel E Non-invasive measurement of suprasystolic signals
WO2002024068A1 (en) * 2000-09-20 2002-03-28 Mcgill University Method and system for detection of cardiac arrhythmia
US6423010B1 (en) 2000-10-04 2002-07-23 Critikon Company, L.L.C. Oscillometric blood pressure monitor with improved performance in the presence of arrhythmias
US7547283B2 (en) * 2000-11-28 2009-06-16 Physiosonics, Inc. Methods for determining intracranial pressure non-invasively
US6490479B2 (en) * 2000-12-28 2002-12-03 Ge Medical Systems Information Technologies, Inc. Atrial fibrillation detection method and apparatus
JP3603036B2 (ja) 2001-03-16 2004-12-15 コーリンメディカルテクノロジー株式会社 自動血圧測定装置
KR100452748B1 (ko) 2001-05-08 2004-10-12 유닉스전자주식회사 전자 혈압계를 이용한 심전도 측정 방법
US8055333B2 (en) * 2001-07-05 2011-11-08 Jeng-Ren Duann Device and method for detecting cardiac impairments
US6832113B2 (en) 2001-11-16 2004-12-14 Cardiac Pacemakers, Inc. Non-invasive method and apparatus for cardiac pacemaker pacing parameter optimization and monitoring of cardiac dysfunction
JP2003210420A (ja) 2002-01-24 2003-07-29 Sanyo Electric Co Ltd 在宅健康管理システム及びバイタルデータ遠隔表示方法
US6719701B2 (en) 2002-01-28 2004-04-13 Pacesetter, Inc. Implantable syncope monitor and method of using the same
US7074192B2 (en) 2003-07-03 2006-07-11 Ge Medical Systems Information Technologies, Inc. Method and apparatus for measuring blood pressure using relaxed matching criteria
US7532929B2 (en) * 2004-02-23 2009-05-12 Biotronik Crm Patent Ag Adaptive ventricular rate smoothing during atrial fibrillation
US7680532B2 (en) 2005-02-25 2010-03-16 Joseph Wiesel Detecting atrial fibrillation, method of and apparatus for
US7706868B2 (en) * 2005-02-25 2010-04-27 Joseph Wiesel Detecting atrial fibrillation, method of and apparatus for
US7846106B2 (en) 2006-04-26 2010-12-07 The General Electric Company Atrial fibrillation detection using SPO2
US20080200819A1 (en) 2007-02-20 2008-08-21 Lynn Lawrence A Orthostasis detection system and method

Also Published As

Publication number Publication date
US7846106B2 (en) 2010-12-07
US20070255146A1 (en) 2007-11-01
GB0707815D0 (en) 2007-05-30
CN101061950B (zh) 2013-06-19
JP2007289694A (ja) 2007-11-08
GB2437628B (en) 2009-09-02
GB2437628A (en) 2007-10-31
CN101061950A (zh) 2007-10-31

Similar Documents

Publication Publication Date Title
DE102007018906A1 (de) Detektion von Herzflimmern unter Verwendung von SPO2
DE60215283T2 (de) Vorrichtung zur Festlegung der linksventrikulären Auswurfzeit in einem Herz
US8233972B2 (en) System for cardiac arrhythmia detection and characterization
US7806832B2 (en) False positive reduction in SPO2 atrial fibrillation detection using average heart rate and NIBP
US8388542B2 (en) System for cardiac pathology detection and characterization
US9706952B2 (en) System for ventricular arrhythmia detection and characterization
US8668649B2 (en) System for cardiac status determination
US20100152592A1 (en) Assessment of Preload Dependence and Fluid Responsiveness
DE102006004415A1 (de) Vorrichtung zum Bewerten eines hämodynamischen Zustandes eines Patienten, wobei eine Herz-Lungen-Interaktion verwendet wird
US10278595B2 (en) Analysis and characterization of patient signals
DE10219367A1 (de) Vorrichtung zur Ermittlung und Auswertung von Parametern der diastolischen Funktion der linken Herzkammer
DE102005057757A1 (de) Integrale Vorrichtung zur Bestimmung physiologischer Signale
US8868168B2 (en) System for cardiac condition characterization using electrophysiological signal data
US8364248B2 (en) System for cardiac pathology detection and characterization
US20180098709A1 (en) Non-invasive system and method for monitoring lusitropic myocardial function in relation to inotropic myocardial function
US9549681B2 (en) Matrix-based patient signal analysis
DE102016011700A1 (de) Überwachung von Biosignalen, insbesondere Elektrokardiogrammen
US11284836B2 (en) Methods and systems for improved prediction of fluid responsiveness
DE102010061580A1 (de) Verwendung des Frequenzspektrums eines Artefaktes in der Oszillometrie
US9320445B2 (en) System for cardiac condition detection responsive to blood pressure analysis
US10076259B2 (en) Method and system for evaluating stability of cardiac propagation reserve
US9020583B2 (en) Patient signal analysis and characterization
Hegde et al. A review on ECG signal processing and HRV analysis
US9192315B2 (en) Patient signal analysis and characterization based on late potentials
Kumar et al. Interpretation of Premature Ventricular Abnormality based on HRV Analysis

Legal Events

Date Code Title Description
R012 Request for examination validly filed

Effective date: 20140220

R016 Response to examination communication
R119 Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee