DE102016204397A1 - Klassifikation eines zeitreihensignals als ventrikuläre extrasystole - Google Patents

Klassifikation eines zeitreihensignals als ventrikuläre extrasystole Download PDF

Info

Publication number
DE102016204397A1
DE102016204397A1 DE102016204397.8A DE102016204397A DE102016204397A1 DE 102016204397 A1 DE102016204397 A1 DE 102016204397A1 DE 102016204397 A DE102016204397 A DE 102016204397A DE 102016204397 A1 DE102016204397 A1 DE 102016204397A1
Authority
DE
Germany
Prior art keywords
signal
time series
time
series signal
segment
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Withdrawn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
DE102016204397.8A
Other languages
English (en)
Inventor
Luisa Fernanda POLANIA-CABRERA
Lalit Keshav MESTHA
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.)
Xerox Corp
Original Assignee
Xerox Corp
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 Xerox Corp filed Critical Xerox Corp
Publication of DE102016204397A1 publication Critical patent/DE102016204397A1/de
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • 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
    • A61B5/7235Details of waveform analysis
    • A61B5/7264Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • 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
    • A61B5/02028Determining haemodynamic parameters not otherwise provided for, e.g. cardiac contractility or left ventricular ejection fraction
    • 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
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271Specific aspects of physiological measurement analysis
    • A61B5/7282Event detection, e.g. detecting unique waveforms indicative of a medical condition
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/74Details of notification to user or communication with user or patient ; user input means
    • A61B5/746Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
    • 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

Abstract

Offengelegt wird ein System und Verfahren zur Klassifikation eines Zeitreihensignals als ventrikuläre Extrasystole bei einem Subjekt, das zur Beurteilung der kardialen Funktion überwacht wird. Eine Ausführungsform hiervon beinhaltet Folgendes. Es wird ein Zeitreihensignal empfangen, das Frequenzanteile enthält, die sich auf die Funktion des Herzens des Subjekts beziehen. Interessierende Signalsegmente werden in dem Zeitreihensignal identifiziert. Zeitbereichsmerkmale, die das Spitze-Spitze-Intervall zwischen kardialem Puls und Pulsamplituden umfassen, werden für jedes dieser interessierenden Signalsegmente extrahiert. Die Zeitbereichsmerkmale werden in einem zweidimensionalen Merkmalsvektor angeordnet. Jeder Merkmalsvektor wird mit einem entsprechenden Signalsegment assoziiert. Ein Betrag des entsprechenden Merkmalsvektors jedes Signalsegments wird ermittelt. Signalsegmente werden als ventrikuläre Extrasystole anhand des mit jedem Segment assoziierten Betrags klassifiziert. In einer Ausführungsform werden Signalsegmente mit assoziierten Merkmalsvektoren, die einen kleinsten Betrag aufweisen, als ventrikuläre Extrasystole klassifiziert.

Description

  • Von den unterschiedlichen Arrhythmieformen verdient die ventrikuläre Extrasystole (VES) besondere Aufmerksamkeit, da sie zu lebensbedrohlichen Herzerkrankungen führen kann. Ventrikuläre Extrasystolen sind unabhängig von dem Tempo, das der Sinuatrial-Knoten vorgibt, da sie durch ektope Foci im Ventrikelbereich des Herzens verursacht werden. Frühere Studien haben gezeigt, dass VES-Ereignisse nach Myokardinfarkt mit einer erhöhten Mortalitätsrate einhergehen. Die zunehmende Häufigkeit von VES-Ereignissen kann zu einer ventrikulären Tachykardie führen, die sich wiederum häufig zu Kammerflimmern und plötzlichem Herztod entwickelt. Verfahren zur präzisen und frühzeitigen Erkennung von VES-Ereignissen kann für Patienten mit einer Herzerkrankung lebenswichtig sein.
  • Demzufolge werden auf diesem Fachgebiet hochentwickelte Systeme und Verfahren benötigt, um ein Zeitreihensignal als ventrikuläre Extrasystole zu klassifizieren.
  • Offengelegt wird ein System und Verfahren zur Klassifikation eines Zeitreihensignals als ventrikuläre Extrasystole bei einem Subjekt, das zur Beurteilung der kardialen Funktion überwacht wird. Eine Ausführungsform hiervon beinhaltet Folgendes. Es wird ein Zeitreihensignal empfangen, das Frequenzanteile enthält, die sich auf die Funktion des Herzens des Subjekts beziehen. Interessierende Signalsegmente werden in dem Zeitreihensignal identifiziert. Zeitbereichsmerkmale, die das Spitze-Spitze-Intervall zwischen kardialem Puls und Pulsamplituden umfassen, werden für jedes dieser interessierenden Signalsegmente extrahiert. Die Zeitbereichsmerkmale werden in einem zweidimensionalen Merkmalsvektor angeordnet. Jeder Merkmalsvektor wird mit einem entsprechenden Signalsegment assoziiert. Ein Betrag des entsprechenden Merkmalsvektors jedes Signalsegments wird ermittelt. Signalsegmente werden als ventrikuläre Extrasystole anhand des mit jedem Segment assoziierten Betrags klassifiziert. In einer Ausführungsform werden Signalsegmente mit assoziierten Merkmalsvektoren, die einen kleinsten Betrag aufweisen, als ventrikuläre Extrasystole klassifiziert.
  • Signalsegmente mit einem Merkmalsvektor mit einem kleinsten Betrag werden als ventrikuläre Extrasystole klassifiziert.
  • Die Merkmale und Vorteile des oben beschriebenen Verfahrens lassen sich gut anhand der folgenden ausführlichen Beschreibung und beigefügten Zeichnungen erkennen.
  • Die vorgenannten und sonstigen Merkmale und Vorteile des hier offengelegten Gegenstands lassen sich anhand der folgenden ausführlichen Beschreibung in Verbindung mit den beigefügten Zeichnungen erkennen, wobei:
  • 1 ein Ablaufdiagramm ist, das eine beispielhafte Ausführungsform des vorliegenden Verfahrens zum Klassifizieren eines Zeitreihensignals als ventrikuläre Extrasystole nach den hier offengelegten Verfahren darstellt; und
  • 2 ein Blockdiagramm eines beispielhaften Signalverarbeitungssystems zur Klassifikation eines Zeitreihensignals als ventrikuläre Extrasystole ist, wie in Bezug auf das Ablaufdiagramm von 1 beschrieben.
  • Offengelegt wird ein System und Verfahren zum Klassifizieren eines Zeitreihensignals als ventrikuläre Extrasystole bei einem Subjekt, das zur Beurteilung der kardialen Funktion überwacht wird.
  • „Plethysmographie“ ist die Untersuchung der relativen Blutvolumenänderung in Blutgefäßen, die unter der Oberfläche des Hautgewebes liegen.
  • Ein „photoplethysmographisches (PPG) Signal“ ist ein Signal, das unter Verwendung eines optischen Instruments empfangen wird, das den Puls der Blutmenge im Zeitablauf erfasst.
  • Ein „videoplethysmographisches (VPG) Signal“ ist ein Signal, das aus der Verarbeitung von Image Frame-Stapeln eines Videos der Hautoberfläche extrahiert wird.
  • Ein „Subjekt“ bezieht sich auf ein Lebewesen. Obwohl möglicherweise der Begriff „Person“ oder „Patient“ während der gesamten Offenlegung verwendet wird, ist zu beachten, dass das Subjekt etwas anderes als ein Mensch sein kann, beispielsweise ein Primat. Daher ist die Verwendung solcher Begriffe nicht so zu verstehen, dass sie den Umfang der angefügten Ansprüche ausschließlich auf Menschen begrenzen.
  • „Kardiale Funktion“ bezieht sich auf die Funktion des Herzens und in größerem Umfang auf das kardiovaskuläre System. Die kardiale Funktion kann durch eine Vielzahl von Faktoren beeinflusst werden, unter anderem Alter, Krankheit, allgemeiner Gesundheitszustand und durch Umweltbedingungen wie Höhe und Luftdruck.
  • Ein „Zeitreihensignal“ ist ein Signal, das Frequenzanteile beinhaltet, die sich auf die kardiale Funktion beziehen. Das Zeitreihensignal kann ein photoplethysmographisches (PPG) Signal oder ein videoplethysmographisches (VPG) Signal sein. Ein oder mehrere interessierende Signalsegmente werden im Zeitreihensignal identifiziert.
  • Ein „interessierendes Signalsegment “ bezieht sich auf einen Abschnitt eines Zeitreihensignals, der als interessierend identifiziert wurde. Verfahren zum Erhalt eines Segments eines Signals sind in der Signalverarbeitung wohlbekannt. Ein Verfahren zur Klassifikation von Signalsegmenten, das auf einem Clustering-Verfahren beruht, ist in der Referenz mit dem Titel: „Identifying A Type Of Cardiac Event From A Cardiac Signal Segment" von Xu et al. offengelegt. Signalsegmente haben eine feste Länge. Eine Länge eines Signalsegments kann jeden der folgenden Zyklen umfassen: einen einzelnen kardialen Zyklus, einen normalisierten kardialen Zyklus, mehrere kardiale Zyklen und mehrere normalisierte kardiale Zyklen. Zeitbereichsmerkmale werden aus den interessierenden Signalsegmenten extrahiert.
  • „Zeitbereichsmerkmale“ bezieht sich auf das Spitze-Spitze-Intervall zwischen kardialem Puls im Signalsegment und der kardialen Pulsamplitude. Zeitbereichsmerkmale werden in Merkmalsvektoren angeordnet. Verfahren zur Erzeugung von Vektoren sind in der Mathematik wohlbekannt.
  • „Ein Zeitreihensignal empfangen“ ist weit auszulegen und beinhaltet: das Abrufen, Empfangen, Erfassen oder sonstige Erhalten von Zeitreihensignalen zur Verarbeitung entsprechend den Lehren hiervon. Zeitreihensignale können auch von einem Speicher oder Speichergerät des zum Empfang dieser Signale verwendeten Geräts oder von einem Medium wie beispielsweise einer CDROM oder DVD abgerufen werden, von einem Ferngerät über ein Netzwerk abgerufen werden oder von einem webbasierten System oder einer Anwendung, die solche Signale zur Verarbeitung verfügbar macht, heruntergeladen werden.
  • Es ist zu beachten, dass die Schritte „Bestimmen“, „Analysieren“, „Identifizieren“, „Empfangen“, „Verarbeiten“, „Klassifizieren“, „Extrahieren“, „Auswählen“, „Durchführen“, „Trendbereinigen“ „Filtern“, „Ausgleichen“ und ähnliche, wie hierin verwendet, die Anwendung einer von einer Vielzahl von Signalverarbeitungstechniken umfassen sowie Rechenoperationen je nach spezifischem Kontext oder für einen spezifischen Zweck. Es ist zu beachten, dass solche Schritte durch einen Mikroprozesser erleichtert oder anderweitig vorgenommen werden können, der maschinenlesbare Programmanweisungen ausführt, sodass eine vorgesehene Funktion effektiv ausgeführt werden kann.
  • Es wird nunmehr Bezug genommen auf das Ablaufdiagramm von 1, das eine beispielhafte Ausführungsform des vorliegenden Verfahrens zur Klassifikation eines Zeitbereichsignals als ventrikuläre Extrasystole darstellt. Der Ablauf beginnt bei Schritt 100 und geht sofort zu Schritt 102 über.
  • Bei Schritt 102, ein Zeitreihensignal empfangen, das Frequenzanteile enthält, die sich auf die kardiale Funktion eines Subjekts beziehen, das zur Beurteilung der kardialen Funktion überwacht wird.
  • Bei Schritt 104, ein interessierendes Signalsegment im Zeitreihensignal auswählen. Signalsegmente haben eine feste Länge. Eine solche Auswahl kann von einem Anwender oder Techniker unter Verwendung zum Beispiel der Workstation 221 von 2 erfolgen.
  • Bei Schritt 106, Zeitbereichsmerkmale extrahieren, die Spitze-Spitze-Intervalle zwischen kardialem Puls und kardialen Pulsamplituden aus dem ausgewählten Signalsegment umfassen.
  • Bei Schritt 108, die extrahierten Zeitbereichsmerkmale in einen zweidimensionalen Merkmalsvektor anordnen.
  • Bei Schritt 110, einen Betrag des mit dem ausgewählten Signalsegment assoziierten Merkmalsvektors ermitteln.
  • Bei Schritt 112, erfolgt eine Bestimmung, ob weitere Signalsegmente ausgewählt werden sollen. Falls ja, dann wiederholt sich die Verarbeitung in Bezug auf Schritt 104, wobei ein nächstes Signalsegment identifiziert oder anderweitig zur Verarbeitung ausgewählt wird. Die Verarbeitung wiederholt sich in ähnlicher Weise, bis keine weiteren Signalsegmente mehr verarbeitet werden sollen.
  • Bei Schritt 114, Signalsegmente als ventrikuläre Extrasystole anhand des mit jedem Segment assoziierten Betrags klassifizieren. Verbliebene Signalsemente werden nicht klassifiziert oder als normaler Sinusrhythmus klassifiziert. In einer Ausführungsform werden Signalsegmente mit einem kleinsten Betrag als ventrikuläre Extrasystole klassifiziert.
  • Bei Schritt 116, die Klassifikation an ein Anzeigegerät übertragen. Ein beispielhaftes Anzeigegerät wird unter 223 von 2 gezeigt. In dieser Ausführungsform endet die weitere Verarbeitung. In anderen Ausführungsformen wird die Klassifikation an einen Speicher, ein Speichergerät, ein tragbares drahtloses Gerät, ein tragbares Funkgerät und/oder ein Ferngerät über ein Netzwerk übertragen. Es kann ein Alarmsignal ausgelöst werden als Reaktion auf die Klassifikation und es kann gegebenenfalls ein Signal an medizinisches Fachpersonal gesendet werden. Ein solcher Alarm kann die Form einer Nachricht, die auf einem Anzeigegerät angezeigt wird oder eines Tons, der beispielsweise auf der Station einer Pflegekraft oder einem Bildschirm eines Geräts aktiviert wird, annehmen. Der Alarm kann die Form eines farbigen oder blinkenden Lichts annehmen, das eine sichtbare Anzeige liefert, dass ein Alarmzustand vorliegt. Der Alarm kann ein Text, ein Ton und/oder eine Videonachricht sein. Das Alarmsignal kann an ein oder mehrere Ferngeräte über ein kabelgebundenes oder drahtloses Netzwerk übertragen werden. Der Alarm kann direkt auf ein tragbares Mobilfunkgerät des medizinischen Fachpersonals gesendet werden. Danach wären zusätzliche Maßnahmen als Reaktion auf den Alarm zu ergreifen.
  • Es ist zu beachten, dass die hier beschriebenen Ablaufdiagramme der Veranschaulichung dienen. Eine oder mehrere Operationen in den Ablaufdiagrammen können in anderer Reihenfolge stattfinden. Es können andere Operationen hinzugefügt, abgeändert, optimiert oder ausgebaut werden. Varianten davon sollen in den Umfang der angefügten Ansprüche fallen.
  • Es wird nunmehr Bezug genommen auf 2, die ein Blockdiagramm eines beispielhaften Signalverarbeitungssystems 200 zur Klassifikation eines Zeitreihensignals als ventrikuläre Extrasystole darstellt, wie im Hinblick auf das Ablaufdiagramm von 1 beschrieben.
  • Der Signalextraktor 204 gibt ein Zeitreihensignal 205 aus. Der Signalempfänger 206 empfängt hilfsweise die Zeitreihensignale über die Antenne 207. Der Signalsegmentidentifikator 208 empfängt das Zeitreihensignal von dem Signalextraktor 204 und dem Signalempfänger 206 oder von beiden und teilt das empfangene Zeitreihensignal in interessierende Signalsegmente auf. Der Herzspezialist des Subjekts kann eine solche Identifizierung erleichtern, indem er die Workstation 221 verwendet. Sobald interessierende Signalsegmente identifiziert oder anderweitig ausgewählt wurden, extrahiert der Merkmalsextraktor 209 Zeitbereichsmerkmale aus jedem interessierenden Signalsegment und gibt die extrahierten Merkmale in Form eines zweidimensionalen Merkmalsvektors 210 aus. Jeder Merkmalsvektor ist mit einem entsprechenden interessierenden Signalsegment assoziiert. Die Merkmalsvektoren 210 werden von dem Betragsdeterminator 211 empfangen, der einen Betrag von jedem Merkmalsvektor ermittelt. Die daraus resultierenden Ergebnisse werden auf dem Speichergerät 212 gespeichert. Der Klassifikationsprozessor 213 fragt die Beträge vom Speichergerät ab und klassifiziert interessierende Signalsegmente als ventrikuläre Extrasystole anhand der ermittelten Beträge. Der Alarmgenerator 214 löst einen Alarm über die Antenne 215 aus, als Reaktion darauf, dass eines oder mehrere Signalsegmente als ventrikuläre Extrasystole klassifiziert werden. Der Hauptprozessor (Central Processing Unit; CPU) 216 fragt die maschinenlesbaren Programmanweisungen aus dem Speicher 217 ab und ist vorgesehen, die Funktion jedes der Module des Systems 200 zu unterstützen. Die CPU 216, die allein oder in Verbindung mit anderen Prozessoren arbeitet, kann so konfiguriert werden, dass sie die Funktion jedes Moduls oder Prozessors des Systems 200 unterstützt oder anderweitig ausführt sowie die Kommunikation zwischen dem System 200 und der Workstation 221 unterstützt.
  • Die Workstation 221 hat ein Rechnergehäuse, das verschiedene Komponenten wie eine Hauptplatine mit einem Prozessor und einem Speicher, eine Netzwerkkarte, eine Videokarte, eine Festplatte, die maschinenlesbare Medien 222 wie beispielsweise Disketten, optische Datenträger, CD-ROM, DVD, Magnetbänder und Ähnliches lesen/beschreiben kann, sowie andere Software und Hardware, die für die Ausführung der Funktion einer Computer-Workstation notwendig sind. Die Workstation umfasst ein Anzeigegerät 223 wie beispielsweise ein CRT, LCD oder Touchscreen-Display zur Anzeige von Informationen, Beträgen, Merkmalsvektoren, errechneten Werten, medizinischen Informationen, Testergebnissen und Ähnlichem, die von einem der Module oder Prozessoren des Systems 200 produziert oder anderweitig erzeugt werden. Ein Benutzer kann diese Informationen ansehen und eine Auswahl aus verschiedenen darauf gezeigten Menüoptionen treffen. Über die Tastatur 224 und die Maus 225 erfolgt eine Benutzereingabe oder Auswahl.
  • Es ist zu beachten, dass die Workstation 221 ein Betriebssystem und andere spezielle Software hat, die konfiguriert ist, um alphanumerische Werte, Menüs, Rollbalken, Einstellräder, Schiebebalken, Aufklappoptionen, Auswahlfelder und Ähnliches anzuzeigen, um für die Durchführung verschiedener Aspekte der hierin offengelegten Verfahren notwendige Informationen einzugeben, auszuwählen, abzuändern und anzunehmen. Ein Benutzer kann die Workstation dazu verwenden, interessierende Signalsegmente zu identifizieren, verschiedene Parameter einzustellen und die Funktion aller Module oder Prozessoren des Systems 200 zu unterstützen. Ein Benutzer oder Techniker kann die Workstation dazu verwenden, um die ermittelten Beträge der Merkmalsvektoren weiter abzuändern, wenn dies für zweckmäßig erachtet wird. Der Benutzer kann verschiedene verwendete Parameter anpassen oder, in Echtzeit, das System oder die Einstellung jedes zur Erfassung der Zeitreihensignale verwendete Gerät dynamisch anpassen. Benutzereingaben und -auswahlen können in jedem der Speichergeräte 212, 222 und 226 gespeichert bzw. davon abgefragt werden. Standardeinstellungen und Anfangsparameter können von jedem der Speichergeräte abgefragt werden. Das vom Alarmgenerator 214 ausgelöste Alarmsignal kann auf dem Anzeigegerät 223 der Workstation empfangen und angesehen und/oder an eines oder mehrere Ferngeräte über das Netzwerk 228 übertragen werden, das ein kabelgebundenes, drahtloses oder Funkkommunikationsprotokoll verwenden kann.
  • Die Workstation implementiert eine Datenbank im Speichergerät 226, in der Patientendossiers gespeichert, bearbeitet und in Beantwortung einer Anfrage abgefragt werden. Solche Dossiers haben in verschiedenen Ausführungsformen die Form der Krankengeschichte der Patienten, die in Verbindung mit Informationen zur Identifikation des Patienten gespeichert werden (zusammengefasst unter 227). Es ist zu beachten, dass die Datenbank 226 dieselbe wie das Speichergerät 212 sein kann oder, bei separaten Geräten, einige oder alle in einem der beiden Speichergeräte enthaltenen Informationen enthalten kann. Obwohl die Datenbank als externes Gerät gezeigt wird, kann die Datenbank in die Workstation integriert sein, beispielsweise auf einer darin befindlichen Festplatte gemountet sein.
  • Obwohl als Desktop-PC dargestellt, ist zu beachten, dass die Workstation ein Laptop, Mainframe, Tablet, Notebook, Smartphone oder ein Spezialrechner wie ein ASIC oder ähnliches sein kann. Die Ausführungsform der Workstation dient der Veranschaulichung und kann andere, im Stand der Technik bekannte, Funktionen beinhalten. Jede Komponente der Workstation kann mit jedem Modul des Systems 200 oder jedem damit verbundenen Gerät verbunden werden. Darüber hinaus kann jedes Modul des Systems 200 mit dem Speichergerät 226 und/oder den computerlesbaren Medien 222 verbunden werden und kann Daten, Variablen, Dossiers, Parameter, Funkionen und/oder maschinenlesbare/-ausführbare Programmanweisungen speichern bzw. davon abfragen, soweit dies für die Ausführung ihrer vorgesehenen Funktion notwendig ist. Ferner kann jedes Modul oder jeder Prozessor des Systems 200 mit einem oder mehreren Ferngeräten über das Netzwerk 228 verbunden werden. Es ist zu beachten, dass manche oder alle Funktionen, die von einem der Module oder Prozessoren des Systems 200 ausgeführt werden, ganz oder teilweise von der Workstation ausgeführt werden können. Die gezeigte Ausführungsform dient der Veranschaulichung und ist nicht als Beschränkung des Umfangs der angefügten Ansprüche ausschließlich auf diese Konfiguration zu betrachten. Verschiedene Module können eine oder mehrere Komponenten bezeichnen, die wiederum Software und/oder Hardware umfassen können, die zur Ausführung der vorgesehenen Funktion ausgelegt ist.
  • ZITATE ENTHALTEN IN DER BESCHREIBUNG
  • Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
  • Zitierte Nicht-Patentliteratur
    • „Identifying A Type Of Cardiac Event From A Cardiac Signal Segment“ von Xu et al [0016]

Claims (10)

  1. Verfahren zum Klassifizieren eines Zeitreihensignals als ventrikuläre Extrasystole zur Beurteilung der kardialen Funktion, das Verfahren umfassend: das Empfangen eines Zeitreihensignals, das Frequenzanteile enthält, die sich auf eine kardiale Funktion eines Subjekts beziehen, das zur Beurteilung der kardialen Funktion überwacht wird; das Identifizieren von wenigstens einem interessierenden Signalsegment in diesem Zeitreihensignal, wobei diese Signalsegmente eine feste Länge haben; das Extrahieren von Zeitbereichsmerkmalen aus jedem dieser identifizierten interessierenden Signalsegmente, wobei diese Merkmale ein Spitze-Spitze-Intervall zwischen kardialem Puls und Pulsamplitude umfassen, wobei diese extrahierten Merkmale von wenigstens einem zweidimensionalen Merkmalsvektor dargestellt werden, wobei jeder dieser Vektoren mit einem entsprechenden Signalsegment assoziiert ist; das Ermitteln eines Betrages von jedem dieser zweidimensionalen Merkmalsvektoren; und das Klassifizieren von interessierenden Signalsegmenten als ventrikuläre Extrasystole anhand eines Betrags der entsprechenden mit diesem Signalsegment assoziierten Merkmalsvektoren.
  2. Verfahren nach Anspruch 1, wobei das Zeitreihensignal jedes von: einem photoplethysmographischen (PPG) Signal und einem videoplethysmographischen (VPG) Signal ist.
  3. Verfahren nach Anspruch 1, wobei Signalsegmente mit einem kleinsten Betrag als ventrikuläre Extrasystole klassifiziert werden.
  4. Verfahren nach Anspruch 1, im Vorgriff auf das Extrahieren dieser Zeitbereichsmerkmale, ferner umfassend jedes: Trendbereinigen des Zeitreihensignals, um nicht ortsfeste Anteile zu entfernen Filtern des Zeitreihensignals, um unerwünschte Frequenzen zu entfernen; und Ausgleichen des Zeitreihensignals, um unerwünschte Artefakte zu entfernen.
  5. Verfahren nach Anspruch 1, im Vorgriff auf das Extrahieren dieser Zeitbereichsmerkmale, ferner umfassend jedes: Ausführen einer automatischen Spitzendetektion bei diesem Signalsegment, um kardiale Pulsspitzen zu identifizieren; und Filtern dieses Signalsegments, um kardiale Pulsspitzen zu entfernen, deren aufeinanderfolgende Spitze-Spitze-Intervalle eine Veränderung von wenigstens 20 % aufweisen.
  6. System zum Klassifizieren eines Zeitreihensignals als ventrikuläre Extrasystole zur Beurteilung der kardialen Funktion, das System umfassend: einen Speicher; und einen Prozessor in Verbindung mit diesem Speicher, wobei dieser Prozesser maschinenlesbare Programmanweisungen ausführt, um: ein Zeitreihensignal zu empfangen, das Frequenzanteile enthält, die sich auf eine kardiale Funktion eines Subjekts beziehen, das zur Beurteilung der kardialen Funktion überwacht wird; wenigstens ein interessierendes Signalsegment in diesem Zeitreihensignal zu identifizieren, wobei diese Signalsegmente eine feste Länge haben; Zeitbereichsmerkmale aus jedem dieser identifizierten interessierenden Signalsegmente zu extrahieren, wobei diese Merkmale ein Spitze-Spitze-Intervall zwischen kardialem Puls und Pulsamplitude umfassen, wobei diese extrahierten Merkmale durch wenigstens einen zweidimensionalen Merkmalsvektor dargestellt werden, wobei jeder dieser Merkmalsvektoren mit einem entsprechenden Signalsegment assoziiert wird; einen Betrag von jedem der zweidimensionalen Merkmalsvektoren zu ermitteln; und interessierende Signalsegmente als ventrikuläre Extrasystole anhand eines Betrags der entsprechenden mit diesem Segment assoziierten Merkmalsvektoren zu klassifizieren.
  7. System nach Anspruch 6, wobei dieses Zeitreihensignal jedes von: einem photoplethysmographischen (PPG) Signal und einem videoplethysmographischen (VPG) Signal ist.
  8. Verfahren nach Anspruch 6, wobei Signalsegmente mit einem kleinsten Betrag als ventrikuläre Extrasystole klassifiziert werden.
  9. System nach Anspruch 6, wobei Signalsegmente unter Verwendung eines unüberwachten Clustering-Verfahrens klassifiziert werden.
  10. System nach Anspruch 6, im Vorgriff auf das Extrahieren dieser Zeitbereichsmerkmale ferner umfassend jedes: Trendbereinigen des Zeitreihensignals, um nicht ortsfeste Anteile zu entfernen Filtern des Zeitreihensignals, um unerwünschte Frequenzen zu entfernen; und Ausgleichen des Zeitreihensignals, um unerwünschte Artefakte zu entfernen.
DE102016204397.8A 2015-03-31 2016-03-16 Klassifikation eines zeitreihensignals als ventrikuläre extrasystole Withdrawn DE102016204397A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US14/674,736 US20160287183A1 (en) 2015-03-31 2015-03-31 Classifying a time-series signal as ventricular premature contraction
US14/674,736 2015-03-31

Publications (1)

Publication Number Publication Date
DE102016204397A1 true DE102016204397A1 (de) 2016-10-06

Family

ID=56937613

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102016204397.8A Withdrawn DE102016204397A1 (de) 2015-03-31 2016-03-16 Klassifikation eines zeitreihensignals als ventrikuläre extrasystole

Country Status (2)

Country Link
US (1) US20160287183A1 (de)
DE (1) DE102016204397A1 (de)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160287106A1 (en) * 2015-03-31 2016-10-06 Xerox Corporation Method for assessing patient risk for ventricular tachycardia
US20160287105A1 (en) * 2015-03-31 2016-10-06 Xerox Corporation Classifying a time-series signal as ventricular premature contraction and ventricular tachycardia
CN107595249B (zh) * 2017-09-30 2021-03-23 深圳前海全民健康科技有限公司 基于脉搏波的怀孕女性筛查方法
CN109091138B (zh) * 2018-07-12 2021-10-26 上海微创电生理医疗科技股份有限公司 心律失常起源点的判断装置及标测系统
CN114528888B (zh) * 2022-04-25 2022-07-12 广东玖智科技有限公司 一种ppg信号聚类中心获取方法及装置和ppg信号处理方法及装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160081566A1 (en) * 2014-09-22 2016-03-24 Xerox Corporation Identifying a type of cardiac event from a cardiac signal segment
US20160106378A1 (en) * 2014-10-21 2016-04-21 Xerox Corporation System and method for detecting an arrhythmic cardiac event from a cardiac signal
US20160287106A1 (en) * 2015-03-31 2016-10-06 Xerox Corporation Method for assessing patient risk for ventricular tachycardia
US20160287105A1 (en) * 2015-03-31 2016-10-06 Xerox Corporation Classifying a time-series signal as ventricular premature contraction and ventricular tachycardia

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
„Identifying A Type Of Cardiac Event From A Cardiac Signal Segment" von Xu et al

Also Published As

Publication number Publication date
US20160287183A1 (en) 2016-10-06

Similar Documents

Publication Publication Date Title
US10959660B2 (en) Electrocardiogram processing system for delineation and classification
US10602942B2 (en) Method of detecting abnormalities in ECG signals
Sultan Qurraie et al. ECG arrhythmia classification using time frequency distribution techniques
DE102009003317B4 (de) Verfahren zum Überwachen von mütterlichen und fötalen Vitalzeichen einer Mutter und eines Fötus
DE102016204397A1 (de) Klassifikation eines zeitreihensignals als ventrikuläre extrasystole
DE102015216645A1 (de) Identifizieren eines typs von ischämischem ereignis aus einem herzsignalsegment
JP2020536693A (ja) 人工知能自己学習に基づく心電図自動解析方法及び装置
AU2015216724B2 (en) Delay coordinate analysis of periodic data
WO2019161610A1 (zh) 心电信息处理方法和心电工作站系统
DE19638738B4 (de) Verfahren zur Gewinnung einer diagnostischen Aussage aus Signalen und Daten medizinischer Sensorsysteme
DE102016200045A1 (de) Auswählen eines interessierenden Bereichs zum Extrahieren physiologischer Parameter aus einem Video eines Probanden
DE112008003580T5 (de) System, Verfahren und Vorrichtung zur Vorhersage eines plötzlichen Herztodesrisikos
Sumathi et al. A wavelet transform based feature extraction and classification of cardiac disorder
DE102015219543A1 (de) System und verfahren zum detektieren eines arrythmie-ereignisses aus einem herzsignal
Desai et al. Decision support system for arrhythmia beats using ECG signals with DCT, DWT and EMD methods: A comparative study
DE102015207071A1 (de) Bestimmen der arteriellen pulswellenlaufzeit aus vpg- und ekg-signalen
Begum et al. Mental state monitoring system for the professional drivers based on Heart Rate Variability analysis and Case-Based Reasoning
US20160135704A1 (en) Matrix-Based Patient Signal Analysis
Kroupi et al. Predicting subjective sensation of reality during multimedia consumption based on EEG and peripheral physiological signals
DE102012104565A1 (de) Verfahren, Vorrichtung und Computerprogrammprodukt zur Überwachung physiologischer Signale
US11672464B2 (en) Electrocardiogram processing system for delineation and classification
DE102016204398A1 (de) Klassifikation eines zeitreihensignals als ventrikuläre extrasystole und ventrikuläre tachykardie
Cîmpanu et al. A comparative study on classification of working memory tasks using EEG signals
Begum et al. Automated detection of abnormalities in ECG signals using deep neural network
US20160287106A1 (en) Method for assessing patient risk for ventricular tachycardia

Legal Events

Date Code Title Description
R082 Change of representative

Representative=s name: GRUENECKER PATENT- UND RECHTSANWAELTE PARTG MB, DE

R082 Change of representative

Representative=s name: GRUENECKER PATENT- UND RECHTSANWAELTE PARTG MB, DE

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