DE60029776T2 - Überwachungsvorrichtung mit anwendung von wavelettransformationen zur herzrrhythmusanalyse - Google Patents

Überwachungsvorrichtung mit anwendung von wavelettransformationen zur herzrrhythmusanalyse Download PDF

Info

Publication number
DE60029776T2
DE60029776T2 DE60029776T DE60029776T DE60029776T2 DE 60029776 T2 DE60029776 T2 DE 60029776T2 DE 60029776 T DE60029776 T DE 60029776T DE 60029776 T DE60029776 T DE 60029776T DE 60029776 T2 DE60029776 T2 DE 60029776T2
Authority
DE
Germany
Prior art keywords
wavelet
signal
wavelet coefficients
template
egm
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.)
Expired - Lifetime
Application number
DE60029776T
Other languages
English (en)
Other versions
DE60029776D1 (de
Inventor
M. Jeffrey Coon Rapids GILLBERG
A. Lev Plymouth KOYRAKH
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.)
Medtronic Inc
Original Assignee
Medtronic Inc
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 Medtronic Inc filed Critical Medtronic Inc
Application granted granted Critical
Publication of DE60029776D1 publication Critical patent/DE60029776D1/de
Publication of DE60029776T2 publication Critical patent/DE60029776T2/de
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61NELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N1/00Electrotherapy; Circuits therefor
    • A61N1/18Applying electric currents by contact electrodes
    • A61N1/32Applying electric currents by contact electrodes alternating or intermittent currents
    • A61N1/36Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
    • A61N1/362Heart stimulators
    • A61N1/3621Heart stimulators for treating or preventing abnormally high heart rate
    • 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
    • A61B5/35Detecting specific parameters of the electrocardiograph cycle by template matching
    • 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
    • A61B5/7253Details of waveform analysis characterised by using transforms
    • A61B5/726Details of waveform analysis characterised by using transforms using Wavelet transforms
    • 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
    • A61B5/24Detecting, 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
    • A61B5/363Detecting tachycardia or bradycardia
    • 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
    • A61B5/7232Signal processing specially adapted for physiological signals or for diagnostic purposes involving compression of the physiological signal, e.g. to extend the signal recording period

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Cardiology (AREA)
  • Engineering & Computer Science (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Medical Informatics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Electrotherapy Devices (AREA)

Description

  • Diese Erfindung betrifft implantierbare Überwachungseinrichtungen und Stimulatoren allgemein und insbesondere implantierbare Herzüberwachungseinrichtungen und Herzstimulatoren in der Art implantierbarer Kardioverter/Defibrillatoren (ICD).
  • Eines der Probleme, die beim Entwurf implantierbarer ICD adressiert werden, besteht darin zu vermeiden, dass unnötige elektrische Schocks ansprechend bzw. in Reaktion auf schnelle Herzfrequenzen, die durch körperliche Aktivitäten (Sinustachykardie) oder durch eine atriale Fibrillation hervorgerufen werden, an das Herz eines Patienten abgegeben werden. Solche Rhythmen werden gemeinsam als supraventrikuläre Tachykardien (SVT) bezeichnet. Untersuchungen haben gezeigt, dass SVT in bis zu 30% der ICD-Patienten auftreten können. In der Theorie ändert sich die Form des QRS-Komplexes in dem EGM-Signal während der SVT bei den meisten Patienten nicht erheblich, weil ventrikuläre Depolarisationen durch normale HIS-Purkinje-Leitung vom Atrium zum Ventrikel hervorgerufen werden. Falls hohe ventrikuläre Frequenzen auf eine ventrikuläre Tachykardie (VT) zurückzuführen sind, kann eine sehr verschiedene Morphologie des Elektrogrammsignals (EGM-Signals) der ventrikulären Depolarisation (des QRS-Komplexes) wegen eines verschiedenen Musters der elektrischen Aktivität des Herzens während der VT erwartet werden. Demgemäß ergibt sich die Frage, wie während SVT vorhandene normale QRS-Komplexe von jenen zu unterscheiden sind, die eine VT angeben.
  • Ein Ansatz für dieses Problem besteht darin, die Morphologie des QRS-Komplexes zu untersuchen und normale Herzschläge auf der Grundlage der Ähnlichkeit des Signals mit einer von dem normalen Herzschlag aufgezeichneten Musterwellenform von abnormalen zu unterscheiden. Die Musterwellenform wird typischerweise als eine Schablone bezeichnet. Eines der existierenden Verfahren zum Unterscheiden zwischen VT- und normalen EGM-Wellenformen beruht auf der geeignet gemessenen Breite des QRS-Komplexes. Ein normaler QRS-Komplex ist im Allgemeinen schmaler als der QRS-Komplex während einer VT. Es gibt jedoch Fälle, in denen ein abnormaler (VT) QRS-Komplex eine andere Morphologie aufweist, wenngleich er schmal bleibt. In diesen Fällen ist ein empfindlicheres und selektiveres Verfahren zum Unterscheiden zwischen verschiedenen Wellenformen erforderlich. Der übliche Ansatz für eine solche Morphologieanalyse ist die Korrelationswellenformanalyse (CWA) oder ihr weniger rechenintensives Gegenstück, die so genannte Differenzflächenanalyse (AD). Beide erfordern eine Minimierung einer Funktion, welche die Differenz zwischen zwei Signalen (der Summe der quadrierten Differenzen von Wellendatenpunkten für den Fall der CWA und der Summe der Absolutwerte der Differenzen für die AD) beschreibt. Solche typischerweise ausgeführten Berechnungen sind jedoch rechenintensiver und erfordern mehr Leistung als bei implantierbaren ICD gewöhnlich wünschenswert ist.
  • Die vorliegende Erfindung umfasst eine Vorrichtung zur zuverlässigen Unterscheidung zwischen ventrikulären Depolarisationen, die sich aus einer normalen und abnormalen Ausbreitung von Depolarisationswellenfronten durch die Kammern des Herzens eines Patienten ergeben, durch ein auf der Wavelet-Transformation beruhendes Verfahren zur Analyse von Depolarisationswellenformen.
  • Die Erfindung sieht insbesondere vor: eine Vorrichtung zum Überwachen von Herzrhythmen mit: Mitteln zum Speichern digitalisierter Elektrogrammsegmente, welche Signale aufweisen, die Depolarisationen einer Kammer oder von Kammern des Herzens eines Patienten angeben, Mitteln zum Transformieren der digitalisierten Signale in Signalwavelet-Koeffizienten,
    Mitteln zum Identifizieren eines Satzes der Signal-Wavelet-Koeffizienten höherer Amplitude,
    gekennzeichnet durch
    Mittel zum Erzeugen einer Vergleichsmetrik entsprechend den Signal-Wavelet-Koeffizienten höherer Amplitude, mit einem entsprechenden Satz von Schablonen-Wavelet-Koeffizienten, welche von Signalen abgeleitet wurden, die eine Herzdepolarisation eines bekannten Typs angeben, und zum Klassifizieren von Herzrhythmen auf der Grundlage dieser Vergleichsmetrik.
  • Die Verwendung der Wavelet-Transformation auf der Grundlage der Morphologieanalyse gemäß der vorliegenden Erfindung verringert erheblich den zum Ausführen der Aufgabe erforderlichen Rechenaufwand. Es wird dadurch auch eine Rauschbefreiung des Signals ohne zusätzliche Kosten erreicht. Die vorliegende Erfindung kann auch verwendet werden, um zwischen anderen Wellenformtypen, beispielsweise zwischen normalen und falsch geleiteten Depolarisationen des Atriums, zu unterscheiden. Die nachstehend offenbarten spezifischen Ausführungsformen sind jedoch darauf gerichtet, normal und falsch geleitete ventrikuläre Depolarisationen zu unterscheiden.
  • Drei Ausführungsformen gemäß der vorliegenden Erfindung verwendeter Wavelet-basierter Morphologieanalyseverfahren werden nachstehend in weiteren Einzelheiten beschrieben. Eine erste offenbarte Ausführungsform vergleicht Schablonen- und unbekannte Wellenformen im Wavelet-Bereich durch Anordnen von Wavelet-Koeffizienten der Schablonen- und unbekannten Wellenformen nach der absoluten Amplitude und durch Vergleichen der sich ergebenden Ordnungen der Koeffizienten. Die zweite und die dritte offenbarte Ausführungsform führen Analoga der CWA- und AD-Berechnungen im Wavelet-Bereich aus. Alle drei Verfahren erzeugen eine gute Unterscheidung von QRS-Komplexen während VT von normalen QRS-Komplexen während SVT und können leicht in die eingebetteten Umgebungen implantierbarer ICD implementiert werden. Es wird angenommen, dass die offenbarten Ausführungsformen auch nutzbringend angewendet werden können, um zwischen anderen Wellenformtypen zu unterscheiden, wie vorstehend erörtert wurde.
  • Die Wavelet-Transformation ist eine Darstellung eines Signals als eine Summe so genannter Wavelets oder kleiner Wellen. Die Wavelets sind zeitlich stark lokalisiert, oder sie haben in der mathematischen Sprache einen kompakten Träger. Der Hauptunterschied zwischen den bei Wavelet-Transformationen verwendeten Wavelet-Funktionen und den bei der Fourier-Transformation verwendeten Sinus- und Cosinusfunktionen besteht darin, dass Wavelets einen beschränkten Träger aufweisen, der exponentiell skaliert. Wegen dieser exponentiellen Skalierung tragen Wavelet-Koeffizienten Informationen über Zeitskalen, die zu verschiedenen Zeiten in dem Signal vorhanden sind. Weiterhin bilden Wavelets eine orthogonale Basis, und diese Basen sind in den in Zusammenhang mit der vorliegenden Erfindung betrachteten Fällen vollständig, was bedeutet, dass es genau so viele Wavelets gibt, wie erforderlich ist, um ein beliebiges Signal darzustellen.
  • Es gibt bestimmte rechnerische Vorteile der Verwendung von Wavelet-Transformationen an Stelle von Fourier-Transformationen. Die Wavelet-Transformation führt gewöhnlich zu einer kleinen Anzahl von Koeffizienten, die geeignet sind, um das ursprüngliche Signal genau darzustellen, und sie erreichen daher ein hohes Maß an Informationskompression. Dies kann besonders wichtig für implantierbare Überwachungseinrichtungen und Stimulatoren sein, weil die bereitgestellte Informationskompression eingesetzt werden kann, um die Anzahl der erforderlichen Berechnungen erheblich zu verringern. Indem eine kleine Anzahl von Wavelet-Koeffizienten intakt gelassen wird und der Rest von ihnen durch Setzen auf Null gelöscht wird, kann das Signal auch wirksam gefiltert und von Rauschen befreit werden.
  • Der Gold-Standard für den Vergleich von Wellenformmorphologien ist das Korrelationswellenformanalyse-(CWA)-Verfahren, das auf der Berechnung der Korrelationsfunktion zwischen zwei Wellen beruht. Der Rechenaufwand bei der Korrelationsfunktion ist jedoch recht hoch, wodurch es unerwünscht wird, sie bei implantierbaren ICD zu verwenden, bei denen typischerweise eine 8- oder 16-Bit-CPU verwendet wird, die bei einer Taktgeschwindigkeit von etwa 1 MHz läuft. Falls es erwünscht ist, dass die Morphologieanalyse von der Wellenamplitude unter Verwendung traditioneller CWA-Methodologien unabhängig ist, würde eine QRS-Komplex-Wellenform mit 50 Abtastwerten beispielsweise eine Normierung aller 50 Datenpunkte erfordern, wobei 50 ganzzahlige Multiplikationen und Divisionen erforderlich wären. Diese traditionelle Korrelationsfunktionsberechnung erfordert weiter die Berechnung von 50 Quadraten und mehrere lange Additionen. Falls diese Berechnung andererseits gemäß dem zweiten und dem dritten Verfahren, die in den beschriebenen Ausführungsformen der vorliegenden Erfindung verwendet werden, im Wavelet-Bereich ausgeführt wird, kann die Anzahl der Werte, die normiert werden müssen, lediglich 10 bis 20 betragen. Zusätzliche Reduktionen der erforderlichen Berechnungen können durch eine vereinfachte Wavelet-Bildvergleichsmethodologie erhalten werden, die gemäß der vorstehend erwähnten ersten Ausführungsform der vorliegenden Erfindung verwendet wird. Alternative Ausführungsformen der Erfindung wenden den so genannten Differenzflächenansatz (AD) oder die CWA-Metrik auf die von der Wavelet-Transformation abgeleiteten ausgewählten normierten Werte an.
  • Die vorstehend erwähnten und weitere Aufgaben, Merkmale und Vorteile der vorliegenden Erfindung werden anhand der folgenden detaillierten Beschreibung einer bevorzugten Ausführungsform, die nur als Beispiel dient, und in Zusammenhang mit der anliegenden Zeichnung verständlich werden. Es zeigen:
  • 1 ein transvenöses/subkutanes Elektrodensystem in Zusammenhang mit einem Schrittmacher/Kardioverter/Defibrillator gemäß der vorliegenden Erfindung,
  • 2 ein schematisches Blockdiagramm, in dem die Struktur einer Ausführungsform eines implantierbaren Schrittmachers/Kardioverters/Defibrillators dargestellt ist, in dem die vorliegende Erfindung verwirklicht werden kann,
  • die 3A und 3B Funktionsflussdiagramme, in denen die Gesamtoperation von Tachyarrhythmieerfassungsfunktionen und ihre Wechselbeziehung mit der von der vorliegenden Erfindung vorgesehenen Morphologieanalysefunktion, welche in eine in 2 dargestellte mikroprozessorbasierte Vorrichtung aufgenommen sind, dargestellt sind,
  • 4 eine Darstellung der Wavelet-Struktur einer als Beispiel dienenden Haar-Wavelet-Transformation, welche von den bevorzugten Ausführungsformen der vorliegenden Erfindung verwendet wird,
  • 5 ein Funktionsdiagramm, in dem gemäß Ausführungsformen der vorliegenden Erfindung verwendete Wavelet-basierte Wellenformunterscheidungsverfahren dargestellt sind,
  • 6 eine Darstellung der Rekonstruktion von Wellenformen anhand Wavelet-Koeffizienten, die unter Verwendung der Haar-Wavelet-Transformation erhalten werden,
  • 7 eine Darstellung der von der ersten Ausführungsform der vorliegenden Erfindung verwendeten Wavelet-basierten Wellenformbeschreibung,
  • 8 eine Darstellung der Amplitudenunabhängigkeit der von der ersten Ausführungsform der vorliegenden Erfindung verwendeten Wavelet-basierten Wellenformbeschreibung,
  • 9 eine Darstellung des gemäß der ersten Ausführungsform der vorliegenden Erfindung verwendeten Wellenformvergleichsverfahrens, wobei eine Einzelschablonen-Wellenformbeschreibung verwendet wird, und
  • 10 eine Darstellung eines Wellenformvergleichsverfahrens, das gemäß der ersten Ausführungsform der vorliegenden Erfindung verwendet wird, wobei mehrere Schablonenwellenformbeschreibungen eingesetzt werden.
  • 1 zeigt einen implantierbaren Schrittmacher/Kardioverter/Defibrillator 100 und sein zugeordnetes Leitungssystem, die in das Herz und an dieses angrenzend implantiert sind. Wie dargestellt ist, umfasst das Leitungssystem eine Koronarsinusleitung 110, eine rechte ventrikuläre Leitung 120, und es kann auch eine subkutane Leitung (nicht dargestellt) aufweisen. Die Koronarsinusleitung ist mit einer lang gestreckten Elektrode versehen, welche sich im Bereich des Koronarsinus und der großen Vene bei 112 befindet, und sie erstreckt sich um das Herz bis in die Nähe des Punkts, an dem sich die große Vene zur Herzspitze hin nach unten wendet. Die rechte ventrikuläre Leitung 120 umfasst zwei lang gestreckte Defibrillationselektroden 122 und 128, eine Ringelektrode 124 und eine helikale Elektrode 126, die an der rechten Ventrikelspitze in das Gewebe des rechten Ventrikels geschraubt ist. Das Gehäuse 102 des Defibrillators 100 kann als eine zusätzliche Elektrode dienen.
  • In Zusammenhang mit der vorliegenden Erfindung stellt das dargestellte Leitungssystem Elektroden bereit, die zum Erfassen der elektrischen Aktivität in den Ventrikeln verwendet werden können. Beispielsweise können die Ringelektrode 124 und die Spitzenelektrode 126 verwendet werden, um das Auftreten einer R-Zacke zu erfassen, und können die Ringelektrode 124 und die subkutane Defibrillationselektrode (nicht dargestellt) verwendet werden, um ein ansprechend auf die Erfassung einer R-Zacke gespeichertes EGM-Signal bereitzustellen. Alternativ können die Elektroden 124 und 126 sowohl zur R-Zacken-Erfassung als auch als Quelle für das zur Morphologieanalyse verwendete gespeicherte digitalisierte EGM-Signal verwendet werden. Andere Elektrodenkonfigurationen können auch verwendet werden. Bei alternativen Ausführungsformen, bei denen atriale Depolarisationen von Interesse sind, würden Messelektroden entsprechend in den Atria des Patienten oder neben diesen angeordnet werden.
  • 2 ist ein schematisches Funktionsdiagramm eines implantierbaren Schrittmachers/Kardioverters/Defibrillators, in dem die vorliegende Erfindung nutzbringend angewendet werden kann. Dieses Diagramm sollte als beispielhaft für den Vorrichtungstyp verwendet werden, in dem die Erfindung verwirklicht werden kann, und nicht als einschränkend angesehen werden, weil angenommen wird, dass die Erfindung nutzbringend in einer großen Vielzahl von Vorrichtungsimplementationen, einschließlich Vorrichtungen mit einer Funktionsorganisation, die beliebigen der implantierbaren Schrittmacher/Defibrillatoren/Kardiovertern ähneln, die gegenwärtig zur klinischen Beurteilung in den Vereinigten Staaten implantiert werden, angewendet werden kann. Es wird auch angenommen, dass die Erfindung in Zusammenhang mit implantierbaren Schrittmachern/Kardio vertern/Defibrillatoren angewendet werden kann, wie in den früheren US-Patenten US-A-4 548 209, das Wielders u.a. am 22. Oktober 1985 erteilt wurde, US-A-4 693 253, das Adams u.a. am 15. September 1987 erteilt wurde, US-A-4 830 006, das Haluska u.a. am 6. Mai 1989 erteilt wurde, und US-A-4 949 730, das Pless u.a. am 21. August 1990 erteilt wurde, offenbart ist.
  • Wie dargestellt, ist die Vorrichtung mit sechs Elektroden, nämlich 500, 502, 504, 506, 508 und 510, versehen. Die Elektroden 500 und 502 können ein Paar sich im Ventrikel befindender Elektroden sein, die beispielsweise den Elektroden 124 und 126 in 1 entsprechen. Die Elektrode 504 kann einer fernen Elektrode entsprechen, die sich am Gehäuse des implantierbaren Schrittmachers/Kardioverters/Defibrillators befindet. Die Elektroden 506, 508 und 510 können den Defibrillationselektroden mit großer Oberfläche entsprechen, die sich an den ventrikulären und Koronarsinusleitungen befinden, welche in 1 dargestellt sind, oder sie können den epikardialen oder subkutanen Defibrillationselektroden entsprechen.
  • Die Elektroden 500 und 502 sind wie dargestellt mit der R-Zacken-Detektorschaltung festverdrahtet, welche eine Bandpass-Filterschaltung 514, eine automatische Schwellenwertschaltung 516 zum Bereitstellen einer einstellbaren Erfassungsschwelle als Funktion der gemessenen R-Zacken-Amplitude und einen Vergleicher 518 aufweist. Ein Signal wird immer dann auf der R-out-Leitung 564 erzeugt, wenn das zwischen den Elektroden 500 und 502 erfasste Signal die von der automatischen Schwellenwertschaltung 516 definierte gegenwärtige Erfassungsschwelle übersteigt. Wie dargestellt ist, ist die Verstärkung am Bandpassverstärker 514 auch durch ein Signal von der Schrittmacher-Zeitgeber- und Steuerschaltungsanordnung 520 an der GAIN-ADJ-Leitung 566 einstellbar.
  • Die Arbeitsweise dieser R-Zacken-Erfassungsschaltungsanordnung kann derjenigen entsprechen, die im Keimel u.a. am 2. Juni 1992 erteilten US-Patent US-A-5 117 824 offenbart ist. Alternative R-Zacken-Erfassungsschaltungsanordnungen, wie jene, die im Menken am 11. April 1989 erteilten US-Patent US-A-4 819 643 und im Baker u.a. am 14. November 1989 erteilten US-Patent US-A-4 880 004 offenbart sind, können jedoch auch gemäß der vorliegenden Erfindung verwendet werden.
  • Die Schwellenwert-Einstellschaltung 516 legt einen Schwellenwert fest, der einem vorgegebenen Prozentsatz der Amplitude einer erfassten R-Zacke entspricht, wobei dieser Schwellenwert, ähnlich der im Artikel "Reliable R-Wave Detection from Ambulatory Subjects" von Thakor u.a., veröffentlicht in Biomedical Science Instrumentation, Band 4, S. 67–72, 1978, erläuterten automatischen Erfassungsschwellen-Schaltungsanordnung, über einen Zeitraum von weniger als drei Sekunden danach auf ein minimales Schwellenwertniveau abnimmt. Eine verbesserte Version eines solchen Verstärkers ist im am 12. Februar 1999 von Rajasekhar u.a. eingereichten US-Patent US-A-6 249 701 "Implantable Device with Automatic Sensing Adjustment" offenbart. Die Erfindung kann auch in Zusammenhang mit traditionelleren R-Zacken-Sensoren des Typs verwirklicht werden, der einen Bandpassverstärker und eine Vergleicherschaltung aufweist, um zu bestimmen, wann das durch den Bandpass geführte Signal eine vorbestimmte, feste Erfassungsschwelle übersteigt.
  • Eine Schaltmatrix 512 wird verwendet, um auszuwählen, welche der verfügbaren Elektroden das zweite Elektrodenpaar zur Verwendung in Zusammenhang mit der vorliegenden Erfindung ausmachen. Das zweite Elektrodenpaar kann die Elektrode 502 oder 500 in Zusammenhang mit der Elektrode 504, 506, 508 oder 510 aufweisen, oder es kann andere Kombinationen der dargestellten Elektroden, einschließlich Kombinationen der Defibrillationselektroden 506, 508, 510 mit einer großen Oberfläche, aufweisen. Die Auswahl, welche zwei Elektroden in Zusammenhang mit der R-Zacken-Breitenmessfunktion als das zweite Elektrodenpaar verwendet werden, wird durch den Mikroprozessor 524 über einen Daten-/Adressbus 540 gesteuert. Signale von den ausgewählten Elektroden werden durch den Bandpassverstärker 534 und in den Multiplexer 532 geführt, wo sie vom A/D-Wandler 530 in digitale Mehrbitsignale umgewandelt werden, um sie, von der Direktspeicheradressierungsschaltung 528 gesteuert, im Direktzugriffsspeicher 526 zu speichern. Der Mikroprozessor 524 verwendet das im Direktzugriffsspeicher 526 gespeicherte digitalisierte EGM-Signal in Zusammenhang mit dem gemäß der vorliegenden Erfindung verwendeten Morphologieanalyseverfahren.
  • Beispielsweise kann der Mikroprozessor 524 das EGM analysieren, das in einem Intervall gespeichert ist, welches sich von 100 Millisekunden vor dem Auftreten eines R-Zacken-Erfassungssignals auf der Leitung 564 bis 100 Millisekunden nach dem Auftreten des R-Zacken-Erfassungssignals erstreckt. Die Arbeitsweise des Mikroprozessors 524 beim Ausführen der Unterscheidungsverfahren gemäß der vorliegenden Erfindung wird durch Software gesteuert, die in dem dem Mikroprozessor 524 zugeordneten ROM gespeichert ist.
  • Der Rest der Schaltungsanordnung ist für das Bereitstellen von Herzstimulations-, Kardioversions- und Defibrillationstherapien vorgesehen. Die Schrittmacher-Zeitgeber-/Steuerschaltungsanordnung 520 weist programmierbare digitale Zähler auf, welche die grundlegenden Zeitintervalle, die der Herzstimulation im VVI-Modus zugeordnet sind, einschließlich der Stimulations-Escapeintervalle, der Refraktärperioden, während derer erfasste R-Zacken unwirksam sind, um die Zeitsteuerung der Escapeintervalle wieder einzuleiten, und der Impulsbreite der Stimulationsimpulse, steuern. Die Dauern dieser Intervalle werden vom Mikroprozessor 524 festgelegt und über den Adress-/Datenbus 540 zur Stimulationsschaltungsanordnung 520 übertragen. Die Schrittmacher-Zeitgeber-/Steuerschaltungsanordnung bestimmt, vom Mikroprozessor 524 gesteuert, auch die Amplitude der Herzstimulationsimpulse und die Verstärkung des Bandpassverstärkers.
  • Während der Stimulation im VVI-Modus wird der Escapeintervallzähler innerhalb der Schrittmacher-Zeitgeber-/Steuerschaltungsanordnung 520 beim Erfassen einer durch ein Signal auf der Leitung 564 angegebenen R-Zacke zurückgesetzt, und sie löst beim Zeitablauf die Erzeugung eines Stimulationsimpulses durch die Schrittmacher-Ausgangsschaltungsanordnung 522 aus, die mit den Elektroden 500 und 502 gekoppelt ist. Der Escapeintervallzähler wird auch beim Erzeugen eines Stimulationsimpulses zurückgesetzt und steuert dadurch die grundlegenden Zeitgeber- und Herzstimulationsfunktionen, einschließlich der Antitachykardiestimulation. Die vom Escapeintervall-Zeitgeber definierte Dauer des Intervalls wird über den Daten /Adressbus 540 vom Mikroprozessor 524 festgelegt. Der im Escapeintervallzähler vorhandene Zählwert kann, wenn er durch erfasste R-Zacken zurückgesetzt wird, verwendet werden, um die Dauer von R-R-Intervallen zu messen, das Vorhandensein einer Tachykardie zu erfassen und zu bestimmen, ob die Minimalfrequenzkriterien für die Aktivierung der Breitenmessfunktion erfüllt sind.
  • Der Mikroprozessor 524 arbeitet, durch in dem ROM, der dem Mikroprozessor 524 zugeordnet ist, gespeicherte Software gesteuert, als eine unterbrechungsgesteuerte Vorrichtung und reagiert, entsprechend dem Auftreten von erfassten R-Zacken und entsprechend der Erzeugung von Herzstimulationsimpulsen, auf Unterbrechungen von der Schrittmacher-Zeitgeber-/Steuerschaltungsanordnung 520. Diese Unterbrechungen werden über den Daten-/Adressbus 540 bereitgestellt. Alle erforderlichen mathematischen Berechnungen, die vom Mikroprozessor 524 auszuführen sind, und jede Aktualisierung der Werte oder Intervalle, die von der Schrittmacher-Zeitgeber-/Steuerschaltungsanordnung 520 gesteuert werden, finden nach solchen Unterbrechungen statt. Diese Berechnungen umfassen jene, die nachstehend in weiteren Einzelheiten in Zusammenhang mit den Unterscheidungsverfahren beschrieben werden.
  • Falls eine Tachykardie erfasst wird und eine Antitachykardie-Stimulationsbehandlung erwünscht ist, werden geeignete Zeitintervalle zum Steuern der Erzeugung von Antitachykardie-Stimulationstherapien vom Mikroprozessor 524 in die Schrittmacher-Zeitgeber- und Steuerschaltungsanordnung 520 geladen, um die Arbeitsweise des Escapeintervallzählers zu steuern und Refraktärperioden zu definieren, während derer die Erfassung einer R-Zacke durch die R-Zacken-Erfassungsschaltungsanordnung nicht bewirkt, dass der Escapeintervallzähler neu gestartet wird. Falls die Erzeugung eines Kardioversions- oder Defibrillationsimpulses erforderlich ist, verwendet der Mikroprozessor 524 in ähnlicher Weise die Zähler in der Zeitgeber- und Steuerschaltungsanordnung 520, um den Zeitablauf dieser Kardioversions- und Defibrillationsimpulse sowie den Zeitablauf zugeordneter Refraktärperioden, während derer wahrgenommene R-Zacken nicht bewirken, dass die Zeitgeber-Schaltungsanordnung zurückgesetzt wird, zu steuern.
  • Ansprechend auf die Erfassung einer Fibrillation oder einer Tachykardie, die einen Kardioversionsimpuls erfordert, aktiviert der Mikroprozessor 524 die Kardioversions/Defibrillations-Steuerschaltungsanordnung 554, welche das Laden der Hochspannungskondensatoren 556, 558, 560 und 562, von der Hochspannungs-Ladeleitung 552 gesteuert, über die Ladeschaltung 550 einleitet. Die Spannung an den Hochspannungskondensatoren wird über die VCAP-Leitung 538 überwacht, welche über den Multiplexer 532 geführt ist, und sie bewirkt, ansprechend auf das Erreichen eines vom Mikroprozessor 524 festgelegten vorbestimmten Werts, die Erzeugung eines Logiksignals auf der CAP-FULL-Leitung 542, wodurch das Laden beendet wird. Danach wird die Übertragung der Zeitsteuerung des Defibrillations- oder Kardioversionsimpulses durch die Schrittmacher-Zeitgeber-/Steuerschaltungsanordnung 520 gesteuert. Eine Ausführungsform eines geeigneten Systems zur Abgabe und zur Synchronisation von Kardioversions- und Defibrillationsimpulsen und zum Steuern der sich darauf beziehenden Zeitfunktionen ist in weiteren Einzelheiten im Keimel am 23. Februar 1993 erteilten US-Patent US-A-5 188 105 offenbart. Es wird jedoch angenommen, dass jede beliebige bekannte Kardio versions- oder Defibrillations-Impulserzeugungs-Schaltungsanordnung in Zusammenhang mit der vorliegenden Erfindung verwendbar ist. Beispielsweise können auch Schaltungsanordnungen zum Steuern des Zeitablaufs und der Erzeugung von Kardioversions- und Defibrillationsimpulsen verwendet werden, welche im Zipes am 24. Mai 1983 erteilten US-Patent US-A-4 384 585, im vorstehend erwähnten Pless u.a. erteilten US-Patent US-A-4 949 719 und im Engle u.a. erteilten US-Patent US-A-4 375 817 offenbart sind. Ähnlich können auch bekannte Schaltungsanordnungen zum Steuern des Zeitablaufs und der Erzeugung von Antitachykardie-Stimulationsimpulsen verwendet werden, welche im Berkovits u.a. am 25. März 1986 erteilten US-Patent US-A-4 577 633, im Pless u.a. am 14. November 1989 erteilten US-Patent US-A-4 880 005, im Vollmann u.a. am 23. Februar 1988 erteilten US-Patent US-A-7 726 380 und im Holley u.a. am 13. Mai 1986 erteilten US-Patent US-A-4 587 970 beschrieben sind.
  • Bei modernen Schrittmachern/Kardiovertern/Defibrillatoren werden die jeweiligen Antitachykardie- und Defibrillationstherapien vorab vom Arzt in die Vorrichtung einprogrammiert, und es wird typischerweise ein Therapiemenü bereitgestellt. Beispielsweise kann bei einer anfänglichen Erfassung einer Tachykardie eine Antitachykardie-Stimulationstherapie ausgewählt werden. Bei einer erneuten Erfassung einer Tachykardie kann eine aggressivere Antitachykardie-Stimulationstherapie geplant werden. Falls wiederholte Versuche von Antitachykardie-Stimulationstherapien fehlschlagen, kann danach eine Kardioversionsimpuls-Therapie einer höheren Ebene ausgewählt werden. Patente aus dem Stand der Technik, die solche vorab festgelegten Therapiemenüs von Antitachyarrhythmietherapien erläutern, umfassen die vorstehend erwähnten US-Patente US- A-4 830 006, das Haluska u.a. erteilt wurde, US-A-4 727 380, das Vollmann u.a. erteilt wurde, und US-A-4 587 970, das Holley u.a. erteilt wurde. Es wird angenommen, dass die vorliegende Erfindung in Zusammenhang mit allen bekannten Antitachykardie-Stimulations- und Kardioversionstherapien anwendbar ist, und es wird als sehr wahrscheinlich angesehen, dass die Erfindung der vorliegenden Anmeldung in Zusammenhang mit einer Vorrichtung verwirklicht werden kann, bei der die Auswahl und die Reihenfolge der ausgeführten Therapien vom Arzt programmierbar sind, wie es bei heutigen implantierbaren Schrittmachern/Kardiovertern/Defibrillatoren der Fall ist.
  • Gemäß der bevorzugten Ausführungsform steuert die Vorrichtung die Auswahl der bestimmten Elektrodenkonfiguration für die Abgabe der Kardioversions- oder Defibrillationsimpulse über die Ausgabeschaltung 548, über den Steuerbus 546 von der Kardioversions/Defibrillations-Steuerschaltungsanordnung 554 gesteuert. Die Ausgabeschaltung 548 bestimmt, welche der Hochspannungselektroden 506, 508 und 510 beim Ausführen der Defibrillations- oder Kardioversions-Impulsbehandlung verwendet wird, und sie kann auch zum Spezifizieren einer gleichzeitigen Mehrelektroden-Impulsbehandlung oder einer sequenziellen Mehrelektroden-Impulsbehandlung verwendet werden. Es können monophasige oder biphasige Impulse erzeugt werden. Ein Beispiel einer Schaltungsanordnung, die zum Ausführen dieser Funktion verwendet werden kann, ist im Keimel am 17. November 1992 erteilten US-Patent US-A-5 163 427 dargelegt. Es kann jedoch auch die im Mehra u.a. am 4. September 1990 erteilten US-Patent US-A-4 953 551 oder die im Winstrom am 31. Januar 1989 erteilten US-Patent US-A-4 800 883 offenbarte Ausgabesteuerungs-Schaltungsanordnung in Zusammenhang mit der vorliegenden Erfindung verwendet werden. Alternativ können auch einzelne monophasige Impulsbehandlungen, bei denen nur ein einziges Elektrodenpaar eingesetzt wird, gemäß beliebigen der vorstehend zitierten Entgegenhaltungen, in denen implantierbare Kardioverter oder Defibrillatoren offenbart sind, verwendet werden.
  • Wie vorstehend erörtert wurde, wählt die Schaltmatrix 512, welche der verschiedenen Elektroden mit dem Bandpassverstärker 34 gekoppelt werden. Der Verstärker 34 kann ein Bandpassverstärker mit einem Bandpass sein, der sich beispielsweise von 0,5 bis 200 Hertz erstreckt. Das gefilterte EGM-Signal vom Verstärker 534 wird durch den Multiplexer 532 geführt und in der A/D-Wandlerschaltungsanordnung 530 digitalisiert. Die digitalisierten EGM-Daten werden von der Direkt-Speicheradressierungs-Schaltungsanordnung 528 gesteuert im Direktzugriffsspeicher 526 gespeichert. Vorzugsweise ist ein Teil des Direktzugriffsspeichers 526 als ein Schleifen- oder Pufferspeicher konfiguriert, der wenigstens die vorhergehenden mehreren Sekunden des EGM-Signals speichert.
  • Das Auftreten eines R-Zacken-Erfassungssignals auf der Leitung 564 wird dem Mikroprozessor 524 über den Daten-/Adressbus 540 mitgeteilt, und der Mikroprozessor 524 hält die Zeit seines Auftretens fest. Falls die Morphologieanalysefunktion aktiviert ist, kann der Mikroprozessor 524 beispielsweise 100 Millisekunden oder ein anderes vom Arzt ausgewähltes Intervall nach dem Auftreten des R-Zacken-Erfassungssignals warten und überträgt danach die letzten 200 Millisekunden oder ein anderes vom Arzt ausgewähltes Intervall des digitalisierten EGMs, das im Schleifen- oder Pufferspeicherabschnitt der Direktzugriffs-Speicher schaltung 526 gespeichert ist, zu einem zweiten Speicherort, wo der Inhalt gemäß der vorliegenden Erfindung digital analysiert werden kann. In diesem Fall entsprechen die übertragenen 200 Millisekunden des gespeicherten EGMs einem Zeitfenster, das sich über 100 Millisekunden auf jeder Seite des R-Zacken-Erfassungssignals erstreckt. Die Fenstergrößen sollten in jedem Fall ausreichend sein, um eine Analyse des ganzen den erfassten R-Zacken zugeordneten QRS-Komplexes zu ermöglichen. Der Mikroprozessor aktualisiert auch durch Software definierte Zähler, welche Informationen enthalten, die sich auf zuvor erfasste R-R-Intervalle beziehen. Die Zähler werden beim Auftreten gemessener R-R-Intervalle, die in zugeordnete Frequenzbereiche fallen, inkrementiert. Diese Frequenzänderungen können durch die im RAM 526 gespeicherte Programmierung definiert werden.
  • Das folgende als Beispiel dienende VT/VF-Erfassungsverfahren entspricht demjenigen, das bei im Handel vertriebenen implantierbaren Schrittmachern/Kardiovertern/Defibrillatoren von Medtronic verwendet wird, und es verwendet frequenz-/intervallbasierte Zeitkriterien als einen Grundmechanismus zum Erfassen des Vorhandenseins einer Tachyarrhythmie. Zu diesem Zweck definiert die Vorrichtung einen Satz von Frequenzbereichen und zugeordneten softwaredefinierten Zählern zum Verfolgen der Anzahl der Intervalle, die in die definierten Bereiche fallen.
  • Ein erster Frequenzbereich kann ein minimales R-R-Intervall definieren, das zur Fibrillationserfassung verwendet wird und als "FDI" bezeichnet wird. Der zugeordnete VF-Zählwert gibt vorzugsweise an, wie viele einer ersten vorgegebenen Anzahl der vorhergehenden R-R-Intervalle kleiner als FDI waren.
  • Ein zweiter Frequenzbereich kann R-R-Intervalle einschließen, welche kleiner als ein unteres Tachykardieintervall "TDI" sind, und der zugeordnete VT-Zählwert (VTEC) wird ansprechend darauf inkrementiert, dass ein R-R-Intervall kleiner als TDI, jedoch größer als FDI ist, er wird nicht durch R-R-Intervalle beeinflusst, die kleiner als FDI sind, und er wird ansprechend darauf zurückgesetzt, dass R-R-Intervalle größer als TDI sind.
  • Optional kann die Vorrichtung einen dritten Frequenzbereich aufweisen, der R-R-Intervalle einschließt, die größer als das FDI-Intervall sind, jedoch kleiner als ein schnelles Tachykardieintervall (FTDI) sind, das zwischen dem unteren Tachykardieintervall (TDI) und dem unteren Fibrillationsintervall (FDI) liegt. Bei Vorrichtungen, bei denen dieser optionale dritte Frequenzbereich verwendet wird, wird vorgeschlagen, dass das Breitenkriterium nur in Zusammenhang mit der Erfassung von Rhythmen innerhalb des unteren Frequenzbereichs, beispielsweise Intervallsequenzen zwischen TDI und FTDI, verwendet wird.
  • Für die Zwecke des vorliegenden Beispiels können die Zählwerte verwendet werden, um die Erfassung einer zugeordneten Arrhythmie (einer ventrikulären Fibrillation, einer schnellen ventrikulären Tachykardie oder einer ventrikulären Tachykardie niedrigerer Frequenz) zu signalisieren, wenn sie einzeln oder in Kombination einen vorgegebenen Wert erreichen, welcher hier als "NID" (Anzahl der für die Erfassung erforderlichen Intervalle) bezeichnet wird. Jede Frequenzzone kann ihren eigenen definierten Zählwert und ihren eigenen definierten NID, beispielsweise "VFNID" zur Fibrillationserfassung und "VTNID" zur Erfassung einer ventrikulären Tachykardie, aufweisen, oder es können kombinierte Zählwerte verwendet werden. Diese Zählwerte werden zusammen mit anderen gespeicherten Informationen, die die vorhergehende Reihe von R-R-Intervallen widerspiegeln, wie Informationen hinsichtlich der Schnelligkeit des Einsetzens der erfassten kurzen R-R-Intervalle, der Stabilität der erfassten R-R-Intervalle, der Dauer der fortgesetzten Erfassung kurzer R-R-Intervalle, der durchschnittlichen R-R-Intervalldauer, und von der Analyse gespeicherter EGM-Segmente abgeleiteten Informationen verwendet, um festzustellen, ob Tachyarrhythmien vorhanden sind, und um zwischen verschiedenen Tachyarrhythmietypen zu unterscheiden.
  • Zum Erläutern der Erfindung wurde vorstehend ein als Beispiel dienendes frequenz-/intervallbasiertes ventrikuläres Tachyarrhythmieerfassungsverfahren beschrieben. Andere Tachyarrhythmieerfassungsverfahren, einschließlich Erfassungsverfahren, welche im Olson u.a. am 23. November 1999 erteilten US-Patent US-A-5 991 656, im Gillberg u.a. am 26. Mai 1998 erteilten US-Patent US-A-5 755 736 beschrieben sind oder andere bekannte Verfahren zur Erfassung ventrikulärer und/oder atrialer Tachyarrhythmien können austauschend verwendet werden. Es wird angenommen, dass die Unterscheidungsverfahren, die gemäß der vorliegenden Erfindung verwendet werden, nutzbringend in Zusammenhang mit praktisch allen zugrunde liegenden Schemata zur Erfassung atrialer oder ventrikulärer Tachyarrhythmien verwirklicht werden können. Andere Beispiele von Erfassungsschemata sind im Vollmann erteilten US-Patent US-A-4 726 380, im Pless u.a. erteilten US-Patent US-A- 4 880 005 und im Haluska u.a. erteilten US-Patent US-A-4 830 006 offenbart. Ein zusätzlicher Satz von Tachykardieerfassungsverfahren ist in dem Artikel "Onset and Stability for Ventricular Tachyarrhythmia Detection in an Implantable Pacer-Cardioverter-Defibrillator" von Olson u.a., veröffentlicht in Computers in Cardiology, 7.–10. Oktober 1986, IEEE Computer Society Press, S. 167–170 offenbart. Es können jedoch auch andere Kriterien gemessen und in Zusammenhang mit der vorliegenden Erfindung eingesetzt werden.
  • Für die Zwecke der vorliegenden Erfindung sind die speziellen Einzelheiten der Implementation der frequenz-/intervallbasierten Erfassungsverfahren nicht in erster Linie wichtig. Es ist jedoch erforderlich, dass die von der Vorrichtung eingesetzten frequenzbasierten Erfassungsverfahren die Identifikation und Erfassung von Rhythmen in dem Frequenzbereich ermöglichen, in dem die Operation der Morphologieanalysefunktion erwünscht ist. Es ist auch wichtig, dass die Morphologieanalysefunktion weit genug vor dem Punkt eingeleitet wird, an dem ein Herzrhythmus innerhalb des gewünschten Frequenzbereichs erfasst werden kann, um die Analyse der erforderlichen Anzahl von Wellenformen zu ermöglichen, bevor sicher diagnostiziert wird, dass der Herzrhythmus innerhalb des gewünschten Frequenzbereichs liegt. Auf diese Weise werden die Ergebnisse der Morphologieanalyse unmittelbar ansprechend darauf, dass die frequenz- oder intervallbasierten Kriterien erfüllt werden, für die Verwendung verfügbar. Die Diagnose der erfassten Arrhythmie und eine Auswahl der durchzuführenden Therapie können ebenso unmittelbar ansprechend darauf, dass die frequenz- oder intervallbasierten Kriterien erfüllt werden, ausgeführt werden.
  • Beispielsweise kann die Morphologieanalysefunktion in Zusammenhang mit dem vorstehend erwähnten Erfassungsschema kontinuierlich aktiviert werden oder geeignet initialisiert werden und mit der Analyse der R-Zacken-Morphologien zu der Zeit begonnen werden, zu der der VT-Zählwert (VTEC) gleich VTNID minus "n" ist, wobei "n" die Anzahl der R-Zacken ist, die verwendet werden, um festzustellen, ob das morphologiebasierte Kriterium erfüllt ist. Das gleiche Ergebnis kann auch erreicht werden, indem die Morphologieanalyse ansprechend darauf eingeleitet wird, dass der VT-Zählwert einen anderen vorgegebenen Wert erreicht, der erheblich kleiner als VTNID ist.
  • 3A ist ein Flussdiagramm, in dem ein erstes Beispiel des Betriebs der in 2 dargestellten Vorrichtung in Zusammenhang mit der von der vorliegenden Erfindung vorgesehenen Morphologieanalysefunktion dargestellt ist. 3A ist vorgesehen, um funktionell den Teil der vom Mikroprozessor 524 (3) verwendeten Software darzustellen, der die Morphologiefunktion implementiert und der die Morphologieanalyse in Zusammenhang mit der VT-Erfassung verwendet. Dieser Teil der Software wird ansprechend auf die Erfassung einer ventrikulären Depolarisation bei 600 ausgeführt. Bei 640 werden die frequenz-/intervallbasierten Erfassungskriterien aktualisiert, beispielsweise durch Inkrementieren von VTEC, wie vorstehend erörtert wurde.
  • In dem Fall, in dem die frequenz-/intervallbasierten Kriterien für die Tachykardieerfassung bei 642 nicht erfüllt sind, wird die Morphologieanalyse-Unterroutine bei 644 ausgeführt. Diese Unterroutine wird in Einzelheiten in Zusammenhang mit 4 und den folgenden Figuren beschrieben. Für die Zwecke von 3A ist es nur wichtig zu verstehen, dass die Morphologieanalyse-Unterroutine feststellt, ob die Morphologie zumindest einer vorgegebenen Anzahl der vorhergehenden Reihe von R-Zacken eine ventrikuläre Tachykardie angibt. Falls dies der Fall ist, ist das Morphologiekriterium erfüllt. Das Erfüllen der Morphologiekriterien ist in dem Flussdiagramm aus 3 eine Vorbedingung für die Ausführung einer ventrikulären Antitachykardietherapie.
  • In dem Fall, in dem das Morphologiekriterium bei 646 erfüllt ist, wird das Therapiemenü bei 648 untersucht, um die gegenwärtig geplante Antitachykardietherapie zu bestimmen. Die geplante Therapie wird bei 650 ausgeführt, das Tachykardiemenü wird bei 652 aktualisiert, um die Ausführung der Therapie bei 650 wiederzugeben, und die Erfassungskriterien werden bei 654 aktualisiert, um die Tatsache wiederzugeben, dass eine Tachykardie zuvor erfasst wurde und noch nicht beendet ist. Die Erfassungskriterien werden bei 656 zurückgesetzt, und die Vorrichtung kehrt zur Bradykardiestimulation zurück, bis eine Tachykardie oder Fibrillation erneut erfasst wird oder die Beendigung der Tachykardie erfasst wird. Die Erfassung der Beendigung der Tachykardie kann durch Erfassen einer vorgegebenen Anzahl sequenzieller R-R-Intervalle, welche auf eine normale Herzfrequenz hinweisen, erreicht werden. Eine normale Herzfrequenz kann als R-R-Intervalle größer als TDI definiert werden.
  • 3B zeigt ein alternatives Beispiel der Integration der von der vorliegenden Erfindung vorgesehenen Morphologieanalysefunktion mit frequenzbasierten Erfassungs kriterien. Die dargestellten Funktionen sollten als die Elemente 642 und 646 aus 3A ersetzend verstanden werden. Gemäß dieser Ausführungsform prüft der Mikroprozessor nach dem Aktualisieren der verschiedenen Zählwerte usw., die mit der frequenzbasierten Erfassung verbunden sind, auf der Grundlage zuvor gespeicherter V-V-Intervalldauern zuerst bei 660, ob die vorliegende Ventrikelfrequenz des Patienten eine ventrikuläre Tachyarrhythmie angibt und beispielsweise höher ist als die Frequenz, die dem maximalen Intervall für die VT-Erfassung entspricht, wie zuvor erörtert wurde. Falls dies nicht der Fall ist, sammelt die Vorrichtung bei 644 weiter Informationen über die Morphologie der R-Zacken. Falls die ventrikuläre Frequenz zumindest hoch genug ist, um als eine VT angesehen zu werden, bestimmt der Mikroprozessor bei 662, ob die Frequenz hoch genug ist, um sie als eine schnelle VT zu qualifizieren, beispielsweise ob sie höher ist als die Frequenz, die dem maximalen Intervall für die VT-Erfassung entspricht, wie zuvor erörtert wurde. Falls dies nicht der Fall ist, wodurch angegeben wird, dass eine langsame VT wahrscheinlich vorhanden ist, prüft der Mikroprozessor bei 664, ob ein vorgegebener Prozentsatz (beispielsweise 6 von 8) der vorhergehenden R-Zacken als abnormal klassifiziert worden ist. Falls dies der Fall ist, prüft der Mikroprozessor bei 666, um zu bestimmen, ob die frequenzbasierten Kriterien für die VT-Erfassung erfüllt worden sind. Falls dies der Fall ist, wird bei 648 eine geeignete Therapie ausgeführt. Falls die frequenzbasierten VT-Erfassungskriterien bei 666 nicht erfüllt sind, sammelt die Vorrichtung bei 644 weiter Informationen über die Morphologie der R-Zacken. Anders als in dem Beispiel aus 3A, führt das Erfüllen der frequenzbasierten VT-Erfassungskriterien ohne eine Erfüllung der Morphologiekriterien nicht zu einem Rücksetzen der frequenzbasierten Erfassungskriterien.
  • In dem Fall, in dem die Frequenz hoch genug ist, um bei 662 als eine schnelle VT oder VF angesehen zu werden, bestimmt der Mikroprozessor bei 668, ob die frequenzbasierten Erfassungskriterien für diese Arrhythmien erfüllt worden sind. Falls dies der Fall ist, wird bei 648 eine geeignete Therapie ausgeführt. Andernfalls setzt die Vorrichtung das Sammeln von Informationen über die Morphologie der R-Zacken bei 644 fort.
  • Wavelet-basierte EGM-Morphologieunterscheidung
  • Das im Mader u.a. erteilten US-Patent US-A-5 312 441 beschriebene EGM-Breitenunterscheidungsverfahren verwendet ein einziges Merkmal der EGM-Morphologie (die Breite der R-Zacke) zum Unterscheiden einer SVT von einer VT. Die vorliegende Erfindung sieht eine Vorrichtung vor, die ein neues EGM-Unterscheidungsverfahren ausführt, welches ein als "Wavelet-Transformation" bezeichnetes Signalverarbeitungsverfahren verwendet, um mehrere Merkmale der EGM-Morphologie zur besseren Unterscheidung von SVT und VT zu beschreiben. Das gemäß dieser Ausführungsform der vorliegenden Erfindung verwendete Verfahren beruht grundsätzlich auf dem "Schablonenvergleich", einem mathematischen Vergleich zwischen einer bekannten EGM-Schablone (Schablone einer SVT oder eines normalen Sinusrhythmus) und den EGM von einem unbekannten Rhythmus, um den Rhythmus auf der Grundlage der EGM-Morphologie zu klassifizieren. Es folgt einiger Hintergrund zur Wavelet-Transformation und wie sie verwendet wird, um die EGM-Morphologie zu beschreiben, und es wird nachstehend eine detailliertere Beschreibung des Wavelet-basierten EGM-Morphologieunterscheidungsalgorithmus gegeben.
  • Wavelets haben theoretische Grundlagen, die bis 1910 zurückreichen, es wurde jedoch erst in der letzten Zeit (in der Mitte der 80er Jahre) eine vereinheitlichte Theorie der Wavelets auf dem Gebiet der angewandten Mathematik und der Signalverarbeitung entwickelt. Die Wavelet-Transformation ist eine mathematische Technik, die Signale auf Basisfunktionen ("Wavelets") erweitert, die durch eine zeitliche Skalierung (oder "Dehnung" im Zeitbereich) und eine zeitliche Verschiebung einer einzigen Prototypenfunktion oder eines "Mutter-Wavelets" definiert sind. Dieses Verfahren zum Analysieren von Signalen kann als ein "mathematisches Mikroskop" angesehen werden, bei dem verschiedene Fokussierungsgrade durch die verschiedenen Zeitskalierungsfaktoren des Mutter-Wavelets erzeugt werden. Die zeitliche Auflösung wird beibehalten, indem eine Mutter-Wavelet-Funktion gewählt wird, die eine endliche (kurze) Dauer aufweist, und indem diese Funktion verschoben wird, um die Dauer des analysierten Signals abzudecken. Die Wavelet-Transformation wird häufig als ein Mechanismus zum Bereitstellen einer höheren Zeit- und Frequenzauflösung als bei der allgemeiner bekannten Fourier-Transformationstechnik erklärt, welche Signale zu Sinus- und Cosinuswellen (orthogonalen Basisfunktionen) entwickelt, um den Frequenzgehalt des Signals mit einer sehr begrenzten zeitlichen Auflösung genau zu beschreiben. Anders als beim Fourier-Verfahren gibt es viele mögliche Basisfunktionen, die beim Ausführen einer Wavelet-Analyse verwendet werden können.
  • Haar-Wavelet-Transformation
  • Die Haar-Wavelet-Transformation wird von den bevorzugten Ausführungsformen der vorliegenden Erfindung verwendet, weil die Berechnung der implementierten Haar-Wavelet-Transformation die von einer implantierten Vorrichtung gemäß der Erfindung auszuführende Verarbeitung erheblich vereinfacht. Die Haar-Funktion wurde zuerst von einem deutschen Mathematiker, A. Haar, 1910 beschrieben. Die Haar-Funktion ist wie nachstehend dargelegt definiert. Diese Funktion bildet eine sehr einfache orthonormale Wavelet-Basis und kann zum Definieren einer diskreten Wavelet-Transformation (DWT) verwendet werden. Das Mutter-Wavelet der Haar-Transformation ist folgendermaßen definiert:
    φ(x) = 1, falls 0 = x < 0,5; –1, falls 0,5 = x < 1;
    0 andernfalls
  • Die DWT eines Signals mit N Abtastwerten führt zu N Wavelet-Koeffizienten, welche die Entwicklung des Signals in verschiedene Wavelets darstellen, welche durch zeitliches Skalieren, zeitliches Verschieben und Amplitudenskalieren der Mutter-Wavelet-Funktion gebildet werden (die DWT ist analog der diskreten Fourier-Transformation mit N Abtastwerten, welche zu N Fourier-Koeffizienten führt, welche die Entwicklung des Signals in Frequenzen verschiedener Amplituden und Phasen darstellen). Die inverse DWT der Wavelet-Koeffizienten der Wellenform führt zu einer vollständigen Rekonstruktion der ursprünglichen Wellenform.
  • Die DWT eines Signals f(t) lässt sich durch die folgende Gleichung darstellen:
    Figure 00290001
    wobei f(t) ein reales Eingangssignal endlicher Energie ist,
    j die Zeitverschiebungsindizes sind,
    k die Zeitskalierungsindizes sind,
    aj,k die Wavelet-Koeffizienten sind und
    ψj,k(t) die Wavelets sind.
  • Die vorstehende Gleichung ist nützlich, um zu erläutern, dass die DWT unter Verwendung eines vordefinierten Satzes von Wavelets ψj,k(t), welche zeitlich verschobene und zeitlich skalierte Versionen des Mutter-Wavelets ψ(t) sind, berechnet wird. Zusätzlich hat jede zeitliche Skalierung und zeitliche Verschiebung einen entsprechenden Wavelet-Koeffizienten (d.h. Amplitudenfaktor) aj,k. Die Anzahl der Zeitskalierungs- und Zeitverschiebungsfaktoren, die auf das Mutter-Wavelet angewendet werden, ist durch die Berechnungsstruktur der DWT vordefiniert, welche üblicherweise auf einer dyadischen (oder in Faktoren von 2 ausgeführten) Abtastung der Zeitskalierungs- und Zeitverschiebungsfunktionen beruht, welche zum Definieren der kontinuierlichen Wavelet-Transformation verwendet werden. Dies bedeutet, dass die Wavelets ψj,k(t) von der Funktion f(t) unabhängig sind, so dass für eine feste Anzahl von Abtastwerten und Mutter-Wavelet-Funktionen die DWT eindeutig durch die Wavelet-Koeffizienten aj,k beschrieben wird. Es ist nützlich, ein Beispiel der DWT zu betrachten, um die Eigenschaften der Signalzerlegung mit mehreren Auflösungen zu erläutern. Es sei der Fall eines Eingangssignals f(t) mit 16 Abtastwerten {f(t1), f(t2), ... f(t16)} betrachtet. 4 zeigt die dyadische Struktur der DWT von f(t), und es ist darin dargestellt, dass sich die resultierenden 16 Wavelets aus 4 verschiedenen Zeitskalierungsfaktoren (den k-Indizes) ergeben, die auf das Mutter-Wavelet angewendet werden, und dass jedes sich ergebende zeitlich skalierte Wavelet 2, 4 oder 8 Zeitverschiebungsfaktoren (die j-Indizes) aufweist. Die Struktur der DWT und die Definition der Wavelets sind von f(t) unabhängig, so dass sich nur die Wavelet-Koeffizienten aj,k ändern, wenn sich f(t) ändert. Weil die Definition der Wavelets für eine DWT mit einer festen Länge festgelegt ist, ist es nützlich, die Kurzschreibweise der Wavelet-Koeffizientenzahl ci zu verwenden, um sich gleichzeitig auf die Wavelet-Koeffizienten aj,k und die zugeordneten Wavelets ψj,k(t) zu beziehen.
  • 4 zeigt die 16 Wavelets ψj,k(t), die zum Entwickeln eines Signals mit 16 Abtastwerten verwendet werden, wenn die Haar-Funktion für die DWT des Mutter-Wavelets verwendet wird. Amplitudeninformationen (die Wavelet-Koeffizienten aj,k) sind in 4 absichtlich fortgelassen, um den Begriff der Zeitskalierungs- und Zeitverschiebungsfaktoren zu erläutern, die auf das Mutter-Haar-Wavelet angewendet werden, um die DWT zu bilden. Das Mutter-Wavelet ist im Allgemeinen als die schmalste Funktion definiert, wobei dies in 4 der Form der Wavelets 9–16 entspricht. Wie in 4 ersichtlich ist, sind die Wavelets 9–16 verschiedene zeitliche Verschiebungen derselben Funktion.
  • Die vier Grund-Wavelet-Formen entsprechen jeweils einem anderen Zeitskalierungsfaktor (Ausdehnungsfaktor) des Mutter-Wavelets. Weil das Signal f(t) durch mehrere verschiedene zeitlich skalierte Versionen derselben Funktion dargestellt ist, wird die Wavelet-Transformation häufig als eine Signalzerlegung mit mehreren Auflösungen bezeichnet, weil sie das Signal in Funktionen mit verschiedenen Auflösungen entwickelt (breite Wavelets weisen eine geringe Auflösung auf, schmale Wavelets weisen eine hohe Auflösung auf). Die Anzahl der zeitlichen Verschiebungen für jede der 4 Zeitskalen ist durch die Anzahl der nicht überlappenden Fenster bestimmt, die erforderlich sind, um alle 16 Abtastwerte von f(t) abzudecken. Die zeitlich skalierte Version der Mutter-Wavelets, die 8 Abtastwerte breit ist, weist 2 Verschiebungen auf, die zeitlich skalierte Version der Mutter-Wavelets, die 4 Abtastwerte breit ist, weist 4 Verschiebungen auf, und die zeitlich skalierte Version der Mutter-Wavelets, die 2 Abtastwerte breit ist, weist 8 Verschiebungen auf.
  • Die dyadische Struktur der DWT lässt sich leicht ausdehnen, um Wavelets für f(t) mit mehr (oder weniger) Abtastwerten zu beschreiben, solange die Anzahl der Abtastwerte eine Potenz von 2 ist. Beispielsweise weist bei einer Funktion mit 64 Punkten das Wavelet mit der höchsten (oder geringsten) Auflösung die gleiche Form und die gleiche Breite auf wie das Wavelet mit der höchsten Auflösung in 4 (die Wavelets 9–16 haben eine Breite von 2 Abtastwerten). Bei einer Funktion mit 64 Punkten muss jedoch ein Wavelet mit einer Breite von 2 zu 32 nicht überlappenden Fenstern verschoben werden, um die gesamte Funktion mit 64 Punkten abzudecken. Das breiteste Wavelet in einer Haar-DWT mit 64 Punkten weist eine Breite auf, die 32 Abtastwerte überspannt. Für f(t) mit 2N Abtastwerten beträgt die Anzahl der verschiedenen Wavelet-Skalen N. Es sei bemerkt, dass es für eine Funktion mit einer Länge 24 = 16 4 verschiedene Wavelet-Skalen gibt und dass es für eine Funktion mit einer Länge 26 = 64 6 verschiedene Skalen gibt. Die Wavelets jeder verschiedenen Skala sind doppelt so breit wie das nächstbreiteste Wavelet, und sie werden mit der geeigneten Anzahl nicht überlappender Verschiebungen zeitlich verschoben, um die Gesamtzahl der Abtastwerte in f(t) zu umspannen.
  • Die Haar-Wavelet-Transformation kann auch berechnet werden, um die Beiträge bestimmter Zeitskalen zu gewichten, um ihre Beiträge hervorzuheben. Dies ist zur zusätzlichen Vereinfachung der Berechnungen sowie zum Ändern der Unterscheidungsleistung des Algorithmus wichtig. Wenn eine Hervorhebung oder Gewichtung auf die Wavelet-Transformationskoeffizienten der breiteren Skala in Bezug auf die Koeffizienten der schmalen Skala angewendet wird, wird der Beitrag von Rauschen und unwichtigen EGM-Wellenforminformationen bei der sich ergebenden Wavelet-Transformation verringert. Wie in "A Primer on Wavelets and their Scientific Applications" von Walker, Chapman und Hall/CRC, 1999 auf den Seiten 1–9 beschrieben ist, erfordert die Haar-Wavelet-Transformation, wie sie typischerweise ausgeführt wird, mehrere Divisionen durch die Wurzel von zwei, um die Wavelet-Koeffizienten abzuleiten. Wie in Walker erörtert wurde, sind diese Divisionsschritte erforderlich, um die Genauigkeit der Wellenform zu bewahren. Das Beseitigen dieser Divisionsoperation vereinfacht jedoch in hohem Maße die Berechnungen und hebt die breiteren Haar-Transformationskoeffizienten hervor. Durch Ersetzen der Divisionen durch die Wurzel von zwei mit Divisionen durch zwei werden die Berechnungen stark vereinfacht, weil eine Division durch zwei durch eine Bitverschiebung in dem Mikroprozessor ausgeführt werden kann und auch das Ergebnis aufweist, die Ergebnisse der Divisionen durch zwei der Lehrbuchdefinition der Haar-Transformation anzunähern. Gemäß der nachstehend beschriebenen bevorzugten Ausführungsform der Erfindung wird die Haar-Wavelet-Transformation skaliert, indem einfach alle Divisionen durch die Wurzel von zwei beseitigt werden (d.h. alle Terme, die normalerweise durch die Wurzel von zwei dividiert werden, unverändert gelassen werden), so dass die breiteren Wavelet-Transformationskoeffizienten zusätzlich hervorgehoben werden. Andere Anwendungen dieses Verfahrens können jedoch andere Skalierungsfaktoren verwenden, um eine verbesserte Funktionsweise zu erzielen. Die DWT kann auch für Datenlängen berechnet werden, die keine Potenz von 2 sind.
  • Gemäß einer bevorzugten Ausführungsform dieser Erfindung wird eine Haar-Wavelet-Transformation mit 48 Punkten, die gewichtet ist, um die breiteren Transformationskoeffizienten hervorzuheben, folgendermaßen berechnet, wobei A[n] die Amplitude eines Abtastdatenpunkts darstellt. Die Konvention für das Nummerieren der Wavelet-Koeffizienten ist umgekehrt zu jener, die vorstehend in Zusammenhang mit 4 beschrieben wurde, wobei die breitesten Koeffizienten die höchsten Nummern aufweisen. Jede der beiden Nummerierungskonventionen kann verwendet werden.
    c[0] = a[0] – a[1]
    c[1] = a[2] – a[3]
    c[2] = a[4] – a[5]
    .....
    c[23] = a[46] – a[47]
    c[24] = a[0] + a[1] – a[2] – a[3]
    c[25] = a[4] + a[5] – a[6] – a[7]
    c[26] = a[8] + a[9] – a[10] – a[11]
    .....
    c[35] = a[44] + a[45] – a[46] – a[47]
    c[36] = a[0] + a[1] + a[2] + a[3] – a[4] – a[5] – a[6] – a[7]
    c[37] = a[8] + a[9] + a[10] + a[11] – a[12] – a[13] – a[14] – a[15]
    c[38] = a[16] + a[17] + a[18] + a[19] – a[20] – a[21] – a[22] – a[23]
    c[39] = a[24] + a[25] + a[26] + a[27] – a[28] – a[29] – a[30] – a[31]
    c[40] = a[32] + a[33] + a[34] + a[35] – a[36] – a[37] – a[38] – a[39]
    c[41] = a[40] + a[41] + a[42] + a[43] – a[44] – a[45] – a[46] – a[47]
    c[42] = a[0] + a[1] + a[2] + a[3] + a[4] + a[5] + a[6] + a[7] – a[8] – a[9] – a[10] – a[11] – a[12] – a[13] – a[14] – a[15]
    c[43] = a[16] + a[17] + a[18] + a[19] + a[20] + a[21] + a[22] + a[23] – a[24) – a[25] – a[26] – a[27] – a[28] – a[29] – a[30] – a[31]
    c[44] = a[32] + a[33] + a[34] + a[35] + a[36] + a[37] + a[38] + a[39] – a[40] – a[41] – a[42] – a[43] – a[44] – a[45] – a[46] – a[47]
    c[45] = a[0] + a[1] + a[2] + a[3] + a[4] + a[5] + a[6] + a[7] + a[8] + a[9] + a[10] + a[11] + a[12] + a[13] + a[14] + a[15] – a[16] – a[17] – a[18] – a[19] – a[20] – a[21] – a[22] – a[23] – a[24] – a[25] – a[26] – a[27] – a[28] – a[29] – a[30] – a[31]
    c[46] = a[16] + a[17] + a[18] + a[19] + a[20] + a[21] + a[22] + a[23] + a[24] + a[25] + a[26] + a[27] + a[28] + a[29] + a[30] + a[31] – a[32] – a[33] – a[34] – a[35] – a[36] – a[37] – a[38] – a[39] – a[40] – a(41] – a[42] – a[43] – a [44] – a[45] – a[46] – a[47]
  • Zusätzlich zur Filterung auf der Grundlage der Amplitude der Wavelet-Koeffizienten, wie vorstehend beschrieben wurde, kann es erwünscht sein, stattdessen oder zusätzlich Wavelet-Koeffizienten herauszufiltern, welche bestimmte Skalen darstellen, bei denen unwichtige Signalinformationen dargestellt sind. Beispielsweise können die Wavelet-Koeffizienten, welche die breitesten Wavelets darstellen, auf Null gesetzt werden, um die Beiträge der weitesten Skalenattribute des Signals zu beseitigen. Andere Sätze von Wavelet-Koeffizienten, welche eine bestimmte Skala darstellen, können, abhängig von der gewünschten Anwendung, auf Null gesetzt werden, um die Beiträge zu beseitigen. Bei der vorstehend beschriebenen Haar-Wavelet-Transformation mit 48 Punkten können beispielsweise die letzten 3 Wavelet-Koeffizienten, welche den weitesten Wavelets entsprechen und welche keine erhebliche Signalunterscheidung bereitstellen, auf Null gesetzt und dadurch herausgefiltert werden. Alternativen zu diesem Verfahren können alle Wavelet-Koeffizienten verwenden, oder sie können verschiedene Sätze herausfiltern, die verschiedenen Skalen entsprechen, um die Unterscheidungsleistung zu optimieren.
  • Wie zuvor erwähnt wurde, kann die DWT unter Verwendung anderer Wavelet-Funktionen definiert werden. In vielen Fällen werden die Wavelet-Funktionen für eine begrenzte Dauer als von Null verschieden gewählt, um die Zeitlokalisationseigenschaft der DWT beizubehalten. Zusätzliche Randbedingungen an die Form der Wavelet-Funktionen werden im Allgemeinen verwendet, so dass eine gute Frequenzauflösung erreicht werden kann, insbesondere wenn die DWT für eine Zeit-Frequenz-Signalanalyse verwendet wird. Verglichen mit anderen Wavelet-Funktionen, weist die Haar-Funktion keine sehr gute Zeit-Frequenz-Lokalisation auf. Wie nachstehend gezeigt wird, hat das Haar-Wavelet jedoch die Fähigkeit zum Lokalisieren hervorstechender Zeitbereichsmerkmale von EGM-Wellenformen für die Zwecke des Unterscheidens von Wellenformen. Für diese Anmeldung scheint die verhältnismäßig schlechte Frequenzlokalisation die Unterscheidungsleistung nicht zu beeinträchtigen.
  • Wavelet-basierter EGM-Morphologieunterscheidungsalgorithmus – Erste Ausführungsform
  • Die vorliegende Erfindung sieht eine neue EGM-Morphologieunterscheidung auf der Grundlage der vorstehend beschriebenen diskreten Haar-Wavelet-Transformation (DWT) vor. Die Aufgabe der neuen Erfindung besteht darin, Rhythmen auf der Grundlage der EGM-Wellenformmorphologie zu klassifizieren. Die hier beschriebene spezifische Anwendung dient der Unterscheidung von SVT von VT/VF, so dass ungeeignete Therapien verhindert werden können. Beispielsweise können ventrikuläre Therapien für jeden Rhythmus mit einer EGM-Wellenformmorphologie unterbunden werden, die als SVT klassifiziert wird. Es wird jedoch angenommen, dass die grundlegenden offenbarten Unterscheidungsverfahren auch auf andere Wellenformen anwendbar sind, beispielsweise Wellenformen atrialer Depolarisationen, wie vorstehend erörtert wurde. Wenngleich die hier beschriebenen Ausführungsformen eine normale Wellenform als Grundlage für die Schablonenwellenform verwenden, könnten alternative Ausführungsformen auch eine definierte abweichende Wellenform als Grundlage für eine Schablone verwenden, beispielsweise eine ventrikuläre Wiedereintritts-Tachykardie-Wellenform. Bei solchen Ausführungsformen könnte eine Wellenform, die keine ausreichende Ähnlichkeit mit der Schablone zeigte, in umgekehrter Weise zum Ermöglichen der Therapie ansprechend auf das Auftreten von Wellenformen, die nicht der Schablone in den vorstehend offenbarten Ausführungsformen entsprechen, zum Zurückhalten der Therapie führen. Wenngleich in den hier offenbarten Ausführungsformen weiterhin nur eine einzige Schablone verwendet wird, können alternative Ausführungsformen der vorliegenden Erfindung mehrere Schablonen verwenden, die jeweils einen identifizierten Herzrhythmus angeben.
  • Weil sich EGM-Wellenformen für verschiedene Personen und Elektroden, von denen sie aufgezeichnet werden, unterscheiden, beruhen die offenbarten Ausführungsformen der vorliegenden Erfindung auf dem Einrichten der spezifischen EGM-Morphologie oder der spezifischen EGM-Morphologien, die für jeden Patienten als "normal" angesehen werden sollten. Dies kann entweder automatisch oder unter Benutzeraufsicht und anhand des normalen Sinusrhythmus eines Patienten oder anhand gespeicherter Episodendaten von spontanen SVT, die zu einer ungeeigneten Therapie führten, geschehen. Wie bei dem in dem vorstehend erwähnten Patent von Mader u.a. beschriebenen EGM-Breitenunterscheidungsverfahren erhält das gemäß den vorliegenden Ausführungsformen der Erfindung verwendete Wavelet-basierte EGM-Unterscheidungsverfahren EGM-Wellenformschnappschüsse, die anhand des eingehenden Stroms von Echtzeit-EGM-Daten durch Zentrieren eines Morphologiefensters an jedem erfassten bipolaren Ereignis abgeleitet werden. Diese Technik war wirksam, um die EGM-Morphologie auf ventrikuläre Depolarisationen zu beschränken, um die Verwendung von Fernfeld-EGM für die EGM-Morphologiebeschreibung zu ermöglichen und um den Einfluss von P-Zacken und T-Zacken bei der Morphologiebeschreibung ventrikulärer Depolarisationen zu verringern.
  • 5 zeigt ein Blockdiagramm des gemäß der ersten Ausführungsform der vorliegenden Erfindung verwendeten EGM-Morphologieunterscheidungsverfahrens. Der erste Schritt 300 des Verfahrens dient dem Auswählen der Wellenformen, welche die EGM-Morphologien darstellen, die als normal für das Erzeugen von Schablonen angesehen werden sollten. Dieser Schritt wird offline (d.h. nicht bei jedem ventrikulären Ereignis), entweder durch die Programmiereinrichtung mit Benutzerüberwachung, um den für die Schablone bzw. die Schablonen verwendeten Rhythmus zu überprüfen, oder während langsamer ventrikulärer Frequenzen ausschließlich durch die implantierte Vorrichtung oder durch beide ausgeführt. Es ist für die implantierte Vorrichtung eine viel größere Aufgabe, Schablonen automatisch zu aktualisieren, weil es erforderlich ist, sicherzustellen, dass Schablonen nicht von ektopischen Schlägen erzeugt werden. Die Erzeugung von Schablonen bei 302 beinhaltet das Berechnen der DWT-Koeffizienten von "normalen" Wellenformen, wodurch die Wavelet-Koeffizienten extrahiert werden, welche die hervor stechenden Merkmale der Wellenform zum Erzeugen der Schablonen beschreiben. Die Schablonen werden dann bei 304 im Speicher der implantierten Vorrichtung gespeichert. Der Rest des Verfahrens muss in Echtzeit verarbeitet werden, d.h. bei jedem ventrikulären Schlag während eines schnellen Rhythmus aktualisiert werden. Während des schnellen Rhythmus werden die "unbekannten" EGM-Wellenformen bei 306 von dem gerade ablaufenden Rhythmus erhalten, bei 308 durch die vorstehend beschriebene Haar-Wavelet-Transformation verarbeitet und bei 310 mit den gespeicherten Schablonen verglichen. Falls die unbekannte Wellenform gut mit einer der Schablonen übereinstimmt, wird der gegenwärtige Schlag als NORMAL klassifiziert, und er wird andernfalls als EKTOPISCH klassifiziert. Falls die Wellenformen in erster Linie EKTOPISCH sind, ist der Rhythmus keine SVT, und es werden ventrikuläre Therapien bei 312 ausgeführt, wenn die frequenzbasierten oder andere Erfassungskriterien erfüllt sind. Die Einzelheiten des in 5 dargestellten Verfahrens werden nachstehend erörtert.
  • Wie bei anderen Transformationsverfahren führt die Haar-Wavelet-Transformation zu einer Beschreibung des Eingangssignals, das die gleiche Anzahl von Datenpunkten aufweist wie das ursprüngliche Signal, jedoch von einem anderen Blickwinkel oder auf einer anderen Grundlage angeordnet ist. Die diskrete Wavelet-Transformation (DWT) beschreibt das Signal in Bezug auf eine Basis, welche die Merkmale des Signals bei verschiedenen Zeitskalen (d.h. Auflösungen) darstellt. Durch Sortieren und Kombinieren der Wavelet-Koeffizienten aj,k (und der zugeordneten Wavelets ψj,k(t)) bei jeder der verschiedenen Auflösungen können Darstellungen des Signals bei einer hohen Auflösung unter Verwendung der schmalsten Wavelets und bei einer niedrigeren Auflösung mit den weitesten Wavelets erhalten werden. Für die Datenkompression kann eine Untermenge von Wavelet-Koeffizienten bei einer Vielzahl von Auflösungen gewählt werden, um das komplette Signal mit weniger als der ursprünglichen Anzahl von Punkten darzustellen. Dies kann durch Ausführen einer DWT und Auswählen der Wavelets mit dem größten Beitrag zu dem Signal geschehen. Dies kann leicht durch Auswählen der Wavelet-Koeffizienten aj,k mit der höchsten Amplitude vorgenommen werden. Die Wavelet-Koeffizienten mit den größten absoluten Amplituden (und ihre zugeordneten Wavelets) stellen die größten Beiträge zu dem Signal dar. Bei der Datenkompression ergibt die Wiederherstellung des Signals mit N Datenpunkten unter Verwendung der M Wavelet-Koeffizienten mit der größten Amplitude (und der zugeordneten Wavelets) eine Signaldarstellung mit einem Kompressionsfaktor N/M.
  • Ein Segment mit 64 Abtastwerten einer EGM-Wellenform (Roh-EGM bei einer Abtastfrequenz von 250 Hz (8-Bit-A/D)) ist in der oberen linken Ecke von 6 bei 320 dargestellt. Hierbei handelt es sich um ein zwischen der RV-Spule und der Umhüllung einer Vorrichtung, wie sie in 1 dargestellt ist, gemessenes akutes menschliches Fernfeld-EGM. Das Datensegment mit 64 Abtastwerten (254 Millisekunden) wurde aus einer kontinuierlichen Mehrkanalaufzeichnung unter Verwendung der Technik des Zentrierens eines Morphologiefensters um die erfasste bipolare ventrikuläre Depolarisation extrahiert, wie im vorstehend erwähnten Patent von Mader u.a. beschrieben ist. Unter dem Roh-EGM-Segment bei 320 befinden sich Wavelet-Darstellungen des Roh-EGMs unter Verwendung des größten Wavelet-Koeffizienten bei 322, der 10 größten Wavelet-Koeffizienten bei 324 und aller 64 Wavelet-Koeffizienten bei 326. Die dünnen Linien 330 stellen das Wavelet bzw. die Wavelets und die zugehörige Amplitude bzw. die zugehörigen Amplituden dar, und die überlagerten fetten Linien 332 verfolgen die rekonstruierten Wellenformen, die durch Ausführen der inversen DWT an dem Wavelet-Koeffizienten mit der größten Amplitude, den 10 Wavelet-Koeffizienten mit der größten Amplitude bzw. allen 64 Wavelet-Koeffizienten erzeugt werden. Die Treue der rekonstruierten Wellenform verbessert sich, wenn mehr Wavelets für die Rekonstruktion verwendet werden. Wenn alle 64 Wavelets verwendet werden, wird die ursprüngliche Wellenform genau rekonstruiert. Die rechte Seite aus 6 bei 328 zeigt die sechs verschiedenen zeitskalierten Wavelets und die entsprechenden Koeffizientennummern ci, welche in 4 definiert sind und die Kurzschreibweise für jeden Wavelet-Koeffizienten und das zugeordnete Wavelet bilden. Die weiteste Wavelet-Funktion im oberen rechten Teil von 6 hat zwei Koeffizientennummern (0 und 1), weil zwei Verschiebungen dieser Wavelet-Funktion erforderlich sind, um alle 64 Abtastwerte abzudecken. Ähnlich hat das schmalste Wavelet (das "Mutter-Wavelet") 32 Koeffizientennummern (32 bis 63), die den 32 Verschiebungen entsprechen, welche erforderlich sind, um alle 64 Abtastwerte abzudecken.
  • Die Haar-Wavelet-Koeffizienten geben an, wie schnell sich ein Durchschnittswert einer Funktion bei verschiedenen Skalen ändert. Beispielsweise sind die Koeffizienten (32–63) einfach Differenzen der Funktionswerte an aufeinander folgenden Punkten, die Koeffizienten (16–31) Differenzen von Funktionsdurchschnittswerten über zwei mit zwei multiplizierte Punkte, die Koeffizienten (8–15) Differenzen von Funktionsdurchschnittswerten über vier mit vier multiplizierte Punkte usw. Die anderen in die Wavelet-Koeffizienten codierten Informationen geben genau an, wo die Signaländerungen auf jeder Skala auftreten. Falls ein Signal beispielsweise eine scharfe Spitze im Zentrum aufweist, sind nur einige Wavelet-Koeffizienten groß, nämlich diejenigen, die Signaländerungen bei sehr feinen Skalen beschreiben und den entsprechenden Wavelets zugeordnet sind, welche sich im Zentrum des analysierten Signals befinden.
  • Falls das Signal weiterhin eine erheblich langsame Komponente aufweist, sind in der Wavelet-Entwicklung zusätzlich zu einigen feinen Skalenkoeffizienten einige größere Skalenkoeffizienten wichtig usw. Koeffizienten mit einem kleineren Absolutwert sind weniger relevant, und sie werden bei dem von der vorliegenden Erfindung verwendeten Ansatz herausgefiltert und bei der weiteren Berechnung nicht berücksichtigt.
  • Zusätzlich zur Filterung auf der Grundlage der Amplitude der Wavelet-Koeffizienten, die vorstehend beschrieben wurde, kann es erwünscht sein, Wavelet-Koeffizienten herauszufiltern, die bestimmte Skalen darstellen, bei denen unwichtige Signalinformationen dargestellt werden. Beispielsweise können die Wavelet-Koeffizienten, welche die breitesten Wavelets darstellen, auf Null gesetzt werden, um die Beiträge der weitesten Skalenattribute des Signals zu beseitigen. Andere Sätze von Wavelet-Koeffizienten, welche eine bestimmte Skala darstellen, können, abhängig von der gewünschten Anwendung, auf Null gesetzt werden, um die Beiträge zu beseitigen. Gemäß einer bevorzugten Ausführungsform dieser Erfindung wird die vorstehend beschriebene Haar-Wavelet-Transformation mit 48 Punkten verwendet, und die drei am höchsten nummerierten Wavelet-Koeffizienten (entsprechend den drei weitesten Wavelets), welche keine erhebliche Signalunterscheidung bereitstellen, werden auf 0 gesetzt und dadurch herausgefiltert. Alternativen zu diesem Verfahren können alle Wavelet-Koeffizienten verwenden, oder sie können verschiedene Sätze herausfiltern, die verschiedenen Skalen entsprechen, um die Unterscheidungsleistung zu optimieren.
  • 7 zeigt, wie die DWT verwendet wird, um eine Wellenformbeschreibung zur EGM-Wellenformunterscheidung gemäß der ersten Ausführungsform der vorliegenden Erfindung zu bilden. Eine DWT, bei der die Haar-Funktion verwendet wird, wird auf der Grundlage der Roh-EGM-Eingabe berechnet. Die N wichtigsten Wavelets (die vorzugsweise aus den Wavelets ausgewählt werden, welche nach der Filterung verbleiben, indem bestimmte Wavelet-Koeffizienten auf Null gesetzt werden, wie vorstehend beschrieben wurde) werden ausgewählt (N = 10 in dem vorgestellten Beispiel). Dies erfolgt gemäß der vorliegenden Ausführungsform einfach durch Auswählen der N Wavelet-Koeffizienten mit der größten absoluten Amplitude (entsprechend dem größten Beitrag). Die Entscheidung zur Verwendung von 10 Wavelets gemäß dieser Ausführungsform unter Verwendung einer Wellenform mit 64 Abtastwerten beruhte auf der frühen Analyse, welche angab, dass weniger als 10 Koeffizienten nicht angemessen waren, um einige Wellenformen zu unterscheiden, und die Verwendung von mehr als 10 Koeffizienten die Leistungsfähigkeit nicht erheblich verbesserte. In einem allgemeineren Fall kann die Anzahl der verwendeten Koeffizienten alternativ bestimmt werden, beispielsweise durch Aufnehmen nur der Koeffizienten, welche absolute Amplituden aufweisen, die einen vorgegebenen Prozentsatz der maximalen absoluten Amplitude aller Koeffizienten übersteigen. Bei einer solchen Ausführungsform könnte die Anzahl der zur Bildung der Wellenformbeschreibung der Schablonenwellenform verwendeten Koeffizienten gleichermaßen verwendet werden, um anschließend die Wellenformbeschreibung unbekannter Wellenformen zu bilden. Die Auswahl nur der Wavelet-Koeffizienten mit den Koeffizienten mit der größten Amplitude ermöglicht eine wirksame Form der Filterung und Rauschentfernung der transformierten Wellenformen bei einem Minimum an Komplexität bei der Berechnung.
  • Die Graphik im unteren linken Teil von 7 bei 340 zeigt die durch Auswählen der 10 Wavelets mit der größten absoluten Amplitude (dünne Linien 344) und Ausführen einer inversen DWT rekonstruierten Wellenformen (dicke Linie 342). Auch dargestellt sind die Koeffizientennummern und Amplituden für die 10 größten DWT-Koeffizienten und die mit einer Rangordnung versehenen Koeffizientennummern (durch die absolute Amplitude mit einem Rang versehen). Die EGM-Beschreibung ist in der am weitesten rechts gelegenen Spalte bei 346 dargestellt und durch die Wavelet-Koeffizientennummern, angeordnet nach dem Amplitudenrang, gegeben.
  • Die EGM-Beschreibung aus 7 ist für Verschiebungen in der Wellenform in Bezug auf den Anfang des Datenpuffers empfindlich. Mit anderen Worten bewirken leichte Änderungen des Bezugspunkts oder Referenzpunkts, dass sich die EGM-Beschreibung leicht ändert. Beispielsweise kann der Punkt der bipolaren ventrikulären Erfassung durch den Messverstärker 514 (2), wie im vorstehend erwähnten Patent von Mader u.a., als Bezugspunkt dienen. Alternativ kann der Bezugspunkt der positive oder negative Spitzenwert der gespeicherten erfassten Wellenform sein, der an den entsprechenden positiven oder negativen Spitzenwert der Schablonenwellenform angepasst ist. Um leichten Änderungen des Bezugspunkts infolge von Differenzen des Erfassungspunkts durch den Messverstärker und/oder durch Phasendifferenzen in Zusammenhang mit der Digitalisierung der Wellenform Rechnung zu tragen, kann die zum Erzeugen der Schablone verwendete EGM-Beschreibung für die Wellenform unter Verwendung mehrerer verschobener Versionen gebildet werden, um leichte Änderungen der Erfassung während der Arrhythmie zu berücksichtigen. 10 zeigt eine um +1 und –1 Abtastwert (4 ms) verschobene EGM-Schablonenwellenform mit 64 Abtastwerten und die sich ergebenden 3 Sätze von Wavelet-Koeffizienten, welche die Wellenform beschreiben. Alternativ können um +n, ... +1, 0, –1, ... –n Datenpunkte verschobene Wellenformen verwendet werden, welche eine verbesserte Unterscheidung bereitstellen würden, jedoch zu erheblichen Rechenkosten.
  • Durch die Verwendung der Wavelet-Koeffizienten für die EGM-Morphologiebeschreibung wird eine Amplitudenunabhängigkeit bei dieser ersten Ausführungsform der Erfindung erreicht, weil nur die relativen Amplituden der Wavelet-Koeffizienten verwendet werden. 8 zeigt dieses Ergebnis mit einer menschlichen EGM-Wellenform (Linie 352) und einer Version, deren Amplitude beliebig um 60% reduziert ist (Linie 350). Es sei bemerkt, dass die Ordnungen der aufgelisteten Wavelet-Koeffizienten, die auf der rechten Seite von 8 bei 354, 356 dargestellt sind, identisch sind.
  • Der Zweck der Schablonenvergleichsfunktionen gemäß der vorliegenden Erfindung besteht darin, "unbekannte" EGM-Wellenformen von dem gerade ablaufenden Rhythmus zu klassifizieren, indem sie mit den gespeicherten Schablonen verglichen werden. Falls die unbekannte Wellenform eng mit einer der Schablonen übereinstimmt, wird der aktuelle Schlag oder die aktuelle Depolarisation als NORMAL klassifiziert, und der aktuelle Schlag wird andernfalls als EKTOPISCH klassifiziert. Falls die Wellenformen vorherrschend EKTOPISCH sind, ist der Rhythmus keine SVT, und ventrikuläre Therapien werden typischerweise ausgeführt, wenn die Frequenzerfassungskriterien erfüllt sind, wie vorstehend erwähnt wurde. Die Bestimmung, ob eine Wellenform mit der Schablone übereinstimmt, erfolgt durch Vergleichen einer Vergleichsmetrik mit einer Vergleichsschwelle. Falls die Vergleichsmetrik die Vergleichsschwelle übersteigt, stimmt die Wellenform gut mit der Schablone überein, und die EGM-Morphologie sollte als NORMAL angesehen werden. Für diesen Aspekt der vorliegenden Erfindung dient die Wavelet-Transformation als Mittel zum Beschreiben der hervorstechenden Merkmale der Wellenformen in einem verhältnismäßig kleinen Satz von Wavelet-Koeffizienten. Die Technik zum Erzeugen einer EGM-Morphologiebeschreibung auf der Grundlage von N Wavelet-Koeffizienten beinhaltet das Berechnen der DWT der Rohwellenform und die Rangordnung der N größten Wavelet-Koeffizienten, wie vorstehend beschrieben wurde. Dieser Prozess ist der gleiche für die "Schablonenwellenformen" und für die "unbekannten" Wellenformen. Die Schablonenbeschreibungen sind im Speicher gespeichert. Für jede Schablone gibt es beispielsweise 10 Wavelet-Koeffizientennummern ci, jeweils mit einem entsprechenden Rang auf der Grundlage ihrer absoluten Amplitude, wobei Rang = 1 der kleinsten absoluten Amplitude gegeben wird und Rang = N der größten absoluten Amplitude gegeben wird. Der Rang jedes Schablonen koeffizienten wird als ein Vergleichsgewicht beim Berechnen der Vergleichsmetrik verwendet, so dass die Ränge mit den Schablonenkoeffizienten gespeichert werden müssen.
  • 9 zeigt die Schablonenvergleichsfunktion gemäß der ersten Ausführungsform der vorliegenden Erfindung, wobei angenommen wird, dass eine einzige Schablonenwellenformbeschreibung von einer normalen EGM-Morphologie im Speicher gespeichert ist. Die obere linke Seite von 9 zeigt bei 400 einen als Schablone verwendeten normalen Schlag, wobei die nach dem Rang geordneten Wavelet-Koeffizientennummern für die normale Schablone unter der mit Schablone bezeichneten Spalte von der größten zur kleinsten absoluten Amplitude aufgelistet sind (N = 10 in diesem Beispiel). Ähnlich sind nach dem Rang geordnete Wavelet-Koeffizientennummern für zwei unbekannte Wellenformen #1 (402) und #2 (404) aufgelistet. Die Vergleichsgewichte für die geordneten Koeffizientennummern sind unter der Vergleichsgewichtsspalte aufgelistet und entsprechen dem relativen Rang der aufgelisteten Wavelet-Koeffizienten (Koeffizient mit der höchsten absoluten Amplitude, Vergleichsgewicht 10, Koeffizient mit der niedrigsten absoluten Amplitude, Vergleichsgewicht 1). 9 zeigt auch die Wellenformen (Linien 406, 408, 410), die durch Auswählen der 10 Wavelets mit der größten absoluten Amplitude und Ausführen einer inversen DWT rekonstruiert wurden.
  • Der Mechanismus zum Erzeugen der Vergleichsmetrik (match_score) ist auch in 9 dargestellt. Die Vergleichsmetrik match_score wird auf der Grundlage davon berechnet, ob die unbekannte Beschreibung eine Wavelet-Koeffizientennummer aufweist, die einer der Schablonen-Wavelet-Koeffizientennummern genau gleicht. Falls die wavelet-Koeffizientennummern übereinstimmen UND die Koeffizienten einen ähnlichen absoluten Amplitudenrang (innerhalb +1 oder –1 im Rang) aufweisen, wird das Vergleichsgewicht für den Schablonenkoeffizienten zur Vergleichsmetrik addiert. Wie für das Beispiel ersichtlich ist, hat Unbekannt #1 mehr Übereinstimmungen von Wavelet-Koeffizienten und damit eine höhere Gesamt-Vergleichsmetrik (match_score = 43) als Unbekannt #2 (match_score = 19). Die Klassifikation jedes Schlags als NORMAL oder EKTOPISCH wird durch Vergleichen der Vergleichsmetrik match_score mit einer Vergleichsschwelle erreicht, wobei, falls match_score > Vergleichsschwelle ist, der Schlag NORMAL ist und, falls match_score < die Vergleichsschwelle ist, der Schlag EKTOPISCH ist. Unter der Annahme, dass die Vergleichsschwelle in dem Beispiel aus 9 41 ist, wird Unbekannt #1 als NORMAL klassifiziert und Unbekannt #2 als EKTOPISCH klassifiziert. Wie durch visuelle Inspektion der Wellenformmorphologien ersichtlich ist (linke Seite aus 9), hat Unbekannt #1 eine Morphologie, die der Schablone ähnlicher ist als Unbekannt #2.
  • Der folgende Pseudocode erklärt die Schritte, die vom Mikroprozessor 524 (2) beim Ausführen des Vergleichs der gespeicherten transformierten Wellenform mit einer einzigen Schablone während der EGM-Morphologieanalyse einer Tachyarrhythmie gemäß der ersten Ausführungsform der vorliegenden Erfindung ausgeführt werden:
    • 1. Extrahieren des EGM-Fensters von Datenproben ("unbekannte" Wellenform)
    • 2. Berechnen der DWT der unbekannten Wellenform
    • 3. Finden der unbekannten EGM-Beschreibung durch Ordnen der N Wavelet-Koeffizienten mit der größten absoluten Amplitude nach dem Rang.
    • 4. Berechnen von match_score folgendermaßen: Initialisieren von match_score = 0 Für jeden Schablonen-Wavelet-Koeffizienten ci: If {die unbekannte Beschreibung ci als eines ihrer Elemente hat} then If {abs[(Rang der Schablone ci) – (Rang von Unbekannt ci)] = 1} then match_score = match_score + (Rang der Schablone ci) endIf endIf Nächster Schablonen-Wavelet-Koeffizient.
    • 5. If (match_score = Vergleichsschwelle) Then (EGM_morphology = NORMAL) Else (EGM_morphology = EKTOPISCH) endIf
  • Dieser Vergleichsmechanismus lässt sich leicht auf den Fall von mehr als einer Schablonenwellenformbeschreibung erweitern. Im praktischen Fall ist es wahrscheinlich, dass es wünschenswert ist, mehr als eine Schablone zur Verfügung zu haben, um eine ungeeignete Erfassung infolge von SVT zu vermeiden, die infolge der Erfassung durch den Messverstärker 514 (2) zu etwas verschiedenen Zeiten zu etwas verschiedenen EGM-Morphologien führen, und um das Verschiebungsabhängigkeitsproblem bei der Wavelet-Transformation zu lösen. In dem in 10 vorgestellten Fall wurden Drei-Schablonen-Wellenformen durch Verschieben einer einzigen Wellenform um –1 und +1 Abtastwert und Ausführen der Haar-Transformation an den verschobenen Wellenformen erzeugt. Im Fall mehrerer Schablonen wird eine Vergleichsmetrik match_score für jede Schablone berechnet. Die Entscheidung NORMAL oder EKTOPISCH beruht auf der besten Übereinstimmung, welche durch den Maximalwert von match_score angegeben wird, wie in 10 dargestellt ist.
  • Die allgemeine Philosophie hinter der Integration der frequenzbasierten Erfassung und EGM-Morphologie, welche im vorstehend erwähnten Patent von Mader u.a. beschrieben wurde, bestand darin, die EGM-Breitenentscheidung zu verwenden, um die frequenzbasierte Entscheidung zu verbessern, sobald der VT-Zähler die programmierte Anzahl von Intervallen für die Erfassung (NID) erreicht. Falls im Fall des EGM-Breitenalgorithmus mindestens 6 der letzten 8 Schläge eine große EGM-Breite hatten, wird der Rhythmus als VT klassifiziert und werden Therapien ausgeführt. Falls jedoch 3 oder mehr der letzten 8 Schläge eine geringe EGM-Breite hatten, wurde der VT-Zähler zurückgesetzt und wird die Erfassung fortgesetzt (wobei die EGM-Breite erneut beurteilt wird, sobald der VT-Zähler NID erreicht). Dieser Ansatz war nützlich, um eine Entscheidung falscher Positiver während SVT mit intermittierenden Aberrationen oder PVC zu vermeiden, und er ermöglichte 1 oder 2 Sinusmitnahmeschläge während einer VT-Episode. Bei einer Implementation der vorliegenden Erfindung kann dieser Aspekt des Wavelet-basierten EGM-Morphologieunterscheidungsverfahrens gemäß der vorliegenden Erfindung demjenigen des EGM-Breitenunterscheidungsverfahrens aus dem Patent von Mader u.a. gleichen. Bei einer solchen Ausführungsform müssen, damit ein Rhythmus als VT klassifiziert wird, mindestens X der letzten Y Schläge (beispielsweise 6 von 8) eine EKTOPISCHE EGM-Morphologie aufweisen, wird die VT-Therapie nicht ausgeführt, oder haben Y – X + 1 (beispielsweise 3) oder mehr der letzten Y Schläge eine NORMALE EGM-Morphologie. Anders als bei dem Verfahren, das im Patent von Mader u.a. verwendet wird, wird es bei manchen Ausführungsformen als wünschenswert angesehen, die frequenzbasierten VT-Erfassungskriterien (beispielsweise den VT-Zähler) nicht zurückzusetzen, wenn eine NORMALE EGM-Morphologie gesehen wird, sondern vielmehr bei jedem ventrikulären Schlag, bei dem der VT-Zähler erfüllt wird, mit dem Beurteilen der EGM-Morphologieentscheidung fortzufahren. Eine solche Ausführungsform ist in 3B erläutert, wie vorstehend erörtert wurde.
  • Wie vorstehend erwähnt wurde, können die Wellenformunterscheidungsfähigkeiten gemäß der vorliegenden Erfindung auch nutzbringend in Zusammenhang mit anderen Tachyarrhythmieerfassungsmechanismen als den vorstehend beschriebenen auf der Grundlage von Depolarisationsraten, Depolarisationsintervallen und/oder Depolarisationsordnungen verwendet werden. Die spezifischen zusätzlichen Kriterien, die in Zusammenhang mit den gemäß der vorliegenden Erfindung verwendeten Wellenformunterscheidungsverfahren verwendet werden, werden nicht als für ihre Verwirklichung entscheidend angesehen, weil angenommen wird, dass die Unterscheidungsverfahren die Gelegenheit bieten, praktisch jede Tachyarrhythmieerfassungsmethodologie zu verbessern.
  • Wavelet-basierter EGM-Morphologieunterscheidungsalgorithmus – Zweite und dritte Ausführungsform
  • Gemäß der zweiten und der dritten Ausführungsform der vorliegenden Erfindung werden die Schablonenwellenformen und die unbekannten Wellenformen wie vorstehend allgemein beschrieben erfasst, transformiert und gefiltert, sie werden jedoch unter Verwendung einer Distanzflächen-(AD)-Metrik oder einer Korrelationswellenformanalyse-(CWA)-Metrik verglichen. Diese Verfahren zum Vergleichen unbekannter Wellenformen und Schablonenwellenformen, welche eine unerwünscht große Anzahl von Berechnungen erfordern würden, falls sie an allen Datenpunkten innerhalb einer digitalisierten Schablone unbekannter Wellenformen ausgeführt werden würden, werden besser handhabbar, wenn sie auf transformierte und gefilterte Wellenformen angewendet werden. Anders als die erste Ausführungsform erfordern die AD- und die CWA-Metriken eine Amplitudennormierung, wie später erörtert wird. Die zur Ausrichtung der Schablonenwellenformen und unbekannten Wellenformen verwendeten Bezugspunkte sind vorzugsweise entweder die positiven oder die negativen Spitzen der unbekannten Wellenformen und der Schablonenwellenformen. Die Berechnungen, die der Speicherung, der Transformation und dem Vergleich der Schablonenwellenformen und der unbekannten Wellenformen zugeordnet sind, werden durch den Mikroprozessor 524 (2) ausgeführt, und die Wellenformvergleichsverfahren gemäß der zweiten und der dritten Ausführungsform können einfach das Wellenformvergleichsverfahren gemäß der ersten Ausführungsform in einer vorstehend ansonsten beschriebenen Vorrichtung ersetzen.
  • Die CWA-Metrik und die AD-Metrik erfordern das Minimieren des Abstands zwischen den beiden verglichenen Wellenformen. Es ist jedoch für ähnliche Signale "sicher" anzunehmen, dass, falls die beiden Signale geeignet ausgerichtet sind, der entsprechende Abstand seinen Minimalwert irgendwo um die Nullverschiebung herum annimmt. Daher führt gemäß der zweiten und der dritten Ausführungsform der Erfindung ebenso wie gemäß der vorstehend beschriebenen ersten Ausführungsform die Vorrichtung zuerst die Wellenformausrichtung aus und sucht dann das Minimum der angewendeten Metrik zwischen den um (–n, ..., –1, 0, 1, ..., n) Zeiteinheiten verschobenen zwei Wellenformen, wobei n die maximale Verschiebung ist. Für die Implementation von ICD gemäß der zweiten und der dritten Ausführungsform kann der Wert von n 1 sein, was, wie gemäß der vorstehend erörterten ersten Ausführungsform, zur Verwendung von drei Schablonen führt. Die Ausrichtung der unbekannten Wellenform und der Schablonenwellenform bei einer Nullverschiebung erfolgt durch Ausrichten der positiven oder der negativen Spitzen in der Schablonenwellenform und der unbekannten Wellenform.
  • Gemäß der zweiten und der dritten Ausführungsform kann das Filtern der Schablonenwellenform und der unbekannten Wellenform erreicht werden, indem einfach alle Wavelet-Koeffizienten, die kleiner als der maximale (positive oder negative) Wavelet-Koeffizient, dividiert durch einen Filterfaktor (beispielsweise 8, 16 oder 32) sind, auf Null gesetzt werden. Diese Divisionen erfordern nur arithmetische Schiebe-CPU-Anweisungen und können wirksam in den Mikroprozessortypen ausgeführt werden, die typischerweise in ICD verwendet werden. Zusätzlich oder alternativ kann das Filtrieren durch einfaches Setzen bestimmter zuvor festgelegter Wavelet-Koeffizienten auf Null erreicht werden, wie vorstehend erörtert wurde. Eine Normierung ist erforderlich, um minimale Abstände zwischen zwei Signalen zu bilden, die skalierte Kopien voneinander sind. Dieses Normieren kann sehr wirksam vorgenommen werden, wenn es im Wavelet-Bereich ausgeführt wird. An Stelle der Normierung der unbekannten Wellenform im Zeitbereich normieren die zweite und die dritte Ausführungsform der vorliegenden Erfindung ihr Wavelet-Bild, wofür nur ein Bruchteil der Berechnungen erforderlich ist, weil die Anzahl der Wavelet-Koeffizienten, die die Filtrierung überleben, klein ist.
  • Bei dem Verfahren gemäß der zweiten und der dritten Ausführungsform wird der Abstand zwischen dem Wavelet-Bild der unbekannten Wellenform wi und Wavelet-Bildern der Schablonenwellenform ti, typischerweise um plus oder minus eine Position in der Zeit verschoben, berechnet. Falls der minimale Abstand null ist, sind die beiden Wellenformen skalierte Kopien voneinander. In der Praxis ist das Minimum selten genau null. Um eine Entscheidung darüber zu treffen, wie klein der Abstand ist, dividiert der Mikroprozessor den berechneten Abstand durch die entsprechende Norm der Schablonenwelle, um eine Abstandsnormierung bereitzustellen. Falls die resultierende Zahl erheblich kleiner als 1 ist, werden die Wellen als ähnlich angesehen. Die Norm der Schablonenwelle ist als der berechnete Abstand zwischen der Schablonenwelle und dem Nullsignal definiert (dem aus Nullwerten bestehenden Signal).
  • Die Korrelationswellenformanalyse-(CWA)-Funktion berechnet, wenn sie traditionell ausgeführt wird, die Korrelationsfunktion zwischen zwei Signalen folgendermaßen, wobei ti-j die Schablonenwellenformen sind und wi die unbekannte Wellenform ist:
    Figure 00540001
    wobei ||t|| = Σt 2 / i und ||w|| = Σw 2 / i und j die relative Verschiebung zwischen den Signalen ist.
  • Unter Verwendung dieses Verfahrens wird eine maximale Korrelation zwischen den Signalen durch Durchsuchen der verschobenen Signale gesucht. Falls CF = 1 ist, sind die Signale vollkommen korreliert (eines ist gerade eine skalierte Kopie von dem anderen).
  • Falls versucht wird, diese Berechnung in einer ICD zu implementieren, sind viele Multiplikationen erforderlich, wodurch diese Berechnung zu rechenintensiv gemacht wird. Die Anzahl der Multiplikationen kann jedoch erheblich verringert werden, indem die Analyse im Wavelet-Bereich ausgeführt wird. Nach dem Transformieren des Signals in den Wavelet-Bereich und nach dem Filtern des transformierten Signals durch Entfernen von Koeffizienten niedriger Amplitude ist die Anzahl der verbleibenden Wavelet-Koeffizienten viel kleiner als die Anzahl der Abtastwerte im Zeitbereich, wodurch die Komplexität der Berechnung verringert wird. Zusätzlich kann eine weitere Verringerung der Komplexität der Berechnung erreicht werden, indem die CWA-Metrik durch Berechnen und Minimieren des Abstands zwischen der unbekannten Wellenform und den Schablonenwellenformen folgendermaßen berechnet wird: d2j = Σ i(ti-j – wi)2
  • Die Berechnung und Minimierung des Abstands zwischen der unbekannten Wellenform und den Schablonenwellenformen kann in einer ICD wirksam erfolgen. Die von dem Mikroprozessor ausgeführten Berechnungen werden später detailliert dargelegt. Dieses Verfahren entspricht der CWA-Metrik im Wavelet-Bereich, weil es mathematisch dazu äquivalent ist.
  • Die Wavelet-Transformationen von Schablonen und der Unbekannten werden wie vorstehend in Zusammenhang mit der ersten Ausführungsform beschrieben erzeugt: tj(i) = WT[ti-j], w(i) = WT[wi],wobei WT[fi] die Wavelet-Transformation der Welle fi bezeichnet.
  • Die unbekannte Wellenform wird folgendermaßen gefiltert und normiert:
    w(i) = w(i), falls
    Figure 00560001
    andernfalls 0
    Figure 00560002
    wobei N die Amplitude der normierten Welle ist und A die Amplitude der Unbekannten ist und der Filterfaktor beispielsweise 8, 16, 32 usw. ist, wie zuvor beschrieben wurde. Die Schablonen ti sind auf dieselbe Amplitude N normiert.
  • Für jede verschobene Schablone ist die Norm folgendermaßen definiert: nj = Σ i|tj(i)|2
  • Die normierten Abstände sind folgendermaßen definiert:
  • Figure 00570001
  • Das Ähnlichkeitsmaß zwischen den Wellenformen wird folgendermaßen berechnet: d = min j(dj)
  • Bei dieser Implementation wird der Wert "d" durch den Mikroprozessor mit einem vom Arzt programmierten Schwellenwert verglichen, um die gewünschte Unterscheidungswirkung zu erreichen. Falls d größer als der Schwellenwert ist, werden die Wellenformen als unähnlich angesehen. Unter der Annahme, dass die Schablonen von normalen Wellenformen sind, werden die unbekannten Wellen, die als der Schablone ähnlich angesehen werden, als NORMAL angesehen und können in der gleichen Weise wie zuvor in Zusammenhang mit der ersten Ausführungsform beschrieben verwendet werden.
  • Ein alternatives und rechnerisch einfacheres Verfahren zum Bestimmen der Ähnlichkeit zwischen unbekannten Wellenformen und Schablonenwellenformen ist die Differenzflächen-(AD)-Metrik, die ebenso wie die vorstehend beschriebene CWA-Metrik Abstände dj zwischen der unbekannten Wellenform wj und der um j Punkte verschobenen Schablonenwellenform tji folgendermaßen berechnet und minimiert: dj = Σ i|ti-j – wi|
  • In diesem Fall werden die Abstände als Absolutwerte statt als Quadrate berechnet, wodurch die Berechnung vereinfacht wird. Die AD-Metrik kann direkt auf den Wavelet-Bereich angewendet werden, sie ist in diesem Fall jedoch nicht zu der im Zeitbereich angewendeten AD-Metrik äquivalent. Die Metrik funktioniert dennoch gut für die EGM-Morphologieunterscheidung im Wavelet-Bereich. Sie ist auch rechnerisch weniger kostspielig als die CWA-Metrik und aus diesem Grunde wünschenswert.
  • Die Schritte, die erforderlich sind, um die AD-Metrik zu berechnen, entsprechen jenen, die vorstehend in Zusammenhang mit der CWA-Metrik beschrieben wurden:
    ???
  • Die Wavelet-Transformationen von Schablonen und der Unbekannten werden wie vorstehend in Zusammenhang mit der ersten Ausführungsform beschrieben erzeugt: tj(i) = WT[ti-j], w(i) = WT[wi],wobei WT[fi] die Wavelet-Transformation der Welle fi bezeichnet.
  • Die unbekannte Wellenform wird folgendermaßen gefiltert und normiert: w(i) = w(i), falls
    Figure 00580001
    andernfalls 0
    Figure 00580002
    wobei N die Amplitude der normierten Welle ist und A die Amplitude der Unbekannten ist. Die Schablonen ti sind auf dieselbe Amplitude N normiert.
  • Für jede verschobene Schablone ist die Norm folgendermaßen definiert: nj = Σ i|tj(i)|
  • Die normierten Abstände sind folgendermaßen definiert:
  • Figure 00590001
  • Das Ähnlichkeitsmaß zwischen den Wellenformen wird folgendermaßen berechnet: d = min j(dj)
  • Falls diese Zahl kleiner als ein vorgewählter Schwellenwert ist, bezeichnet der Mikroprozessor die Wellenformen als ähnlich, und sie werden andernfalls als unähnlich angesehen. Unter der Annahme, dass die Schablonen von normalen Wellenformen sind, werden die unbekannten Wellen, die als der Schablone ähnlich gefunden wurden, als NORMAL angesehen und können in der gleichen Weise wie zuvor in Zusammenhang mit der ersten Ausführungsform beschrieben verwendet werden.

Claims (11)

  1. Vorrichtung zum Überwachen von Herzrhythmen mit: Mitteln (526) zum Speichern digitalisierter Elektrogrammsegmente, welche Signale aufweisen, die Depolarisationen einer Kammer oder von Kammern des Herzens eines Patienten angeben, Mitteln (524) zum Transformieren der digitalisierten Signale in Signal-Wavelet-Koeffizienten, Mitteln (524) zum Identifizieren eines Satzes von Signal-Wavelet-Koeffizienten mit einer höheren Amplitude, gekennzeichnet durch Mittel zum Vergleichen des Satzes von Signal-Wavelet-Koeffizienten höherer Amplitude mit einem entsprechenden bzw. korrespondierenden Satz von Schablonen-Wavelet-Koeffizienten, welche von Signalen abgeleitet wurden, die eine Herzdepolarisation eines bekannten Typs angeben.
  2. Vorrichtung nach Anspruch 1, wobei die Transformationsmittel Mittel (524) zum Transformieren der digitalisierten Signale unter Verwendung einer Wavelet-Transformation zum Erhalten der Signal-Wavelet-Koeffizienten aufweisen.
  3. Vorrichtung nach Anspruch 1, wobei die Transformationsmittel Mittel (524) zum Transformieren der digitalisierten Signale unter Verwendung einer Haar-Wavelet-Transformation zum Erhalten der Signal-Wavelet-Koeffizienten aufweisen.
  4. Vorrichtung nach Anspruch 3, wobei die Transformationsmittel Mittel zum Transformieren der digitalisierten Signale unter Verwendung einer vereinfachten, gewichteten Haar-Wavelet-Transformation zum Erhalten der Signal-Wavelet-Koeffizienten, ohne Schritte einer Division durch die Wurzel von zwei auszuführen, aufweisen.
  5. Vorrichtung nach Anspruch 1, 2, 3 oder 4, welche weiter Mittel zum Filtern der transformierten Signale durch Löschen der Signal-Wavelet-Koeffizienten mit kleinerer Amplitude aufweist.
  6. Vorrichtung nach Anspruch 1, 2, 3 oder 4, welche weiter Mittel zum Filtern der transformierten Signale durch Löschen der ausgewählten Wavelets entsprechenden Signal-Wavelet-Koeffizienten aufweist.
  7. Vorrichtung nach Anspruch 1, 2, 3 oder 4, welche weiter Mittel zum Filtern der transformierten Signale durch Setzen von Signal-Wavelet-Koeffizienten mit kleinerer Amplitude auf Null aufweist.
  8. Vorrichtung nach Anspruch 1, 2, 3 oder 4, wobei die Vergleichsmittel Mittel zum Vergleichen nur von Signal-Wavelet-Koeffizienten mit höherer Amplitude aufweisen.
  9. Vorrichtung nach einem der vorstehenden Ansprüche, wobei die Vergleichsmittel Mittel zum Ordnen der Signal- und Schablonen-Wavelet-Koeffizienten nach der absoluten Amplitude und Mittel zum Vergleichen der Ordnungen der Signal- und Schablonen-Wavelet-Koeffizienten aufweisen.
  10. Vorrichtung nach einem der vorstehenden Ansprüche, wobei die Vergleichsmittel Mittel zum Berechnen von Abständen zwischen den Signal- und Wavelet-Koeffizienten aufweisen.
  11. Vorrichtung nach einem der vorstehenden Ansprüche, wobei die Transformationsmittel einen Mikroprozessor (524) aufweisen.
DE60029776T 1999-05-12 2000-05-08 Überwachungsvorrichtung mit anwendung von wavelettransformationen zur herzrrhythmusanalyse Expired - Lifetime DE60029776T2 (de)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US13373999P 1999-05-12 1999-05-12
US133739P 1999-05-12
US09/566,477 US6393316B1 (en) 1999-05-12 2000-05-08 Method and apparatus for detection and treatment of cardiac arrhythmias
US566477 2000-05-08
PCT/US2000/012517 WO2000069517A1 (en) 1999-05-12 2000-05-08 Monitoring apparatus using wavelet transforms for the analysis of heart rhythms

Publications (2)

Publication Number Publication Date
DE60029776D1 DE60029776D1 (de) 2006-09-14
DE60029776T2 true DE60029776T2 (de) 2007-08-02

Family

ID=26831654

Family Applications (1)

Application Number Title Priority Date Filing Date
DE60029776T Expired - Lifetime DE60029776T2 (de) 1999-05-12 2000-05-08 Überwachungsvorrichtung mit anwendung von wavelettransformationen zur herzrrhythmusanalyse

Country Status (4)

Country Link
US (1) US6393316B1 (de)
EP (1) EP1178855B1 (de)
DE (1) DE60029776T2 (de)
WO (1) WO2000069517A1 (de)

Families Citing this family (363)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2001234846A1 (en) * 2000-02-04 2001-08-14 Zmd Corporation Integrated resuscitation
US6400986B1 (en) * 2000-04-10 2002-06-04 Cardiac Pacemakers, Inc. Adaptive anti-tachycardia therapy apparatus and method
US7062315B2 (en) * 2000-11-28 2006-06-13 Medtronic, Inc. Automated template generation algorithm for implantable device
US7580488B2 (en) * 2000-11-29 2009-08-25 The Penn State Research Foundation Broadband modulation/demodulation apparatus and a method thereof
US7386344B2 (en) * 2004-08-11 2008-06-10 Cardiac Pacemakers, Inc. Pacer with combined defibrillator tailored for bradycardia patients
US6751502B2 (en) * 2001-03-14 2004-06-15 Cardiac Pacemakers, Inc. Cardiac rhythm management system with defibrillation threshold prediction
AR035858A1 (es) * 2001-04-23 2004-07-21 Bayer Corp Derivados de cromano 2,6-sustituidos,composiciones farmaceuticas,uso de dichos derivados para la manufactura de medicamentos utiles como agonistas adrenorreceptores beta-3
US7640054B2 (en) * 2001-04-25 2009-12-29 Medtronic, Inc. Automated template generation algorithm for implantable device
US7113820B2 (en) * 2001-07-12 2006-09-26 The United States Of America As Represented By The Administration Of The National Aeronautics And Space Administration Real-time, high frequency QRS electrocardiograph
US6856936B1 (en) * 2001-08-02 2005-02-15 Turnstone Systems, Inc. Method and system to provide an improved time domain reflectrometry technique
GB0122746D0 (en) * 2001-09-21 2001-11-14 Mills Desmond B Defibrillator
SE0103312D0 (sv) 2001-10-04 2001-10-04 Siemens Elema Ab Method of and Apparatus for Deriving Indices Characterising Atrial Arrhythmias
AU2002214897A1 (en) * 2001-11-16 2003-06-10 Cetacea Networks Corporation Method and system for detecting and disabling sources of network packet flooding
US7248921B2 (en) * 2003-06-02 2007-07-24 Cameron Health, Inc. Method and devices for performing cardiac waveform appraisal
US7330757B2 (en) * 2001-11-21 2008-02-12 Cameron Health, Inc. Method for discriminating between ventricular and supraventricular arrhythmias
DE60233157D1 (de) * 2001-12-03 2009-09-10 Medtronic Inc Zweikammer-herzschrittmacher-system zur diagnose und behebung von arrhythmien
US6909916B2 (en) * 2001-12-20 2005-06-21 Cardiac Pacemakers, Inc. Cardiac rhythm management system with arrhythmia classification and electrode selection
US7373198B2 (en) 2002-07-12 2008-05-13 Bionova Technologies Inc. Method and apparatus for the estimation of anesthetic depth using wavelet analysis of the electroencephalogram
US20040019287A1 (en) * 2002-07-26 2004-01-29 Harley White Similarity recovery post shock
US6827695B2 (en) 2002-10-25 2004-12-07 Revivant Corporation Method of determining depth of compressions during cardio-pulmonary resuscitation
US6980860B2 (en) * 2002-10-31 2005-12-27 Medtronic, Inc. Detection of supraventricular tachycardia with 1:1 atrial to ventricular conduction
US7076289B2 (en) 2002-12-04 2006-07-11 Medtronic, Inc. Methods and apparatus for discriminating polymorphic tachyarrhythmias from monomorphic tachyarrhythmias facilitating detection of fibrillation
US7103405B2 (en) 2002-12-04 2006-09-05 Medtronic, Inc. Methods and apparatus for discriminating polymorphic tachyarrhythmias from monomorphic tachyarrhythmias facilitating detection of fibrillation
US7130677B2 (en) * 2002-12-04 2006-10-31 Medtronic, Inc. Methods and apparatus for discriminating polymorphic tachyarrhythmias from monomorphic tachyarrhythmias facilitating detection of fibrillation
CA2499938C (en) * 2002-12-13 2007-07-24 Cetacea Networks Corporation Network bandwidth anomaly detector apparatus and method for detecting network attacks using correlation function
US7031770B2 (en) * 2002-12-31 2006-04-18 Cardiac Pacemakers, Inc. Distinguishing sinus tachycardia from atrial fibrillation and atrial flutter through analysis of atrial channel wavelet transforms
US6961612B2 (en) * 2003-02-19 2005-11-01 Zoll Medical Corporation CPR sensitive ECG analysis in an automatic external defibrillator
US7103404B2 (en) * 2003-02-27 2006-09-05 Medtronic,Inc. Detection of tachyarrhythmia termination
US7099714B2 (en) * 2003-03-31 2006-08-29 Medtronic, Inc. Biomedical signal denoising techniques
US7082327B2 (en) * 2003-04-16 2006-07-25 Medtronic, Inc. Biomedical signal analysis techniques using wavelets
CA2526932A1 (en) * 2003-04-23 2005-02-17 Hemchandra Shertukde Apparatus and method for non-invasive diagnosing of coronary artery disease
SE0301201D0 (sv) * 2003-04-24 2003-04-24 St Jude Medical Apparatus for analysing cardiac events
US7536224B2 (en) * 2003-04-30 2009-05-19 Medtronic, Inc. Method for elimination of ventricular pro-arrhythmic effect caused by atrial therapy
US7167747B2 (en) * 2003-05-13 2007-01-23 Medtronic, Inc. Identification of oversensing using sinus R-wave template
US7477932B2 (en) * 2003-05-28 2009-01-13 Cardiac Pacemakers, Inc. Cardiac waveform template creation, maintenance and use
US20040260350A1 (en) * 2003-06-20 2004-12-23 Medtronic, Inc. Automatic EGM amplitude measurements during tachyarrhythmia episodes
US7220235B2 (en) * 2003-06-27 2007-05-22 Zoll Medical Corporation Method and apparatus for enhancement of chest compressions during CPR
US20050038478A1 (en) * 2003-08-11 2005-02-17 Klepfer Ruth N. Activation recovery interval for classification of cardiac beats in an implanted device
US8332022B2 (en) * 2003-08-29 2012-12-11 Medtronic, Inc. Methods and apparatus for discriminating polymorphic tachyarrhythmias from monomorphic tachyarrhythmias facilitating detection of fibrillation
US7392082B2 (en) * 2003-09-26 2008-06-24 Medtronic, Inc. Inter-episode implementation of closed loop ATP
US7596535B2 (en) * 2003-09-29 2009-09-29 Biotronik Gmbh & Co. Kg Apparatus for the classification of physiological events
US20050101889A1 (en) 2003-11-06 2005-05-12 Freeman Gary A. Using chest velocity to process physiological signals to remove chest compression artifacts
JP2012091021A (ja) 2003-11-06 2012-05-17 Zoll Medical Corp 胸部圧迫適用中の生理学的信号を解析する装置
US7242978B2 (en) * 2003-12-03 2007-07-10 Medtronic, Inc. Method and apparatus for generating a template for arrhythmia detection and electrogram morphology classification
US20060247693A1 (en) 2005-04-28 2006-11-02 Yanting Dong Non-captured intrinsic discrimination in cardiac pacing response classification
US7319900B2 (en) * 2003-12-11 2008-01-15 Cardiac Pacemakers, Inc. Cardiac response classification using multiple classification windows
US7774064B2 (en) 2003-12-12 2010-08-10 Cardiac Pacemakers, Inc. Cardiac response classification using retriggerable classification windows
US8521284B2 (en) 2003-12-12 2013-08-27 Cardiac Pacemakers, Inc. Cardiac response classification using multisite sensing and pacing
US7149569B1 (en) * 2003-12-15 2006-12-12 Pacesetter, Inc. Apparatus and method for improved morphology discrimination in an implantable cardioverter defibrillator
US7567837B2 (en) 2003-12-19 2009-07-28 Institute Of Critical Care Medicine Enhanced rhythm identification in compression corrupted ECG
US7039457B2 (en) * 2003-12-19 2006-05-02 Institute Of Critical Care Medicine Rhythm identification in compression corrupted ECG signal
US7769450B2 (en) * 2004-11-18 2010-08-03 Cardiac Pacemakers, Inc. Cardiac rhythm management device with neural sensor
US20050245975A1 (en) * 2004-04-15 2005-11-03 Hettrick Douglas A Method and apparatus for controlling delivery of pacing pulses in response to increased ectopic frequency
US7706869B2 (en) * 2004-04-16 2010-04-27 Medtronic, Inc. Automated template generation algorithm for implantable device
US7561911B2 (en) * 2004-04-16 2009-07-14 Medtronic, Inc. Automated template generation algorithm for implantable device
US20050240780A1 (en) * 2004-04-23 2005-10-27 Cetacea Networks Corporation Self-propagating program detector apparatus, method, signals and medium
US7565194B2 (en) 2004-05-12 2009-07-21 Zoll Medical Corporation ECG rhythm advisory method
WO2005112749A1 (en) 2004-05-12 2005-12-01 Zoll Medical Corporation Ecg rhythm advisory method
US7706866B2 (en) 2004-06-24 2010-04-27 Cardiac Pacemakers, Inc. Automatic orientation determination for ECG measurements using multiple electrodes
US20060064136A1 (en) * 2004-09-23 2006-03-23 Medtronic, Inc. Method and apparatus for facilitating patient alert in implantable medical devices
ATE517658T1 (de) * 2004-09-30 2011-08-15 Cardiac Pacemakers Inc Arrythmie-klassifizierung und therapiewahl
US7805185B2 (en) 2005-05-09 2010-09-28 Cardiac Pacemakers, In. Posture monitoring using cardiac activation sequences
US7509170B2 (en) 2005-05-09 2009-03-24 Cardiac Pacemakers, Inc. Automatic capture verification using electrocardiograms sensed from multiple implanted electrodes
US7228173B2 (en) * 2004-11-23 2007-06-05 Cardiac Pacemakers, Inc. Cardiac tachyarrhythmia therapy selection based on patient response information
US7917196B2 (en) 2005-05-09 2011-03-29 Cardiac Pacemakers, Inc. Arrhythmia discrimination using electrocardiograms sensed from multiple implanted electrodes
US7894893B2 (en) 2004-09-30 2011-02-22 Cardiac Pacemakers, Inc. Arrhythmia classification and therapy selection
US7457664B2 (en) 2005-05-09 2008-11-25 Cardiac Pacemakers, Inc. Closed loop cardiac resynchronization therapy using cardiac activation sequence information
US7277747B2 (en) * 2004-11-23 2007-10-02 Cardiac Pacemakers, Inc. Arrhythmia memory for tachyarrhythmia discrimination
US7933651B2 (en) * 2004-11-23 2011-04-26 Cardiac Pacemakers, Inc. Cardiac template generation based on patient response information
US7890159B2 (en) 2004-09-30 2011-02-15 Cardiac Pacemakers, Inc. Cardiac activation sequence monitoring and tracking
US7797036B2 (en) 2004-11-30 2010-09-14 Cardiac Pacemakers, Inc. Cardiac activation sequence monitoring for ischemia detection
US7273559B2 (en) * 2004-10-28 2007-09-25 Eastman Chemical Company Process for removal of impurities from an oxidizer purge stream
US8332047B2 (en) * 2004-11-18 2012-12-11 Cardiac Pacemakers, Inc. System and method for closed-loop neural stimulation
US20060116596A1 (en) 2004-12-01 2006-06-01 Xiaohong Zhou Method and apparatus for detection and monitoring of T-wave alternans
CA2486949A1 (fr) 2004-12-09 2006-06-09 Christian Cloutier Systeme et methode pour la detection des chutes et du suivi des niveaux d'activite a distance chez des personnes en perte d'autonomie
JP4635609B2 (ja) * 2005-01-06 2011-02-23 ソニー株式会社 高周波信号受信装置
US20070055151A1 (en) * 2005-01-20 2007-03-08 Shertukde Hemchandra M Apparatus and methods for acoustic diagnosis
US8160697B2 (en) 2005-01-25 2012-04-17 Cameron Health, Inc. Method for adapting charge initiation for an implantable cardioverter-defibrillator
US7818056B2 (en) 2005-03-24 2010-10-19 Cardiac Pacemakers, Inc. Blending cardiac rhythm detection processes
US20060229679A1 (en) * 2005-03-31 2006-10-12 Joo Tae H External defibrillator and a method of determining when to use the external defibrillator
US7392086B2 (en) 2005-04-26 2008-06-24 Cardiac Pacemakers, Inc. Implantable cardiac device and method for reduced phrenic nerve stimulation
US7474916B2 (en) * 2005-04-28 2009-01-06 Medtronic, Inc. Method and apparatus for discriminating ventricular and supraventricular tachyarrhythmias
US7634316B2 (en) 2005-04-28 2009-12-15 Imperception, Inc. Method and apparatus for validating a pacing train associated with T-shock delivery
US7574260B2 (en) 2005-04-28 2009-08-11 Cardiac Pacemakers, Inc. Adaptive windowing for cardiac waveform discrimination
US7499751B2 (en) * 2005-04-28 2009-03-03 Cardiac Pacemakers, Inc. Cardiac signal template generation using waveform clustering
US8116867B2 (en) * 2005-08-04 2012-02-14 Cameron Health, Inc. Methods and devices for tachyarrhythmia sensing and high-pass filter bypass
US7908001B2 (en) * 2005-08-23 2011-03-15 Cardiac Pacemakers, Inc. Automatic multi-level therapy based on morphologic organization of an arrhythmia
US20070071338A1 (en) * 2005-09-23 2007-03-29 Hewlett-Packard Development Company, L.P. Method or apparatus for processing performance data from a communications network
US8401644B2 (en) * 2005-11-28 2013-03-19 Medtronic, Inc. Method and apparatus for post-processing of episodes detected by a medical device
US8073537B2 (en) 2005-11-28 2011-12-06 Medtronic, Inc. Method and apparatus for post-processing of episodes detected by a medical device
US8532762B2 (en) * 2005-12-20 2013-09-10 Cardiac Pacemakers, Inc. Discriminating polymorphic and monomorphic cardiac rhythms using template generation
US7653431B2 (en) * 2005-12-20 2010-01-26 Cardiac Pacemakers, Inc. Arrhythmia discrimination based on determination of rate dependency
US7848808B2 (en) * 2006-02-28 2010-12-07 Medtronic, Inc. System and method for delivery of cardiac pacing in a medical device in response to ischemia
US7496409B2 (en) * 2006-03-29 2009-02-24 Medtronic, Inc. Implantable medical device system and method with signal quality monitoring and response
EP2032027B1 (de) * 2006-05-05 2011-10-26 Medtronic, Inc. Verfahren und gerät zum nachweis von leitungsausfall in einem medizinprodukt auf basis von wavelet-zerfallsanalyse
US8527048B2 (en) 2006-06-29 2013-09-03 Cardiac Pacemakers, Inc. Local and non-local sensing for cardiac pacing
ES2272196B1 (es) * 2006-08-04 2008-03-01 Gem-Med, S.L. Procedimiento para el procesado de señales cardiolectricas y dispositivo correspondiente.
US7580741B2 (en) * 2006-08-18 2009-08-25 Cardiac Pacemakers, Inc. Method and device for determination of arrhythmia rate zone thresholds using a probability function
US7899531B1 (en) * 2006-08-22 2011-03-01 Pacesetter, Inc. Neural sensing for atrial fibrillation
US7738950B2 (en) * 2006-09-13 2010-06-15 Cardiac Pacemakers, Inc. Method and apparatus for identifying potentially misclassified arrhythmic episodes
US8712507B2 (en) * 2006-09-14 2014-04-29 Cardiac Pacemakers, Inc. Systems and methods for arranging and labeling cardiac episodes
US8209013B2 (en) 2006-09-14 2012-06-26 Cardiac Pacemakers, Inc. Therapeutic electrical stimulation that avoids undesirable activation
US8014851B2 (en) 2006-09-26 2011-09-06 Cameron Health, Inc. Signal analysis in implantable cardiac treatment devices
US7831304B2 (en) * 2006-09-29 2010-11-09 Medtronic, Inc. Method for determining oversensing in an implantable device
US8437837B2 (en) * 2006-09-29 2013-05-07 Medtronic, Inc. Method and apparatus for induced T-wave alternans assessment
US7941208B2 (en) 2006-11-29 2011-05-10 Cardiac Pacemakers, Inc. Therapy delivery for identified tachyarrhythmia episode types
US8540642B2 (en) * 2007-01-31 2013-09-24 Medtronic, Inc. Implantable medical device and method for physiological event monitoring
US20080228093A1 (en) * 2007-03-13 2008-09-18 Yanting Dong Systems and methods for enhancing cardiac signal features used in morphology discrimination
EP1972268A1 (de) * 2007-03-21 2008-09-24 Nihon Kohden Corporation Verfahren zur Komprimierung von EKG-Daten und EKG-Telemetriesystem damit
US20080243012A1 (en) * 2007-03-29 2008-10-02 Nihon Kohden Corporation Method of compressing electrocardiogram data and electrocardiogram telemetry system using the same
US20080269819A1 (en) * 2007-04-26 2008-10-30 Xiaohong Zhou Discrimination of supraventricular tachycardia from ventricular tachycardia
US7930020B2 (en) * 2007-04-27 2011-04-19 Medtronic, Inc. Morphology based arrhythmia detection
US9037239B2 (en) 2007-08-07 2015-05-19 Cardiac Pacemakers, Inc. Method and apparatus to perform electrode combination selection
US8265736B2 (en) 2007-08-07 2012-09-11 Cardiac Pacemakers, Inc. Method and apparatus to perform electrode combination selection
US8126539B2 (en) 2007-10-12 2012-02-28 Medtronic, Inc. Method and apparatus for monitoring T-wave alternans
WO2009064222A1 (en) * 2007-11-14 2009-05-22 St Jude Medical Ab Tachycardia classification
WO2009092055A1 (en) 2008-01-18 2009-07-23 Cameron Health, Inc. Data manipulation following delivery of a cardiac stimulus in an implantable cardiac stimulus device
CN101939051B (zh) 2008-02-14 2013-07-10 心脏起搏器公司 用于膈刺激检测的方法和装置
JP5457376B2 (ja) 2008-03-07 2014-04-02 キャメロン ヘルス、 インコーポレイテッド 埋め込み型心臓刺激デバイスにおける的確な心臓事象検出
US8160686B2 (en) 2008-03-07 2012-04-17 Cameron Health, Inc. Methods and devices for accurately classifying cardiac activity
US8145308B2 (en) * 2008-03-13 2012-03-27 Medtronic, Inc. Method and apparatus for determining a parameter associated with delivery of therapy in a medical device
US8090434B2 (en) * 2008-03-18 2012-01-03 Biotronik Crm Patent Ag Device, method and computer-readable storage medium for enhanced sense event classification in implantable devices by means of morphology analysis
ATE503417T1 (de) * 2008-03-18 2011-04-15 Biotronik Crm Patent Ag Vorrichtung und computerlesbarer datenträger zur svt- und vt-klassifizierung
US20090247893A1 (en) * 2008-03-27 2009-10-01 The General Electric Company Method and apparatus for measuring responsiveness of a subject
EP2105843B1 (de) 2008-03-28 2011-03-16 Ela Medical Aktives Medizingerät, das verbesserte Mittel zur Unterscheidung zwischen Tachykardien ventrikulären Ursprungs und Tachykardien supraventrikulären Ursprungs enthält
US7996070B2 (en) 2008-04-24 2011-08-09 Medtronic, Inc. Template matching method for monitoring of ECG morphology changes
EP2455132B1 (de) 2008-05-07 2013-06-26 Cameron Health, Inc. Vorrichtungen zur genauen Klassifizierung der Herzaktivität
US8200322B2 (en) 2008-06-02 2012-06-12 Medtronic, Inc. Electrogram storage for suspected non-physiological episodes
CA2735217C (en) * 2008-08-22 2016-12-06 St. Mary's Duluth Clinic Implanted medical device
US8078277B2 (en) * 2008-10-29 2011-12-13 Medtronic, Inc. Identification and remediation of oversensed cardiac events using far-field electrograms
US8712523B2 (en) 2008-12-12 2014-04-29 Cameron Health Inc. Implantable defibrillator systems and methods with mitigations for saturation avoidance and accommodation
US8428697B2 (en) 2009-01-22 2013-04-23 Medtronic, Inc. “Blurred template” approach for arrhythmia detection
US8332032B2 (en) 2009-01-23 2012-12-11 Medtronic, Inc. Hybrid single-chamber to simultaneous pacing method for discrimination of tachycardias
WO2010111209A1 (en) 2009-03-23 2010-09-30 Medtronic, Inc. Combined hemodynamic and egm-based arrhythmia detection
US8855755B2 (en) 2009-04-27 2014-10-07 Medtronic, Inc. Distinguishing between treatable and non-treatable heart rhythms
US8391964B2 (en) * 2009-05-11 2013-03-05 Medtronic, Inc. Detecting electrical conduction abnormalities in a heart
WO2011008550A1 (en) 2009-06-29 2011-01-20 Cameron Health, Inc. Adaptive confirmation of treatable arrhythmia in implantable cardiac stimulus devices
US8140156B2 (en) * 2009-06-30 2012-03-20 Medtronic, Inc. Heart sound sensing to reduce inappropriate tachyarrhythmia therapy
US8386038B2 (en) 2009-07-01 2013-02-26 Stefano Bianchi Vagal stimulation during atrial tachyarrhythmia to facilitate cardiac resynchronization therapy
US8483808B2 (en) 2009-09-25 2013-07-09 Yanting Dong Methods and systems for characterizing cardiac signal morphology using K-fit analysis
US8831723B2 (en) * 2009-09-30 2014-09-09 Medtronic, Inc. Pace discrimination of tachycardia using atrial-ventricular pacing
US8718762B2 (en) 2009-09-30 2014-05-06 Medtronic, Inc. Pace discrimination of tachycardia using atrial-ventricular pacing
US8306620B2 (en) * 2009-09-30 2012-11-06 Medtronic, Inc. Pace discrimination of tachycardia using atrial-ventricular pacing
US8744555B2 (en) 2009-10-27 2014-06-03 Cameron Health, Inc. Adaptive waveform appraisal in an implantable cardiac system
US8265737B2 (en) 2009-10-27 2012-09-11 Cameron Health, Inc. Methods and devices for identifying overdetection of cardiac signals
US8260419B2 (en) * 2009-10-27 2012-09-04 Medtronic, Inc. Non-sustained tachyarrhythmia analysis to identify lead related condition
US8548573B2 (en) 2010-01-18 2013-10-01 Cameron Health, Inc. Dynamically filtered beat detection in an implantable cardiac device
US8396543B2 (en) * 2010-01-28 2013-03-12 Medtronic, Inc. Storage of data for evaluation of lead integrity
WO2011099992A1 (en) 2010-02-12 2011-08-18 Brigham And Women's Hospital, Inc. System and method for automated adjustment of cardiac resynchronization therapy control parameters
US8233972B2 (en) * 2010-02-12 2012-07-31 Siemens Medical Solutions Usa, Inc. System for cardiac arrhythmia detection and characterization
US8620414B2 (en) 2010-03-30 2013-12-31 Medtronic, Inc. Detection of T-wave alternans phase reversal for arrhythmia prediction and sudden cardiac death risk stratification
EP2563472A1 (de) 2010-04-28 2013-03-06 Medtronic, Inc. Verfahren und vorrichtung für nachweis und unterscheidung von tachykardie
WO2011136926A1 (en) 2010-04-28 2011-11-03 Medtronic, Inc. Method and apparatus for detecting and discriminating tachycardia
WO2011136950A1 (en) 2010-04-28 2011-11-03 Medtronic, Inc. Apparatus for detecting and discriminating tachycardia
WO2011136920A1 (en) 2010-04-28 2011-11-03 Medtronic, Inc. Method and apparatus for detecting and discriminating tachycardia
US8437842B2 (en) 2010-04-28 2013-05-07 Medtronic, Inc. Method and apparatus for detecting and discriminating tachycardia
US8301235B2 (en) 2010-04-28 2012-10-30 Medtronic, Inc. Method and apparatus for detecting and discriminating tachycardia
US8521275B2 (en) 2010-04-28 2013-08-27 Medtronic, Inc. Method of dual EGM sensing and heart rate estimation in implanted cardiac devices
US8543198B2 (en) 2010-04-28 2013-09-24 Medtronic, Inc. Method and apparatus for detecting and discriminating tachycardia
EP2563473B1 (de) 2010-04-28 2014-07-16 Medtronic, Inc. Vorrichtung für erkennung und unterscheidung von tachykardie
US8406872B2 (en) 2010-04-28 2013-03-26 Medtronic, Inc. Method and apparatus for detecting and discriminating tachycardia
US8271073B2 (en) 2010-04-28 2012-09-18 Michael C. Soldner Method and apparatus for detecting and discriminating tachycardia
US8401629B2 (en) 2010-04-28 2013-03-19 Medtronic, Inc. Method and apparatus for detecting and discriminating tachycardia
US8983585B2 (en) 2010-04-28 2015-03-17 Medtronic, Inc. Method and apparatus for detecting and discriminating tachycardia
US20110270102A1 (en) 2010-04-28 2011-11-03 Medtronic, Inc. Method and apparatus for detecting and discriminating tachycardia
US8315699B2 (en) 2010-04-28 2012-11-20 Medtronic, Inc. Method and apparatus for detecting and discriminating tachycardia
US8620425B2 (en) 2010-04-29 2013-12-31 Medtronic, Inc. Nerve signal differentiation in cardiac therapy
US8406868B2 (en) 2010-04-29 2013-03-26 Medtronic, Inc. Therapy using perturbation and effect of physiological systems
US8639327B2 (en) 2010-04-29 2014-01-28 Medtronic, Inc. Nerve signal differentiation in cardiac therapy
US8694097B2 (en) 2010-06-30 2014-04-08 Medtronic, Inc. Multi-channel sensing methods in implantable cardiovertor defibrillators
US8229559B2 (en) 2010-07-15 2012-07-24 Medtronic, Inc. Evaluation of implantable medical device data
US8788028B2 (en) 2010-07-28 2014-07-22 Medtronic, Inc. Parasympathetic stimulation to enhance tachyarrhythmia detection
US9962100B2 (en) 2010-08-20 2018-05-08 Cameron Health, Inc. Methods and devices that identify overdetection in implantable cardiac systems
US8170654B1 (en) 2010-10-13 2012-05-01 Medtronic, Inc. Sequential discrimination approach for detecting treatable cardiac rhythms
US20120109240A1 (en) * 2010-10-29 2012-05-03 Xiaohong Zhou Automatic adjustment of arrhythmia detection parameters
US8781582B2 (en) 2011-01-19 2014-07-15 Medtronic, Inc. Vagal stimulation
US8781583B2 (en) 2011-01-19 2014-07-15 Medtronic, Inc. Vagal stimulation
US8725259B2 (en) 2011-01-19 2014-05-13 Medtronic, Inc. Vagal stimulation
US8706223B2 (en) 2011-01-19 2014-04-22 Medtronic, Inc. Preventative vagal stimulation
US8718763B2 (en) 2011-01-19 2014-05-06 Medtronic, Inc. Vagal stimulation
US8750976B2 (en) 2011-03-02 2014-06-10 Medtronic, Inc. Implanted multichamber cardiac device with selective use of reliable atrial information
US9166321B2 (en) 2011-03-22 2015-10-20 Greatbatch Ltd. Thin profile stacked layer contact
US10542887B2 (en) 2011-04-01 2020-01-28 Medtronic, Inc. Heart failure monitoring
US9656076B2 (en) 2011-04-07 2017-05-23 Nuvectra Corporation Arbitrary waveform generator and neural stimulation application with scalable waveform feature and charge balancing
US8874219B2 (en) 2011-04-07 2014-10-28 Greatbatch, Ltd. Arbitrary waveform generator and neural stimulation application
US8996115B2 (en) 2011-04-07 2015-03-31 Greatbatch, Ltd. Charge balancing for arbitrary waveform generator and neural stimulation application
US8996117B2 (en) * 2011-04-07 2015-03-31 Greatbatch, Ltd. Arbitrary waveform generator and neural stimulation application with scalable waveform feature
US8972228B2 (en) 2011-05-03 2015-03-03 Medtronic, Inc. Assessing intra-cardiac activation patterns
US8521268B2 (en) 2011-05-10 2013-08-27 Medtronic, Inc. Techniques for determining cardiac cycle morphology
US9433791B2 (en) 2011-05-11 2016-09-06 Medtronic, Inc. AV nodal stimulation during atrial tachyarrhythmia to prevent inappropriate therapy delivery
US20120296387A1 (en) 2011-05-19 2012-11-22 Xusheng Zhang Phrenic nerve stimulation detection using heart sounds
US8617082B2 (en) 2011-05-19 2013-12-31 Medtronic, Inc. Heart sounds-based pacing optimization
US8777874B2 (en) 2011-05-24 2014-07-15 Medtronic, Inc. Acoustic based cough detection
US20130024123A1 (en) * 2011-07-21 2013-01-24 Nellcor Puritan Bennett Ireland Methods and systems for determining physiological parameters using template matching
US8626291B2 (en) 2011-07-28 2014-01-07 Medtronic, Inc. Method for discriminating anodal and cathodal capture
US8527050B2 (en) 2011-07-28 2013-09-03 Medtronic, Inc. Method for discriminating anodal and cathodal capture
US8768459B2 (en) 2011-07-31 2014-07-01 Medtronic, Inc. Morphology-based precursor to template matching comparison
US8750994B2 (en) 2011-07-31 2014-06-10 Medtronic, Inc. Morphology-based discrimination algorithm based on relative amplitude differences and correlation of imprints of energy distribution
US20130053918A1 (en) 2011-08-30 2013-02-28 Aleksandre T. Sambelashvili Left-ventricular pacing site selection guided by electrogram morphology analysis
US8437840B2 (en) 2011-09-26 2013-05-07 Medtronic, Inc. Episode classifier algorithm
US8774909B2 (en) 2011-09-26 2014-07-08 Medtronic, Inc. Episode classifier algorithm
US8744560B2 (en) 2011-09-30 2014-06-03 Medtronic, Inc. Electrogram summary
US9668668B2 (en) 2011-09-30 2017-06-06 Medtronic, Inc. Electrogram summary
US8521281B2 (en) 2011-10-14 2013-08-27 Medtronic, Inc. Electrogram classification algorithm
US8886296B2 (en) 2011-10-14 2014-11-11 Medtronic, Inc. T-wave oversensing
US9199087B2 (en) 2011-11-21 2015-12-01 Medtronic, Inc. Apparatus and method for selecting a preferred pacing vector in a cardiac resynchronization device
US9037238B2 (en) 2011-11-21 2015-05-19 Michael C. Soldner Method for efficient delivery of dual site pacing
US8682433B2 (en) 2011-11-21 2014-03-25 Medtronic, Inc. Method for efficient delivery of dual site pacing
US9956416B2 (en) 2011-12-22 2018-05-01 Medtronic, Inc. Monitoring activation times for use in determining pacing effectiveness
US9002454B2 (en) 2011-12-23 2015-04-07 Medtronic, Inc. Tracking pacing effectiveness based on waveform features
US8886315B2 (en) 2011-12-23 2014-11-11 Medtronic, Inc. Effectiveness of ventricular sense response in CRT
US8886311B2 (en) 2012-01-27 2014-11-11 Medtronic, Inc. Techniques for mitigating motion artifacts from implantable physiological sensors
US10130267B2 (en) 2012-03-08 2018-11-20 Medtronic, Inc. Heart sound monitoring of pulmonary hypertension
US8996101B2 (en) 2012-03-12 2015-03-31 Medtronic, Inc. Heart sound sensing to reduce inappropriate tachyarrhythmia therapy
US9572990B2 (en) 2012-07-11 2017-02-21 Medtronic, Inc. System and method for identifying lead dislodgement
US20140073973A1 (en) * 2012-09-10 2014-03-13 Vanderbilt University Intravenous access device having integrated hemodynamic resuscitation system and related methods
US9782587B2 (en) 2012-10-01 2017-10-10 Nuvectra Corporation Digital control for pulse generators
US9031642B2 (en) 2013-02-21 2015-05-12 Medtronic, Inc. Methods for simultaneous cardiac substrate mapping using spatial correlation maps between neighboring unipolar electrograms
US8965489B2 (en) 2013-02-21 2015-02-24 Medtronic, Inc. Method and determination of cardiac activation from electrograms with multiple deflections
JP2016512460A (ja) 2013-03-11 2016-04-28 キャメロン ヘルス、 インコーポレイテッド 不整脈検出のための二重基準を実現する方法及び装置
US9950155B2 (en) 2013-03-15 2018-04-24 Medtronic, Inc. Identify insulation breach using electrograms
US10293155B2 (en) 2013-03-15 2019-05-21 Medtronic, Inc. Identify insulation breach using electrograms
EP2969034A4 (de) 2013-03-15 2016-11-30 Zoll Medical Corp Verarbeitung von impedanzsignalen für atemdetektion
WO2014149729A1 (en) 2013-03-15 2014-09-25 Medtronic, Inc. Utilization of morphology discrimination after undersensing determination for underlying rhythms in the therapy zone
US9008773B2 (en) 2013-03-15 2015-04-14 Medtronic, Inc. Identification of insulation breach using electrograms
US8965505B2 (en) 2013-03-15 2015-02-24 Medtronic, Inc. Utilization of morphology discrimination after undersensing determination for underlying rhythms in the therapy zone
US9278219B2 (en) 2013-03-15 2016-03-08 Medtronic, Inc. Closed loop optimization of control parameters during cardiac pacing
US8914106B2 (en) 2013-03-15 2014-12-16 Medtronic, Inc. Utilization of morphology discrimination after T-wave oversensing determination for underlying rhythms in the therapy zone
US9642575B2 (en) 2013-03-15 2017-05-09 Zoll Medical Corporation ECG noise reduction system for removal of vehicle motion artifact
US9002443B2 (en) 2013-03-15 2015-04-07 Medtronic, Inc. System and method for avoiding undersensing of ventricular fibrillation
US9775559B2 (en) 2013-04-26 2017-10-03 Medtronic, Inc. Staged rhythm detection system and method
US10064567B2 (en) 2013-04-30 2018-09-04 Medtronic, Inc. Systems, methods, and interfaces for identifying optimal electrical vectors
US9931048B2 (en) 2013-04-30 2018-04-03 Medtronic, Inc. Systems, methods, and interfaces for identifying effective electrodes
US10251555B2 (en) 2013-06-12 2019-04-09 Medtronic, Inc. Implantable electrode location selection
US9474457B2 (en) 2013-06-12 2016-10-25 Medtronic, Inc. Metrics of electrical dyssynchrony and electrical activation patterns from surface ECG electrodes
US9877789B2 (en) 2013-06-12 2018-01-30 Medtronic, Inc. Implantable electrode location selection
US9278220B2 (en) 2013-07-23 2016-03-08 Medtronic, Inc. Identification of healthy versus unhealthy substrate for pacing from a multipolar lead
US9282907B2 (en) 2013-07-23 2016-03-15 Medtronic, Inc. Identification of healthy versus unhealthy substrate for pacing from a multipolar lead
US9265955B2 (en) 2013-07-26 2016-02-23 Medtronic, Inc. Method and system for improved estimation of time of left ventricular pacing with respect to intrinsic right ventricular activation in cardiac resynchronization therapy
US9265954B2 (en) 2013-07-26 2016-02-23 Medtronic, Inc. Method and system for improved estimation of time of left ventricular pacing with respect to intrinsic right ventricular activation in cardiac resynchronization therapy
JP6200590B2 (ja) * 2013-08-20 2017-09-20 セント・ジュード・メディカル・エイトリアル・フィブリレーション・ディヴィジョン・インコーポレーテッド 電気生理学的マップを生成するためのシステムおよび方法
US9511233B2 (en) 2013-11-21 2016-12-06 Medtronic, Inc. Systems and methods for leadless cardiac resynchronization therapy
US9320446B2 (en) 2013-12-09 2016-04-26 Medtronic, Inc. Bioelectric sensor device and methods
US9986928B2 (en) 2013-12-09 2018-06-05 Medtronic, Inc. Noninvasive cardiac therapy evaluation
US9254392B2 (en) 2013-12-31 2016-02-09 Medtronic, Inc. Anodal capture detection
US9302100B2 (en) 2014-02-13 2016-04-05 Medtronic, Inc. Lead monitoring frequency based on lead and patient characteristics
US9409026B2 (en) 2014-02-13 2016-08-09 Medtronic, Inc. Lead monitoring frequency based on lead and patient characteristics
WO2015123483A1 (en) 2014-02-13 2015-08-20 Medtronic, Inc. Lead monitoring frequency based on lead and patient characteristics
US9399141B2 (en) 2014-02-13 2016-07-26 Medtronic, Inc. Lead monitoring frequency based on lead and patient characteristics
US9278226B2 (en) 2014-03-05 2016-03-08 Medtronic, Inc. Shock therapy for monomorphic detected ventricular tachycardia
US10596064B2 (en) 2014-03-18 2020-03-24 Zoll Medical Corporation CPR chest compression system with tonometric input and feedback
US9776009B2 (en) 2014-03-20 2017-10-03 Medtronic, Inc. Non-invasive detection of phrenic nerve stimulation
US9492671B2 (en) 2014-05-06 2016-11-15 Medtronic, Inc. Acoustically triggered therapy delivery
US9669224B2 (en) 2014-05-06 2017-06-06 Medtronic, Inc. Triggered pacing system
US9999774B2 (en) 2014-05-06 2018-06-19 Medtronic, Inc. Optical trigger for therapy delivery
WO2016003666A2 (en) 2014-06-30 2016-01-07 Medtronic, Inc. Identify insulation breach using electrograms
US9486637B2 (en) 2014-07-24 2016-11-08 Medtronic, Inc. Method and apparatus for accurate separation of supraventricular tachycardia from ventricular tachycardia during posture changes
US9924885B2 (en) 2014-07-24 2018-03-27 Medtronic, Inc. Rhythm discriminator with immunity to body posture
US9168380B1 (en) 2014-07-24 2015-10-27 Medtronic, Inc. System and method for triggered pacing
US9591982B2 (en) 2014-07-31 2017-03-14 Medtronic, Inc. Systems and methods for evaluating cardiac therapy
US9554714B2 (en) 2014-08-14 2017-01-31 Cameron Health Inc. Use of detection profiles in an implantable medical device
US9707400B2 (en) 2014-08-15 2017-07-18 Medtronic, Inc. Systems, methods, and interfaces for configuring cardiac therapy
US9586050B2 (en) 2014-08-15 2017-03-07 Medtronic, Inc. Systems and methods for configuration of atrioventricular interval
US9586052B2 (en) 2014-08-15 2017-03-07 Medtronic, Inc. Systems and methods for evaluating cardiac therapy
US9764143B2 (en) 2014-08-15 2017-09-19 Medtronic, Inc. Systems and methods for configuration of interventricular interval
US9468385B2 (en) 2014-08-22 2016-10-18 Medtronic, Inc. Visual representation of a cardiac signal sensing test
US10369372B2 (en) 2014-10-21 2019-08-06 Medtronic, Inc. Recovery of cardiac event sensing and rhythm detection following electrical stimulation pulse delivery
US9682244B2 (en) 2014-10-21 2017-06-20 Medtronic, Inc. Cardiac event sensing and pacing after delivery of an electrical stimulation pulse
US9199078B1 (en) 2014-10-24 2015-12-01 Medtronic, Inc. Identifying lead problems using amplitudes of far-field cardiac events
US9566012B2 (en) 2014-10-27 2017-02-14 Medtronic, Inc. Method and apparatus for selection and use of virtual sensing vectors
US10052494B2 (en) 2014-12-23 2018-08-21 Medtronic, Inc. Hemodynamically unstable ventricular arrhythmia detection
US9468772B2 (en) 2015-01-21 2016-10-18 Medtronic, Inc. Multi-device implantable medical device system and programming methods
US10213125B2 (en) 2015-01-23 2019-02-26 Medtronic, Inc. Atrial arrhythmia episode detection in a cardiac medical device
CN107205657B (zh) 2015-01-23 2021-06-01 美敦力公司 心脏医疗设备中的房性心律失常发作检测
US10004418B2 (en) 2015-01-23 2018-06-26 Medtronic, Inc. Atrial arrhythmia episode detection in a cardiac medical device
US11253178B2 (en) 2015-01-29 2022-02-22 Medtronic, Inc. Noninvasive assessment of cardiac resynchronization therapy
US9468392B2 (en) 2015-02-06 2016-10-18 Medtronic, Inc. Determining paced cardiac depolarization waveform morphological templates
WO2016126968A1 (en) 2015-02-06 2016-08-11 Cardiac Pacemakers, Inc. Systems and methods for safe delivery of electrical stimulation therapy
US9901276B2 (en) 2015-02-18 2018-02-27 Medtronic, Inc. Method and apparatus for identifying sick sinus syndrome in an implantable cardiac monitoring device
US9486155B2 (en) 2015-02-18 2016-11-08 Medtronic, Inc. Method and apparatus for atrial arrhythmia episode detection
US10610679B2 (en) 2015-03-27 2020-04-07 Zoll Medical Corporation ECG and defibrillator electrode detection and tracking system and method
US9586051B2 (en) 2015-04-23 2017-03-07 Medtronic, Inc. Method and apparatus for detection of intrinsic depolarization following high energy cardiac electrical stimulation
US9675270B2 (en) 2015-04-23 2017-06-13 Medtronic, Inc. Method and apparatus for determining a premature ventricular contraction in a medical monitoring device
US20160310029A1 (en) 2015-04-23 2016-10-27 Medtronic, Inc. Method and apparatus for determining a premature ventricular contraction in a medical monitoring device
US10772793B2 (en) 2015-06-12 2020-09-15 Norman A. Paradis Mechanical cardiopulmonary resuscitation combining circumferential constriction and anteroposterior compression of the chest
US10004906B2 (en) 2015-07-16 2018-06-26 Medtronic, Inc. Confirming sensed atrial events for pacing during resynchronization therapy in a cardiac medical device and medical device system
US9656087B2 (en) 2015-07-31 2017-05-23 Medtronic, Inc. Delivery of bi-ventricular pacing therapy in a cardiac medical device and medical device system
US9808637B2 (en) 2015-08-11 2017-11-07 Medtronic, Inc. Ventricular tachycardia detection algorithm using only cardiac event intervals
US10143424B2 (en) 2015-08-14 2018-12-04 Medtronic, Inc. Detection of medical electrical lead issues
US9533165B1 (en) 2015-08-19 2017-01-03 Medtronic, Inc. Detection of medical electrical lead issues and therapy control
US10406345B2 (en) 2015-10-16 2019-09-10 Zoll Medical Corporation Dual sensor electrodes for providing enhanced resuscitation feedback
US10264989B2 (en) 2015-10-23 2019-04-23 Cardiac Pacemakers, Inc. Signal quality monitoring for multiple sense vectors in cardiac devices
US9855430B2 (en) 2015-10-29 2018-01-02 Medtronic, Inc. Far-field P-wave sensing in near real-time for timing delivery of pacng therapy in a cardiac medical device and medical device system
US10252068B2 (en) 2015-11-06 2019-04-09 Medtronic, Inc. Reducing false positive lead integrity alerts
US9731138B1 (en) 2016-02-17 2017-08-15 Medtronic, Inc. System and method for cardiac pacing
US11219769B2 (en) 2016-02-26 2022-01-11 Medtronic, Inc. Noninvasive methods and systems of determining the extent of tissue capture from cardiac pacing
US10780279B2 (en) 2016-02-26 2020-09-22 Medtronic, Inc. Methods and systems of optimizing right ventricular only pacing for patients with respect to an atrial event and left ventricular event
US10045710B2 (en) 2016-03-30 2018-08-14 Medtronic, Inc. Atrial arrhythmia episode detection in a cardiac medical device
US10039469B2 (en) 2016-03-30 2018-08-07 Medtronic, Inc. Atrial arrhythmia episode detection in a cardiac medical device
US9802055B2 (en) 2016-04-04 2017-10-31 Medtronic, Inc. Ultrasound powered pulse delivery device
US9956423B2 (en) 2016-04-27 2018-05-01 Medtronic, Inc. System and method for sensing and detection in an extra-cardiovascular implantable cardioverter defibrillator
US10252071B2 (en) 2016-04-29 2019-04-09 Medtronic, Inc. Multi-threshold sensing of cardiac electrical signals in an extracardiovascular implantable cardioverter defibrillator
US10286221B2 (en) 2016-04-29 2019-05-14 Medtronic, Inc. Operation of an extracardiovascular implantable cardioverter defibrillator (ICD) during implantation of another medical device
US9844675B2 (en) 2016-04-29 2017-12-19 Medtronic, Inc. Enabling and disabling anti-tachyarrhythmia pacing in a concomitant medical device system
US10328274B2 (en) 2016-06-08 2019-06-25 Medtronic, Inc. System and method for identifying and responding to P-wave oversensing in a cardiac system
US11684542B2 (en) 2016-07-22 2023-06-27 Norman A. Paradis Method to increase the efficacy of cardiopulmonary resuscitation by means of alternating phases during which the physical characteristics of chest compression are varied so as to increase overall forward blood flow
US10850113B2 (en) 2016-07-27 2020-12-01 Medtronic, Inc. Cardiac electrical signal morphology and pattern-based T-wave oversensing rejection
US20180028087A1 (en) 2016-07-27 2018-02-01 Medtronic, Inc. Cardiac electrical signal gross morphology-based noise detection for rejection of ventricular tachyarrhythmia detection
US10470681B2 (en) 2016-07-27 2019-11-12 Medtronic, Inc. Cardiac electrical signal noise detection for tachyarrhythmia episode rejection
US9642577B1 (en) * 2016-08-16 2017-05-09 American Reliance, Inc. Methods and systems for disease analysis based on transformations of diagnostic signals
US10583306B2 (en) 2017-01-26 2020-03-10 Medtronic, Inc. Detection of electromagnetic interference in a cardiac electrical signal by an implantable medical device
US10406373B2 (en) 2017-01-26 2019-09-10 Medtronic, Inc. Noise detection and frequency determination in an extra-cardiovascular implantable cardioverter defibrillator system
US11524169B2 (en) 2017-02-06 2022-12-13 Medtronic, Inc. Charge balanced cardiac pacing from high voltage circuitry of an extra-cardiovascular implantable cardioverter defibrillator system
US10532213B2 (en) 2017-03-03 2020-01-14 Medtronic, Inc. Criteria for determination of local tissue latency near pacing electrode
US10987517B2 (en) 2017-03-15 2021-04-27 Medtronic, Inc. Detection of noise signals in cardiac signals
US10555684B2 (en) 2017-04-25 2020-02-11 Medtronic, Inc. Supraventricular tachyarrhythmia discrimination
US10881862B2 (en) 2017-05-10 2021-01-05 Medtronic, Inc. Estimating RV-timings from left ventricular (LV) sensing times for adaptive cardiac resynchronization therapy using DDD/VDD LV pacing without a right ventricular (RV) lead
EP3658227B1 (de) 2017-07-28 2021-05-12 Medtronic, Inc. Herzzyklusauswahl
CN110996784B (zh) 2017-07-28 2023-05-30 美敦力公司 生成激动时间
US10675471B2 (en) 2017-08-15 2020-06-09 Medtronic, Inc. Anti-tachycardia pacing control in an implantable medical device system
JP6938778B2 (ja) 2017-09-20 2021-09-22 カーディアック ペースメイカーズ, インコーポレイテッド 複数の作動モードを備えた移植式医療用装置
US10694967B2 (en) 2017-10-18 2020-06-30 Medtronic, Inc. State-based atrial event detection
US10799710B2 (en) 2017-10-23 2020-10-13 Medtronic, Inc. Multi-threshold sensing of cardiac electrical signals in an implantable medical device
EP3723846B1 (de) 2017-12-15 2022-03-02 Medtronic, Inc. Unterscheidung von supraventrikulärer tachyarrhythmie
US10433746B2 (en) 2017-12-22 2019-10-08 Regents Of The University Of Minnesota Systems and methods for anterior and posterior electrode signal analysis
US10492705B2 (en) 2017-12-22 2019-12-03 Regents Of The University Of Minnesota Anterior and posterior electrode signals
US11419539B2 (en) 2017-12-22 2022-08-23 Regents Of The University Of Minnesota QRS onset and offset times and cycle selection using anterior and posterior electrode signals
US10799703B2 (en) 2017-12-22 2020-10-13 Medtronic, Inc. Evaluation of his bundle pacing therapy
US10786167B2 (en) 2017-12-22 2020-09-29 Medtronic, Inc. Ectopic beat-compensated electrical heterogeneity information
US11679059B2 (en) 2017-12-30 2023-06-20 Cpr Therapeutics, Inc. Methods and devices to improve the efficacy of mechanical cardiopulmonary resuscitation by changing the position of chest compression
US11123566B2 (en) 2018-01-10 2021-09-21 Medtronic, Inc. Cardiac resynchronization therapy diagnostics
US10881861B2 (en) 2018-01-10 2021-01-05 Medtronic, Inc. Adaptive cardiac resynchronization therapy
US10617318B2 (en) 2018-02-27 2020-04-14 Medtronic, Inc. Mapping electrical activity on a model heart
US10668290B2 (en) 2018-03-01 2020-06-02 Medtronic, Inc. Delivery of pacing therapy by a cardiac pacing device
US10668291B2 (en) 2018-03-06 2020-06-02 Medtronic, Inc. Impingement detection for implantable medical devices
US10918870B2 (en) 2018-03-07 2021-02-16 Medtronic, Inc. Atrial lead placement for treatment of atrial dyssynchrony
CN111886046A (zh) 2018-03-23 2020-11-03 美敦力公司 Av同步vfa心脏治疗
WO2019183512A1 (en) 2018-03-23 2019-09-26 Medtronic, Inc. Vfa cardiac resynchronization therapy
US10780281B2 (en) 2018-03-23 2020-09-22 Medtronic, Inc. Evaluation of ventricle from atrium pacing therapy
EP3768160B1 (de) 2018-03-23 2023-06-07 Medtronic, Inc. Vfa-herztherapie für tachykardie
WO2019191602A1 (en) 2018-03-29 2019-10-03 Medtronic, Inc. Left ventricular assist device adjustment and evaluation
US10596383B2 (en) 2018-04-03 2020-03-24 Medtronic, Inc. Feature based sensing for leadless pacing therapy
US11191969B2 (en) 2018-04-30 2021-12-07 Medtronic, Inc. Adaptive cardiac resynchronization therapy using a single multi-electrode coronary sinus lead
US11351383B2 (en) 2018-04-30 2022-06-07 Medtronic, Inc. Left ventricular capture and synchronization verification using a single multi-electrode coronary sinus lead
US11304641B2 (en) 2018-06-01 2022-04-19 Medtronic, Inc. Systems, methods, and interfaces for use in cardiac evaluation
US10940321B2 (en) 2018-06-01 2021-03-09 Medtronic, Inc. Systems, methods, and interfaces for use in cardiac evaluation
US11154233B2 (en) * 2018-06-21 2021-10-26 Mayo Foundation For Medical Education And Research Apparatus and method for differentiating wide complex heart beats
EP3823719A4 (de) 2018-07-17 2022-11-09 Paradis, Norman Alan Automatisiertes reanimationssystem mit integration von hämodynamischen und defibrillatorischen fähigkeiten
WO2020065582A1 (en) 2018-09-26 2020-04-02 Medtronic, Inc. Capture in ventricle-from-atrium cardiac therapy
US11951313B2 (en) 2018-11-17 2024-04-09 Medtronic, Inc. VFA delivery systems and methods
US11679265B2 (en) 2019-02-14 2023-06-20 Medtronic, Inc. Lead-in-lead systems and methods for cardiac therapy
US11547858B2 (en) 2019-03-29 2023-01-10 Medtronic, Inc. Systems, methods, and devices for adaptive cardiac therapy
US11697025B2 (en) 2019-03-29 2023-07-11 Medtronic, Inc. Cardiac conduction system capture
US11213676B2 (en) 2019-04-01 2022-01-04 Medtronic, Inc. Delivery systems for VfA cardiac therapy
US11712188B2 (en) 2019-05-07 2023-08-01 Medtronic, Inc. Posterior left bundle branch engagement
US11305127B2 (en) 2019-08-26 2022-04-19 Medtronic Inc. VfA delivery and implant region detection
US11497431B2 (en) 2019-10-09 2022-11-15 Medtronic, Inc. Systems and methods for configuring cardiac therapy
US11642533B2 (en) 2019-11-04 2023-05-09 Medtronic, Inc. Systems and methods for evaluating cardiac therapy
US11813466B2 (en) 2020-01-27 2023-11-14 Medtronic, Inc. Atrioventricular nodal stimulation
CN111248876B (zh) * 2020-02-27 2021-10-29 四川长虹电器股份有限公司 基于压电薄膜传感信号的心率和呼吸率的计算方法
US11911168B2 (en) 2020-04-03 2024-02-27 Medtronic, Inc. Cardiac conduction system therapy benefit determination
US12023503B2 (en) 2020-07-30 2024-07-02 Medtronic, Inc. ECG belt systems to interoperate with IMDs
US11813464B2 (en) 2020-07-31 2023-11-14 Medtronic, Inc. Cardiac conduction system evaluation

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4375817A (en) 1979-07-19 1983-03-08 Medtronic, Inc. Implantable cardioverter
US4384585A (en) 1981-03-06 1983-05-24 Medtronic, Inc. Synchronous intracardiac cardioverter
US4693253A (en) 1981-03-23 1987-09-15 Medtronic, Inc. Automatic implantable defibrillator and pacer
US4726380A (en) 1983-10-17 1988-02-23 Telectronics, N.V. Implantable cardiac pacer with discontinuous microprocessor, programmable antitachycardia mechanisms and patient data telemetry
US4548209A (en) 1984-02-06 1985-10-22 Medtronic, Inc. Energy converter for implantable cardioverter
US4587970A (en) 1985-01-22 1986-05-13 Telectronics N.V. Tachycardia reversion pacer
CA1290813C (en) 1985-08-12 1991-10-15 Michael B. Sweeney Pacemaker for detecting and terminating a tachycardia
LU86072A1 (fr) 1985-09-11 1987-04-02 Cobben Andree Ceinture de surveillance
US4800883A (en) 1986-04-02 1989-01-31 Intermedics, Inc. Apparatus for generating multiphasic defibrillation pulse waveform
US4830006B1 (en) 1986-06-17 1997-10-28 Intermedics Inc Implantable cardiac stimulator for detection and treatment of ventricular arrhythmias
US4819643A (en) 1986-11-18 1989-04-11 Mieczyslaw Mirowski Method and apparatus for cardioverter/pacer featuring a blanked pacing channel and a rate detect channel with AGC
US4953551A (en) 1987-01-14 1990-09-04 Medtronic, Inc. Method of defibrillating a heart
US4880004A (en) 1988-06-07 1989-11-14 Intermedics, Inc. Implantable cardiac stimulator with automatic gain control and bandpass filtering in feedback loop
US4949719A (en) 1989-04-26 1990-08-21 Ventritex, Inc. Method for cardiac defibrillation
US5117824A (en) 1990-11-14 1992-06-02 Medtronic, Inc. Apparatus for monitoring electrical physiologic signals
US5163427A (en) 1990-11-14 1992-11-17 Medtronic, Inc. Apparatus for delivering single and multiple cardioversion and defibrillation pulses
US5188105A (en) 1990-11-14 1993-02-23 Medtronic, Inc. Apparatus and method for treating a tachyarrhythmia
WO1992020284A1 (en) * 1991-05-10 1992-11-26 Seismed Instruments, Inc. Seismocardiographic analysis system
US5312441A (en) 1992-04-13 1994-05-17 Medtronic, Inc. Method and apparatus for discrimination of ventricular tachycardia from supraventricular tachycardia and for treatment thereof
US5439483A (en) * 1993-10-21 1995-08-08 Ventritex, Inc. Method of quantifying cardiac fibrillation using wavelet transform
US5471991A (en) * 1993-11-16 1995-12-05 Trustees Of The University Of Pennsylvania Wavelet analysis of fractal systems
IL110973A (en) * 1994-09-14 2001-12-23 Univ Ramot Apparatus and method for time dependent power spectrum analysis of physiological signals
US5545186A (en) 1995-03-30 1996-08-13 Medtronic, Inc. Prioritized rule based method and apparatus for diagnosis and treatment of arrhythmias
AU3056397A (en) 1996-05-14 1997-12-05 Medtronic, Inc. Prioritized rule based method and apparatus for diagnosis and treatment of arrhythmias
US5778881A (en) * 1996-12-04 1998-07-14 Medtronic, Inc. Method and apparatus for discriminating P and R waves
DE29808952U1 (de) * 1998-05-20 1999-09-30 Jung Jens Vorrichtung zur Differenzierung von Vorhofflattern und Vorhofflimmern

Also Published As

Publication number Publication date
WO2000069517A1 (en) 2000-11-23
EP1178855A1 (de) 2002-02-13
EP1178855B1 (de) 2006-08-02
DE60029776D1 (de) 2006-09-14
US6393316B1 (en) 2002-05-21

Similar Documents

Publication Publication Date Title
DE60029776T2 (de) Überwachungsvorrichtung mit anwendung von wavelettransformationen zur herzrrhythmusanalyse
DE69209880T2 (de) Medizinisches Gerät für Morphologie-Diskriminierung
DE60315068T2 (de) Unterscheidung polymorpher von monomorphen Tachyarrhythmien
DE60013786T2 (de) Überprüfung der unversehrtheit eines normalen standardmusters
DE60037506T2 (de) Verfahren und vorrichtung zur analyse von elektrokardiogramm-signalen
DE60027711T2 (de) Verbesserte vorrichtung zum nachweis von myokardischämie
DE60017103T2 (de) Bestimmung der orientierung von elektrokardiogramm-signalen
DE69433456T2 (de) Vorrichtung zum Klassifizieren von Herzrhythmen basierend auf der Morphologie des Elektrogramms
DE69724863T2 (de) Vorrichtung zur Erkennung einer Herzarrhythmie
DE69333935T2 (de) Verfahren zur Unterscheidung von Tachycardie oder frequenzadaptierende Reizung mit mehreren Sensoren
DE60315485T2 (de) Vorrichtung zur detektion der r-welle des herzens in einer unterhaut-ekg-wellenform
EP0000504B1 (de) Schaltungsanordnung zur Detektion und Registrierung der Uterusaktivität
DE69732553T2 (de) Herzschrittmacher mit verbesserter Erfassung von atrialer Fibrillation
DE60114969T2 (de) Vorhersagen einer Arrythmie auf der Basis von Änderungen der Morphologie bei intrakardialen EKG-Signalen
DE60016276T2 (de) Klassifikation von signalen mit einem kreuzkanal-timing-algorithmus
DE69126238T2 (de) Eine verbesserte Oberflächen-EKG-Frequenz-Analysen-Anordnung und Verfahren, basierend auf der Berechnung spektraler Turbulenz
DE60223993T2 (de) Schaltung zur Detektion von Anomalien des Herzrhythmus durch Analyse von Zeitunterschieden zwischen monopolaren Signalen einer Leitung mit einer Multielektroden-Spitze
EP1614049B1 (de) Analysetechniken für biomedizinische signale unter verwendung von wavelets
EP2353644B1 (de) Kardioverter/Defibrillator und Signalverarbeitungsvorrichtung zur Klassifikation intrakardialer Signale
EP1458281B1 (de) Unterscheidung von Herzrhythmen mittels Poincare- oder Lorenzfiguren.
DE602004006228T2 (de) Identifikation alternierender t-wellen
WO2006081340A2 (en) Algorithms for detecting cardiac arrhythmia and methods and apparatuses utilizing the algorithms
DE10119386A1 (de) System und Verfahren zum Klassifizieren abgetasteter Atriovorfälle in einem Herzschrittmachersystem
DE19638738A1 (de) Auswertesystem zur Gewinnung diagnostischer Informationen aus Signalen und Daten medizinischer Sensorsysteme
DE602004000200T2 (de) Vorrichtung zur Analyse der Zyklus/Zyklus-Alternanz und/oder der Variabilität der ventrikulären Repolarisierungswelle eines EKG-Signals

Legal Events

Date Code Title Description
8364 No opposition during term of opposition
8328 Change in the person/name/address of the agent

Representative=s name: KUDLEK & GRUNERT PATENTANWAELTE PARTNERSCHAFT, 803