DE69333935T2

DE69333935T2 - Verfahren zur Unterscheidung von Tachycardie oder frequenzadaptierende Reizung mit mehreren Sensoren

Info

Publication number: DE69333935T2
Application number: DE69333935T
Authority: DE
Inventors: Lawrence S. Bloomington Minnesota Baumann; David K. Swanson; Douglas Arden Hills Lang
Original assignee: Cardiac Pacemakers Inc
Current assignee: Cardiac Pacemakers Inc
Priority date: 1992-05-18
Filing date: 1993-05-17
Publication date: 2006-08-24
Anticipated expiration: 2013-05-18
Also published as: ATE313117T1; US5311874A; CA2096454C; AU3862893A; EP0570896A2; EP0570896B1; CA2096454A1; DE69333935D1; AU1488095A; EP0570896A3; JPH0690915A; AU659551B2

Description

HINTERGRUND DER ERFINDUNG
Die vorliegende Erfindung betrifft ein Verfahren zum Diskriminieren zwischen Tachykardien basierend auf Herzbiopotentialen, ein Verfahren zum Diskriminieren von hämodynamisch stabilen und unstabilen Tachykardien basierend auf Herzsignalen, und ein Verfahren zum Steuern einer frequenzadaptiven Schrittsteuerung basierend auf gleichzeitigen Eingaben von Signalen von mehreren physiologischen Sensoren.
Insbesondere betrifft die Erfindung einen bestimmten ereignisbasierenden Algorithmus zum Diskriminieren zwischen Tachykardien oder zum Steuern einer frequenzadaptiven Schrittsteuerung.
Ereignisbasierende Systeme und Verfahren sind auf dem Gebiet implantierbarer Herzbehandlungssysteme neu. Die vorerwähnte ebenfalls anhängige Anmeldung betrifft ereignisbasierende Verarbeitungstechniken zur Tachykardiedetektion und ein Verfahren zum Diskriminieren zwischen unnormalen Rhythmen und normalen Sinusrhythmen (NSR) unter Verwendung einer Zeitintervallklassifizierung und -mittelung auf einer Ereignisbasis.
Wie die ebenfalls anhängige Anmeldung nutzt die Erfindung der vorliegenden Anmeldung die Vorteile eines ereignisbasierenden Systems, ist aber auf ein unterschiedliches ereignisbasierendes Verfahren zum Analysieren von Daten betreffend die Herzfunktion gerichtet.
Es ist im Stand der Technik gut bekannt, dass bestimmte Tachykardien lebensbedrohlicher sind als andere Tachykardien. Zum Beispiel ist es bekannt, dass eine ventrikulare Tachykardie (VT) oft zu ventrikularer Fibrillation führt, wenn sie nicht behandelt wird, insbesondere, wenn sie von unnormaler hämodynamischer Aktivität begleitet wird. Andererseits führt nicht ventrikulare Tachykardie (nicht-VT) allgemein nicht zu lebensbedrohenderen Zuständen. Beispiele von nicht-VT sind supra-ventrikulare Tachykardie (SVT) und Sinustachykardie (ST). Die Fähigkeit, die bedrohlicheren Tachykardien von den weniger bedrohlichen zu unterscheiden ist kritisch, um zu verhindern, dass sich ein ersthaftere Herzzustand entwickelt, wie eine ventrikulare Fibrillation. Es ist auch wünschenswert, eine unnötige Therapie zu eliminieren. Es gibt mehrere Verfahren, die bisher bekannt sind, die zum Unterscheiden zwischen VT und nicht-VT verwendet werden.
Ein solcher Algorithmus basiert nur auf der Frequenz. Jedoch liegt die Schwierigkeit bei diesem Algorithmus in der Tatsache, dass sich die Frequenzen von nicht-VT und VT überlappen können. Daher kann es äußerst schwierig sein, den Tachykardietyp basierend nur auf der Frequenz zu bestimmen.
Eine andere Technik, die als AV-Timing bekannt ist, vergleicht das Timing von atrialen und ventrikularen Biopotentialen. Während dieses Verfahren besser als das Nur-Frequenz-Verfahren arbeitet, treten Probleme auf, wenn die atrialen und ventrikularen Frequenzen gleich sind. Insbesondere, wenn die ventrikulare Frequenz gleich der atrialen Frequenz ist, ist es möglich, dass das Herz in einer gekreuzten Tachykardie, ST oder VT mit retrograder 1:1 Leitung, ist. Zusätzlich ist ein Nachteil dieses Algorithmus sein Erfordernis von zwei Leitungen zum Erfassen.
Noch eine andere bekannte Technik verwendet eine Wahrscheinlichkeitsdichtefunktion (PDF) zur Unterdrückung einer morphologischen Basis. Dieses Verfahren arbeitet gut, wenn enge gegenüber weiten QRS-Komplexen differenziert werden. Jedoch identifiziert diese Technik enge monomorphe ventrikulare Tachykardien unrichtig und kann wegen vorexistierenden Fibrillaeblöcken oder anormaler Leitung in Ruhe nicht bei einem Patienten mit weiten QRS-Komplexen verwendet werden.
Zusätzlich sind Algorithmen bekannt, die hämodynamisch stabile von unstabilen Tachykardien durch Untersuchen eines einzelnen Merkmales unterscheiden, das von Herzsignalen (z. B. Druck, Volumen oder Impedanz) erhalten wird. Die Mehrheit dieser Verfahren beruht auf richtigen Herzmessungen. Jedoch kann jegliches einzelne Merkmal, das in diesen Messungen erhalten wird, nicht adäquat systemische hämodynamische Zustände wiedergeben. Einige der obigen Techniken sind im Detail in "Medical & Biological Engineering & Computing, Stevenage GB, Vol. 28 Nr. 4, Juli 1990, Seiten 339–349, S. Barro et al: 'Multiprocessor System for online monitoring in a CCU'" beschrieben.
Ferner sind Algorithmen bekannt, die eine frequenzadaptive Schrittsteuerung durch Untersuchung eines einzelnen Merkmales (z. B. Schlagvolumen, dV/dt, Voreinspritzintervall, Winzigventilation oder Aktivität) steuern, das von physiologischen Signalen erhalten wird. Jedoch haben Einzelmerkmalsalgorithmen nicht die Empfindlichkeit und Spezifizierung, die für eine genaue physiologische Schrittsteuerung bei allen Patienten erforderlich ist.
ÜBERBLICK ÜBER DIE ERFINDUNG
Es ist ein primäres Ziel der vorliegenden Erfindung, zwischen ventrikularer Tachykardie (VT) und nicht ventrikularer Tachykardie (nicht-VT) basierend auf Herzbiopotentialen zu unterscheiden und eine geeignete Herztherapie auszuwählen.
Es ist ein anderes Ziel der vorliegenden Erfindung, die geeignete Herztherapie durch Unterscheiden zwischen hämodynamisch stabilen und unstabilen Tachykardien basierend auf Herzsignalen auszuwählen.
Es ist ein weiteres Ziel der vorliegenden Erfindung, ein Verfahren zum Steuern einer Schrittsteuerungsfrequenz basierend auf den gleichzeitigen Eingängen von Signalen von mehreren physiologischen Sensoren bereit zu stellen.
Bei einem Ausführungsbeispiel ist die Erfindung in einem weiten Sinn auf ein Verfahren zum Klassifizieren oder in einem spezifischeren Sinn zum Diskriminieren von schädlichen Tachykardien und weniger schädlichen gerichtet. Ein Herzbiopotential wird erfasst und verarbeitet, um ein verarbeitetes Signal zu erhalten. Das Herzbiopotential enthält eine Reihe von "Komplexen" die eine elektrische Herzaktivität wiedergeben, und die in ihrer Auftrittsfrequenz unkonstant sein können (aperiodisch). Für jeden Komplex in dem verarbeiteten Signal werden die Sequenz von maximalen positiven und minimalen negativen Werten, die Merkmalswerte des Komplexes genannt werden, erhalten, und der Wert mit dem größten Absolutwert wird identifiziert. Dieser Prozess wird an einem Patienten für Signalkomplexe wiederholt, die als Basislinie bestimmt sind, so dass eine genaue Bestimmung der charakteristischen Sequenz von Merkmalswerten von den Komplexen in einem normalen Basisliniensignal erhalten werden kann. Ähnlich wird dieser Prozess einmal für jeden Komplex in einem Signal ausgeführt, das als nicht basisliniengemäß bestimmt wurde.
Die charakteristische Sequenz von Merkmalswerten der Komplexe in einem normalen Basisliniensignal und Sequenz von Merkmalswerten eines Komplexes in einem nicht basisliniengemäßen Signal sind durch Identifizieren des Merkmalswertes mit dem größten Absolutwert in jeder Sequenz abgeglichen. Dieser Wert wird der Fiduzialpunkt für die Sequenz genannt. Die charakteristische normale Basisliniensequenz und eine nicht basisliniengemäße Sequenz werden ausgerichtet, so dass die Fiduzialpunkte in den zwei Sequenzen zusammenfallen. Zwei m-dimensionale Vektoren werden dann von den ausgerichteten Sequenzen durch Auffüllen der fehlenden Einträge an den Enden in jeder Sequenz mit Nullen erzeugt. Der Wert von m hängt von der Ausrichtung der zwei Sequenzen und der Anzahl von Nullen ab, die benötigt werden, um die fehlenden Einträge in jeder Sequenz aufzufüllen. Somit werden ein m-dimensionaler normaler Basislinienvektor und ein m-dimensionaler nicht basisliniengemäßer Vektor erzeugt. Die Vektoren werden dann zu dem normalen Basislinienvektor durch Dividieren jedes Vektors durch den Wert des normalen Basislinienvektors normalisiert. Eine Diskriminierungsebene wird dann durch die zwei normalisierten Vektoren definiert. Vorbestimmte Regionen der Diskriminierungsebene werden verwendet, um die Tachykardie zu klassifizieren und eine geeignete Therapie zu spezifizieren. Insbesondere werden der Ähnlichkeitswert und der Unähnlichkeitswert des normalisierten nicht basisliniengemäßen Vektors bezüglich des normalisierten normalen Basislinienvektors berechnet. Der Ähnlichkeitswert ist die Projektion des normalisierten nicht basisliniengemäßen Vektors auf den normalisierten normalen Basislinienvektor, der eine Einheitslänge hat. Der Unähnlichkeitswert ist die Projektion des normalisierten nicht basisliniengemäßen Vektors auf den Vektor in der Diskriminierungsebene, der eine Einheitslänge hat und der orthogonal zu dem normalisierten normalen Basislinienvektor ist.
Die Ähnlichkeits- und Unähnlichkeitswerte werden verwendet, um einen Punkt in einer Ähnlichkeits-Unähnlichkeits-Koordinatenebene zu lokalisieren, die auch als eine Diskriminierungsebene bezeichnet wird. Bestimmte Regionen in der Diskriminierungsebene sind bestimmten Tachykardien zugeordnet. Diese Regionen werden durch Testen einer Population von Patienten vorbestimmt. Somit klassifiziert der Ort des Punktes, der durch die Ähnlichkeits-Unähnlichkeits-Werte eines normalisierten nicht basisliniengemäßen Vektors bezüglich des normalisierten normalen Basislinienvektors definiert ist, den nicht basisliniengemäßen Komplex als einen VT-Komplex oder einen nicht-VT-Komplex. Die akkumulierten Klassifikationen der Komplexe in dem nicht basisliniengemäßen Signal werden verwendet, um die Tachykardie als VT oder nicht-VT zu klassifizieren, so dass eine geeignete Therapie spezifiziert werden kann. Der detektierte nicht-VT-Zustand kann SVT, ST oder andere Tachykardien sein, die nicht klassifiziert sind, wie die potentieller schädliche VT.
Bei einem zweiten Ausführungsbeispiel werden Signale, die die Hämodynamiken des Herzens betreffen, in einer ähnlichen Weise erfasst und verarbeitet. Das Ergebnis ist ein hämodynamischer Diskriminierungspunkt, dessen Ort in einer hämodynamischen Diskriminierungsebene der hämodynamischen Stabilität des Herzens zugeordnet ist. Merkmale, die von solchen Signalen erhalten werden, können Druck, Strömung, Volumen oder Impedanz beinhalten.
Bei einem dritten Ausführungsbeispiel werden Signale betreffend die physiologischen Zustände des Herzens in einer ähnlichen Weise erfasst und verarbeitet. Das Ergebnis ist ein physiologischer Diskriminierungspunkt, dessen Ort in einer physiologischen Diskriminierungsebene der geeigneten Schrittsteuerungsfrequenz in einem frequenzadaptiven Schrittsteuerungssystem zugeordnet ist. Merkmale können enthalten Schlagvolumen dV/dt, Voreinspritzintervall, Kleinst-, Exakt- oder Protokollventilation, Strömung und Aktivität, erhalten von gleichzeitigen Signalen von mehreren physiologischen Sensoren.
Die obigen und andere Ziele und Vorteile der vorliegenden Erfindung werden deutlich, wenn auf die folgende Beschreibung Bezug genommen wird, die in Verbindung mit den begleitenden Zeichnungen herangezogen wird.
Die Erfindung wird gemäß den angefügten unabhängigen Ansprüchen 1 und 23 ausgeführt.
KURZE BESCHREIBUNG DER ZEICHNUNGEN
1 ist ein Blockdiagramm das allgemein die Umgebung darstellt, in welcher der Algorithmus der vorliegenden Erfindung verwendet wird.
2 ist ein Flussdiagramm, das den Diskriminierungsalgorithmus zur Tachykardiediskriminierung gemäß der vorliegenden Erfindung darstellt.
3A–3C sind graphische Diagramme, die einen anfänglichen Verarbeitungsschritt des Diskriminierungsalgorithmus der vorliegenden Erfindung darstellen.
4 ist ein Diagramm, das den Schritt des Ausrichtens der normalen Basislinien- und nicht basisliniengemäßen Sequenzen gemäß ihren Fiduzialpunkten gemäß dem Diskriminierungsalgorithmus der vorliegenden Erfindung darstellt.
5 ist ein Diagramm, das den Schritt des Erzeugens von normalen Basislinien- und nicht basisliniengemäßen Vektoren durch Auffüllen von leeren Plätzen an den Enden der Sequenzen mit Nullen gemäß dem Diskriminierungsalgorithmus der vorliegenden Erfindung darstellt.
6 ist ein graphisches Diagramm, das den Schritt des Berechnens der Ähnlichkeits- und Unähnlichkeitsmerkmalswerte in der Diskriminierungsebene gemäß dem Diskriminierungsalgorithmus der vorliegenden Erfindung darstellt.
7 ist ein graphisches Diagramm, das den Schritt des Klassifizierens der Tachykardie und somit des Bestimmens einer geeigneten Therapie basierend auf den Ähnlichkeits- und Unähnlichkeitsmerkmalswerten darstellt.
GENAUE BESCHREIBUNG DER ZEICHNUNGEN
Unter Bezugnahme zuerst auf die 1 ist eine spezielle Umgebung mit dem Diskriminierungsalgorithmus der vorliegenden Erfindung gezeigt. Herzbiopotentiale werden von dem Herzen 10 erfasst und einem Signalprozessor 12 zugeführt, wobei der Zweck davon anschließend in weiteren Details erklärt werden wird. Die Ausgabe des Signalprozessors 12 enthält die Eingabe in den Diskriminierungsalgorithmus 13. Die verarbeiteten Herzbiopotentiale werden durch den Diskriminierungsalgorithmus weiter verarbeitet und bestimmte therapeutische Maßnahmen werden basierend auf den Ergebnissen der Algorithmusanalyse ergriffen. Zum Beispiel kann ein Impulsgenerator 11 aktiviert werden, um das Herz mit einem Kardioversions-/Defibrillationsimpuls zu schocken.
Die 2 stellt die Schritte dar, die in dem Diskriminierungsalgorithmus gemäß der vorliegenden Erfindung ausgeführt werden. Die Schritte 20 und 22 werden ausgeführt, um zwei Datensätze zu erhalten. Jedoch ist die folgende Beschreibung vorgesehen, um im Abstrakten zu erklären, wie diese Schritte arbeiten. Der Signalverarbeitungsschritt 20 (ausgeführt von dem Signalprozessor 12) verarbeitet das Eingangs-Herzbiopotentialsignal.
Ein typisches Herzbiopotential enthält eine Reihe von Komplexen 14(1)–14(N), wie in der 3A gezeigt ist. Die 3B stellt eine Wellenform f(t) dar, die einen einzelnen Komplex 14 des Herzbiopotentials wiedergibt, das in der 3A gezeigt ist. Die 3C stellt eine Wellenform g(t) dar, die die verarbeitete Version f(t) wiedergibt. Das Signal g(t) kann ein Derivat des Signals f(t) sein, und in dieser Hinsicht kann der Signalprozessor 12 das Derivat eines Eingangssignals nehmen. Jedoch können andere Signalverarbeitungstechniken zum Erhalten der Wellenform g(t) verwendet werden.
Als nächstes werden im Schritt 22 Merkmalswerte des Komplexes g(t) bestimmt. Speziell wird die Sequenz von maximalen positiven und minimalen negativen Werten (Merkmalswerten) von dem Komplex g(t) extrahiert. In dem Diagramm, das in der 3C gezeigt ist, sind die Merkmalswerte G1–G5. Zusätzlich ist der Merkmalswert mit dem größten Absolutwert beim Merkmalswert G2 und ist als solcher mit einem Stern bezeichnet. G2*.
Wie oben kurz angegeben wurde, werden bei der tatsächlichen Praxis die Schritte 20 und 22 in zwei Vorgängen ausgeführt, um zwei Arten von Daten zu erzeugen. Beim ersten Vorgang wird ein Herzbiopotentialkomplex im Schritt 20 verarbeitet und wird die Sequenz von maximalen positiven und minimalen negativen Werten im Schritt 22 bestimmt. Im Schritt 24 wird der Komplex als ein Basislinienkomplex oder ein nicht basisliniengemäßer Komplex klassifiziert. Diese Klassifizierung basiert auf der charakteristischen Zykluslänge, die dem Komplex zugeordnet ist. Die charakteristische Herzfrequenz, die dem Komplex zugeordnet ist, ist das Inverse der charakteristischen Zykluslänge, die dem Komplex zugeordnet ist. Wenn die charakteristische Zykluslänge des Komplexes größer als ein Schwellenwert ist, dann wird dieser "langsame" Komplex als ein Basislinienkomplex klassifiziert. Wenn die charakteristische Zykluslänge des Komplexes weniger als der oder gleich zu dem Schwellenwert ist, dann wird dieser "schnelle" Komplex als ein nicht basisliniengemäßer (Tachykardie-) Komplex klassifiziert.
Wenn im Schritt 24 der Komplex als ein Basislinienkomplex klassifiziert wird, dann wird im Schritt 26 unter Verwendung des folgenden Cluster-Algorithmus der Komplex dem ersten Cluster (entweder dem normalen Basisliniencluster oder einem von bis zu acht unnormalen Basislinienclustern) zugewiesen, zu welchem er im wesentlichen ähnlich im Merkmalsraum ist. Der Clusteralgorithmus kann an einem Patienten unter Betreuung eines Arztes oder unter kontrollierten Bedingungen durchgeführt werden. Jedoch könnte der Algorithmus auch automatisch jeglichen Basislinienkomplex während nicht kontrollierten Bedingungen verarbeiten, um die Basisliniencluster zu aktualisieren. Das Ziel des Clusteralgorithmus ist es, unnormale Basislinienkomplexe von normalen Basislinienkomplexen zu separieren. Der Ausdruck Basislinie bedeutet, eine hämodynamische Basislinie oder physiologische Basislinie zu enthalten.
Der Cluster Nummer eins ist der Cluster, dem die meisten Komplexe zugewiesen wurden, und es ist per Definition der normale Basisliniencluster. Verbunden mit diesem Cluster ist seine charakteristische Sequenz von Merkmalswerten: Die Sequenz von Merkmalswerten, die für die Komplexe charakteristisch sind, die ihr zugeordnet sind. Verbunden mit jedem der verbleibenden unnormalen Basisliniencluster ist die charakteristische Sequenz von Merkmalswerten, die von den Komplexen bestimmt ist, die ihr zugewiesen sind.
Für jeden Cluster werden der Ähnlichkeitsmerkmalswert (a_∥⁣) und der Unähnlichkeitsmerkmalswert (a_⊥) von der Basislinienkomplexsequenz von Merkmalswerten und der Clustercharakteristiksequenz von Merkmalswerten analog zu der Prozedur für die Klassifizierung eines nicht basisliniengemäßen Komplexes berechnet, was in den Schritten 28 bis 38 beschrieben ist. Wenn die Bedingung (0,8 < a_∥⁣ < 1,2) und die Bedingung (0,0 ≤ a_∥⁣ < 0,2) zutreffend sind, dann ist der Basislinienkomplex ausreichend ähnlich zu diesem Cluster und wird daher diesem Cluster zugeordnet; 1,0 wird zu der Nummer dieses Clusters von zugeordneten Komplexen hinzuaddiert; und das Clustern endet. Wenn die obigen Bedingungen beide nicht zutreffen, geht das Clustern mit einem Ansatz, den Basislinienkomplex zu dem Cluster zuzuordnen, dem die nächsten am meisten basisliniengemäßen Komplexe zugeordnet sind, weiter.
Wenn der Basislinienkomplex schließlich einem Cluster zugeordnet ist, dann wird jeder der Werte der Sequenz des Komplexes mit jedem der entsprechenden Werte der charakteristischen Sequenz des Clusters gemittelt, um letztere zu aktualisieren. Wenn der Basislinienkomplex zu keinem Cluster zugeordnet ist, definiert der Basislinienkomplex einen neuen Cluster.
Da der Komplex ein Basislinienkomplex ist, wird im Schritt 26 der VT-Basislinienkomplexdekrementwert 1,0 von einem VT-Diskriminierungszähler subtrahiert, und wird der nicht-VT-Basislinienkomplexdekrementwert 1,0 von einem nicht-VT-Diskriminierungszähler subtrahiert. Auch sind die Cluster durch die Anzahl von Komplexen, die ihnen zugeordnet sind, sortiert, so dass die Cluster Nummer eins die meisten Komplexe hat, der Cluster Nummer zwei die nächstmeisten Komplexe hat, etc.
Somit aktualisiert diese Clusterprozedur die Charakteristiksequenz von Merkmalswerten der Komplexe des normalen Basislinienclusters, wann immer ein Komplex als ein normaler Basislinienkomplex im Schritt 24 klassifiziert wird. Dieser fortschreitende Prozess adaptiert kontinuierlich die charakteristische Sequenz von Merkmalswerten von den Komplexen des normalen Basislinienclusters an die sich ändernde Basislinienmorphologie des Patienten.
Die Zuordnung zu einem Cluster eines Basislinienkomplexes unter Verwendung des Ähnlichkeitsmerkmalswertes und des Unähnlichkeitsmerkmalswertes, die von der Sequenz von Merkmalswerten des Basislinienkomplexes und der charakteristischen Sequenz von Merkmalswerten des Clusters berechnet wurden, kann generalisiert werden. Diese Generalisierung ist analog zu der Prozedur, die für die Generalisierung, die einen Unterraum verwendet, der durch einen Satz von Basisvektoren aufgespannt wurde, der Klassifikation in den Schritten 32 bis 38 eines nicht basisliniengemäßen Komplexes beschrieben wurde.
Bei der Analogie ist die Sequenz von Merkmalswerten für den Basislinienkomplex (Ereignis) beim Clustern analog zu der Sequenz von Merkmalswerten des nicht basisliniengemäßen Komplexes in der Klassifikation, und die charakteristische Sequenz von Merkmalswerten des Clusters beim Clustern ist analog zu der charakteristischen Sequenz von Merkmalswerten des normalen Basislinienkomplexes in der Klassifikation. Somit ist der Basislinienvektor (oder Ereignisvektor) beim Clustern analog zu dem nicht basisliniengemäßen Vektor in der Klassifikation; der Clustervektor beim Clustern ist analog zu dem normalen Basislinienvektor in der Klassifikation; der Unterraum des Clusters beim Clustern ist analog zum Diskriminierungsunterraum in der Klassifikation; und der Clusterpunkt des Basislinienkomplexes (Ereignisses) beim Clustern ist analog zum Diskriminierungspunkt in der Klassifikation. Der Basislinienkomplex (Ereignis) wird dem ersten Cluster zugeordnet, für welchen der Ort des Clusterpunktes des Basislinienkomplexes (Ereignisses) innerhalb einer der vorgegebenen Regionen des Unterraumes des Clusters ist.
Dies komplettiert die Beschreibung der Generalisierung der Zuordnung zu einem Cluster eines Basislinienkomplexes unter Verwendung eines Subraumes, der von einem Satz von Basisvektoren aufgespannt wird.
Die charakteristische Merkmalswertsequenz des Komplexes des normalen Basislinienclusters kann als z. B. N1, N2*, N3, N4, geschrieben werden, wobei z. B. N2* angibt, dass N2 der Merkmalswert mit dem größten Absolutwert ist.
Ähnlich wird in dem zweiten Fall eine nicht basisliniengemäße Sequenz durch Verarbeiten eines Herzbiopotentialkomplexes im Schritt 20 und Bestimmen des Merkmalswertes im Schritt 22 erhalten. Dann wird die Zykluslänge des Komplexes im Schritt 24 untersucht. Wenn der Komplex als ein nicht basisliniengemäßer Komplex klassifiziert wird, dann ist es Tachykardie, aber von unbekanntem Typ. Die Merkmalswertsequenz dieses nicht basisliniengemäßen Komplexes kann geschrieben werden als z. B. A1, A2, A3, A4*, A5, wobei z. B. A4* angibt, dass A4 der Merkmalswert mit dem größten Absolutwert für diese Sequenz ist.
Als nächstes wird im Schritt 28 der Merkmalswert mit dem größten Absolutwert für die normale Basisliniencharakteristiksequenz und für die nicht basisliniengemäße Sequenz als Fiduzialpunkte bestimmt. Diese zwei Se quenzen von Merkmalswerten werden ausgerichtet, so dass die zwei Fiduzialpunkte in der Position zusammenfallen, um ein erstes Kandidatenangleichungssequenzpaar zu erzeugen. Dies ist in der 4 gezeigt, wo die Merkmalswerte N2* und A4* miteinander ausgerichtet sind.
Zwei m-dimensionale Vektoren werden dann im Schritt 30 durch Einfüllen von Nullen in jegliche Sequenz von Werten für jegliche fehlende Einträge erzeugt, um ein erstes Paar aus Kandidatenbasislinienvektor und nicht basisliniengemäßem Vektor zu erzeugen. Dies ist in der 5 gezeigt, worin der erste normale Kandidatenbasislinienvektor N und der erste nicht basisliniengemäße Kandidatenvektor A erzeugt sind. Bei dem Beispiel, das in der 5 gezeigt ist, gilt m = 6. Der Wert von m hängt von dem Ort des Merkmalswertes mit dem größten Absolutwert in jeder der zwei Sequenzen ab. Als nächstes wird die Größe der Vektordifferenz (A–N) zwischen dem ersten nicht basisliniengemäßen Kandidatenvektor A und dem ersten normalen Kandidatenbasislinienvektor N berechnet.
Als nächstes werden in einer analogen Prozedur die normale Basisliniencharakteristiksequenz und die nicht basisliniengemäße Sequenz miteinander ausgerichtet, so dass der nicht basisliniengemäße Sequenzfiduzialpunkt einen Merkmalswert nach rechts von dem normalen BasisliniencharakteristikSequenzfiduzialpunkt liegt, um ein zweites Kandidatenangleichungssequenzpaar zu erzeugen. Zwei m-dimensionale Vektoren werden dann durch Einfüllen von Nullen in jegliche Sequenz von Werten für jegliche fehlenden Einträge erzeugt, um ein zweites Paar aus Kandidatenbasislinienvektor und nicht basisliniengemäßem Vektor zu erzeugen. Die Größe der Vektordifferenz (A_R-N_R) zwischen dem zweiten nicht basisliniengemäßen Kandidatenvektor A_R und dem zweiten normalen Kandidatenbasislinienvektor N_R wird berechnet.
Als nächstes werden in noch einer anderen analogen Prozedur die normale Basisliniencharakteristiksequenz und die nicht basisliniengemäße Sequenz miteinander ausgerichtet, so dass der nicht basisliniengemäße Sequenzfiduzialpunkt einen Merkmalswert nach links von dem normalen Basisliniencharakteristik-Sequenzfiduzialpunkt liegt, um ein drittes Kandidatenangleichungssequenzpaar zu erzeugen. Zwei m''-dimensionale Vektoren werden dann durch Einfüllen von Nullen in jegliche Sequenz von Werten für jegliche fehlenden Einträge erzeugt, um ein drittes Paar aus Kandidatenbasislinienvektor und nicht basisliniengemäßem Vektor zu erzeugen. Die Größe der Vektordifferenz (A_L–N_L) zwischen dem dritten nicht basisliniengemäßen Kandidatenvektor A_L und dem dritten normalen Kandidatenbasislinienvektor N_L wird berechnet.
Von den drei Kandidatenpaaren von Vektoren (A, N), (A_R, N_R) und (A_L, N_L) wird das Kandidatenpaar mit der kleinsten Größe der Vektordifferenz im Schritt 31 gewählt, um der nicht basisliniengemäße Vektor A und der normale Basislinienvektor N zu sein. Dieser Prozess sorgt für Robustheit durch Aufnehmen eines nicht-VT-Komplexes, für welchen der nicht basisliniengemäße Sequenzfiduzialpunkt und der normale Basisliniencharakteristiksequenzfiduzialpunkt (erstes Kandidatenpaar) entgegengesetzte Vorzeichen haben. In dieser Situation ist die Größe der Vektordifferenz groß, so dass der Komplex als ein VT-Komplex klassifiziert würde. Daher werden auch das zweite Kandidatenpaar und das dritte Kandidatenpaar in Betracht gezogen, da für jedes Paar Merkmale, die dasselbe Vorzeichen haben, ausgerichtet sind, was zu einer kleineren Vektordifferenzgröße und somit einer Erhöhung der Wahrscheinlichkeit, dass der Komplex als ein nicht-VT-Komplex klassifiziert wird, führt. Alternativ wird, wenn die Fiduzialpunkte identische Vorzeichen haben, dann das erste Kandidatenpaar die kleinste Vektordifferenzgröße haben und wird daher der Kandidat am wahrscheinlichsten zu dem Komplex führen, der als ein nicht-VT-Komplex klassifiziert wurde.
Als nächstes werden im Schritt 32 die zwei Vektoren des gewählten Kandidatenpaares normalisiert durch Dividieren von jedem durch die Größe des normalen Basislinienvektors |N| was zwei neue Vektoren N/|N| und A/|N| erzeugt.
Begrifflich definieren die Vektoren N/|N| und A/|N| eine zweidimensionale Ebene, wie in der 6 gezeigt ist. Diese zweidimensionale Ebene, die als eine schattierte Fläche gezeigt ist, zwischen den Vektoren N/|N| und A/|N| definiert eine Diskriminierungsebene.
Die Ähnlichkeits- und Unähnlichkeitsmerkmalswerte werden dann im Schritt 34 berechnet. Merkmalswerte, die als a_∥⁣ und a_⊥ bezeichnet sind, sind die Komponenten des Vektors A/|N| parallel bzw. senkrecht zu dem Vektor N/|N|. Die Komponente a_∥⁣ repräsentiert den Grad, mit welchem der nicht basisliniengemäße Vektor A/|N| ähnlich zu dem normalen Basislinienvektor N/|N| ist. Dieser Wert wird erhalten durch Heranziehen der Projektion (Punktprodukt) des Vektors A/|N| auf den Vektor N/|N|, der eine Einheitslänge hat, wie in der 6 gezeigt ist. Somit ist der Merkmalswert a_∥⁣ das Ähnlichkeitsmerkmal des Vektors A/|N| bezüglich des Vektors N/|N|. Die Komponente a_⊥ repräsentiert den Grad, mit welchem der nicht basisliniengemäße Vektor A/|N| unähnlich zu dem normalen Basislinienvektor N/|N| ist. Dieser Wert wird erhalten durch Heranziehen der Projektion des Vektors A/|N| auf den Vektor in der Diskriminierungsebene, der eine Einheitslänge hat, und der senkrecht zu dem Vektor N/|N| ist, wie in der 6 gezeigt ist. Somit ist der Merkmalswert a_⊥ das Unähnlichkeitsmerkmal des Vektors A/|N| bezüglich des Vektors N/|N|. Folglich wird der Vergleich der normalen Basislinienkomplexcharakteristikmerk malswertsequenz und der nicht basisliniengemäßen Komplexmerkmalswertsequenz von einem komplexen multivarianten Problem zu einer Prozedur vereinfacht, die nur zwei Merkmalswerte einbezieht: a_∥⁣ und a_⊥.
Als nächstes wird die Lage der Merkmalswerte a_∥⁣ und a_⊥ für den nicht basisliniengemäßen Komplex in der Diskriminierungsebene untersucht, um den Komplex als einen VT-Komplex oder einen nicht-VT-Komplex zu klassifizieren. Wie in der 7 gezeigt ist, werden Koordinatenachsen in der Diskriminierungsebene als orthogonale Achsen a_∥⁣ und a_⊥ eingerichtet, die nachfolgend auch als die Ähnlichkeits- und Unähnlichkeitskoordinatenachsen bezeichnet werden.
Die Klassifikation des nicht basisliniengemäßen Komplexes ist durch die Lage des Punktes, der als ein Diskriminierungspunkt bezeichnet wird, bestimmt, der Koordinaten hat, die gleich den Ähnlichkeits- und Unähnlichkeitsmerkmalswerten (a_∥⁣, a_⊥) des nicht basisliniengemäßen Komplexvektors sind. Die Klassifikation des nicht basisliniengemäßen Komplexes wird im Schritt 38 ausgeführt. Wenn der Diskriminierungspunkt (a_∥⁣, a_⊥) in eine vorgegebene kleine Region fällt, die den Basislinienpunkt (1,0, 0,0) umgibt, dann wird der nicht basisliniengemäße Komplex als ein nicht-VT-Komplex klassifiziert. Der nicht-VT-Inkrementwert 1,0 wird dann zu dem nicht-VT-Diskriminierungszähler addiert, und der VT-Dekrementwert 0,5 wird von dem VT-Diskriminierungszähler im Schritt 40 subtrahiert. Anderenfalls, wenn der Diskriminierungspunkt (a_∥⁣, a_⊥) nach außerhalb dieser Region fällt, wird der nicht basisliniengemäßer Komplex als ein VT-Komplex klassifiziert. Dann wird der VT-Inkrementwert 1,0 zu dem VT-Diskriminierungszähler addiert, und wird der nicht-VT-Dekrementwert 0,5 von dem nicht-VT-Diskriminierungszähler im Schritt 42 subtrahiert. Die Grenze, die die nicht-VT- und VT-Regionen innerhalb der Dis kriminierungsebene trennt, ist durch Testen einer Population von Patienten vorgegeben und ändert sich nicht von Individuum zu Individuum.
Die Klassifikation eines nicht basisliniengemäßen Komplexes in Termen des Ähnlichkeitsmerkmales und des Unähnlichkeitsmerkmales unter Verwendung des nicht basisliniengemäßen Vektors A und des normalen Basislinienvektors N, wie oben in den Schritten 32 bis 38 beschrieben wurde, kann unter Verwendung eines Unterraumes, der durch einen Satz von Basisvektoren aufgespannt ist, folgendermaßen generalisiert werden.
Zuerst wird ein Satz spezifiziert, der aus linear unabhängigen Vektoren (nicht notwendigerweise gegenseitig orthonormal) besteht, die einen Unterraum des m-dimensionalen Vektorraumes aufspannen (dafür eine Basis bilden), von welchem der m-Komponenten, nicht basisliniengemäße Vektor A und der m-Komponenten Basislinienvektor N Elemente sind. Als nächstes wird der nicht basisliniengemäße Vektor A auf diesen Unterraum projiziert, wodurch eine Linearkombination der Basisvektoren bestimmt wird. Als nächstes werden die Werte der Koeffizienten in dieser Linearkombination berechnet. Diese Koeffizienten sind die Merkmale, die verwendet werden, um den nicht basisliniengemäßen Komplex unter Verwendung seines zugehörigen nicht basisliniengemäßen Vektors A zu klassifizieren.
Somit gilt dann, wenn V_i (i = 1, ..., k) die k Basisvektoren sind, die den Unterraum aufspannen, dann A = Ap + (A – Ap)wobei per Definition A_p die Projektion von A auf den Unterraum ist:
wobei der Skalar c_i der Koeffizient von v_i ist. Für einen Basisvektor v_j, vj·(A – Ap) = 0 durch die Definition der Projektion, wobei · der Punktproduktoperator ist.
Somit
Diese k Gleichungen können für die k verschiedenen Koeffizientenwerte c_i (i = 1, ..., k) gelöst werden.
Diese Koeffizienten sind die Merkmale, die zum Klassifizieren des nicht basisliniengemäßen Komplexes unter Verwendung seines zugehörigen nicht basisliniengemäßen Vektors A verwendet werden, und die Koeffizientenwerte sind die Merkmalswerte. Begrifflich definiert der Unterraum, der durch die Basisvektoren aufgespannt ist, einen Diskriminierungsunterraum.
Als nächstes wird die Lage des Punktes, der als ein Diskriminierungspunkt bezeichnet wird, mit Koordinaten gleich den Koeffizientenwerten c_i (i = 1, ..., k) für den nicht basisliniengemäßen Komplex in dem Diskriminierungsunterraum untersucht, um den Komplex als einen VT-Komplex oder einen nicht-VT-Komplex zu klassifizieren. Um dies zu bewirken, werden Basisvektorkoordinatenachsen in dem Diskriminierungsunterraum in Richtungen aufgestellt, die durch die Basisvektoren v_j (j = 1, ..., k) gegeben sind. Der Ursprung der Diskriminierungsunterraum-Basisvektorkoordinatenachsen liegt an der Schnittstelle der Basisvektorkoordinatenachsen. Die Lage des Diskriminierungspunktes ist so, dass die Position längs jeder Basisvektorkoordinatenachse an einer Koordinate relativ zu dem Ursprung gleich dem Basisvektorkoeffizientenwert ist. Wenn der Diskriminierungspunkt innerhalb bestimmter vorgegebener Regionen des Diskriminierungsunterraumes fällt, wird dann der nicht basisliniengemäße Komplex als ein nicht-VT-Komplex klassifiziert. Anderenfalls wird, wenn der Diskriminierungspunkt nach außerhalb dieser Regionen fällt, der nicht basisliniengemäße Komplex als ein VT-Komplex klassifiziert.
Dies komplettiert die Beschreibung der Generalisierung unter Verwendung eines Unterraumes, der durch einen Satz von Basisvektoren aufgespannt ist, der Klassifikation eines nicht basisliniengemäßen Komplexes in den Schritten 32 bis 38.
Basierend auf den Klassifikationen von vorherigen nicht basisliniengemäßen Komplexen wird im Schritt 44 eine Bestimmung durchgeführt, ob es eine ausreichende Information gibt, um die Tachykardie zu klassifizieren. Das heißt, Herzbiopotentiale werden kontinuierlich erfasst und verarbeitet. Die Sequenzen von Merkmalswerten für zusätzliche nicht basisliniengemäße Komplexe werden mit der normalen Basisliniencharakteristiksequenz verglichen, um die Tachykardie zu klassifizieren. Auch aktualisieren Sequenzen von Merkmalswerten für Komplexe, die erfasst werden und als Basislinie bestimmt werden, die Charakteristiksequenz von Merkmalswerten der normalen oder anormalen Basisliniencluster.
Der VT-Diskriminierungszähler und der nicht-VT-Diskriminierungszähler im Schritt 44 werden verwendet, um die Tachykardie als VT oder nicht-VT zu klassifizieren. Der VT-Diskriminierungszähler wird auf den VT-Anfangswert 0 initialisiert. Der maximal erlaubte Wert ist der maximale VT-Wert 20. Sein minimal erlaubter Wert ist der minimale VT-Wert 0. Der nicht-VT-Diskriminierungszähler wird auf den nicht-VT-Initialwert 0 initialisiert. Sein maximal erlaubter Wert ist der maximale nicht-VT-Wert 20. Sein minimal erlaubter Wert ist der minimale nicht-VT-Wert 0.
Wenn der VT-Diskriminierungszählerwert größer als der VT-Absolutschwellenwert 10 ist, und wenn der VT-Diskriminierungszählerwert minus den nicht-VT-Diskriminierungszählerwert grö ßer als der VT-Relativschwellenwert 0 ist, dann wird im Schritt 46 die Tachykardie als VT klassifiziert, und eine VT-Therapie ist vorgeschrieben. Wenn der nicht-VT-Diskriminierungszählerwert größer als der nicht-VT-Absolutschwellenwert 10 ist, und wenn der nicht-VT-Diskriminierungszählerwert minus den VT-Diskriminierungszählerwert größer als der nicht-VT-Relativschwellenwert 0 ist, dann wird im Schritt 46 die Tachykardie als nicht-VT klassifiziert, und ist eine nicht-VT-Therapie vorgeschrieben. Wenn keiner von jenen zwei Sätzen von Bedingungen erfüllt ist, kehrt das Verfahren zum Schritt 20 zurück.
Die kleine Region, die den normalen Basislinienpunkt (1,0, 0,0) umgibt, ist heuristisch folgendermaßen vorgegeben.
Eine Abschätzung der kleinen Region wird durchgeführt. Dann wird der Algorithmus, der oben zum Diskriminieren von VT oder nicht-VT beschrieben ist, ausgeführt unter Verwendung von Herzbiopotentialen bekannter Art (Basislinie und VT oder nicht-VT), wie von einer großen Population von Patienten erhalten wurde. In jedem Fall wird der bekannte Typ der Tachykardie (VT oder nicht-VT) im Schritt 46 mit der Klassifikation verglichen, die von den Diskriminierungszählern durchgeführt wurde. Dann wird erforderlichenfalls die kleine Region in einer solchen Weise modifiziert, um die Übereinstimmung zwischen den bekannten Typen und den Diskriminierungszählerklassifikationen zu erhöhen. Diese Prozedur des Modifizierens der kleinen Region wird wiederholt, bis die Übereinstimmung optimiert ist.
Zum Beispiel wurde für unipolare ventrikulare Elektrogramme die kleine Region als das Dreieck bestimmt, das durch die drei Punkte in der Diskriminierungsebene definiert ist. Die (Ähnlichkeits-, Unähnlichkeits-) Koordinatenwerte dieser Punkte sind (0, 96, 0, 0), (2, 8, 0, 0) und (1, 76, 0, 373).
Die genaue Beschreibung, die oben angegeben ist, ist nur als Beispiel beabsichtigt. Es ist nicht beabsichtigt, die vorliegende Erfindung auf eine Sequenz von Merkmalswerten zu beschränken, die die Sequenz von maximalen positiven und minimalen negativen Werten eines Komplexes in einem verarbeiteten Herzbiopotential sind, oder auf einen Fiduzialpunkt, der als der Merkmalswert mit dem größten Absolutwert definiert ist. Ein anderes mögliches Beispiel ist die Definition der Basislinien- und nicht basisliniengemäßen m-dimensionalen Vektoren von den Basislinien- und nicht basisliniengemäßen Sequenzen von m Merkmalswerten, wobei die Merkmale beliebig sind. Keine fiduziale Identifikation ist erforderlich, wenn das erste Merkmal in der Basisliniensequenz immer dem ersten Merkmal in der nicht basisliniengemäßen Sequenz entspricht, etc. Außerdem kann der Algorithmus ohne Diskriminieren zwischen normalen Basislinien- und anormalen Basislinienkomplexen implementiert werden.
Ähnlich könnte gemäß einem zweiten Ausführungsbeispiel zum Diskriminieren hämodynamisch stabiler von unstabilen Tachykardien jegliches Signal oder jeglicher Zustand betreffend die Hämodynamik des Herzens (z. B. Druck, Strömung und Impedanz/Volumen) erfasst und in einer Weise ähnlich zu jener des Herzbiopotentials des ersten Ausführungsbeispieles verarbeitet werden. In diesem Fall wird eine Sequenz von hämodynamischen Merkmalen von jedem Ereignis des Signals verarbeitet. Die charakteristische Zykluslänge, die dem Ereignis zugeordnet ist, was das Inverse der charakteristischen Frequenz ist, die dem Ereignis zugeordnet ist, wird verwendet, um es als ein hämodynamisches Basislinienereignis oder ein hämodynamisches nicht basisliniengemäßes Ereignis zu klassifizieren. Von den hämodynamischen Basislinienereignissen wird eine charakteristische hämodynamische Basisliniensequenz erhalten und aktualisiert. Eine hämodynamische nicht basisliniengemäße Se quenz wird von jedem hämodynamischen nicht basisliniengemäßen Ereignis erhalten. Ein hämodynamischer Diskriminierungspunkt (a_∥⁣, a_⊥) wird von der nicht basisliniengemäßen Sequenz und der charakteristischen Basisliniensequenz bestimmt. Wenn der Punkt in einem vorgegebenen hämodynamischen kleinen Bereich liegt, der den hämodynamischen Basislinienpunkt (1,0, 0,0) in der hämodynamischen Diskriminierungsebene umgibt, dann wird das hämodynamische nicht basisliniengemäße Ereignis als "stabil" klassifiziert. Anderenfalls wird es als "unstabil" klassifiziert. Stabil- und Unstabil-Hämodynamikdiskriminierungszähler werden verwendet, um die Tachykardie als hämodynamisch stabil oder unstabil zu klassifizieren, ähnlich den VT- und nicht-VT-Diskriminierungszähler, so dass eine geeignete Therapie spezifiziert werden kann. Bei dem zweiten Ausführungsbeispiel haben die Stabil- und Unstabil-Hämodynamikdiskriminierungszähler folgendermaßen benannte dazu zugeordnete Werte: Unstabil-Hämodynamikinitialwert und Stabil-Hämodynamikinitialwert; Maximum-Unstabil-Hämodynamikwert und Maximum-Stabil-Hämodynamikwert; Minimum-Unstabil-Hämodynamikwert und Minimum-Stabil-Hämodynamikwert; Unstabil-Hämodynamikinkrementwert und Stabil-Hämodynamikinkrementwert; Unstabil-Hämodynamikdekrementwert und Stabil-Hämodynamikdekrementwert; Unstabil-Hämodynamikabsolutschwellenwert und Unstabil-Hämodynamikrelativschwellenwert; und schließlich Stabil-Hämodynamikabsolutschwellenwert und Stabil-Hämodynamikrelativschwellenwert. Alle davon sind analog zu jenen Werten, die bezüglich den VT- und nicht-VT-Diskriminierungszählern bei dem ersten Ausführungsbeispiel beschrieben wurden.
Die vorgegebene hämodynamische kleine Region wird erhalten durch Abschätzen einer kleinen Region und dann Testen einer Population von Patienten, von denen von jedem eine Tachykardie als hämodynamisch stabil oder unstabil bekannt ist. Die Region wird dann in einer solchen Weise modifiziert, um die Übereinstimmung zwischen den bekannten Typen und die Klassi fikationen, die durch die Hämodynamikdiskriminierungszähler durchgeführt wurden, zu optimieren.
Ferner kann gemäß einem dritten Ausführungsbeispiel die Lage eines physiologischen Diskriminierungspunktes (a_∥⁣, a_⊥) verwendet werden, um die Schrittfrequenz zu bestimmen, die in einem physiologischen frequenzadaptiven Multisensor-Schrittsteuerungssystem erforderlich ist. Zu diesem Zweck werden ein oder mehrere Merkmale von jedem der mehreren physiologischen Sensoren (z. B. Aktivität, Strömung, Druck, Impedanz und Elektrogramm) extrahiert. Solche physiologischen Indikatoren sind indikativ für die hämodynamische Leistung, die von einer physikalischen Aktivität eines Patienten gefordert wird. Die numerischen Werte für jedes der obigen Merkmale werden als signifikant mit den metabolischen Erfordernissen des Patienten korrelierend angenommen. Zusätzlich wird die erwartete Beziehung zwischen jedem Merkmalswert und einer "idealen" Herzfrequenz vorgegeben. Die Merkmalswerte werden von physiologisch erfassten Signalen bei Ereignissen extrahiert, die aperiodisch (z. B. pro Herzzyklus, bei QRS-Komplex, etc.) sein können. Während physiologischer Basislinien- (Ruhe-) Zustände werden charakteristische Merkmalswerte bestimmt und wird ein m-dimensionaler physiologischer Referenzbasislinienvektor N erzeugt, der die Merkmalswerte enthält. Die Lage eines resultierenden physiologischen Diskriminierungspunktes in einer physiologischen Diskriminierungsebene ist für jedes Ereignis einer vorgegebenen idealen Frequenz zugeordnet, mit welcher das Herz schlagen sollte.
Vorzugsweise ändert sich der physiologische Referenzbasislinienvektor N adaptiv auf einer Ereignisbasis. Bei einer Implementierung wird jeder Referenzmerkmalswert auf eine Ausgabe eines Ereignisses basierenden Tiefpassfilters mit einer großen Ereigniskonstante basiert. Zum Beispiel könnten die Merkmalswerte über 1.000 Herzschläge gemittelt werden.
Neue Merkmalswerte werden unter Verwendung einer Ereignis basierenden Verarbeitung bestimmt; zum Beispiel werden Werte alle zehn Schläge verarbeitet. Dann wird ein m-dimensionaler physiologischer nicht basisliniengemäßer Vektor A erzeugt, der die neuen Merkmalswerte für ein Ereignis enthält. Die A- und N-Vektoren werden verglichen. Wenn die Größe der Vektordifferenz zwischen A und N kleiner als ein physiologischer Schwellenwert ist, wird A verwendet, um N zu aktualisieren. Wenn der Unterschied größer als der physiologische Schwellenwert ist, werden Ähnlichkeits- und Unähnlichkeitswerte berechnet, um die Lage des physiologischen Diskriminierungspunktes auf der physiologischen Diskriminierungsebene zu bestimmen. Die Lagen einer Anzahl von solchen Punkten auf der physiologischen Diskriminierungsebene bestimmt den Herzfrequenzansprechpunkt des Schrittmachers. Ein physiologischer Diskriminierungszähler wird bei Ungleichheiten zwischen A und N inkrementiert und dekrementiert, wenn die Vektoren nahezu übereinstimmen. Die Herzfrequenz wird nur über die physiologische Basislinie angehoben, wenn der physiologische Diskriminierungszähler eine programmierbare Zahl übersteigt. Daten für jedes Ereignis werden akkumuliert, und eine ideale Schrittsteuerungsfrequenz, mit welcher der Schrittmacher gesteuert werden sollte, um Schrittsteuerungsimpulse zum Herzen zu liefern, wird bestimmt.
Andere Variationen können durchgeführt werden, wie ein Verwenden statistischer Klassifikationsverfahren statt Regionen in der Diskriminierungsebene, um automatisch eine Klassifikation zu bestimmen.
Der Diskriminierungsalgorithmus der vorliegenden Erfindung ist durch Software implementiert, die auf einem Mikroprozessor oder Computer läuft. Jedoch können bestimmte Schritte des Algorithmus durch analoge Schaltung implementiert werden. In dieser Hinsicht können viele Merkmalswerte von normalen Basislinien- und nicht basisliniengemäßen Komplexen unter Verwendung analoger Schaltung extrahiert werden, die parallel zu der digitalen Schaltung läuft, um die digitalen Verarbeitungserfordernisse des Mikroprozessors zu verringern. Zum Beispiel kann der Signalverarbeitungsschritt 20 durch eine analoge Schaltkondensatorschaltung ausgeführt werden. Die Spitzenwerte (maximal positiv und minimal negativ), die im Schritt 22 verarbeitet werden, können mit analogen Spitzenwertdetektoren bestimmt werden. Die Schritte 24, 26, 28 und 30 können auf einem Mikroprozessor unter Verwendung von Firmware ausgeführt werden. Die Schritte 32–36 werden vorzugsweise von einem digitalen Signalverarbeitungs- (DSP-) Chip ausgeführt werden. Die Klassifikationsentscheidung im Schritt 38 wird vorzugsweise von einer Mikrocomputerfirmware erledigt. Die Diskriminierungszähler können jeweils ein Acht-Bit-Register oder einen Speicherort innerhalb eines Mikrocomputers enthalten.
Die obige Beschreibung ist lediglich als beispielhaft vorgesehen und ist nicht zum Beschränken der vorliegenden Erfindung in irgendeiner Art beabsichtigt, mit Ausnahme, wie in den folgenden Ansprüchen angegeben ist.

Claims

Verfahren zum Unterscheiden zwischen Tachykardien, enthaltend die Maßnahmen: Abtasten eines Herzbiopotentialsignales, enthaltend aufeinander folgende Biopotentialkomplexe (14(1)–14(N)); Bestimmen einer charakteristischen Zykluslänge, die mit jedem Herzbiopotentialkomplex (14(1)–14(N)) verbunden ist; dadurch gekennzeichnet, dass ferner die folgenden Maßnahmen enthalten sind: Bestimmen eines Biopotentialkomplexes (14) als nicht basisliniengemäß, wenn die charakteristische Zykluslänge geringer als ein vorgegebener Schwellenwert ist, und anderenfalls Bestimmen des Komplexes (14) als basisliniengemäß; Erhalten einer charakteristischen Sequenz von Merkmalswerten (N1–N4) für Herzbiopotentialkomplexe (14), die für einen spezifischen Patienten als basisliniengemäß bestimmt werden; Erhalten einer Sequenz von Merkmalswerten (A1–A5) für jeden Herzbiopotentialkomplex (14), der für jenen Patienten als nicht basisliniengemäß bestimmt wurde; Erzeugen eines Basislinien-Vektors (N ⇀) und Erzeugen eines Nicht-Basislinien-Vektors (A ⇀) von der charakteristischen Sequenz von Merkmalswerten (N1–N4) für Komplexe (14), die als basisliniengemäß bestimmt wurden, bzw. von jeder Sequenz von Merkmalswerten (A1–A5) für Komplexe (14), die als nicht basisliniengemäß bestimmt wurden; Vergleichen jedes der Nicht-Basislinien-Vektoren (A ⇀) mit dem Basislinienvektor (N ⇀); und Bestimmen des Typs von Tachykardie eines Nicht-Basislinien-Komplexes (14) basierend auf dem Vergleich jedes Nicht-Basislinien-Vektors (A ⇀) mit dem Basislinien-Vektor (N ⇀).
Verfahren nach Anspruch 1, und ferner enthaltend die Maßnahme des Akkumulierens von Vergleichsdaten, die den Vergleich von jedem der Nicht-Basislinien-Vektoren (A ⇀) mit dem Basislinien-Vektor (N ⇀) betreffen, und die Maßnahme des Bestimmens des Typs von Tachykardie basierend auf den akkumulierten Vergleichsdaten.
Verfahren nach Anspruch 2, wobei die Maßnahme des Akkumulierens von Vergleichsdaten, die den Vergleich von jedem der Nicht-Basislinien-Vektoren (A ⇀) mit dem Basislinien-Vektor (N ⇀) betreffen, die Maßnahmen enthält: Initialisieren eines VT-Unterscheidungszählers auf einen VT-Initialwert; Initialisieren eines Nicht-VT-Unterscheidungszählers auf einen Nicht-VT-Initialwert; Beschränken des Maximalwertes des VT-Unterscheidungszählers auf einen Maximum-VT-Wert; Beschränken des Maximalwertes des Nicht-VT-Unterscheidungszählers auf einen Maximum-Nicht-VT-Wert; Beschränken des Minimalwertes des VT-Unterscheidungszählers auf einen Minimum-VT-Wert; Beschränken des Minimalwertes des Nicht-VT-Unterscheidungszählers auf einen Minimum-Nicht-VT-Wert; Addieren eines VT-Inkrementwertes zu dem VT-Unterscheidungszählerwert und Subtrahieren eines Nicht-VT-Dekrementwertes von dem Nicht-VT-Unterscheidungszähler, wenn ein Komplex (14) bestimmt wird, ein Nicht-Basislinien-VT-Komplex (14) zu sein; Addieren eines Nicht-VT-Inkrementwertes zu dem Nicht-VT-Unterscheidungszähler und Subtrahieren eines VT-Dekrementwertes von dem VT-Unterscheidungszähler, wenn ein Komplex (14) bestimmt wird, ein Nicht-Basislinien-Nicht-VT-Komplex (14) zu sein; und Subtrahieren des VT-Basislinien-Komplex-Dekrementwertes von dem VT-Unterscheidungszähler und Subtrahieren des Nicht-VT-Basislinien-Komplex-Dekrementwertes von dem Nicht-VT-Unterscheidungszähler, wenn ein Komplex (14) bestimmt wird, ein Basislinien-Komplex (14) zu sein.
Verfahren nach Anspruch 3, wobei die Maßnahme des Bestimmens des Typs von Tachykardie basierend auf den akkumulierten Vergleichsdaten die Maßnahmen enthält: Bestimmen des Typs von Tachykardie als VT, wenn der VT-Unterscheidungszählerwert größer als ein VT-Absolutschwellenwert ist und der VT-Unterscheidungszählerwert minus den Nicht-VT-Unterscheidungszählerwert größer als ein VT-Relativschwellenwert ist; und Bestimmen des Typs von Tachykardie als Nicht-VT, wenn der Nicht-VT-Unterscheidungszählerwert größer als ein Nicht-VT-Absolutschwellenwert ist und der Nicht-VT-Unterscheidungszählerwert minus den VT-Unterscheidungszählerwert größer als ein Nicht-VT-Relativschwellenwert ist.
Verfahren nach Anspruch 1, wobei die Maßnahme des Erhaltens einer charakteristischen Sequenz von Merkmalswerten (N1-N4) für Komplexe (14), die als basisliniengemäß bestimmt wurden, die Maßnahmen enthält: Erzeugen von Event-Vektoren und Cluster-Vektoren von der Sequenz von Merkmalswerten (N1–N4) für jeden Komplex (14), der als basisliniengemäß bestimmt wurde, bzw. von der charakteristischen Sequenz von Merkmalswerten (N1–N4), die mit jedem Cluster von basislinienähnlichen Komplexen (14) verbunden sind; Vergleichen jedes Event-Vektors mit jedem Cluster-Vektor; Zuweisen des Basislinien-Komplexes (14) zu einem Cluster basierend auf dem Vergleich jedes Event-Vektors mit jedem Cluster-Vektor; Definieren eines neuen Clusters durch einen Basislinien-Komplex (14), der nicht irgend einem existierenden Cluster zugeordnet werden kann; Berechnen eines Durchschnittes der entsprechenden Komponenten des Event-Vektors und des Cluster-Vektors für den Basislinien-Komplex (14) und des Clusters, dem der Basislinien-Komplex (14) zugeordnet wurde, um eine aktualisierte charakteristische Sequenz von Merkmalswerten für den Cluster zu erhalten; Sortieren der Cluster in absteigender Reihenfolge der Anzahl von Events, die jedem Cluster zugeordnet wurden; und Definieren des Nummer-Eins-Clusters, welcher der Cluster ist, welchem die meisten Komplexe (14) zugeordnet wurden, als den normalen Basislinien-Cluster.
Verfahren nach Anspruch 5, wobei die Maßnahme des Erzeugens jedes Event-Vektors und jedes Cluster-Vektors die Maßnahmen enthält: Identifizieren und Bestimmen eines Merkmalswertes (N2*, A4*) innerhalb jeder Sequenz von Merkmalswerten (N1–N4) für den Basislinien-Komplex (14) und der charakteristischen Sequenz von Merkmalswerten (A1–A5) für den Cluster als Bezugspunkte für die jeweiligen Sequenzen (N1–N4, A1-A5); Ausrichten der Basislinien-Komplex-Sequenz (N1–N4) und der Clustercharakteristiksequenz (A1–A5) miteinander gemäß den jeweiligen Bezugspunkten (N2*, A4*); und Hinzufügen oder Entfernen von Merkmalswerten an den Enden der Basislinien-Komplex-Sequenz (N1–N4) und der Clustercharakteristiksequenz (A1–A5), um den Event-Vektor und den Cluster-Vektor so zu erzeugen, dass die Vektoren gleiche Anzahlen von Komponenten haben, und so, dass entsprechende Komponenten durch Merkmalswerte besetzt sind.
Verfahren nach Anspruch 6, wobei die Maßnahme des Hinzufügens von Merkmalswerten an den Enden der Basislinien-Komplex-Sequenz (N1–N4) und der Clustercharakteristiksequenz (A1–A5) die Maßnahme des Einfüllens von Nullen in Sequenzpositionen enthält, die nicht durch Merkmalswerte (N1-N4, A1–A5) besetzt sind.
Verfahren nach Anspruch 6, wobei die Maßnahme des Identifizierens und Bestimmens eines Bezugspunktes für eine Sequenz die Maßnahme des Identifizierens und Bestimmens des Merkmalswertes (N2*, A4*) mit dem größten Absolutwert der Sequenz (N1–N4, A1–A5) enthält.
Verfahren nach Anspruch 5, wobei die Maßnahme des Vergleichens jedes Event-Vektors mit jedem Cluster-Vektor die Maßnahmen enthält: Spezifizieren eines Satzes von linear unabhängigen Basisvektoren, die einen Unterraum eines m-dimensionalen Vektorraumes aufspannen, von welchem ein m-Komponenten-Event-Vektor und ein m-Komponenten-Cluster-Vektor Elemente sind; Projizieren des Event-Vektors auf den Unterraum, wodurch eine Linearkombination der Basisvektoren bestimmt wird; Berechnen der Werte der Koeffizienten der Linearkombination; und Bestimmen des Koeffizienten, der mit jedem Basisvektor in der Linearkombination verbunden ist, als den Koeffizienten des Basisvektors.
Verfahren nach Anspruch 9, wobei die Maßnahme des Zuweisens die Maßnahmen enthält: Bestimmen des Unterraumes, der von den Basisvektoren aufgespannt wird, als den Unterraum des Clusters; Definieren einer Basisvektor-Koordinatenachse für jeden der Basisvektoren des Unterraumes des Clusters, wobei der Ursprung des Unterraumes des Clusters an der Schnittstelle der Basisvektor-Koordinatenachsen angeordnet ist; Bestimmen bestimmter Regionen in dem Unterraum des Clusters als Regionen, die für Basislinien-Komplexe besonders sind, die dem Cluster zugeordnet sind; Lokalisieren eines Cluster-Punktes für jeden Basislinien-Komplex (14) in dem Unterraum des Clusters, wobei die Koordinaten des Cluster-Punktes durch die Koeffizienten des Basisvektors so definiert sind, dass die Position des Clus ter-Punktes längs jeder Basisvektor-Koordinatenachse an einer Koordinate relativ zu dem Ursprung gleich dem Basisvektor-Koeffizientenwert ist; und Zuweisen jedes Basislinien-Komplexes (14) zu dem ersten Cluster, für welchen der Ort des Cluster-Punktes des Basislinien-Komplexes (14) innerhalb einer der Regionen ist, die für den Cluster besonders sind.
Verfahren nach Anspruch 5, wobei der Basislinien-Vektor (N ⇀) ein normaler Basislinien-Vektor ist, der auf der Basis der charakteristischen Sequenz von Merkmalswerten (N1–N4) für den normalen Basislinien-Cluster erzeugt wurde.
Verfahren nach Anspruch 1, wobei die Maßnahme des Erzeugens des Basislinien-Vektors (N ⇀) und jedes Nicht-Basislinien-Vektors (A ⇀) die Maßnahmen enthält: Identifizieren und Bestimmen eines Merkmalswertes (N2*, A4*) innerhalb jeder charakteristischen Basislinien-Sequenz (N1–N4) und der Nicht-Basislinien-Sequenz (A1–A5) als einen Bezugspunkt für die jeweiligen Sequenzen (N1–N4, A1-A5); Erzeugen von Kandidatenangleichungssequenzenpaaren von der charakteristischen Basislinien-Sequenz (N1–N4) und Nicht-Basislinien-Sequenzen (A1–A5); Erzeugen eines Kandidaten-Basislinien-Vektor-und-Nicht-Basislinien-Vektor-Paares von jedem Kandidatenangleichungssequenzpaar; und Auswählen eines Kandidaten-Basislinien-Vektor-und-Nicht-Basislinien-Vektor-Paares als den Basislinien-Vektor (N ⇀) und den Nicht-Basislinien-Vektor (A ⇀).
Verfahren nach Anspruch 12, wobei die Maßnahme des Erzeugens eines Kandidatenangleichungssequenzpaares die Maßnahme des Angleichens der charakteristischen Basislinien-Sequenz (N1–N4) und Nicht-Basislinien-Sequenz (A1–A5) gemäß ihren jeweiligen Bezugspunkten enthält, um das Kandidatenangleichungssequenzpaar zu erzeugen.
Verfahren nach Anspruch 12, wobei die Maßnahme des Erzeugens des Kandidatenangleichungssequenzpaares die Maßnahmen enthält: Angleichen der charakteristischen Basislinien-Sequenz (N1-N4) und Nicht-Basislinien-Sequenz (A1–A5) gemäß ihren jeweiligen Bezugspunkten, um ein erstes Kandidatenangleichungssequenzpaar zu erzeugen; Angleichen der charakteristischen Basislinien-Sequenz (N1-N4) und Nicht-Basislinien-Sequenz (A1–A5) aneinander, so dass der Nicht-Basislinien-Sequenz-Bezugspunkt von dem charakteristischen Basislinien-Sequenz-Bezugspunkt um einen Merkmalswert nach rechts liegt, um ein zweites Kandidatenangleichungssequenzpaar zu erzeugen; und Angleichen der charakteristischen Basislinien-Sequenz (N1-N4) und Nicht-Basislinien-Sequenz (A1–A5) aneinander, so dass der Nicht-Basislinien-Sequenz-Bezugspunkt von dem charakteristischen Basislinien-Sequenz-Bezugspunkt um einen Merkmalswert nach links liegt, um ein drittes Kandidatenangleichungssequenzpaar zu erzeugen.
Verfahren nach Anspruch 12, wobei die Maßnahme des Erzeugens eines Kandidaten-Basislinien-Vektor-und-Nicht-Basislinien- Vektor-Paares von jedem Kandidatenangleichungssequenzpaar die Maßnahme des Hinzufügens oder Entfernens von Merkmalswerten an den Enden der charakteristischen Basislinien-Sequenz (N1–N4) und Nicht-Basislinien-Sequenz (A1-A5) enthält, die das Kandidatenangleichungssequenzpaar enthalten, um das Kandidaten-Basislinien-Vektor-und-Nicht-Basislinien-Vektor-Paar zu erzeugen, so dass die Vektoren gleiche Anzahlen von Komponenten haben und so dass entsprechende Komponenten durch Merkmalswerte besetzt sind.
Verfahren nach Anspruch 15, wobei die Maßnahme des Hinzufügens von Merkmalswerten an den Enden der charakteristischen Basislinien-Sequenz (N1–N4) und Nicht-Basislinien-Sequenz (A1–A5) die Maßnahme des Einfüllens von Nullen in Sequenzpositionen enthält, die nicht durch Merkmalswerte besetzt sind.
Verfahren nach Anspruch 12, wobei die Maßnahme des Auswählens eines Kandidaten-Basislinien-Vektor-und-Nicht-Basislinien-Vektor-Paares als den Basislinien-Vektor (N ⇀) und Nicht-Basislinien-Vektor (A ⇀) die Maßnahmen enthält: Berechnen des Betrages der Vektordifferenz zwischen dem Basislinien-Vektor (N ⇀) und Nicht-Basislinien-Vektor (A ⇀), enthaltend jedes Kandidatenpaar; und Auswählen des Kandidatenpaares mit dem kleinsten Betrag der Vektordifferenz als den Basislinien-Vektor (N ⇀) und Nicht-Basislinien-Vektor (A ⇀).
Verfahren nach Anspruch 12, wobei die Maßnahme des Identifizierens und Bestimmens eines Bezugspunktes für eine Sequenz die Maßnahme des Identifizierens und Bestimmens eines Merkmalswertes (N2*, A4*) mit dem größten Absolutwert in der Sequenz (N1–N4, A1–A5) enthält.
Verfahren nach Anspruch 1, wobei die Maßnahme des Vergleichens die Maßnahmen enthält: Normalisieren des Basislinien-Vektors (N ⇀) und des Nicht-Basislinien-Vektors (A ⇀) durch Dividieren durch den Wert des Basislinien-Vektors (N ⇀), wodurch ein normalisierter Basislinien-Vektor (N ⇀/|N ⇀|) und ein normalisierter Nicht-Basislinien-Vektor (A ⇀/|N ⇀|) erzeugt wird Berechnen eines Ähnlichkeitsmerkmalswertes des normalisierten Nicht-Basislinien-Vektors bezüglich des normalisierten Basislinien-Vektors (N ⇀/|N ⇀|) durch Bestimmen der Projektion des normalisierten Nicht-Basislinien-Vektors (A ⇀/|N ⇀|) auf den normalisierten Basislinien-Vektor (N ⇀/|N ⇀|); und Berechnen eines Unähnlichkeitsmerkmalswertes des normalisierten Nicht-Basislinien-Vektors (A ⇀/|N ⇀|) bezüglich des normalisierten Basislinien-Vektors (N ⇀/|N ⇀|) durch Bestimmen der Projektion des normalisierten Nicht-Basislinien-Vektors (A ⇀/|N ⇀|) auf die Achse in der Ebene, die durch den normali sierten Basislinien-Vektor (N ⇀/|N ⇀|) und den normalisierten Nicht-Basislinien-Vektor (A ⇀/|N ⇀|) definiert ist, der senkrecht zu dem normalisierten Basislinien-Vektor (N ⇀/|N ⇀|) ist.
Verfahren nach Anspruch 19, wobei die Maßnahme des Bestimmens des Typs von Tachykardie eines Nicht-Basislinien-Komplexes (14) die Maßnahmen enthält: Definieren einer Unterscheidungsebene, die eine Ähnlichkeitskoordinatenachse und eine Unähnlichkeitskoordinatenachse hat, die orthogonal zu der Ähnlichkeitskoordinatenachse ist, wobei der Ursprung der Unterscheidungsebene an einer Schnittstelle der Ähnlichkeitskoordinatenachse und der Unähnlichkeitskoordinatenachse liegt; Bestimmen bestimmter Regionen in der Unterscheidungsebene als Regionen, die für bestimmte Tachykardien besonders sind; Lokalisieren eines Unterscheidungspunktes für jeden Nicht-Basislinien-Komplex (14) in der Unterscheidungsebene, wobei die Koordinaten des Unterscheidungspunktes durch den Ähnlichkeitsmerkmalswert (a_∥⁣) und den Unähnlichkeitsmerkmalswert (a_⊥) so definiert sind, dass die Position des Unterscheidungspunktes längs der Ähnlichkeitsachse an einer rechtwinkligen Koordinate relativ zu dem Ursprung gleich dem Ähnlichkeitswert (a_∥⁣) und längs der Unähnlichkeitsachse an einer rechtwinkligen Koordinate relativ zu dem Ursprung gleich dem Unähnlichkeitswert (a_⊥) ist; und Bestimmen des Typs von Tachykardie des Nicht-Basislinien-Komplexes (14) basierend auf dem Ort des Unterscheidungspunktes in der Unterscheidungsebene.
Verfahren nach Anspruch 1, wobei die Maßnahme des Vergleichens die Maßnahmen enthält: Spezifizieren eines Satzes von linear unabhängigen Basisvektoren, die einen Unterraum eines m-dimensionalen Vektorraumes aufspannen, von welchem ein m-Komponenten-Nicht-Ba sislinien-Vektor und ein m-Komponenten-Basislinien-Vektor Elemente sind; Projizieren des Nicht-Basislinien-Vektors auf den Unterraum, wodurch eine Linearkombination von den Basisvektoren bestimmt wird; Berechnen der Werte der Koeffizienten in der Linearkombination; und Bestimmen des Koeffizienten, der mit jedem Basisvektor in der Linearkombination verbunden ist, als den Koeffizienten des Basisvektors.
Verfahren nach Anspruch 21, wobei die Maßnahme des Bestimmens des Typs von Tachykardie eines Nicht-Basislinien-Komplexes (14) die Maßnahmen enthält: Bestimmen des Unterraumes, der von den Basisvektoren aufgespannt wird, als einen Unterscheidungsunterraum; Definieren einer Basisvektor-Koordinatenachse für jeden der Basisvektoren des Unterscheidungsunterraumes, wobei der Ursprung des Unterscheidungsunterraumes an der Schnittstelle der Basisvektor-Koordinatenachsen liegt; Bestimmen bestimmter Regionen in dem Unterscheidungsunterraum als Regionen, die für bestimmte Tachykardien besonders sind; Lokalisieren eines Unterscheidungspunktes für jeden Nicht-Basislinien-Komplex (14) in dem Unterscheidungsunterraum, wobei die Koordinaten des Unterscheidungspunktes durch die Koeffizienten der Basisvektoren so definiert sind, dass die Position des Unterscheidungspunktes längs jeder Basisvektor-Koordinatenachse an einer Koordinate relativ zum Ursprung gleich dem Basisvektor-Koeffizientenwert ist; und Bestimmen des Typs von Tachykardie des Nicht-Basislinien-Komplexes (14) basierend auf dem Ort des Unterscheidungspunktes in dem Unterscheidungsunterraum.
Verfahren zum Steuern der Frequenz von Schrittimpulsen, die von einem Herzschrittmacher erzeugt und geliefert werden, enthaltend die Maßnahmen: Abtasten eines physiologischen Indikators, der die Funktion des menschlichen Herzens (10) betrifft; Konvertieren des abgetasteten physiologischen Indikators in ein elektrisches Signal; Extrahieren von Merkmalswerten (G1–G5) von dem elektrischen Signal bei aufeinander folgenden Events; Erhalten einer charakteristischen Sequenz von Merkmalswerten (N1–N4) von den Events als physiologisch basisliniengemäß für einen spezifischen Patienten; Bilden einer Sequenz von Merkmalswerten (A1–A5) des elektrischen Signales für jeden Event, der als physiologisch nicht basisliniengemäß für jenen Patienten bestimmt wurde; Erzeugen eines physiologischen Basislinien-Vektors (N ⇀) von der charakteristischen Sequenz von Merkmalswerten (N1–N4) für Events des physiologischen Indikators, die als physiologisch basisliniengemäß bestimmt wurden, und Erzeugen eines physiologischen Nicht-Basislinien-Vektors (A ⇀) von jeder Sequenz von Merkmalswerten (A1–A5) von jedem Event, der als physiologisch nicht basisliniengemäß bestimmt wurde; Vergleichen jedes physiologischen Nicht-Basislinien-Vektors (A ⇀) mit dem physiologischen Basislinien-Vektor (N ⇀); Bestimmen einer idealen Schrittfrequenz, bei welcher der Herzschrittmacher gesteuert werden sollte, um Schrittimpulse zu dem Herzen (10) zu liefern, für jeden physiologischen Nicht-Basislinien-Event basierend auf dem Vergleich jedes physiologischen Nicht-Basislinien-Vektors (A ⇀) mit dem physiologischen Basislinien-Vektor (N ⇀); Akkumulieren von Vergleichsdaten, die den Vergleich von jedem der physiologischen Nicht-Basislinien-Vektoren (A ⇀) mit dem physiologischen Basislinien-Vektor (N ⇀) betreffen; und Bestimmen einer idealen Schrittfrequenz, bei welcher der Herzschrittmacher gesteuert werden sollte, um Schrittimpulse zu dem Herzen (10) zu liefern, basierend auf den akkumulierten Vergleichsdaten.
Verfahren nach Anspruch 23, wobei die Maßnahme des Vergleichens die Maßnahmen enthält: Normalisieren des physiologischen Basislinien-Vektors (N ⇀) und des physiologischen Nicht-Basislinien-Vektors (A ⇀) durch Dividieren durch den Wert des physiologischen Basislinien-Vektors (N ⇀), wodurch ein normalisierter physiologischer Basislinien-Vektor (N ⇀/|N ⇀|) und ein normalisierter physiologischer Nicht-Basislinien-Vektor (A ⇀/|N ⇀|) erzeugt werden; Berechnen eines Ähnlichkeitsmerkmalswertes (a_∥⁣) des normalisierten physiologischen Nicht-Basislinien-Vektors (A ⇀/|N ⇀|) bezüglich des normalisierten physiologischen Basislinien-Vektors (N ⇀/|N ⇀|) durch Bestimmen der Projektion des normalisierten physiologischen Nicht-Basislinien-Vektors (A ⇀/|N ⇀|) auf den normalisierten physiologischen Basislinien-Vektor (N ⇀/|N ⇀|), und Berechnen eines Unähnlichkeitsmerkmalswertes (a_⊥) des normalisierten physiologischen Nicht-Basislinien-Vektors (A ⇀/|N ⇀|) bezüglich des normalisierten physiologischen Basislinien-Vektors (N ⇀/|N ⇀|) durch Bestimmen der Projektion des normalisierten physiologischen Nicht-Basislinien-Vektors (A ⇀/|N ⇀|) auf eine Achse in der Ebene, die durch den normalisierten physiologischen Basislinien-Vektor (N ⇀/|N ⇀|) und den normalisierten physiologischen Nicht-Basislinien-Vektor (A ⇀/|N ⇀|) definiert ist, der senkrecht zu dem normalisierten physiologischen Basislinien-Vektor (N ⇀/|N ⇀|) ist.
Verfahren nach Anspruch 24, wobei die Maßnahme des Bestimmens der idealen Schrittfrequenz für einen physiologischen Nicht-Basislinien-Event die Maßnahmen enthält: Definieren einer physiologischen Unterscheidungsebene, die eine Ähnlichkeitskoordinatenachse und eine Unähnlichkeitskoordinatenachse hat, die orthogonal zu der Ähnlichkeitskoordinatenachse ist, wobei der Ursprung der physiologischen Unterscheidungsebene an einer Schnittstelle der Ähnlichkeitskoordinatenachse und der Unähnlichkeitskoordinatenachse liegt; Bestimmen bestimmter Regionen in der physiologischen Unterscheidungsebene als Regionen, die für bestimmte ideale Herzfrequenzen besonders sind; Lokalisieren eines physiologischen Unterscheidungspunktes für jeden physiologischen Nicht-Basislinien-Event in der physiologischen Unterscheidungsebene, wobei die Koordinaten des physiologischen Unterscheidungspunktes durch den Ähnlichkeitsmerkmalswert und den Unähnlichkeitsmerkmalswert so bestimmt sind, dass die Position des physiologischen Unterscheidungspunktes längs der Ähnlichkeitsachse an einer rechtwinkligen Koordinate relativ zu dem Ursprung gleich dem Ähnlichkeitswert und längs der Unähnlichkeitsachse an einer rechtwinkligen Koordinate relativ zu dem Ursprung gleich dem Unähnlichkeitswert ist; und Bestimmen der idealen Schrittfrequenz des physiologischen Nicht-Basislinien-Events basierend auf dem Ort des physiologischen Unterscheidungspunktes in der physiologischen Unterscheidungsebene.