IT201800005089A1 - CARDIAC ACTIVITY MEASUREMENT SYSTEM AND METHOD THEREOF. - Google Patents
CARDIAC ACTIVITY MEASUREMENT SYSTEM AND METHOD THEREOF. Download PDFInfo
- Publication number
- IT201800005089A1 IT201800005089A1 IT102018000005089A IT201800005089A IT201800005089A1 IT 201800005089 A1 IT201800005089 A1 IT 201800005089A1 IT 102018000005089 A IT102018000005089 A IT 102018000005089A IT 201800005089 A IT201800005089 A IT 201800005089A IT 201800005089 A1 IT201800005089 A1 IT 201800005089A1
- Authority
- IT
- Italy
- Prior art keywords
- local maxima
- sequence
- signal
- segment
- segments
- Prior art date
Links
- 230000000747 cardiac effect Effects 0.000 title claims description 24
- 238000000034 method Methods 0.000 title claims description 19
- 230000000694 effects Effects 0.000 title claims description 18
- 238000005259 measurement Methods 0.000 title claims description 5
- 206010003658 Atrial Fibrillation Diseases 0.000 claims description 49
- 230000033764 rhythmic process Effects 0.000 claims description 25
- 239000011159 matrix material Substances 0.000 claims description 24
- 206010003662 Atrial flutter Diseases 0.000 claims description 18
- 238000011156 evaluation Methods 0.000 claims description 16
- 238000011524 similarity measure Methods 0.000 claims description 16
- 238000001514 detection method Methods 0.000 claims description 12
- 238000009826 distribution Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 8
- 230000002123 temporal effect Effects 0.000 claims description 8
- 239000013598 vector Substances 0.000 claims description 6
- 206010003130 Arrhythmia supraventricular Diseases 0.000 claims description 5
- 239000008280 blood Substances 0.000 claims description 5
- 210000004369 blood Anatomy 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 5
- 210000001367 artery Anatomy 0.000 claims description 3
- 230000005670 electromagnetic radiation Effects 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 3
- 238000007920 subcutaneous administration Methods 0.000 claims description 3
- 238000013186 photoplethysmography Methods 0.000 description 8
- 206010003119 arrhythmia Diseases 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000006793 arrhythmia Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 206010047289 Ventricular extrasystoles Diseases 0.000 description 4
- 230000001746 atrial effect Effects 0.000 description 4
- 210000002837 heart atrium Anatomy 0.000 description 4
- 208000006011 Stroke Diseases 0.000 description 3
- 230000000739 chaotic effect Effects 0.000 description 3
- 230000001788 irregular Effects 0.000 description 3
- 208000002102 Atrial Premature Complexes Diseases 0.000 description 2
- 206010012289 Dementia Diseases 0.000 description 2
- 206010019280 Heart failures Diseases 0.000 description 2
- 208000009729 Ventricular Premature Complexes Diseases 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 206010003668 atrial tachycardia Diseases 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008602 contraction Effects 0.000 description 2
- 238000005314 correlation function Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 229920000333 poly(propyleneimine) Polymers 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000002861 ventricular Effects 0.000 description 2
- 208000031229 Cardiomyopathies Diseases 0.000 description 1
- 208000005189 Embolism Diseases 0.000 description 1
- 101100510602 Mus musculus Lacc1 gene Proteins 0.000 description 1
- 241000288906 Primates Species 0.000 description 1
- 206010049447 Tachyarrhythmia Diseases 0.000 description 1
- 208000001871 Tachycardia Diseases 0.000 description 1
- 208000001435 Thromboembolism Diseases 0.000 description 1
- 208000007536 Thrombosis Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 206010061592 cardiac fibrillation Diseases 0.000 description 1
- 230000003920 cognitive function Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002600 fibrillogenic effect Effects 0.000 description 1
- 230000004217 heart function Effects 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000004165 myocardium Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 206010047302 ventricular tachycardia Diseases 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02405—Determining heart rate variability
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/726—Details of waveform analysis characterised by using transforms using Wavelet transforms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/361—Detecting fibrillation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/363—Detecting tachycardia or bradycardia
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Description
"SISTEMA DI MISURAZIONE DELL'ATTIVITÀ CARDIACA E RELATIVO METODO" "CARDIAC ACTIVITY MEASUREMENT SYSTEM AND RELATED METHOD"
DESCRIZIONE DESCRIPTION
CAMPO TECNICO DELL'INVENZIONE TECHNICAL FIELD OF THE INVENTION
La presente invenzione riguarda un sistema per misurare l'attività cardiaca e, in particolare, l'attività atriale, per riconoscere la presenza di aritmie atriali e per classificare il tipo di aritmia rilevata (ad esempio fibrillazione atriale o flutter atriale). L'invenzione riguarda anche un metodo per misurare l'attività cardiaca a partire dall'acquisizione di un segnale relativo all'attività cardiaca, ad esempio un segnale videofotopledsmografico (vPPG). The present invention relates to a system for measuring cardiac activity and, in particular, atrial activity, for recognizing the presence of atrial arrhythmias and for classifying the type of arrhythmia detected (for example atrial fibrillation or atrial flutter). The invention also relates to a method for measuring cardiac activity starting from the acquisition of a signal relating to cardiac activity, for example a videophotopledsmographic signal (vPPG).
STATO DELL'ARTE STATE OF THE ART
La fibrillazione atriale (AF) è la più comune aritmia prolungata nella pratica clinica in tutto il mondo, ed è associata a mortalità e morbilità sostanziali dovute a tromboembolia, insufficienza cardiaca, ictus e alterazione delle funzioni cognitive. Comporta una triplicazione del rischio di scompenso cardiaco [A. D. Krahn, J. Manfreda, R. B. Tate, andT. E. Cuddy. The natural history ofatrial fibrillation: Incidence, risk factors, and prognosis in the manitoba follow-up study . Am. J. Med., 98: 476-484, 1995] e un raddoppio del rischio di demenza [Y. Miyasaka, M. E. Barnes, R. C. Petersen, SS. Cha, K. R, Bailey, B. J. Gersh, G. Casaclang-Verzosa, W. P. Abhayaratna, J. B. Seward, T. Iwasaka, and T. S, M. Tsang. Risk of dementia in stroke-free patients diagnosed with atrial fibrillation: data front a community-based cohort. Eur. Heart. J., 28(16): 1962-1967, 2007]. È importante notare che il rischio di ictus è 4 - 5 volte superiore con fibrillazione atriale, perché la fibrillazione atriale è caratterizzata da segnali elettrici disordinati e rapidi che permettono agli atri di contrarsi in modo irregolare e caotico. Tali contrazioni anomale possono modificare il flusso sanguigno regolare e produrre stagnazione del sangue negli atri causando coaguli di sangue. La prevalenza di AF varia tra lo 0,12% -0,16% della popolazione più giovane (meno di 49 anni), 3,7% - 4,2% della popolazione di età compresa tra 60 e 70 anni, e il 10% - 17% delle persone di età pari o superiore a 80 anni. Il flutter atriale è la seconda più comune tachiaritmia in cui gli atri battono troppo rapidamente in un ritmo veloce, ma usualmente regolare. Come la fibrillazione atriale, il flutter atriale è un tipo di tachicardia atriale che, se non trattata, può portare ad una diminuzione generale dello stato di salute del paziente. La differenza tra le due aritmie è il pattern di battito degli impulsi elettrici anomali generati negli atri: mentre, per il flutter atriale, c'è un battito più regolare, in AF c'è un battito più caotico e irregolare. Il flutter atriale non è una minaccia per la vita. Tuttavia, un'AF non trattata, può dare luogo a pericolosi effetti collaterali. Una possibile conseguenza è la cardiomiopatia che si verifica quando i ventricoli battono troppo velocemente per un lungo periodo di tempo, indebolendo il muscolo cardiaco. Il flutter atriale e la fibrillazione atriale possono essere silenziosi e, considerando gli importanti rischi di diagnosi mancanti o troppo tardive, la European Heart Rhythm Association ha favorito lo sviluppo di nuove tecnologie in grado di rivelare soggetti con aritmie atriali silenziose, che altrimenti non verrebbero diagnosticate. Negli ultimi anni sono stati così presentati in letteratura e sul mercato nuovi metodi di monitoraggio per rilevare gli eventi AF utilizzando dispositivi onnipresenti come gli smartphone. AliveCor® è una striscia a cavo singolo che, combinata con uno smartphone, è in grado di rilevare episodi di AF. È stata inoltre sviluppata un'applicazione per smartphone che consente di utilizzare la telecamera posteriore dello smartphone per rilevare gli episodi di AF mediante l'analisi del segnale fotopletismografico (PPG) delle dita. La stessa tecnologia è stata utilizzata anche per distinguere tra AF, ritmo sinusale (SR), contrazioni atriali premature (PAC) e contrazioni ventricolari premature (PVC). Sono state inoltre utilizzate tecnologie senza contatto per rilevare la fibrillazione atriale e altre aritmie cardiache, anche di origine ventricolare. In particolare, J.-P-Couderc, S. Kyal, L. K. Mestha, B. Xu, D. R. Peterson, X. Xia and B. Hall. Detection of atrial fibrillation using contatless facial videomonitoring. Heart Rhythm, 12(1): 195-201, 2015] ha dimostrato la fattibilità del rilevamento della AF, utilizzando la tecnologia video fotopletismografica (vPPG). US20160287105 descrive un metodo e un sistema per classificare un segnale fotopletismografico (PPG) e un segnale videopletismografico (VPG) come contrazione prematura ventricolare, tachicardia ventricolare o ritmo sinusale normale. Atrial fibrillation (AF) is the most common prolonged arrhythmia in clinical practice worldwide, and is associated with substantial mortality and morbidity due to thromboembolism, heart failure, stroke and impaired cognitive function. It leads to a tripling of the risk of heart failure [A. D. Krahn, J. Manfreda, R. B. Tate, and T. E. Cuddy. The natural history ofatrial fibrillation: Incidence, risk factors, and prognosis in the manitoba follow-up study. Am. J. Med., 98: 476-484, 1995] and a doubling of the risk of dementia [Y. Miyasaka, M. E. Barnes, R. C. Petersen, SS. Cha, K. R, Bailey, B. J. Gersh, G. Casaclang-Verzosa, W. P. Abhayaratna, J. B. Seward, T. Iwasaka, and T. S, M. Tsang. Risk of dementia in stroke-free patients diagnosed with atrial fibrillation: data front a community-based cohort. Eur. Heart. J., 28 (16): 1962-1967, 2007]. It is important to note that the risk of stroke is 4 to 5 times higher with atrial fibrillation, because atrial fibrillation is characterized by disordered and rapid electrical signals that allow the atria to contract in an irregular and chaotic way. Such abnormal contractions can change regular blood flow and produce stagnation of blood in the atria causing blood clots. The prevalence of FA varies between 0.12% -0.16% of the youngest population (less than 49 years old), 3.7% - 4.2% of the population aged 60 to 70, and 10 % - 17% of people aged 80 and over. Atrial flutter is the second most common tachyarrhythmia in which the atria beat too quickly in a fast but usually regular rhythm. Like atrial fibrillation, atrial flutter is a type of atrial tachycardia which, if left untreated, can lead to an overall decrease in the patient's health. The difference between the two arrhythmias is the beat pattern of the abnormal electrical impulses generated in the atria: while, for atrial flutter, there is a more regular beat, in AF there is a more chaotic and irregular beat. Atrial flutter is not life threatening. However, untreated FA can result in dangerous side effects. One possible consequence is cardiomyopathy which occurs when the ventricles beat too fast for a long period of time, weakening the heart muscle. Atrial flutter and atrial fibrillation can be silent and, considering the important risks of missing or too late diagnoses, the European Heart Rhythm Association has favored the development of new technologies capable of detecting people with silent atrial arrhythmias, which otherwise would not be diagnosed. . In recent years, new monitoring methods have been presented in the literature and on the market to detect AF events using ubiquitous devices such as smartphones. AliveCor® is a single cable strip which, when combined with a smartphone, is capable of detecting episodes of AF. A smartphone application was also developed that allows the smartphone's rear view camera to be used to detect AF episodes by analyzing the finger photoplethysmography (PPG) signal. The same technology has also been used to distinguish between AF, sinus rhythm (SR), premature atrial contractions (PAC) and premature ventricular contractions (PVC). Non-contact technologies have also been used to detect atrial fibrillation and other cardiac arrhythmias, including those of ventricular origin. In particular, J.-P-Couderc, S. Kyal, L. K. Mestha, B. Xu, D. R. Peterson, X. Xia and B. Hall. Detection of atrial fibrillation using contatless facial videomonitoring. Heart Rhythm, 12 (1): 195-201, 2015] demonstrated the feasibility of detecting AF using photoplethysmography (vPPG) video technology. US20160287105 describes a method and system for classifying a photoplethysmographic (PPG) signal and a videoplethysmographic (VPG) signal as ventricular premature contraction, ventricular tachycardia or normal sinus rhythm.
Tuttavia, a nostra conoscenza, non esistono sistemi non invasivi in grado di discriminare tra flutter atriale e ritmi sinusali, e tra flutter atriale e fibrillazione atriale con la stessa significatività statistica. Il documento DE102006061988 descrive un rivelatore di fibrillazione atriale o flutter che analizza il segnale ECG intra-atriale. Quest’ultimo viene registrato per mezzo di un elettrodo atriale, generalmente contenuto in un pacemaker o in un defibrillatore impiantabile. Il sistema descritto in DE102006061988 si basa quindi su una tecnologia invasiva e, inoltre, non è in grado di discriminare tra flutter atriale e fibrillazione atriale, ma solo tra flutter atriale e ritmo sinusale e tra fibrillazione atriale e ritmo sinusale. However, to our knowledge, there are no non-invasive systems capable of discriminating between atrial flutter and sinus rhythms, and between atrial flutter and atrial fibrillation with the same statistical significance. Document DE102006061988 describes an atrial fibrillation or flutter detector which analyzes the intra-atrial ECG signal. The latter is recorded by means of an atrial electrode, generally contained in a pacemaker or an implantable defibrillator. The system described in DE102006061988 is therefore based on an invasive technology and, moreover, is not able to discriminate between atrial flutter and atrial fibrillation, but only between atrial flutter and sinus rhythm and between atrial fibrillation and sinus rhythm.
SOMMARIO DELL'INVENZIONE SUMMARY OF THE INVENTION
Lo scopo della presente invenzione è, quindi, quello di fornire un sistema di misurazione dell’attività cardiaca che non sia invasivo e, allo stesso tempo, sia in grado di rilevare sia flutter atriali che fibrillazione atriale. The purpose of the present invention is, therefore, to provide a cardiac activity measurement system that is not invasive and, at the same time, is able to detect both atrial flutter and atrial fibrillation.
Un secondo scopo della presente invenzione è anche quello di fornire un sistema di misurazione dell'attività cardiaca in grado di classificare le aritmie atriali rilevate distinguendo tra flutter atriale e fibrillazione atriale. A second object of the present invention is also to provide a cardiac activity measurement system capable of classifying the detected atrial arrhythmias by distinguishing between atrial flutter and atrial fibrillation.
Questi scopi sono ottenuti da un sistema che comprende: These purposes are achieved by a system that includes:
- un'unità di acquisizione configurata per acquisire almeno un segnale temporale relativo all'attività cardiaca; e - an acquisition unit configured to acquire at least one time signal relating to cardiac activity; And
- un'unità di valutazione configurata per: - an evaluation unit configured for:
• ricevere almeno un segnale temporale; e • receive at least one time signal; And
• dividere il segnale temporale in almeno un primo e un secondo segmento, ciascuno dei quali ha una lunghezza temporale di almeno due cicli cardiaci; L'unità di valutazione è ulteriormente configurata per: • dividing the temporal signal into at least a first and a second segment, each of which has a temporal length of at least two cardiac cycles; The evaluation unit is further configured for:
- calcolare almeno una prima sequenza di massimi locali del primo segmento e una seconda sequenza di massimi locali del secondo segmento; e - calculating at least a first sequence of local maxima of the first segment and a second sequence of local maxima of the second segment; And
- calcolare una misura di similarità tra la prima e la seconda sequenza di massimi locali. - calculate a similarity measure between the first and second sequence of local maxima.
L'unità di valutazione del sistema della presente invenzione è, quindi, configurata per classificare il segnale temporale come uno dei seguenti: ritmo sinusale normale o aritmia atriale e/o per classificare il segnale della serie temporale come uno dei seguenti: ritmo sinusale normale, flutter atriale o fibrillazione atriale. The system evaluation unit of the present invention is, therefore, configured to classify the time signal as one of the following: normal sinus rhythm or atrial arrhythmia and / or to classify the time series signal as one of the following: normal sinus rhythm, atrial flutter or atrial fibrillation.
Ai fini della presente descrizione, l'espressione "misura di similarità" designa qualsiasi misura o indice che quantifichi il grado di corrispondenza di due segnali confrontati. Come esempi non limitativi di misure di similarità attuate dall'unità di valutazione del sistema della presente invenzione, esistono le seguenti: cross-correlazione, crosscovarianza e coerenza spettrale. For the purposes of the present description, the term "measure of similarity" designates any measure or index that quantifies the degree of correspondence of two compared signals. As non-limiting examples of similarity measures implemented by the evaluation unit of the system of the present invention, there are the following: cross-correlation, crosscovariance and spectral coherence.
Se il segnale della serie temporale è diviso in un numero di segmenti superiore a due, si calcola una mediana tra le misure di similarità di ciascuna possibile combinazione di due segmenti. Ad esempio, se la serie temporale è divisa in tre segmenti, l'unità di valutazione sarà ulteriormente configurata per: If the time series signal is divided into more than two segments, a median is calculated between the similarity measures of each possible combination of two segments. For example, if the time series is divided into three segments, the evaluation unit will be further configured for:
- calcolare una terza sequenza di massimi locali di un terzo segmento; - calculate a third sequence of local maxima of a third segment;
- calcolare una misura di similarità tra la seconda sequenza di massimi locali e la terza sequenza di massimi locali; e - calculate a similarity measure between the second sequence of local maxima and the third sequence of local maxima; And
- calcolare la media o la mediana tra: - calculate the mean or the median between:
• la misura di similarità tra la prima e la seconda sequenza di massimi locali; • the measure of similarity between the first and second sequence of local maxima;
e And
• la misura di similarità tra la seconda e la terza sequenza di massimi locali. Il calcolo della sequenza di massimi locali può essere eseguito nel seguente modo: • the measure of similarity between the second and third sequence of local maxima. The calculation of the sequence of local maxima can be performed as follows:
- calcolare una matrice scalogramma che mappi la distribuzione dei massimi locali del segmento in funzione del tempo e della scala, detti massimi locali essendo contrassegnati come zeri nella matrice; - calculating a scalogram matrix which maps the distribution of the local maxima of the segment as a function of time and scale, said local maxima being marked as zeros in the matrix;
- somma temporale dei valori della matrice in modo da ottenere un primo vettore che mappa sequenza dei massimi locali del segmento. - temporal sum of the values of the matrix in order to obtain a first vector which maps the sequence of local maxima of the segment.
I segmenti possono essere successivi e non sovrapposti, o parzialmente sovrapposti, con una percentuale di sovrapposizione di almeno il 10%, The segments can be successive and not overlapping, or partially overlapping, with an overlap percentage of at least 10%,
Ai fini della presente descrizione, per "segnale temporale relativo all'attività cardiaca" si intende un segnale che contiene componenti nel tempo e/ o in frequenza relative alla funzione cardiaca. Esempi di segnali di serie temporali relativi all'attività cardiaca sono: segnali fotopletismografici (PPG), segnali videofotopletismografici (vPPG) e segnali elettrocardiografici (ECG). For the purposes of the present description, by "time signal relating to cardiac activity" is meant a signal that contains time and / or rate components relating to cardiac function. Examples of time series signals related to cardiac activity are: photoplethysmographic signals (PPG), videophotoplethysmographic signals (vPPG) and electrocardiographic signals (ECG).
Ai fini della presente descrizione, l'espressione "segnale fotopletismografico (PPG)" designa un segnale che indica l'impulso del volume sanguigno nel tempo. Il segnale PPG è ottenuto utilizzando uno strumento ottico che cattura le variazioni di volume relative dei vasi sanguigni, che si trovano sotto la superficie del tessuto cutaneo. Un "segnale videofotopletismografico (vPPG)" designa, invece, un segnale PPG estratto da sequenze di fotogrammi di un video della superficie della pelle. Se il segnale della serie temporale è un segnale vPPG, l'unità di acquisizione comprende: For the purposes of the present description, the term "photoplethysmographic signal (PPG)" designates a signal which indicates the pulse of blood volume over time. The PPG signal is obtained using an optical instrument that captures the relative volume changes of blood vessels, which are located below the surface of the skin tissue. A "video photoplethysmographic signal (vPPG)", on the other hand, designates a PPG signal extracted from frame sequences of a skin surface video. If the time series signal is a vPPG signal, the acquisition unit includes:
- una telecamera configurata per rilevare le variazioni delle radiazioni elettromagnetiche riflesse da una regione cutanea di un soggetto in modo da ottenere dati di rilevamento video; - a camera configured to detect the variations of electromagnetic radiation reflected by a skin region of a subject in order to obtain video detection data;
- un'unità di elaborazione configurata per: - a processing unit configured for:
• selezionare automaticamente o manualmente almeno una sottoregione dalla regione cutanea ed estrarre i dati di rilevamento video relativi ad almeno una sottoregione; • automatically or manually select at least one sub-region from the skin region and extract the video data relating to at least one sub-region;
• estrarre un segnale videofotopletismografico dai dati di rilevazione video, tale segnale essendo rappresentativo delle variazioni di volume dell'impulso di sangue delle arterie sottocutanee. • extract a videophotoplethysmographic signal from the video detection data, this signal being representative of the changes in volume of the blood pulse of the subcutaneous arteries.
L'unità di elaborazione dei dati video e l'unità possono essere integrate in un unico computer insieme all'unità di valutazione. Nella presente descrizione, il termine "soggetto" si riferisce ad un essere vivente. Qui si precisa che il soggetto può essere qualcosa di diverso da un essere umano come, per esempio, un primate. Pertanto, l'uso di tali termini non deve essere considerato come limitativo, strettamente all'umano, dell'ambito di protezione delle rivendicazioni allegate. The video data processing unit and the unit can be integrated into a single computer together with the evaluation unit. In the present description, the term "subject" refers to a living being. Here it is specified that the subject can be something other than a human being such as, for example, a primate. Therefore, the use of such terms should not be regarded as limiting, strictly human, the scope of protection of the attached claims.
Un altro scopo della presente invenzione è quello di fornire un metodo di misurazione dell'attività cardiaca che consenta una valutazione non invasiva dell'attività atriale. Questo scopo è raggiunto con il metodo della presente invenzione grazie all'implementazione di specifiche fasi di elaborazione del segnale che sono affidabili e robuste al rumore. Another object of the present invention is to provide a method for measuring cardiac activity which allows a non-invasive evaluation of atrial activity. This object is achieved with the method of the present invention thanks to the implementation of specific signal processing steps which are reliable and robust to noise.
Il metodo di misurazione dell'attività cardiaca della presente invenzione comprende: The method of measuring cardiac activity of the present invention comprises:
- acquisire almeno un segnale temporale relativo all'attività cardiaca; - acquire at least one time signal relating to cardiac activity;
- dividere il segnale temporale in almeno un primo e un secondo segmento, ciascuno dei quali avente una lunghezza temporale di almeno due cicli cardiaci; - calcolare almeno una prima sequenza di massimi locali del primo segmento e una seconda sequenza di massimi locali del secondo segmento; e - dividing the time signal into at least a first and a second segment, each of which having a time length of at least two cardiac cycles; - calculating at least a first sequence of local maxima of the first segment and a second sequence of local maxima of the second segment; And
- calcolare una misura di similarità almeno tra la prima e la seconda sequenza. Come descritto in precedenza, se il segnale della serie temporale è diviso in un numero di segmenti superiore a due, viene calcolata una mediana tra le misure di similarità di ogni possibile combinazione di due segmenti. I segmenti possono essere successivi e non sovrapposti o parzialmente sovrapposti, con una percentuale di sovrapposizione di almeno 10%. - calculate a similarity measure at least between the first and second sequence. As previously described, if the time series signal is split into more than two segments, a median is calculated between the similarity measures of each possible combination of two segments. The segments can be successive and non-overlapping or partially overlapping, with an overlap percentage of at least 10%.
Il calcolo della sequenza di massimi locali può essere eseguito nel seguente modo: The calculation of the sequence of local maxima can be performed as follows:
- calcolare una matrice scalogramma che mappi la distribuzione dei massimi locali del segmento in funzione del tempo e della scala, detti massimi locali essendo marcati come zeri nella matrice; - calculating a scalogram matrix that maps the distribution of the local maxima of the segment as a function of time and scale, said local maxima being marked as zeros in the matrix;
- sommare temporalmente i valori della matrice in modo da ottenere un primo vettore mappante la sequenza dei massimi locali del segmento. - temporally adding the values of the matrix in order to obtain a first vector mapping the sequence of local maxima of the segment.
Il termine "scalogramma", comunemente noto nel campo dell'elaborazione dei segnali, definisce una matrice che contiene le occorrenze dipendenti dalla scala di un indice, in cui il termine "scala" indica la lunghezza o la metà della lunghezza, della finestra temporale mobile in cui l'indice è calcolato. The term "scalogram", commonly known in the field of signal processing, defines a matrix that contains the scale-dependent occurrences of an index, where the term "scale" indicates the length, or half the length, of the floating time window in which the index is calculated.
Il calcolo di una sequenza di massimi locali, seguito dal calcolo di misure di similarità, consente una stima robusta dell 'attività striale rispetto al rumore. Al fine di dimostrare l'affidabilità e la robustezza al rumore del metodo proposto, negli esempi sperimentali che seguono, verrà fornito un confronto dettagliato di quest'ultimo con altri metodi dì trattamento dei segnali cardiaci basati sulle attuali tecnologie dell'arte nota. The computation of a sequence of local maxima, followed by the computation of similarity measures, allows a robust estimate of the atrial activity with respect to noise. In order to demonstrate the reliability and robustness to noise of the proposed method, in the following experimental examples, a detailed comparison of the latter with other cardiac signal processing methods based on the current technologies of the known art will be provided.
Queste e altre caratteristiche saranno, quindi, rese più chiare con l'ausìlio della seguente descrizione dettagliata di una forma di realizzazione preferita dell'invenzione, da leggersi come esempio non limitativo del principio più generale rivendicato. These and other characteristics will therefore be made clearer with the aid of the following detailed description of a preferred embodiment of the invention, to be read as a non-limiting example of the more general principle claimed.
BREVE DESCRIZIONE DEI DISEGNI BRIEF DESCRIPTION OF THE DRAWINGS
La descrizione si riferisce ai disegni di accompagnamento, in cui: The description refers to the accompanying drawings, in which:
- la figura 1 è una rappresentazione schematica del flusso di lavoro eseguito dal sistema della presente invenzione; Figure 1 is a schematic representation of the work flow performed by the system of the present invention;
- la figura 2a mostra un esempio di matrice scalogramma; Figure 2a shows an example of a scalogram matrix;
- la figura 2b è un esempio di sequenza di massimi locali; tale sequenza di massimi locali è ottenuta sommando nella dimensione del tempo una matrice scalogramma; Figure 2b is an example of a sequence of local maxima; this sequence of local maxima is obtained by adding a scalogram matrix in the time dimension;
- la figura 3a mostra gli istogrammi della deviazione standard (SD) calcolata sugli intervalli impulso-impulso (PPI), e calcolata per le seguenti tre classi di popolazione: "Altre aritmie" (OA), "Fibrillazione atriale" (AF) e "Ritmo sinusale" (SR); - Figure 3a shows the histograms of the standard deviation (SD) calculated on the pulse-to-pulse intervals (PPI), and calculated for the following three population classes: "Other arrhythmias" (OA), "Atrial fibrillation" (AF) and " Sinus rhythm "(SR);
- la figura 3b mostra gli istogrammi valore quadratico medio della deviazione standard (RMSSD) calcolato sulle serie PPI e calcolata per le seguenti tre classi di popolazione: OA, AF e SR; - figure 3b shows the histograms mean square value of the standard deviation (RMSSD) calculated on the PPI series and calculated for the following three population classes: OA, AF and SR;
- la figura 4a mostra gli istogrammi dell'entropia calcolata sulle serie PPI, per le seguenti tre classi di popolazione: OA, AF e SR; - figure 4a shows the histograms of the entropy calculated on the PPI series, for the following three population classes: OA, AF and SR;
- la figura 4b mostra gli istogrammi della forza armonica del battito (PHS) calcolati per le seguenti tre classi di popolazione: OA, AF e SR; - figure 4b shows the histograms of the harmonic force of the beat (PHS) calculated for the following three population classes: OA, AF and SR;
- la figura 5a mostra gli istogrammi dell'SD1 SD2 dei diagrammi di Poincarè calcolati per le seguenti tre classi di popolazione: OA, AF e SR; e - figure 5a shows the histograms of the SD1 SD2 of the Poincarè diagrams calculated for the following three population classes: OA, AF and SR; And
- la figura 5b mostra gli istogrammi della cross-correlazione calcolata tra le sequenze di massimi locali per le seguenti tre classi di popolazione: OA, AF e SR. - Figure 5b shows the histograms of the cross-correlation calculated between the sequences of local maxima for the following three population classes: OA, AF and SR.
Nelle figure 3a, 3b, 4a, 4b, 5a, 5b il simbolo "*" indica un p-value < 0,05 e il simbolo "**" indica un p-value< 0,01. Vengono riportate solo le differenze significative in base a questi due valori di p-value. In Figures 3a, 3b, 4a, 4b, 5a, 5b the symbol "*" indicates a p-value <0.05 and the symbol "**" indicates a p-value <0.01. Only significant differences based on these two p-values are reported.
DESCRIZIONE DETTAGLIATA DELLE REALIZZAZIONI PREFERITE Una realizzazione preferita del sistema della presente invenzione comprende: DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS A preferred embodiment of the system of the present invention comprises:
- un'unità di acquisizione (1) comprendente: - an acquisition unit (1) comprising:
• una telecamera (3) configurata per rilevare le variazioni delle radiazioni elettromagnetiche riflesse da una regione cutanea di un soggetto (4) in modo da ottenere dati di rilevamento video (5); • a camera (3) configured to detect the variations of the electromagnetic radiation reflected by a skin region of a subject (4) in order to obtain video detection data (5);
- un'unità di elaborazione dei dati di rilevamento video (4) configurata per: ✓ selezionare automaticamente o manualmente almeno una sottoregione dalla regione della pelle ed estrarre i dati di rilevamento video relativi ad detta almeno una sottoregione; - a video detection data processing unit (4) configured to: ✓ automatically or manually select at least one sub-region from the skin region and extract the video detection data relating to said at least one sub-region;
✓ estrarre un segnale videofotopletismografico (vPPG) (6) dai dati di rilevamento video (5), detto segnale (6) essendo rappresentativo delle variazioni del volume ematico delle arterie cutanee sottocutanee; e ✓ extract a videophotoplethysmographic signal (vPPG) (6) from the video detection data (5), said signal (6) being representative of the changes in the blood volume of the subcutaneous cutaneous arteries; And
- un'unità di valutazione (2) configurata per acquisire il segnale vPPG (6) e per elaborarlo. - an evaluation unit (2) configured to acquire the vPPG signal (6) and to process it.
L'unità di elaborazione dei dati di rilevamento video (4) e l'unità di valutazione (2) possono essere integrate in un unico computer, come indicato dalle linee tratteggiate nella figura 1. The video tracking data processing unit (4) and the evaluation unit (2) can be integrated into a single computer, as indicated by the dotted lines in Figure 1.
L'elaborazione eseguita dall'unità di valutazione (2) comprende le fasi descritte di seguito. The processing performed by the evaluation unit (2) comprises the steps described below.
Il segnale vPPG viene dapprima suddiviso in quattro segmenti successivi, ognuno dei quali ha una durata temporale di 20 secondi con una sovrapposizione del 50%. Per ogni segmento viene calcolata una sequenza di massimi locali, eseguendo i seguenti passi: The vPPG signal is first divided into four successive segments, each of which has a time duration of 20 seconds with a 50% overlap. A sequence of local maxima is calculated for each segment by performing the following steps:
- calcolare una matrice scalogramma(7) mappando la distribuzione dei massimi locali del segmento in funzione del tempo e della scala, detti massimi locali essendo contrassegnati come zeri nella matrice; - calculating a scalogram matrix (7) by mapping the distribution of the local maxima of the segment as a function of time and scale, said local maxima being marked as zeros in the matrix;
- sommare nella dimensione del tempo i valori della matrice in modo da ottenere un primo vettore (8) che mappa la sequenza dei massimi locali del segmento. - adding in the time dimension the values of the matrix in order to obtain a first vector (8) which maps the sequence of local maxima of the segment.
Per ogni coppia di sequenze di massimi locali viene calcolata la funzione di crosscorrelazione. La cross-correlazione è nota come misura della similarità di due serie in funzione dello spostamento di un segnale verso l'altro. Il valore massimo della funzione di cross-correlazione è considerato, in particolare, come il valore rappresentativo del grado di similarità tra le due date sequenze di massimi locali. Se si analizzano quattro segmenti del segnale vPPG, si calcolano una prima, una seconda, una terza e una quarta sequenza di massimi locali rispettivamente per un primo, un secondo, un terzo e un quarto segmento. Il secondo segmento è successivo al primo, il terzo al secondo e il quarto al terzo. Il primo segmento ha una sovrapposizione del 50% con il secondo e del 50% con il terzo. restante 50% del terzo segmento si sovrappone al quarto. The cross-correlation function is calculated for each pair of sequences of local maximums. Cross-correlation is known as a measure of the similarity of two series as a function of the displacement of one signal towards the other. The maximum value of the cross-correlation function is considered, in particular, as the representative value of the degree of similarity between the two given sequences of local maximums. If four segments of the vPPG signal are analyzed, a first, second, third, and fourth sequence of local maxima are computed for a first, second, third and fourth segment respectively. The second segment is after the first, the third after the second and the fourth after the third. The first segment has a 50% overlap with the second and 50% with the third. remaining 50% of the third segment overlaps the fourth.
Viene calcolato un primo massimo di cross-correlazione tra la prima e la seconda sequenza di massimi locali; un secondo massimo di cross-correlazione tra la seconda e la terza sequenza di massimi locali e un terzo massimo di cross-correlazione tra la seconda e la terza sequenza di massimi locali. A first maximum of cross-correlation is calculated between the first and the second sequence of local maximums; a second maximum of cross-correlation between the second and third sequence of local maxima and a third maximum of cross-correlation between the second and third sequence of local maxima.
Viene calcolata la mediana tra il primo, il secondo e il terzo massimo di crosscorrelazione, ottenendo così un indice, di seguito denominato indice di similarità di forma (SS), utilizzabile per classificare il tipo di ritmo. The median between the first, second and third maximum of cross correlation is calculated, thus obtaining an index, hereinafter referred to as the shape similarity index (SS), which can be used to classify the type of rhythm.
Nella prima realizzazione preferita, l'unità di valutazione (2) è configurata per discriminare tra il normale ritmo sinusale (SR), la fibrillazione atriale (AF) e altre aritmie come il flutter atriale (OA) in base al valore dell'indice SS. In particolare, se l'indice SS è superiore a 0,9 il segnale vPPG è classificato come indicativo di SR; se l'ìndice SS è compreso tra 0,8 e 0,9, il segnale vPPG è classificato come indicativo di OA; se l’indice SS è compreso tra 0,7 e 0,8, il segnale vPPG è classificato come indicativo di AF. In the first preferred embodiment, the evaluation unit (2) is configured to discriminate between normal sinus rhythm (SR), atrial fibrillation (AF) and other arrhythmias such as atrial flutter (OA) based on the value of the SS index . In particular, if the SS index is higher than 0.9, the vPPG signal is classified as indicative of SR; if the SS index is between 0.8 and 0.9, the vPPG signal is classified as indicative of OA; if the SS index is between 0.7 and 0.8, the vPPG signal is classified as indicative of AF.
In una seconda realizzazione della presente invenzione, la classificazione dei valori SS ottenuti è, invece, eseguita automaticamente per mezzo di un classificatore di rete neurale feed forward. In a second embodiment of the present invention, the classification of the obtained SS values is, on the other hand, performed automatically by means of a feed forward neural network classifier.
ESEMPI EXAMPLES
Sono stati arruolati all'Ospedale Policlinico Maggiore di Milano, settantadue pazienti. L'esperimento è stato approvato dal Comitato Etico interno dell’Ospedale. Ad ogni paziente è stato chiesto di sedersi su una sedia e di muoversi il meno possibile. L'illuminazione ambientale prevedeva la luce solare proveniente da una finestra, posta di fronte al volto del soggetto per evitare possibili ombre, e una luce artificiale. Una telecamera, posizionata su un treppiede, è stata posta di fronte al soggetto a una distanza di 1.5 m e collegata a una postazione di lavoro PC. La telecamera ha registrato il volto del paziente per l’intera durata della sessione (3 minuti). Durante l’acquisizione è stato utilizzato un registratore ECG a 12 derivazioni. Un medico è stato incaricato di determinare il tipo di ritmo del soggetto secondo tre diverse classi: SR, AF e flutter atri ale considerato come la classe delle altre aritmie (OA). Come dispositivo di registrazione video è stata utilizzata una telecamera industriale con una risoluzione spaziale di 659 x 494 pixel. I video sono stati acquisiti con una frequenza di fotogrammi di 120 FPS e risoluzione a 8 bit. La videocamera era dotata di obiettivi con lunghezza focale fissa di 15 mm, Seventy-two patients were enrolled at the Policlinico Maggiore Hospital in Milan. The experiment was approved by the hospital's internal Ethics Committee. Each patient was asked to sit in a chair and move as little as possible. Ambient lighting included sunlight coming from a window, placed in front of the subject's face to avoid possible shadows, and artificial light. A camera, placed on a tripod, was placed in front of the subject at a distance of 1.5 m and connected to a PC workstation. The camera recorded the patient's face for the entire duration of the session (3 minutes). A 12-lead ECG recorder was used during the acquisition. A doctor was instructed to determine the type of rhythm of the subject according to three different classes: SR, AF and atrial flutter, considered as the class of other arrhythmias (OA). An industrial camera with a spatial resolution of 659 x 494 pixels was used as a video recording device. The videos were captured with a frame rate of 120 FPS and 8-bit resolution. The camera was equipped with lenses with a fixed focal length of 15 mm,
Secondo la diagnosi del medico, 25 soggetti sono stati trovati con FA (14 maschi e 11 femmine, età media di 73 ± 13 anni), 26 soggetti con SR (17 maschi e 6 femmine, età media di 66 ± 18 anni), e 21 soggetti con OA (12 maschi e 9 femmine, età media di 74 ± 7 anni). Tre soggetti con SR sono stati esclusi dall'esperimento, in quanto si sono mossi per tutta la durata dell'acquisizione, parlando e ruotando il viso. Cinque soggetti in tachicardia / flutter atriale avevano un pacemaker per regolarizzare il loro ritmo. Per evitare una misclassificazione sono stati esclusi dalla classe OA. Infine, sono stati esclusi dallo studio tre soggetti con PVC, a causa della presenza irregolare di questi PVC nel loro ritmo. Il motivo è stato quello di presentare una classe omogenea per identificare al meglio le tre condizioni. Pertanto il numero di pazienti in OA sono stati ridotti a 13. According to the doctor's diagnosis, 25 subjects were found with AF (14 males and 11 females, mean age of 73 ± 13 years), 26 subjects with SR (17 males and 6 females, mean age of 66 ± 18 years), and 21 subjects with OA (12 males and 9 females, mean age 74 ± 7 years). Three SR subjects were excluded from the experiment, as they moved for the duration of the acquisition, talking and rotating their faces. Five subjects in atrial tachycardia / flutter had a pacemaker to regulate their rhythm. To avoid a misclassification they were excluded from the OA class. Finally, three subjects with PVCs were excluded from the study, due to the irregular presence of these PVCs in their rhythm. The reason was to present a homogeneous class to best identify the three conditions. Therefore the number of patients in OA was reduced to 13.
I segnali vPPG grezzi dal volto del soggetto sono stati pre-elaborati utilizzando tecniche note e il picco sistolico vPPG è stato utilizzato come punto di riferimento per l'estrazione degli intervalli impulso-impulso (PPI). The raw vPPG signals from the subject's face were pre-processed using known techniques and the vPPG systolic peak was used as a benchmark for pulse-to-pulse interval (PPI) extraction.
Per caratterizzare il tipo di ritmo di ogni paziente, diversi indici dell'arte not sono stati estratti dal segnale vPPG e confrontati con l’indice SS della presente invenzione. Più in particolare, per ciascuno degli indici dell'arte nota e per l'indice proposto nella presente invenzione sono state eseguite tre coppie di confronti (OA-AF, OA-SR, AF-SR) ed è stato calcolato il p-value per rifiutare l'ipotesi nulla di distribuzioni normali di media uguale. I risultati ottenuti sono stati descritti in dettaglio qui di seguito. To characterize the type of rhythm of each patient, different indices of the non-art have been extracted from the vPPG signal and compared with the SS index of the present invention. More specifically, for each of the indices of the prior art and for the index proposed in the present invention, three pairs of comparisons were performed (OA-AF, OA-SR, AF-SR) and the p-value for reject the null hypothesis of normal distributions of equal mean. The results obtained have been described in detail below.
DEVIAZIONE STANDARD (SD) E VALORE QUADRA MEDIO DELLA DEVIAZIONE STANDARD (RMSSD) STANDARD DEVIATION (SD) AND AVERAGE SQUARE VALUE OF STANDARD DEVIATION (RMSSD)
La deviazione standard (SD) e il valore quadratico medio della deviazione standard (RMSSD) sono stati calcolati sulla serie PPL Come mostrato in Fig. 3a e 3b, la SD e la RMSSD sono in grado di discriminare bene SR da AF (valore p < 0,05 in SD e valore p < 0.01 in RMSSD) e AF da OA (valore p < 0.05), ma non OA da SR. The standard deviation (SD) and the root mean square value of the standard deviation (RMSSD) were calculated on the PPL series.As shown in Fig.3a and 3b, the SD and RMSSD are able to discriminate SR from AF well (p value < 0.05 in SD and p-value <0.01 in RMSSD) and AF from OA (p-value <0.05), but not OA from SR.
PULSE HARMONIC STRENGHT (PHS) PULSE HARMONIC STRENGHT (PHS)
L'indice PHS è stato introdotto in J.-P-Couderc, S. Kyal, L. K. Mestha, B. Xu, D. R. Peterson, X. Xia and B. Hall. Detection of atrial fibrillation using contaclless facial videomonitoring. Heart Rhythm, 12(1) : 195-201, 2015]. PHS misura la potenza dello spettro vPPG intorno alla frequenza fondamentale (che dovrebbe essere la frequenza cardiaca) e le sue armoniche divise per la potenza totale dello spettro. Durante la fibrillazione atriale si prevede che il PHS abbia valori più bassi a causa della mancanza della frequenza cardiaca fondamentale. In condizioni di OA, il PHS dovrebbe essere più grande che per AF poiché c’è un ritmo più regolare, ma inferiore a quello per SR che dovrebbe avere il ritmo più stabile. La Fig. 4b mostra che il PHS è in grado di discriminare molto bene SR da OA (valore p < 001), mostrando una più alta significatività statistica, e AF da SR (valore p < 0.01), ma valori più bassi di significatività statistica per la discriminazione tra OA eAF (valore p < 0.05). The PHS index was introduced in J.-P-Couderc, S. Kyal, L. K. Mestha, B. Xu, D. R. Peterson, X. Xia and B. Hall. Detection of atrial fibrillation using contaclless facial videomonitoring. Heart Rhythm, 12 (1): 195-201, 2015]. PHS measures the power of the vPPG spectrum around the fundamental frequency (which should be the heart rate) and its harmonics divided by the total power of the spectrum. During atrial fibrillation the PHS is expected to have lower values due to the lack of the fundamental heart rate. In OA conditions, the PHS should be larger than for AF since there is a more regular rhythm, but lower than that for SR which should have the most stable rhythm. Fig.4b shows that PHS is able to discriminate SR from OA (p-value <001) very well, showing higher statistical significance, and AF from SR (p-value <0.01), but lower statistical significance values. for the discrimination between OA and AF (p value <0.05).
ENTROPIA (SAMPEN) ENTROPY (SAMPEN)
La SampEn è stata calcolata sulle serie PPI. Data una sequenza di lunghezza N: The SampEn was calculated on the PPI series. Given a sequence of length N:
SD1SD2 DEL DIAGRAMMA DI POINCARÉ SD1SD2 OF THE POINCARÉ DIAGRAM
Il diagramma di Poincaré è un diagramma a dispersione in cui ogni PP(i) è tracciato rispetto al precedente PP(i-1). Nel diagramma δPP Lorenz, δPP(i) è una misura di irregolarità definita come δPP(i) = PP(i)-PP(i-1). diagramma di dispersione di δPP(i) vs δPP(i - 1) esprime la natura non correlata della PP nella direzione di variazione di tre IPP consecutivi. La distribuzione delle serie PPI nel diagramma a dispersione può essere realizzata mediante un'ellisse i cui assi minore e maggiore corrispondono, rispettivamente, alla deviazione standard dell'HRV a breve termine (definita come SDÌ) e all'HRV a lungo termine (definita come SD2). The Poincaré diagram is a scatter plot in which each PP (i) is plotted with respect to the previous PP (i-1). In the δPP Lorenz diagram, δPP (i) is a measure of irregularity defined as δPP (i) = PP (i) -PP (i-1). scatter plot of δPP (i) vs δPP (i - 1) expresses the unrelated nature of PP in the direction of variation of three consecutive PPIs. The distribution of the PPI series in the scatter plot can be realized by means of an ellipse whose minor and major axes correspond, respectively, to the standard deviation of the short-term HRV (defined as SDÌ) and to the long-term HRV (defined as SD2).
Considerando i due vettori ΡΡx=[ΡΡ2,ΡΡ3, ... ,ΡΡΝ ] e PPy=[PP1,PP2, ...,PPN-I] dove N è il numero totale di PPI, la SD1 è definita come: Considering the two vectors ΡΡx = [ΡΡ2, ΡΡ3, ..., ΡΡΝ] and PPy = [PP1, PP2, ..., PPN-I] where N is the total number of PPIs, SD1 is defined as:
dove where is it
La SD2 è: The SD2 is:
dove where is it
Infine, il rapporto SD1/SD2 esprìme la distribuzione spaziale delle serie PPI nel diagramma a dispersione. Finally, the SD1 / SD2 ratio expresses the spatial distribution of the PPI series in the scatter plot.
Come mostrato nella Fig. 5a, il SD1 / SD2 del diagramma di Poincaré, è in grado di distinguere bene tra SR e OA (p-value < 001) e tra AF e SR (p-value < 0.01). Ad ogni modo, l'indice non è in grado di discriminare tra OA e AF. As shown in Fig. 5a, the SD1 / SD2 of the Poincaré diagram is able to distinguish well between SR and OA (p-value <001) and between AF and SR (p-value <0.01). However, the index is unable to discriminate between OA and AF.
INDICE DI SIMILARITÀ DI FORMA (SS) SHAPE SIMILARITY INDEX (SS)
Sia s = [s1, s2 sp ] il segnale campionato vPPG di lunghezza P. Il segnale è stato suddiviso in finestre di N = fs * T campioni (dove T = 20 sec e fs è la frequenza di campionamento) con il 50 % di sovrapposizione. Per semplicità, consideriamo il j segnale finestrato su. Quindi, i massimi locali del segnale sono stati determinati usando una finestra mobile m, la cui lunghezza varia secondo (wk = 2 *k, k = 1, 2, ..., L} con k scala del segnale e L il semi-periodo del ciclo temporale cardiaco più lungo corrispondente a 2.5 sec Let s = [s1, s2 sp] be the sampled signal vPPG of length P. The signal has been divided into windows of N = fs * T samples (where T = 20 sec and fs is the sampling frequency) with 50% of overlap. For simplicity, let us consider the j signal windowed up. Hence, the local maxima of the signal were determined using a movable window m, the length of which varies according to (wk = 2 * k, k = 1, 2, ..., L} with k scale of the signal and L the semi- period of the longest cardiac temporal cycle corresponding to 2.5 sec
dove famin è la frequenza cardiaca fisiologica minima). Per ogni scala k, i massimi locali sono marcati come zeri nella matrice M per i =k 2, ... , N -k 1: where famin is the minimum physiological heart rate). For each k scale, the local maxima are marked as zeros in the matrix M for i = k 2, ..., N -k 1:
con r essendo un numero casuale uniformemente distribuito nell'intervallo [0; 1] e α un fattore costante. Pertanto, la dimensione della matrice M, i.e. la matrice scalogramma del segnale s.v), è di L x N, con valori nell'intervallo [0; 1 α]. Nella Fig. 2a, è mostrato un esempio di una matrice scalogramma applicata al segnale sN con una scala che va da 1 a L. La struttura della matrice scalogramma è dovuta alla relazione inversa tra la finestra di ampiezza Wk e il numero di massimi locali identificati. with r being a random number uniformly distributed in the interval [0; 1] and α a constant factor. Therefore, the size of the matrix M, i.e. the scalogram matrix of the signal s.v), is L x N, with values in the interval [0; 1 α]. In Fig.2a, an example of a scalogram matrix applied to the sN signal with a scale ranging from 1 to L is shown.The structure of the scalogram matrix is due to the inverse relationship between the amplitude window Wk and the number of local maxima identified .
Nella seconda fase, è stata ottenuta una somma per riga (lungo la dimensione del tempo) della matrice M: In the second step, a sum per row (along the time dimension) of the matrix M was obtained:
La funzione γ contiene la distribuzione dei massimi locali dipendenti dalla scala k (vedere Fig. 2b). Il minimo locale λ della funzione rappresenta la scala corrispondente al più ampio numero di massimi locali trovati nel segnale. La significatività di λ è direttamente collegata al battito cardiaco. Considerando una lunghezza massima di wk = 2λ, il minimo globale corrisponde alla metà del periodo del ciclo cardiaco. The function γ contains the distribution of the local maxima depending on the scale k (see Fig. 2b). The local minimum λ of the function represents the scale corresponding to the largest number of local maximums found in the signal. The significance of λ is directly related to the heartbeat. Considering a maximum length of wk = 2λ, the global minimum corresponds to half of the cardiac cycle period.
Le sequenze dei massimi locali sono state normalizzate secondo: The sequences of the local maxima were normalized according to:
dove μj σj sono, rispettivamente, la media e fa deviazione standard della funzione YL,j . where μj σj are, respectively, the mean and fa standard deviation of the function YL, j.
E' stata, quindi, calcolata, la cross-correlazione tra le sequenze di massimi locali relative a j-esimi segmenti successivi, come: The cross-correlation between the sequences of local maxima relative to j-th successive segments was therefore calculated, such as:
dove U è il numero di segnali finestrati. Per ogni soggetto, la mediana di è stata calcolata per rappresentare la SS di segnali finestrati consecutivi. Ci si aspetta che la forma delle distribuzioni dei massimi locali rimanga simile nel tempo nel ritmo sinusale normale, mentre che la sua forma cambi più drasticamente tra le differenti finestre temporali in condizioni di fibrillazione atriale. Gli individui con un basso indice R sono più soggetti a presentare ritmi caotici (AF or OA), mentre valori R più elevati indicano un ritmo più stabile (SR). where U is the number of windowed signals. For each subject, the median of was calculated to represent the SS of consecutive windowed signals. The shape of local maxima distributions is expected to remain similar over time in normal sinus rhythm, while its shape to change more drastically between different time windows in atrial fibrillation conditions. Individuals with a low R index are more likely to have chaotic rhythms (AF or OA), while higher R values indicate a more stable rhythm (SR).
Nella Fig. 5b, è mostrato chiaramente che SS ottiene la migliori prestazione in termini di discriminazione tra le tre classi considerate. L'indice SS è l'unico indice che è in grado di discriminare molto bene SR da AF (p-value < 0.01), AF da OA (p-value < 0.01), e OA da SR (p-value < 0.01). In Fig. 5b, it is clearly shown that SS achieves the best performance in terms of discrimination among the three classes considered. The SS index is the only index that is able to discriminate very well SR from AF (p-value <0.01), AF from OA (p-value <0.01), and OA from SR (p-value <0.01) .
Claims (17)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| IT102018000005089A IT201800005089A1 (en) | 2018-05-04 | 2018-05-04 | CARDIAC ACTIVITY MEASUREMENT SYSTEM AND METHOD THEREOF. |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| IT102018000005089A IT201800005089A1 (en) | 2018-05-04 | 2018-05-04 | CARDIAC ACTIVITY MEASUREMENT SYSTEM AND METHOD THEREOF. |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| IT201800005089A1 true IT201800005089A1 (en) | 2019-11-04 |
Family
ID=63442750
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| IT102018000005089A IT201800005089A1 (en) | 2018-05-04 | 2018-05-04 | CARDIAC ACTIVITY MEASUREMENT SYSTEM AND METHOD THEREOF. |
Country Status (1)
| Country | Link |
|---|---|
| IT (1) | IT201800005089A1 (en) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2005096170A1 (en) * | 2004-03-31 | 2005-10-13 | Cardiodigital Limited | Ecg-signal analysis for shock outcome prediction |
| US7171269B1 (en) * | 1999-05-01 | 2007-01-30 | Cardiodigital Limited | Method of analysis of medical signals |
| US20150342478A1 (en) * | 2011-05-31 | 2015-12-03 | Nellcor Puritan Bennett Ireland | Systems and methods for detecting and monitoring arrhythmias using the ppg |
| US20180064388A1 (en) * | 2016-09-06 | 2018-03-08 | Fitbit, Inc. | Methods and systems for labeling sleep states |
-
2018
- 2018-05-04 IT IT102018000005089A patent/IT201800005089A1/en unknown
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7171269B1 (en) * | 1999-05-01 | 2007-01-30 | Cardiodigital Limited | Method of analysis of medical signals |
| WO2005096170A1 (en) * | 2004-03-31 | 2005-10-13 | Cardiodigital Limited | Ecg-signal analysis for shock outcome prediction |
| US20150342478A1 (en) * | 2011-05-31 | 2015-12-03 | Nellcor Puritan Bennett Ireland | Systems and methods for detecting and monitoring arrhythmias using the ppg |
| US20180064388A1 (en) * | 2016-09-06 | 2018-03-08 | Fitbit, Inc. | Methods and systems for labeling sleep states |
Non-Patent Citations (1)
| Title |
|---|
| RICHARD P M HOUBEN ET AL: "Processing of intracardiac electrograms in atrial fibrillation", IEEE ENGINEERING IN MEDICINE AND BIOLOGY MAGAZINE, IEEE SERVICE CENTER, PISACATAWAY, NJ, US, vol. 25, no. 6, 30 November 2006 (2006-11-30), pages 40 - 51, XP011144002, ISSN: 0739-5175, DOI: 10.1109/EMB-M.2006.250507 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Couderc et al. | Detection of atrial fibrillation using contactless facial video monitoring | |
| Chong et al. | Arrhythmia discrimination using a smart phone | |
| Sološenko et al. | Photoplethysmography-based method for automatic detection of premature ventricular contractions | |
| Park et al. | Arrhythmia detection from heartbeat using k-nearest neighbor classifier | |
| Plesinger et al. | Parallel use of a convolutional neural network and bagged tree ensemble for the classification of Holter ECG | |
| Singh | Human recognition using Fisher׳ s discriminant analysis of heartbeat interval features and ECG morphology | |
| Bashar et al. | VERB: VFCDM-based electrocardiogram reconstruction and beat detection algorithm | |
| Kalidas et al. | Enhancing accuracy of arrhythmia classification by combining logical and machine learning techniques | |
| Xiang et al. | ECG-based heartbeat classification using two-level convolutional neural network and RR interval difference | |
| Wang et al. | Multifractal analysis of ventricular fibrillation and ventricular tachycardia | |
| Lemay et al. | Wrist-located optical device for atrial fibrillation screening: A clinical study on twenty patients | |
| Blackford et al. | Measuring pulse rate variability using long-range, non-contact imaging photoplethysmography | |
| Chong et al. | Motion and noise artifact-resilient atrial fibrillation detection using a smartphone | |
| Nowara et al. | The benefit of distraction: Denoising remote vitals measurements using inverse attention | |
| US20200337581A1 (en) | Apparatus and method for analyzing electrocardiogram | |
| Peshave et al. | Feature extraction of ECG signal | |
| Khan et al. | A novel pulse plethysmograph signal analysis method for identification of myocardial infarction, dilated cardiomyopathy, and hypertension | |
| EP3730049A1 (en) | Apparatus and method for analyzing electrocardiogram | |
| Liu et al. | Vidaf: A motion-robust model for atrial fibrillation screening from facial videos | |
| Kyal et al. | A method to detect cardiac arrhythmias with a webcam | |
| Liaqat et al. | A review and comparison of the state-of-the-art techniques for atrial fibrillation detection and skin hydration | |
| Han et al. | Digital image processing features of smartwatch photoplethysmography for cardiac arrhythmia detection | |
| IT201800005089A1 (en) | CARDIAC ACTIVITY MEASUREMENT SYSTEM AND METHOD THEREOF. | |
| Islam et al. | A non-invasive technique of early heart diseases prediction from photoplethysmography signal | |
| US20150164429A1 (en) | Patient Signal Analysis Based on Actiniform Segmentation |