JP2008539017A - 不整脈を検出することが可能な医療デバイス - Google Patents

不整脈を検出することが可能な医療デバイス Download PDF

Info

Publication number
JP2008539017A
JP2008539017A JP2008509009A JP2008509009A JP2008539017A JP 2008539017 A JP2008539017 A JP 2008539017A JP 2008509009 A JP2008509009 A JP 2008509009A JP 2008509009 A JP2008509009 A JP 2008509009A JP 2008539017 A JP2008539017 A JP 2008539017A
Authority
JP
Japan
Prior art keywords
segment
determining
determined
segments
differences
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2008509009A
Other languages
English (en)
Inventor
サーカー，シャンタヌ
リッチャー，ディヴィッド・イー
Original Assignee
メドトロニック・インコーポレーテッド
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by メドトロニック・インコーポレーテッド filed Critical メドトロニック・インコーポレーテッド
Publication of JP2008539017A publication Critical patent/JP2008539017A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Cardiology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

【課題】患者を適切に処置し、重篤で、生命にかかわるか、又は、消耗性の事象を防止するために、心房細動（ＡＦ）及び統一性のある心房頻脈（ＯＡＴ）を検出及び弁別する埋め込み可能医療デバイスを提供する
【解決手段】埋め込み可能医療デバイスは、ＡＦ又はＯＡＴを表す心室周期長のローレンツ分布に相当するクラスタシグネチャ証拠メトリックについてしきい値検査基準を定義することを含む、ＶＣＬ情報を含む信号を使用して、連続する心室周期長が、選択される時間間隔で求めら、ＶＣＬのローレンツプロットの数値的表現としてヒストグラムが生成される。いくつかのクラスタシグネチャメトリックが、記憶された心室周期長の情報を使用して計算され、クラスタシグネチャ証拠メトリックが、クラスタシグネチャメトリックから計算される。対応するクラスタシグネチャ証拠メトリックの比較解析がしきい値検出基準を満たす場合、ＡＦ又はＯＡＴが検出される。
【選択図】図１

Description

本発明は、医療デバイスに関し、より詳細には、周期長の弁別シグネチャを使用して不整脈を検出することが可能な医療デバイスに関する。
正常洞調律（ＮＳＲ）中に、心拍動は、右心房壁に位置する洞房（ＳＡ）結節によって生成される電気信号によって調節される。ＳＡ結節によって生成される各心房脱分極信号は、心房にわたって広がり、心房の脱分極及び収縮を引き起こし、房室（Ａ−Ｖ）結節に到達する。
Ａ−Ｖ結節は、心室脱分極信号を、心室中隔のヒス束を通って、その後、右心室及び左心室の脚(bundle branch)及びプルキンエ筋繊維(Purkinje muscle fiber)に伝播させることによって反応する。
心房頻脈性不整脈は、統一性のない形態の心房細動、及び、心房粗動を含む統一性の程度が変動する心房頻脈を含む。心房細動（ＡＦ）は、心房内に複数の焦点性トリガーがあるため、又は、心房内の物質の変化が、心房の異なる領域にわたる伝導の不均一性をもたらすために起こる。異所性トリガーは、左心房又は右心房又は肺静脈内のどこででも発生する可能性がある。ＡＶ結節は、頻繁で且つ不規則な心房活性化を受けるが、ＡＶ結節が不応でないときに脱分極信号を伝導するだけであることになる。心室周期長は、不規則であり、ＡＶ結節の不応性の異なる状態に依存するであろう。
心房粗動（ＡＦＬ）を含む統一性のある心房頻脈（ＯＡＴ）中に、上室性調律は、心房内の物質変化によって生じる再入可能な回路によって支配される。ＡＶ結節に対するＯＡＴの伝導の影響は、心室周期長の、規則的なパターンか、不規則的なパターンか、又は繰り返しパターンのいずれかをもたらす可能性がある。心室周期長の群拍動パターン(group beating pattern)は、近位及び遠位のＡＶ結節内の異なるレベルのブロックによって観測される。１つの共通パターンは、近位ＡＶ結節における２：１ブロック及び遠位ＡＶ結節における４：３ウェンケバッハ型ブロックによって起こり、２つの短い周期と１つの長い周期とを含む心室周期長の繰り返しパターンをもたらす。心室周期長の変動を生じる他の正常心調律及び異常心調律は、洞頻脈、呼吸洞不整脈、一連の心房期外収縮（ＰＡＣ）、及び一連の心室期外収縮（ＰＶＣ）を含む。
昔は、心房不整脈は、これらの不整脈が比較的良性であるという認識によってほとんどが不十分に処置されてきた。比較的重篤な心室不整脈及び発作の関連するリスク等の、持続性ＡＴ／ＡＦの重篤な結果が理解されるようになるにつれて、昔よりも、心房不整脈を監視し処置することに対する関心が高まってきた。さらに、ＡＦ及びＯＡＴは、通常、ＡＦとＯＡＴとの間の遷移と同時に存在するため、両方の形態のＡＴを検出し監視することは、抗凝固治療の適切な用量を提供すること等の、患者ケアを管理するときに重要である。
臨床状況における、また、外来患者が装着する可搬型外部モニタとしての外部医療デバイス（ＥＭＤ）、又は、患者の毎日の活動中の電気心臓機能に関連するデータを採取するための、外来患者に埋め込まれる埋め込み可能医療デバイス（ＩＭＤ）を使用して、心臓の電気活動に関するデータを採取し解釈する種々の技法が開発されてきた。
心臓不整脈を弁別する方法は、心房ＥＧＭ信号と心室ＥＧＭ信号との両方を利用可能である、２腔埋め込み可能デバイスで使用するために開発された。心臓不整脈の弁別は、心房及び／又は心室の周期長、周期長パターン、並びにＥＧＭ形態に依存する可能性がある。このような方法は、心室不整脈を上室性不整脈から確実に弁別することが示された。
しかし、単腔埋め込み可能デバイス又は埋め込み可能監視デバイス若しくは体外監視デバイスでは、心房ＥＧＭ信号は、心房不整脈を検出し弁別するときの使用に、常に利用可能であるわけではない。しかし、ＡＦ及びＯＡＴの検出及び弁別は、患者を適切に処置し、重篤で、生命にかかわるか、又は、消耗性の事象を防止するのに重要である。
本発明の課題は、患者を適切に処置し、重篤で、生命にかかわるか、又は、消耗性の事象を防止するために、心房細動（ＡＦ）及び統一性のある心房頻脈（ＯＡＴ）を検出及び弁別することができる埋め込み可能医療デバイスを提供することである。
本発明が、添付図面に関連して考えられるときに、本発明の実施形態の以下の詳細な説明を参照することによってよりよく理解されるにつれて、本発明の態様及び特徴が、認識されるであろう。
本発明は、心室周期長の弁別クラスタシグネチャを使用してＡＦを検出し、ＡＦとＯＡＴとを弁別する方法及び装置を提供する。ＡＦ及び統一性のあるＡＴ並びにＰＡＣ中の心臓内の基礎になる伝導メカニズム、又は、心室周期長（ＶＣＬ）の不規則性の他の原因は、ＶＣＬにおいて不規則性の異なるパターンを生成する。ＡＦを検出し、ＡＦ及び、ＡＦＬを含むＯＡＴを弁別することは、基礎になる調律の伝導パターンに固有のＶＣＬの種々のパターンの弁別に基づく。
本方法は、電気信号、圧力信号、酸素測定信号、又は、心室周期長を求めることを可能にする任意の他の生理的信号であることができる心室心臓信号を取得すること、及び、ＶＣＬの拍動ごとの差を測定することを含む。一実施形態では、表面ＥＣＧ信号又は心臓内ＥＧＭ信号であってよい、電気心臓信号を使用して、Ｒ−Ｒ間隔（ＲＲＩ）が測定される。連続するＲＲＩ又はδＲＲ間の差が、その後求められる。連続するＲＲＩ、δＲＲｉ、及びδＲＲ（ｉ−１）の対間の差を使用して、δＲＲ（ｉ−１）対δＲＲｉの２次元ローレンツプロットが生成される。ローレンツプロットエリアは、座標系の原点を基準にして、或る範囲の大きさ及び位相によって定義することができるセグメントに分割される。定義されたセグメントは、ＯＡＴ又はＰＡＣの発生に関連する特定のＶＣＬパターンに相当する。ＶＣＬ情報の取得中に、各セグメントが、いくつかのヒストグラムビンを含む２次元ヒストグラムによって、ローレンツプロットが数値的に表現される。ヒストグラムビンを使用して、設定された時間間隔中に求めた（δＲＲｉ，δＲＲ（ｉ−１））点が記憶される。
いくつかのクラスタシグネチャメトリックが、各セグメントで起こる点の数及び占有されたヒストグラムビンの数に基づいて計算される。不規則性メトリックもまた、測定されたＲＲＩの時間スケーリングされたメジアンを使用して計算される。クラスタシグネチャメトリック及び規則性メトリックは、ＡＦ及びＯＡＴを検出するための比較解析で使用される。一実施形態では、ＡＦとＯＡＴは共に、（δＲＲｉ，δＲＲ（ｉ−１））点のローレンツプロットの２次元ヒストグラム表現を使用して、検出され弁別される。１つの単純化された実施形態では、（δＲＲｉ，δＲＲ（ｉ−１））点の２次元ヒストグラムだけを使用するＡＦ検出のアルゴリズムが提供される。
さらに別の実施形態では、δＲＲｉ点を記憶する１次元ヒストグラムが使用され、検出アルゴリズムを実施するためのメモリ要件を低減する。ローレンツプロットの１次元表現から求めたクラスタシグネチャメトリックを利用する、ＡＦのみの検出アルゴリズム又はＡＦとＯＡＴとの検出アルゴリズムが提供される。さらに別の実施形態では、連続するδＲＲｉ点の固定のセットが、ＡＦ及びＯＡＴを検出し、ＡＦからＯＡＴを弁別する同じ原理に基づくロジックで使用される。
本発明は、ＡＦＬを含む統一性のある頻脈性不整脈及びＡＦを検出する方法を提供し、その方法は、ＶＣＬを求めるために心室信号に依存し、心房信号源を必要としない。提示される方法は、埋め込み可能医療デバイス又は外部医療デバイス内のソフトウェア又はファームウェアのいずれかで具現化されてもよい。このようなデバイスは、心臓ＥＧＭ監視能力及び関連するＥＧＭセンス電極（心臓内電極か、心外膜電極か、又は皮下電極であってよい）を有する埋め込み可能監視デバイスを含む。本発明によって提供される方法は、たとえば、単腔ペーシングシステム若しくは両心室ペーシングシステム、又は、心室内でＲ波を検知し、心室に電気刺激治療を送出するＩＣＤ等の、医療デバイス用の、治療送出のソフトウェア又はファームウェアに組み込まれることもできる。本発明によって提供される方法はまた、Ｒ波を検出するために患者の皮膚に結合したＥＣＧ電極を有する外部モニタ、たとえば、ホルタモニタのファームウェア又はソフトウェアに、又は、予め記録されたＥＣＧデータ又はＥＧＭデータを評価するコンピュータ化されたシステム内に組み込まれてもよい。本発明はまた、埋め込み可能デバイス又は装着可能デバイスによって送出されたデータを処理する集中コピュータシステム等の患者監視システムで実施されてもよい。
本発明は、ＶＣＬ測定値を、そこから生成することができる心室活動の他のセンサを有する、内部又は外部の監視システムで実施されてもよいことも認識される。本発明の実践方法は、ＶＣＬを測定するために、ＥＧＭ信号又はＥＣＧ信号を使用することに限定されない。圧力信号、血中酸素測定信号、流量信号、心室壁運動信号、容積関連インピーダンス変化、又は、心室周期に応答する他の生理的信号等の、他の信号が、ＶＣＬを測定するために使用することができる。一般に、ＶＣＬ不規則性の規則的なパターン（ＯＡＴの場合も同様）が、クラスタシグネチャメトリックに基づいて、ＶＣＬ不規則性の不規則なパターン（ＡＦの場合も同様）から弁別されることを可能にするために、ＶＣＬ測定は、約１ミリ秒〜２０ミリ秒程度の分解能を有するべきである。しかし、本発明の態様は、低い分解能のＶＣＬ測定を有するシステムで実施されてもよい。
図１は、本発明の一実施形態による、或る時系列のＲＲ間隔についての、連続するＲＲ間隔点間の差のローレンツプロットの生成を示す略図である。ローレンツプロット１４は、ｘ軸１８に沿ってδＲＲｉを、ｙ軸１６に沿ってδＲＲｉ−１を定義したデカルト座標系である。したがって、ローレンツプロットの各プロット点は、δＲＲｉに等しいｘ座標と、δＲＲｉ−１に等しいｙ座標によって定義される。δＲＲｉは、ｉ番目のＲＲＩと、前のＲＲＩ、ＲＲＩｉ−１との差である。δＲＲｉ−１は、ＲＲＩｉ−１とＲＲＩｉ−２との差である。したがって、ローレンツプロット１４上にプロットされた各点は、３つの連続するＶＣＬ、ＲＲＩｉ、ＲＲＩｉ−１、及びＲＲＩｉ−２に関連するＶＣＬパターンを表す。先に述べたように、ＶＣＬ情報は、Ｒ波の検出及びＲＲＩを求めることに限定されない。ＶＣＬ測定が、ＥＧＭ信号又はＥＣＧ信号からの一連のＲ波検出から導出されようが、任意の他の生理的信号からの他の心室周期事象検出から導出されようが、本明細書で使用されるＲＲＩ及びδＲＲｉという用語は、一般に、それぞれ、ＶＣＬの測定値及び２つの連続するＶＣＬ測定値間の差を指す。例示のために、本明細書で述べる実施形態は、ＶＣＬ測定を実施し、（δＲＲｉ，δＲＲｉ−１）点を求めるための、Ｒ波検出を指すことが多い。
図１では、一連のＲ波事象２０が示される。ローレンツプロットエリア１４上に点をプロットするために、（δＲＲｉ，δＲＲｉ−１）点が、Ｒ波事象２０から求めた連続するＲＲＩを測定することによって求められる。図示する例では、３つの連続するＲＲＩ（ＲＲＩｉ−２、ＲＲＩｉ−１及びＲＲＩｉ）の第１のシリーズ２２は、短−短−長のＶＣＬパターンを提示し、最初の２つの短いＲＲＩはほぼ等しい。したがって、ＲＲＩｉ−２とＲＲＩｉ−１との差であるδＲＲｉ−１は、ほぼ０である。δＲＲｉ、すなわち短いＲＲＩｉ−１と比較的長いＲＲＩｉとの差は、正の変化である。相応して、０に近いｙ座標と正のｘ座標とを有する（δＲＲｉ，δＲＲｉ−１）点２３が、ローレンツプロット１４にプロットされ、短−短−長（Ｓ−Ｓ−Ｌ）シーケンス２２を表す。
３つのＲＲＩの次のシリーズ２４は、短−長−短シリーズを提示し、正のＲＲＩ変化（δＲＲｉ−１）とそれに続く、ほぼ同じ大きさの負のＲＲＩ変化（δＲＲｉ）をもたらす。大きさがほぼ同じ、負のｘ座標と正のｙ座標を有する（δＲＲｉ，δＲＲｉ−１）点２５が、ローレンツプロット１４上にプロットされ、Ｓ−Ｌ−Ｓシーケンス２４を表す。（δＲＲｉ，δＲＲｉ−１）点をプロットするこのプロセスは、ひき続き行われ、３つの周期シリーズ２６は、長−短−短パターンを提示し、負のδＲＲｉ−１とゼロにほぼ等しいδＲＲｉとをもたらす。点２７が、負のｙ座標とゼロに近いｘ座標に基づいてローレンツプロット上にプロットされ、Ｌ−Ｓ−Ｓシーケンス２６を表す。
パターンが継続するにつれて、点２９、３１、及び３３が、それぞれの、Ｓ−Ｓ−Ｌシリーズ２８、Ｓ−Ｌ−Ｓシリーズ３０、及びＬ−Ｓ−Ｓシリーズ３２に応答してプロットされることになる。Ｓ−Ｓ−Ｌの繰り返しパターンは、３つのＲＲＩシーケンスのＳ−Ｓ−Ｌ、Ｓ−Ｌ−Ｓ、及びＬ−Ｓ−Ｓの繰り返しに相当するプロット点のクラスタを生成することになる。２次元ローレンツプロットにプロットされた各点は、３周期パターン及び３周期パターン内の周期長の変化の極性をエンコードする。以下で述べるように、結果的に得られる点クラスタシグネチャは、ＡＦ及びＯＡＴを検出し弁別するのに使用されるであろう。
ＡＦは、不規則で相関のないＶＣＬをもたらし、また、参照によりその全体が本明細書に援用される、Ritscher他に対する２００２年１１月１１日（Ｎｏ．Ｐ１０３０７）に出願された「Algorithm for Detecting Arrhythmias from Discriminatory Signatures of Ventricular Cycle Lengths」という名称の米国特許出願第１０／２９２，２８５号に以前に述べられたように、まばらに散在した(sparsely scattered)点のプロットを生成するであろう。ＡＴ中の、統一性(organization)の程度の変動が、点のクラスタをもたらすことになる。点クラスタシグネチャのメトリックを求めるために、ローレンツプロットエリアは、図１で０〜１２と表示された、いくつかのセグメントに分割される。セグメントは、ＯＡＴに相当する典型的な点クラスタシグネチャに基づいて定義される。
座標系の原点を含むセグメント０は、定義済みの正常洞調律（ＮＲＳ）ＲＲＩ差範囲（「ＮＳＲｍａｓｋ」と呼ぶ）より大きいＲＲＩの変化が全くないことを特徴とする、３つのＲＲＩのシリーズを表す任意の点を含むことになる。セグメント０は、原点からＮＳＲｍａｓｋ４０に等しい大きさまで広がり、１つの例示的な実施形態では、形が円である。しかし、原点から全ての方向において、ＮＳＲｍａｓｋ４０にほぼ等しい境界を定義するほぼ四角形の形状又は他の幾何形状が許容可能であり、ＡＦを検出し、ＡＦをＯＡＴから弁別するアルゴリズムの性能を制限しないであろう。ＮＳＲｍａｓｋ４０は、基準値(nominal value：公称値)、たとえば、７５ミリ秒、又は、ＡＶ結節の正常自律神経変調(normal autonomic modulation)によってＮＳＲ中に起こることが予測されるＶＣＬ変化範囲を含むように求められた別の固定値を割り当てられる。ＮＳＲｍａｓｋ４０は、ＮＳＲ中のＶＣＬ変動性の履歴尺度(historical measure)に基づいて個々の患者について求められてもよい。
セグメント１〜１２は、プロットエリア内で且つ互いを基準にして、ＯＡＴの特徴的シグネチャを表す点クラスタの検出を可能にするように定義される。プロットエリア１４の左上象限のセグメント１及び９は、短−長−短（Ｓ−Ｌ−Ｓ）のＶＣＬパターンを表す点を含むことになる。セグメント１又は９内の点は、短いＲＲＩｉから減算された長いＲＲＩｉ−１から得られる負のδＲＲｉ、及び、長いＲＲＩｉ−１から減算された短いＲＲＩｉ−２から得られる正のδＲＲｉ−１によって生成される。セグメント９は、図１のシリーズ２４に示すように、短いＶＣＬと長いＶＣＬとの間の変化が規則的であることを指示する大きさに近いδＲＲｉ値とδＲＲｉ−１値とを有する点を含むことになる。
Ｌ−Ｓ間隔間の負の変化及びＳ−Ｌ間隔間の正の変化はほぼ等しい。ＲＲＩの変化がほぼ等しいこのようなＳ−Ｌ−Ｓパターンは、Ａ−Ｖ伝導比の変化が起こるＯＡＴの特徴を表す。
セグメント９の幅は、ＡＶ結節の自律神経変調によるＶＣＬの変動を反映するためにＮＳＲｍａｓｋ４０に等しい。
セグメント１は、短いＶＣＬと長いＶＣＬとの、変動する差を有する点を含むことになる。すなわち、Ｓ−Ｌ−Ｓパターンにおいて、Ｌ−Ｓ間隔間の負の変化とＳ−Ｌ間隔間の正の変化とが異なる。Ｓ−Ｌ−Ｓパターンにおける負の変化と正の変化とのこのような差は、ＰＡＣ又はＰＶＣ等の代償性休止期(compensatory pause)を呈する調律の特徴を表す。
反対の、プロットエリア１４の右下象限では、セグメント３及び１１に含まれる点は、Ｌ−Ｓ−ＬのＶＣＬパターンを表す。ＶＣＬの正の変化（長いＲＲＩｉから短いＲＲＩｉ−１を減算した値は、正のδＲＲｉをもたらす）は、ＶＣＬの負の変化（短いＲＲＩｉ−１から長いＲＲＩｉ−２を減算した値は、負のδＲＲｉ−１をもたらす）に続く。セグメント１１では、Ｌ−Ｓ−Ｌパターンにおける負の変化と正の変化とは、同様であり、ＯＡＴ中の変化する伝導比の特徴を表す。セグメント１１の幅は、ＮＳＲｍａｓｋに等しい。セグメント３では、負の変化と正の変化とは、大きさが同様ではなく、代償性休止期を呈する調律の特徴を表す。
プロットエリア１４の右上象限のセグメント４及び１２は、短−中間(medium)−長（Ｓ−Ｍ−Ｌ）のパターンによって提示される２つの正のＶＣＬの変化を表す点を含む。左下象限のセグメント２及び１０は、Ｌ−Ｍ−Ｓのパターンによって提示される２つの負のＶＣＬの変化を表す点を含む。対角セグメント１０及び１２に沿った点は、２つの負の変化又は２つの正の変化が、それぞれ、大きさが同様であり、ＮＳＲｍａｓｋの大きさ内にあるパターンを表すことになる。このようなパターンは、通常、ＶＣＬの大きな不規則性を表し、ＡＦ又は一連の期外収縮に関連する。
座標系の軸に沿って起こるセグメント、セグメント５、６、７、及び８は、全く変化がなく、また、正の変化か負の変化のいずれかがあるＶＣＬパターンを表す点を含むことになる。これらのセグメントはそれぞれ、ＡＶ結節に及ぼす自律神経の影響を反映するためにＮＳＲｍａｓｋに等しい幅も有する。セグメント５は、ＮＳＲｍａｓｋより大きくない変化とそれに続く負の変化を表す点、すなわち、Ｌ−Ｌ−Ｓのパターンを含むことになる。セグメント６は、負の変化とそれに続くＮＳＲｍａｓｋより大きくない変化を表す点、すなわち、Ｌ−Ｓ−Ｓのパターンを含むことになる（シリーズ２６及びシリーズ３２と、それぞれの点２７及び３３とで表す）。セグメント７は、ＮＳＲｍａｓｋより大きくない変化とそれに続く正の変化を表す点、すなわち、Ｓ−Ｓ−Ｌのパターンを含むことになる（シリーズ２２及びシリーズ２８と、それぞれの点２３及び２９とで表す）。セグメント８は、正の変化とそれに続くＮＳＲｍａｓｋより大きくない変化を表す点、すなわち、Ｓ−Ｌ−Ｌのパターンを含むことになる。
表１は、ＶＣＬパターン、及び、図１に示すセグメント０〜１２のそれぞれによって表される、δＲＲｉ及びδＲＲｉ−１の対応する相対差を要約する。
Figure 2008539017
 図２Ａ及び図２Ｂは、本発明の一実施形態による、それぞれ、正常洞調律中、及び、心房細動中に得られたローレンツプロットである。両方のプロットにおいて、δＲＲｉ−１の２分セグメントは、δＲＲｉに対してプロットされる。ＮＳＲ中、図２Ａに示すように、プロットされた点は、ＮＳＲｍａｓｋ４０内、セグメント０内に密にひとまとめにされる(tightly clustered)。
ＡＦ中、図２Ｂに示すように、（δＲＲｉ，δＲＲｉ−１）点は、プロットエリアにわたってまばらに散在し、点はセグメント０〜１２のそれぞれに入る。ＶＣＬは、不規則で且つ相関がない。
図３Ａ〜図３Ｆは、本発明の一実施形態による、統一性の程度が変動する心房頻脈中に得られたローレンツプロットである。プロットは、統一性の程度が変動する間に、ＲＲＩの２分セグメントから生成される。
図３Ａは、一貫した１：１Ａ−Ｖ結節伝導による規則的な心房活性化によって非常に規則的なＶＣＬを有するＯＡＴを表す。ＶＣＬの唯一の変動は、Ａ−Ｖ結節の自律神経変調の結果である。図３Ｂ〜図３Ｄは、個別の統一性の異なる程度を示し、点のクラスタが、セグメント６、７、９、及び１１にある。これらの例は、個別に一貫性のないＡ−Ｖ結節伝導による恒常的に不規則な(regularly irregular)ＶＣＬを有する、ＯＡＴの共通クラスタシグネチャを表す。各クラスタの密度又は散在性は、Ａ−Ｖ結節の自律神経変調の程度の変動を示唆する。
図３Ｅ及び図３Ｆは、不規則な心房活性化及び一貫性のないＡＶ結節伝導の結果としてのＶＣＬの程度の高い不規則性を有するＯＡＴを表す。ＶＣＬの変動は、不規則な心房活性化によるＡ−Ｖ結節の不応性の変調、Ａ−Ｖ結節の自律神経変調、及びＡ−Ｖ伝導比の変化に応じて、ＡＴ中に様々な程度で起こる。
図３Ｂは、最大の程度の統一性を表し、図３Ｆは、示す例について最小の統一性を表す。図３Ａ〜図３Ｆは、全ての可能性のあるＡ−Ｖ伝導比の変化及び自律神経系によるＡ−Ｖ結節変調が可能である、統一性の連続体が存在することを示唆する。これらの例はそれぞれ、ＯＡＴ中に、点が、セグメント６、７、９、及び１１内に存在する高い確率が存在することも示す。各クラスタは、Ａ−Ｖ伝導比の個別の変化を指示する。点クラスタの密度は、Ａ−Ｖ結節の自律神経変調の程度の変動に伴って変動するであろう。ＡＦ及びＯＡＴの検出アルゴリズムは、いくつかのクラスタシグネチャメトリックを使用してクラスタシグネチャを定量化することによって、ＶＣＬ変化のこれらの認識可能なパターンを利用することができる。
図４Ａ及び図４Ｂは、本発明の一実施形態による、一連の心房期外収縮（ＰＡＣ）中に得られるローレンツプロットである。図４Ａでは、セグメント１及び３内とセグメント５及び６内との点クラスタは、一連のＰＡＣ中の２連脈（代償性休止期が続く２つの高速な拍動）の提示から得られる。図４Ｂでは、セグメント１及び３内とセグメント１０内との点クラスタは、一連のＰＡＣ中の３連脈（代償性休止期が続く３つの高速な拍動）の提示から得られる。１及び３の非対角セグメント内の点クラスタは、一連のＰＡＣ中に共通である。
このような観測に基づいて、ローレンツプロット内で、点及び点クラスタのロケーション並びに点クラスタの相対的な散在性又は密度の比較解析を行うための、いくつかのクラスタメトリックを定義することができる。これらのクラスタメトリックは、その後、ＡＦをＯＡＴから弁別するために評価されることができる。
図５は、本発明の一実施形態によるローレンツプロットエリアの２次元ヒストグラムである。ローレンツプロットエリアは、それぞれ、δＲＲｉ座標及びδＲＲｉ−１座標について、正と負の両方の方向に定義済の範囲１６６及び１６４を有する２次元ヒストグラム１６０によって数値的に表現される。２次元ヒストグラムは、それぞれが、δＲＲｉ値及びδＲＲｉ−１値の定義済の範囲を有するビン１６８に分割される。一例では、ヒストグラム範囲は、δＲＲｉ値とδＲＲｉ−１値との両方について、−１２００ミリ秒〜＋１２００ミリ秒に及んでもよく、２次元ヒストグラムのそれぞれにおいて７．５ミリ秒に及ぶビンに分割され、１６０×１６０ヒストグラムをもたらす。
外れ値(outlier)境界１７０が定義される。外れ値境界１７０の外側の任意の（δＲＲｉ，δＲＲｉ−１）値は、クラスタシグネチャメトリックを求めるために無視される。一実施形態では、外れ値は、−１５００ミリ秒より小さい、又は、＋１５００ミリ秒より大きい座標値を有する任意の点である。外れ値点は、２次元ヒストグラムビン内でカウントされない。
許容範囲外の点は、ヒストグラム範囲１６２の外であるが、外れ値境界１７０内に入る（δＲＲｉ，δＲＲｉ−１）座標を有する点として定義されてもよい。たとえば、２次元ヒストグラム１６０が、各δＲＲｉ方向及びδＲＲｉ−１方向に±６００ミリ秒の範囲１６２を有し、且つ、外れ値境界１７０が±１５００ミリ秒として定義される場合、（δＲＲｉ，δＲＲｉ−１）によって定義される点は、δＲＲｉ又はδＲＲｉ−１が、ヒストグラム範囲１６２（±１２００ミリ秒）の外側にあるが、外れ値境界１７０（±１５００ミリ秒）内にある場合外れ値である。許容範囲外のゾーン１７６内に入る点は、２次元ヒストグラム１６２の外側範囲１７２に沿って選択される適切な「縁」ビン内でカウントされることができる。他の実施形態では、許容範囲外の点は、無視され、ヒストグラムビン内でカウントされない。
原点ビン１７４は、ローレンツプロットエリアの原点を含むビンとして定義される。統一性の高いＡＴ又はＡＦＬ中では、図３Ａに示すように、原点ビン１７４は、（δＲＲｉ，δＲＲｉ−１）点の大きなパーセンテージを含むことになる。
図５に示す２次元ヒストグラムを使用して、ＡＦとＯＡＴとの弁別時に使用するための、いくつかのクラスタシグネチャメトリックを導出することができるように、測定されたＶＣＬから求めた（δＲＲｉ，δＲＲｉ−１）点の数及び相対ロケーションが定量化される。
一部の実施形態では、（δＲＲｉ，δＲＲｉ−１）座標の一方又は両方は、２次元ヒストグラム内に点を格納する前に、それぞれ、係数ｋｉ又はｋｉ−１を乗算される。一例では、δＲＲを計算するのに使用されるＶＣＬの１つが、５００ミリ秒より小さい場合、δＲＲ値は、ｋ＝２の値を乗算される。δＲＲを計算するのに使用されるＶＣＬの１つが、１０００ミリ秒より大きい場合、δＲＲ値は、ｋ＝０．５の値を乗算される。以下に続く説明では、（δＲＲｉ，δＲＲｉ−１）点に対する言及は、点座標値が、係数ｋｉ又はｋｉ−１で調整された、（ｋｉ ＊δＲＲｉ，ｋｉ−１ ＊δＲＲｉ−１）点のことを指すことができる。
定数によるδＲＲ値の乗算は、固定のヒストグラム範囲及びビンサイズの効率的な使用を可能にする。Ｒ−Ｒ間隔の変動性は、一般に、非常に速いレートでは小さく、狭い範囲のヒストグラムビンにわたって比較的密な点集団を生成する。低い頻脈性不整脈レートでは、δＲＲ値は、比較的大きく、大きな範囲のプロットエリアにわたってより散在したローレンツプロット点を生成する。定数による小さなδＲＲ値の乗算及び定数による大きなδＲＲ値の除算は、固定のヒストグラム範囲及びビンサイズが、クラスタシグネチャメトリックを測定するために効率的に使用されることを可能にする。
一部の実施形態では、２次元ヒストグラムは、固定パラメータで定義される。他の実施形態では、ヒストグラムパラメータ（ヒストグラム範囲及びビンサイズ等）は、ＶＣＬデータストリームの何らかの特徴に基づいて動的であることができる。たとえば、ヒストグラム範囲及びビンサイズは、データ取得時間間隔中のＶＣＬメジアンの関数として定義されてもよい。メジアンＶＣＬが変化するにつれて、新しいヒストグラム範囲及びビンサイズを求めることができる。ＶＣＬの範囲、平均、又は標準偏差等のＶＣＬデータストリームの他の局面は、可変ヒストグラムパラメータを定義するために使用することができる。
図６は、本発明の一実施形態による、心室周期長のローレンツプロットの数値的２次元ヒストグラム表現を使用して、心房細動と統一性のある心房頻脈とを検出し弁別するために使用される装置の機能ブロック図である。図６に要約される機能は、ペースメーカ及び埋め込み可能カーディオバータディフィブリレータを含む心臓刺激デバイス又は心臓監視デバイス等の埋め込み可能医療デバイスに埋め込むことができる。本発明を組み込むことができる埋め込み可能監視デバイスの例は、参照によりその全体が本明細書に援用される、Klein他に発行された米国特許第５，９８７，３５２号に開示される。或いは、図６に要約される機能は、心臓調律を監視するのに使用される外部デバイスで実施されてもよい。他の実施形態では、図６に要約される機能は、２つ以上のデバイスにわたって実施されてもよい。たとえば、埋め込み可能医療デバイスを使用して、解析及び評価のために外部デバイスにアップリンクされるＲＲＩデータを採取し記憶するためのＥＧＭ信号が得られてもよい。図６によって要約される機能に従ってＡＦ及びＯＡＴの検出及び弁別を達成するための、種々のデバイスの実施態様が実現されてもよい。
ＶＣＬ信号源１０１は、ＲＲＩ検出器１０３に対する入力として設けられる。ＶＣＬ信号源１０１は、ＶＣＬが生理的信号から導出されるように、心室周期の情報を含む任意の生理的信号として提供される。ＶＣＬ信号源１０１は、Ｒ波信号を含む、心臓の電気信号を検知する心臓電極又は表面電極として具現化されてもよい。ＲＲＩ検出器１０３は、ＶＣＬ信号源１０１から受信した信号から、Ｒ波又は心室周期の開示時刻を指示する別の事象を検出し、出力としてＲＲＩ信号を提供する。一実施形態では、ＲＲＩ検出器１０３は、Ｒ波検出しきい値を自動的に調整することに基づいてＲ波を検出するセンス増幅器を含む。Ｒ波が検出されるたびに、Ｒ波検出信号が生成され、Ｒ波検出信号間で起こる時間間隔が、ＲＲＩ検出器１０３からの出力として提供される。
本発明は、ＲＲＩを検出するためにＥＣＧ／ＥＧＭ信号を使用することに限定されない。ＲＲＩの概念は、任意のＶＣＬに対して一般化されることができる。対象となるのは、心室の活性化であるが、電気的活性化の詳細ではない。心室周期の開始についての近似を行うことができる他の生理的信号が、ＶＣＬ信号源１０１と置換えられることができる。１つの代替の実施形態では、圧力信号を使用して、心周期の開始を検出してもよい。たとえば、圧力振幅及び／又はｄＰ／ｄｔ振幅の所定のしきい値交差が、心室活性化関連事象として検出され、ＲＲＩ検出器１０３によるＶＣＬの測定のために、心室周期の開示時点として使用されてもよい。ＶＣＬの測定時に使用するための代替の心臓信号源は、心室圧信号、壁運動信号、血中酸素測定信号、又は心室周期長に相当する周期的変動を特徴とする他の信号を含む。心室周期の開始に相当するＶＣＬ信号源１０１の特徴部は、心室周期長を測定する「ＲＲＩ」検出器１０３によって検出される。心室周期長を測定する、既知の任意の方法が、ＲＲＩ検出器１０３によって使用されてもよい。
ＲＲＩ検出器１０３の出力は、ＲＲＩスケールメジアンモジュール１１０に提供される。ＲＲＩスケールメジアンモジュール１１０は、いくつかの異なる時間スケールについてメジアンＲＲＩを計算する。いずれかの統一性の程度を有するＡＴ中に、ＡＶ結節伝導比の変化によって、恒常的に不規則になる、基礎になるベースＶＣＬが存在することになる。変動する時間間隔から求めたメジアンＲＲＩは、ベースＶＣＬがＯＡＴ中に存在するときに一貫性があることになる。異なる時間スケールにわたってメジアンＲＲＩを求め、これらの「スケールメジアン」を比較することによって、ＶＣＬの規則性についての判定を行うことができる。したがって、ＶＣＬ規則性のメトリック、すなわち、ＲｅｇｕｌａｒｉｔｙＥｖｉｄｅｎｃｅ（規則性証拠）が、メジアンＲＲＩモジュール１１０からの入力として受信されたスケールメジアンを使用して、ブロック１１８にて計算されることができる。
図７は、本発明の一実施形態による、ＲＲ間隔スケールメジアンを求めるための時間ラインである。一般に、いくつかの異なるサイズのサンプル窓２０２、２０４、２０６、２０８、２１０、及び２１２は、スケールメジアンを計算するために、所定の時間間隔２００の間に取得される。サンプル窓は、サンプルサイズに従って、又は、時間間隔に従って定義されてもよい。ＲＲＩメジアンは、各時間スケール又はサンプル数スケール窓について求められる。一実施形態では、２ｎ＋１のサンプル数スケール窓が、Ｔ分時間間隔にわたって取得される。図７に示す例では、５、９、１７、３３、６５、及び１２９のサンプル数窓サイズが、２分時間間隔にわたって適用される。全ての時間又はサンプル数スケールについてのメジアンが使用されてもよく、又は、選択されたスケールのセットについてメジアンが使用されてもよい。２分間隔の間に起こるＲＲＩの数は、得ることができる、５サンプル窓、９サンプル窓、１７サンプル窓等の数を決めることになる。各サンプル窓は、Ｔ分間隔２００が終了するまで繰り返される。各サンプル窓の間に、２ｎ＋１のサンプルからＲＲＩメジアンが求められる。Ｔ分間隔についてのメジアンＲＲＩもまた求められる。
ＲＲＩスケールメジアンモジュール１１０によって提供されるスケールメジアンを使用してモジュール１１８によって計算されたＲｅｇｕｌａｒｉｔｙＥｖｉｄｅｎｃｅメトリックは、基線ＲＲＩメジアンの所定の範囲内にあるスケールメジアンのパーセンテージとして計算されることができる。基線ＲＲＩメジアンは、以前の時間窓から求めたＲＲＩメジアンである。１つの例示的な実施形態では、基線ＲＲＩメジアンは、以前の時間間隔Ｔのメジアンとして求められる。代替の実施形態では、基線ＲＲＩメジアンは、任意の選択される先行する時間間隔から求められてもよく、又は、拍動ごとに若しくは他の周期的方式で更新される現在のメジアンＲＲＩであってもよい。
図８は、本発明の一実施形態による、ＲＲ間隔スケールメジアンを使用してメトリックを計算する方法のフローチャートである。方法２２０は、時間間隔Ｔの間に計算されるＲＲＩメジアンの数及び基線ＲＲＩメジアンの規則性範囲内にあるＲＲＩメジアンの数をカウントするときに使用されることになるカウンタをゼロに初期化することによって、ステップ２２２にて始まる。
ステップ２２４にて、タイマが、所定の時間間隔Ｔに設定され、その時間間隔Ｔにわたって、いくつかのスケールメジアンＲＲＩが求められることになる。ステップ２２６にて、ＲＲＩは、入力として提供される。ＲＲＩ検出器１０３（図６）によって測定されるＲＲＩは、スケールメジアンＲＲＩを求めるために、一時メモリバッファに記憶される。先に示した例示的な実施形態では、２ｎ＋１（ｎ＝２、３、４、５、６、及び７）のＲＲＩは、５、９、１７、３３、６５、及び１２９個のＲＲＩのサンプル数窓を満たすために記憶される。代替の実施形態では、ステップ２２６にて入力として提供されるＲＲＩは、いくつかの時間スケール窓にわたって記憶されてもよい。たとえば、ＲＲＩは、５、１０、２０、４０、６０、及び１２０秒の間隔にわたって記憶されてもよい。各サンプル数又は時間スケール窓は、Ｔが終了するまで間隔Ｔにわたって繰り返される。
したがって、サンプル数窓が、所望の数のサンプルで満たされるたびに、又は、Ｔが終了する前に、時間スケール窓が終了したと、決定ステップ２２８にて判定されると、ステップ２３０にて、ＲＲＩスケールメジアンが求められる。時間間隔Ｔの間に計算されるスケールメジアンの数をカウントするのに使用されるカウンタは、ステップ２３０にてスケールメジアンが求められるたびに、ステップ２３２にて、１だけ増加する。
ステップ２３４にて、ＲＲＩスケールメジアンと基線メジアンとの差が計算される。１つの例示的な実施形態では、基線メジアンは、以前の時間間隔Ｔについて求めたＲＲＩメジアンである。ＲＲＩスケールメジアンと基線メジアンとの差は、決定ステップ２３６にて、規則性範囲と比較される。規則性範囲は、Ａ−Ｖ伝導比が変動する間の、ＡＦＬ等の統一性の高いＡＴ、又は、個別のＯＡＴ中のＶＣＬ変動性を包含すると予想される時間間隔に設定される。図３Ａの例を見てわかるように、ＡＶ伝導比が一定である間、ＶＣＬの変動性が小さいため、統一性の高いＡＴ又はＡＦＬ中に、密な点クラスタが、セグメント０に提示される。図３Ｂの例では、ＡＶ伝導比が変化する間、ＶＣＬの小さな変動性が起こるため、密な点クラスタは、異なるセグメントに提示される。一実施形態では、規則性範囲は、±１２ミリ秒に設定される。規則性範囲は、図２Ａに見られるように、ＮＳＲ中に予想されるＶＣＬの変動性を包含しない。
ステップ２３０にて求めたスケールメジアンと基線メジアンとの差が、１２ミリ秒又は選択された別の規則性範囲より小さい場合、スケールメジアンは、統一性の高いＡＴ中に起こる規則的なＶＣＬを表すと考えられる。規則性カウンタは、ステップ２３８にて、１だけ増加する。スケールメジアンと基線メジアンとの差が、選択された規則性範囲より大きい場合、スケールメジアンは、ＮＳＲ中に起こるＶＣＬ変動性又はＡＦ中に起こるＶＣＬ不規則性を表すと考えられる。差が規則性範囲内にない場合、規則性カウンタは、ステップ２３８にて増加しない。
ステップ２４０にて、方法２２０は、時間間隔Ｔが終了したか否かを判定する。終了していない場合、方法２２０は、スケールメジアン窓が満たされるか、又は、終了するときにスケールメジアンを計算するために、入力ステップ２２６にて、ＲＲＩを記憶し続ける。決定ステップ２４０にて、時間間隔Ｔが終了した場合、ステップ２４２にて、基線メジアンを更新することができる。基線メジアンが、以前の時間間隔Ｔのメジアンとして定義されるとき、新しい基線メジアンが、各時間間隔Ｔの終了時に求められて、次の時間間隔Ｔの間に求められるスケールメジアンとの比較時に使用される。
ステップ２４４にて、ＲｅｇｕｌａｒｉｔｙＥｖｉｄｅｎｃｅが、求めたスケールメジアンの総数又はスケールメジアンカウントに対する規則性カウントのパーセンテージ又は比として計算される。統一性の高いＡＴ中に（図３Ａに示すように）、ＲｅｇｕｌａｒｉｔｙＥｖｉｄｅｎｃｅは、１に等しいか又は１に近い値を有することになり、全てのスケールメジアンは、基線メジアンの規則性範囲内にある。ＡＦ中、ＲｅｇｕｌａｒｉｔｙＥｖｉｄｅｎｃｅは、０に等しいか又は０に近い値を有することになる。ＲｅｇｕｌａｒｉｔｙＥｖｉｄｅｎｃｅは、ＮＳＲ中、０と１との中間値及びＯＡＴの程度の変動を有することになる。
再び、図６の機能ブロック図を参照すると、ブロック１１８にて計算されたＲｅｇｕｌａｒｉｔｙＥｖｉｄｅｎｃｅメトリックは、規則性比較器１３０への入力として提供される。ＲｅｇｕｌａｒｉｔｙＥｖｉｄｅｎｃｅは、ＲｅｇｕｌａｒｉｔｙＥｖｉｄｅｎｃｅを、規則性比較器１３０への入力として同様に提供される規則性しきい値１２８と比較することによってＯＡＴの検出で使用することができる。ＲｅｇｕｌａｒｉｔｙＥｖｉｄｅｎｃｅが規則性しきい値１２８を超える場合、ＯＡＴが検出され、ＯＡＴ検出信号１３２が、比較器１３０によって生成される。規則性しきい値１２８は、規則性比較器１３０によって行われる比較が、統一性の高いＡＴを表すセグメント０内の密な点クラスタの検出に感度があり（図３Ａに示すように）、ＮＳＲを表すセグメント０内の散在的なクラスタシグネチャを検出しないように選択される（図２Ａに示すように）。
ＲＲＩ検出器１０３の出力は、減算ブロック１０５及び１つの心室周期についてＲＲＩを記憶する一時的バッファ１０４への入力としても提供される。バッファ１０４によって記憶される以前のＲＲＩ（ＲＲｉ−１）及び新しいＲＲＩは、減算ブロック１０５への入力として提供され、それにより、２つの連続するＲＲＩの差、すなわちδＲＲｉが、計算され、Ｈｉｓｔｏｇｒａｍ（ヒストグラム）カウンタ１０９への入力として提供されることができる。減算ブロック１０５からの出力δＲＲｉは、１つの心室周期についてδＲＲｉを記憶する一時的バッファ１０７への入力としても提供され、それにより、Ｈｉｓｔｏｇｒａｍカウンタ１０９への入力として、以前のδＲＲｉ又はδＲＲｉ−１が、新しいδＲＲｉと共に提供される。（δＲＲｉ，δＲＲｉ−１）値を受信することによって、Ｈｉｓｔｏｇｒａｍカウンタ１０９は、（δＲＲｉ，δＲＲｉ−１）値に相当するヒストグラムビンカウントを更新する。そのため、Ｈｉｓｔｏｇｒａｍカウンタ１０９は、図５に示す２次元ヒストグラム１６２に含まれる各ヒストグラムビンに対応するいくつかのカウンタを含む。全てのヒストグラムビンを完璧にカウントすることなくいくつかのクラスタシグネチャメトリックを求めるためには、各セグメント内の点の数及び占有されたビンの数だけをカウントすることで十分であるため、Ｈｉｓｔｏｇｒａｍカウンタ１０９は、本発明の全ての実施態様について必要とされるわけではない。
適切なヒストグラムビンカウンタを更新することによって、他のカウントの数が、新しい（δＲＲｉ，δＲＲｉ−１）点を含んだヒストグラムビンに従って更新される。ＰｏｉｎｔＣｏｕｎｔｎカウンタ１１２を使用して、ローレンツプロットエリアのｎ個のセグメント、たとえば、図１に示すセグメント０〜１２のそれぞれの中のビン内でカウントされる点の数がカウントされ、各セグメント内の点の総数が生成される。したがって、ＰｏｉｎｔＣｏｕｎｔｎカウンタ１１２は、ｎ個の定義済みセグメントのそれぞれについてセグメント点カウンタを含み、新しい（δＲＲｉ，δＲＲｉ−１）点によって、ヒストグラムビンが増加されるたびに、セグメント点カウンタのうちの１つが適切に増加する。
ＮｏｎＺｅｒｏＢｉｎＣｏｕｎｔ（非ゼロビンカウント）ｎカウンタ１１４を使用して、ローレンツプロットエリアの各セグメント内の占有されたビンの数がカウントされ、点がその中にあるセグメントの総数が生成される。したがって、ＮｏｎＺｅｒｏＢｉｎＣｏｕｎｔｎカウンタ１１４はｎ個のカウンタを含み、カウンタはそれぞれ、ローレンツプロットエリア内で定義されるｎ個のセグメントのうちの１つに対応する。新しい（δＲＲｉ，δＲＲｉ−１）点が、Ｈｉｓｔｏｇｒａｍカウンタ１０９により、以前に占有されていないビンによってカウントされる場合、以前に占有されていないビンを含むセグメントに対応するＮｏｎＺｅｒｏＢｉｎＣｏｕｎｔｎカウンタ１１４内のカウンタが、１だけ増加する。
ＯｒｉｇｉｎＣｏｕｎｔ（原点カウント）カウンタ１１６を使用して、原点ビン１７４（図５に示す）内に入る点の数がカウントされる。新しい（δＲＲｉ，δＲＲｉ−１）点が、Ｈｉｓｔｏｇｒａｍカウンタ１０９による原点ビンの増分をもたらす場合、ＯｒｉｇｉｎＣｏｕｎｔカウンタ１１６は、１だけ増加する。そのため、新しい（δＲＲｉ，δＲＲｉ−１）点が、Ｈｉｓｔｏｇｒａｍカウンタ１０９によってカウントされるたびに、３つの付加的なカウンタ、ＰｏｉｎｔＣｏｕｎｔ（点カウント）ｎカウンタ１１２、ＮｏｎＺｅｒｏＢｉｎＣｏｕｎｔｎカウンタ１１４、及びＯｒｉｇｉｎＣｏｕｎｔカウンタ１１６が、適切に更新される。
所定のデータ取得時間間隔の終了時に、カウンタ値を使用して、いくつかのクラスタシグネチャメトリックが求められる。データ取得時間間隔は、何秒かに又は何分かに設定されてもよい。１つの例示的な実施形態では、データ取得時間間隔は、２分に設定され、それにより、カウンタ１１２、１１４、及び１１６は、２分間隔の間、全ての心周期に関して更新され、２分間隔の終了時に、上述したＲｅｇｕｌａｒｉｔｙＥｖｉｄｅｎｃｅメトリックを含むクラスタシグネチャメトリックが求められる。データ取得間隔の終了時におけるクラスタシグネチャメトリックの計算後に、カウンタは全てゼロにリセットされる。
ブロック１２０にて、ＡｎｉｓｏｔｒｏｐｙＥｖｉｄｅｎｃｅ（異方性証拠）メトリックが計算される。ＡｎｉｓｏｔｒｏｐｙＥｖｉｄｅｎｃｅメトリックを使用して、図３Ｂ〜図３Ｆに示す例示的なローレンツプロットにおいて観測される、伝導比が変動する間のＡＴの個別の統一性の特徴を表すクラスタパターンの指向性が認識される。セグメント５、６、７、８、９、１０、及び１１に対応するＰｏｉｎｔＣｏｕｎｔ値は、ＰｏｉｎｔＣｏｕｎｔｎカウンタ１１２から得られる。対角セグメント１０及び１２並びに軸セグメント５及び８（図１に示される）内の点の数に対する、対角セグメント９及び１１並びに軸セグメント６及び７内の点の大きな数は、たとえば図３Ｂ〜図３Ｆに示すように、ＯＡＴクラスタシグネチャを指示するであろう。
図９は、本発明の一実施形態による異方性メトリックの計算の機能ブロック図である。セグメント５及び８（ＰｏｉｎｔＣｏｕｎｔ５及びＰｏｉｎｔＣｏｕｎｔ８）内にあるビン内でカウントされる点の数は、加算ブロック２０４への入力として提供される。結果的に得られる和は、減算ブロック２１０に提供される。ＰｏｉｎｔＣｏｕｎｔ６及びＰｏｉｎｔＣｏｕｎｔ７の値は、加算ブロック２０２への入力として提供され、結果的に得られる和は、減算ブロック２１０に提供され、それにより、セグメント６及び７内の点の数と、セグメント５及び８内の点の数との差が求められて、異方性シグネチャを同定することができる。
同様に、ＰｏｉｎｔＣｏｕｎｔ９及びＰｏｉｎｔＣｏｕｎｔ１１の値は、加算ブロック２０６への入力として提供され、結果的に得られる和は、減算ブロック２２０に提供される。ＰｏｉｎｔＣｏｕｎｔ１０及びＰｏｉｎｔＣｏｕｎｔ１２の値は、加算ブロック２０８への入力として提供され、結果的に得られる和は、減算ブロック２２０に提供され、それにより、セグメント９及び１１内の点の数と、セグメント１０及び１２内の点の数との差が求められて、異方性シグネチャを同定することができる。
減算ブロック２１０及び減算ブロック２２０の出力の絶対値は、加算ブロック２２２にて加算されて、異方性のメトリックとしてＡｎｉｓｏｔｒｏｐｙＥｖｉｄｅｎｃｅ出力２２４が提供される。
モジュール１２０によるＡｎｉｓｏｔｒｏｐｙＥｖｉｄｅｎｃｅの計算は、以下の式によって数学的に提示される。
Figure 2008539017
 セグメント５〜１２についての点カウントが０になるため、正常洞調律の間、及び、図３Ａに示すような統一性の高いＡＴの間、ＡｎｉｓｏｔｒｏｐｙＥｖｉｄｅｎｃｅは０になるであろう。ＡｎｉｓｏｔｒｏｐｙＥｖｉｄｅｎｃｅは、図３Ｂに示すタイプのＯＡＴ中は、高い値であり、図３Ｃ〜図３Ｆに示すＯＡＴの例については、値がわずかに減少するであろう。ＡｎｉｓｏｔｒｏｐｙＥｖｉｄｅｎｃｅは、低い、非ゼロの値をＡＦ中に有するであろう。
図６の機能ブロック図を再び参照すると、ブロック１２２にて、ＤｅｎｓｉｔｙＥｖｉｄｅｎｃｅ（密度証拠）が、各セグメント内でプロットされた点の密度のメトリックとして計算される。ＤｅｎｓｉｔｙＥｖｉｄｅｎｃｅは、ＯＡＴ中の異なるＡ−Ｖ伝導比に関連する群拍動現象(group beating phenomenon)の目安である。所与のセグメント内の点の密度Ｄｅｎｓｉｔｙｎは、以下のように、セグメント内の点の数と、セグメント内の占有されたビンの数との差を計算することによって測定することができる。
Figure 2008539017
 点密度が大きい場合、比較的多数の点が、少数のビンを占有し、Ｄｅｎｓｉｔｙｎについて大きな値をもたらすことになる。ＡＦの場合と同様に、点が散在する場合、任意の所与のセグメント内の点は、比較的多数のビンにわたって散在し、Ｄｅｎｓｉｔｙｎについて小さな値をもたらすことになる。
ＤｅｎｓｉｔｙＥｖｉｄｅｎｃｅは、ＯＡＴに関連する点クラスタを通常含む、セグメント５〜１２についてのＤｅｎｓｉｔｙ値の和として、次式によりブロック１２２にて計算される。
Figure 2008539017
 ＡＦ中に見出される、最も散在する（δＲＲｉ，δＲＲｉ−１）点分布は、０に等しいか又は０に近いＤｅｎｓｉｔｙＥｖｉｄｅｎｃｅをもたらすことになる。点の数は、占有されたビンの数に近づくか、又は、占有されたビンの数に等しくなるであろう。ＤｅｎｓｉｔｙＥｖｉｄｅｎｃｅはまた、ＮＳＲ中に０に等しいか又は０に近くなるであろう。それは、セグメント５〜１２内の点カウント及び占有されたビンの数が共に、０となり、全て又はほとんどの点がセグメント０に入るからである。任意の所与のセグメント内の最も高い密度は、全ての点が単一ビンに入るときに起こることになり、点の数から１を引いた値（ＰｏｉｎｔＣｏｕｎｔｎ−１）に等しいＤｅｎｓｉｔｙｎをもたらす。セグメント５〜１２の１つ又は複数についてのＤｅｎｓｉｔｙｎ値が大きい場合、メトリックＤｅｎｓｉｔｙＥｖｉｄｅｎｃｅが高いことになり、ＯＡＴの証拠を提供する。図３Ｂ〜図３Ｆに示す例を考えると、ＤｅｎｓｉｔｙＥｖｉｄｅｎｃｅは、図３Ｂに示すＯＡＴについて最も高く、図３Ｆまでに示す例について減少することになる。
ブロック１２４にて、ＰＡＣの証拠を求めるためのメトリックＰＡＣＥｖｉｄｅｎｃｅ（ＰＡＣ証拠）が計算される。図４Ａ及び図４Ｂに示す例に見られるように、一連のＰＡＣに関連するクラスタシグネチャは、通常、セグメント１、２、３、又は４内に点のクラスタを提示し、その時、セグメント１０内に点のクラスタがあり、対向するセグメント１２内には点が全く無いか若しくは少数の点があり（図４Ｂ）、又は、セグメント５及び６内に点のクラスタを提示し、その時、対向するセグメント７及び８にはほとんど点がない。したがって、ＰＡＣＥｖｉｄｅｎｃｅは、セグメント１〜４についてのＤｅｎｓｉｔｙｎ値の加算結果が、セグメント５及び６についてのＤｅｎｓｉｔｙｎ値の和とセグメント７及び８についてのＤｅｎｓｉｔｙｎ値の和との差に加算され、セグメント１０のＤｅｎｓｉｔｙｎ値とセグメント１２のＤｅｎｓｉｔｙｎ値との差に加算された値として計算される。
Figure 2008539017
 ブロック１２６にて、ＶＣＬ不規則性のメトリックＩｒｒｅｇｕｌａｒｉｔｙＥｖｉｄｅｎｃｅ（不規則性証拠）が計算される。０セグメントの外側にある益々多くの数のビンが、益々多くのＶＣＬ不規則性で満たされることになる。したがって、不規則性メトリックは、０セグメント以外の全セグメントについて、占有されたビンの数、すなわち、全てのＮｏｎＺｅｒｏＢｉｎＣｏｕｎｔ値の和として、次式により計算される。
Figure 2008539017
 ＩｒｒｅｇｕｌａｒｉｔｙＥｖｉｄｅｎｃｅは、全ての点がセグメント０に入ることになるため、ＮＳＲについて、また、図３Ａに示す統一性が高いＡＴの例について０であることになる。ＩｒｒｅｇｕｌａｒｉｔｙＥｖｉｄｅｎｃｅは、ＡＦ中に高く（図２Ｂを参照されたい）、ＯＡＴ中にＶＣＬ不規則性の程度を表す変動する非ゼロ値を有することになる。図３Ｂ〜図３Ｆに示す例に関して、ＩｒｒｅｇｕｌａｒｉｔｙＥｖｉｄｅｎｃｅは、図３Ｂで示すＯＡＴエピソード中に最も低く、図３Ｆまでに示すエピソードについて値が増加することになる。
異方性、密度、ＰＡＣ、規則性、及び不規則性についてのクラスタシグネチャメトリックは、ブロック１３４にて、ＯＡＴを検出するためのメトリックを計算する入力として提供される。ＰＡＣ及び不規則性についてのクラスタシグネチャメトリック並びにＯｒｉｇｉｎＣｏｕｎｔは、ブロック１４２にて、ＡＦを検出するときに使用するためのメトリックへの入力として提供される。規則的なＶＣＬ不規則性、（δＲＲｉ，δＲＲｉ−１）点の異方性パターン、及び一連のＰＡＣに関連しない（δＲＲｉ，δＲＲｉ−１）点の密度又は集合の程度(clustering)は、ＯＡＴの証拠である。一実施形態では、ＡＴＥｖｉｄｅｎｃｅ（ＡＴ証拠）メトリックが、以下の式に従って、クラスタシグネチャメトリックから計算される。
Figure 2008539017
 定数Ｋは、ＰＡＣＥｖｉｄｅｎｃｅについての重み値として選択される。Ｋについての基準値は、ＰＡＣＥｖｉｄｅｎｃｅメトリックが、ＡＴの証拠を提供する他の４つのクラスタシグネチャメトリックをオフセットすることができるように４である。他の実施形態では、ＡＴＥｖｉｄｅｎｃｅを計算するときに使用されるクラスタシグネチャメトリックのそれぞれについて、他の重み係数を選択することができる。ＡＴＥｖｉｄｅｎｃｅを計算する、先に示した式において、｛１、１、１、１、−４｝の重み係数の基準セットを使用することができる。しかし、ＡＴＥｖｉｄｅｎｃｅの式内の項のそれぞれに適用される重み係数は、ＡＴの検出について感度があり且つ特異的なメトリックを提供するために、０を含む任意の値に最適化することができる。
不規則なＶＣＬ不規則性は、ＡＦの証拠である。高いＯｒｉｇｉｎＣｏｕｎｔは、ＡＦに対する証拠であることになる。したがって、ＡＦＥｖｉｄｅｎｃｅ（ＡＦ証拠）は、以下の式に従ってクラスタシグネチャメトリックから計算される。
Figure 2008539017
 定数Ｊは、ＡＦＥｖｉｄｅｎｃｅを計算するときに重み係数として使用されるものと異なる値であってよい、ＰＡＣＥｖｉｄｅｎｃｅ用の重み値として選択される。Ｊについての基準値は２である。重み係数は、ＡＦＥｖｉｄｅｎｃｅ式に含まれる他の項に適用されてもよい。ＩｒｒｅｇｕｌａｒｉｔｙＥｖｉｄｅｎｃｅメトリックだけが、ＡＦを検出するために使用されることができる。したがって、ＯｒｉｇｉｎＣｏｕｎｔについての重み係数は、ゼロである可能性がある。
しかし、ＡＦＥｖｉｄｅｎｃｅ式にＯｒｉｇｉｎＣｏｕｎｔを含むことによって、高い感度でＡＦ検出が行われてもよい。ＡＦ検出の高い特異性及び高い感度について最適化された重み係数は、先に提供されたＡＦＥｖｉｄｅｎｃｅ式内の項のそれぞれに適用することができる。
ＡＴＥｖｉｄｅｎｃｅメトリック及びＡＦＥｖｉｄｅｎｃｅメトリックは、それぞれ、比較器１３８及び１４６への入力として提供される。比較器１３８は、ＡＴＥｖｉｄｅｎｃｅの値を、以前に定義したＯＡＴしきい値１３６と比較する。ＡＴＥｖｉｄｅｎｃｅがＯＡＴしきい値１３６より大きい場合、ＯＡＴ検出信号１４０が生成される。
比較器１４６は、ＡＦＥｖｉｄｅｎｃｅの値を、以前に定義したＡＦしきい値１４４と比較する。ＡＦＥｖｉｄｅｎｃｅがＡＦしきい値１４４より大きい場合、ＡＦ検出信号１４８が生成される。ＯＡＴしきい値１３６及びＡＦしきい値１４４は、比較器１３８及び１４６によって行われるそれぞれの比較が、それぞれ、ＯＡＴ及びＡＦの検出に対して感度があり且つ特異的であるように選択される。
ＯＡＴ及びＡＦの検出に使用される、２次元ヒストグラム寸法及びクラスタシグネチャメトリックについてのパラメータセットを最適化するために実施される調査において、ＡＦの検出についての最大の感度と特異性が、２分の時間間隔Ｔを使用して見出された。その時間間隔の間に、（δＲＲｉ，δＲＲｉ−１）点が取得され、ヒストグラムに記憶され、また、その時間間隔の間に、スケールメジアンが求められる。ＡＦ検出用の最大の感度と特異性とについての最適ヒストグラム寸法は、各方向で２５ミリ秒のビンに分割され、７５ミリ秒のＮＳＲｍａｓｋを持つ、全ての軸方向で５００ミリ秒のヒストグラム範囲であった。
これらの設定を使用して、ＯＡＴ及びＡＦの検出の感度及び特異性が、或る範囲の規則性しきい値及び或る範囲のＯＡＴしきい値について試験された。最適化されたしきい値は、ＡＴ／ＡＦ負荷測定について、９０％以上の特異性と感度とをもたらした。規則性しきい値、ＯＡＴしきい値、及びＡＦしきい値の設定は、選択された患者集団の臨床履歴データ又は個々の患者の履歴データに基づいて選択され、最適化されてもよい。最適設定は、患者ごとに変わってもよい。
図１０は、本発明の一実施形態による、心臓事象を検出し弁別するためにクラスタシグネチャメトリックを使用する方法のフローチャートである。
方法２５０は、ＲＲＩをカウントするために使用されるであろうカウンタ、ヒストグラムビンカウンタ、ＰｏｉｎｔＣｏｕｎｔカウンタ、ＮｏｎＺｅｒｏＢｉｎＣｏｕｎｔカウンタ、ＯｒｉｇｉｎＣｏｕｎｔカウンタ、及び、図６に関連して述べられる機能を実施するときに使用される任意の他のカウンタを全てゼロに初期化することによって、ステップ２５２にて始まる。
ステップ２５４にて、タイマが、所望の時間間隔Ｔに設定される。タイマは、１つの例示的な実施形態では、２分に設定されるが、ＯＡＴ及びＡＦを検出し弁別するために実施されるクラスタシグネチャメトリック及び比較解析は、任意の所望の時間間隔にわたって実施することができる。或いは、所望の数の（δＲＲｉ，δＲＲｉ−１）点が、ＡＦ及びＯＡＴの検出及び弁別に使用されることが可能になるように、固定数又は可変数のＶＣＬが採取される。得られるＶＣＬの数は、ＶＣＬデータストリームの特徴に基づいてもよい。
ステップ２５６にて、ＲＲＩ測定値が、ステップ２５８にてＲＲＩスケールメジアンを求めるための入力として提供される。ステップ２５７にて、上述したローレンツプロットエリアを表す２次元ヒストグラム内の（δＲＲｉ，δＲＲｉ−１）座標ロケーションに基づいて、ステップ２６０にてＰｏｉｎｔＣｏｕｎｔｎカウンタを、ステップ２６２にてＮｏｎＺｅｒｏＢｉｎＣｏｕｎｔｎカウンタを、ステップ２６４にてＯｒｉｇｉｎＣｏｕｎｔカウンタを更新するときに使用するための入力として、δＲＲｉ測定値が提供される。
実際には、図６に示す２次元ヒストグラムの計算は、全ての実施態様において完全な形では必要とされない。一実施態様では、ビット算術演算を使用して、各ビンの２値状態が指示される。おそらく、ビン状態（占有されているか、又は、占有されていないか）を指示するのに、単一ビットだけが必要とされる。ビット算術演算を使用して、クラスタシグネチャメトリックを求めるためのメモリ要件が低減される。ローレンツプロット原点を含むビン内の点を除いて、セグメント０内の点はカウントされる必要はない。ＮｏｎＺｅｒｏＢｉｎＣｏｕｎｔｎは、（単一ビットだけを必要とする）２値状態に基づいて各セグメント内の占有されたビンの数を求めるであろう。ＰｏｉｎｔＣｏｕｎｔは、各セグメント１〜１２内の点をカウントするための１２個のカウンタとして設けられるであろう。
ローレンツプロットセグメントの階層的実施態様は、患者履歴に基づいてもよい。
患者の調律履歴を使用して、どのセグメントが、（δＲＲｉ，δＲＲｉ−１）点を含む確率が最も高いかを選択してもよい。たとえば、図１に示すセグメント９〜１２は、ＯＡＴを頻繁に経験する患者における点をカウントするために選択されてもよく、その時、他のセグメント内に入る点は、無視されるか、又は、それらのセグメント内のヒストグラムビンの２値状態（占有されているか、又は、占有されていないか）としてだけカウントされる。
セグメント５〜８は、次に考えられてもよく、セグメント１〜４は、点を含む可能性が最も低い。一部の実施形態では、階層の低いセグメント内のビンの数は、階層の高いセグメント内のビンの数に比べて小さい場合がある。たとえば、セグメント１〜４は、それぞれ、単一ビンが割り当てられてもよい。
ＲＲＩスケールメジアン、ＰｏｉｎｔＣｏｕｎｔｎカウンタ、ＮｏｎＺｅｒｏＢｉｎＣｏｕｎｔｎカウンタ、及びＯｒｉｇｉｎＣｏｕｎｔカウンタは、時間間隔Ｔ中の各ＲＲＩ測定後に更新される。時間間隔Ｔが終了したと、決定ステップ２６６にて判定されることによって、ステップ２６８にて、いくつかのクラスタシグネチャメトリックが計算される。クラスタシグネチャメトリックは、ＲｅｇｕｌａｒｉｔｙＥｖｉｄｅｎｃｅ、ＡｎｉｓｏｔｒｏｐｙＥｖｉｄｅｎｃｅ、ＤｅｎｓｉｔｙＥｖｉｄｅｎｃｅ、ＰＡＣＥｖｉｄｅｎｃｅ、及びＩｒｒｅｇｕｌａｒｉｔｙＥｖｉｄｅｎｃｅを含むことができる。
ステップ２７０にて、ＡＴＥｖｉｄｅｎｃｅ及びＡＦＥｖｉｄｅｎｃｅのメトリックが、ステップ２６８にて計算したクラスタシグネチャメトリックから計算される。統一性指数は、任意選択で、ステップ２７１にて計算される。統一性指数は、１からＡＦＥｖｉｄｅｎｃｅとＡＴＥｖｉｄｅｎｃｅとの比を引いた値として計算されてもよい。ＡＦＬと同様に、ＡＴが、統一性が高い場合、統一性指数は１に近い。ＡＦと同様に、ＡＴが、統一性が非常に低い(highly disorganized)場合、統一性指数は０に近い。統一性指数は、治療を選択するとき、又は、疾病状態を監視するときに有用である場合がある。
別の実施形態では、統一性指数は、ＯｒｉｇｉｎＣｏｕｎｔ、ＲｅｇｕｌａｒｉｔｙＥｖｉｄｅｎｃｅ、ＡｎｉｓｏｔｒｏｐｙＥｖｉｄｅｎｃｅ、ＤｅｎｓｉｔｙＥｖｉｄｅｎｃｅ、及びＩｒｒｅｇｕｌａｒｉｔｙＥｖｉｄｅｎｃｅの重み付き和として計算される。１つの例示的な実施形態は、先に指定したメトリックについて、それぞれ、｛１、１、１、１、−２｝の重み係数を採用するであろう。さらに別の実施形態では、Ｈｉｓｔｏｇｒａｍカウンタを使用して、各セグメント内の任意のビン内の最大カウントが計算される。統一性指数は、その後、各セグメントについての最大カウントの和として計算される。
ＡＴＥｖｉｄｅｎｃｅ、ＡＦＥｖｉｄｅｎｃｅ、及びＲｅｇｕｌａｒｉｔｙＥｖｉｄｅｎｃｅのしきい値比較は、ＡＦ又はＯＡＴを検出するためにステップ２７２にて使用される。ＡＦ及びＯＡＴの検出のためのクラスタシグネチャメトリックとの比較に使用される種々のしきい値は、一定値に限定されない。一実施形態では、ＯＡＴ又はＡＦの開始を検出するためのしきい値、ＯＡＴからＡＦへの遷移を検出するためのしきい値、並びにＯＡＴ及びＡＦの終了を検出するためのしきい値は、異なるように定義されてもよい。別の実施形態では、しきい値は、ＶＣＬ若しくはＶＣＬの変化、及び／又は、１つ若しくは複数のクラスタシグネチャメトリックの関数として定義されることもできる。たとえば、しきい値は、１つ又は複数のクラスタシグネチャメトリックの値に基づいて、又は、その時の時間間隔について測定されたメジアンＶＣＬに基づいて自動調整されることができる。
しきい値比較に基づいて、ＡＦもＯＡＴも検出されない場合、方法２５０は、ステップ２５２に戻って、全てのカウンタをゼロにリセットし、新しい時間間隔Ｔを開始する。ＡＦＥｖｉｄｅｎｃｅとＡＴＥｖｉｄｅｎｃｅが共に、関連する検出しきい値を超える場合、統一性指数を使用して、決定ステップ２７２にて、ＡＦとＯＡＴとを弁別してもよい。統一性指数は、しきい値と比較されて、検出された不整脈が、（ＡＦＬに似た）統一性のあるＡＴであるか、又はＡＦであるかが判定される。
こうして、クラスタシグネチャメトリックが、ＡＦ又はＯＡＴの検出についてしきい値比較基準を満たす場合、各時間間隔Ｔ後に、ＡＦ又はＯＡＴの検出を行うことができる。或いは、ＡＦ又はＯＡＴの検出は、任意の選択された数の時間間隔後に行うことができる。たとえば、クラスタシグネチャメトリックは、各時間間隔Ｔ後に計算することができる。所望の数の時間間隔が過ぎた後、Ｙ個のブロックからＸ個のブロック(X out of Y)について計算されたクラスタシグネチャメトリックが、ＯＡＴ又はＡＦの検出についてのしきい値基準を満たすために必要とされるというロジックに基づいて、ＯＡＴ／ＡＦ決定が行われる。同様なロジックは、ＯＡＴからＡＦへの遷移及びＯＡＴ又はＡＦの終了を検出するために適用されることができる。
ＡＦ又はＯＡＴが、決定ステップ２７２にて検出される場合、ステップ２７４にて、応答が提供される。適切な応答は、検出結果を記憶すること、ＡＴ／ＡＦ負荷を計算すること、ＯＡＴ／ＡＦ検出及びＡＴ／ＡＦ負荷及び他の関連するデータの報告を生成すること、警告信号を生成すること、又は、治療を送出すること、一時中止する(withhold)こと、若しくは調整することを含んでもよい。
送出されるか、又は、調整される治療は、薬剤治療、心臓刺激治療、又は神経刺激治療を含んでもよい。たとえば、ＯＡＴ又はＡＦに応答して、適切な抗頻脈性不整脈治療が送出されてもよい。期外収縮刺激等の、１つのタイプの心臓刺激は、ＯＡＴ又はＡＦの検出によって一時中止されてもよい。調整されることができる薬剤治療は、抗不整脈薬及び抗凝固剤を含む。
一般に、Ｎ次元ヒストグラムを使用して、Ｎ時系列のδＲＲ点のローレンツプロットを数値的に表すことができる。２次元ヒストグラムは、２つの時系列のδＲＲ点、δＲＲｉと、１だけ遅延したδＲＲｉ又はδＲＲｉ−１とを表す。Ｎ次元評価において、時系列は、δＲＲｉ、δＲＲｉ−１、δＲＲｉ−２、δＲＲｉ−３、…、δＲＲｉ−Ｎ−１を含むことができる。Ｎ時系列のδＲＲ値を表すＮ次元ヒストグラムから計算されるクラスタシグネチャメトリックを使用して、Ｎ時系列間の相関が評価される。
以前のδＲＲ点に基づいて次のδＲＲ点を予測することができることは、ＯＡＴの証拠を提供する、或る程度の相関が存在することを指示する。ＡＦ中に、δＲＲ点の相関は存在せず、したがって、予測可能性は存在しない。より一般的に、本明細書で述べる方法を使用して、計算能力及び電池パワーが制限されたデバイスについて理想的に適する、索引付け、カウンティング、加算、減算、及びビットシフト演算だけを使用して、任意の数の時系列間の相関又はコヒーレンスを計算することができる。別の２つの時系列の例は、１つの時系列としての心拍数及び第２の時系列としての血圧である。
図１１は、本発明の一実施形態による、心臓事象を検出するためにクラスタシグネチャメトリックを使用する方法のフローチャートである。ＡＦ検出だけのためにクラスタシグネチャメトリックを使用する１つの単純化した実施形態では、セグメント１〜１２は、単一セグメントとして合成されてもよい。ＮｏｎＺｅｒｏＢｉｎＣｏｕｎｔカウンタは、セグメント０の外側に入る占有されたビンの数をカウントすることになる。セグメント０内の原点を含むビン内に入る点だけが、ＯｒｉｇｉｎＣｏｕｎｔカウンタによってカウントされることになる。セグメント０内の他の点は、カウントされる必要はない。
したがって、ステップ３０２にて、全てのカウンタが、０に初期化され、ステップ３０４にて、タイマは、２分等の選択された時間間隔Ｔに設定される。ステップ３０６にて、δＲＲｉデータが、ステップ３０８にてＮｏｎＺｅｒｏＢｉｎＣｏｕｎｔカウンタを、ステップ３１０にてＯｒｉｇｉｎＣｏｕｎｔカウンタを更新するための入力として提供される。２次元ヒストグラムにおいて、ヒストグラムビンカウントは、その時の心室周期についての（δＲＲｉ，δＲＲｉ−１）点に基づいて更新される。（δＲＲｉ，δＲＲｉ−１）点が、以前に占有されなかった、セグメント０の外側の任意のビンに入る場合、ステップ３０８にて、ＮｏｎＺｅｒｏＢｉｎＣｏｕｎｔカウンタは、１だけ増加する。（δＲＲｉ，δＲＲｉ−１）点が、原点ビンに入る場合、ステップ３１０にて、ＯｒｉｇｉｎＣｏｕｎｔカウンタは、１だけ増加する。
一部の実施形態では、ローレンツプロットの１次元ヒストグラム表現は、２−Ｄヒストグラムに置換えられてもよい。δＲＲｉの１−Ｄヒストグラムは、軸のいずれかに沿って２−Ｄヒストグラムを投影したようなものであることになる。２−Ｄヒストグラムは、３つのＲＲＩのシーケンスに関する、大きさと３６０度の変化方向又は位相情報との両方を含む。１−Ｄヒストグラムは、２つのＲＲＩのシーケンスについての大きさ及び双方向変化情報を含む。１−Ｄヒストグラムは、メモリ要件においてかなりの節約を提供するが、計算上の要件においては、２−Ｄヒストグラムの実施態様と同じである。１−Ｄヒストグラムの実施態様では、ＮｏｎＺｅｒｏＢｉｎＣｏｕｎｔカウンタは、０セグメントの外側で（選択されたＮＳＲｍａｓｋより大きい又は小さい）、以前に占有されなかった１−Ｄビン内に入る各δＲＲｉ点について、ステップ３０８にて更新される。ＯｒｉｇｉｎＣｏｕｎｔカウンタは、１−Ｄヒストグラムの原点を含むビン内に入る各δＲＲｉ点について更新される。
ＡＦだけを検出するためのクラスタシグネチャメトリックの２−Ｄ又は１−Ｄの実施態様について、ＰｏｉｎｔＣｏｕｎｔカウンタは必要とされない。セグメント０に入るが原点カウントの外側の点、及び、以前に占有されたヒストグラムビンに入る点は、ＮｏｎＺｅｒｏＢｉｎＣｏｕｎｔカウンタとＯｒｉｇｉｎＣｏｕｎｔカウンタのいずれにも影響を及ぼさないであろう。
時間間隔Ｔがいまだ終了していないと、決定ステップ３１２にて判定される場合、方法３００は、（δＲＲｉ，δＲＲｉ−１）点を取得し、ＮｏｎＺｅｒｏＢｉｎＣｏｕｎｔカウンタ及びＯｒｉｇｉｎＣｏｕｎｔカウンタを適切に更新し続ける。ＡＦＥｖｉｄｅｎｃｅのメトリックは、ＮｏｎＺｅｒｏＢｉｎＣｏｕｎｔとＯｒｉｇｉｎＣｏｕｎｔとの差として計算される。ＡＦＥｖｉｄｅｎｃｅが、ＡＦ検出しきい値を超えると、決定ステップ３１６にて判定される場合、ステップ３１８にて、ＡＦ検出が行われる。図１０に関連して先に述べたように、ＡＦ検出によって応答が提供されてもよい。方法３００は、ステップ３０２に戻って、カウンタをゼロにリセットして、新しい時間間隔Ｔを開始させる。
或いは、一定数のＶＣＬが採取されて、ＡＦを検出し、ＡＦをＯＡＴから弁別するために、所望の数のδＲＲｉ値が使用されることを可能にする。一例では、１２個のδＲＲｉ値が、採取され、ＡＦを検出するための上述した同じロジックを使用して解析される。
図１２は、本発明の一実施形態による心臓事象を検出する方法において、連続するＲＲ間隔点間の差を記憶するために使用することができる１次元ヒストグラムである。３つのセグメント３３０、３３２、及び３３４が定義される。セグメント０ ３３２は、原点ビン３４０を含み、−ＮＳＲｍａｓｋ３３６から＋ＮＳＲｍａｓｋ３３８へ延びる。セグメント1 ３３０は、パラメータ−Ｅｘｔｅｎｔで定義することができる負の範囲３２６から−ＮＳＲｍａｓｋ３３６まで延びる。セグメント１ ３３０は、ＮＳＲｍａｓｋより大きいＲＲＩの負の変化を表す全てのδＲＲｉ点を含むことになる。セグメント２ ３３４は、＋ＮＳＲｍａｓｋ３３８からヒストグラム３２５の正の範囲すなわち＋Ｅｘｔｅｎｔ３２８まで延びる。セグメント２ ３３４は、ＮＳＲｍａｓｋより大きいＲＲＩの正の変化を表す全てのδＲＲｉ点を含むことになる。
図１３は、本発明の一実施形態による、ローレンツプロットの１次元ヒストグラム表現を使用して心臓事象を検出する方法のフローチャートである。ステップ３５２にて、ＲＲＩサンプル数をカウントするのに使用されるカウンタ、ＰｏｉｎｔＣｏｕｎｔカウンタ、ＮｏｎＺｅｒｏＢｉｎＣｏｕｎｔカウンタ、ＯｒｉｇｉｎＣｏｕｎｔカウンタ、ヒストグラムビンカウンタ、及び方法３５０を実行する任意の他のカウンタは、ゼロに初期化される。タイマは、ステップ３５４にて、選択された時間間隔Ｔ（通常は２分）に設定される。ステップ３５６にて、ＲＲＩ情報が、先に述べたスケーリングされたメジアンを求めるためにステップ３５８に提供される。２次元の実施態様において計算されるＲｅｇｕｌａｒｉｔｙＥｖｉｄｅｎｃｅは、１次元の概念であり、したがって、１−Ｄの実施態様に組み込まれることができる。したがって、図６、図７、及び図８に関連して述べた同じ方法で、ＲＲＩスケールメジアンが、ステップ３５８にて求められる。
ステップ３６２にて、δＲＲｉ情報は、ステップ３６０にてＰｏｉｎｔＣｏｕｎｔカウンタを、ステップ３６４にてＮｏｎＺｅｒｏＢｉｎＣｏｕｎｔカウンタを、ステップ３６６にてＯｒｉｇｉｎＣｏｕｎｔカウンタを更新するために提供される。ＰｏｉｎｔＣｏｕｎｔカウンタは、各セグメント０、１、及び２（図１２に示す）内に記憶されるδＲＲｉ点の総数をカウントすることになる。ＮｏｎＺｅｒｏＢｉｎＣｏｕｎｔカウンタは、各セグメント０、１、及び２内の占有されるビンの数をカウントすることになる。ＯｒｉｇｉｎＣｏｕｎｔカウンタは、原点ビン３４０（図１２に示す）に入るδＲＲｉ点の数をカウントすることになる。
位相方向情報が、１−Ｄヒストグラム表現から利用可能でないため、２−Ｄヒストグラムについて計算されるＡｎｉｓｏｔｒｏｐｙＥｖｉｄｅｎｃｅ及びＤｅｎｓｉｔｙＥｖｉｄｅｎｃｅは利用可能でない。代替のクラスタシグネチャメトリックが、１−Ｄの実施態様で計算される。タイマが終了したと、決定ステップ３６８にて判定された後、代替のＤｅｎｓｉｔｙＥｖｉｄｅｎｃｅメトリックが、Ｄｅｎｓｉｔｙ１とＤｅｎｓｉｔｙ２との和として計算される。Ｄｅｎｓｉｔｙ１とＤｅｎｓｉｔｙ２とは、先に述べた各ＰｏｉｎｔＣｏｕｎｔｎ値と各ＮｏｎＺｅｒｏＢｉｎＣｏｕｎｔｎ値との差として、それぞれセグメント１及び２について計算される。ＤｅｎｓｉｔｙＥｖｉｄｅｎｃｅは、セグメント０の外側に入るδＲＲｉ点の密度の尺度を提供し、したがって、ＯＡＴを表すことができる点の集合の程度の目安を提供する。１−Ｄヒストグラムは、２−Ｄヒストグラムで利用可能な位相方向情報が欠如し、したがって、１−Ｄの実施態様で提供されるＤｅｎｓｉｔｙＥｖｉｄｅｎｃｅメトリックは、一連の早期収縮を表すことができる点クラスタ（１〜４の２−Ｄヒストグラムセグメントに見出される）を排除することによって、ＯＡＴの特徴を表す点クラスタ（５〜１２の２−Ｄヒストグラムセグメントに見出される）だけを考慮するのではない。
ＳｙｍｍｅｔｒｙＥｖｉｄｅｎｃｅ（対称性証拠）は、ＡｎｉｓｏｔｒｏｐｙＥｖｉｄｅｎｃｅ用の代替メトリックとしてステップ３７２にて計算される。ＯＡＴ中に、δＲＲｉ点は、一連の期外収縮中又はＡＦ中に比べて、原点を中心とする程度の大きな対称性を提示することになる。したがって、原点ビンから同距離にあるセグメント１内のヒストグラムビンとセグメント２内のヒストグラムビンとの差が求められる。これらの差の最大絶対値を使用して、ＳｙｍｍｅｔｒｙＥｖｉｄｅｎｃｅメトリックを求めることができる。一実施形態では、ＳｙｍｍｅｔｒｙＥｖｉｄｅｎｃｅは、次式として数学的に表される。
Figure 2008539017
 ステップ３７４にて、ＡＴＥｖｉｄｅｎｃｅは、ＩｒｒｅｇｕｌａｒｉｔｙＥｖｉｄｅｎｃｅ、ＲｅｇｕｌａｒｉｔｙＥｖｉｄｅｎｃｅ、ＤｅｎｓｉｔｙＥｖｉｄｅｎｃｅ、及びＳｙｍｍｅｔｒｙＥｖｉｄｅｎｃｅの和として１−Ｄの実施態様について計算される。ＩｒｒｅｇｕｌａｒｉｔｙＥｖｉｄｅｎｃｅは、セグメント１及び２について総ＮｏｎＺｅｒｏＢｉｎＣｏｕｎｔカウントして求められる。ステップ３７６にて、ＡＦＥｖｉｄｅｎｃｅは、ＩｒｒｅｇｕｌａｒｉｔｙＥｖｉｄｅｎｃｅとＯｒｉｇｉｎＣｏｕｎｔとの差として計算される。このＡＦＥｖｉｄｅｎｃｅメトリックは、図１１に関連して述べた２−Ｄの実施態様におけるＡＦ検出だけのための方法について計算されたＡＦＥｖｉｄｅｎｃｅメトリックと同じである。セグメント０の外側の多数の占有されたビン及び比較的低いＯｒｉｇｉｎＣｏｕｎｔを認識することに基づいて、ＡＦ検出が行われてもよく、ＡＦＬの可能性がなくなる。
ステップ３７８にて、ＡＦ又はＯＡＴを検出するために、ＡＦＥｖｉｄｅｎｃｅ、ＡＴＥｖｉｄｅｎｃｅ、及びＲｅｇｕｌａｒｉｔｙＥｖｉｄｅｎｃｅのしきい値比較が行われる。これらのクラスタシグネチャメトリックは、それぞれの以前に定義されたしきい値、ＡＦしきい値、ＯＡＴしきい値、及び規則性しきい値と比較される。ＡＦＥｖｉｄｅｎｃｅが、ＡＦしきい値を超える場合、ＡＦが検出される。ＡＴＥｖｉｄｅｎｃｅがＯＡＴしきい値を超えるか、又は、ＲｅｇｕｌａｒｉｔｙＥｖｉｄｅｎｃｅが規則性しきい値を超える場合、ＯＡＴが検出される。しきい値比較を実施し、いずれかの適切な検出を行った後、方法３５０は、ステップ３５２に戻って、全てのカウンタをリセットし、新しい時間間隔Ｔを開始する。任意のＡＦ又はＯＡＴの検出に対する適切な応答が、先に述べたように行われてもよい。
こうして、心房信号を必要とすることなく、ＶＣＬ情報を使用してＡＦ及びＯＡＴの検出を実現する方法が述べられた。これらの方法は、心室頻脈の上室性頻脈からの弁別が重要である監視及び治療適用において有益である可能性がある。さらに、ＡＦのＯＡＴからの弁別は、治療を管理し、疾病状態を監視するための、患者のより正確な診断の観点を提供する。本明細書で詳細に述べる実施形態は、本発明の例示的な実施形態を示すために提供され、添付の特許請求の範囲に関して限定的であることを意図しない。
本発明の一実施形態による、或る時系列のＲＲ間隔についての、連続するＲＲ間隔点間の差のローレンツプロットの生成の略図である。 本発明の一実施形態による、正常洞調律中に得られたローレンツプロットである。 本発明の一実施形態による、心房細動中に得られたローレンツプロットである。 本発明の一実施形態による、統一性の程度が変動する心房頻脈中に得られたローレンツプロットである。 本発明の一実施形態による、統一性の程度が変動する心房頻脈中に得られたローレンツプロットである。 本発明の一実施形態による、統一性の程度が変動する心房頻脈中に得られたローレンツプロットである。 本発明の一実施形態による、統一性の程度が変動する心房頻脈中に得られたローレンツプロットである。 本発明の一実施形態による、統一性の程度が変動する心房頻脈中に得られたローレンツプロットである。 本発明の一実施形態による、統一性の程度が変動する心房頻脈中に得られたローレンツプロットである。 本発明の一実施形態による、一連の心房期外収縮（ＰＡＣ）中に得られるローレンツプロットである。 本発明の一実施形態による、一連の心房期外収縮（ＰＡＣ）中に得られるローレンツプロットである。 本発明の一実施形態による、ローレンツプロットエリアの２次元ヒストグラムである。 本発明の一実施形態による、心室周期長のローレンツプロットの数値的２次元ヒストグラム表現を使用して、心房細動と統一性のある心房頻脈とを検出し弁別するために使用される装置の機能ブロック図である。 本発明の一実施形態による、ＲＲ間隔スケールメジアンを求めるための時間ラインである。 本発明の一実施形態による、ＲＲ間隔スケールメジアンを使用してメトリックを計算する方法のフローチャートである。 本発明の一実施形態による、異方性メトリックの計算の機能ブロック図である。 本発明の一実施形態による、心臓事象を検出し弁別するためにクラスタシグネチャメトリックを使用する方法のフローチャートである。 本発明の一実施形態による、心臓事象を検出するためにクラスタシグネチャメトリックを使用する方法のフローチャートである。 本発明の一実施形態による、心臓事象を検出する方法において、連続するＲＲ間隔点間の差を記憶するために使用することができる１次元ヒストグラムである。 本発明の一実施形態による、ローレンツプロットの１次元ヒストグラム表現を使用して心臓事象を検出する方法のフローチャートである。

Claims (21)

  1. 心臓事象を判定する方法であって、
    検知による心臓信号に関連する複数の周期長を求めること、
    前記求めた複数の周期長の連続する周期長間の差を求めること、
    前記求めた差に応じてクラスタシグネチャメトリックを求めること、及び
    前記求めたクラスタシグネチャメトリックに応じて前記心臓事象を識別すること
    を含む、心臓事象を判定する方法。
  2. 前記クラスタシグネチャメトリックを求めることは、
    前記心臓事象に相当する所定の範囲内にある複数の前記求めた差の数を求めること、及び
    複数の前記求めた差の前記求めた数と、複数の該求めた差のメジアンとの比を求めること
    を含む、請求項１に記載の心臓事象を判定する方法。
  3. 前記求めた比を、前記心臓事象に相当するしきい値と比較することをさらに含む、請求項２に記載の心臓事象を判定する方法。
  4. 前記求めた差に相当するプロットを生成すること、及び
    前記プロットの原点に対して或る範囲の大きさと位相とによって定義され、且つ、前記心臓事象に関連するパターンに相当する、前記プロットの複数のセグメント内に配置される前記求めた差の数を求めること
    をさらに含む、請求項１に記載の心臓事象を判定する方法。
  5. 前記心臓事象は、統一性のある心房頻脈性不整脈に相当する、請求項１に記載の心臓事象を判定する方法。
  6. 第１の出力を生成するために、前記複数のセグメントの第２のセグメント内に配置される前記求めた差の数に対して、該複数のセグメントの第１のセグメント内に配置される前記求めた差の数を求めることをさらに含む、請求項４に記載の心臓事象を判定する方法。
  7. 第２の出力を生成するために、前記複数のセグメントの第４のセグメント内に配置される前記求めた差の数に対して、該複数のセグメントの第３のセグメント内に配置される前記求めた差の数を求めること、及び
    前記第１の出力と前記第２の出力の和とを求めること
    をさらに含む、請求項６に記載の心臓事象を判定する方法。
  8. 前記複数のセグメントのそれぞれのセグメント内に配置される前記求めた差の数を求めること、
    前記複数のセグメントのうちの、求めた差が内部に配置されるセグメントの数を求めること、
    密度カウントを生成するために、前記複数のセグメントの各セグメントについて、前記セグメント内に配置される前記求めた差の前記求めた数と、求めた差が内部に配置される前記セグメントの前記求めた数との差を求めること、及び
    前記密度カウントの和を求めること
    をさらに含む、請求項４に記載の心臓事象を判定する方法。
  9. 前記複数のセグメントの第１の所定のセグメントの各セグメント内に配置される前記求めた差の数を求めること、
    前記複数のセグメントのうちの、求めた差が内部に配置されるセグメントの数を求めること、
    第１の密度カウントを生成するために、前記第１の所定のセグメントの各セグメントについて、前記セグメント内に配置される前記求めた差の前記求めた数と、求めた差が内部に配置される前記セグメントの前記求めた数との差を求めること、
    第１の密度和を生成するために、前記第１の密度カウントを加算すること、
    前記複数のセグメントの第２の所定のセグメントの各セグメント内に配置される前記求めた差の数を求めること、
    第２の密度カウントを生成するために、前記第２の所定のセグメントの各セグメントについて、セグメント内に配置される前記求めた差の前記求めた数と、求めた差が内部に配置されるセグメントの前記求めた数との差を求めること、
    第２の密度和を生成するために、前記第２の密度カウントを加算すること、及び
    前記第１の密度和と前記第２の密度和との差を求めること
    をさらに含む、請求項４に記載の心臓事象を判定する方法。
  10. 前記複数のセグメントの第１のセグメントは、前記プロットの原点の周りの所定のエリアに相当しており、第１のクラスタシグネチャメトリックＭ１を生成するために、前記第１のセグメント以外の複数のセグメント内に配置される前記求めた差の総数を求めることをさらに含む、請求項４に記載の心臓事象を判定する方法。
  11. 第２のクラスタシグネチャメトリックＭ２を生成するために、前記第１のセグメント内に配置される前記求めた差の数を求めること、
    前記複数のセグメントの第１の所定のセグメントの各セグメント内に配置される前記求めた差の数を求めること、
    前記複数のセグメントのうちの、求めた差が内部に配置されるセグメントの数を求めること、
    第１の密度カウントを生成するために、前記第１の所定のセグメントの各セグメントについて、前記セグメント内に配置される前記求めた差の前記求めた数と、求めた差が内部に配置される前記セグメントの前記求めた数との差を求めること、
    第１の密度和を生成するために、前記第１の密度カウントを加算すること、
    前記複数のセグメントの第２の所定のセグメントの各セグメント内に配置される前記求めた差の数を求めること、
    第２の密度カウントを生成するために、前記第２の所定のセグメントの各セグメントについて、セグメント内に配置される前記求めた差の前記求めた数と、求めた差が内部に配置されるセグメントの前記求めた数との差を求めること、
    前記第２の密度カウントを加算することであって、それにより、第２の密度和を生成する、加算すること、
    第３のクラスタシグメチャメトリックＭ３を生成するために、前記第１の密度和と前記第２の密度和との差を求めること、及び
    第１の式に応じて第１の事象として前記心臓事象を識別することであって、該第１の式は、Ｍ１−Ｍ２−Ｊ＊Ｍ３に相当し、Ｊは前記第１の事象と異なる第２の事象に関連する重み係数であること
    をさらに含む、請求項１０に記載の心臓事象を判定する方法。
  12. 所定の期間にわたって起こる複数のそれぞれのサンプル窓に相当する前記求めた差の複数のメジアンを計算すること、
    第２のクラスタシグネチャメトリックＭ２を生成するために、前記計算した複数のメジアンを前記心臓事象に関連する所定の基線メジアンと比較すること、
    前記複数のセグメントのそれぞれのセグメント内に配置される前記求めた差の数を求めること、
    前記複数のセグメントのうちの、求めた差が内部に配置されるセグメントの数を求めること、
    密度カウントを生成するために、前記複数のセグメントの各セグメントについて、前記セグメント内に配置される前記求めた差の前記求めた数と、求めた差が内部に配置される前記セグメントの前記求めた数との差を求めること、
    第３のクラスタシグネチャメトリックＭ３を生成するために、前記密度カウントの和を求めること、
    第１の出力を生成するために、前記複数のセグメントの第２のセグメント内に配置される前記求めた差の数に対して、該複数のセグメントの前記第１のセグメント内に配置される前記求めた差の数を求めること、
    第２の出力を生成するために、前記複数のセグメントの第４のセグメント内に配置される前記求めた差の数に対して、該複数のセグメントの第３のセグメント内に配置される前記求めた差の数を求めること、
    第４のクラスタシグネチャメトリックＭ４を生成するために、前記第１の出力と前記第２の出力との和を求めること、
    前記複数のセグメントの第１の所定のセグメントの各セグメント内に配置される前記求めた差の数を求めること、
    前記複数のセグメントのうちの、求めた差が内部に配置されるセグメントの数を求めること、
    第１の密度カウントを生成するために、前記第１の所定のセグメントの各セグメントについて、セグメント内に配置される前記求めた差の前記求めた数と、求めた差が内部に配置されるセグメントの前記求めた数との差を求めること、
    第１の密度和を生成するために、前記第１の密度カウントを加算すること、
    前記複数のセグメントの第２の所定のセグメントの各セグメント内に配置される前記求めた差の数を求めること、
    第２の密度カウントを生成するために、前記第２の所定のセグメントの各セグメントについて、セグメント内に配置される前記求めた差の前記求めた数と、求めた差が内部に配置されるセグメントの前記求めた数との差を求めること、
    第２の密度和を生成するために、前記第２の密度カウントを加算すること、及び
    第５のクラスタシグネチャメトリックＭ５を生成するために、前記第１の密度和と前記第２の密度和との差を求めること
    をさらに含む、請求項１０に記載の心臓事象を判定する方法。
  13. 第１の式に応じて第１の事象として前記心臓事象を識別することであって、該第１の式は、Ｍ１＋Ｍ２＋Ｍ３＋Ｍ４−Ｊ＊Ｍ５に相当し、Ｊは前記第１の事象と異なる第２の事象に関連する重み係数であることをさらに含む、請求項１２に記載の心臓事象を判定する方法。
  14. 第６のクラスタシグネチャメトリックＭ６を生成するために、前記第１のセグメント内に配置される前記求めた差の数を求めること、
    Ｍ１−Ｍ６−Ｊ＊Ｍ５に相当する第２の式に応じて第３の事象として前記心臓事象を識別すること、及び
    前記第１の式と前記第２の式とに応じて統一性指数を生成すること
    をさらに含む、請求項１３に記載の心臓事象を判定する方法。
  15. 複数の前記求めた差の前記求めた数を求めることは、
    所定の期間にわたって起こる複数のそれぞれのサンプル窓に相当する前記求めた差の複数のメジアンを計算すること、及び
    前記計算した複数のメジアンを前記心臓事象に関連する所定の基線メジアンと比較すること
    を含む、請求項２に記載の心臓事象を判定する方法。
  16. 心臓事象を判定する方法であって、
    検知による心臓事象に関連する複数の周期長を求めること、
    前記求めた複数の周期長の連続する周期長間の差を求めること、
    前記求めた差の間の時間関係に相当するプロットの表現を生成すること、
    前記プロットの原点に対して或る範囲の大きさと位相とによって定義され、且つ、前記心臓事象に関連するパターンに相当する、前記プロットの複数のセグメント内に配置される前記求めた差の数を求めること、及び
    前記複数のセグメント内に配置される前記求めた差の前記数に応じて前記心臓事象を識別すること
    を含む、心臓事象を判定する方法。
  17. 前記複数のセグメントのそれぞれのセグメント内に配置される前記求めた差の数を求めること、
    前記複数のセグメントのうちの、求めた差が内部に配置されるセグメントの数を求めること、
    前記プロットの原点の周りの所定のエリアに相当する、前記複数のセグメントの第１のセグメント内に配置される前記求めた差の数を求めること、及び
    密度カウントを生成するために、前記複数のセグメントの所定のセグメントについて、前記セグメント内に配置される前記求めた差の前記求めた数と、求めた差が内部に配置される前記セグメントの前記求めた数との差を求めること
    をさらに含む、請求項１６に記載の心臓事象を判定する方法。
  18. 所定の期間にわたって起こる複数のそれぞれのサンプル窓に相当する前記求めた差の複数のメジアンを計算すること、及び
    前記計算した複数のメジアンを前記心臓事象に関連する所定の基線メジアンと比較すること
    をさらに含む、請求項１７に記載の心臓事象を判定する方法。
  19. 心臓事象を判定する医療デバイスであって、
    検知による心臓事象に関連する複数の周期長を求める手段と、
    前記求めた複数の周期長の連続する周期長間の差を求める手段と、
    前記求めた差の間の時間関係に相当するプロットの表現を生成する手段と、
    前記プロットの原点に対して或る範囲の大きさと位相とによって定義され、且つ、前記心臓事象に関連するパターンに相当する、前記プロットの複数のセグメント内に配置される前記求めた差の数を求める手段と、
    前記複数のセグメント内に配置される前記求めた差の前記数に応じて前記心臓事象を識別する手段と
    を備える、心臓事象を判定する医療デバイス。
  20. 前記複数のセグメントのそれぞれのセグメント内に配置される前記求めた差の数を求める手段と、
    前記複数のセグメントのうちの、求めた差が内部に配置されるセグメントの数を求める手段と、
    前記プロットの原点の周りの所定のエリアに相当する、前記複数のセグメントの第１のセグメント内に配置される前記求めた差の数を求める手段と、
    密度カウントを生成するために、前記複数のセグメントの所定のセグメントについて、前記セグメント内に配置される前記求めた差の前記求めた数と、求めた差が内部に配置される前記セグメントの前記求めた数との差を求める手段と
    をさらに備える、請求項１９に記載の心臓事象を判定する医療デバイス。
  21. 心臓事象を判定する方法であって、
    心房不整脈を表す心室周期長のローレンツ分布に相当するクラスタシグネチャ証拠メトリックについてしきい値検出基準を定義すること、
    或る時間間隔中の連続する心室周期長の数を求めること、
    前記心室周期長の情報をヒストグラムに格納すること、
    前記格納した心室周期長の情報を使用して、多数のクラスタシグネチャメトリックを求めること、
    前記クラスタシグネチャメトリックを使用して、前記クラスタシグネチャ証拠メトリックを計算すること、
    前記しきい値検出基準と前記クラスタシグネチャ証拠メトリックとの比較解析を実施すること、及び
    前記クラスタシグネチャ証拠メトリックが、前記しきい値検出基準を満たす場合、前記心房不整脈を検出すること
    を含む、心臓事象を判定する方法。
JP2008509009A 2005-04-29 2006-04-24 不整脈を検出することが可能な医療デバイス Pending JP2008539017A (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US67605105P 2005-04-29 2005-04-29
PCT/US2006/015480 WO2006118854A2 (en) 2005-04-29 2006-04-24 Method and apparatus for detection of tachyarrhythmia using cycle lengths

Publications (1)

Publication Number Publication Date
JP2008539017A true JP2008539017A (ja) 2008-11-13

Family

ID=37308473

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2008509009A Pending JP2008539017A (ja) 2005-04-29 2006-04-24 不整脈を検出することが可能な医療デバイス

Country Status (5)

Country Link
US (1) US7623911B2 (ja)
EP (1) EP1883347A2 (ja)
JP (1) JP2008539017A (ja)
CA (1) CA2606153A1 (ja)
WO (1) WO2006118854A2 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011509706A (ja) * 2008-01-14 2011-03-31 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 心房細動監視
JP2018511400A (ja) * 2015-04-02 2018-04-26 カーディアック ペースメイカーズ， インコーポレイテッド 心房細動検出

Families Citing this family (44)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7627368B2 (en) * 2006-12-28 2009-12-01 Medtronic, Inc. Method and apparatus for atrial arrhythmia detection
WO2009085074A1 (en) 2007-12-20 2009-07-09 Cardiac Pacemakers, Inc. Anti-tachyarrhythmia system with unified rate threshold
US8121675B2 (en) * 2008-04-25 2012-02-21 Pacesetter, Inc. Device and method for detecting atrial fibrillation
US8019407B2 (en) 2008-10-24 2011-09-13 Biotronik Crm Patent Ag Heart monitoring device and method
US8478762B2 (en) * 2009-05-01 2013-07-02 Microsoft Corporation Ranking system
US8332033B2 (en) 2010-06-24 2012-12-11 Pacesetter, Inc. Systems and methods for use by an implantable medical device for controlling multi-site CRT pacing in the presence of atrial tachycardia
US8447400B2 (en) 2010-06-24 2013-05-21 Pacesetter, Inc. Systems and methods for use by an implantable medical device for controlling multi-site CRT pacing in the presence of atrial tachycardia
US8483813B2 (en) 2010-06-30 2013-07-09 Medtronic, Inc. System and method for establishing episode profiles of detected tachycardia episodes
US8437851B2 (en) 2010-10-26 2013-05-07 Medtronic, Inc. Diagnosis and therapy of bigeminy and frequent premature contractions
US8639316B2 (en) 2011-03-17 2014-01-28 Medtronic, Inc. Method and apparatus for noise rejection in atrial arrhythmia detection
US8977350B2 (en) * 2011-03-17 2015-03-10 Medtronic, Inc. Methods for ectopy rejection for atrial fibrillation detection based on ventricular cycle lengths
KR102044354B1 (ko) * 2012-12-20 2019-11-13 삼성전자주식회사 데이터베이스 구축을 위한 자기장 맵을 생성하는 방법 및 장치
WO2014179544A1 (en) * 2013-05-01 2014-11-06 Worcester Polytechnic Institute Detection and monitoring of atrial fibrillation
US9456759B2 (en) 2013-09-16 2016-10-04 Biotronik Se & Co. Kg Device for automatic mapping of complex fractionated atrial electrogram
US10441796B2 (en) 2014-07-17 2019-10-15 Medtronic, Inc. Multi-chamber intracardiac pacing system
WO2016064962A1 (en) 2014-10-22 2016-04-28 Medtronic, Inc. Atrial arrhythmia detection during intermittent instances of ventricular pacing in a cardiac medical device
US10219718B2 (en) 2014-10-22 2019-03-05 Medtronic, Inc. Atrial arrhythmia episode detection in a cardiac medical device
US9717437B2 (en) 2014-10-22 2017-08-01 Medtronic, Inc. Atrial arrhythmia detection during intermittent instances of ventricular pacing in a cardiac medical device
US10213125B2 (en) 2015-01-23 2019-02-26 Medtronic, Inc. Atrial arrhythmia episode detection in a cardiac medical device
CN107205657B (zh) 2015-01-23 2021-06-01 美敦力公司 心脏医疗设备中的房性心律失常发作检测
US10004418B2 (en) 2015-01-23 2018-06-26 Medtronic, Inc. Atrial arrhythmia episode detection in a cardiac medical device
US9962102B2 (en) 2015-02-18 2018-05-08 Medtronic, Inc. Method and apparatus for atrial arrhythmia episode detection
US9901276B2 (en) 2015-02-18 2018-02-27 Medtronic, Inc. Method and apparatus for identifying sick sinus syndrome in an implantable cardiac monitoring device
EP3268083A1 (en) 2015-03-11 2018-01-17 Medtronic Inc. Multi-chamber intracardiac pacing system
US10004906B2 (en) 2015-07-16 2018-06-26 Medtronic, Inc. Confirming sensed atrial events for pacing during resynchronization therapy in a cardiac medical device and medical device system
US20170112390A1 (en) 2015-10-22 2017-04-27 Medtronic, Inc. Atrial arrythmia detection using a pressure signal in an implantable medical device and medical system
US10810508B1 (en) * 2016-03-22 2020-10-20 EMC IP Holding Company LLC Methods and apparatus for classifying and discovering historical and future operational states based on Boolean and numerical sensor data
US10413207B2 (en) 2016-03-25 2019-09-17 Medtronic, Inc. Method and apparatus for verifying bradycardia/asystole episodes via detection of under-sensed events
US10039469B2 (en) 2016-03-30 2018-08-07 Medtronic, Inc. Atrial arrhythmia episode detection in a cardiac medical device
US10045710B2 (en) 2016-03-30 2018-08-14 Medtronic, Inc. Atrial arrhythmia episode detection in a cardiac medical device
US10463295B2 (en) * 2016-06-13 2019-11-05 Medtronic, Inc. Multi-parameter prediction of acute cardiac episodes and attacks
US10368769B2 (en) 2016-07-27 2019-08-06 Medtronic, Inc. Automatic thresholds for atrial tachyarrhythmia detection in an implantable medical device
EP3528702A1 (en) * 2016-10-18 2019-08-28 Cardiac Pacemakers, Inc. System for arrhythmia detection
US10765359B2 (en) 2016-12-16 2020-09-08 Medtronic, Inc. Device-based detection and monitoring of sleep apnea conditions
US10702180B2 (en) 2017-01-09 2020-07-07 Cardiac Pacemakers, Inc. Atrial fibrillation discrimination using heart rate clustering
US10694967B2 (en) 2017-10-18 2020-06-30 Medtronic, Inc. State-based atrial event detection
US11123005B2 (en) 2018-11-12 2021-09-21 Medtronic, Inc Method and apparatus for atrial tachyarrhythmia detection
US11517268B2 (en) 2019-01-30 2022-12-06 Pacesetter, Inc. Method and device for detecting premature ventricular contractions based on beat distribution characteristics
US11097117B2 (en) 2019-02-22 2021-08-24 Medtronic, Inc. Medical device and method for power reduction for arrhythmia detection
CN109893115A (zh) * 2019-03-11 2019-06-18 武汉大学 一种基于人体微弱生物电信号的处理分析方法
CN110916649B (zh) * 2019-12-25 2022-09-27 深圳市博英医疗仪器科技有限公司 一种长程心电散点图的处理装置、处理方法及检测装置
US11559242B2 (en) 2020-01-30 2023-01-24 Pacesetter, Inc. Methods and systems for distinguishing over-sensed R-R intervals from true R-R intervals
US11647940B2 (en) 2020-05-04 2023-05-16 Pacesetter, Inc R-R interval pattern recognition for use in arrhythmia discrimination
US11766207B2 (en) 2020-06-01 2023-09-26 Pacesetter, Inc. Methods, devices and systems for improving R-wave detection and arrhtymia detection accuracy

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1995003739A1 (en) 1993-08-03 1995-02-09 Peter Walter Kamen A method of measuring autonomic activity of a patient
CA2260209C (en) 1996-07-11 2005-08-30 Medtronic, Inc. Minimally invasive implantable device for monitoring physiologic events
US6879856B2 (en) * 2000-03-21 2005-04-12 Medtronic, Inc. Method and apparatus for detection and treatment of tachycardia and fibrillation
US6496731B1 (en) * 2000-04-14 2002-12-17 Cardiac Pacemakers, Inc. Highly specific technique for discriminating atrial fibrillation from atrial flutter
DK1322223T3 (da) * 2000-09-20 2007-06-25 Univ Mcgill Fremgangsmåde og system til detektering af hjertearytmi
US7428436B2 (en) * 2000-11-02 2008-09-23 Cardiac Pacemakers, Inc. Method for exclusion of ectopic events from heart rate variability metrics
US6718197B1 (en) * 2000-11-02 2004-04-06 Cardiac Pacemakers, Inc. LV ectopic density trending
DE10163348A1 (de) * 2001-12-21 2003-07-10 Hans D Esperer Verfahren und Vorrichtung zur automatisierten Detektion und Differenzierung von Herzrhythmusstörungen
US7146206B2 (en) 2002-03-20 2006-12-05 Medtronic, Inc. Detection of cardiac arrhythmia using mathematical representation of standard ΔRR probability density histograms
US7031765B2 (en) 2002-11-11 2006-04-18 Medtronic, Inc Algorithms for detecting atrial arrhythmias from discriminatory signatures of ventricular cycle lengths
US7580745B2 (en) * 2005-01-18 2009-08-25 Cardiac Pacemakers, Inc. Method and apparatus for using heart rate variability to control maximum tracking rate in pacing therapy

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011509706A (ja) * 2008-01-14 2011-03-31 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 心房細動監視
JP2018511400A (ja) * 2015-04-02 2018-04-26 カーディアック ペースメイカーズ， インコーポレイテッド 心房細動検出

Also Published As

Publication number Publication date
WO2006118854A3 (en) 2007-08-23
WO2006118854A2 (en) 2006-11-09
US7623911B2 (en) 2009-11-24
US20060247547A1 (en) 2006-11-02
CA2606153A1 (en) 2006-11-09
EP1883347A2 (en) 2008-02-06

Similar Documents

Publication Publication Date Title
JP2008539017A (ja) 不整脈を検出することが可能な医療デバイス
US7537569B2 (en) Method and apparatus for detection of tachyarrhythmia using cycle lengths
US8977350B2 (en) Methods for ectopy rejection for atrial fibrillation detection based on ventricular cycle lengths
CA2550573C (en) Cardiac monitoring
US7657307B2 (en) Method of and apparatus for classifying arrhythmias using scatter plot analysis
JP6603324B2 (ja) 埋込型心臓モニタリング装置において洞不全症候群を識別するための装置
EP2944251B1 (en) Method, apparatus and computer-readable medium for confidence level determination of ambulatory hr algorithm based on a three-way rhythm classifier
JP5090924B2 (ja) Ｔ波交代性を検出し、監視するシステム
US8483808B2 (en) Methods and systems for characterizing cardiac signal morphology using K-fit analysis
JP2019510584A (ja) 不整脈検出についての信頼性
US7277747B2 (en) Arrhythmia memory for tachyarrhythmia discrimination
EP2895063A1 (en) A system and method for detecting a characteristic in an ecg waveform
Sanamdikar et al. A literature review on arrhythmia analysis of ECG signal
Cappiello et al. A statistical index for early diagnosis of ventricular arrhythmia from the trend analysis of ECG phase-portraits
Alcaraz et al. The contribution of nonlinear methods in the understanding of atrial fibrillation
Igel et al. Automated ventricular tachyarrhythmia recognition: A combination of cycle length and nonlinear dynamics measurements