JP2022523741A - 描写および分類のための心電図処理システム - Google Patents

Abstract

システムおよび方法が、相当量のＥＣＧデータを使用して、患者の心電図（ＥＣＧ）データを分析するために提供される。本システムは、１つ以上のＥＣＧ導線等の患者上に位置付けられる感知デバイスからＥＣＧデータを受信する。本システムは、心臓信号の描写ならびに種々の異常、条件、および／または記述子の分類のためのニューラルネットワークを使用して、ＥＣＧデータを処理および分析する、サーバ上で起動するＥＣＧプラットフォームと通信する、アプリケーションを含み得る。ＥＣＧプラットフォームはさらに、埋め込みおよび群化のためのニューラルネットワークおよび／またはアルゴリズムを使用して、ＥＣＧデータを処理および分析し得る。処理されたＥＣＧデータは、向上した正確度で、ユーザにとって使いやすい双方向様式において表示するために、サーバからコンピュータに通信されるグラフィックユーザインターフェースを発生させるために使用される。

Description

（関連出願の相互参照）
本願は、その内容全体が参照することによって本明細書に組み込まれる、２０１９年２月４日に出願され、米国特許出願公開第２０１９／０１６７１４３号として公開された、米国特許出願第１６／２６７，３８０号の優先権を主張する。本願はまた、それぞれの内容全体が参照することによって本明細書に組み込まれる、２０１５年１０月２７日に出願され、米国特許出願公開第２０１７／０１１２４０１号として公開され、現在は米国特許第１０，４２６，３６４号である、米国特許出願第１４／９２４，２３９号、および２０１５年１０月２７日に出願された欧州出願第１５１９１７６９．７号の優先権を主張する、第ＷＯ２０１７／０７２２５０号として公開された、第ＰＣＴ／ＥＰ１６／０７５９７２号の国内段階である、２０１８年４月２７日に出願され、米国特許出願公開第２０１９／０２２３７３９号として公開された、米国特許出願第１５／７７１，８０７号に関連する。本願はまた、それぞれの内容全体が参照することによって本明細書に組み込まれる、２０１７年８月２５日に出願された米国仮出願第６２／５４９，９９４号の優先権を主張する、２０１８年８月２４日に出願され、第ＷＯ２０１９／０３８４３５号として公開された、第ＰＣＴ／ＥＰ２０１８／０７２９１２号に関連する。

（技術分野）
本開示は、一般に、心電図（ＥＣＧ）処理システム、例えば、人工知能を伴い、描写、分類、埋め込み、および群化機械学習機能性を有し、大量のＥＣＧ関連データの可視化を促進する、ＥＣＧシステムに関する。

（背景）
心電図（ＥＣＧ）は、心臓から、コンピューティングデバイスによってデジタル化および記録され得る電気心臓信号を受信する。ＥＣＧは、典型的には、患者上の具体的面積内に設置される、いくつかの電極によって感知される、心臓信号から発生される。これは、ほぼあらゆる医療従事者によって使用され得る、単純な非侵襲性ツールである。

心臓信号は、１つまたは複数の同期化された時間信号から成る。図１Ａは、標準１２誘導安静時ＥＣＧの記録を図示する。図１Ａに示されるように、各導線は、電気信号を発生させ、１２個の電気信号をもたらす。図１Ａに図示されるＥＣＧは、１２個の記録をもたらす、１２本の導線を伴うが、いくつかのＥＣＧは、より少ない記録をもたらす、より少ない導線を伴い得る。図１Ａに示されるように、心臓信号は、通常、Ｐ波と、ＱＲＳ群と、Ｔ波とを含む、繰り返しパターンを表示する。名前が示唆するように、ＱＲＳ群は、Ｑ波と、Ｒ波と、Ｓ波とを含む。例示的Ｐ波、ＱＲＳ群、およびＴ波は、１つのＲ－Ｒ間隔を示す、１つの導線信号内の２～３つの脈拍に焦点を当てる、図１Ｂに図示される。

診断を行うために、訓練を受けた医療従事者が、ＥＣＧ記録を分析し、任意の異常および／または発作を識別し得る。約１５０個の測定可能な異常が、現在、ＥＣＧ記録上で識別され得ることが推定される。しかしながら、具体的専門知識および／または訓練が、ＥＣＧから異常を識別するために要求される。ＥＣＧ分析は、適切な専門知識を有する医療従事者の費用を負担し得、そうでなければこれらの医療従事者へのアクセスを有する、それらの患者のみに利用可能である。

遠隔心臓病学センターが、そうでなければこれらの訓練を受けた医療従事者へのアクセスを有し得ない患者にＥＣＧ分析を提供するために開発されてきた。典型的には、ＥＣＧ記録が、非専門家によって現場から離れて発生され、心臓専門医による、または専門ＥＣＧ技術者による分析のために、遠隔心臓病学センターに送信される。結果は、概して、高品質であるが、プロセスは、遅く、高価であり得る。

ソフトウェアシステムもまた、訓練を受けた専門家による分析の代替として、開発されてきた。現在のソフトウェアシステムは、多くの場合、誤検出をもたらす、低品質の解釈を提供する。現在、これらの解釈システムは、心臓信号についての２つのタイプの情報、すなわち、（１）描写と称される、波毎の時間的場所情報、および（２）分類と称される、心臓信号の分類を提供する、またはその異常を標識する、大域的情報を発生させ得る。

描写に関して、２つの主要なアプローチが、心臓信号の波を見出すために使用される。第１のアプローチは、マルチスケールウェーブレット分析に基づく。本アプローチは、規定スケールにおいて所定の閾値に到達する、ウェーブレット係数を探す。（Ｍａｒｔｉｎｅｚ ｅｔ ａｌ．， Ａ ｗａｖｅｌｅｔ－ｂａｓｅｄ ＥＣＧ ｄｅｌｉｎｅａｔｏｒ： ｅｖａｌｕａｔｉｏｎ ｏｎ ｓｔａｎｄａｒｄ ｄａｔａｂａｓｅｓ， ＩＥＥＥ ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ ｂｉｏｍｅｄｉｃａｌ ｅｎｇｉｎｅｅｒｉｎｇ， Ｖｏｌ． ５１， Ｎｏ． ４．， Ａｐｒｉｌ ２００４， ｐｐ． ５７０－５８、Ａｌｍｅｉｄａ ｅｔ ａｌ．， ＩＥＥＥ ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ ｂｉｏｍｅｄｉｃａｌ ｅｎｇｉｎｅｅｒｉｎｇ， Ｖｏｌ． ５６， Ｎｏ． ８， Ａｕｇｕｓｔ ２００９， ｐｐ １９９６－２００５、Ｂｏｉｃｈａｔ ｅｔ ａｌ．， Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ Ｗｅａｒａｂｌｅ ａｎｄ Ｉｍｐｌａｎｔａｂｌｅ Ｂｏｄｙ Ｓｅｎｓｏｒ Ｎｅｔｗｏｒｋｓ， ２００９， ｐｐ． ２５６－２６１、Ｚｏｉｃａｓ ｅｔ ａｌ．に対する米国特許第８，９０３，４７９号参照）。通常のプロセスは、ＱＲＳ群、次いで、Ｐ波、最後に、Ｔ波を識別することを伴う。本アプローチは、閾値の使用によって不安定にされ、複数のＰ波および「隠れた」Ｐ波を識別することができない。

第２の描写アプローチは、隠れマルコフモデル（ＨＭＭ）に基づく。本機械学習アプローチは、信号の現在の状態を、取り出すことが所望される隠れた変数として扱う（Ｃｏａｓｔ ｅｔ ａｌ．， ＩＥＥＥ ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ ｂｉｏｍｅｄｉｃａｌ ｅｎｇｉｎｅｅｒｉｎｇ， Ｖｏｌ． ３７， Ｎｏ． ９， Ｓｅｐｔｅｍｂｅｒ １９９０， ｐｐ ８２６－８３６、Ｈｕｇｈｅｓ ｅｔ ａｌ．， Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ Ｎｅｕｒａｌ Ｉｎｆｏｒｍａｔｉｏｎ Ｐｒｏｃｅｓｓｉｎｇ Ｓｙｓｔｅｍｓ， ２００４， ｐｐ ６１１－６１８、Ｔｒａｓｓｅｎｋｏ ｅｔ ａｌ．に対する米国特許第８，３３２，０１７号）。本アプローチは、上記に説明される第１の描写アプローチへの改良であるが、信号の表現が、手作りの「特徴」を使用して設計されなければならず、数学モデルが、これらの特徴に基づいて、波毎に適合されなければならない。十分な数の実施例に基づいて、アルゴリズムは、各波を認識することを習得し得る。しかしながら、本プロセスは、手作りの特徴へのその依存性に起因して、煩雑かつ不正確であり得る。具体的には、手作りされた特徴は、それらが習得されておらず、特徴を手作りするプロセスが重要情報を無視または排除している場合があるため、常に、準最適であろう。さらに、モデル、通常、ガウスは、うまく適合していない。また、現在のモデルは、隠れたＰ波を考慮することができない。

分類に関して、現在のシステムでは、分析は、ＱＲＳ群のみに実施される。例えば、ＱＲＳ群の分析は、心室またはペース調整された脈拍を検出し得る。訓練は、特徴の手作りのセットおよび対応する脈拍標識を伴う（Ｃｈａｚａｌ ｅｔ ａｌ．， ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｂｉｏｍｅｄｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ， ２００４， ｖｏｌ． ５１， ｐｐ． １１９６－１２０６）。上記に解析されるように、手作りされた特徴は、それらが習得されておらず、特徴を手作りするプロセスが重要情報を無視または排除している場合があるため、常に、準最適であろう。

上記の問題を解決するために、近年の研究（Ｋｉｒａｎｙａｚ ｅｔ ａｌ．， ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｂｉｏｍｅｄｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ， ２０１６， Ｖｏｌ． ６３， ｐｐ ６６４－６７５）は、集約的に研究され、撮像の分野内で大きな結果を得ている、ニューラルネットワークと呼ばれる新規のアーキテクチャに目を向けてきた（Ｒｕｓｓａｋｏｖｓｋｙ ｅｔ ａｌ．， ａｒＸｉｖ： １４０９．０５７５ｖ３， ３０ Ｊａｎｕａｒｙ ２０１５）。ニューラルネットワークは、未加工または軽微に前処理されたデータから習得し、したがって、手作りの特徴の必要性を迂回する。ニューラルネットワークの適用は、上記に説明される描写および分類アプローチへの改良であるが、現在のシステムは、ある欠点を有する。例えば、現在のニューラルネットワークは、ＱＲＳ特性評価のためのみに開発された。さらに、現在のニューラルネットワークは、周辺の脈拍からコンテキスト情報を捕捉することができない、脈拍毎の様式で情報を処理する。

異常および／または心臓血管疾患検出を識別することに関して、殆どのアルゴリズムは、描写を使用して算出される時間的および形態学的インジケータ（例えば、ＰＲ間隔、ＲＲ間隔、ＱＴ間隔、ＱＲＳ幅、ＳＴセグメントのレベル、Ｔ波の傾斜）に基づく、ルールを使用する。多くの場合、アルゴリズムは、心臓専門医によって設計される。（Ｐｒｉｎｅａｓ ｅｔ ａｌ．， Ｔｈｅ Ｍｉｎｎｅｓｏｔａ Ｃｏｄｅ Ｍａｎｕａｌ ｏｆ Ｅｌｅｃｔｒｏｃａｒｄｉｏｇｒａｐｈｉｃ Ｆｉｎｄｉｎｇｓ， Ｓｐｒｉｎｇｅｒ， ＩＳＢＮ ９７８－１－８４８８２－７７７－６， ２００９）。しかしながら、現在のアルゴリズムは、心臓専門医がＥＣＧを分析する方法を反映せず、粗雑な単純化である。例えば、グラスゴー大学アルゴリズムは、心臓専門医がＥＣＧを分析する方法を反映しない。（Ｓｔａｔｅｍｅｎｔ ｏｆ Ｖａｌｉｄａｔｉｏｎ ａｎｄ Ａｃｃｕｒａｃｙ ｆｏｒ ｔｈｅ Ｇｌａｓｇｏｗ １２－Ｌｅａｄ ＥＣＧ Ａｎａｌｙｓｉｓ Ｐｒｏｇｒａｍ， Ｐｈｙｓｉｏ Ｃｏｎｔｒｏｌ， ２００９．）

学習アルゴリズムを使用する、より進歩した方法もまた、開発されてきた。Ｓｈｅｎ ｅｔ ａｌ．， Ｂｉｏｍｅｄｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ｉｎｆｏｒｍａｔｉｃｓ （ＢＭＥＩ）， ２０１０． ｖｏｌ． ３， ｐｐ． ９６０－９６４では、例えば、著者は、サポートベクトルマシンを使用し、脚ブロックを検出した。しかしながら、これらの方法では、もう一度、不変および安定性質を留保する様式で未加工データを表すことが必要である。

より複雑なニューラルネットワークアーキテクチャが開発されてきたが、それらがＥＣＧに適用されたときに、限界が生じた。１つのチーム（Ｊｉｎ ａｎｄ Ｄｏｎｇ， Ｓｃｉｅｎｃｅ Ｃｈｉｎａ Ｐｒｅｓｓ， Ｖｏｌ． ４５， Ｎｏ ３， ２０１５， ｐｐ ３９８－４１６、ＣＮ１０４９７０７８９）は、完全ＥＣＧ上の２項分類を提案し、故に、任意の分析されたＥＣＧのための唯一の分類を提供した。提案されたアーキテクチャは、導線を完全に接続された層の中に混合する前に、それらを独立して処理する、畳み込み層を使用した。著者らはまた、２項分析とは対照的に、いくつかのクラスの中で１つのクラスを取り出すことを目指した、マルチクラス分析も述べている。しかしながら、彼らは、複数の標識（例えば、異常）が心臓信号に割り当てられる、多標識分類を考慮しなかった。

以前から公知のシステムおよび方法の前述の限界に照らして、ＥＣＧデータを正確かつ効率的に処理し、容易に理解可能である方法で本情報を提示することが望ましいであろう。例えば、特徴抽出を要求しない様式でＥＣＧ信号の描写および分類を取得し、隠れたＰ波を識別し、複数の脈拍にわたってＥＣＧ信号を分析し、心臓信号のための多標識分類を達成することが、望ましくあり得る。

米国特許第８，９０３，４７９号公報 米国特許第８，３３２，０１７号公報

（発明の要約）
本明細書で提供されるものは、向上した正確度および効率で、機械学習アルゴリズムならびに医療グレード人工知能を使用して、ＥＣＧデータを分析するためのシステムおよび方法である。具体的には、システムおよび方法が、人工知能および相当量のＥＣＧデータを使用して、患者の心電図（ＥＣＧ）データを分析するために提供される。本システムは、１つ以上のＥＣＧ導線等の患者上に位置付けられる感知デバイスからＥＣＧデータを受信する。本システムは、例えば、心臓信号の描写ならびに種々の異常、条件、および／または記述子の分類のためのニューラルネットワークを使用して、ＥＣＧデータを処理および分析する、サーバ上で起動するＥＣＧプラットフォームと通信する、アプリケーションを含んでもよい。ＥＣＧプラットフォームは、クラウド内のＥＣＧデータを処理および分析する、クラウドベースのＥＣＧプラットフォームであってもよい。処理されたＥＣＧデータは、向上した正確度で、ユーザにとって使いやすい双方向様式において表示するために、サーバから通信される。ともに、ＥＣＧアプリケーションおよびＥＣＧプラットフォームは、ＥＣＧ処理システムを実装し、ＥＣＧデータを受信し、ＥＣＧデータを処理および分析し、システムデバイス上にＥＣＧデータを表示し、ＥＣＧデータを有する報告を発生させる。

コンピュータ化システムが、複数の時点を横断して１つ以上の電極によって発生され、複数の脈拍を含む、患者のＥＣＧデータを分析するために本明細書で提供される。コンピュータ化システムは、描写アルゴリズムを使用して、ＥＣＧデータを分析し、複数の時点における少なくとも１つの波の存在の可能性に対応する波情報を発生させるように、さらに、少なくとも１つの波が存在し、複数の脈拍発現および脈拍消失を発生させることが判定される、複数の脈拍のうちの脈拍に関して、脈拍発現情報および脈拍消失情報を判定するように設計されてもよい。コンピュータ化システムはさらに、複数の脈拍発現および脈拍消失に基づいて、ＥＣＧデータの複数の脈拍部分を抽出し、ＥＣＧデータの複数の脈拍部分のうちの各脈拍部分は、複数の脈拍のうちの脈拍に対応し、ＥＣＧデータの複数の脈拍部分に基づいて、複数の脈拍のうちの少なくとも２つの脈拍がともに群化されるべきであることを判定するように設計されてもよく、少なくとも２つの脈拍は、クラスタを形成する。複数の脈拍のうちの少なくとも２つの脈拍がともに群化されるべきであることを判定することは、群データが閾値を満たすことを判定することを伴ってもよい。

コンピュータ化システムはさらに、埋め込みアルゴリズムを使用して、ＥＣＧデータの複数の部分を分析し、複数の脈拍を表す埋め込みデータを発生させ、群化アルゴリズムを使用して、埋め込みデータを分析し、群データを発生させるように設計されてもよい。複数の脈拍のうちの少なくとも２つの脈拍は、群データに基づいて、ともに群化されることが判定されてもよい。群データは、２つの脈拍の間の距離に対応し得る。描写アルゴリズムは、第１のニューラルネットワークを利用してもよく、埋め込みアルゴリズムは、第２のニューラルネットワークを利用してもよい。群化アルゴリズムは、第３のニューラルネットワークを利用してもよい。コンピュータ化システムはさらに、ＥＣＧデータに関連する表示されたデータに対応する不正確度に関して、入力デバイスからユーザ入力データを受信するように設計されてもよい。コンピュータ化システムはさらに、ユーザ入力データに基づいて、描写アルゴリズム、埋め込みアルゴリズム、または群化アルゴリズムのうちの１つ以上を調節するように設計されてもよい。

コンピュータ化システムはさらに、ユーザ入力データに基づいて、表示されたデータを修正するように設計されてもよい。ユーザ入力データは、１つ以上のＱＲＳクラスタ、ＰＶＣクラスタ、もしくはＰＡＣクラスタを追加、削除、または分割することに対応し得る。埋め込みデータは、複数の脈拍のうちの脈拍毎にデータのベクトルを伴ってもよい。コンピュータ化システムはさらに、グラフィックユーザインターフェース上に表示するために、クラスタを示す情報をコンピュータに伝送するように設計されてもよい。コンピュータ化システムはさらに、情報を発生させ、相互にわたってオーバーレイされる複数の脈拍のうちの少なくとも２つの脈拍を含む、少なくとも１つのオーバーレイを表示するように設計されてもよい。コンピュータ化システムはさらに、分類アルゴリズムを使用して、クラスタ内の脈拍を分析し、患者に関する心臓事象と関連付けられる、１つ以上の異常、条件、もしくは記述子の存在の可能性を判定するように設計されてもよい。

コンピュータ化システムはさらに、分類アルゴリズムを使用して、描写アルゴリズムからの波情報を分析し、患者に関する心臓事象と関連付けられる、１つ以上の異常、条件、もしくは記述子の存在の可能性を判定するように設計されてもよい。波情報は、分類アルゴリズムに入力され、複数の脈拍のうちの少なくとも２つの脈拍がともに群化されるべきであることを判定するために別個に使用されてもよい。コンピュータ化システムはさらに、描写アルゴリズムを使用して、ＥＣＧデータを分析することに先立って、ＥＣＧデータを前処理し、ＥＣＧデータから雑音を除去するように設計されてもよい。コンピュータ化システムは、精査のために、ＥＣＧデータおよびＥＣＧデータに基づく情報をユーザアカウントに割り当ててもよい。コンピュータ化システムは、精査に基づいて、ユーザアカウントから、ＥＣＧデータおよびＥＣＧデータに基づく情報に関するユーザ入力データを受信してもよい。

複数の時点を横断して１つ以上の電極によって発生され、複数の脈拍を含む、患者の心電図（ＥＣＧ）データを分析するための方法が、本明細書に説明される。本方法は、描写アルゴリズムを使用して、ＥＣＧデータを分析し、複数の時点における少なくとも１つの波の存在の可能性に対応する波情報を発生させることと、少なくとも１つの波が存在し、複数の脈拍発現および脈拍消失を発生させることが判定される、複数の脈拍のうちの脈拍に関して、脈拍発現情報および脈拍消失情報を判定することとを伴ってもよい。本方法はさらに、複数の脈拍発現および脈拍消失に基づいて、ＥＣＧデータの複数の脈拍部分を抽出することであって、ＥＣＧデータの複数の脈拍部分のうちの各脈拍部分は、複数の脈拍のうちの脈拍に対応する、ことと、ＥＣＧデータの複数の脈拍部分に基づいて、複数の脈拍のうちの少なくとも２つの脈拍がともに群化されるべきであることを判定することであって、少なくとも２つの脈拍は、クラスタを形成する、こととを伴ってもよい。

本方法はさらに、埋め込みアルゴリズムを使用して、ＥＣＧデータの複数の部分を分析し、複数の脈拍を表す埋め込みデータを発生させることと、群化アルゴリズムを使用して、埋め込みデータを分析し、群データを発生させることとを伴ってもよい。複数の脈拍のうちの少なくとも２つの脈拍は、群データに基づいて、ともに群化されることが判定されてもよい。本方法はさらに、ＥＣＧデータの精査のために、ＥＣＧデータおよびＥＣＧデータに基づく情報をユーザアカウントに割り当てることを伴ってもよい。本方法はさらに、１人以上の精査者による品質精査のために、ＥＣＧデータおよびＥＣＧデータに基づく情報を提出することを伴ってもよい。本方法はさらに、１人以上の精査者によって発生される、品質制御入力を受信することを伴ってもよい。本方法はさらに、付加的品質制御精査のために、品質制御入力の表示を引き起こすことを伴ってもよい。本方法はさらに、ＥＣＧデータに基づく情報に対応する不正確度に関して入力デバイスからユーザ入力データを受信することを伴ってもよい。本方法はさらに、ユーザ入力データに基づいて、描写アルゴリズム、埋め込みアルゴリズム、または群化アルゴリズムのうちの１つ以上を調節することを伴ってもよい。本方法はさらに、品質精査のために、表示されたデータをユーザアカウントに割り当てることを伴ってもよい。

患者のＥＣＧデータを分析するためのシステムは、一実施例では、実行されると、複数の時点にわたって患者のＥＣＧデータを取得するように設計される、第１の複数の命令を伴ってもよく、さらに、少なくとも１つのサーバへのＥＣＧデータの伝送を引き起こしてもよい。ＥＣＧデータは、１秒あたり少なくとも２０個のサンプルのレート等の事前判定されたサンプリングレートでサンプリングされてもよい。ＥＣＧデータを分析するためのシステムはさらに、実行されると、少なくとも１つのサーバに、患者のＥＣＧデータを受信させ、異なる患者からの複数のＥＣＧデータセットから訓練される、少なくとも１つのアルゴリズムを使用して、患者のＥＣＧデータを分析させ、１つ以上の異常、条件、もしくは記述子、またはそれらの任意の組み合わせの存在の可能性を定量化させ、表示するために、１つ以上の異常、条件、もしくは記述子、またはそれらの任意の組み合わせの存在に対応する情報を少なくとも１つのサーバから遠隔のコンピュータに伝送させるように設計される、第２の複数の命令を伴ってもよい。

ＥＣＧデータを分析するためのシステムはさらに、コンピュータによって実行されると、コンピュータに、少なくとも１つのサーバからの伝送された情報に基づいて、１つ以上の異常、条件、もしくは記述子、またはそれらの任意の組み合わせの存在に対応する情報を表示させるように設計される、第３の複数の命令を伴ってもよい。異なる患者からの複数のＥＣＧデータセットのうちの各セットは、ＥＣＧデータを取得するために使用されるレートと等しいサンプリングレートで発生され得ることを理解されたい。さらに、第３の複数の命令を実行するコンピュータがまた、第１の複数の命令も実行し得ることを理解されたい。

第２の複数の命令はさらに、実行されると、少なくとも１つのサーバに、ＥＣＧデータを前処理させてもよく、これは、ＥＣＧデータから雑音を除去すること、または事前判定された基準周波数においてＥＣＧデータを表すことを伴ってもよい。さらに、第２の複数の命令は、実行されると、描写のためにＥＣＧデータを第１のニューラルネットワークに適用する少なくとも１つのアルゴリズムを使用して、患者のＥＣＧデータを分析してもよく、さらに、複数の時点のそれぞれにおけるＰ波、ＱＲＳ群、またはＴ波のうちの少なくとも１つの存在の可能性を定量化してもよい。第２の複数の命令はさらに、Ｐ波、ＱＲＳ群、またはＴ波のうちの少なくとも１つに関して、少なくとも１つの発現および少なくとも１つの消失を計算する、および／または第１のニューラルネットワークの発現、消失、もしくは出力のうちの１つ以上から少なくとも１つの測定値を計算してもよい。

さらに、第２の複数の命令は、実行されると、分類のためにＥＣＧデータを第２のニューラルネットワークに適用する少なくとも１つのアルゴリズムを使用して、患者のＥＣＧデータを分析し得ることを理解されたい。具体的には、第２の複数の命令は、１つ以上の異常、条件、もしくは記述子の存在の可能性を定量化してもよく、閾値を第２のニューラルネットワークの出力の中の少なくとも１つの値に適用し、値が閾値を超える場合、１つ以上の異常、条件、もしくは記述子に対応する、少なくとも１つの標識を割り当ててもよい。第２の複数の命令はまた、冗長標識を除去することによって、ＥＣＧデータを後処理してもよい。

本システムはさらに、第４および／または第５の複数の命令を含んでもよい。第４の複数の命令は、実行されると、少なくとも１つのサーバに、１つ以上の異常、条件、もしくは記述子の存在に対応する、少なくとも伝送された情報を含む、報告を発生させてもよい。第５の複数の命令は、実行されると、ＥＣＧデータに関連するユーザ入力を受信し、少なくとも１つのサーバが、ユーザ入力を使用し、報告を発生させるように、コンピュータに、ユーザ入力を少なくとも１つのサーバに伝送させてもよい。報告は、時間の関数として患者の心拍数の密度を表す、少なくとも１つの心拍数密度プロットを含んでもよい。第３の複数の命令はさらに、コンピュータによって実行されると、コンピュータに、時間の関数として患者の心拍数の密度を表す、心拍数密度プロットを表示させるように構成されることを理解されたい。

患者のＥＣＧデータを分析するためのシステムは、別の実施例では、実行されると、少なくとも１つのサーバに、複数の時点にわたって患者のＥＣＧデータのセットを受信させるように設計される、少なくとも１つのサーバ上に記憶された命令を伴ってもよい。ＥＣＧデータのセットは、１秒あたり少なくとも２０個のサンプルのレート等の事前判定されたサンプリングレートでサンプリングされてもよい。命令はさらに、少なくとも１つのサーバに、少なくとも１つのアルゴリズムを使用して、患者のＥＣＧデータのセットを分析させ、複数の時点のうちの各時点において、１つ以上の異常、条件、もしくは記述子、またはそれらの任意の組み合わせの存在の可能性を定量化させ、表示するために、１つ以上の異常、条件、もしくは記述子の存在の可能性に対応する情報をコンピュータに伝送させるように設計されてもよい。少なくとも１つのアルゴリズムは、異なる患者から１秒あたり少なくとも２０個のサンプルのサンプリングレートで発生される、ＥＣＧデータの複数のセットを使用して訓練されてもよい。

患者のＥＣＧデータを分析するためのコンピュータ化方法は、同様に、サンプルレートでサンプリングされる、複数の時点にわたる患者のＥＣＧデータのセットを受信することと、ＥＣＧデータの複数のセットを使用して訓練される少なくとも１つのアルゴリズムを使用して、患者のＥＣＧデータのセットを分析することとを伴ってもよい。ＥＣＧデータの複数のセットの中の各セットは、異なる患者から同一のサンプルレートで発生されてもよい。ＥＣＧデータを分析するためのコンピュータ化方法はさらに、各時点において、１つ以上の異常、条件、もしくは記述子、またはそれらの任意の組み合わせを識別することを伴ってもよく、さらに、表示するために、１つ以上の異常、条件、もしくは記述子、またはそれらの任意の組み合わせを含む、情報をコンピュータに伝送することを伴ってもよい。コンピュータ化方法は、ＥＣＧデータのセットからデータを破棄することなく、サンプリングされたＥＣＧデータのセット全体を分析することを伴い得ることを理解されたい。コンピュータ化方法は、一実施例では、１秒あたり少なくとも２０個のサンプルを伴ってもよい。

コンピュータ化方法はさらに、ＥＣＧデータの精査のために、ＥＣＧデータのセットおよびＥＣＧデータのセットに基づく情報をユーザアカウントに割り当てることを伴ってもよい。コンピュータ化方法はさらに、１人以上の精査者による品質精査のために、ＥＣＧデータのセットおよびＥＣＧデータのセットに基づく情報を提出することを伴ってもよい。コンピュータ化方法はさらに、１人以上の精査者によって発生される、品質制御入力を受信することを伴ってもよい。本方法はさらに、付加的品質制御精査のために、品質制御入力の表示を引き起こすことを伴ってもよい。

前述の概要は、例証的にすぎず、いかようにも限定的であることを意図していない。上記に説明される例証的側面、実施形態、および特徴に加えて、さらなる側面、実施形態、および特徴が、以下の図面ならびに発明を実施するための形態を参照することによって明白となるであろう。

図１Ａは、標準１２誘導安静時ＥＣＧの記録である。 図１Ｂは、例示的Ｐ波、ＱＲＳ群、およびＴ波の記録である。

図２は、本開示の側面による、システムおよび方法を実行するための例示的コンポーネントを図示する略図である。

図３Ａ－３Ｂは、それぞれ、例示的システムデバイスおよび例示的サーバの例示的ハードウェアならびにソフトウェアコンポーネントの概略図である。 図３Ａ－３Ｂは、それぞれ、例示的システムデバイスおよび例示的サーバの例示的ハードウェアならびにソフトウェアコンポーネントの概略図である。

図４は、ＥＣＧデータを処理し、ＥＣＧデータを表示し、ＥＣＧデータを含む報告を発生させる例示的方法のフローチャートである。

図５Ａ－５Ｂは、それぞれ、分析される波タイプ毎に、例示的ＥＣＧ信号および第１のニューラルネットワークの例示的出力を表す、線グラフである。 図５Ａ－５Ｂは、それぞれ、分析される波タイプ毎に、例示的ＥＣＧ信号および第１のニューラルネットワークの例示的出力を表す、線グラフである。

図６Ａ－６Ｂは、それぞれ、畳み込みニューラルネットワークおよび回帰ニューラルネットワークの形態の分類ニューラルネットワークの例示的表現である。 図６Ａ－６Ｂは、それぞれ、畳み込みニューラルネットワークおよび回帰ニューラルネットワークの形態の分類ニューラルネットワークの例示的表現である。

図７は、可変数の導線エントリおよび一定数の出力の例示的表現である。

図８は、最近の開示の側面に従って発生されたＲ－Ｒプロットを有する、例示的ユーザインターフェースである。

図９は、図８に示されるＲ－Ｒプロットのズームイン図である。

図１０は、本開示の側面に従って発生された心拍数密度プロットを有する、例示的ユーザインターフェースである。

図１１は、心拍数密度プロットを発生させるための例示的アプローチを図示するフローチャートである。

図１２は、本開示の側面に従って発生された例示的心拍数密度プロットである。

図１３は、ズームインされた心拍数密度プロットを有する、例示的ユーザインターフェースである。

図１４Ａ－１４Ｅは、同一の心臓信号から発生される種々のＲ－Ｒプロットおよび心拍数密度プロットの対照比較である。 図１４Ａ－１４Ｅは、同一の心臓信号から発生される種々のＲ－Ｒプロットおよび心拍数密度プロットの対照比較である。 図１４Ａ－１４Ｅは、同一の心臓信号から発生される種々のＲ－Ｒプロットおよび心拍数密度プロットの対照比較である。 図１４Ａ－１４Ｅは、同一の心臓信号から発生される種々のＲ－Ｒプロットおよび心拍数密度プロットの対照比較である。 図１４Ａ－１４Ｅは、同一の心臓信号から発生される種々のＲ－Ｒプロットおよび心拍数密度プロットの対照比較である。

図１５Ａ－１５Ｄは、患者および処理されたＥＣＧデータに対応する情報を有し、心拍数密度プロットおよびＥＣＧストリップを表示する、ＥＣＧ処理システムによって発生される例示的報告である。 図１５Ａ－１５Ｄは、患者および処理されたＥＣＧデータに対応する情報を有し、心拍数密度プロットおよびＥＣＧストリップを表示する、ＥＣＧ処理システムによって発生される例示的報告である。 図１５Ａ－１５Ｄは、患者および処理されたＥＣＧデータに対応する情報を有し、心拍数密度プロットおよびＥＣＧストリップを表示する、ＥＣＧ処理システムによって発生される例示的報告である。 図１５Ａ－１５Ｄは、患者および処理されたＥＣＧデータに対応する情報を有し、心拍数密度プロットおよびＥＣＧストリップを表示する、ＥＣＧ処理システムによって発生される例示的報告である。

図１６Ａは、ＥＣＧデータを処理し、ＥＣＧデータを表示し、ＥＣＧデータを含む報告を発生させる例示的方法のフローチャートである。 図１６Ｂは、埋め込みを図示する例示的データフローである。

図１７は、ＥＣＧデータを分析し、群化アルゴリズムを使用して類似脈拍を群化するための例示的プロセスである。

図１８は、複数の形態を図示する例示的グラフィックユーザインターフェースである。

図１９は、グラフィックユーザインターフェースの第３のグラフィックウィンドウを図示する。

図２０Ａおよび２０Ｂは、例示的形態および脈拍オーバーレイを図示する。 図２０Ａおよび２０Ｂは、例示的形態および脈拍オーバーレイを図示する。

図２１は、異所性区間を図示する例示的グラフィックユーザインターフェースである。

図２２Ａ－２２Ｐは、ＥＣＧ処理システムによって発生された例示的報告である。 図２２Ａ－２２Ｐは、ＥＣＧ処理システムによって発生された例示的報告である。 図２２Ａ－２２Ｐは、ＥＣＧ処理システムによって発生された例示的報告である。 図２２Ａ－２２Ｐは、ＥＣＧ処理システムによって発生された例示的報告である。 図２２Ａ－２２Ｐは、ＥＣＧ処理システムによって発生された例示的報告である。 図２２Ａ－２２Ｐは、ＥＣＧ処理システムによって発生された例示的報告である。 図２２Ａ－２２Ｐは、ＥＣＧ処理システムによって発生された例示的報告である。 図２２Ａ－２２Ｐは、ＥＣＧ処理システムによって発生された例示的報告である。 図２２Ａ－２２Ｐは、ＥＣＧ処理システムによって発生された例示的報告である。 図２２Ａ－２２Ｐは、ＥＣＧ処理システムによって発生された例示的報告である。 図２２Ａ－２２Ｐは、ＥＣＧ処理システムによって発生された例示的報告である。 図２２Ａ－２２Ｐは、ＥＣＧ処理システムによって発生された例示的報告である。 図２２Ａ－２２Ｐは、ＥＣＧ処理システムによって発生された例示的報告である。 図２２Ａ－２２Ｐは、ＥＣＧ処理システムによって発生された例示的報告である。 図２２Ａ－２２Ｐは、ＥＣＧ処理システムによって発生された例示的報告である。 図２２Ａ－２２Ｐは、ＥＣＧ処理システムによって発生された例示的報告である。

図２３Ａ－２３Ｄは、ＥＣＧデータおよびＥＣＧデータに基づく情報を医療従事者に割り当てるためのユーザインターフェースを図示する。 図２３Ａ－２３Ｄは、ＥＣＧデータおよびＥＣＧデータに基づく情報を医療従事者に割り当てるためのユーザインターフェースを図示する。 図２３Ａ－２３Ｄは、ＥＣＧデータおよびＥＣＧデータに基づく情報を医療従事者に割り当てるためのユーザインターフェースを図示する。 図２３Ａ－２３Ｄは、ＥＣＧデータおよびＥＣＧデータに基づく情報を医療従事者に割り当てるためのユーザインターフェースを図示する。

図２４Ａ－２４Ｆは、ＥＣＧデータおよびＥＣＧデータに基づく情報の品質制御ならびに品質精査のためのユーザインターフェースを図示する。 図２４Ａ－２４Ｆは、ＥＣＧデータおよびＥＣＧデータに基づく情報の品質制御ならびに品質精査のためのユーザインターフェースを図示する。 図２４Ａ－２４Ｆは、ＥＣＧデータおよびＥＣＧデータに基づく情報の品質制御ならびに品質精査のためのユーザインターフェースを図示する。 図２４Ａ－２４Ｆは、ＥＣＧデータおよびＥＣＧデータに基づく情報の品質制御ならびに品質精査のためのユーザインターフェースを図示する。 図２４Ａ－２４Ｆは、ＥＣＧデータおよびＥＣＧデータに基づく情報の品質制御ならびに品質精査のためのユーザインターフェースを図示する。 図２４Ａ－２４Ｆは、ＥＣＧデータおよびＥＣＧデータに基づく情報の品質制御ならびに品質精査のためのユーザインターフェースを図示する。

本発明の前述および他の特徴は、付随する図面と併せて解釈される、以下の説明および添付の請求項から明白となるであろう。これらの図面が、本開示によるいくつかの実施形態のみを描写し、したがって、その範囲の限定と見なされるものではないことを理解して、本開示は、付随する図面の使用を通して、付加的特異性および詳細を伴って説明されるであろう。

（発明の詳細な説明）
本発明は、システムデバイス上で起動されるＥＣＧアプリケーションと、サーバ上で起動されるＥＣＧプラットフォームとを伴う、医療グレード人工知能を有する心電図（ＥＣＧ）処理システムを対象とする。ＥＣＧアプリケーションおよびＥＣＧプラットフォームは、機械学習アルゴリズムを使用して、ＥＣＧデータを処理および分析することによって、ＥＣＧ処理システムを実装し、心臓信号の描写および種々の異常、条件、ならびに記述子の分類を達成する。サーバは、システムデバイスと異なる場所に位置してもよく、サーバは、相互と同一の物理的場所にある必要はない（例えば、サーバは、遠隔サーバであってもよい）。代替として、サーバおよびシステムデバイスは、（例えば、ローカルエリアネットワーク（ＬＡＮ）上の）同一の一般的面積内に位置してもよい。ＥＣＧプラットフォームは、クラウド内のＥＣＧデータを処理および分析することによってＥＣＧ処理システムを実装し得る、クラウドベースのＥＣＧプラットフォームであってもよい。

ＥＣＧ処理システムを実装するために、システムデバイス上で起動するＥＣＧアプリケーションは、感知デバイスからＥＣＧデータ（すなわち、心臓信号）を受信してもよく、ＥＣＧデータをサーバ上で起動するＥＣＧプラットフォームに伝送してもよい。ＥＣＧプラットフォームは、第１および第２のニューラルネットワークを実行してもよく、ＥＣＧデータを第１および第２のニューラルネットワークに適用してもよい。第１のニューラルネットワークは、機械学習機能性を有する、描写ニューラルネットワークであってもよい。第２のニューラルネットワークは、機械学習機能性を有する、分類ニューラルネットワークであってもよい。第１および／または第２のニューラルネットワークの出力は、ＥＣＧデータの描写および分類を達成するように、ＥＣＧプラットフォームによって処理されてもよい。ＥＣＧデータおよび／またはＥＣＧプラットフォームによって発生されるデータは、ＥＣＧプラットフォームからＥＣＧアプリケーションに通信されてもよい。ＥＣＧアプリケーションは、ＥＣＧデータおよび／またはＥＣＧプラットフォームによって発生されるデータを双方向様式で表示させてもよい。ＥＣＧプラットフォームは、ＥＣＧデータおよび／またはＥＣＧプラットフォームによって発生されるデータを含む、報告を発生させてもよく、報告をＥＣＧアプリケーションに通信してもよい。

ここで図２を参照すると、心電図（ＥＣＧ）処理システム１０を実行するための例示的コンポーネントが、図示される。図２は、ＥＣＧ感知デバイス１３、システムデバイス１４、およびサーバ１５、ならびにドライブ１６を示す。

ＥＣＧ感知デバイス１３は、ＥＣＧデータを発生させるための心臓の電気活動を感知するように設計される。例えば、感知デバイス１３は、１つ以上の導線上に配置され得る、１つ以上の電極であってもよい。ＥＣＧ感知デバイス１３は、従来の１２導線配列等のＥＣＧ専用感知デバイスであってもよい、またはＡｐｐｌｅ， Ｉｎｃ．（Ｃｕｐｅｒｔｉｎｏ， Ｃａｌｉｆｏｒｎｉａ）から入手可能なＡｐｐｌｅ Ｗａｔｃｈ等のＥＣＧ発生のために心臓の電気活動を感知するための感知ハードウェアを伴う多目的デバイスであってもよい。感知デバイス１３は、患者の胸部および／または患者の四肢の表面上に設置されてもよい。感知デバイス１３は、感知デバイス１３によって感知される電気信号が、ＥＣＧアプリケーション２９によって受信され得るように、ＥＣＧアプリケーション２９を起動するシステムデバイス１４と電気通信してもよい。ＥＣＧアプリケーション２９は、感知デバイス１３に、ＥＣＧデータを感知または別様に取得させる命令を含んでもよい。

システムデバイス１４は、好ましくは、図３Ａを参照して下記に説明されるコンポーネントと、本明細書に説明される機能性とを有する、１つ以上のコンピューティングデバイス（例えば、ラップトップ、デスクトップ、タブレット、スマートフォン、スマートウォッチ等）である。ＥＣＧアプリケーション２９を起動するシステムデバイス１４は、任意の周知の有線または無線接続を介して、ＥＣＧプラットフォーム３７を起動するサーバ１５と接続してもよい。例えば、システムデバイス１４は、周知の技術（例えば、ＷｉＦｉ、セルラー、ケーブル／同軸、および／またはＤＳＬ）を使用して、インターネットに接続してもよく、インターネットを経由してサーバ１５と通信してもよい。

サーバ１５は、好ましくは、図３Ｂを参照して下記に説明されるコンポーネントと、本明細書に説明される機能性とを有する、１つ以上のサーバである。サーバ１５は、好ましくは、サーバ１５が、１秒あたり少なくとも２０個のサンプル、１秒あたり少なくとも２５０個のサンプル、または１秒あたり少なくとも１，０００個のサンプル等の事前判定された閾値を上回るサンプリングレートを有する、心臓信号を処理および分析し得るように、システムデバイス１４よりも優れた処理能力を有する。当業者に容易に明白となるであろうように、サーバ１５は、共通の物理的場所に、または異なる物理的場所に位置する、複数のサーバを含んでもよい。好ましい実施形態では、サーバ１５は、システムデバイス１４と異なる（例えば、クラウド上の）遠隔場所に位置するが、サーバ１５およびシステムデバイス１４は、（例えば、ローカルエリアネットワーク（ＬＡＮ）上の）共通場所に位置してもよい。

サーバ１５は、随意に、ある患者、専門家、設備、および／またはデバイスに特有のデジタル情報を記憶することに向けられたメモリを有する、１つ以上のドライブであり得る、ドライブ１６と通信してもよい。例えば、ドライブ１６は、限定ではないが、揮発性（例えば、ランダムアクセスメモリ（ＲＡＭ））、不揮発性（例えば、読取専用メモリ（ＲＯＭ））、フラッシュメモリ、またはそれらの任意の組み合わせを含んでもよい。ドライブ１６は、サーバ１５の中に組み込まれてもよい、またはサーバ１５と別個かつ明確に異なり得、任意の周知の無線もしくは有線接続を経由してサーバ１５と通信してもよい。

ここで図３Ａ－３Ｂを参照すると、システムデバイス１４およびサーバ１５のハードウェアならびにソフトウェアコンポーネントを表す例示的機能ブロックが、示される。ここで図３Ａを参照すると、システムデバイス１４のハードウェアおよびソフトウェアコンポーネントは、１つ以上の処理ユニット２１と、メモリ２２と、記憶装置２７と、通信ユニット２３と、電源２４と、入力デバイス２５と、出力デバイス２６とを含んでもよい。

処理ユニット３１は、協調オペレーティングシステム２８およびＥＣＧアプリケーション２９を起動し、本明細書に記載されるシステムデバイス１４のタスクおよび動作を実施するように構成される、１つ以上のプロセッサであってもよい。メモリ２２は、限定ではないが、揮発性（例えば、ランダムアクセスメモリ（ＲＡＭ））、不揮発性（例えば、読取専用メモリ（ＲＯＭ））、フラッシュメモリ、またはそれらの任意の組み合わせを含んでもよい。通信ユニット２３は、限定ではないが、感知デバイス１３およびサーバ１５を含む、ＥＣＧ処理システム１０内の他のコンポーネントから情報を受信する、および／またはそこに情報を伝送してもよい。通信ユニット２３は、任意のＩＥＥＥ ８０２規格等の任意の周知の規格を経由したものを含む、任意の周知の有線または無線接続を経由して通信を促進する、任意の周知の通信インフラストラクチャであってもよい。電源２４は、バッテリであってもよい、またはシステムデバイス１４を壁コンセントもしくは任意の他の外部電源に接続してもよい。記憶装置２７は、限定ではないが、例えば、磁気ディスク、光ディスク、またはテープ等のリムーバブルおよび／または非リムーバブル記憶装置を含んでもよい。

入力デバイス２５は、データをシステムデバイス１４に入力するためにシステムデバイス１４に結合される、またはその中に組み込まれる、１つ以上のデバイスであってもよい。入力デバイス２５はさらに、例えば、キーボード、マウス、ペン、音声入力デバイス（例えば、マイクロホン）、タッチ入力デバイス（例えば、タッチパッドもしくはタッチスクリーン）、場所センサ、および／またはカメラを含んでもよい。出力デバイス２６は、データを出力または別様に表示するためにシステムデバイス１４に結合される、またはその中に組み込まれる、任意のデバイスであってもよく、少なくともディスプレイ１７を含む。出力デバイス２６はさらに、例えば、スピーカおよび／またはプリンタを含んでもよい。

ＥＣＧアプリケーション２９は、記憶装置２７内に記憶され、処理ユニット２１上で実行されてもよい。ＥＣＧアプリケーション２９は、感知デバイス１３およびサーバ１５との情報の交換を促進することを含む、本明細書に記載されるシステムデバイス１４の動作を実施するために好適な命令の１つ以上のセットを有する、ソフトウェアアプリケーションおよび／またはソフトウェアモジュールであってもよい。例えば、ＥＣＧアプリケーション２９は、システムデバイス１４に、感知デバイス１３からＥＣＧデータを受信させ、感知デバイス１３からＥＣＧデータを記録させ、ＥＣＧデータをサーバ１５に通信させ、ＥＣＧデータを処理および分析するようにサーバ１５に命令させ、サーバ１５から処理および／または分析されたＥＣＧデータを受信させ、報告発生に関するユーザ入力をサーバに通信させ、未加工、分析された、ならびに／もしくは処理されたＥＣＧデータおよびそれに関連するデータを表示するために好適なグラフィックユーザインターフェースを発生させてもよい。

オペレーティングシステム２８は、記憶装置２７内に記憶され、処理ユニット２１上で実行されてもよい。オペレーティングシステム２８は、システムデバイス１４の一般的動作を制御するために好適であり得、ＥＣＧアプリケーション２９と強調して稼働し、本明細書に説明されるシステムデバイス１４の機能性を達成し得る。システムデバイス１４はまた、随意に、グラフィックライブラリ、他のオペレーティングシステム、および／または任意の他のアプリケーションプログラムを起動してもよい。当然ながら、システムデバイス１４は、図３Ａに図示されるものよりも付加的または少ないコンポーネントを含み得、１つを上回る各タイプのコンポーネントを含み得ることを理解されたい。

ここで図３Ｂを参照すると、サーバ１５のハードウェアおよびソフトウェアコンポーネントは、１つ以上の処理ユニット３１と、メモリ３２と、記憶装置３５と、電源３３と、通信ユニット３４とを含んでもよい。処理ユニット３１は、オペレーティングシステム３６およびＥＣＧプラットフォーム３７を起動し、本明細書に記載されるサーバ１５のタスクおよび動作を実施するように構成される、１つ以上のプロセッサであってもよい。処理ユニット３１に割り当てられるデータおよび処理タスクの量を前提として、処理ユニット３１は、処理ユニット２１と比較して優れた処理能力を有することを理解されたい。

メモリ３２は、限定ではないが、揮発性（例えば、ランダムアクセスメモリ（ＲＡＭ））、不揮発性（例えば、読取専用メモリ（ＲＯＭ））、フラッシュメモリ、またはそれらの任意の組み合わせを含んでもよい。記憶装置３５は、限定ではないが、例えば、磁気ディスク、光ディスク、またはテープ等のリムーバブルおよび／または非リムーバブル記憶装置を含んでもよい。通信ユニット３４は、限定ではないが、システムデバイス１４および／またはドライブ１６を含む、ＥＣＧ処理システム１０の他のコンポーネントから情報を受信する、ならびに／もしくはそこに情報を伝送してもよい。通信ユニット３４は、任意の周知の有線または無線接続を経由して通信を促進する、任意の周知の通信インフラストラクチャであってもよい。電源３３は、バッテリであってもよい、またはサーバ１５を壁コンセントもしくは任意の他の外部電源に接続してもよい。

オペレーティングシステム３６およびＥＣＧプラットフォーム３７は、記憶装置３５内に記憶され、処理ユニット３１上で実行されてもよい。オペレーティングシステム３６は、サーバ１５の一般的動作を制御するために好適であり得る。ＥＣＧプラットフォーム３７は、命令の１つ以上のセットを有する、ソフトウェアアプリケーションおよび／またはソフトウェアモジュールであってもよい。ＥＣＧプラットフォーム３７は、システムデバイス１４から受信されるＥＣＧデータの処理および分析、報告発生を促進ならびに監視してもよく、別様に、本明細書に記載されるサーバ１５の動作を実施するために好適であり得る。

ＥＣＧプラットフォーム３７は、限定ではないが、プリプロセッサ３８と、デリネータ３９と、分類器４１と、埋め込み装置４８および群化装置４９を含み得る、クラスタ化装置４２と、ポストプロセッサ４３と、報告発生器４４と、再電算機４０とを含む、いくつかのサブモジュールおよび／またはアプリケーションを含んでもよい。各サブモジュールおよび／またはアプリケーションは、命令の１つ以上のセットを有する、別個のソフトウェアアプリケーションならびに／もしくはモジュールであってもよい。プリプロセッサ３８は、未加工ＥＣＧデータを前処理してもよく、デリネータ３９は、第１のニューラルネットワークを実行し、描写を達成してもよく、分類器４１は、第２のニューラルネットワークを実行し、分類を達成してもよく、クラスタ化装置４２は、第１のニューラルネットワークによって処理されたデータ内のクラスタを識別してもよく、ポストプロセッサ４３は、第２のニューラルネットワークによって処理されたデータを後処理してもよく、埋め込み装置４８は、１つ以上のアルゴリズムおよび／または第３のニューラルネットワークを実行し、埋め込みを達成してもよく、群化装置４９は、１つ以上のアルゴリズムならびに／もしくは第４のニューラルネットワークを実行し、クラスタ群を発生させてもよく、報告発生器４４は、未加工ＥＣＧデータおよびＥＣＧプラットフォーム３７によって処理されたＥＣＧデータに基づいて報告を発生させてもよく、再電算機４０は、ユーザ入力データに基づいて、埋め込み装置４８および／または群化装置４９を再算出ならびに／もしくは調節してもよい。例えば、再電算機４０は、補正された波情報に基づいて、発作を再計算してもよい。ＥＣＧプラットフォーム３７はまた、限定ではないが、ＥＣＧデータを処理および／または分析するようにシステムデバイス１４から要求を受信すること、処理ならびに／もしくは分析されたＥＣＧデータをシステムデバイス１４に通信すること、報告を発生させる要求を受信すること、システムデバイス１４からユーザ相互作用および／または命令を要求ならびに／もしくは受信すること、報告発生に関してシステムデバイス１４からユーザ入力データおよび／または命令情報を受信すること、ならびに／もしくは報告をシステムデバイス１４に通信することを含む、種々の他の機能を実施してもよい。

サーバ１５はまた、随意に、グラフィックライブラリ、他のオペレーティングシステム、および／または任意の他のアプリケーションプログラムを起動してもよい。当然ながら、サーバ１５は、図３Ｂに図示されるものよりも付加的または少ないコンポーネントを含み得、１つを上回る各タイプのコンポーネントを含み得ることを理解されたい。

図４は、ＥＣＧ処理システム１０を実装し、ＥＣＧデータを受信および記録し、ＥＣＧデータを処理および分析し、ＥＣＧデータを伴う報告を発生させるための例示的プロセスを図示し、さらに、ＥＣＧ処理システム１０のフロントエンド４５とバックエンド４６との間の情報のフローを示す。フロントエンド４５は、システムデバイス１４上で起動する、少なくともＥＣＧアプリケーション２９を含む。バックエンド４６は、サーバ１５上で起動する、少なくともＥＣＧプラットフォーム３７を含む。

図４に示されるように、ステップ５１では、ＥＣＧアプリケーション２９は、システムデバイス１４に、感知デバイス１３から未加工ＥＣＧデータ５２を受信および／または別様に取得させてもよい。例えば、ＥＣＧアプリケーション２９は、感知デバイス１３に心臓信号を感知させ、感知デバイス１３によって感知された心臓信号をシステムデバイス１４に通信させてもよい。未加工ＥＣＧデータは、感知デバイス１３によって感知される心臓信号である。未加工ＥＣＧデータ５２は、ＥＣＧ処理システム１０によって処理または分析されていない。未加工ＥＣＧデータ５２は、好ましくは、複数の心拍にわたって１つの心拍あたり複数回サンプリングされる、データを伴う。感知デバイス１３は、アナログ心臓信号をデジタル信号に変換し得る、図２に示されていない異なるコンポーネントは、アナログ心臓信号をデジタル信号に変換し得る、またはＥＣＧアプリケーション２９は、システムデバイス１４に、アナログ心臓信号をデジタル信号に変換させ得ることを理解されたい。アナログおよびデジタルの両方の形態の未加工ＥＣＧデータは、本明細書では未加工ＥＣＧデータ５２と称される。

未加工ＥＣＧデータ５２を受信することに応じて、ＥＣＧアプリケーション２９は、システムデバイス１４に未加工ＥＣＧデータ５２を記録させてもよく、随意に、未加工ＥＣＧデータ５２の一部または全てをシステムデバイス１４に保存してもよい。上記に解説されるように、信号は、１つ以上の導線に対応し得る。複数の導線が、使用されるとき、全ての導線が、同時に処理されてもよい。各導線によって発生される心臓信号は、変動する長さを有し得ることを理解されたい。さらに、心臓信号は、短期（例えば、標準ＥＣＧでは１０秒）または長期（ホルターでは数日）であり得ることを理解されたい。システムデバイス１４は、随意に、ディスプレイ１７上に未加工ＥＣＧデータ５２またはその一部を表示してもよい。

図４に示されるように、未加工ＥＣＧデータ５２は、フロントエンド４５からバックエンド４６に伝送されてもよい。具体的には、ＥＣＧアプリケーション２９は、システムデバイス１４に、未加工ＥＣＧデータ５２をサーバ１５上で起動するＥＣＧプラットフォーム３７に通信させてもよい。未加工ＥＣＧデータ５２を受信することに応じて、ＥＣＧプラットフォーム３７は、サーバ１５に、未加工ＥＣＧデータ５２の一部または全てをサーバ１５に保存させてもよい。さらに、未加工ＥＣＧデータ５２を受信した後、ＥＣＧプラットフォーム３７は、未加工ＥＣＧデータ５２をプリプロセッサ３８によってステップ５４において前処理させる。プリプロセッサ３８は、ＥＣＧプラットフォーム３７の独立型コンポーネントまたはデリネータ３９のサブコンポーネントであり得ることを理解されたい。

プリプロセッサ３８は、未加工ＥＣＧデータから雑音等の心臓信号の妨害要素を除去することによって、未加工ＥＣＧデータ５２またはその一部を処理してもよい。雑音フィルタリングに関して、多変数関数データ分析アプローチが、使用されてもよい（Ｐｉｇｏｌｉ ａｎｄ Ｓａｎｇａｌｌｉ． Ｃｏｍｐｕｔａｔｉｏｎａｌ Ｓｔａｔｉｓｔｉｃｓ ａｎｄ Ｄａｔａ Ａｎａｌｙｓｉｓ， Ｖｏｌ． ５６， ２０１２， ｐｐ １４８２－１４９８）。感知デバイス１３によって感知される信号が、患者の移動に起因して変動し得るにつれて、未加工ＥＣＧデータ５２の基準周波数は、プリプロセッサ３８によって除去されてもよく、心臓信号は、選定された周波数において表されてもよい。患者の移動に対応する信号の周波数は、メディアンフィルタリングを使用して除去されてもよい（Ｋａｕｒ ｅｔ ａｌ．， Ｐｒｏｃｅｅｄｉｎｇｓ ｐｕｂｌｉｓｈｅｄ ｂｙ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｃｏｍｐｕｔｅｒ Ａｐｐｌｉｃａｔｉｏｎｓ， ２０１１， ｐｐ ３０－３６）。未加工ＥＣＧデータ５２をプリプロセッサ３８に適用することは、前処理されたＥＣＧデータ５５を発生させる。本時点では、ＥＣＧプラットフォーム３７は、前処理されたＥＣＧデータ５５を、随意に、ディスプレイ１７上に表示するために、システムデバイス１４上で起動するＥＣＧアプリケーション２９に通信させてもよい。ＥＣＧプラットフォーム３７は、代替として、または加えて、前処理されたＥＣＧデータ５５を、より詳細に議論される分類ステップ５８において入力として使用させてもよい。

ステップ５６では、ＥＣＧプラットフォーム３７は、前処理されたＥＣＧデータ５５を描写のためにデリネータ３９に適用させる。デリネータ３９は、描写ニューラルネットワークである第１のニューラルネットワークを前処理されたＥＣＧデータ５５に適用する。ニューラルネットワークは、オブジェクト（例えば、行列またはベクトル）を入力として取り込み、層と呼ばれる線形および非線形動作のセットを通して、別のオブジェクトを出力として生成し得る、数学構造またはアルゴリズムを指す。例えば、第１のニューラルネットワークの入力は、雑音および／または基準迷走を除去するように前処理される、１つ以上の多導線心臓信号であってもよい。

前処理されたＥＣＧデータ５５を第１のニューラルネットワークに適用するために、デリネータ３９は、未加工ＥＣＧデータ５２の一部または全てを、実数の行列であり得る、行列Ｘとして表させてもよい。例えば、行列Ｘは、下記により詳細に説明される、ネットワークを訓練するために使用される周波数におけるサイズｍ×ｎの行列であってもよい。定数「ｍ」は、典型的には１２である、感知デバイス１３内の導線の数であってもよいが、任意の数の導線が、使用されてもよい。本実施例では、サンプルの数「ｎ」は、ｆが心臓信号のサンプリング周波数である、心臓信号の持続時間「ｎ／ｆ」を提供する。サンプルレートは、事前判定されたレートを上回り、好ましくは、例えば、１秒あたり少なくとも２０、少なくとも２５０、少なくとも５００、または少なくとも１，０００個のサンプル等、比較的高い。一実施形態では、サンプリングされたＥＣＧデータの全ては、ＥＣＧデータを除外することなく、処理アルゴリズムに入力するために、サーバに転送される。第１のニューラルネットワークに適用されるＥＣＧデータは、好ましくは、前処理されたＥＣＧデータ５５であるが、前処理されていない心臓信号（すなわち、未加工ＥＣＧデータ５２またはその一部）が、第１のニューラルネットワークに適用され得ることを理解されたい。

第１のニューラルネットワークは、心臓信号内の複数の時点における１つ以上の波の存在の可能性に対応する値を出力として提供してもよい。時点は、未加工ＥＣＧデータによって決定付けられてもよく、システムデバイス１４のユーザによって選択されてもよい、または事前プログラムされてもよい。第１のニューラルネットワークは、畳み込みニューラルネットワークであってもよく、好ましくは、完全畳み込みニューラルネットワークである。畳み込みニューラルネットワークは、習得される１つ以上の行列が、入力要素の完全な線形組み合わせをエンコードしないが、畳み込みを通して、心臓信号等の構造化された信号の全ての要素において同一のローカル線形組み合わせをエンコードする、特定のタイプのニューラルネットワークである（Ｆｕｋｕｓｈｉｍａ， Ｂｉｏｌ． Ｃｙｂｅｒｎｅｔｉｃｓ， Ｖｏｌ． ３６， １９８０， ｐｐ １９３－２０２， ＬｅＣｕｎ ｅｔ ａｌ．， Ｎｅｕｒａｌ Ｃｏｍｐｕｔａｔｉｏｎ， Ｖｏｌ． １， １９８９， ｐｐ ５４１－５５１）。畳み込みネットワークのみを含有するネットワークは、完全畳み込みニューラルネットワークと呼ばれる。

故に、ステップ５６では、デリネータ３９は、第１のニューラルネットワークに、心臓信号の各時点を読み取らせ、心臓信号の各時点を時空的に分析させ、１つ以上のタイプの波に対応する各時点においてスコアを割り当てさせる。このように、単一のステップで、心臓信号内のすべてのタイプの波が、分析されてもよく、各時点におけるそれらの存在の可能性が、定量化されてもよい。故に、デリネータ３９によって発生される各スコアは、心臓信号の所与の時点における特定の波タイプの存在の可能性を示す。波タイプは、例えば、Ｐ波、Ｑ波、Ｒ波、Ｓ波、Ｑ波、Ｒ波、Ｓ波、ＱＲＳ群、および／またはＴ波等の任意の周知の波タイプであってもよい。このように、デリネータ３９は、複数の心拍を横断して１つの心拍あたり複数回サンプリングされる、データを処理してもよい。

第１のニューラルネットワークの出力は、実数の行列であり得る、行列Ｙであってもよい。例えば、行列Ｙは、サイズｐ×ｎの行列であってもよい。行列Ｙは、心臓信号の各時点における波のタイプ毎にスコアを含んでもよい。行列Ｙでは、「ｎ」は、行列Ｘに関して上記に議論されるように、サンプルの数であり、「ｐ」は、波特性評価の数を加えた波タイプの数である。下記により詳細に解説されるように、波特性評価は、例えば、心臓信号内の波の伝導度、時期尚早性、異所性、および／または起源に対応し得る。一実施例では、波タイプは、（１）Ｐ波、（２）ＱＲＳ群、および（３）Ｔ波を含み、波特性評価は、（１）早期波、（２）ペース調整された波、（３）心室ＱＲＳ群、（４）接合部ＱＲＳ群、（５）異所性Ｐ波、および（６）非伝導性Ｐ波を含む。故に、本実施例では、ｐ＝３＋６＝９である。各波タイプは、開始および終了点（すなわち、発現および消失）等のその波のある特性に従って表され得る。

ここで図５Ａおよび５Ｂを参照すると、第１のニューラルネットワークの例示的出力が、複数のタイプの波に対応する各時点においてスコアを発生させることの値を図示するように、波タイプ毎にグラフに描かれる。具体的には、図５Ａは、描写ニューラルネットワークが、（異常がない）正常な心臓信号を処理した、例示的出力を図示し、図５Ｂは、描写ニューラルネットワークが、例えば、房室ブロックに起因する、「隠れた」Ｐ波を有する心臓信号を処理した、例示的出力を図示する。

ここで図５Ａを参照すると、４つの線グラフが、図示され、各グラフは、ｘ軸上に時間を示す。線グラフ７１は、複数の脈拍にわたって心臓信号を表す。プロットされた信号は、Ｐ波（点７５）、ＱＲＳ群（点７６）、およびＴ波（点７７）を有する、周知のＥＣＧ波形を反映する。線グラフ７２は、心臓信号内の同一の時点にわたるＰ波スコアのグラフである。同様に、線グラフ７３および線グラフ７４は、それぞれ、同一の時点にわたるＱＲＳスコアおよびＴ波スコアのグラフである。線グラフ７２－７４毎のｙ軸は、０～１に及ぶ、各時点において割り当てられるスコアであり、０は、特定の波の存在の低い可能性を示し、１は、特定の波の存在の高い可能性を示す。例えば、線グラフ７２は、点７５の近傍の時点に対応する、スコア７８におけるＰ波の存在の非常に高い可能性を示し、線グラフ７３は、点７６の近傍の時点に対応する、スコア７９におけるＱＲＳ群の存在の非常に高い可能性を示し、線グラフ７４は、点７７の近傍の時点に対応する、スコア８０におけるＴ波の存在の非常に高い可能性を示す。

図５Ｂは、図５Ａのように、４つの線グラフ、すなわち、線グラフ７１－７４に類似する線グラフ８１－８２を図示する。具体的には、線グラフ８１は、いくつかの脈拍にわたって心臓信号を表し、線グラフ８２は、心臓信号にわたってＰ波スコアを表し、線グラフ８３は、心臓信号にわたってＱＲＳスコアを表し、線グラフ８４は、心臓信号にわたってＴ波スコアを図示する。図５Ａと異なり、線グラフ８１内のＥＣＧ信号は、点８５において示される隠れたＰ波等の隠れたＰ波を含む。隠れたＰ波は、Ｔ波等の別の波または群の間に生じるＰ波である。描写ネットワークによって処理される心臓信号が、高いサンプルレートを伴い、描写ネットワークが、各時点における波タイプ毎にデータを発生させるにつれて、取り出される出力は、隠れたＰ波を伴う場合等の同時に生じる２つの波を識別するために十分にロバストである（すなわち、十分なサンプル点を含む）。例えば、線グラフ８２は、点８５の近傍の時点に対応する、スコア８６におけるＰ波の存在の非常に高い可能性を示す。故に、描写ニューラルネットワークは、各時点において１つだけの波を取り出すことに限定されず、したがって、任意の時点においていくつかの波を識別し得ることを理解されたい。さらに、１つ以上の導線からの信号が、第１のニューラルネットワークによって同時に処理され得ることを理解されたい。

各波タイプ（例えば、Ｐ波、ＱＲＳ群、Ｔ波等）に対応する各時点に割り当てられたスコアを使用して、デリネータ３９は、心臓信号を後処理してもよい。後処理は、各時点に、いずれの波も割り当てない、１つまたはいくつかの並みを割り当てることと、識別された波のそれぞれの発現および消失を計算することと、随意に、波の特性評価を判定することとを伴う。波は、ある値が達成される場合、波がその時点で存在することを判定することによって、各時点に割り当てられてもよい。各波の「発現」および「消失」を算出することは、心臓信号内の各波の開始および終了の時点を算出することを伴い、開始は、「発現」と称され、終了は、「消失」と称される。これは、波タイプ毎に最高値の開始および終了に対応する時点を分析することを伴ってもよい。デリネータ３９は、時期尚早性、伝導度、および異所性を識別することによって、波を特性評価してもよい。波特性評価は、各波および／または各脈拍の間のコンテキスト情報を活用する。例えば、ある閾値がある時点において達成される、または平均値がいくつかの時点にわたって達成される場合、早期標識が、波に適用されてもよい。

心臓信号内の各波タイプの発現および消失を算出した後、デリネータ３９は、大域的測定値を計算してもよい。大域的測定値は、各波タイプの発現および消失から導出され、波の間の間隔および波の持続時間等の心臓信号の特徴および特性に関し得る。例えば、大域的測定値は、限定ではないが、ＰＲ間隔、Ｐ波持続時間、ＱＲＳ群持続時間、ＱＲＳ軸、ＱＴ間隔、補正されたＱＴ間隔（Ｑｔｃ）、Ｔ波持続時間、ＪＴ間隔、補正されたＪＴ間隔、心拍数、ＳＴ上昇、Ｓｏｋｏｌｏｖ指数、心室性期外収縮の数、心房性期外収縮（ＰＡＣ）の数、非伝導性Ｐ波の比、および／またはペース調整された波の比を含んでもよい。

デリネータ３９はさらに、デリネータ３９によって発生される情報のみから標識を推定してもよい。例えば、以下の標識、すなわち、短いＰＲ間隔（すなわち、ＰＲ間隔＜１２０ミリ秒）、第１度ＡＶブロック（例えば、ＰＲ間隔＞２００ミリ秒）、軸偏位、長いＱＴｃ、短いＱＴｃ、広い複合頻脈、および／または心室内伝導ブロックが、デリネータ３９によって推定されてもよい。デリネータ３９によって発生される情報のみから判定される標識は、描写ベースの標識と称される。

図４を再び参照すると、ＥＣＧプラットフォーム３７は、ステップ５６の出力（例えば、波情報６２）ならびに前処理されたＥＣＧデータ５５を、ステップ６３におけるクラスタ化のために、クラスタ化装置４２に通信または別様に適用させてもよい。波情報６２は、発生される発現および消失、ならびに関連性がある持続時間を含む、ＰＶＣ波およびＰＡＣ波に関するスコアを含んでもよい。クラスタ化装置４２は、波情報６２を処理し、心臓信号の持続時間の間にＰＡＣまたはＰＡＶ波のクラスタを識別してもよい。いったん識別されると、クラスタ化装置４２は、クラスタ標識６４を１つ以上の時間窓に割り当て、時間窓毎にＰＶＣまたはＰＡＣクラスタのいずれかを識別してもよい。時間窓は、心臓信号内の２つの時点によって定義される。

図４を再び参照すると、ＥＣＧプラットフォーム３７はまた、ステップ５６の出力（例えば、波情報５７）ならびに前処理されたＥＣＧデータ５５を、ステップ５８における分類のために、分類器４１に通信または別様に適用させてもよい。ステップ５８における分類は、第２のニューラルネットワーク（すなわち、分類ニューラルネットワーク）を前処理されたＥＣＧデータ５５に適用することを伴う。故に、一実施例では、第２のニューラルネットワークの入力は、前処理される可変長を伴う１つ以上の多導線心臓信号であってもよい。分類器４１は、波情報５７および／または患者の年齢を含む患者特有の情報もしくは任意の関連性がある臨床情報等の他の情報を処理してもよい。上記に解説されるように、ＥＣＧプラットフォーム３７は、随意に、前処理されたＥＣＧデータ５５を分類器４１に直接通信させ、ステップ５６における描写が必要ではない場合、分類器４１によって処理させてもよい。このように、分類器４１は、複数の心拍を横断して１つの心拍あたり複数回サンプリングされる、データを処理してもよい。

第２のニューラルネットワークは、心臓信号の各時点における１つ以上の異常、条件、および／または記述子の存在の可能性に対応する値を有する、出力を発生させる。時点または時間窓が、ある異常、条件、および／または記述子に対応することが判定される場合、その異常、条件、および／または記述子に対応する標識が、その時点または窓に割り当てられるであろう。一実施例では、１つ以上の標識５９が、スコアが事前判定された閾値を達成する場合、時点または時間窓に割り当てられてもよい。故に、多標識位置特定が、各時点において複数の値を発生させ、各時点において１つ以上の標識を割り当てることによって、異常、条件、および／または記述子に関して達成され得る。

分類器４１は、分類ニューラルネットワークの出力をサイズｑのベクトルとして取り出してもよい。ベクトル内の値は、各時点または各時間窓における各標識の存在に対応する。例えば、分類ニューラルネットワークの出力は、ベクトルの要素毎の対応する標識、すなわち、右脚ブロック、心房細動、正常ＥＣＧを伴う、ベクトル［０．９８：０．８９；０．００］であってもよい。スコアは、０～１であってもよい。上記のベクトルに関して、０．５の閾値が、標識「右脚ブロック」および「心房細動」を、分類器４１によって、スコアに対応する時点または時間窓に割り当てさせるであろう。閾値は、ユーザによって事前プログラムおよび／または選択され得、変動する程度の感度および特異性を提供するように修正され得ることを理解されたい。時点毎に１つ以上の標識を割り当てることによって、各標識に対応する発現および消失が、発作（例えば、異常発作）の持続時間を識別するように算出されてもよい。

異常および条件は、心臓信号上で識別可能であり得る、任意の生理学的異常または条件を含んでもよい。現在、約１５０の測定可能な異常が、心臓信号記録上で識別され得る。異常および条件は、限定ではないが、洞房ブロック、麻痺、もしくは停止、心房細動、心房粗動、心房頻脈、接合部頻脈、上室性頻脈、洞頻脈、心室頻脈、ペースメーカ、心室性期外収縮、心房性期外収縮、第１度房室ブロック（ＡＶＢ）、第２度モビッツ１型ＡＶＢ、第２度モビッツ２型ＡＶＢ、第３度ＡＶＢ、ウォルフ・パーキンソン・ホワイト症候群、左脚ブロック、右脚ブロック、心室内伝導遅延、左心室肥大、右心室肥大、急性心筋梗塞、陳旧性心筋梗塞、虚血、高カリウム血症、低カリウム血症、ブルガダ症候群、および／または長いＱＴｃを含んでもよい。記述子は、「正常」または「雑音の多いＥＣＧ」等の心臓信号の記述品質を含んでもよい。

ステップ５８において第２のニューラルネットワークを適用することに応じて、分類器４１は、心臓信号の各時点ならびに各大域的測定値を読み取り、心臓信号の各時点および各大域的測定値を分析し、少なくとも２つの時点を集約することによって時間窓を算出し、時間窓毎にスコアを算出してもよく、スコアは、複数の非排他的標識に対応する。

分類ニューラルネットワークは、畳み込みニューラルネットワークまたは回帰ニューラルネットワークであってもよい。ここで図６Ａを参照すると、畳み込みニューラルネットワークの形態の分類ニューラルネットワークが、ＥＣＧ信号に適用されて図示される。殆どの畳み込みニューラルネットワークは、分類を提供するように、いくつかの畳み込み層、次いで、標準層を実装する。ＥＣＧ信号は、ローカルで情報を集約し、次いで、それを層毎に組み合わせ、ＥＣＧのマルチレベル多標識分類を生成する、ネットワークに入力として与えられる。標識毎に、スコアが提供される。図６に示される畳み込みニューラルネットワークの標識は、心房細動（ＡＦＩＢ）と、右脚ブロック（ＲＢＢＢ）と、心室性期外収縮（ＰＶＣ）とを含む。

ここで図６Ｂを参照すると、回帰畳み込みニューラルネットワークの形態の分類ニューラルネットワークが、図示される。図６Ａと同様に、ＥＣＧ信号は、ネットワークに入力として与えられる。回帰畳み込みニューラルネットワークは、それが適用された前のオブジェクトのメモリを保つことが可能な特定の畳み込みニューラルネットワーク構造を指す。回帰畳み込みニューラルネットワークは、２つのサブネットワーク、すなわち、特徴を抽出し、心臓信号の全ての時点において算出される、畳み込みニューラルネットワークと、精緻化された出力を提供するために、時間を通して畳み込みニューラルネットワークの出力を蓄積する、その上のニューラルネットワークとから成る。このように、畳み込みニューラルネットワークは、その出力が回帰ニューラルネットワークによって時間的に蓄積されるであろう、パターン検出器として作用する。

図６Ｂに示されるように、畳み込みニューラルネットワークの出力は、心室性期外収縮（ＰＶＣ）および正常を含む、種々の時点における４つの標識を識別した。それらの標識は、次いで、精緻化された出力「心室性期外収縮」を生成した、第２のニューラルネットワークに適用された。本実施例では、ネットワークが、信号の第１の部分において心室性期外収縮（ＰＶＣ、第５の最大脈拍）を正しく認識した一方、信号の第２の部分は、正常と見なされる。心臓信号が異常を含むと、これは、したがって、正常と見なされることができず、蓄積された出力は、したがって、ＰＶＣである。

第１のニューラルネットワーク（すなわち、描写ニューラルネットワーク）および第２のニューラルネットワーク（すなわち、分類ニューラルネットワーク）は、本明細書に説明される挙動および機能性を達成するように訓練されなければならない。描写および分類実施形態の両方では、ネットワークは、例えば、Ｔｅｎｓｏｒｆｌｏｗ、Ｔｈｅａｎｏ、Ｃａｆｆｅ、またはＴｏｒｃｈ等のオープンソフトウェアを使用して表されてもよい。これらのツールは、ネットワークの出力を算出するため、および勾配降下を通してそれらのパラメータを更新するための機能を提供する。

ニューラルネットワークを訓練することは、心臓信号および既知の出力を含有する多数のデータセットをニューラルネットワークに適用することを伴う。本明細書に説明されるシステムおよび方法を使用して、複数の患者を横断して収集される心臓信号を含有する、データセットのデータベースが、サーバ１５および／またはドライブ１６上に（例えば、クラウド内に）記憶されてもよい。データベース内のデータセットは、処理のためにシステムに入力される新しい心臓信号を分析するために、サーバ１５によって使用されてもよい。好ましい実施形態では、訓練されたニューラルネットワークに適用される任意の心臓信号は、ニューラルネットワークを訓練するために使用されるデータセット内の心臓信号と同一のサンプリングレートおよび／または周波数を有するであろう。例えば、分類ニューラルネットワークの訓練は、心臓信号およびそれらの既知の描写を含有するデータセットから開始する。上記に解説されるように、心臓信号は、所定の周波数におけるサイズｍ×ｎの行列として表される。例えば、ネットワークは、２５０Ｈｚ、５００Ｈｚ、または１，０００Ｈｚにおいて訓練されてもよいが、任意の周波数が、使用され得る。描写は、次いで、ｐが波のタイプの数である、サイズｐ×ｎの行列Ｙの形態で表される。各波は、例えば、（Ｐ，１．２秒，１．３秒）、（ＱＲＳ，１．４秒，１．７秒）、（Ｔ，１．７秒，２．１秒）、（Ｐ，２．２秒，２．３秒）等のそれらの開始および終了点を伴って表される。本実施例では、行列Ｙの第１行は、Ｐ波に対応し、時間１．２秒および１．３秒、ならびに２．２秒および２．４秒において１の値を有し、そうでなければ０を有するであろう。行列Ｙの第２行は、ＱＲＳ群に対応し、時間１．４秒および１．７秒において１の値を有し、そうでなければ０を有するであろう。最後に、行列Ｙの第３行は、Ｔ波に対応し、時間２．２秒および２．３秒において１の値を有し、そうでなければ０を有するであろう。ネットワークのパラメータは、次いで、既知の描写およびネットワークの出力を比較する、費用関数を減少させるように修正されてもよい。エントロピー横断エラー関数が、多標識（すなわち、所与の瞬間において複数の波を可能にする）を可能にするように使用される。本最小限化は、データセットの心臓信号毎に前述のステップを少なくとも１回繰り返して、勾配ステップを通して行われることができる。類似アプローチが、描写ニューラルネットワーク（すなわち、第２のニューラルネットワーク）を訓練するために使用され得ることを理解されたい。

さらに、ＥＣＧプラットフォーム３７は、本明細書に説明されるニューラルネットワークに、エントリにおいて異なる数の導線を有する心臓信号を処理させ得ることを理解されたい。例えば、ニューラルネットワークは、入力導線の数から独立し、したがって、任意の数の導線ｍを用いて心臓信号を処理し得る、ネットワークを取得するように、ネットワークの開始時に一連の層を備えてもよい。例えば、図７は、２本の入力導線（ｍ＝２）および３つの出力信号（ｋ＝３）を図示する。しかしながら、同一の構造が、任意の数の入力導線ｍを処理することができ、依然として、固定数の入力信号が要求される、ネットワークの残りにフィードされ得る、同数の出力信号を提供するであろう。本理由により、入力導線の数は、変動し得、固定される必要はない。

図７に示されるように、ｍ本の入力導線からｋ個の信号を取得するために、導線は、ｋ個のフィルタと導線毎の畳み込みを併用して、畳み込まれてもよい。信号は、次いで、ｍ本の導線のｋ個の群を取得するために、畳み込みフィルタによって群化されてもよく、数学関数が、最終的に、ｋ本の導線を取得するように各群に適用される。数学関数は、各時点において最大値であってもよい、または当業者に公知である任意の他の関数であってもよい。

図４を再び参照すると、ステップ６１では、ＥＣＧプラットフォーム３７は、時間窓毎の標識（すなわち、標識）をポストプロセッサ４３によって集約させ、処理された標識６０を発生させてもよい。標識は、描写に基づいて大域的測定値から導出されてもよい。例えば、第１度房室ブロックに対応する標識は、２００ミリ秒よりも長いＰＲ間隔から導出されてもよい。上記に解説されるように、ＰＲ間隔は、描写に基づく大域的測定値である。ポストプロセッサ４３はまた、描写ベースの標識を、同一の時点に対応する分類標識と集約してもよい。

ポストプロセッサ４３はまた、標識をフィルタ処理して冗長標識を除去する、標識の既知の階層に従って標識を組み立てる、または階層もしくは加重値に従って、あまり重要ではないことが公知である標識を無視してもよい。ポストプロセッサ４３はまた、各異常の開始（発現）および終了（消失）時間を算出するように、時間を通して標識を集約してもよい。ポストプロセッサ４３は、独立型コンポーネントであり得る、または分類器４１のサブコンポーネントであり得ることを理解されたい。

図４に示されるように、ステップ５４、５６、５８、および６１、随意に、６３においてＥＣＧプラットフォーム３７によってバックエンド４６上で発生される情報は、ＥＣＧプラットフォーム３７によってフロントエンド４５上のＥＣＧアプリケーション２９に通信されてもよい。ＥＣＧアプリケーション２９は、前述の情報を、ステップ６５において、システムデバイス１４のディスプレイ１７上に表示させてもよい。バックエンド４６上で発生される情報は、ＥＣＧプラットフォーム３７によって自動的に伝送されてもよい、またはＥＣＧプラットフォーム３７は、ＥＣＧアプリケーション２９によって要求されるまで情報をサーバ１５上に記憶させてもよい。データを発生させることに応じて、ＥＣＧプラットフォーム３７は、データがＥＣＧプラットフォーム３７から利用可能であることをＥＣＧアプリケーション２９に知らせるメッセージをＥＣＧアプリケーション２９に伝送してもよい。

ＥＣＧアプリケーション２９は、第ＰＣＴ／ＥＰ２０１８／０７２９１２号（その内容全体が、参照することによって本明細書に組み込まれる）に説明されるように、データ（例えば、未加工ＥＣＧデータ、前処理されたＥＣＧデータ、波情報、標識、ならびにステップ５４、５６、５８、６１、および／または６３の間に発生される任意の他のデータ）を受信し、システムデバイス１４に表示させてもよい。具体的には、第‘９１２号出願は、ＥＣＧ信号、ＥＣＧ信号の特徴、および／またはＥＣＧ信号の記述子が、双方向様式で複数のフィールド表示内に表示され得ることを解説する。

ここで図８を参照すると、例示的表示、すなわち、双方向表示１０１が、図示される。双方向表示１０１は、第１の側面１０２と、第２の側面１０３とを含む。第１の側面１０２はさらに、ＥＣＧ信号に対応するデータを含むプロット１１０を有する、第２のグラフィックウィンドウ１０５と、第１のグラフィックウィンドウ１０４とを含む。第１のグラフィックウィンドウ１０４は、ＥＣＧ信号の大域的ビューを提供するプロット１１０を含む。

ここで図９を参照すると、第１のグラフィックウィンドウ１０４のズームインバージョンが、図示される。本例示的表示では、プロット１１０は、時間を通したＲ－Ｒ間隔（２つのＱＲＳ波の間の間隔）のプロットである、Ｒ－Ｒ間隔プロットである。図９に示されるように、第１のグラフィックウィンドウ１０４の上側領域は、複数の標識ボタン１０９を備える。各標識ボタン１０９は、それに近接して、それが関連付けられる標識を説明するテキストを表示している。各標識ボタン１０９は、標識ボタン１０９がユーザによって選択されるとき、グラフィック部分１１１が、標識ボタン１０９と関連付けられる標識に対応する発作および／または事象の存在を視覚的に示すためにプロット１１０上に表示されるように、色と関連付けられる。これは、心臓信号に沿って事象および／または発作の具体的カテゴリの容易な識別を許容する、ユーザのための視覚的参照を提供する。図９に図示される例示的表示では、二次標識１１２が、含まれる。本例示的表示では、二次標識１１２は、脈拍標識ＰＶＣ（心室性期外収縮）およびＰＳＶＣ（上室性期外収縮）を含むが、他の二次標識も含まれ得ることを理解されたい。標識ＰＶＣおよびＰＳＶＣと関連付けられるプロット１１０内の点は、黒色と異なる色の点の存在によって、図９に示されるように着色される。

第１のグラフィックウィンドウ１０４はさらに、プロット１１０の時間軸と平行に、時間バー１１５を備える。時間バー１１５は、発作または事象に関連付けられる時間周期が、着色されたセグメントとして表される、全ＥＣＧ入手時間の線形表現を提供する。図９に示されるように、時間バー１１５上のより濃い灰色のゾーンは、雑音の多い信号の時間周期（例えば、信号が、過剰にアーチファクトを含み、分析アルゴリズムが、描写および適切な検出を提案することができないとき）に対応する。第１のグラフィックウィンドウ１０４はさらに、双方向カーソル１１６を備える。ＥＣＧアプリケーション２９を使用するユーザは、時間バー１１５に沿って双方向カーソル１１６を移動させ、全ＥＣＧ入手時間に沿ってプロット１１０のナビゲーションを可能にしてもよい。第１のグラフィックウィンドウ１０４の右下隅では、第１のグラフィックウィンドウ１０４は、プロット１１０をズームインおよびアウトさせるように構成される、第２の双方向手段１１７を備える。

図８を再び参照すると、第２の側面１０３は、複数の発作プロット１０６を含む。各発作プロット１０６は、検出された発作に対応するＥＣＧストリップの少なくとも１つのセグメントを表示し、持続時間（例えば、「持続時間：１時間３８分」）および／または発作の開始時間（例えば、「第３日／０９：３９：３０」）に関するテキストを含んでもよい。各発作プロット１０６は、報告に含むための対応する発作プロットを選択するための第３の双方向アイコン１０８を含む。各発作プロット１０６はさらに、ユーザが双方向表示１０１から個別のＥＣＧプロットを除去することを可能にする、第４の双方向アイコン１０７を含む。第２の側面１０３はさらに、発作プロット１０６のうちの１つ以上を説明するテキストを含んでもよい。

双方向表示１０１はさらに、カーソル１１６によって選択される時点から開始する第２の時間窓内にＥＣＧストリップ１１８を含む、グラフィックウィンドウ１０５を含む。第２のグラフィックウィンドウ１０５はさらに、第２の時間窓を含む、第２の時間窓よりも大きい第３の時間窓内にＥＣＧストリップ１１９を含む。第３の時間窓は、第２の時間窓に対応する、影付き部分を含む。

ここで図１０を参照すると、類似表示、すなわち、双方向表示１２１が、図示される。双方向表示１２１は、第１の側面１２２と、第２の側面１２３とを含む。第１の側面１２２はさらに、第１のグラフィックウィンドウ１２４と、第２のグラフィックウィンドウ１２５とを含む。第２の側面１１３は、上記に説明される第２の側面１０３と同一の機能性を有し、発作プロット１０６に類似する発作プロット１２６を含む。さらに、第２のグラフィックウィンドウ１２５は、第２のグラフィックウィンドウ１０５と同一の機能性を有し、ＥＣＧストリップ１１８およびＥＣＧストリップ１１９に類似するＥＣＧストリップ１３８およびＥＣＧストリップ１３９を含む。

第１のグラフィックウィンドウ１２４は、プロット１３０を除いて第１のグラフィックウィンドウ１０４に類似する。第１のグラフィックウィンドウ１０４のように、第１のグラフィックウィンドウ１２４は、複数の標識ボタン１０９と同一の機能性を有する、複数の標識ボタン１２９と、二次標識１１２と同一の機能性を有する、二次標識１３２と、時間バー１１５およびカーソル１１６と同一の機能性を有する、時間バー１３５およびカーソル１３６と、第２の双方向手段１１７と同一の機能性を有する、第２の双方向手段１３７とを含む。プロット１１０と異なり、プロット１３０は、時間の関数としての心拍数の密度のヒストグラムの二変量強度プロット上の投影である、心拍数密度プロットである。

ここで図１１を参照すると、プロット１３０等の心拍数密度プロットを発生させ、プロットするためのステップが、提供される。ステップ１４１では、ＥＣＧプラットフォーム３７は、心臓信号（すなわち、ＥＣＧデータ）内のＲ－Ｒ間隔を算出する。例えば、ＥＣＧプラットフォーム３７は、心臓信号を描写ニューラルネットワークに適用し、上記に説明されるように、ＲＲ間隔を判定してもよい。ステップ１４２では、ＥＣＧプラットフォーム３７は、経時的に心拍数プロットを発生させてもよい。例示的心拍数プロット、すなわち、ＨＲＤＰ１５０が、図１２に示される。

図１２に示されるように、時間が、ｘ軸に沿って投影され、心拍数（例えば、１分あたりの脈拍）が、ｙ軸に沿って投影される。一実施形態では、時間および心拍数は両方とも、直線的にスケーリングされる。しかしながら、時間および／または心拍数は、対数的に、もしくは他の周知のスケールを使用してスケーリングされてもよい。簡単にするために、４つだけの心拍数が、図１２に示される。

図１１を再び参照すると、ステップ１４３では、ＥＣＧプラットフォーム３７は、ｙ軸およびｘ軸を、それぞれ、ＨＲビンおよび時間ビンと称される基本要素に分割させてもよい。例えば、図１２では、ＨＲビン１５１および時間ビン１５２が、図示される。ＨＲビン１５１は、第１および第２の心拍数値（例えば、ｈ_ｂ ^１およびｈ_ｂ ^２）によって定義される。同様に、時間ビン１５２は、第１および第２の時間値（例えば、ｔ_ｂ ^１およびｔ_ｂ ^２）によって定義される。ＨＲビンおよび時間ビンの交差は、ビンと称されるであろう。換言すると、ビンは、第１および第２の心拍数値ならびに第１および第２の時間値によって定義されるであろう。図１２では、ビン１５３が、図示され、ＨＲビン１５１および時間ビン１５２によって定義される。

図１１を再び参照すると、ステップ１４４では、ＥＣＧプラットフォーム３７は、各心拍をビンに割り当てさせるであろう。具体的には、所与の時間ビンの時間窓の間に生じる心拍（例えば、ＱＲＳ群）が、その時間ビンに対応する列の算出に含まれる。さらに、その心拍に対応する心拍数は、時間ビンによって定義される列内でそれが属するＨＲビンを判定する。例えば、図１２では、心拍１５４および心拍１５５はそれぞれ、時間ビン１５２およびＨＲビン１５１内にそれぞれ該当する、対応する時間および心拍数値を有する。逆に、心拍１５６および心拍１５７はそれぞれ、時間ビン１５１の外側に該当する時間値を有し、したがって、いずれもビン１５３に含まれない。

図１１を再び参照すると、ステップ１４５では、ＥＣＧプラットフォーム４７は、時間ビン毎の心拍数密度を計算するであろう。所与のビンに関して、個別の時間ビンおよび心拍数ビンによって画定される面積は、ビンに含まれる心拍の密度（すなわち、ビン内の心拍の数）に従って表されるであろう。各ビンは、次いで、密度に従って色分けされてもよい。例えば、各ビンは、例えば、灰色レベル等のある色合いまたはパターンを有してもよい。図１２の実施例では、ビンは、心拍数の密度が増加するにつれてより濃くなる灰色のレベルとして表されてもよい。図１２に示されるように、２つの心拍を含むビン１５３は、１つだけの心拍を伴うビンよりも暗い灰色の色合いであるが、３つ以上の心拍を有するビンよりも薄い灰色の色合いによって表されてもよい。

好ましい実施形態では、密度は、ＨＲビンの心拍数で除算されるビン内のＲ波の数の関数（例えば、時間窓の最小および最大境界の平均）として計算される。本密度の好ましい算出は、具体的ビンで費やされる時間を考慮する。例えば、３分の時間ビンでは、第１のＨＲビン内で５０ｂｐｍ（１分あたりの脈拍）の心拍数において１００回の脈拍、第２のＨＲビン内で１００ｂｐｍにおいて１００回の脈拍が生じる場合、各ビン内に同数の脈拍が存在するであろうが、２分が５０ｂｐｍにおいて費やされ、１分のみが１００ｂｐｍにおいて費やされるであろう。したがって、本ビンは、脈拍の数のみが考慮される場合、同一の密度表現を有するであろう。しかしながら、心拍数で除算される脈拍の計数を考慮するとき、心拍数で除算することが、より高い加重をより低い心拍数値に与えるため、５０ｂｐｍの心拍数ビンに対応する第１のビンは、１００ｂｐｍの心拍数ビンに対応するビンよりも濃いであろう。好ましい実施形態は、したがって、脈拍の計数のみを考慮するよりも良好に本時間情報を捕捉する。

図１１を再び参照すると、ステップ１４６では、ＥＣＧプラットフォーム３７は、ビン毎に心拍数密度をプロットするであろう。ｘ軸の関数として自然に与えられる時間情報に加えて、列（時間ビン）内の時間情報を捕捉することは、プロット１１０内のＲ－Ｒプロット等のＥＣＧ信号の他の形態の集約された表現より優れた様式で密度の表現を促進することを理解されたい。

ＨＲ密度プロットのｘ軸の境界は、信号の開始および終了であり得ることを理解されたい。しかしながら、好ましい実施形態では、ｘ軸の境界は、ユーザによって実施されるズームインおよびアウトのアクションとともに双方向性に変動し得る。ｙ軸の境界は、本アクションを実施するときに固定されたままである。図１０を再び参照すると、プロット１３０は、心拍数密度プロットをズームインするために使用され得る、双方向手段１３７を含む。ズームアクションは、プロット表示のサイズのみを変化させ得る。代替として、ズームインおよびアウトすることは、時間ビンに対応する時間窓のサイズを変化させる。ズームインアクションを用いると、同数のピクセルを伴って表されるビンが、より短い時間窓を網羅する。ズームインすることは、したがって、より細かい時間分割、その結果として、より細かい時間情報を伴うヒストグラムの新しい算出を引き起こす。これは、ヒストグラムが任意のレベルのズームにおいて可読および有益の両方のままであるために、表示することを選定する時系列の関数として、変動するレベルの情報の集約を示す、ＥＣＧ信号の表現を可能にする。ここで図１３を参照すると、双方向表示、すなわち、図１０の双方向表示に類似する双方向表示１７０が、図示される。双方向表示１７０は、ズームインされ、ズームインされた部分１５８を有するプロット１５９をもたらしている。

図１４Ａ－Ｅは、典型的Ｒ－Ｒプロットと比べたＨＲＤＰの優位性を図示する。ここで図１４Ａを参照すると、変動する結合を伴って非常に多数のＰＶＣを有する、ホルターによって発生される信号が、Ｒ－Ｒプロット１６１および密度プロット１６２として図示される。密度プロット１６２では、基礎的調律が、線１７１として明確に可視である。さらに、補償的休止が、下に線１７２として図示される。Ｒ－Ｒプロット１６１では、本パターンは、あまり明確ではない。ここで図１４Ｂを参照すると、図１４Ａのものよりも少ない期外収縮を有する、ホルターによって発生される信号が、Ｒ－Ｒプロット１６３および密度プロット１６４として図示される。主要調律は、密度プロット１６４に明確に図示され、Ｒ－Ｒプロット１６３ではあまり明確ではない。ここで図１４Ｃを参照すると、変動する伝導粗動を伴うホルターによって発生される信号が、Ｒ－Ｒプロット１６５および密度プロット１６６として図示される。図１４Ｃに示されるように、伝導粗動は、Ｒ－Ｒプロット１６５に出現する４つの広がった雲よりも密度プロット１６６内の４本の明確な黒色線によって強調される。ここで図１４Ｄを参照すると、恒久的心房細動を伴うホルターによって発生される信号が、Ｒ－Ｒプロット１６７および密度プロット１６８として図示される。本図に示されるように、密度プロット１６８は、細動内の心拍数の変動についてより精密な情報を与える。具体的には、より濃い下半分１７３は、より多くの時間が高い心拍数よりも低い心拍数において費やされることを示す。密度プロット１６８はさらに、上半分が増加する心拍数に対応して少しより濃くなる、急上昇を図示する。これらのニュアンスは、Ｒ－Ｒプロット１６７では可視ではない。ここで図１４Ｅを参照すると、発作性心房細動、そうでなければ規則的調律を有する、ホルターによって発生される信号が、Ｒ－Ｒプロット１７４および密度プロット１７５として図示される。規則的調律のパターンは、明確な黒色線が出現する密度プロット１７５では、より可視である。また、心房細動のパターンは、色も変化するにつれて、Ｒ－Ｒプロット１７４よりも密度プロット１７５で対照を成す（密度が減退し、プロットをより薄くする）。

図４を再び参照すると、ステップ６６では、ＥＣＧアプリケーション２９を使用するユーザが、入力デバイス２５を使用して、上記に説明される双方向アクティブ表示と相互作用し、報告を要求する、および／または報告をカスタマイズしてもよい。報告は、典型的には、心臓信号の部分を含み、異常および／または発作に関する情報（例えば、発作プロット）、および／または前処理（ステップ５４）、描写（ステップ５６）、分類（ステップ５８）、クラスタ化（ステップ６３）、ならびに／もしくは後処理（ステップ６１）の間に発生される他の情報を伴ってもよい。報告はさらに、患者の氏名、年齢、既往歴、および／または他の医療情報等の患者特有の医療データを含んでもよい。任意の個別に識別可能な健康情報および／または保護された健康情報が、ＥＣＧアプリケーション２９とＥＣＧプラットフォーム３７との間で通信されるときに暗号化され得ることを理解されたい。

上記に解説されるように、双方向表示内の双方向アイコンは、報告内に表示されるデータおよび画像を組み込むことに関与してもよい。例えば、第３の双方向アイコン１０８は、報告に対応する発作プロットを含むように、ＥＣＧアプリケーション２９を使用するユーザによって選択されてもよい。故に、ステップ６６では、ユーザは、報告を要求し得、報告に含まれるべきあるデータ（例えば、異常データ、発作データ、発作プロット等）等のカスタマイズされた特徴を選択してもよい。

ステップ６７では、ＥＣＧアプリケーション２９は、報告に対する要求および選択されたカスタマイズ可能な特徴（例えば、報告に含まれるべきＥＣＧデータ）をＥＣＧプラットフォーム３７に伝送してもよく、ＥＣＧプラットフォーム３７は、要求および情報を受信してもよい。ＥＣＧプラットフォーム３７は、要求を記録し、ＥＣＧアプリケーション２９から受信される情報を保存してもよい。ステップ６８では、ＥＣＧプラットフォーム３７は、報告発生器４４に、システムＥＣＧアプリケーション２９から受信される情報に従って報告を発生させてもよい。

ここで図１５Ａ－１５Ｄを参照すると、ステップ６８において発生される例示的報告が、図示される。例示的報告の第１のページが、図１５Ａに図示される。第１のページは、第１のセクション１８１、第２のセクション１８２、第３のセクション１８３、第４のセクション１８４、第５のセクション１８５、および第６のセクション１８６等のいくつかのセクションで提示されてもよい。第１のセクション１８１は、例えば、患者の氏名、主要な適応症、患者がペースメーカを有するかどうか、患者の生年月日、性別、および／または患者ＩＤ等の患者特有の情報を含んでもよい。第２のセクション１８２は、例えば、監視医師、機関の名称、分析の日程、および／または署名等の臨床医情報を含んでもよい。

第３のセクション１８３は、ＥＣＧデータのプロットを含んでもよい。図１５Ａでは、セクション１８３は、図１２に示されるものに類似する心拍数密度プロットを含む。示される時間窓は、デフォルト時間であってもよい、またはユーザ定義された時間窓であってもよい。図１２の心拍数密度プロットのように、ある標識が、密度プロット上の異常の発生を示すように選択されてもよい。時間窓は、通常、関連性がある発作および／または事象に従って選択される。しかしながら、Ｒ－Ｒプロット等の他のプロットも報告に含まれ得ることを理解されたい。

第４のセクション１８４は、心臓信号記録からのメトリックを含んでもよい。例えば、第４のセクション１８４は、記録の持続時間、最大、最小、および平均心拍数、上室性期外収縮ならびに任意の患者誘起型事象、および／または心臓信号に関する任意の他のメトリックを含んでもよい。第５のセクション１８５は、検出される任意の発作に対応する情報を含んでもよい。例えば、第５のセクション１８５は、一時停止情報（計数および／または最長Ｒ－Ｒ間隔）、房室ブロック情報、心房細動／粗動情報、心室頻脈情報、他の上室性頻脈情報、ならびに／もしくは任意の発作または異常に関する任意の他の情報を含んでもよい。第６のセクション１８６は、例えば、発作および／または異常の要約、診断、ならびに／もしくは心臓信号から分析される、集約される、算出される、判定される、識別される、または別様に検出される任意の他の情報等の結果情報を含んでもよい。例えば、第６のセクション１８６は、発作性心房細動を伴う洞律動を識別してもよい。

図１５Ｂ－Ｄは、例示的報告の第２、第３、および第４のページを図示する。図１５Ｂ－Ｄに示されるように、報告はさらに、ユーザによって前もって選択された、またはデフォルト設定下で選択された、ＥＣＧストリップを含んでもよい。例えば、ユーザは、最大ＨＲストリップ１９１、最小ＨＲストリップ１９２、心房細動／粗動ストリップ１９３、他のＳＶＴストリップ１９４、ＰＳＶＣストリップ１９５、およびＰＶＣストリップ１９６を選択してもよい。最大ＨＲストリップ１９１は、所与の心臓信号記録の間の最大心拍数を示すＥＣＧストリップであってもよい。同様に、最小ＨＲストリップ１９１は、所与の心臓信号記録の間の最小心拍数を示すＥＣＧストリップであってもよい。心房細動／粗動ストリップ１９３は、心房細動／粗動の各発作を示すＥＣＧストリップであってもよい。他のＳＶＴストリップ１９４は、上室性頻脈の各発作を示すＥＣＧストリップであってもよい。ＰＳＶＣストリップ１９５は、上室性期外収縮の発作を示すＥＣＧストリップであってもよい。ＰＶＣストリップ１９７は、心室性期外収縮の発作を示すＥＣＧストリップであってもよい。ＥＣＧストリップは、ユーザによって追加されるような関連する関連性がある関連付けられるメトリックおよびコメントを伴って表示されてもよい。図１５Ａ－Ｂに示される報告は、例示的にすぎず、ステップ６８において発生される報告は、異なる構造もしくは構成を有し得る、および／または異なるＥＣＧならびに本明細書で検討される患者関連情報を含み得ることを理解されたい。

ここで図１６Ａを参照すると、ＥＣＧ処理システム１０に実質的に類似するが、ステップ２０２－２０５を含む、ＥＣＧ処理システム１０’が、図示される。ＥＣＧ処理システム１０のように、ＥＣＧ処理システム１０’は、プリプロセッサ３８によってステップ５４において前処理されるように、バックエンド４６において未加工ＥＣＧデータ５２を受信し、波情報２０１を発生させるようにステップ５６において描写のためにデリネータ３９に適用され得る、前処理されたＥＣＧデータ５５を発生させてもよい。波情報２０１は、波情報５７（例えば、Ｔ波、Ｐ波、ＱＲＳ群等の存在の可能性に対応するスコア）および／または波情報６２（例えば、ＰＶＣ波ならびにＰＡＣ波等に関するスコア）を含んでもよい。上記に解説されるように、デリネータ３９の出力は、１つ以上のベクトルおよび／または行列であってもよい。

波情報２０１はさらに、ＥＣＧデータ内の１つ以上の波および／または脈拍の発現ならびに消失についての情報を含んでもよい。例えば、ＥＣＧデータの全体を通した時点におけるあるタイプの波の存在の可能性に基づいて、デリネータ３９は、１つ以上の波および／または脈拍の発現ならびに消失を判定してもよい。ステップ２００では、クラスタ化装置４２は、波情報２０１内の脈拍の発現および消失を使用し、ＥＣＧデータ（例えば、前処理されたＥＣＧデータ）から脈拍を抽出してもよい。これは、脈拍の発現時に開始し、消失時に終了する、ＥＣＧデータの部分を判定してもよい。これらの部分は、ＥＣＧデータから抽出され、脈拍として指定されてもよい。脈拍に対応するＥＣＧデータの部分は、ステップ２０２において入力として使用されてもよい。

また、ステップ２００では、クラスタ化装置４２は、埋め込み装置４８と、群化装置４９とを含む、監視する、および／または実装してもよい。具体的には、ステップ２００は、サブステップ２０２と、サブステップ２０４とを含んでもよく、クラスタ化装置４２は、１つ以上の訓練されたニューラルネットワークであり得る、１つ以上のアルゴリズムを実行し、埋め込みデータ２０３、最終的には、群データ２０５を発生させてもよい。具体的には、サブステップ２０２では、埋め込み装置４８は、訓練されたニューラルネットワークであり得る、１つ以上のアルゴリズムを実行し、埋め込みデータ２０３を発生させてもよい。ステップ２００において抽出されるＥＣＧデータの部分は、埋め込み装置４８に入力されてもよい。埋め込みデータ２０３は、埋め込み装置４８のための入力として使用されるＥＣＧデータの脈拍部分を表す、１つ以上のベクトルであってもよい。このように、ＥＣＧデータ内で識別される脈拍は、ＥＣＧデータから抽出され、埋め込み装置４８を使用して埋め込まれてもよい。一実施例では、埋め込みデータ２０３は、１つ以上の脈拍に対応し、それらを表す、１つ以上のベクトルおよび／または行列であってもよい。サブステップ２０４では、群化装置４９は、埋め込まれたデータ２０３上で、訓練されたニューラルネットワークであり得る、１つ以上の群化アルゴリズムを実行し、群データ２０５を発生させてもよい。

ＥＣＧデータの部分を抽出し、ＥＣＧデータの部分を埋め込み装置４８に入力し、埋め込みデータ２０３を発生させ、埋め込みデータ２０３を群化装置４９に入力するプロセスが、図１６Ｂにさらに詳細に図示される。図１６Ｂに示されるように、ＥＣＧデータ２０６の部分は、埋め込みのために、埋め込み装置４８のための入力として使用されてもよい。ＥＣＧデータ２０６の部分は、脈拍の発現時に開始し、脈拍の消失時に終了する時間周期にわたる、ＥＣＧデータ（例えば、前処理されたＥＣＧデータ）の一部であってもよい。例えば、埋め込み装置４８は、１つ以上のアルゴリズムを使用して、ＥＣＧデータ２０６の部分を処理し、埋め込みデータ２０３をもたらしてもよい。１つ以上のアルゴリズムは、１つ以上のニューラルネットワーク（例えば、埋め込みニューラルネットワーク）であってもよい。埋め込みデータ２０３は、１つ以上の脈拍ベクトル２０７であってもよい。脈拍ベクトル２０７は、ＥＣＧデータ２０６の部分を表すデータおよび／または値を含む、ベクトルであってもよい。図１６Ｂに示されるように、脈拍ベクトル２０７は、群化のために群化装置４９に入力されてもよい。

図１６Ａを再び参照すると、群化装置４９は、１つ以上のアルゴリズムを使用して、脈拍に対応する埋め込みデータ２０３を処理し、２つ以上の脈拍の間の類似性に対応する群データ２０５をもたらしてもよい。１つ以上のアルゴリズムは、１つ以上のニューラルネットワーク（例えば、群化ニューラルネットワーク）であってもよい。群データ２０５は、埋め込みデータ２０３のベクトルの間の類似性および／または距離に対応する、１つ以上のスコアもしくは値を含んでもよい。類似性は、例えば、類似Ｔ波、Ｐ波、ＱＲＳ群、または他の波、もしくは前述のうちのいずれかの間の類似距離等の類似特性および／または特徴を伴ってもよい。このように、群化装置４９は、ＥＣＧデータの２つ以上の脈拍の間の類似性を定量化してもよい。群データ２０５に基づいて、クラスタ化装置４９は、群データ２０５（例えば、スコアもしくは値）が、閾値差以内である、または閾値を満たすかどうか、したがって、対応する脈拍が、ともに群化または合致されるべきであるように、相互と十分に類似する（例えば、類似特性および／または特徴を有する）かどうかを判定してもよい。類似脈拍の群は、本明細書では形態および／またはクラスタと称され得る。図１６Ａに示されるように、群データ２０５は、随意に、ステップ５８において分類のために分類器４１に適用されてもよい。

図３Ａ、３Ｂ、および１６に示されるように、群データ２０５、および／または群データ２０５に基づく、もしくは別様にそれを組み込むグラフィックユーザインターフェースは、バックエンド４６上のＥＣＧプラットフォーム３７によって、フロントエンド４５上のＥＣＧアプリケーション２９に通信されてもよい。ＥＣＧアプリケーション２９は、脈拍群化についての情報および／または群データ２０５を、ステップ６５においてシステムデバイス１４のディスプレイ１７上に表示させてもよい。例えば、発作のタイプ（例えば、ＱＲＳクラスタ、ＰＶＣクラスタ、および／またはＰＡＣクラスタ）と関連付けられる脈拍に関する情報が、ディスプレイ１７上に表示されてもよい。バックエンド４６上で発生される情報は、ＥＣＧプラットフォーム３７によって自動的に伝送されてもよい、またはＥＣＧプラットフォーム３７は、ＥＣＧアプリケーション２９によって要求されるまで情報をサーバ１５上に記憶させてもよい。データを発生させることに応じて、ＥＣＧプラットフォーム３７は、データがＥＣＧプラットフォーム３７から利用可能であることをＥＣＧアプリケーション２９に知らせるメッセージをＥＣＧアプリケーション２９に伝送してもよい。ＥＣＧアプリケーション２９は、データ（例えば、未加工ＥＣＧデータ、前処理されたＥＣＧデータ、波情報、標識、クラスタ、および／または形態、ならびにサブステップ２０２ならびに／もしくは２０４を含む、ステップ５４、５６、５８、６１、６３、および２００の間に発生される任意の他のデータ）を受信し、システムデバイス１４に、本明細書および第ＷＯ２０１９／０３８４３５号（その内容全体が、参照することによって本明細書に組み込まれる）に説明されるような情報および／またはデータを表示させてもよい。

ＥＣＧアプリケーション２９を使用するユーザは、波情報、標識、発作、クラスタ、脈拍群化、および／または形態、ならびにステップ５４、５６、５８、６１、および２００の間に発生される任意の他のデータを、ディスプレイ１７上で閲覧してもよい。ステップ６６では、ＥＣＧアプリケーション２９を使用するユーザは、入力デバイス２５を使用して、上記に説明される双方向表示と相互作用し、フロントエンド４５上のＥＣＧアプリケーション２９からバックエンド４６上のＥＣＧプラットフォーム３７に通信され得る、ユーザ入力データ６９を発生させてもよい。例えば、ユーザは、ディスプレイ１７上でＱＲＳクラスタ、ＰＶＣクラスタ、および／またはＰＡＣクラスタを閲覧してもよい。入力デバイス２５を使用して、ユーザは、ディスプレイ１７と相互作用し、波情報、標識、発作、クラスタ、脈拍群化、および／または形態に関連性があるユーザ入力データ６９、ならびにディスプレイ１７上に提示される任意の他のデータを発生させてもよい。例えば、ユーザは、付加的クラスタおよび／または脈拍群を判定もしくは識別してもよい、類似クラスタならびに／もしくは脈拍群を識別する、関連付ける、および／またはマージしてもよい、不正確である、関連性がない、または誤標識されたクラスタならびに／もしくは脈拍群を削除してもよい、および／またはクラスタならびに／もしくは脈拍群を異なるサブセットに分割してもよい。加えて、ユーザ入力データ６９は、下記に説明されるような削除および／または修正された形態に対応し得る。

ユーザ入力６９を受信することに応じて、バックエンド４６上のＥＣＧプラットフォーム３７は、ステップ７０において、再電算機４０にユーザ入力データ６９を使用させ、デリネータ３９、埋め込み装置４８、および／または群化装置４９を再訓練、修正、ならびに／もしくは調節させてもよい。例えば、ユーザ入力データ６９は、群化データ２０５が不正確であったことを示し得る。再電算機４０は、本情報を使用し、デリネータ３９、埋め込み装置４８、および／または群化装置４９を再訓練ならびに／もしくは調節し、より正確な群化データ２０５を発生させてもよい。デリネータ３９、埋め込み装置４８、および／または群化装置４９を再訓練することに応じて、ステップ２００、サブステップ２０２、ならびに／もしくはサブステップ２０４のうちの１つ以上が、繰り返されてもよく、発生される情報（例えば、群データ２０５、発作、および／またはクラスタもしくは形態）が、上記に解説されるように、フロントエンド４５上のＥＣＧアプリケーション２９に送信され、ディスプレイ１７上に表示され、ユーザによって閲覧されてもよい。群データ、発作、および／またはクラスタもしくは形態を再算出し、ディスプレイ１７を介して同内容をユーザに提示することによって、ユーザは、処理システム１０’を調節および別様に微調整してもよい。例えば、より正確な発作が、識別され得、波情報２０１、埋め込みデータ２０３、および／または群データ２０５の品質が、改良され得る。

ここで図１７を参照すると、ＥＣＧデータを分析し、類似脈拍を群化するプロセスが、図示される。本プロセスは、概して、ステップ２１１において患者のＥＣＧデータを受信することを伴う。これは、ＥＣＧプラットフォーム３７において未加工ＥＣＧデータ５２を受信することを伴ってもよい。未加工ＥＣＧデータは、随意に、（例えば、雑音を除去するように）上記に説明されるように前処理されてもよい。ＥＣＧデータを受信することに応じて、ステップ２１２では、ＥＣＧデータは、波情報を発生させるように、少なくとも１つの描写アルゴリズムを使用して分析および／または処理されてもよい。埋め込みアルゴリズムは、１つ以上のアルゴリズムおよび／またはニューラルネットワークであってもよい。発生される波情報は、波情報２０１であってもよい。ステップ２１３では、脈拍発現および消失が、波情報から判定されてもよい。脈拍発現および消失に基づいて、消失に対応する時点から開始し、発現に対応する時点で終了するＥＣＧデータの一部が、ＥＣＧデータから抽出され、その特定の脈拍と関連付けられてもよい。ＥＣＧデータの複数の脈拍部分が、ステップ２１３において抽出されてもよい。ステップ２１４では、脈拍に対応するＥＣＧデータの部分が、埋め込みデータを発生させるように、埋め込みアルゴリズムを使用して分析および／または処理されてもよい。埋め込みデータは、埋め込みデータ２０３であってもよい。埋め込みアルゴリズムは、１つ以上のアルゴリズムおよび／またはニューラルネットワークであってもよい。埋め込みアルゴリズムによって発生される埋め込みデータは、脈拍に対応するＥＣＧデータの一部を表し得る。

ステップ２１５では、埋め込みデータは、群データを発生させるように、群化アルゴリズムを使用して分析および／または処理されてもよい。群データは、群データ２０５であってもよい。群化アルゴリズムは、１つ以上のアルゴリズム（例えば、ｋｍｅａｎｓ、ｄｂｓｃａｎ）および／または訓練されたニューラルネットワークであってもよい。群化アルゴリズムは、好ましくは、複数のＥＣＧデータセットおよび／または種々の脈拍に対応するＥＣＧデータの部分から訓練される。ステップ２１６では、群データは、２つ以上の脈拍が類似する（例えば、ある特徴および／または特性を共有する）かどうかを判定するように分析されてもよい。例えば、群データ値が、脈拍の間の類似性を判定するように、範囲の閾値と比較されてもよい。群データ値が脈拍の間の類似性を示す場合（例えば、群データ値が閾値を満たした場合）、類似脈拍は、ともに群化されてもよい。

ステップ２１７では、ＥＣＧデータ、波情報、標識、埋め込みデータ、群データ、脈拍の群、類似脈拍、クラスタ、発作、形態に関する情報、および／または前述のうちのいずれか（例えば、分析されたＥＣＧデータ）に基づく、もしくはそれを示す他の情報が、表示するためにＥＣＧプラットフォーム３７からＥＣＧアプリケーション２９に伝送されてもよい。分析されたＥＣＧデータの一部または全てが、グラフィックユーザインターフェース上に表示されてもよい。例えば、図１８に図示される双方向表示２２０に類似するグラフィックユーザインターフェースが、形態２４０および他の分析されたＥＣＧデータを表示してもよい。グラフィックユーザインターフェースは、図２０Ｂに図示されるように、その形態内のサンプル脈拍の脈拍オーバーレイ画像を含んでもよい。

随意のステップ２１８では、分析されたＥＣＧデータを、１人以上の医療従事者と関連付けられる１つ以上のユーザアカウントに割り当てる要求が、ＥＣＧプラットフォーム３７によって受信されてもよく、ＥＣＧプラットフォーム３７は、分析されたＥＣＧデータをそのユーザアカウントに割り当ててもよい。分析されたＥＣＧデータを医療従事者（例えば、技術者、心臓専門医等）に割り当てることに加えて、本システムは、そのＥＣＧデータが精査のために医療従事者に割り当てられていることをその医療従事者に知らせてもよい。例えば、メッセージおよび／またはアラートが、その医療従事者に送信されてもよい。分析されたＥＣＧデータは、同様に、割り当て解除される、および／または再び割り当てられてもよい。随意のステップ２１８は、代替として、ステップ２１９、２２０、および／または２２１の後もしくは合間に、または任意の他の点において生じ得ることを理解されたい。随意のステップ２１９では、分析されたＥＣＧデータは、品質制御のために提出されてもよい、品質制御に対する要求は、ＥＣＧプラットフォーム３７によって受信されてもよい、および／または分析されたＥＣＧデータは、１人以上の品質精査者（例えば、技術者）による精査のために、品質制御待ち行列内に入れられてもよい。

随意のステップ２２０では、ＥＣＧプラットフォーム３７は、１人以上の品質精査者（例えば、技術者）から品質制御入力を受信してもよい。品質制御入力は、分析されたＥＣＧデータの削除および／または修正された部分を含んでもよい。随意のステップ２２１では、ＥＣＧプラットフォーム３７は、表示するために、品質制御入力をＥＣＧアプリケーション２９に伝送してもよい。ＥＣＧアプリケーションは、削除および／または修正のために選択された、分析されたＥＣＧデータを示してもよい。ステップ２２０および／または２２１は、複数の品質制御精査者が分析されたＥＣＧデータを精査する場合、複数回繰り返されてもよい。例えば、第１の品質制御精査者は、分析されたＥＣＧデータがさらなる精査を要求することを示してもよく、第２の品質制御精査者は、分析されたＥＣＧデータおよび／または第１の品質制御精査の間に発生される品質制御入力を分析してもよい。

ステップ２２２では、ＥＣＧプラットフォーム３７は、ＥＣＧアプリケーション２９からユーザ入力データを受信してもよい。例えば、医療従事者（例えば、割り当てられた医療従事者）は、分析されたＥＣＧデータおよび／または品質制御入力を精査してもよく、分析されたＥＣＧデータならびに／もしくは品質制御入力に関して（例えば、分析されたＥＣＧデータの不正確度に関して）ユーザ入力データを発生させてもよい。ユーザ入力データは、分析されたＥＣＧデータの一部または全ての削除および／または修正であってもよい。ユーザ入力データは、システムデバイス１４の入力デバイス２５によって発生され、ＥＣＧアプリケーション２９からＥＣＧプラットフォーム３７に伝送されてもよい。例えば、ユーザ入力データは、埋め込みデータおよび／または群データの正確度に対応し得る、グラフィックユーザインターフェースの正確度に対応し得る。図２０Ａに関して下記に解説されるように、ユーザ入力データは、削除されている形態に対応し得る。例えば、臨床医は、表示された形態を精査した後、医療提供者または技術者が、その形態内のサンプル脈拍が異常ではなく正常であることを判定する場合、入力デバイス２５を使用して、その形態を削除してもよい。

随意のステップ２２３では、受信されたユーザ入力データおよび／または品質制御入力は、（例えば、再電算機４０を使用して）描写アルゴリズム、分類アルゴリズム、群化アルゴリズム、ならびに／もしくは埋め込みアルゴリズムを訓練および／または修正するために、使用されてもよい。例えば、ユーザ入力データは、ある発作および／または脈拍群が削除されるべきである、ならびに／もしくは別様に不正確であることをＥＣＧプラットフォーム３７に知らせてもよい。本情報は、描写アルゴリズム、分類アルゴリズム、群化アルゴリズム、および／または埋め込みアルゴリズムを再訓練または別様に修正し、これらのアルゴリズムによって発生される、波情報、標識、埋め込みデータ、ならびに／もしくは群データの品質を改良するために、使用されてもよい。

随意のステップ２２４では、ＥＣＧデータ（例えば、前処理されたＥＣＧデータ）が、再分析されたＥＣＧデータ（例えば、波情報、標識、埋め込みデータ、群データ、脈拍の群、類似脈拍、クラスタ、発作、形態、および／または前述のうちのいずれかに基づく、もしくはそれを示す他の情報）を発生させるように、修正された描写アルゴリズム、分類アルゴリズム、群化アルゴリズム、ならびに／もしくは埋め込みアルゴリズムに基づいて、再分析および／または再計算されてもよい。ステップ２２５では、再分析されたＥＣＧデータ、および／または再分析されたＥＣＧデータを示す、もしくはそれに基づく他の情報が、表示するために、ＥＣＧプラットフォーム３７からＥＣＧアプリケーション２９に伝送されてもよい。データおよび／または情報は、グラフィックユーザインターフェース上に表示されてもよい。例えば、グラフィックユーザインターフェースは、ユーザ入力データにおいて命令されるような形態を削除するように更新されてもよい。加えて、または代替として、再算出された発作もしくはクラスタが、表示されてもよい。

ここで図１８を参照すると、双方向表示２２０が、図示される。双方向表示２２０は、第１のグラフィックウィンドウ１２４に類似する第１のグラフィックウィンドウ２２１と、第２のグラフィックウィンドウ１２５に類似する第２のグラフィック２２２とを含む。双方向表示２２０はまた、報告を発生させるための報告作成ボタン２２５を含んでもよい。第１のグラフィックウィンドウ２２１は、ある時間周期にわたる複数の脈拍を図示してもよく、カーソル１３６に類似するカーソル２２４を含んでもよい。第２のグラフィックウィンドウ２２２は、カーソル２２４によって選択される複数の脈拍の領域のズームインされたビューを含んでもよい。双方向表示２２０はさらに、第１のグラフィックウィンドウ２２１内の分析または複数の脈拍についての付加的情報を含み得る、第３のグラフィックウィンドウ２２３を含んでもよい。例えば、第３のグラフィックウィンドウ２３３は、上記に説明されるように、ある類似性に基づいてともに合致または別様に群化された、複数の脈拍ストリップをそれぞれ含む、１つ以上の形態を図示してもよい。いくつかの実施形態では、脈拍ストリップは、時間的に複数の連続的な脈拍である。概して、ともに合致または別様に群化された複数の脈拍ストリップは、異なる時間間隔からのものであり、時間的に連続的なストリップではない。

ここで図１９を参照すると、第３のグラフィックウィンドウ２２３が、図示される。示されるように、第３のグラフィックウィンドウ２２３は、形態分析、心室活動、またはナビゲーションウィンドウ２５９（図２１に示される）内に列挙される任意の他のカテゴリ等の第３のグラフィックウィンドウ２２３に表示されるべき情報を選択するためのカテゴリタブ２３１を含んでもよい。第３のグラフィックウィンドウ２２３はまた、カテゴリタブ２３１をさらに絞り込むためのサブタブ２３２をさらに含んでもよい。例えば、サブタブ２３２は、ＰＶＣおよびＰＳＶＣ等の異常のタイプ、または「他の脈拍」等の一般的タブを含む。「形態分析」ウィンドウタブが、選択されるとき、形態２３３が、双方向表示２２０を使用して閲覧されてもよい。上記に解説されるように、形態２３３のうちの各形態は、群データに基づいてともに群化された脈拍ストリップの群を含んでもよい。例えば、各形態は、１つ以上の類似する特性もしくは品質を有する脈拍を含んでもよい。

ここで図２０Ａを参照すると、形態２３３のうちの１つの形態の例示である形態２４０が、図示される。形態２４０は、形態名２４１、形態ナビゲータ２４２、脈拍オーバーレイ２４３、報告に追加するボタン２４４、様々な情報２４５、時間識別子２４６、報告ボタン２４７、削除ボタン２４８、および脈拍ウィンドウ２４９を伴ってもよい。形態名２４１は、形態を識別してもよい。形態ナビゲータ２４２は、脈拍ウィンドウ２４９内で閲覧するべき形態２４０内の脈拍ストリップを選択するために使用されてもよい。形態ナビゲータ２４２に表示され得る脈拍ストリップは、その形態内の全脈拍ストリップのうちの脈拍ストリップのサブセットであってもよい。脈拍ストリップのサブセットは、全脈拍ストリップから無作為に選択される、または好ましい実施形態では、相互と最大の差異を有する、その形態内の脈拍ストリップに基づいて選択されてもよい。例えば、サブセットは、群データならびに／もしくは埋め込まれたデータを比較し、相互と最大の差異を伴うベクトルおよび／または行列値を有する、その形態内の脈拍ストリップを判定することによって発生されてもよい。このように、形態ナビゲータ２４２は、スコアに基づいて、形態に関して関連性がある脈拍ストリップを表示する。報告に追加するボタン２４４は、報告発生ボタン２２５を使用して、ＥＣＧプラットフォーム３７によって発生されるべき報告に形態２４０を追加するために使用されてもよい。様々な情報２４５は、患者または形態についてのある情報を含んでもよい。例えば、様々な情報２４５は、患者がペースメーカを有することを識別してもよい。時間識別子２４６は、脈拍ウィンドウ２４９内のある点における時間を識別してもよい。例えば、ユーザは、脈拍ウィンドウ２４９内の点にわたってカーソルを設置してもよく、時間識別子２４６は、対応する時間を識別してもよい。報告ボタン２４７は、報告または報告テンプレートを開くために使用されてもよい。削除ボタン２４８は、形態２４０を削除するものであってもよい。例えば、形態２４０を精査した後、医療提供者または技術者は、形態内の脈拍が類似しない、正常である、および／または別様にともに群化されるべきではないことを決定してもよく、したがって、形態を削除することを決定してもよい。図１６および１７に関して上記に解説されるように、形態を削除することは、グラフィックユーザインターフェース（例えば、双方向表示２２０）を改変してもよい、および／または群化アルゴリズムを、ニューラルネットワークを再訓練するように修正もしくは別様に改変させてもよい。

ここで図２０Ｂを参照すると、脈拍オーバーレイ２４３が、拡大される。示されるように、脈拍オーバーレイ２４３は、単一のプロット上に形態２４０内のいくつかまたは全ての類似脈拍を表示してもよい。例えば、脈拍オーバーレイ２４３は、相互にわたってオーバーレイされる形態ナビゲータ２４２の脈拍ストリップのそれぞれからの単一の脈拍を表示してもよい。好ましい実施形態では、脈拍ストリップのそれぞれからの脈拍オーバーレイ２４３内の表示された脈拍は、個別の脈拍ストリップでは異常としてシステムによって識別される脈拍である。ＥＣＧプラットフォーム３７は、波またはプロット特徴（Ｐ波、Ｔ波、ＱＲＳ群）に従って脈拍を整合させてもよい。医療提供者または技術者は、脈拍オーバーレイ２４３を使用し、形態が異常である、類似するかどうか、および／または適切なサブタブ内で正確にカテゴリ化されているかどうかを判定してもよい。医療提供者または技術者が、形態内の脈拍が類似しない、正常である、および／または別様にともに群化されるべきではないことを判定した場合、医療提供者または技術者は、上記に説明されるように、削除ボタン２４８を使用して形態を削除してもよい。

ここで図２１を参照すると、双方向表示２５０が、図示される。双方向表示２５０は、第１のグラフィックウィンドウ２２１に類似する第１のグラフィックウィンドウ２５１と、第２のグラフィックウィンドウ２２２に類似する第２のグラフィック２５２とを含む。第１のグラフィックウィンドウ２５１は、ある時間周期にわたる複数の脈拍を図示してもよく、カーソル２２４に類似するカーソル２５４を含んでもよい。第２のグラフィックウィンドウ２５２は、カーソル２５４によって選択される複数の脈拍の領域のズームインされたビューを含んでもよい。双方向表示２５０はさらに、１つ以上のカテゴリを図示する、第３のグラフィックウィンドウ２５３を含んでもよい。双方向表示２５０はまた、ナビゲーションウィンドウ２５４と、報告を発生させるための報告作成ボタン２５５とを含んでもよい。ナビゲーションウィンドウ２５９は、第３のグラフィックウィンドウ２５３内で閲覧されるべき種々のカテゴリを選択するために使用されてもよい。例えば、ナビゲーションウィンドウ２５９は、限定ではないが、最大ＨＲ、最小ＨＲ、ＡＶブロック、他の脈拍ならびにＰＳＶＣ等の形態分析、他のＳＶＴ等の上室活動、ＶＴ等の心室活動、および／または洞を含む、カテゴリを選択するために使用されてもよい。

双方向表示２５０はまた、第１のグラフィックウィンドウ２５１内に含有される複数の脈拍の中の異所性区間を表示してもよい。異所性区間は、時間的に連続的である、３つ以上の異常な脈拍である。したがって、本明細書に説明されるシステムは、１列の３つ以上の異常な脈拍が、例えば、上記に説明される識別子を使用して識別されるときに、異所性区間を検出してもよい。第１のグラフィックウィンドウ２５１は、異所性区間の点において識別バー２５６を用いて異所性区間を識別してもよい。第２のグラフィックウィンドウ２５２は、第２のグラフィックウィンドウ２５２と異なる色であり得る異所性セクション２５７を用いて異所性区間の領域を識別してもよい。異所性セクション２５７内の各異所性脈拍が、各異所性脈拍の精密な場所を示す、異所性マーカ２５８を用いて識別されてもよい。

報告作成ボタン２５５（図１８の報告作成ボタン２２５に類似する）を使うことによって、報告が、双方向表示２５０に図示されるＥＣＧデータに関して作成されてもよい。上記に解説されるように、双方向表示２５０を使用する医療提供者または技術者は、報告に含むように、ナビゲーションウィンドウ２５９を使用して表示される、形態、または種々の他の脈拍ストリップ、もしくは脈拍ストリップの群を選択してもよい。図２２Ａ－２２Ｐは、ＥＣＧプラットフォーム３７およびＥＣＧアプリケーション２９を使用して発生され得る例示的報告である、報告２６０を図示する。

ここで図２２Ａを参照すると、報告２６０は、患者についての情報と、医療提供者もしくは技術者についての情報と、報告の概要と、患者の心拍数（例えば、最大、最小、平均）についての情報と、異所性情報（例えば、上室性期外収縮、心室性期外収縮）と、患者事象についての情報と、ペース調整された脈拍についての情報と、最も顕著な所見、結果、および／または分析を含むことを識別する、所見セクションとを含む、カバーページ２６１を含んでもよい。カバーページ２６１はさらに、患者のＥＣＧデータに対応する顕著な脈拍ストリップを含んでもよい。例えば、顕著な脈拍ストリップは、限定ではないが、心房細動／粗動、他のＳＶＴ、一時停止、ＡＶブロック、ＶＴを含んでもよい。

ここで図２２Ｂを参照すると、報告２６０は、ある時間周期（例えば、数時間）にわたる患者の心拍を図示し得る、心拍数傾向表示２６２を含んでもよい。心拍数傾向表示２６１はまた、経時的に表示された脈拍の異常を識別するための１つ以上の異常識別子２６３を含んでもよい。心拍数傾向表示はまた、ＰＴＥおよび／または心房細動／粗動を識別してもよい。ここで図２２Ｃを参照すると、報告２６０は、ある時間周期（例えば、数時間）にわたる患者の心拍数を表示し得る、心房細動／粗動表示２６４を含んでもよい。心房細動／粗動表示２６４は、患者が心房細動および／または粗動を被っている時間を表示するために使用されてもよい。心房細動／粗動表示２６４はさらに、負担割合、最長発作の時間の長さ、および最大心拍数を表示してもよい。

ここで図２２Ｄを参照すると、報告２６０は、ある時間周期（例えば、数時間）にわたる患者の心拍数を表示し得、患者がＰＳＶＣを被っている時間を表示するために使用され得る、ＰＳＶＣ表示２６５を含んでもよい。ＰＳＶＣ表示２６５はさらに、ＰＳＶＣ値ならびにカプレット数および／または割合を表示してもよい。ここで図２２Ｅを参照すると、報告２６０は、ある時間周期（例えば、数時間）にわたる患者の心拍数を表示し得、患者がＰＶＣを被っている時間を表示するために使用され得る、ＰＶＣ表示２６６を含んでもよい。ＰＶＣ表示２６６はさらに、ＰＶＣ値および／または割合、ＰＶＣに関連性がある形態の数、カプレットの数ならびに／もしくは割合、二段脈数および／または割合、および三段脈数ならびに／もしくは割合を表示してもよい。

ここで図２２Ｆを参照すると、報告２６０は、検出される患者症状を識別し得、患者事象の総数および症候性患者事象の数を含み得る、患者症状表示２６７を含んでもよい。患者症状表示２６７は、動悸、胸痛、目眩、失神、および他の症状に分けられてもよい。ここで図２２Ｇを参照すると、報告２６０は、心拍数変動性表示２６８と、ＱＴ分析表示２６９とを含んでもよい。心拍数変動性表示２６８は、心拍数分布および変動性を識別し、平均値、ＳＤＮＮ、ＳＤＡＮＮ、ＡＳＤＮＮ、ＮＮ５０、ｐＮＮ５０、ＲＭＳＳＤ、ＶＬＦ、ＬＦ、およびＨＦ等の心拍数パラメータを表示してもよい。ＱＴ分析表示２６９は、経時的にＱＴ分析を分析および表示し、最小ＱＴ、平均ＱＴ、最大ＱＴ、最小ＱＴｃＢ、平均ＱＴｃＢ、最大ＱＴｃＢ、およびＱＴｃＢ＞４５０ミリ秒等のパラメータを識別してもよい。

ここで図２２Ｈを参照すると、報告２６０は、ストリップインデックス２７１を含んでもよい。ストリップインデックス２７１は、ＩＤ、日付および時間、カテゴリ、心拍数、患者事象、コメント、ならびにページのようなパラメータを含んでもよい。カテゴリは、最大ＨＲ、最小ＨＲ、洞、心房細動／粗動、ＶＴ、患者事象、ＰＶＣ、心室カプレット、心室二段脈、ＰＳＶＣ、上室カプレット等の項目を含んでもよい。インデックスストリップ２７１は、あるカテゴリを表示する脈拍ストリップが見出され得る、報告ページ番号を見出すために使用されてもよい。

ここで図２２Ｉを参照すると、報告２６０は、最大ＨＲ表示２７２、最小ＨＲ表示２７３、および洞表示２７４等の脈拍ストリップ表示を含んでもよい。最大ＨＲ表示２７２は、最大心拍数を伴う脈拍ストリップを表示してもよい。最小ＨＲ表示２７３は、最小心拍数を伴う脈拍ストリップを表示してもよい。洞表示２７４は、洞異常を伴う脈拍ストリップを表示してもよい。ここで図２２Ｊを参照すると、報告２６０は、洞表示２７４および心房細動／粗動表示２７５等の脈拍ストリップ表示を含んでもよい。心房細動／粗動表示２７５は、心房細動および／または粗動を示す脈拍ストリップを表示してもよい。ここで図２２Ｋを参照すると、報告２６０は、心房細動／粗動表示２７５およびＶＴ表示２７６等の脈拍ストリップを含んでもよい。ＶＴ表示２７６は、ＶＴを示す脈拍ストリップを表示してもよい。ここで図２２Ｌを参照すると、報告２６０は、ＶＴ表示２７６、患者事象表示２７７、およびＰＶＣ表示２７８等の脈拍ストリップを含んでもよい。患者事象表示２７７は、患者事象を示す脈拍ストリップを表示してもよい。ＰＶＣ表示２７８は、ＰＶＣを示す脈拍ストリップを表示してもよい。図２２Ｍは、付加的ＰＶＣ表示２７８を図示する。ここで図２２Ｎを参照すると、報告２６０は、心室カプレット２７９および心室二段脈２８１等の脈拍ストリップを含んでもよい。心室カプレット２７９は、１つ以上の心室カプレットを示す脈拍ストリップを表示してもよい。心室二段脈２８１は、心室二段脈を示す脈拍ストリップを表示してもよい。ここで図２２Ｏを参照すると、報告２６０は、ＰＳＶＣ表示２８２および上室カプレット表示２８３等の脈拍ストリップを含んでもよい。ＰＳＶＣ表示２７２は、ＰＳＶＣを示す脈拍ストリップを表示してもよい。上室カプレット表示２８３は、１つ以上の上室カプレットを示す脈拍ストリップを表示してもよい。図２２Ｐはまた、上室カプレット表示２８３も図示する。

ここで図２３Ａ－２３Ｄを参照すると、例示的プロセスおよびユーザインターフェースが、精査のために分析されたＥＣＧデータを割り当てるために図示される。例えば、図２３Ａ－２３Ｄは、ＥＣＧデータセットおよび／または分析されたＥＣＧデータの精査責任を１人以上の医療従事者に割り当てる、割り当て解除する、ならびに／もしくは再び割り当てるための例示的インターフェースおよびプロセスを図示する。

ここで図２３Ａ－Ｂを参照すると、（例えば、システムデバイス１４上の）ＥＣＧアプリケーション２９を介して表示されるグラフィックユーザインターフェースは、ＥＣＧデータ（例えば、ファイル）を１人以上の医療従事者に割り当てるために使用され得る、精査保留中ウィンドウ３１２を表示してもよい。精査保留中ウィンドウ３１２は、ＥＣＧデータ、および／または波情報、標識、群データ、埋め込みデータ、分類データ、描写データ、クラスタ、分析されたデータ、ならびに／もしくはＥＣＧデータに基づく、またはそれに対応する任意の他のデータに対応し得る、データステータス識別子３０４を含んでもよい。データステータス識別子３０４は、対応するデータが閲覧されたかどうか、およびそれを閲覧した者を示してもよい。データステータス識別子３０４はまた、該当する場合、データが割り当てられた医療従事者を示してもよい。例えば、データステータス識別子３０４は、ユーザまたはデータ識別子、ＥＣＧデータの持続時間に対応する持続時間値（例えば、１日）、アップロード日（例えば、データがＥＣＧプラットフォーム３７にアップロードされた日付に対応する）、精査のステータスに対応する精査ステータス（例えば、分析のために返却、完了、品質制御保留中）、および／または品質制御もしくは精査のために対応するデータを提出した者についての情報、ならびに／もしくはデータが最後に修正されたときを含んでもよい。いずれのステータスも存在しない場合、データおよび／または分析は、アップロードされ、分析される準備ができていてもよい。ステータスが、「品質制御保留中」である場合、データおよび／または分析は、品質制御のために提出されてもよく、精査される準備ができていてもよい。ステータスが、「分析のために返却」である場合、データおよび／または分析は、精査されている場合があるが、依然として、さらなる精査を必要とする。ステータスが、「完了」である場合、データおよび／または分析は、精査されている場合があり、容認可能と見なされてもよい。

データステータス識別子３０４は、データステータス識別子３０４を、医療従事者と関連付けられる１つ以上のユーザアカウントに割り当て、かつ割り当て解除するための割当メニュー３４１を含んでもよい。図２３Ａ－Ｂに示されるように、割当メニュー３４１は、ユーザが、そのデータステータス識別子３０４、したがって、対応するデータを、識別される医療従事者に割り当てるための医療従事者の氏名を記入することを可能にしてもよい。代替として、または加えて、割当メニュー３４１は、その医療従事者をデータステータス識別子３０４に対応するＥＣＧデータに割り当てるために選択され得る、医療従事者の１つ以上の氏名を列挙してもよい。割当メニュー３４１はまた、割り当てられたデータステータス識別子３０４を割り当て解除するために使用されてもよい。割当メニュー３４１はまた、データステータス識別子が再び割り当てられ得る、医療従事者を列挙してもよい。

ここで図２３Ｃを参照すると、精査保留中ウィンドウ３１２は、編成バー３５１と、データセレクタ３５２とを含んでもよい。データセレクタ３５２は、１つ以上のデータステータス識別子３０４を選択することに関与してもよい。編成バー３５１は、データステータス識別子３０４を編成する、および／または割り当てるために使用されてもよい。例えば、編成バー３５１上の変更ボタン３５３が、全ての選択されたデータステータス識別子をある医療従事者に割り当てる、割り当て解除する、および／または再び割り当てることに関与してもよい。このように、複数のデータステータス識別子３０４が、同時に割り当てられる、割り当て解除される、および／または再び割り当てられてもよい。

ここで図２３Ｄを参照すると、精査保留中ウィンドウ３１２は、フィルタボタン３６１を含んでもよい。フィルタボタン３６１は、１つ以上のデータステータス識別子３０４をフィルタ処理するために使用されてもよい。図２３Ｄに示されるように、フィルタボタン３６１は、医療従事者によって精査保留中ウィンドウ３１２内でデータステータス識別子３０４をフィルタ処理することに関与してもよい。例えば、医療従事者「Ｓｔａｎ Ｄｕｐｐ」が、選択される場合、Ｓｔａｎ Ｄｕｐｐに割り当てられたデータステータス識別子３０４のみが、精査保留中ウィンドウ３１２に示されるであろう。他のフィルタ（日付、患者、品質精査ステータス等）も選択され得ることを理解されたい。

ここで図２４Ａ－Ｆを参照すると、例示的プロセスおよびユーザインターフェースが、１人以上の品質精査者（例えば、技術者）による品質精査のためにＥＣＧデータおよび／または分析されたＥＣＧデータを提出するために図示される。図２４Ａ－Ｂに示されるように、ツールバー４０１が、ＥＣＧアプリケーション２９および／またはＥＣＧプラットフォーム３７によって発生されるユーザインターフェースの中に組み込まれてもよく、（例えば、品質制御ボタン４０２を使用して）品質制御（ＱＣ）のためにＥＣＧデータならびに／もしくはＥＣＧデータの分析を提出するために使用されてもよい。例えば、ＥＣＧプラットフォーム３７は、群データ、埋め込みデータ、分類データ、描写データ、および／または分析されたＥＣＧデータを発生させてもよく、品質制御ボタン４０２は、品質制御のために前述のデータを提出することに関与してもよい。

ここで図２４Ｂを参照すると、インターフェース４０３が、図示される。インターフェース４０３は、例えば、ワークリストインターフェースタブ、品質制御タブ４０５、アーカイブ、およびお気に入りタブを含み得る、ナビゲーション列４０６を表示する。インターフェース４０３は、例えば、品質制御精査者によって使用されてもよい。品質制御タブ４０５が関与するとき、１つ以上のデータステータス識別子４０４が、表示されてもよい。データステータス識別子４０４は、データステータス識別子３０４と同一であり得る、および／または品質制御についての情報（例えば、品質制御のために提出した者、提出日、最後の修正日、品質制御ステータス等）を含んでもよい。

ここで図２４Ｃを参照すると、ＥＣＧアプリケーション２９は、システムデバイス１４に、品質制御精査のためにインターフェース４１１を表示させてもよい。インターフェース４１１は、保留中ウィンドウ４１２および精査ウィンドウ４１３を表示してもよい。保留中ウィンドウ４１２および精査ウィンドウ４１３はそれぞれ、１つ以上のデータステータス識別子４０４を含んでもよい。保留中ウィンドウ４１２は、品質制御精査保留中であるアップロードされたデータに対応する、１つ以上のデータステータス識別子を含んでもよい。精査されたウィンドウ４１３は、精査されているアップロードされたデータに対応する、１つ以上のデータステータス識別子４０４を含んでもよい。品質制御精査者（例えば、初期精査者、二次精査者等）は、インターフェース４１１を使用し、依然として精査される必要があるデータを判定する、および／または別様にあるデータが精査されるべきであるか、もしくは精査されたかどうかを判定してもよい。

データステータス識別子４０４は、選択されたデータステータス識別子４０４と関連付けられるデータのさらなる品質制御分析のために選択されてもよい。データステータス識別子４０４を選択することに応じて、ＥＣＧアプリケーション２９は、システムデバイス１４に図２４Ｄ－Ｅを表示させてもよい。図２４Ｄ－Ｅは、それぞれ、データステータス識別子４０４に対応するＥＣＧデータストリップ４２４を図示する、分析インターフェース４２１および分析インターフェース４２２を図示する。ＥＣＧデータストリップ４２４は、ＥＣＧデータストリップの群（例えば、ＳＶＴ、カプレット等）を識別し得るタブ４２３に従って、編成されてもよい。分析インターフェース４２１および分析インターフェース４２２は、品質制御精査の間に除去されたＥＣＧデータストリップ、ならびに残留する（すなわち、除去されていない）ＥＣＧデータストリップを閲覧するために使用されてもよい。除去ステータス４２５は、ＥＣＧデータストリップが除去されたかどうか、またはＥＣＧデータストリップが残留するものであるかどうかを示す。例えば、ユーザインターフェース４２１は、残留するＥＣＧデータストリップを図示し、ユーザインターフェース４２２は、除去されたＥＣＧデータストリップを図示する。このように、品質精査の間に行われる変更は、アーカイブに保管され、精査されてもよい。復元ボタン４２６が、残りのＥＣＧデータストリップとして再カテゴリ化されるように、ＥＣＧデータストリップの除去を取り消すことに関与してもよい。

ここで図２４Ｆを参照すると、インターフェース４３１が、図示され、品質制御情報（例えば、保留中、合格、分析のために返却）を含む、報告を発生させるために使用されてもよい。インターフェース４３１は、報告オプションウィンドウ４３２、患者情報ウィンドウ４３３、臨床情報ウィンドウ４３４、結果ウィンドウ４３５、品質制御ウィンドウ４３６、患者メトリックウィンドウ４３７、および／または報告を発生させるウィンドウ４３８を含んでもよい。報告オプションウィンドウ４３２は、報告を発生させるためのいくつかのオプションを含んでもよく、さらに、報告に含まれるべきＥＣＧデータを選択するための１つ以上の導線の選択を許容し得る。患者情報４３３は、ＥＣＧデータが発生された患者に対応する識別および他の情報（例えば、氏名、患者識別子、主要な適応症、生年月日、ペースメーカの存在、性別等）を含んでもよい。臨床情報ウィンドウ４３４は、分析を行った医療従事者の氏名、日付、および／または機関の名称等のある臨床情報を含んでもよい。結果ウィンドウ４３５は、結果テンプレートおよび／またはメトリックを選択するために使用されてもよい。品質制御ウィンドウ４３６は、品質制御のステータス（例えば、保留中、合格、分析のために返却）を選択するために使用されてもよい。患者メトリックウィンドウ４３７は、監視の持続時間および／または分析される時間、心拍数情報、期外収縮（例えば、上室性期外収縮、心室性期外収縮）についての情報、患者事象、患者発作、および／または一時停止の発生等のある患者メトリックを表示してもよい。

上記で本明細書に説明される動作のうちのいずれかは、少なくとも部分的に、コンピュータ可読メモリ上に記憶されたコンピュータ可読命令として実装され得ることを理解されたい。プロセッサによるコンピュータ可読命令の実行に応じて、コンピュータ可読命令は、ノードに動作を実施させてもよい。当然ながら、本明細書に説明される実施形態は、例証的であり、コンポーネントは、多種多様な異なる構成で配列され、代用され、組み合わせられ、設計され得、その全てが、検討され、本開示の範囲内に該当することを理解されたい。

例証的実施形態の前述の説明は、例証および説明の目的のために提示された。これは、開示される精密な形態に関して包括的または限定的であることを意図しておらず、修正および変形例が、上記の教示を踏まえて可能性として考えられる、または開示される実施形態の実戦から入手され得る。本発明の範囲は、請求項によって定義されることが意図される。

Claims (63)

1. 患者の心電図（ＥＣＧ）データを分析するためのコンピュータ化システムであって、前記ＥＣＧデータは、複数の時点を横断して１つ以上の電極によって発生され、複数の脈拍を含み、前記コンピュータ化システムは、
   描写アルゴリズムを使用して、前記ＥＣＧデータを分析し、前記複数の時点における少なくとも１つの波の存在の可能性に対応する波情報を発生させることと、
   少なくとも１つの波が存在し、複数の脈拍発現および脈拍消失を発生させることが判定される、前記複数の脈拍のうちの脈拍に関して、脈拍発現情報および脈拍消失情報を判定することと、
   前記複数の脈拍発現および脈拍消失に基づいて、ＥＣＧデータの複数の脈拍部分を抽出することであって、前記ＥＣＧデータの複数の脈拍部分のうちの各脈拍部分は、前記複数の脈拍のうちの脈拍に対応する、ことと、
   前記ＥＣＧデータの複数の脈拍部分に基づいて、前記複数の脈拍のうちの少なくとも２つの脈拍がともに群化されるべきであることを判定することであって、前記少なくとも２つの脈拍は、クラスタを形成する、ことと
   を行うように構成される、コンピュータ化システム。
2. 前記コンピュータ化システムはさらに、
   埋め込みアルゴリズムを使用して、前記ＥＣＧデータの複数の部分を分析し、前記複数の脈拍を表す埋め込みデータを発生させることと、
   群化アルゴリズムを使用して、前記埋め込みデータを分析し、群データを発生させることと
   を行うように構成され、
   前記複数の脈拍のうちの前記少なくとも２つの脈拍は、前記群データに基づいて、ともに群化されることが判定される、請求項１に記載のコンピュータ化システム。
3. 群データは、２つの脈拍の間の距離に対応する、請求項２に記載のコンピュータ化システム。
4. 前記描写アルゴリズムは、第１のニューラルネットワークを利用し、前記埋め込みアルゴリズムは、第２のニューラルネットワークを利用する、請求項２に記載のコンピュータ化システム。
5. 前記群化アルゴリズムは、第３のニューラルネットワークを利用する、請求項４に記載のコンピュータ化システム。
6. 前記コンピュータ化システムはさらに、前記ＥＣＧデータに対応する不正確度に関して入力デバイスからユーザ入力データを受信するように構成される、請求項２に記載のコンピュータ化システム。
7. 前記コンピュータ化システムはさらに、前記ユーザ入力データに基づいて、前記描写アルゴリズム、埋め込みアルゴリズム、または群化アルゴリズムのうちの１つ以上を調節するように構成される、請求項６に記載のコンピュータ化システム。
8. 前記コンピュータ化システムはさらに、前記ユーザ入力データに基づいて、表示されたデータを修正するように構成される、請求項７に記載のコンピュータ化システム。
9. 前記ユーザ入力データは、１つ以上のＱＲＳクラスタ、ＰＶＣクラスタ、またはＰＡＣクラスタを追加、削除、または分割することに対応する、請求項８に記載のコンピュータ化システム。
10. 前記埋め込みデータは、前記複数の脈拍のうちの脈拍毎にデータのベクトルを含む、請求項７に記載のコンピュータ化システム。
11. 前記複数の脈拍のうちの少なくとも２つの脈拍がともに群化されるべきであることを判定することはさらに、前記群データが閾値を満たすことを判定することを含む、請求項２に記載のコンピュータ化システム。
12. 前記コンピュータ化システムはさらに、グラフィックユーザインターフェース上に表示するために、前記クラスタを示す情報をコンピュータに伝送するように構成される、請求項１に記載のコンピュータ化システム。
13. 前記コンピュータ化システムはさらに、情報を発生させ、相互にわたってオーバーレイされる前記複数の脈拍のうちの少なくとも２つの脈拍を含む、少なくとも１つのオーバーレイを表示するように構成される、請求項１に記載のコンピュータ化システム。
14. 前記コンピュータ化システムはさらに、分類アルゴリズムを使用して、前記クラスタ内の前記脈拍を分析し、前記患者に関する心臓事象と関連付けられる、１つ以上の異常、条件、または記述子の存在の可能性を判定するように構成される、請求項１に記載のコンピュータ化システム。
15. 前記コンピュータ化システムはさらに、分類アルゴリズムを使用して、前記描写アルゴリズムからの前記波情報を分析し、前記患者に関する心臓事象と関連付けられる、１つ以上の異常、条件、または記述子の存在の可能性を判定するように構成される、請求項１に記載のコンピュータ化システム。
16. 前記波情報は、前記分類アルゴリズムに入力され、前記複数の脈拍のうちの少なくとも２つの脈拍がともに群化されるべきであることを判定するために別個に使用される、請求項１５に記載のコンピュータ化システム。
17. 前記コンピュータ化システムはさらに、前記描写アルゴリズムを使用して、前記ＥＣＧデータを分析することに先立って、前記ＥＣＧデータを前処理し、前記ＥＣＧデータから雑音を除去するように構成される、請求項１に記載のコンピュータ化システム。
18. 前記コンピュータ化システムはさらに、精査のために、前記ＥＣＧデータおよび前記ＥＣＧデータに基づく情報をユーザアカウントに割り当てるように構成される、請求項１に記載のコンピュータ化システム。
19. 前記コンピュータ化システムはさらに、前記精査に基づいて、前記ユーザアカウントから、前記ＥＣＧデータおよび前記ＥＣＧデータに基づく情報に関するユーザ入力データを受信するように構成される、請求項１８に記載のコンピュータ化システム。
20. 患者の心電図（ＥＣＧ）データを分析するための方法であって、前記ＥＣＧデータは、複数の時点を横断して１つ以上の電極によって発生され、複数の脈拍を含み、前記方法は、
    描写アルゴリズムを使用して、前記ＥＣＧデータを分析し、前記複数の時点における少なくとも１つの波の存在の可能性に対応する波情報を発生させることと、
    少なくとも１つの波が存在し、複数の脈拍発現および脈拍消失を発生させることが判定される、前記複数の脈拍のうちの脈拍に関して、脈拍発現情報および脈拍消失情報を判定することと、
    前記複数の脈拍発現および脈拍消失に基づいて、ＥＣＧデータの複数の脈拍部分を抽出することであって、前記ＥＣＧデータの複数の脈拍部分のうちの各脈拍部分は、前記複数の脈拍のうちの脈拍に対応する、ことと、
    前記ＥＣＧデータの複数の脈拍部分に基づいて、前記複数の脈拍のうちの少なくとも２つの脈拍がともに群化されるべきであることを判定することであって、前記少なくとも２つの脈拍は、クラスタを形成する、ことと
    を含む、方法。
21. 埋め込みアルゴリズムを使用して、前記ＥＣＧデータの複数の部分を分析し、前記複数の脈拍を表す埋め込みデータを発生させることと、
    群化アルゴリズムを使用して、前記埋め込みデータを分析し、群データを発生させることと
    をさらに含み、
    前記複数の脈拍のうちの前記少なくとも２つの脈拍は、前記群データに基づいて、ともに群化されることが判定される、請求項２０に記載の方法。
22. 前記ＥＣＧデータの精査のために、前記ＥＣＧデータおよび前記ＥＣＧデータに基づく情報をユーザアカウントに割り当てることをさらに含む、請求項２０に記載の方法。
23. １人以上の精査者による品質精査のために、前記ＥＣＧデータおよび前記ＥＣＧデータに基づく情報を提出することをさらに含む、請求項２０に記載の方法。
24. 前記１人以上の精査者によって発生される、品質制御入力を受信することをさらに含む、請求項２３に記載の方法。
25. 付加的品質制御精査のために、前記品質制御入力の表示を引き起こすことをさらに含む、請求項２４に記載の方法。
26. 前記ＥＣＧデータに対応する不正確度に関して入力デバイスからユーザ入力データを受信することをさらに含む、請求項２０に記載の方法。
27. 前記ユーザ入力データに基づいて、前記描写アルゴリズム、埋め込みアルゴリズム、または群化アルゴリズムのうちの１つ以上を調節することをさらに含む、請求項２０に記載の方法。
28. 患者の心電図（ＥＣＧ）データを分析するためのシステムであって、前記システムは、
    実行されると、複数の時点にわたって前記患者のＥＣＧデータを取得するように構成される、第１の複数の命令であって、前記ＥＣＧデータは、１秒あたり少なくとも２０個のサンプルのレートでサンプリングされ、前記第１の複数の命令はさらに、実行されると、少なくとも１つのサーバへの前記ＥＣＧデータの伝送を引き起こすように構成される、第１の複数の命令と、
    実行されると、前記少なくとも１つのサーバに、
    前記患者の前記ＥＣＧデータを受信することと、
    異なる患者からの複数のＥＣＧデータセットから訓練される、少なくとも１つのアルゴリズムを使用して、前記患者の前記ＥＣＧデータを分析することと、
    前記ＥＣＧデータの分析に基づいて、１つ以上の異常、条件、または記述子、またはそれらの任意の組み合わせの存在の可能性を定量化することと、
    表示するために、前記少なくとも１つのサーバからコンピュータに、前記１つ以上の異常、条件、または記述子、またはそれらの任意の組み合わせの存在に対応する情報を伝送することと
    を行わせるように構成される、第２の複数の命令と、
    前記コンピュータによって実行されると、前記コンピュータに、前記少なくとも１つのサーバからの前記伝送された情報に基づいて、前記１つ以上の異常、条件、または記述子、またはそれらの任意の組み合わせの存在に対応する情報を表示させるように構成される、第３の複数の命令と
    を備える、システム。
29. 前記第２の複数の命令はさらに、実行されると、前記少なくとも１つのサーバに前記ＥＣＧデータを前処理させるように構成され、これは、前記ＥＣＧデータから雑音を除去すること、または事前判定された基準周波数において前記ＥＣＧデータを表すことのうちの少なくとも１つを伴う、請求項２８に記載のシステム。
30. 前記第２の複数の命令は、実行されると、描写のために前記ＥＣＧデータを第１のニューラルネットワークに適用する少なくとも１つのアルゴリズムを使用して、前記患者の前記ＥＣＧデータを分析するように構成される、請求項２８に記載のシステム。
31. 前記ＥＣＧデータを第１のニューラルネットワークに適用する少なくとも１つのアルゴリズムを使用して、前記患者の前記ＥＣＧデータを分析することは、波情報を発生させる、請求項３０に記載のシステム。
32. 前記第２の複数の命令はさらに、実行されると、１つ以上のクラスタ化アルゴリズムを使用して、前記波情報を分析し、前記波情報に対応する１つ以上のクラスタを識別するように構成される、請求項３１に記載のシステム。
33. 前記１つ以上のクラスタは、心室性期外収縮（ＰＶＣ）クラスタまたは心房性期外収縮（ＰＡＣ）クラスタのうちの１つ以上を含む、請求項３２に記載のシステム。
34. 前記第２の複数の命令は、実行されると、前記複数の時点のそれぞれにおけるＰ波、ＱＲＳ群、またはＴ波のうちの少なくとも１つの存在の可能性を定量化する、請求項３０に記載のシステム。
35. 前記第２の複数の命令はさらに、実行されると、前記Ｐ波、ＱＲＳ群、またはＴ波のうちの少なくとも１つに関して、少なくとも１つの発現および少なくとも１つの消失を計算するように構成される、請求項３４に記載のシステム。
36. 前記第２の複数の命令はさらに、実行されると、前記第１のニューラルネットワークの発現、消失、または出力のうちの１つ以上から少なくとも１つの測定値を計算するように構成される、請求項３５に記載のシステム。
37. 前記第２の複数の命令は、実行されると、分類のために前記ＥＣＧデータを第２のニューラルネットワークに適用する少なくとも１つのアルゴリズムを使用して、前記患者の前記ＥＣＧデータを分析するように構成される、請求項２８に記載のシステム。
38. 前記第２の複数の命令は、実行されると、前記１つ以上の異常、条件、または記述子の存在の可能性を定量化する、請求項３７に記載のシステム。
39. 前記第２の複数の命令はさらに、実行されると、閾値を前記第２のニューラルネットワークの出力の中の少なくとも１つの値に適用し、前記値が閾値を超える場合、前記１つ以上の異常、条件、または記述子に対応する、少なくとも１つの標識を割り当てるように構成される、請求項３８に記載のシステム。
40. 前記第２の複数の命令はさらに、実行されると、冗長標識を除去することによって、前記ＥＣＧデータを後処理するように構成される、請求項３９に記載のシステム。
41. 前記第３の複数の命令を実行する前記コンピュータは、前記第１の複数の命令を実行するように構成される、請求項４０に記載のシステム。
42. 実行されると、前記少なくとも１つのサーバに、前記１つ以上の異常、条件、または記述子の存在に対応する、少なくとも前記伝送された情報を含む、報告を発生させるように構成される、第４の複数の命令をさらに備える、請求項３８に記載のシステム。
43. 実行されると、前記ＥＣＧデータに関連するユーザ入力を受信することと、前記少なくとも１つのサーバが、前記ユーザ入力を使用し、前記報告を発生させるように、前記コンピュータに、前記ユーザ入力を前記少なくとも１つのサーバに伝送させることとを行うように構成される、第５の複数の命令をさらに備える、請求項４２に記載のシステム。
44. 前記報告は、時間の関数として前記患者の心拍数の密度を表す、少なくとも１つの心拍数密度プロットを含む、請求項４２に記載のシステム。
45. 前記第３の複数の命令はさらに、前記コンピュータによって実行されると、前記コンピュータに、時間の関数として前記患者の心拍数の密度を表す、少なくとも１つの心拍数密度プロットを表示させるように構成される、請求項３８に記載のシステム。
46. 前記異なる患者からの前記複数のＥＣＧデータセットのうちの各セットは、前記ＥＣＧデータを取得するために使用された前記レートと等しいサンプリングレートで発生された、請求項３８に記載のシステム。
47. 前記第２の複数の命令はさらに、前記ＥＣＧデータの中の複数の脈拍に対応する、複数の波情報を発生させるように構成される、請求項３８に記載のシステム。
48. 前記第２の複数の命令はさらに、前記少なくとも１つのサーバに、埋め込みアルゴリズムを使用して前記複数の波情報を分析させ、前記複数の脈拍のうちの２つ以上の脈拍の比較に対応する、複数の埋め込みデータを発生させるように構成される、請求項４７に記載のシステム。
49. 前記複数の波情報のうちの各波情報は、ベクトルである、請求項４８に記載のシステム。
50. 前記複数の埋め込みデータのうちの各埋め込みデータは、ベクトルである、請求項４８に記載のシステム。
51. 前記埋め込みアルゴリズムは、複数のＥＣＧデータセットから訓練される、請求項４８に記載のシステム。
52. 前記第２の複数の命令はさらに、群データを発生させるように、前記複数の埋め込みデータを群化アルゴリズムによって分析させ、前記群データは、前記複数の脈拍のうちの少なくとも２つの脈拍に合致する、請求項４８に記載のシステム。
53. 前記第２の複数の命令はさらに、前記群データに基づいて、グラフィックユーザインターフェースを発生させるように構成される、請求項５２に記載のシステム。
54. 前記第２の複数の命令はさらに、前記少なくとも１つのサーバに、前記グラフィックユーザインターフェースを前記コンピュータに伝送させる、請求項５３に記載のシステム。
55. 前記グラフィックユーザインターフェースは、相互にわたってオーバーレイされる前記ＥＣＧデータの中の前記複数の脈拍のうちの少なくとも２つを含む、少なくとも１つの脈拍オーバーレイを備える、請求項５３に記載のシステム。
56. 患者の心電図（ＥＣＧ）データを分析するためのシステムであって、前記システムは、少なくとも１つのサーバ上に記憶された命令を備え、前記命令は、実行されると、前記少なくとも１つのサーバに、
    複数の時点にわたって前記患者のＥＣＧデータのセットを受信することであって、前記ＥＣＧデータのセットは、１秒あたり少なくとも２０個のサンプルのレートでサンプリングされる、ことと、
    異なる患者から１秒あたり少なくとも２０個のサンプルのサンプリングレートで発生される、ＥＣＧデータの複数のセットを使用して訓練される少なくとも１つのアルゴリズムを使用して、前記患者のＥＣＧデータのセットを分析することと、
    前記複数の時点のうちの各時点において、前記ＥＣＧデータのセットの前記分析に基づいて、１つ以上の異常、条件、または記述子、またはそれらの任意の組み合わせの存在の可能性を定量化することと、
    表示するために、前記１つ以上の異常、条件、または記述子、またはそれらの任意の組み合わせの存在の前記可能性に対応する情報をコンピュータに伝送することと
    を行わせるように構成される、システム。
57. 患者の心電図（ＥＣＧ）データを分析するためのコンピュータ化方法であって、前記方法は、
    複数の時点にわたって前記患者のＥＣＧデータのセットを受信することであって、前記ＥＣＧデータのセットは、サンプルレートでサンプリングされる、ことと、
    ＥＣＧデータの複数のセットを使用して訓練される少なくとも１つのアルゴリズムを使用して、前記患者のＥＣＧデータのセットを分析することであって、前記ＥＣＧデータの複数のセットの中の各セットは、異なる患者から前記サンプルレートで発生される、ことと、
    各時点において、前記ＥＣＧデータのセットの前記分析に基づいて、１つ以上の異常、条件、または記述子、またはそれらの任意の組み合わせを識別することと、
    表示するために、前記１つ以上の異常、条件、または記述子、またはそれらの任意の組み合わせを含む、情報をコンピュータに伝送することと
    を含む、方法。
58. 前記患者のＥＣＧデータのセットを分析することは、前記ＥＣＧデータのセットからデータを破棄することなく、サンプリングされたＥＣＧデータのセット全体を分析することを含む、請求項５７に記載のコンピュータ化方法。
59. 前記サンプルレートは、１秒あたり少なくとも２０個のサンプルである、請求項５７に記載のコンピュータ化方法。
60. 前記ＥＣＧデータの精査のために、前記ＥＣＧデータのセットおよび前記ＥＣＧデータのセットに基づく情報をユーザアカウントに割り当てることをさらに含む、請求項５７に記載のコンピュータ化方法。
61. １人以上の精査者による品質精査のために、前記ＥＣＧデータのセットおよび前記ＥＣＧデータのセットに基づく情報を提出することをさらに含む、請求項５７に記載のコンピュータ化方法。
62. 前記１人以上の精査者によって発生される、品質制御入力を受信することをさらに含む、請求項６１に記載のコンピュータ化方法。
63. 付加的品質制御精査のために、前記品質制御入力の表示を引き起こすことをさらに含む、請求項６２に記載のコンピュータ化方法。

Images