JP7471672B2 - 標的患者の臓器内の異常なパターンの位置を特定するためのコンピューティングシステム及び方法 - Google Patents

Description

関連出願への相互参照
本出願は、２０１５年１２月２２日出願の米国仮特許出願第６２／２７１，１１３号「ＣＯＭＰＵＴＡＴＩＯＮＡＬ ＬＯＣＡＬＩＺＡＴＩＯＮ ＯＦ ＶＥＮＴＲＩＣＵＬＡＲ ＦＩＢＲＩＬＬＡＴＩＯＮ ＳＯＵＲＣＥＳ」の優先権、加えて２０１６年１２月２２日出願の米国仮特許出願第１５／３８９，２４５号「ＣＯＭＰＵＴＡＴＩＯＮＡＬ ＬＯＣＡＬＩＺＡＴＩＯＮ ＯＦ ＦＩＢＲＩＬＬＡＴＩＯＮ ＳＯＵＲＣＥＳ」の優先権を主張するものであり、これらの開示は引用により本明細書に組み込まれる。

本明細書に記載される主題は、細動源のコンピューターによる局在化、より具体的には、心室細動（ＶＦ）及び／又は心房細動（ＡＦ）の源の特定に関連する。

心室細動（ＶＦ）と心房細動（ＡＦ）は、症状、病的状態（失神又は卒中）、及び死亡を引き起こす場合がある。電気的なフォーカルソース（ｅｌｅｃｔｒｉｃａｌ ｆｏｃａｌ ｓｏｕｒｃｅｓ）を再発させる安定した電気ローター、及び他の機構は、ＶＦ／ＡＦの持続し及び／又は臨床的に有意なエピソード（ｅｐｉｓｏｄｅｓ）の重要な誘発因子（ｄｒｉｖｅｒｓ）である。ＶＦ／ＡＦを処置するために、治療上のアブレーション、高周波（ＲＦ）、極低温、超音波、及び／又は外部照射源を使用して、これらの機構を標的とし及び／又は排除することができる。非侵襲的な方法を使用してＶＦ及び／又はＡＦの維持機構をマッピングする能力は、そのような不整脈の管理において重要な利点をもたらす。

ＶＦ／ＡＦの維持機構（例えば、ローター又はフォーカルソース）の位置を確実に特定する現行の方法は、現在は最適以下である。これらは頻繁に、侵襲的な処置、即ち、高価な６４の電極のバスケットカテーテルの挿入、及び／又は、除細動器パッドの配置に干渉し得る、高価で、獲得／製造が困難で、且つ扱いにくい体表面ベストを用いた不整脈のマッピングを必要とする。それ故、そのような処置は高価であり、時間を浪費し、患者にとって潜在的に危険なものである。従って、あまり高価でなく及び／又はあまり侵襲的ではない処置を用いる、細動源の存在及び／又は位置を特定する方法は、臨床的に有意な利点をもたらし得る。

幾つかの態様において、方法、コンピュータープログラム製品、及びシステムが提供される。実施において、細動源のコンピューターによる局在化のためのシステムが提供される。該システムは、少なくとも１つのプロセッサ及び／又はメモリを含む（又は、さもなくば利用する）ことができ、これらは、患者の心臓の電気的な活性化の表現の生成、及び、心臓の少なくとも１つの一致した表現を特定するために相関性に基づいた、生成された表現と心臓の１以上の記憶された表現との比較を含む操作を実行するように構成され得る。操作は更に、少なくとも１つの一致した表現に基づいた患者の心臓のコンピューターモデルの生成を含み、コンピューターモデルは、患者の心臓の１つ以上の細動源の例示を含んでいる。加えて、操作は、ユーザーインターフェースを介した、コンピューターモデルの少なくとも一部の表示を含み得る。

幾つかの態様において、生成された表現及び／又は１つ以上の記憶された表現は、三次元データ（例えば、３Ｄモデルであり得る）を含み得る。幾つかの態様において、生成された表現及び／又は１つ以上の記憶された表現は、ベクトル心電図を含み得る。表現の比較は、１つ以上の記憶された表現の各々について、生成された表現と記憶された表現との相関係数の判定を含み、少なくとも１つの一致した表現は、最も高い相関係数を持つ記憶された表現として特定され得る。

幾つかの変形において、操作は更に、異なる形状、幾何学的形状、繊維配向、瘢痕、細動源のタイプ、及び細動源の位置を含む複数のコンピューターによる心臓モデルの生成を含み得る。操作はまた、フィルタ処理したセットを特定するための患者の心臓の形状又は瘢痕に基づいた複数のコンピューターによる心臓モデルのフィルタ処理、及び／又はフィルタ処理したセットに基づく比較のための１つ以上の記憶された表現の選択を含み得る。様々な実装において、フィルタ処理は、コンピューター断層撮影画像データ、核磁気共鳴画像データ、心エコー検査データ、Ｘ線データ、蛍光透視データなどに基づき得る。

幾つかの変形において、コンピューターモデルは、左心房、右心房、左心室、及び右心室の１つ以上を含み、及び／又は、１つ以上の細動源は、左心房、右心房、左心室、及び右心室の１つ以上にマッピングすることができる。１つ以上の細動源は、ローター又はフォーカルソース、或いは、心室細動又は心房細動の他の幾つかの源を含み得る。幾つかの変形において、コンピューターモデルは、心臓の三次元メッシュ、及び／又は、三次元メッシュにマッピングされた心臓の電気的な活性化の有限状態の細動源のマップを含む。

幾つかの変形において、操作は更に、患者の心臓に基づいた心電図プロットの生成、及び／又は、心電図プロットに基づいたベクトル心電図の生成を含み得る。幾つかの変形において、操作は更に、（オリジナルの）コンピューターモデルに基づいた患者の心臓の第２のコンピューターモデルの生成を含み、第２のコンピューターモデルは、１つ以上の細動源よりも少ない細動源の数を含むように生成される。コンピューターモデルと第２のコンピューターモデルの対照比較はユーザーインターフェースを介して表示され得る。幾つかの態様において、第２のコンピューターモデルは、コンピューターモデルから１つ以上の細動源のうち１つを除去することにより生成され得る。幾つかの変形において、操作は更に、コンピューターモデルと第２のコンピューターモデルとの間の細動の変化の判定を含み得る。

現行の主題の実装は、本記載と一致するシステム及び方法を含み得、これらは、記載されるような１つ以上の特徴、同様に、１つ以上の機械（例えばコンピューターなど）に本明細書に記載される操作を結果として行わせるために操作可能な、明白に具体化された機械可読媒体を含む物品を含む。同様に、１つ以上のプロセッサ、及び１つ以上のプロセッサに繋がれる１つ以上のメモリを含み得るコンピューターシステムも記載される。コンピューター可読記憶媒体を含み得るメモリは、１つ以上のプロセッサに本明細書に記載される操作の１つ以上を実行させる１つ以上のプログラムを含み、コードし、記憶するといった場合がある。現行の主題の１つ以上の実装と一致する、コンピューターで実施される方法は、単一のコンピューティングシステム又は多数のコンピューティングシステムに存在する、１つ以上のデータ処理装置により実施され得る。そのような多数のコンピューティングシステムは、１つ以上の接続を介して接続され、且つデータ及び／又はコマンド或いは他の命令などを交換することができ、前記接続は、多数のコンピューティングシステムの１つ以上の間の直接接続を介したネットワーク（例えば、インターネット、無線広域ネットワーク、ローカルエリアネットワーク、広域ネットワーク、有線ネットワークなど）上での接続を含むが、これに限定されない。

本明細書に記載される主題の１つ以上の変形の詳細は、以下の添付図面と記載において説明される。本明細書に記載される主題の他の特徴と利点は、記載と図面、及び特許請求の範囲から明白となる。現在開示された主題の特定の特徴は、企業資源のソフトウェアシステム又は他のビジネス用ソフトソリューション或いはアーキテクチャーに関連した例示目的のために説明されているが、このような特徴は限定的ではないことを意図されていることは、容易に理解されるべきである。本開示の後の請求項は、保護された主題の範囲を定めるように意図されている。

本明細書の一部に組み込まれ且つそれを構築する添付図面は、本明細書に開示された主題の特定の態様を示し、且つ、記載と共に、開示された実装に関連した原理の幾つかの説明を補助するものである。
幾つかの例示的な実装に係る、細動源のコンピューターによる局在化のためのシステムのブロック図を表す。 幾つかの例示的な実装に係る、患者の右心房における活性化時間のマップを表す。 幾つかの例示的な実装に係る、患者の左心房における活性化時間のマップを表す。 幾つかの例示的な実装に係る、ＶＦの細動源のマップを表す。 幾つかの例示的な実装に係る、ＡＦの細動源のマップを表す。 幾つかの例示的な実装に係る、右心室における電気ローターの両室のコンピューターモデルを表す。 幾つかの例示的な実装に係る、特定されたローターを含む両室のコンピューターモデルを表す。 幾つかの例示的な実装に係る、コンピューターモデルから計算された心電図（ＥＫＧ）データのグラフを表す。 幾つかの例示的な実装に係る、コンピューターモデルから計算されたベクトル心電図（ＶＣＧ）を表す。 幾つかの例示的な実装に係る、患者の左心室におけるＶＦ中の心臓の活性化の心臓内の等時性マップを表す。 幾つかの例示的な実装に係る、心臓内の電圧に応じた患者の生体構造内のＶＦ源の位置を表す。 幾つかの例示的な実装に係る、ヒトＶＦの間のＥＫＧの読み取りのグラフを表す。 幾つかの例示的な実装に係る、記録されたＥＫＧデータから導き出されるＶＣＧを表す。 幾つかの例示的な実装に係る、様々な時点でのＶＦを伴う両室のコンピューターモデルを表す。 幾つかの例示的な実装に係る、ある時間間隔にわたるコンピューター処理されたＥＫＧの追跡のグラフを表す。 幾つかの例示的な実装に係る、ある時間間隔にわたるコンピューター処理されたＶＣＧの追跡を表す。 幾つかの例示的な実装に係る、右心房と左心房のコンピューターモデルを表す。 幾つかの例示的な実装に係る、特定されたローターを維持するシミュレートされた病気の基質を伴う右心房と左心房のコンピューターモデルを表す。 幾つかの例示的な実装に係る、一例のコンピューティング装置のブロック図を表す。 幾つかの例示的な実装に係る、細動源のコンピューターによる局在化の方法の例を表す。 幾つかの例示的な実装に係る、アブレーションの効果と心臓の細動の後のリスクを計算する方法の例を表す。 幾つかの例示的な実装に係る、同じ解剖学的位置でのローターのシミュレートされたＶＣＧ及び測定されたヒトＶＣＧを表す。

実施の際に、同様の参照番号は同様の構造、特徴、又は要素を表わす。

上述のように、あまり高価でなく及び／又はあまり侵襲的ではない手順／方法により細動源の存在及び／又は位置を特定することが望ましい場合もある。従って、心室細動（ＶＦ）又は心房細動（ＡＦ）を持つ患者におけるローター又はフォーカルソース（総体的に本明細書では「細動機構」と称される）の存在及び／又は位置を特定するための非侵襲的なシステムと方法が、記載される。幾つかの実装において、容易に利用可能な１２の主な心電図（ＥＫＧ）センサーデバイスは、大いに特定化され且つ高価である２０以上の電極を使用して、外科的移植及び／又は外部心電図（「ＥＫＧ」又は「ＥＣＧ」）ベストを必要とする、使い捨ての６４の電極のバスケットカテーテルの代わりに、患者の皮膚の表面に適用することができる。

図１は、記載された主題と一致する特徴が実施され得るシステム（１００）の機能的なブロック図を示す。例示されるように、システム（１００）は、１つ以上のユーザーアクセスデバイス（１４０）及び／又は１つ以上のセンサーデバイス（１５０Ａ－Ｄ）（総体的にセンサーデバイス（１５０）と称される）との通信が可能なコンピューティングシステム（１１０）を含み得る。幾つかの態様において、コンピューティングシステム（１００）は、通信のために１つ以上のインターフェース（１１８）を利用することができる。システム（１００）におけるデバイス間の通信は、Ｂｌｕｅｔｏｏｔｈ、近距離無線通信（ＮＦＣ）、ＺｉｇＢｅｅ、ＷｉＦｉ、それらの幾つかの組み合わせなどのような無線接続の使用など、直通通信の使用を通じて行われ得る。付加的に又は代替的に、システム（１００）におけるデバイス間の通信は、ユニバーサル・シリアル・バス（ＵＳＢ）などのハードワイヤード接続（ｈａｒｄ ｗｉｒｅｄ ｃｏｎｎｅｃｔｉｏｎ）の使用を介して行われ得る。通信は付加的に又は代替的に、ローカルエリアネットワーク、広域ネットワーク、無線ネットワーク、インターネット、それらの幾つかの組み合わせなどを含み得るネットワーク（１６０）などの上で間接通信を介して行われ得る。

ネットワーク（１６０）上の通信は、基地局、Ｎｏｄｅ Ｂ、進化型Ｎｏｄｅ Ｂ（ｅＮＢ）、アクセスノード（ＡＮ）、ホットスポットなどのネットワークアクセスデバイス（１６５）を利用することができる。幾つかの態様において、ユーザーアクセスデバイス（１４０）の何れかは、パーソナルコンピューター、デスクトップコンピューター、ラップトップ、作業端末、携帯電話、デジタルメディアデバイス、スマートフォン、スマートウォッチ、ＰＤＡ（携帯情報端末）、タブレット、ハードウェア／ソフトウェアサーバー、センサー、センサーデバイス、端末、アクセスターミナル（ＡＴ）、移動局、ユーザー装置（ＵＥ）、サブスクライバユニットなどを含み得る。幾つかの態様において、センサーデバイス（１５０）の何れかは、ＥＫＧセンサーデバイス、ベクトル心電図（ＶＣＧ）センサーデバイス、心臓撮像デバイスなどを含み得る。幾つかの実装において、心臓撮像デバイスは、コンピューター断層撮影（ＣＴ又はＣＡＴ）スキャンデバイス、核磁気共鳴画像（ＭＲＩ）スキャンデバイス、セスタミビスキャンデバイス、タリウムスキャンデバイス、マルチゲート収集（ｍｕｌｔｉ－ｇａｔｅｄ ａｃｑｕｉｓｉｔｉｏｎ）スキャンデバイス、Ｘ線デバイス、心エコー検査デバイス、蛍光透視法デバイスなどを含み得る。様々な実装において、データ（例えば、心臓撮像データ）が提供され、及び／又はそれぞれのデバイス（例えば、心臓撮像デバイス）は提示されない場合もある。コンピューティングシステム（１１０）、ユーザーアクセスデバイス（１４０）、及び／又はセンサーデバイス（１５０）の中の有線又は無線通信は、様々なプロトコル及び／又はアクセス技術（例えば、汎欧州デジタル移動電話方式（ＧＳＭ）、ユニバーサル移動体通信システム（ＵＭＴＳ）、ＷｉＦｉ及び／又はＢｌｕｅｔｏｏｔｈなどのＩＥＥＥにより開発された技術、ロング・ターム・エヴォリューション（ＬＴＥ）及び／又はＣＤＭＡ２０００などの第三世代パートナーシッププロジェクト（３ＧＰＰ）又は３ＧＰＰ２により開発された技術）に従って行われる場合がある。

例示されたシステム（１００）の少なくとも一部は、記憶データ、モデル、アルゴリズムなどと対話するハードウェア及び／又はソフトウェアを含み、及び／又は、データを受信、送信、定義、生成、及び／又は更新し得る。例示されるように、コンピューティングシステム（１１０）はプロセッサ（１９０）を含み、これは、コンピューティングシステム（１１０）の操作を管理／制御するために使用され得る。更に例示されるように、コンピューティングシステム（１１０）は、コアソフトウェア（１１２）及び／又は１つ以上のソフトウェアモジュール（１１４）を含み得る。コアソフトウェア（１１２）は、高レベルのプログラミングソフトウェアシステムの１つ以上の特徴を提供することができる。ソフトウェアモジュール（１１４）は、更に特定化された機能性を提供することができる。例えば、コアソフトウェア（１１２）及び／又はソフトウェアモジュール（１１４）は、センサーによる管理及び／又はデータ処理の機能性を含み得る。幾つかの態様において、コアソフトウェア（１１２）又は他の同様のソフトウェア／ハードウェアは、データベース（１２０）などのデータベース層にアクセス可能であり得る。データベース（１２０）はあらゆる種類のデータを記憶することができる、該データには潜在的に、センサーデバイス（１５０）から検索されたデータ、コンピューターモデル、ＥＫＧデータ、ＶＣＧデータ、機械学習アルゴリズム、データ変換アルゴリズム等が挙げられるが、これらに限定されない。

例えば、例示されるように、データベース（１２０）は、モデルライブラリ（１９２）、患者に特異的なモデル（１９４）、患者データライブラリ（１９５）、ＶＣＧライブラリ（１９６）、データ変換アルゴリズム（１９７）、及び／又は機械学習アルゴリズム（１９８）を含み得る。モデルライブラリ（１９２）は、心臓、心臓の一部、他の臓器などの複数のコンピューターモデルを保持することができる。モデルライブラリ（１９２）におけるコンピューターモデルは、高解像度（例えば、約５００，０００より大きな自由度）の有限要素モデルであり得る。コンピューターモデルの少なくとも一部は、Ｆｅｎｔｏｎ－Ｋａｒｍａ、Ｂｕｅｎｏ－Ｃｈｅｒｒｙ－Ｆｅｎｔｏｎ、ｔｅｎ Ｔｕｓｓｈｅｒ－Ｎｏｂｌｅ、或いはシミュレートされたＶＦ又はＡＦの間のヒトの心室又は心房の活動電位の同様の詳細なイオンモデルをそれぞれ組み込むことにより生成され得る。

患者に特異的なモデル（１９４）は、モデルライブラリ（１９２）のモデルと同様のコンピューターモデルを含み得るが、患者に特異的なモデル（１９４）のモデルは実際の患者のデータに基づいて生成され得る。例えば、例示されるように、心臓内センサーデバイス（１５０Ａ）は、患者（１３０Ａ）の心臓の内部からデータを記録するために適用され得る。同時に（又は略同時に）、ＥＫＧセンサー（１５０Ｂ）は、ＥＫＧ読み取りを記録するために患者（１３０Ａ）の外部に適用され得る。これらの読み取りの組み合わせに基づいて、１つ以上の患者に特異的なモデル（１９４）を生成して記憶することができる。幾つかの実装において、患者に特異的なモデル（１９４）は付加的に又は代替的に、ＣＴスキャンデータ、ＭＲＩスキャンデータ、セスタミビスキャンデータ、タリウムスキャンデータ、マルチゲート収集スキャンデータ、蛍光透視データ、Ｘ線データ、心エコー検査データ、及び／又は、患者（１３０Ｎ）の心臓の形状や瘢痕などを特定するために使用され得る他の心臓の画像化データに基づき得る。

ＶＣＧライブラリ（１９６）は、モデルライブラリ（１９２）及び／又は患者に特異的なモデル（１９４）のコンピューターモデルに関するＶＣＧデータを含み得る。例えば、ＶＣＧモデルは、モデルライブラリ（１９２）のコンピューターモデルに基づいて（例えば、各モデルに関連したＥＫＧデータに基づいて）シミュレートされ得る。幾つかの実装において、ＶＣＧモデルは、心臓又はその幾つかの部分における電気活性の三次元追跡（ｔｈｒｅｅ－ｄｉｍｅｎｓｉｏｎａｌ ｔｒａｃｉｎｇ）を含み得る。幾つかの態様において、ＶＣＧデータは、時間空間的なＶＣＧデータを含み得る。ＶＣＧライブラリ（１９６）のＶＣＧデータは、患者データから構築されたＶＣＧが一致し得る診断テンプレートとして役立ち得る。例えば、このＶＣＧライブラリデータは、患者内のＶＦ／ＡＦ源の位置を特定するために患者のＶＣＧデータと比較することができる。例えば、例示されるように、ＥＫＧセンサーデバイス（１５０Ｄ）は患者（１３０Ｎ）からＥＫＧデータを得ることができる。このＥＫＧデータを使用してＶＣＧデータを生成することができ、生成されたＶＣＧデータは、ＶＣＧライブラリ（１９６）のＶＣＧデータと比較することができる。これらのデータセットの中の相関性のレベルに基づいて、本明細書に記載されるようにＶＦ／ＡＦ源を特定することができる。幾つかの実装において、ＶＣＧライブラリ（１９６）のＶＣＧデータは、患者（１３０Ｎ）の心臓の物理的特徴（例えば、形状、瘢痕など）に基づいた比較のために（予め）フィルタ処理することができ、これは、ＣＴスキャンデバイス、ＭＲＩスキャンデバイス、心エコー検査デバイスなどを含み得る心臓撮像デバイス（１５０Ｃ）を介して得られたデータに基づいて判定され得る。幾つかの実装において、ＶＣＧライブラリ（１９６）内のデータは付加的に／代替的にモデルライブラリ（１９２）内に記憶され得る。例えば、心臓のコンピューターモデルはそれぞれ、ＶＣＧデータを含むか、或いはそれに関連付けられ得る。

幾つかの実装において、モデルライブラリ（１９２）内のコンピューターモデルは、患者に特異的なモデル（１９４）に基づいて生成及び／又は検証され得る。例えば、ＶＣＧライブラリ（１９６）のＶＣＧは、それらを、患者に特異的なモデル（１９４）から得ることができるヒトＶＣＧと比較することにより検証され得る。例えば、図１２は、同じ心室の位置から、ヒトのローター（１２１０）とシミュレートされたローター（１２５０）に基づいて生成されたＶＣＧ（１２２０）、（１２６０）の比較を示す。幾つかの態様において、ヒトのローター（１２１０）は患者におけるＶＦ源であり得る。例示されるように、ローターは、左心室内の中間の心室の後外側の位置にあり、及び／又は心内膜から見た時に反時計回りの方向に回転し得る。対応する第１のＶＣＧ（１２２０）は、ＶＦの特定のサイクルにわたり、この患者のための臨床的ＶＣＧループを示す。

幾つかの態様において、第２のＶＣＧ（１２６０）はシミュレートされたＶＣＧループを示し、これは、（例えばＶＦの同じサイクルにわたり）臨床的ＶＣＧ（１２２０）に非常に接近している。第２のＶＣＧ（１２６０）はＶＣＧライブラリ（１９６）内に記憶され及び／又はそこから検索され得る。対応するコンピューターでシミュレートされたローター（１２５０）は、ＶＣＧ（１２６０）のデータにより示されたＶＦ源をシミュレートすることができる。例示されるように、ＶＦ源のローター（１２５０）の位置は、左心室内の中間の心室の後外側の位置に位置付けられており、及び／又は心内膜から見た時に反時計回りの方向に回転し得る。例示されるように、ＶＣＧ（１２２０）（１２６０）はタイミング情報に基づいて暗くなる（ｓｈａｄｅｄ）。

図１に戻ると、幾つかの態様において、患者に特異的なモデル（１９４）のＶＣＧは、ＶＦが誘発された患者から得られる並列電極の侵襲的な心臓内の記録を用いて特定される既知のローター及びフォーカルソースの位置と共に、患者データライブラリ（１９５）から提供され及び／又はその中に記憶され得る既存のヒトのデータセットから構築され得る。

幾つかの態様において、患者に特異的なモデル（１９４）のロバストネスは、モデルライブラリ（１９２）の精度及び／又は値を増大することができ、これにより、患者（１３０）内のＶＦ／ＡＦ源を特定する尤度及び／又は患者（１３０）の心臓内のＶＦ／ＡＦ源の特定の位置を判定する精度が増大される。機械学習アルゴリズム（１９８）は、ＥＫＧセンサーデータ、ＣＴスキャンデータ、ＶＣＧなどの受信に基づいて患者内のＶＦ／ＡＦを検出するためのアルゴリズムを生成するために、患者に特異的なモデル（１９４）に基づいて訓練され得る。例えば、関連づけられたＥＫＧデータとＶＣＧは、ＶＦ／ＡＦの機構と部位（ｌｏｃｉ）を特定する機械学習アルゴリズムを訓練するために使用され得る。幾つかの例の実施形態において、ＶＦ／ＡＦローターの存在と位置を予測するための診断基準を導き出すためのアルゴリズムが提供され得る。この目的のために、自動化された診断ツールは、統計的な分類及び／又は機械学習技術を使用してＶＦ／ＡＦの機構と位置を特定するために、ＶＦ／ＡＦを持つ患者の表面ＥＫＧから算出されたＶＣＧを診断テンプレート（例えば、ＶＣＧライブラリ（１９６））と自動的に比較するように提供され得る。

幾つかの実装において、データ変換アルゴリズム（１９７）は、統計的な分類及び／又は機械学習技術を使用して、胸部の寸法、肺の幾何学的形状、筋肉組織の範囲、体脂肪の構成、及び／又は表面電極測定に影響を及ぼし得る他の要因における患者間の差を説明するために、患者（１３０Ａ）から測定されたＥＫＧ及び／又はＶＣＧデータを標準化するように使用され得る。

幾つかの実装において、モデルライブラリ（１９２）、患者特異的なモデル（１９４）、ＶＣＧライブラリ（１９６）、機械学習アルゴリズム（１９８）、データ変換アルゴリズム（１９７）、及び／又は患者データライブラリ（１９５）は、ＶＦ／ＡＦ機構に特異的であり得る。例えば、モデルライブラリ（１９２）と患者に特異的なモデル（１９４）は、ローターのためのモデル、及びフォーカルソースのための別個のモデルを含み得る。従って、ＶＣＧライブラリ（１９６）は、ローターに基づくＶＣＧ、及びフォーカルソースに基づく別個のＶＣＧを含み得る。ローターとフォーカルソースがＶＣＧの内で様々な方法により具現化すると、モデル／ＶＣＧの別個のセットを使用して、機構、加えてその位置を特定することができる。

幾つかの態様において、コアソフトウェア（１１２）は、１つ以上のセンサーデバイス（１５０）やユーザーアクセスデバイス（１４０）などを介してユーザー又はコンピューターシステムにより開始される命令、データ、又はクエリの受信に応じて、データベース（１２０）からメモリ（１１６）（例えばメインメモリ）へと情報をロードするように構成され得る。データベース（１２０）はコンピューティングシステム内に位置しているものとして例示されるが、様々な実装において、データベース（１２０）の少なくとも一部はコンピューティングシステム（１１０）と離れている場合がある。

幾つかの態様において、ソフトウェアモジュール（１１４）の１つ以上は、メモリ（１１６）に記憶されたデータ、データベース（１２０）に記憶されたデータ、及び／又はコンピューティングシステム（１１０）にアクセス可能なデータを利用するように構成され得る。幾つかの態様において、コンピューティングシステム（１１０）は、コンピューティングシステム（１１０）では利用可能で無い場合もある付加的な機能又はサービスを提供することができる、外部ソフトウェアを利用可能な場合もある。幾つかの態様において、外部ソフトウェアはクラウドサービスを含み得る。幾つかの態様において、コンピューティングシステム（１１０）はゲートウェイを統合、又はさもなくば設けることができ、これを介してユーザーは外部ソフトウェアにより提供される機能にアクセスすることができる。幾つかの実装において、データベース（１２０）及び／又はそのコンテンツは１つ以上のサーバーにわたって位置付けられ、及び／又は、コンピューティングシステム（１１０）、ユーザーアクセスデバイス（１４０）、及び／又はセンサーデバイス（１５０）の中の通信はネットワーク（１６０）上で行われ得る。

幾つかの態様において、データベース（１２０）は、ハードウェアサーバーの中に、又は複数のハードウェアサーバーにわたって物理的に記憶され得る。幾つかの態様において、システム（１００）は、クラウドベースのシステム及び／又はデータ処理システムとして実装され得る。

図２Ａは、幾つかの例示的な実装に係る、患者の右心房（２１０）における（影の付いたスケール（ｓｈａｄｅｄ ｓｃａｌｅ）に応じてミリ秒での）細動源の活性化マップ（２００）を表す。例示されるように、右心房（２１０）のより長い及び／又は維持された活性化は、源（２２０）の周囲で回転し得る。この源（２２０）は、ＡＦの源、より具体的にはローターと見なされ得る。幾つかの態様において、ローターは、実際には少なくとも部分的に回転式であるＡＦの形成中心（例えば、活性化時間の持続時間が最大である領域）と見なされ得る。右心房（２１０）が例示且つ記載されているが、ローターは心臓の任意の室内に存在し得る。

図２Ｂは、幾つかの例示的な実装に係る、患者の左心房（２６０）における（影の付いたスケール（ｓｈａｄｅｄ ｓｃａｌｅ）に応じてミリ秒での）細動源の活性化マップ（２５０）を表す。例示されるように、左心房（２６０）のより長い及び／又は維持された活性化は、源（２７０）から生じ得る。この源（２７０）は、ＡＦの源、より具体的にはフォーカルソースと見なされ得る。幾つかの態様において、フォーカルソースは、ＡＦが遠位に生成される形成中心（例えば、活性化時間の最大持続時間が生じる領域）と見なされ得る。左心房（２７０）が例示且つ記載されているが、フォーカルソースは心臓の任意の室内に存在し得る。

図２Ｃは、幾つかの例示的な実装に係る、ＶＦの細動源のマップ（２８０）を表す。幾つかの態様において、細動源のマップ（２８０）は、本明細書に記載されるコンピューターアルゴリズムの産物であり得る。例示されるように、ＶＦを維持する心臓内の領域は、ＶＦ源（２８５）が心室の特定領域に位置するＶＦサイクルのパーセントに応じて暗くなる。

図２Ｄは、幾つかの例示的な実装に係る、ＡＦの細動源のマップ（２９０）を表す。幾つかの態様において、細動源のマップ（２９０）は、本明細書に記載されるコンピューターアルゴリズムの産物であり得る。例示されるように、ＡＦを維持する心臓内の領域は、ＡＦ源（２９５）が心房の特定領域に位置するＡＦサイクルのパーセントに応じて暗くなる。

ＶＦ／ＡＦの源（２２０）、（２７０）、（２８５）、及び（２９５）の位置の特定は、その位置の知識が外科的処置の誘導、及び医療専門家が必要とする当て推量の量の最小化を助けることができるため、有益となり得る。例えば、ＡＦを有する患者において、個々のローター（例えば、図２Ａに例示されるように）又はフォーカルソース（例えば、図２Ｂに例示されるように）は、アブレーションのために標的とされ得る。加えて、源は、そのような源（例えば、図２Ｃと２Ｄに例示されるような）から生じるサイクル／時間のパーセンテージに応じて優先され得る。その後、アブレーションは、源ではない組織に送達されるのではなく、臨床的不整脈を持続させる領域に送達され得る。順に、源（２２０）（２７０）の位置は特異的に標的とされ得るので、処置の成功の可能性が高まる場合がある。加えて、手術中の他の臓器、神経、骨、筋肉への損傷のリスクの低下、回復時間の減少、及び／又は瘢痕の最小化が生じ得る。

心不全は、心室の形状、繊維配向、イオンチャネル発現の再形成の変化、及び／又は同様に他の条件／変化を含む及び／又はそれらに基づき得る複合疾患である。故に、心臓のコンピューターモデルは、例えば、図１のコンピューティングシステム（１１０）に従い、特定の患者の条件／変化に基づいてＶＦ／ＡＦの源／位置を特定するために、生成され、修正され、表示され、又はさもなくば利用され得る。

心臓（又はその部分）のコンピューターモデルは、心臓を表す撮像情報（例えば、三次元）、及び／又は心臓の電気生理現象を表す電気データに基づいて生成され得る。コンピューターモデルの少なくとも幾つかは、コンピューターモデルを生成するために使用されるデータ、及びコンピューターモデルに関連して使用されるパラメーター／メトリクスが、条件／変化を考慮に入れて、与えられた患者に対し特異的であり得るという意味で、患者に特異的であり得る。しかし、患者に特異的なモデルを生成するのに必要な時間、労力、コスト、及び侵襲的処置は、禁止される場合もある。例えば、心臓の内部から電気的性質を測定するために、心臓内の記録カテーテル又はデバイスの位置決めが必要とされ得る。従って、コンピューターモデルの少なくとも幾つかは、特定の患者の心臓を表わさないという意味で、通常のモデルかもしれない。これらコンピューターモデルは、患者に特異的なモデル又は他の患者に特異的なデータ、ヒトの心臓の測定された／既知の特徴などに基づいて、手作業で生成され得る。その後、例えば、図１のコンピューティングシステム（１１０）において注記されるように、生成されたモデルはより特異的な患者の構成へと「変換」され得る。

通常のモデルは、付加的な通常のモデルを生成するために修正され得る。例えば、（例えば、患者から得られる患者に特異的なモデル又は他のデータとの比較を通じて）十分に正確なものとして検証された通常のモデルに基づいて、心臓の形状及び／又は心臓内の瘢痕の位置は、変更され得る。心臓の形状及び／又は瘢痕はＶＦ／ＡＦに影響を及ぼしかねないため、様々な心臓の形状／瘢痕を持つ付加的なモデルを持つことで、ＶＦ／ＡＦの源を位置特定する際に付加的な精度を提供することができる。幾つかの実装において、何千ものコンピューターモデルが、モデルライブラリ（１９２）内に生成及び／又は記憶され得る。これら生成技術の何れかは、手動であり、少なくとも部分的に自動であり、及び／又は機械学習に基づき得る。幾つかの態様において、コンピューターモデルは不整脈の有限要素コンピューターモデルと見なされ得る。

患者の心臓の電気的性質の測定が生成及び／又は受信され得る。例えば、コンピューティングシステム（１００）は、患者のＥＫＧデータを受信及び／又は記録し得る。幾つかの実装において、ＥＫＧデータは、患者の（例えば、胸、腕、脚、頭部などの表面上の）多数の身体の位置からの心臓の電気的機能の連続的で動的な信号を記録する、１２の主なＥＫＧなどのＥＫＧセンサーデバイスから得られる場合がある。加えて、コンピューティングシステム（１００）は、患者の心臓内のデータを受信及び／又は記録し得る。幾つかの実装において、心臓内のデータは、心臓の少なくとも１つの室内にある操縦可能なマッピングカテーテル及び／又はアブレーションカテーテル（例えば、ＶＦについては左心室及び／又は右心室にあるアブレーションカテーテル、或いは心房細動については左心房及び／又は右心房内のアブレーションカテーテル）から、或いは、患者の心臓内からの心臓の電気機能の連続的な動的信号を記録する、心臓の少なくとも１つの室内にある６４の電極バスケットカテーテルなどの１つ以上のバスケットカテーテル（例えば、ＶＦについては左心室及び右心室にあるもの、又はＡＦについては左心房及び右心房にあるもの）から、得ることができる。

幾つかの態様において、心臓内のデータは、コンピューティングシステム（１００）が、患者の心臓の内部と外部からの心臓の電気機能を表すデータへのアクセスを持つように、ＥＫＧデータと（例えば一時的に）一致され得る。心臓内データとＥＫＧデータとの関係に基づいて、ＶＦ／ＡＦ源（例えばローター又はフォーカルソース）を特定するために、パターンが特定され、及び／又は相関性が定められ得る。幾つかの実装において、心臓内データとＥＫＧデータは、患者の心臓が興奮している時、及び／又は患者の心臓がリラックス状態にある時に測定することができる。一例示的な実装において、心臓の電気活性は、心臓の活性化と表面ＥＫＧ記録及び／又は算出されたＶＣＧとの関係を築くために、１つ以上の位置での心臓内の慣例的なペーシングから記録され得る。別の実装において、ＶＦ／ＡＦは患者内で誘発することができ、この時間中の電気データを測定／記録することができる。このデータは、ＶＦ／ＡＦの間に患者の心臓がどのように作用するかを実証するため、ＶＦ／ＡＦ源を特定するためにベースラインデータ及び他の患者のデータと比較され得る。

患者の心臓（例えば左心房、右心房、左心室、及び／又は右心室）の画像データが受信され得る。例えば、コンピューティングシステムは、臨床的心臓ＣＴスキャンデバイス、２Ｄ又は３Ｄ心エコー検査デバイス、心筋血流スキャンデバイス、ＭＲＩデバイス、陽電子照射断層撮影デバイス、Ｘ線デバイス、蛍光透視デバイス、及び／又は、心臓（及び／又はその一部）の画像を生成又は提供可能な他のデバイスから得られた心臓画像（又はその一部）を含む画像データを受信及び／又は記録し得る。心臓の３Ｄ解剖学的モデルを心臓内データ及び／又はＥＫＧデータと組み合わせるために、データ処理装置は、心臓内データ及び／又はＥＫＧデータが心臓の（例えば、その心室又は心房の領域の）適切な配向で整列されるように、データを記録（例えば、整列）し得る。

患者の電気活性上のデータを含む４次元（４Ｄ）の患者に特異的なコンピューターモデルが生成され得る。例えば、コンピューティングシステム（１１０）は、電気活性データから追加のダイナミクスと共に受信された３Ｄデータに基づいて、４Ｄモデルを生成し得る。４Ｄコンピューターモデルは、経時的に心臓（又はその一部）の形態と生体構造の３Ｄ表現を提供し、及び、時間の異なるＥＫＧデータ及び／又は心臓内データなどの心臓（又はその一部）の時間の異なる電気的ダイナミクスを提供することができる。電気的なダイナミクスは、心筋を介する活性化の活性化パターン及び／又は電気的軌道を含み得る。電気的なダイナミクスは、電気的な再分極／回復のパターン（例えば、シーケンス）を含み得る。このモデルはまた、個々の患者において測定され又はシミュレートされ得る、灌流又は梗塞の地理的分布などの付加的／代替的な態様を含み得る。

幾つかの実装において、コンピューターモデルは、患者の心臓の３Ｄの両室の幾何学的形状、ヒトの心臓の繊維構造、部分的及び／又は完全な脚ブロックなどの心筋虚血、梗塞、解剖学的（及び／又は機能的な）電気伝導度の欠如の存在により引き起こされた異種の伝導度の領域などに重ねられ及び／又は記録されるＥＫＧデータを含み得る。このモデルは有限要素メッシュを使用して生成され得る。（心室の生体構造を含み得る）心臓の患者に特異的な有限要素メッシュは、臨床的ＣＴデータ、灌流画像、ＭＲＩデータ、及び／又は他のタイプの画像データなどの画像データから生成され得る。

コンピューターモデルはまた、心臓の繊維構造を含み得る。心臓の繊維構造は、例えば、解剖学的なモデルに対してＤＴ－ＭＲ測定を記録するために対数－Ｅｕｃｌｉｄｅａｎの補間法のフレームワークを使用して経験的に推定され得る。再構築された拡散テンソルは、ローカルファイバー、シート、及びシート正常軸（ｓｈｅｅｔ－ｎｏｒｍａｌ ａｘｅｓ）を挿入するために対応する解剖学的なメッシュにおいて、対数変換された構成要素の領域として適合され得る。結果として生じるモデルにおけるファイバーの配向は、大変形の微分同相写像を介して患者へとマッピングされ、且つ、ファイバーの配向に対する心室の形状の差異の効果を説明するためにテンプレートと標的の患者の心室の幾何学的形状との間の３Ｄ変形勾配に基づいて再配向され得る。結果として生じるファイバー－シートのモデルは、（例えば約７：１のファイバー－シートの異方性比を有し得る）横方向に等方性又は直向性の心室の電気伝導度の局所的な基礎を形成する。

コンピューターモデルはまた、心筋虚血、梗塞の領域、及び／又は、他の領域も含み得る。このような場合、心筋虚血又は梗塞の領域は、例えば、圧迫と休息中に得られた灌流画像及び／又はセスタミビ灌流画像から特定され得る。心筋虚血又は梗塞の境界領域は、心臓の生成された解剖学的メッシュ上で境界を定められ得る。例えば、患者は、中隔後部梗塞、及び下壁梗塞を患う場合もある。これらの領域は、通常の組織及び梗塞の組織の２進数フィールドとしてコンピューターモデルに記録され得る。

コンピューターモデルはまた、境界域及び／又は梗塞または虚血の領域における伝導性と同様に、筋繊維及び横方向の配向における左心室及び右心室の心臓内かバルク心筋の組織の電気伝導性などの、心筋の電気伝導度特性を含み得る。電位は、心不全中に生じるチャネル動力学における変化を適応するために調節されるヒト心室のミオサイトのモデルにより説明されうる。活動電位の伝搬は、モノドメインまたはバイドメインの反応拡散数学的フレームワーク（ｒｅａｃｔｉｏｎ－ｄｉｆｆｕｓｉｏｎ ｍａｔｈｅｍａｔｉｃａｌ ｆｒａｍｅｗｏｒｋ）においてモデル化されうる。心室のドメインの電気伝導度は、左心室および右心室の心内膜下領域（例えば、心室腔に横に隣接する３ｍｍまで）、梗塞領域、および残りのバルク心筋に区分化され得る。心臓内の領域における伝導度は、明確にモデル化されていない場合には、プルキンエシステムの高速伝導を説明するためにバルク心筋の伝導度の例えば約１０倍まで変動することができる。梗塞または虚血の領域において、伝導度は等方性であってもよく、かつ、伝導度は、バルク心筋において約１０％から９０％の間で変動することができる。

図３Ａは幾つかの例示的な実装に係る、左心室および右心室（３１０）の両室のコンピューターモデル（３００）を表す。コンピューターモデル（３００）は、異なる場所にある心筋電位の模擬心筋電圧マップ（３２０ａ－ｄ）（まとめて細動マッピング（ｆｉｂｒｉｌｌａｔｏｒｙ ｍａｐｐｉｎｇ）（３２０）と称す）を有する、左心室（３１０）の一連の有限状態として示されている。しかし、本明細書に記載されているように、コンピューターモデル（３００）は、ＶＦを示すパターンに従って、左心室（３１０）の表面の周りで／横切って動く細動源マッピング（ｆｉｂｒｉｌｌａｔｏｒｙ ｓｏｕｒｃｅ ｍａｐｐｉｎｇ）（３２０）を（例えば、第４の次元として）有する、左および右の心室（３１０）の３次元モデルでありうる。いくつかの態様において、細動源マッピング（３２０）は代表的な、心臓内、ＥＫＧ及び／又はＶＣＧ、のデータであることができる。

幾つかの態様において、ＶＦ源は、細動源マッピング（３２０）に基づいて特定することができる。例えば、細動源マッピング（３２０）に基づいて、コンピューティングシステム（１１０）は、ＶＦを示す電圧が、催不整脈性基質の特定の点／領域の周りを回転することを判定でき、これは、図３Ｂの白い部位を介して示されるハイライトされた源（３３０）によって示されるように、この場合にはローターとして（あるいは、例えば他の場合には前壁活性化（ｆｏｃａｌ ａｃｔｉｖａｔｉｏｎ）として）特定され得る。 幾つかの態様において、源（３３０）は疾患にかかった心臓の基質の位置でありうる。

幾つかの実装において、コンピューターモデル（３００）はユーザーインターフェースを介して表示することができ、（例えば、細動マッピング（３２０）の動き、および／または、源（３３０）のＶＦ／ＡＦサイクル／サイズの強度／パーセンテージを示す）アニメーションを含みうる。いくつかの態様において、コンピューターモデル（３００）は４Ｄモデルであり得、及び／又は、細動源マッピング（３２０）は４次元と見なすことができる。左心室（３１０）および細動源マッピング（３２０）の４つの状態のみが示されているが、任意の数の状態が可能である（例えば、無限大にまで）。幾つかの実装において、源（３３０）についての情報（例えば位置、特定の位置での活性化の周波数／パーセンテージ、機構等）は、記憶され、及び／又は、ユーザーに表示されうる。

判定された細動源の位置において様々なレベルの粒度（ｇｒａｎｕｌａｒｉｔｙ）が可能である。例えば、幾つかの実装において、細動機構（例えばローターまたはフォーカルソース）、心臓の特定の室（例えば左または右の心房または心室）、及び／又は、細動源の領域（例えば前方のＬＶ）を特定することができる。しかし、幾つかの実装において、特定の位置が特定されてもよく、これは、観察される細動源が特定の時間量を費やす場所または発する場所に基づいて推定することができる。ＶＦ／ＡＦの源の位置を特定する精度は、観察されたＶＣＧパターンの感度、ＶＣＧパターンのライブラリが生成されるコンピューターモデルのロバストネス、及び／又は、機械学習方法の力に基づきうる。

上記のとおり、コンピューターモデルはＥＫＧデータに基づくことができ、及び／又は、ＥＫＧデータを含みうる。図４Ａは、幾つかの例示的な実装に係る、コンピューターモデルから計算されたＥＫＧデータのグラフ（４１０）を表す。幾つかの態様において、このＥＫＧデータは、１２誘導ＥＫＧセンサーデバイスの使用を通じて生成されうる。本明細書の例は、心内膜および／またはＥＫＧデータを参照するが、データは、追加的または代替的に、ＶＣＧデータなどの他のタイプの電気データを含むことができる。例えば、図４Ｂは、いくつかの例示的な実装による、側方の視点からのＶＣＧ追跡を有するＶＣＧモデル（４２０）と、上方の視点からの追跡を有するＶＣＧモデル（４３０）とを示す。いくつかの態様において、ＶＣＧ追跡の内部に配置された黒い心臓モデルは、俯瞰のためのものにすぎず、ＶＣＧ追跡（４２０）、（４３０）の一部を形成しないことがある。幾つかの実装において、ＶＣＧモデル（４２０）、（４３０）はＥＫＧデータに基づいて生成されうる。

上記のとおり、ＶＣＧモデル（４２０）、（４３０）は、ＶＦ／ＡＦの多数の実際の両室のコンピューターモデル（例えば、モデルライブラリ（１９２）中のコンピューターモデルおよび／または患者特異的モデル（１９４））から構築された時間空間的なＶＣＧモデルでありうる。幾つかの実装において、モデルライブラリ（１９２）は、異なる解剖学上の内側肺底区からのローター／フォーカルソースをシミュレートするモデルを含んでいてもよい。より多くの、またはより少ない位置が可能であり、いくつかの態様では、シミュレートされた位置は、潜在的な源の位置の大部分を包含することができる。

幾つかの態様において、ＶＣＧデータの座標軸、及び／又は、対応するコンピューターモデルの座標軸は、図１のデータ変換アルゴリズム（１９７）に関して前述されたように、互いに正確に位置合わせされるまで回転しうる。

図５Ａは、幾つかの例示的な実装に係る、ＶＦ中の患者の左心室（５１０）における細動マップ（５００）を表す。図２Ａの細動源マップ（２００）と同様に、細動マップ（５００）は源（５２０）においてＶＦローターを示すことができる。例えば、図５Ｂは、幾つかの例示的な実装に係るローターの細動源のマップ（５５０）を表す。幾つかの態様において、このマップ（５５０）は患者（５６０）の後部の図でありえる。細動源のマップ（５５０）の断面図（５７０）において示されるように、患者の左心室において、瘢痕組織（５８０）、境界域組織（５８５）、及び／又は正常組織（５９０）の領域が存在しうる。幾つかの態様において、瘢痕組織（５８０）／境界域組織（５８５）はＶＦを持続することができ、それ故、患者（５６０）の将来的な不整脈の可能性を低減するため、アブレーション及び／又は外部放射線治療のために特定されるべきである。いくつかの態様において、この瘢痕組織（５８０）及び／又は境界域組織（５８５）は催不整脈性心臓基質と見なすことができる。

患者内のＶＦ／ＡＦの源を特定するために、本明細書に記載されているコンピューターモデルを患者から得られたデータと比較することができる。幾つかの態様において、患者は、自分がＶＦ／ＡＦを有していることを知っているかもしれないが、それらのＶＦ／ＡＦの源の位置を知らない。この点について、患者はＶＦ／ＡＦの正確な起源（例えば、患者のＶＦ／ＡＦ、および／または心臓死の危険性が、どれほど悪いのか）、植え込み型除細動器（ＩＣＤ）が有益かどうか、アブレーションまたは手術が将来の不整脈を予防するために有益であるかどうか、手術のリスクは何か、などを知りたがる場合がある。本明細書に記載されている主題を使用して、患者は、患者の質問および懸念によりよく対処するために、患者の非侵襲的測定を行い、測定データをコンピューティング装置に提供し、データを受信する医師のところに行くことができる。

幾つかの実装において、非侵襲的測定は１２誘導ＥＫＧセンサーの使用などを通じて、患者からＥＫＧデータを得ることを含みうる。例えば、図６Ａは幾つかの例の実装に係る、ＶＦの間のＥＫＧの読み取りのグラフ（６１０）を表す。幾つかの態様において、ＥＫＧデータは誘導されたＶＦ／ＡＦの間に得られる。ＥＫＧの読み取りに基づいて、ＶＣＧモデル及び／又は追跡を、患者のために生成しうる。例えば、図６Ｂは、幾つかの例示的な実装に係る、側方の視点からのＶＣＧモデル（６２０）と上方の視点からのＶＣＧモデル（６３０）とを表す。いくつかの態様において、黒い心臓モデルは、配向のためにのみ提供され、ＶＣＧモデル（６２０）、（６３０）またはＶＣＧ追跡の一部を形成しない。幾つかの実装において、ＶＣＧモデル（６２０）、（６３０）は、ＥＫＧの読み取りを使用することなく生成されうる。

例えば、ＶＣＧモデル（６２０）、（６３０）が患者について得られると、これらを例えばＶＣＧライブラリ（１９６）において記憶されたＶＣＧモデルと比較しうる。患者由来のＶＣＧモデル（６２０）、（６３０）と、シミュレート／記憶されたＶＣＧモデルとの間で計算された類似性に基づいて、ＶＦ／ＡＦ源を特定することができる。幾つかの態様において、類似性を１つ以上（例えば２）の直交平面において測定することができる。幾つかの実装において、ピアソンの相関性または同様の比較アルゴリズムを、ＶＣＧを比較するために使用することができる。相関係数に基づいて、ＶＦ／ＡＦ源を患者内で特定することができる。

患者は１より多くのＶＦ／ＡＦ源を有することがあるので、複数の比較を行うことができる。例えば、ＶＣＧは、患者から一連の時間間隔にわたって得ることができる。いくつかの態様において、ＶＣＧは時間間隔ごとに生成することができ、これは各ＶＦサイクル（約２００ｍｓの持続時間であり得る）ごとに１ｍｓの持続時間でありうる。ＶＦサイクルＶＣＧの各々は、どのＶＣＧが患者のものと最も相関しているかを特定するために、記憶されたＶＦサイクルＶＣＧと比較することができる。モデルライブラリ（１９２）からの対応するコンピューターモデルは、最も高度な相関性を有しているＶＣＧならどれでも、それらに基づいて特定することができる。本明細書に記載の、ＶＦ源のタイプ、位置、回転方向（もしあれば）などを含むが、これらに限定されない、特定されたコンピューターモデルに関連するデータは、特定の時間間隔中の患者の心臓の典型とみなされうる。特定されたコンピューターモデルの少なくとも一部に基づいて、推定されたコンピューターモデルは、患者について生成することができる。幾つかの実装において、モデルライブラリ（１９２）から得られた対象のコンピューターモデルのサブセットは、患者の心臓の形状、瘢痕の位置、伝導特性など（例えば、ＣＴ、ＭＲＩ、エコー、Ｘ線、蛍光透視法、または他の画像化データによる測定されるようなもの）に基づいて特定することができる。コンピューターモデルの特定されたセットは、患者との比較のために選択されたＶＣＧである可能性がある、ＶＣＧライブラリ（１９６）からのＶＣＧと相関することができる。

異なるローター位置は有意に異なるＶＣＧループを作成できる。それゆえ、患者由来ＶＣＧの生成とＶＦ／ＡＦ源についての既知／推定のパターンとの比較は、患者のＶＦ／ＡＦ源を特定する正確な方法になりえる。

幾つかの実装において、ＶＦ／ＡＦ源の位置を例証するための、図２Ｃの細動源マップ（２８０）及び／又は図２Ｄの細動源マップ（２９０）などの細動源マップを生成することができる。例えば、ＶＣＧの比較に基づいて、ＶＦ／ＡＦ源が１つ以上の位置でどのくらいの時間を費やしているかについての判定を行うことができる。この時間的／割合的情報は、細動源マップを生成するために使用することができ、および／または、このマップを心臓画像化データに重ね合わせることができる。細動源マップで心臓画像化データ（例えば３Ｄモデル）を表示することで、医療従事者が、ＶＦ／ＡＦ源についての追加の特徴を特定することができ、及び／又は、将来の不整脈の負担を軽減するために、高周波、極低温、超音波、またはレーザーアブレーション、外部ビーム照射、血管再生、遺伝子移入療法、または他の介入処置のための源位置を標的にすることができる。

幾つかの実装において、追加のコンピューターモデルを、患者由来ＶＣＧの記憶されたＶＣＧとの比較に基づいて生成することができる。例えば、１つ以上のモデルを、患者内で特定されたＶＦ／ＡＦ源に最も類似するモデルライブラリ（１９２）から特定することができる。これらの１つ以上のモデルを組み合わせて複合モデルを生成することができ、これは患者のすべてのＶＦ／ＡＦ源を表すデータを含むことができる。複合モデルを使用することにより、各ＶＦ／ＡＦ源の除去が患者にとって有益であるかどうかを判定するために複合モデルと比較されうる新しいモデルを生成するために、１つのＶＦ／ＡＦ源を除去することができる（例えば、除去はシミュレートされる）。複合モデルと新しいモデルの間で示されたＶＦ／ＡＦにおける変化が、閾値／パーセンテージ未満である場合、ＶＦ／ＡＦ源の除去が患者にとって有益ではないことがあると判定されうる。閾値／パーセンテージは患者、医療従事者、及び／又は、他の要因に応じて変動しうる。

上記の測定／比較は患者の左心室について行われるが、同様の方法で、患者の右心室に関して測定／比較を実行することができる。例えば、図７Ａは、幾つかの例示的な実装に係る、右心室（７１０）のコンピューターモデル（７００）を表す。例証されるように、コンピューターモデル（７００）は、右心室（７１０）における心臓の電気的な活性化のマッピングを形成しうる、一連の有限状態として示される複数の心筋電圧マップ（７１０ａ－ｄ）を含むことができる。

コンピューターモデル（７００）はＥＫＧデータに基づくことができ、及び／又は、ＥＫＧデータを生成するために使用することができる。例えば、図７Ｂは、幾つかの例示的な実装に係る、コンピューターモデルから生成されたＥＫＧの読み取りのグラフ（７３０）を表す。ＥＫＧ読み取りを作成するプロセスは、各期間についてコンピューターモデルの電気ダイポールからのＶＣＧをまず計算することによって行うことができる。その後、ＥＫＧ追跡を計算することができる。例えば、図７Ｃは、幾つかの例示的な実装に係る、心臓モデルから生成されるＶＣＧモデル（７４０）、（７５０）を表す。側方の視点からのＶＣＧモデル（７４０）及び／又は垂直的な視点からのＶＣＧモデル（７５０）などの１つ以上のＶＣＧモデルがコンピューターモデルから計算される。ＥＫＧ追跡は、その後、このデータから導きだされうる。重要なことに、ＶＣＧモデル（７４０）、（７５０）は、本明細書に記載されているように、患者からのＶＣＧデータとの比較および一致を可能にする。例証されるように、ＶＣＧモデル（７４０）、（７５０）はタイミング情報に基づいて暗くなる。

上記の測定／比較は患者のＶＦ中の左心室および右心室について行われるが、同様の方法で、ＡＦ中の患者の右心房または左心房に関して測定／比較を実行することができる。例えば、図８Ａは、幾つかの例示的な実装に係る、左心房と右心房（８１０）のコンピューターモデル（８００）を表す。例証されるように、コンピューターモデル（８００）は、心筋の電圧マップ（８２０ａ－ｄ）を含むことができ、これは、心臓内、及び／又はＥＫＧデータの典型であり得、及び／又はそれらに基づきうる。コンピューターモデル（８００）から、ＡＦの源の位置を特定することができる（白い点）。例えば、図８Ｂは、幾つかの例示的な実装に係る、（白い点により表わされた）特定されたローター基質（８３０）を有する右心房（８１０）のコンピューターモデル（８００）を表す。

図９は、幾つかの例示的な実装に係る、記載されたデバイス及び／又は構成要素の１つ以上を実施するために使用されうる例示的なコンピューティング装置（９００）を示す。例えば、コンピューティング装置（９００）の少なくとも一部は、コンピューティングデバイス（１１０）の少なくとも一部、データベース（１２０）を提供する装置、外部ソフトウェア（１３０）、ユーザーアクセスデバイス（１４０）の一つ以上、センサデバイス（１５０）の一つ以上、及び／又は、アクセスデバイス（１６５）を提供する装置、を実装するために使用されてもよい。コンピューティング装置（９００）は、本明細書に記載されているプロセスの１つ以上を実行しうる。

例証されるように、コンピューティング装置（９００）は、本明細書に記載されたものと一致する操作を実施する命令を実行するためのプロセッサ（９１０）などの１つ以上のプロセッサを含むことができる。装置（９００）は、実行可能命令及び／又は情報を記憶するためにメモリ（９２０）を含みうる。メモリ（９２０）はソリッドステートメモリ、ソリッドステートディスクドライブ、磁気ディスクドライブまたは他の情報記憶装置を含みうる。幾つかの態様において、メモリ（９２０）は、データベース（例えばデータベース（１２０）またはデータの他の幾つかの構成）の少なくとも一部のためのストレージを提供しうる。装置（９００）は、図１のネットワーク（１６０）など、有線ネットワークまたはワイヤレスネットワークへのネットワークインターフェース（９４０）を含みうる。ワイヤレスネットワークはＷｉＦｉ、ＷｉＭａｘおよびセルラーネットワーク（２Ｇ／３Ｇ／４Ｇ／５Ｇ）及び／又は他のワイヤレスネットワークを含みうる。無線通信を有効化するために、ネットワークインターフェース（９４０）は、例えば、アンテナ（９８０）など１本以上のアンテナを利用してもよい。

装置（９００）は、ユーザーインタフェース（９５０）などの１つ以上のユーザーインターフェースを含んでもよい。ユーザーインターフェース（９５０）は、キーボード、マウス、あるいは他のインターフェースなどの、ハードウェアまたはソフトウェアのインターフェースを含み得、そのうちのいくつかはディスプレイ（９３０）に統合されたタッチスクリーンを含む場合もある。ディスプレイ（９３０）は、販売促進の提供または現在の在庫などの情報を表示する、ユーザーにプロンプトを提供する、および／またはユーザーの入力を受信するなどのために使用されてもよい。様々な実装では、ユーザーインターフェース（９５０）は１つ以上の周辺機器を含み得る、および／またはユーザーインターフェース（９５０）はこれらの周辺機器と通信するように構成されてもよい。

いくつかの態様では、ユーザーインターフェース（９５０）は、本明細書に記載のセンサーの１つ以上を含んでもよく、および／または本明細書に記載のセンサーの１つ以上に対してインターフェースを含んでもよい。これらのセンサーの操作は、センサーモジュール（９６０）によって少なくとも部分的に制御される場合もある。装置（９００）はさらに、入出力フィルタ（９７０）を含んでもよく、それはセンサーまたは他のユーザーインターフェースから受信した、ネットワークインターフェースによって受信および／または伝達された等の情報をフィルタ処理することができる。例えば、センサーを介して検知された信号は、適切な信号処理のためにフィルタ（９７０）を通過し得る。そしてフィルタ処理されたデータは次に、（例えば、ネットワークインターフェース（９４０）によって結果または指示を伝達する前に）認証および処理のために、マイクロコントローラーセンサーモジュール（９６０）および／またはプロセッサ（９１０）に通されてもよい。装置（９００）は、電源（９９０）などの１つ以上の電源の使用によって電力を供給されてもよい。例示されるように、装置（９００）のコンポーネントの１つ以上は、システムバス（９９９）を介して通信してもよい、および／または電力を受信してもよい。いくつかの態様では、装置（９００）は、サーバーの少なくとも一部、またはサーバーの少なくとも一部を利用する装置と見なされる場合もある。

図１０は、いくつかの例示的な実装に従って、細動源のコンピューターによる局在化のための方法のフローチャートを例示する。様々な実装では、方法（１０００）（あるいはその少なくとも一部）は、１つ以上のコンピューティングデバイス（１１０）、データベース（１２０）を提供する装置、外部ソフトウェア（１３０）を提供する装置、１つ以上のユーザーアクセスデバイス（１４０）、１つ以上のセンサーデバイス（１５０）、アクセスデバイス（１６５）、コンピューティングデバイス（９００）、他の関連する装置、および／またはそれらのいくつかの部分によって実行される場合もある。

方法（１０００）は、装置（９００）が、例えば様々な形状、瘢痕、および細動源を持つ心臓モデルを生成し得る操作ブロック（１０１０）から開始することができる。付加的にあるいは代替的に、幾何学的形状、繊維配向、細動源タイプ、および／または細動源の位置などの他の態様を使用することができる。

方法（１０００）は、装置（９００）が、例えば心臓モデルに基づいたベクトル心電図プロットを生成し得る操作ブロック（１０２０）に進むことができる。例えば、モデルＶＣＧを計算するために、および／または包括的なＶＣＧライブラリを生成するために、心臓モデルを使用することができる。

方法（１０００）は、装置（９００）が、例えば患者の心臓の形状および／または瘢痕に基づいて心臓モデルをフィルタ処理し得る操作ブロック（１０３０）へと進むことができる。いくつかの態様では、フィルタ処理は、コンピューター断層撮影画像データ、核磁気共鳴画像データ、心エコー検査データ、Ｘ線データ、蛍光透視データなどに基づき得る。

方法（１０００）は、装置（９００）が、例えば患者の心臓に基づいてベクトル心電図プロットを生成し得る操作ブロック（１０４０）に進むことができる。

方法（１０００）は、装置（９００）が、例えば患者のベクトル心電図プロットを心臓モデルのベクトル心電図プロットと比較し得る操作ブロック（１０５０）に進むことができる。ベクトル心電図プロットは、ＶＣＧライブラリなどから取得することができる。いくつかの実装では、ＶＣＧライブラリのベクトル心電図プロットのサブセットを、フィルタ処理された心臓モデルに基づいて選択することができる。その比較には、記憶されたＶＣＧの各々に関して、生成されたＶＣＧと記憶されたＶＣＧとの間の相関係数の判定を含み得、および少なくとも１つのマッチングしたＶＣＧは、最も高い相関係数を有する記憶されたＶＣＧとして特定され得る。

方法（１０００）は、装置（９００）が、例えば患者の心臓内の細動源のマッピングを生成し得る操作ブロック（１０６０）に進むことができる。いくつかの実装では、コンピューターモデルは、心臓の形をした３次元のメッシュ、およびメッシュにマッピングされた心臓の電気的活動の有限状態の細動源マップを含み得る。いくつかの実装では、方法（１０００）は、患者の心臓に基づいて心電図プロットを生成する工程、および／または心電図プロットに基づいて患者の心臓の電気的活動の画像を生成する工程を含み得る。

方法（１０００）は、装置（９００）が、例えばユーザーインターフェース（例えばユーザーインターフェース（９５０））によりマッピングを表示し得る操作ブロック（１０７０）へと進むことができる。マッピングは、心臓モデルの使用により表示可能であり、それは１つ以上の左心房、右心房、心室、あるいは右心室を含み得る。該モデルは、２次元、３次元、４次元、および／またはアニメーションで有り得る。いくつかの態様では、表示は、高周波、極低温、超音波、レーザー、外部ビーム放射などを使用したアブレーション処置の誘導を可能にし得る。

いくつかの実装では、方法（１０００）は、１つ以上の記憶されたコンピューターモデルに基づいて複数のベクトル心電図プロットを生成する工程、および／または、複数のベクトル心電図プロットに基づいて１つ以上の心電図プロットを生成する工程を含み得る。

方法（１０００）の性能、および／またはその一部は、向上した精度、低下した侵入性、および／または低下したコストでの、ＶＦ／ＡＦ源の特定を可能にし得る。

図１１は、（例えば図１２の例に似た）いくつかの例示的な実装に従って、細動源のコンピューターによる局在化のための方法のフローチャートを例示する。様々な実装では、方法（１０００）（あるいはその少なくとも一部）を、１つ以上のコンピューティングデバイス（１１０）、データベース（１２０）を提供する装置、外部ソフトウェア（１３０）を提供する装置、１つ以上のユーザーアクセスデバイス（１４０）、１つ以上のセンサーデバイス（１５０）、アクセスデバイス（１６５）、コンピューティング装置（９００）、他の関連する装置、および／またはそれらのいくつかの部分によって実行してもよい。

方法（１１００）は、装置（９００）が、例えば患者の心臓内の細動源を判定し得る操作ブロック（１１１０）から開始することができる。いくつかの実装では、細動源の特定は、図１０の方法（１０００）に関して説明された特定手順に似ている場合もある。

方法（１１００）は、装置（９００）が、例えば患者の心臓の形状、瘢痕、および／または細動源に基づいて心臓モデルを生成し得る操作ブロック（１１２０）に進むことができる。

方法（１１００）は、装置（９００）が、例えば少なくとも１つの細動源が除去された別の心臓モデルを生成し得る操作ブロック（１１３０）に進むことができる。いくつかの態様では、もとのコンピューターモデルから１つ以上の細動源のうちの１つを取り除くことによって、コンピューターモデルを生成することができる。

方法（１１００）は、装置（９００）が、例えば他の心臓モデルの細動における変化を判定し得る操作ブロック（１１４０）に進むことができる。

評価すべき追加の源がある場合、方法（１１００）は操作ブロック（１１３０）に戻ることができる。例えば、ＶＦ／ＡＦの３つの源が特定された場合、方法（１１００）は次に、個々の源の除去を単独で、あるいは任意の数の他の２つの源の組み合わせ（例えば７つの特有の評価）で評価し得る。この手順を通じて、ユーザー（例えば医学の専門家）は、ＶＦ／ＡＦ源を取り除くための最良の手順を見極めることができる。

方法（１１００）は、装置（９００）が、例えばユーザーインターフェース（例えばユーザーインターフェース（９５０））により心臓モデルの少なくとも一部を表示し得る操作ブロック（１１５０）に進むことができる。心臓モデルは、左心房、右心房、心室、あるいは右心室の１つ以上を含み得る。該モデルは、２次元、３次元、４次元、および／またはアニメーションで有り得る。いくつかの態様では、ＶＦ／ＡＦ源を有する、および有さないモデルの対照比較を提供することができる。いくつかの態様では、方法（１１００）は、新しいコンピューターモデルともとのコンピューターモデルとの間の細動の変化の判定を含み得る。いくつかの態様では、対照比較を表示することは、アブレーションの予測的な結果のデータ、および／または最適化されたアブレーション方略の選択を提供することにより、標的化された心室細動または心室細動アブレーション治療を可能にし得る。

方法（１１００）および／またはその一部の性能は、個々のＶＦ／ＡＦ源それぞれの除去が患者に利益をもたらすか否かを判定することを可能にし得る。例えば、特定の源が除去されているモデルにおけるＶＦ／ＡＦの変化が、閾値の量（例えばパーセンテージ）まで減少しない場合、特定の源を除去する（あるいはその力を減らす）侵襲的手法を回避することができる。

いくつかの態様がＶＦおよびＡＦに関連して本明細書に記載されるが、他の実装も可能である。例えば、ヒトおよび／または動物内の他の不整脈あるいはパターンを観察することができ、および／またはその源を特定することができる。患者内の異常なパターンの源が特定されると、次に、切開することなく患者の体内をユーザー（例えば医学の専門家）が見ることができるように、それをユーザーに（例えば２次元または３次元モデルで）表示し得る。

本明細書に記載の主題の１つ以上の態様あるいは特徴は、デジタル電子回路、集積回路、特別に設計された特定用途向け集積回路（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、コンピューターハードウェア、ファームウェア、ソフトウェア、および／またはそれらの組み合わせにおいて実現され得る。これらの様々な態様あるいは特徴は、少なくとも１つのプログラマブルプロセッサを含むプログラマブルシステム上で、実行可能および／または解釈可能な１つ以上のコンピュータープログラムにおける実装を含み得、それは特定あるいは汎用目的のために、ストレージシステム、少なくとも１つの入力装置、および少なくとも１つの出力装置からデータと命令を受信し、およびそれらへとデータと命令を送信するようにつなげられる。プログラマブルシステムまたはコンピューティングシステムは、クライアントおよびサーバーを含んでもよい。クライアントとサーバーは、一般的に互いから離れており、および典型的には通信ネットワークを介して対話する。クライアントとサーバーの関係は、それぞれのコンピューター上で実行され、互いにクライアント－サーバー関係を有するコンピュータープログラムによって生じる。

これらのコンピュータープログラムは、プログラム、ソフトウェア、ソフトウェアアプリケーション、アプリケーション、コンポーネント、あるいはコードと呼ぶこともでき、これはプログラマブルプロセッサに対する機械語命令を含み、ハイレベルの手続き型言語および／またはオブジェクト指向プログラミング言語、および／またはアセンブリ／機械語で実行可能である。本明細書において使用されるように、用語「機械可読媒体」は、例えば、磁性ディスク、光ディスク、メモリ、およびプログラム可能論理回路（ＰＬＤ）などの、コンピュータープログラム製品、装置、および／またはデバイスを指し、機械可読信号として機械語命令を受信する機械可読媒体を含む、プログラマブルプロセッサへの機械語命令および／またはデータの提供に使用される。用語「機械可読信号」は、プログラマブルプロセッサに機械語命令および／またはデータを提供するために使用される信号を指す。機械可読媒体は、例えば、非一時的なソリッドステートメモリ、または磁気ハードドライブ、または任意の等価な記憶媒体などであり、そのような機械語命令を非一時的に記憶することができる。機械可読媒体は、代替的にあるいは付加的に、例えば、プロセッサキャッシュ、または１つ以上の物理プロセッサコアに関連する他のランダムアクセスメモリなどであり、そのような機械語命令を一時的方法で記憶することができる。

ユーザーとの対話を提供するために、本明細書に記載の主題の１つ以上の態様あるいは特徴は、例えば、ブラウン管（ＣＲＴ）または液晶ディスプレイ（ＬＣＤ）または発光ダイオード（ＬＥＤ）モニターなどの、ユーザーに情報を表示するためのディスプレイデバイス、および、ユーザーがコンピューターに入力するための、キーボードおよび、例えばマウスまたはトラックボールなどのポインティングデバイス、を有するコンピューターで実行可能である。他の種類のデバイスを同様に、ユーザーとの対話を提供するために使用することができる。例えば、ユーザーに提供されるフィードバックは、例えば、視覚的なフィードバック、聴覚フィードバック、または触覚フィードバックなどの、あらゆる形態の感覚フィードバックで有り得る；および、ユーザーからの入力は、音響入力、音声入力、触覚入力などを含む、あらゆる形態で受信される場合もある。他の可能な入力デバイスは、タッチスクリーン、または、シングルまたはマルチポイントの抵抗性または容量性トラックパッド、音声認識ハードウェアおよびソフトウェア、光学スキャナー、光学ポインター、デジタル画像キャプチャーデバイス、および関連する解釈ソフトウェアなどの、他のタッチセンスデバイスを含む。

本明細書に記載された主題は、望ましい構成に応じて、システム、装置、方法、および／または商品に包含され得る。先の記載において明示された実装は、本明細書に記載の主題と一致する実装を全て表すわけではない。代わりに、それらは記載された主題に関連する態様と一致するいくつかの実例でしかない。少数のバリエーションを先に詳細に記載したが、他の変更または追加が可能である。特に、さらなる特徴および／またはバリエーションを、本明細書に明示されたものに追加して設けることも可能である。例えば、上述の実装は、開示された特徴の様々な組み合わせ、および部分的組み合せ、および／または、上記に開示されたいくつかのさらなる特徴の組み合わせ、および部分的組み合わせを対象とし得る。

上記の詳細な説明および特許請求の範囲には、「～の少なくとも１つ」あるいは「～の１つ以上」などのフレーズが、要素または特徴の予備的リストに続いて現われる場合もある。用語「および／または」はさらに、２つ以上の要素または特徴のリストに現われる場合もある。そのようなフレーズは、使用される文脈によって暗黙にあるいは明確に矛盾することがなければ、個別にリストされた要素あるいは特徴、あるいは他の詳述された要素あるいは特徴と組み合わせられた詳述された要素あるいは特徴の、あらゆるものを意味するように意図されている。例えば、フレーズ「ＡおよびＢの少なくとも１つ」；「ＡおよびＢの１つ以上」；および「Ａおよび／またはＢ」は、それぞれが「Ａのみ、Ｂのみ、またはＡとＢ共に」を意味するように意図される。類似の解釈はさらに、３つ以上の項目を含むリスト向けに意図される。例えば、フレーズ「Ａ、ＢおよびＣの少なくとも１つ」；「Ａ、ＢおよびＣのうちの１つ以上」；および、「Ａ、Ｂ、および／またはＣ」は、それぞれが、「Ａのみ、Ｂのみ、Ｃのみ、ＡとＢ共に、ＡとＣ共に、ＢとＣ共に、あるいはＡとＢとＣ共に」を意味するように意図されている。上記および特許請求の範囲における用語「基づいて」の使用は、詳述されていない特徴または要素もまた許容可能となるように、「少なくとも部分的に基づく」を意味するように意図されている。

例示された方法は典型的なもののみである。該方法は特有の操作フローを有するものとして例示されているが、２つ以上の操作を１つの操作にまとめてもよく、１つの操作を２つ以上の別個の操作として行ってもよく、例示された操作の１つ以上は様々な実装において存在しなくてもよく、および／または例示されていない追加の操作が該方法の一部であってもよい。さらに、添付の図に描かれた、および／または本明細書に記載の論理フローは、望ましい結果を達成するために、示された特定の順序、または連続した順序を必ずしも要求しない。他の実装は、以下の特許請求の範囲の範囲内で有り得る。

Claims (26)

1. 心臓のコンピューターモデルの患者に特異的なライブラリに基づいて、標的患者の不整脈の位置を特定するためのコンピューティングシステムによって実行される方法であって、前記方法は、
   複数の患者の各々について、
   不整脈の源の位置を含む前記患者の心臓の特徴にアクセスし、ここで、当該特徴は標的患者に由来するものではない工程と、
   前記患者の心臓の特徴に基づいて、前記患者の心臓の患者に特異的なコンピューターモデルを生成し、ここで、患者に特異的なコンピューターモデルは、前記患者の心臓を表現する三次元メッシュを含むものである工程と、
   前記三次元メッシュにマッピングされた電気的な活性化の源のマップを生成するために、前記患者の心臓の電気的な活性化をシミュレートする工程と、
   前記患者の心臓の患者に特異的なコンピューターモデルを用いて、前記患者の心臓の電気的な活性化の表現を生成する工程と、
   前記患者の電気的な活性化の表現を前記患者に特異的なライブラリに記憶する工程と、および、
   標的患者の心臓の電気的な活性化の表現と、前記患者に特異的なライブラリに記憶された電気的な活性化の表現との適合に基づき、複数の患者のうちの一人ではない標的患者の不整脈の可能性のある源の位置を特定する工程と、
   を含む方法。
2. 前記位置は心臓のローターと関連する、請求項１に記載の方法。
3. 前記位置は心臓のフォーカルソースと関連する、請求項１に記載の方法。
4. 少なくとも一部の患者について、可能性のある不整脈の異なる源の位置に基づいて、前記患者の心臓の電気的な活性化の複数の表現を生成する工程をさらに含む、請求項１に記載の方法。
5. 患者の前記心臓の電気的な活性化の表現は心電図である、請求項１に記載の方法。
6. 前記患者に特異的なライブラリはクラウドベースのシステムに記憶される、請求項１に記載の方法。
7. クラウドベースのシステムへのゲートウェイを介して前記クラウドベースのシステムに提供される標的患者の前記心臓の電気的な活性化の表現に基づいて、前記標的患者の不整脈の位置を特定する工程をさらに含む、請求項６に記載の方法。
8. 前記電気的な活性化の表現と、同じ不整脈の源の位置を有する患者から収集された電気的な活性化の表現とを比較することによって、不整脈の源の位置に基づいて生成されたコンピューターモデルを使用して生成される電気的な活性化の表現の精度を検証する工程をさらに含む、請求項１に記載の方法。
9. 標的患者の心臓内の不整脈の可能性のある源の位置を特定するためのコンピューティングシステムであって、前記コンピューティングシステムは、
   １つ以上のプロセッサと、
   命令を記憶する１つ以上のメモリと、
   を含み、
   前記命令は、前記１つ以上のプロセッサによって実行される場合、
   不整脈の源の位置を含む、前記標的患者の心臓に特異的ではない心臓の特徴に基づいて心臓の電気的な活性化のシミュレートに基づいて生成された心電図であって、心臓内の不整脈の源の位置と関連する心電図を含むライブラリにアクセスすること、
   前記標的患者の心電図を受信すること、
   前記標的患者の心電図と適合する１つ以上の心電図を求めてライブラリを検索すること、および、
   適合する心電図に関連する源の位置を、前記標的患者の心臓内の不整脈の可能性のある源の位置として指定すること、
   を含む操作を引き起こす、コンピューティングシステム。
10. 前記ライブラリの心電図は、心臓の特徴のセットに基づいてシミュレートより生成されるコンピューターモデルに由来する、請求項９に記載のコンピューティングシステム。
11. 前記コンピューターモデルは、患者に特異的なコンピューターモデルを含む、請求項１０に記載のコンピューティングシステム。
12. 前記コンピューターモデルは、患者に非特異的なコンピューターモデルを含む、請求項１０に記載のコンピューティングシステム。
13. 前記ライブラリは、各心電図について、前記心電図が生成されるコンピューターモデルを含み、ここで、コンピューターモデルは前記ライブラリに記憶され、各心電図は、前記心電図が生成される前記コンピューターモデルに関連し、
    前記命令は源の位置でコンピューターモデルを生成するために、シミュレートをする命令をさらに含む、請求項１０に記載のコンピューティングシステム。
14. 前記ライブラリはクラウドベースのシステムに記憶される、請求項９に記載のコンピューティングシステム。
15. 前記ライブラリはクラウドベースのシステムに記憶され、前記命令は、前記クラウドベースのシステムへのゲートウェイを介して前記クラウドベースのシステムに提供される前記標的患者の心電図を受信するための命令をさらに含む、請求項９に記載のコンピューティングシステム。
16. 前記命令は、アブレーション処置を誘導するために、指定された可能性のある源の位置の指示を出力するための命令をさらに含む、請求項９に記載のコンピューティングシステム。
17. 前記位置は心臓のローターに関連する、請求項９に記載のコンピューティングシステム。
18. 前記位置は心臓のフォーカルソースに関連する、請求項９に記載のコンピューティングシステム。
19. 標的患者の心臓内の異常なパターンの可能性のある位置を特定するための１つ以上のコンピューティングシステムによって実行される方法であって、前記方法は、
    前記心臓の電気的な活性化の表現を含むライブラリにアクセスする工程であって、前記表現は、前記心臓の電気的な活性化のシミュレートと、前記心臓内の異常なパターンの位置に基づいて生成されたものであり、前記表現は、前記標的患者の心臓に基づいて生成された表現は含んでいないものである工程と、
    前記標的患者の心臓の電気的な活性化の表現を受信する工程と、
    前記標的患者の電気的な活性化の表現と適合する１つ以上の電気的な活性化の表現を求めて前記ライブラリを検索する工程と、および、
    適合する電気的な活性化の表現と関連する前記位置を、前記標的患者の異常なパターンの可能性のある位置として指定する工程と、
    を含む、方法。
20. 前記電気的な活性化の表現は心電図であり、および前記異常なパターンは不整脈である、請求項１９に記載の方法。
21. 前記電気的な活性化の表現は、前記心臓の特徴のセットに基づいてシミュレートより生成されるコンピューターモデルに由来する、請求項１９に記載の方法。
22. ライブラリはクラウドベースのシステムに記憶され、前記クラウドベースのシステムへのゲートウェイを介して前記標的患者の心臓の電気的な活性化の表現を受信する工程をさらに含む、請求項１９に記載の方法。
23. 医療処置を誘導するために指定された可能性のある源の位置の指示を出力する工程をさらに含む、請求項１９に記載の方法。
24. 前記医療処置は、アブレーション処置である、請求項２３に記載の方法。
25. 前記心臓内の異常なパターンの除去の効果を示すために、前記可能性のある位置に基づかないコンピューターモデルを生成し、該コンピューターモデルに基づいて前記心臓の電気的な活性化をシミュレートする工程をさらに含む、請求項１９に記載の方法。
26. 前記コンピューターモデルは複数のコンピューターモデルから生成される複合モデルである、請求項２５に記載の方法。