KR20060134196A - Ecg 신호를 판독하고 분석하는 방법 및 컴퓨터 장치 - Google Patents

Ecg 신호를 판독하고 분석하는 방법 및 컴퓨터 장치 Download PDF

Info

Publication number
KR20060134196A
KR20060134196A KR1020067023117A KR20067023117A KR20060134196A KR 20060134196 A KR20060134196 A KR 20060134196A KR 1020067023117 A KR1020067023117 A KR 1020067023117A KR 20067023117 A KR20067023117 A KR 20067023117A KR 20060134196 A KR20060134196 A KR 20060134196A
Authority
KR
South Korea
Prior art keywords
lattice
ecg signal
ecg
reading
heart
Prior art date
Application number
KR1020067023117A
Other languages
English (en)
Inventor
베스 로건
페드로 모레노
데이비드 고듀
Original Assignee
휴렛-팩커드 디벨롭먼트 컴퍼니, 엘 피
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 휴렛-팩커드 디벨롭먼트 컴퍼니, 엘 피 filed Critical 휴렛-팩커드 디벨롭먼트 컴퍼니, 엘 피
Publication of KR20060134196A publication Critical patent/KR20060134196A/ko

Links

Images

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • A61B5/318Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346Analysis of electrocardiograms
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • A61B5/318Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346Analysis of electrocardiograms
    • A61B5/349Detecting specific parameters of the electrocardiograph cycle
    • A61B5/361Detecting fibrillation
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • A61B5/318Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346Analysis of electrocardiograms
    • A61B5/349Detecting specific parameters of the electrocardiograph cycle
    • A61B5/363Detecting tachycardia or bradycardia
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • A61B5/318Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346Analysis of electrocardiograms
    • A61B5/349Detecting specific parameters of the electrocardiograph cycle
    • A61B5/364Detecting abnormal ECG interval, e.g. extrasystoles, ectopic heartbeats
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • A61B5/318Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346Analysis of electrocardiograms
    • A61B5/349Detecting specific parameters of the electrocardiograph cycle
    • A61B5/366Detecting abnormal QRS complex, e.g. widening

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Cardiology (AREA)
  • Veterinary Medicine (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

ECG 신호를 판독하고 분석하는 방법 및 컴퓨터 장치는 대상물 ECG 신호(15)에 복수의 심장 상태 검출기(12)를 적용한다. 각 검출기(12)는 대상물에 존재하는 소정의 심장 상태의 가능성에 대한 각각의 표시를 생성한다. 서로 다른 검출기 심장 상태에 대한 주석을 갖는 래티스(112)는 검출기 표시로부터 형성된다. 래티스(112)는 의사가 ECG 신호 데이터(15)를 통해 네비게이팅함으로써 이를 보다 용이하게 판독할 수 있게 한다. 래티스(112)는 표시되거나 주석이 달린 대상물 ECG 신호 버전을 효율적으로 제공한다.

Description

ECG 신호를 판독하고 분석하는 방법 및 컴퓨터 장치{COMPUTER METHOD AND SYSTEM FOR READING AND ANALYZING ECG SIGNALS}
심전도(ECG 또는 간혹 EKG)는 전세계에서 심장전문의들에 의해 널리 사용되는 매우 유용한 진단법이다. ECG는 환자의 가슴, 손목 및 발목에 배치된 작은 전극(리드)을 통해 검출된 심장의 전기적 활동을 기록한다. 의사의 진료실에서 검사는 전형적으로 12개의 전극으로부터의 판독을 수집하였고, 보통 30분 동안만 지속하였다. 대안은 의사가 환자에게 하루 또는 이틀 동안 가정으로 가지고 가서 휴대하는 모니터링 장치를 제공하는 것이다. 이 경우에, 일반적으로 하나 또는 두 개의 리드로부터 데이터가 수집된다.
ECG 리드로부터의 데이터는 보통 종이에 기록되거나 모니터링 장치의 메모리에 저장된다. 의사의 진료실에서의 검사의 경우에, 데이터가 상대적으로 거의 없으므로 의사 또는 간호사는 출력정보를 손으로 스캐닝한다. 홈 모니터링 경우에도, 스캐닝은 주로 손으로 수행된다. 이것은 24시간 동안의 데이터를 처리할 수 있다. 그러나, 다수의 심장 상태는 순간적이고 빈번하지 않아서, 일주일에 한번 또는 심지어 아주 가끔 만 발생한다. 이들 경우에 있어서, 비정상적인 상태를 나타내기 위하여, 스캐닝되어야 하는 다량의 데이터를 생성하는 일간 및 주간 모니터 링이 머신 또는 교육받은 전문가에게 필요할 수 있다.
따라서, 현대의 대부분의 ECG 머신은 손으로 신호 판독을 인쇄하고 그것을 통해 확인하는 의사 또는 전문가에게 여전히 의존한다. 이것은 시간 소모적일뿐만 아니라 중요한 증상을 못보고 지나치게 될 수도 있다. 또한, 몇몇 ECG 머신은 예컨대, 심장 박동수 검출, 섬유성 연축(fibrillation) 검출 등과 같은 한정된 신호 분석을 제공한다.
의사는 전형적으로 ECG 신호 중 "관심 있는" 부분만을 보기를 원하거나 필요로 한다. 본 발명은 전문가가 모든 데이터를 손으로 스캐닝할 필요성을 제거함으로써, ECG 신호를 통한 빠른 네비게이션을 가능하게 한다. 또한, 본 발명은 생성된 모든 데이터를 손으로 스캐닝하는 실용적이지 않은 현재 기술과 달리 상당히 긴 기간의 ECG 데이터를 수집하고, 재검토할 수 있다. 또한, 본 발명은 상당히 드물지만 위험하지는 않은 증후군을 갖는 심장 상태를 검출할 수 있게 한다.
일 실시예에서, ECG 신호를 판독하고 분석하는 본 발명의 방법은 (a) 대상물 ECG 신호를 수신하는 단계와, (b) 대상물 ECG 신호에 복수의 심장 상태 검출기를 적용함으로써 대상물에 존재하는 소정의 심장 상태의 가능성에 대한 표시를 생성하는 단계와, (c) 생성된 표시로부터 주석을 갖는 래티스 -이 래티스는 사용자가 대상물 ECG 신호를 통해 네비게이팅하는 것을 가능하게 함- 를 형성하는 단계를 구현하는 컴퓨터를 포함한다.
서로 다른 도면에서 동일한 참조 기호는 동일한 부분을 지칭하는 첨부 도면에 도시된 바와 같이, 본 발명의 이상의 및 다른 목적, 특징 및 장점은 후속하는 본 발명의 바람직한 실시예에 대한 보다 상세한 설명으로부터 자명해질 것이다. 도면은 반드시 실제 크기대로 도시되는 것은 아니며, 본 발명의 이론을 설명한다는 점에 중점을 둔다.
도 1은 본 발명의 래티스(lattice) 구성의 개략도이다.
도 2는 도 1의 래티스 구성을 적용하는 예시 질의의 개략도이다.
도 3a 및 도 3b는 본 발명을 이용하는 컴퓨터 시스템의 개략도 및 블록도이다.
본 발명은 전문가가 모든 데이터를 손으로 스캐닝할 필요성을 감소시킴으로써, 대상물 ECG 신호를 통한 빠른 네비게이션을 가능하게 한다. 개략적으로, 본 발명은 시간에 따른 전압으로부터의 대상물 ECG 신호를 알파벳 기호로 변환한다. 각 기호는 알려진 심장 패턴에 해당한다. ECG 신호를 기호 표현으로 자동 변환하기 위해, ECG 문헌에 공개된 다수의 알고리즘이 사용된다. 예컨대, 심근 허혈(myocardial ischemia) -심장 근육이 산소를 충분히 받아들이지 않는 상태- 을 검출하기 위해, IEEE Transactions on Biomedical Engineering, 제 47 권, 제 9 호, 2000년 9월, J. Garcias, S. Olmos 및 P. Laguna의 "Automatic Detection of ST-T Complex Changes on the ECG Using Filtered RMS Difference Series: Application to Ambulatory Ischemia Monitoring"의 알고리즘이 ECG 신호에 적용될 수 있다.
본 발명에서, 검출기는 원하는 만큼의 다수의 심장 상태에 대해 실행된다. 현재, 심장전문의에 의해 ECG로부터 80개 이상의 증후군이 검출될 수 있다(BMJ Publishing Group, 01-2003, ISBN 0727915363, Francis Morrus의 "ABC of Clinical Electrocardiography" 및 1997, ISBN 0443056978, Jenkings 및 Gerred의 "ECGs by Example" 참조). 이들 다수의 상태에 대해, ECG를 자동으로 분석하고, 상태가 시간(t)에 존재하는지 여부에 대한 2개의 "예/아니오" 판단 또는 신호를 검출하는 알고리즘을 얼마나 신뢰하는지를 설명하는 신뢰 점수를 반환하는 알고리즘(검출기)이 공개되었다.
본 발명의 목적은 비정상적인 심장 상태를 검출하는 것이 아니라, 전문가들이 막대한 양의 데이터에서 비정상적인 심장 상태를 발견하는 것을 용이하게 하는 것이다. 이를 위해, 본 발명은 ECG 신호에 따른 래티스(lattice)를 구성하고, 이 래티스를 사용하여 데이터를 통한 네비게이션을 지원한다. 래티스는 미로 같은 가설을 통해 다수의 가능한 대안 경로를 도시하는 방향 그래프(좌에서 우로)이다. 이 래티스는 시점에 해당하는 노드 및 노드 사이의 천이에 해당하는 호(arc)로 이루어져 있다.
ECG 신호로부터 래티스를 구성하는 본 발명의 프로세스(11)가 도 1에 도시된 다. 단계는 다음과 같다. 먼저, 대상물 ECG 신호(15)는 윈도윙(windowing) 단계(100)에 의해 청크(chunk)(27)(데이터 세그먼트)로 분할된다. 각 청크(27)의 길이는 정해져 있지 않지만, 검출 알고리즘이 이 청크에 대해 판단할 수 있을 정도로 충분히 길어야 한다. 특징 추출 단계(102)는 청크(27)의 경계선(즉, 청크 길이) 결정에 참여한다. 특징 추출에 대한 예시적인 기술은 신호 패턴의 변화 검출, 전체 신호 진폭의 변화 검출 및 교차하는 선이 없는 주파수의 변화 검출을 포함한다. 상술한 Francis Morrus의 "ABC of Clinical Electro cardiography"를 참조한다. 청크(27)는 어떤 시간에 중복될 수도 있다. 전형적인 청크 길이는 15분 정도의 데이터일 수 있다.
이어서 다양한 심장 상태 검출기(12)(상술함) 또는 다른 분류기가 각 청크에 적용된다(단계 110). 각 분류기/검출기(12)는 입력 ECG 신호로 주어지는 각각의 특정 심장 상태를 검출하는 것이 바람직하다. 출력에서 각 분류기/검출기(12)는 청크(27)에 특정 심장 상태가 존재할 가능성을 나타내는 숫자(예컨대, 단순히 0 또는 1) 또는 점수를 제공한다. 각 검출기(12)는 신뢰도 또는 점수 결과의 에러율도 생성할 수 있다. 검출기의 수적인 결과(점수)를 사용하여, N×M 래티스(112)가 구성되는데, N은 청크(27)의 개수이고, M은 알파벳으로 나타낸 심장 상태의 개수이다. 이 알파벳은 "정상" 상태를 포함할 수 있다. 만일 하나 이상의 검출기(12)가 동일한 심장 상태에 대해 실행되면, 이들 검출기는 래티스(112)에 개별적으로 포함되거나, 투표 또는 다른 조합 기술을 사용하여 조합된 점수일 수 있다.
서로 다른 분류기(12)로부터의 점수들이 서로와 비교될 수 있도록 이들을 표 준화하거나 가중치를 주는 것이 필요할 수 있다. 가중치를 주는 것은 경험적 -즉, 일반적인 집단 내의 이들 상태에 대한 이전의 확신을 반영할 수 있음- 이거나 환자의 의학 병력에 따라서 환자별로 특정할 수 있다.
바람직한 실시예에서, 래티스(112)는 처음에 나타나는 대상물 ECG 신호(15) 또는 시퀀스의 샘플(청크 27)당 하나의 노드를 포함한다. 이 노드는 시간(시퀀스 순서)에 따라 라벨링된다. 실제로 중요하지 않은 다수의 노드는 정보 손실 없이 제거될 수 있다. 초기 시간 호는 시간에 따라 각 노드와 다음 노드를 연결하는 것으로 생성된다. 이 호는 명백하게 나타나거나 함축적으로 존재할 수 있다.
추가 호는 복수의 분류기 또는 특징 검출기(12)를 대상물 ECG 신호(15)에 대해 스코어링함으로써 생성된다. 이들 분류기는 직렬식 또는 병렬식으로 실행될 수 있다. 각 분류기(12)는 대상물의 신호(15)의 세그먼트가 자신의 내부 모델과 일치할 때를 결정한다. 일치하는 때가 발생하면, 일치되는 세그먼트(27)를 연결하는 호가 생성되고, 검출되었던 종류 또는 특징(예컨대, "심방세동(atrial fibrillation)", "경색", "허혈" 등)으로 라벨링된다. 이 라벨은 도 1에 설명된 바와 같이 검출된 특징에 대한 신뢰도(P=0.x)도 나타낼 수 있다. 이처럼, 라벨은 의학 전문가에게 유익한 주석으로 제공된다.
래티스(112)를 통한 각 경로는 ECG 신호(15)의 다른 분할에 해당한다. 시간축 또는 다른 시간 표시는 래티스(112)와 원래의 ECG 신호(15) 간의 일치를 가능하게 한다.
그 다음, 생성된 래티스(112)는 프로세스에 의해 처리되고 다양한 방법으로 엔진(114)을 표시하여 ECG 분석을 지원한다. 우선, 래티스(112)를 통한 "최적 경로"는 비터비 알고리즘(viterbi algorithm)을 사용하여 결정된다. 이 알고리즘은 각 청크(27)에 대해 가장 적당한 심장 상태 -정상 포함- 를 생성한다. 예컨대, 의사에 의해 이 알고리즘이 이용되어, 아마도 상태 A가 나타내는 모든 청크(대상물 ECG 신호(15)의 세그먼트)를 나타낼 수 있다. 이따금 발생하는 상태에 있어서, 이 알고리즘은 전문가가 특정 상태를 나타내는 ECG 판독(15) 부분에 (필터링하고 포커싱하기 위해) 신속하게 "줌(zoom)"하는 것을 가능하게 할 것이다.
래티스(112)를 통한 비터비 검색의 출력은 ECG 신호(15)를 시각화하는 데에도 사용될 수 있다. 여기서, 알파벳으로 나타낸 각 심장 상태에 상이한 컬러가 지정되고, 시간 라인은 보다 적절한 상태의 컬러로 도시되는 각 청크(27)를 사용하여 디스플레이된다. 다시 말하면, 이는 전문가가 비정상적인 심장박동을 나타내는 영역에 (신속하게 한눈에 보기/확인하기 위해) 줌하는 것을 가능하게 한다.
래티스(112)는 또 다른 다수의 방법으로 처리될 수 있다. 예컨대, 단순히 최적 경로보다 깊이 들어감으로써, 의사는 다수의 상당히 복잡한 질의를 할 수 있다. 예컨대, 의사는 상태 A가 x보다 클 가능성(신뢰 P값) 및 상태 B가 y보다 클 가능성(신뢰 P값)을 갖는 모든 청크(27)를 확인하기 위해 질의할 수 있다. 또는 n초 동안 상태 C가 z보다 클 가능성(P값)을 갖는 청크를 확인하기 위해 질의할 수 있다.
다른 유형의 가능한 검색은 연속하는 사건에 대한 것이다. 예컨대, 의사는 상태 A를 검색할 수 있고, 이어서 상태 B와 상태 C를 검색할 수 있다. 이것은 래 티스(112)를 통한 표준 유형의 검색이다. 이 검색은 특정 패턴에 대한 래티스를 통해 스캐닝함으로써 실행되거나, 만일 예컨대, 3가지 상태 시퀀스가 일반적으로 검색되는 것으로 알려져 있으면 모든 가능한 3가지 상태 시퀀스의 인덱스가 구성되고 이용될 수 있다.
전체 래티스(112)도 다른 유형의 유용한 데이터 시각화를 구성하는 데에 사용될 수 있다. 여기에서, 전체 그리드는 숫자가 큰지 작은지를 나타내는 각 컬러점을 사용하여 2-D 플롯으로 표시된다. 예컨대, 큰 숫자는 적색으로 지정될 수 있고, 작은 숫자는 청색으로, 중간 숫자는 스펙트럼 내의 적색과 청색 사이의 색으로 지정되며, 반대도 또한 같다. 디스플레이는 특정 상태가 존재하거나 존재할 것 같음을 나타내는 적색 및 오렌지색 부분을 갖는 바둑판 패턴과 유사하다. 의사는 이 시각화를 재사용하여 초기 ECG 신호(15)의 비정상적 부분에 (자신의 주의력을 집중시키기 위해) 줌할 수 있다.
또 다른 실시예에서, 본 발명의 시스템(11)은 한 명 이상의 환자로부터 수집된 ECG(15)들 사이의 상호 관계를 연구하는 데 사용된다. 비터비 최적 경로 또는 전체 래티스(112)가 사용될 수 있다.
상술한 내용을 달성하기 위해, 프로세스 및 디스플레이 엔진(114)은 사용자 지정 기준에 기초하여 경로를 선택하고 경로를 일부 또는 전부 분류(컬러 코딩, 디스플레이 강조, 필터링, 줌잉 등)하는 알려진 기술을 이용한다.
또한, 만일 의사가 자신이 식별할 수 없는 ECG 기록(15)을 가지면, 의사는 사전-기록된 기록의 래티스에서 이를 검색할 수 있다. 이에 대한 예는 도 2에 도 시된다. 여기에서 질의 래티스(112)(환자의 ECG(15)로부터 도 1의 프로세스(11)에 의해 형성됨)는 래티스의 데이터 저장(31)과 비교되고, 가장 근접한 일치(33)가 반환된다. 이들 일치는 환자의 나이, 의학 병력, 체중 등으로 더 필터링될 수 있다. 가장 근접한 일치는 대상물인 환자의 ECG(15)에 대한 초기 진단 또는 예비 진단을 부여한다.
데이터 저장(31)은 이전에 생성된 래티스(37) 및 이들 다수의 환자의 래티스를 생성하는 대응하는 ECG(39)를 보유하는 데이터베이스로서 구현될 수 있다. 이어서 데이터베이스 관리 시스템의 질의 엔진(35)은 현재 환자(대상물)의 래티스(112)("질의" 래티스)를 입력으로서 사용한다. 질의 엔진(35)은 입력 대상물 래티스(112)와 가장 근접하게 일치하는 사전정의된 래티스(37)를 결정한다. 가장 근접하게 일치하는 사전정의된 래티스(37)와 관련된 심장 상태는 대상물 ECG(15)에 대한 분석을 제공한다.
또한, 래티스(112) 생성 대신에, 각 ECG 신호(15)는 "기호" 벡터로 변환될 수 있다. 벡터의 각 성분은 각 청크(27)에 대한 분류기(12) 출력의 합 또는 다른 조합이다. 따라서 시간 정보는 버려지지만 ECG 신호(15)는 간단한 형태(기호 벡터)로 나타난다. 이는 원래의 ECG 신호(15)의 중요 부분에 줌잉하는 것을 허용하지 않을 것이지만 환자의 ECG 간의 빠른 비교를 용이하게 할 것이며, 진단 속도도 증가시킬 것이다.
또한, 심장 상태에 대한 병력이 있는 몇몇 환자들은 (영구적인 조직 손상 때문에) 비정상적인 ECG를 영구적으로 가질 것이다. 이들 환자에 있어서, 일반적인 비정상적 상태와 상당히 다른 ECG 신호(15)의 일부만을 발견하는 것이 바람직할 수 있다. 이 경우에, 본 발명의 장치(11)는 전문가가 분류기(12)의 설정 및 임계치를 변경하거나 몇몇 분류기(12)로부터의 출력을 완전히 무시하는 것을 가능하게 한다.
마지막으로, 이러한 개시내용은 표시/시각화 목적으로 상상하여 기록되었지만, 실제 시간에 래티스(112)를 분석하는 프로그램이 사용되어 다양한 증후군에 대한 경보를 증가시킬 수 있음은 물론이다.
도 3a 및 도 3b는 본 발명을 구현하는 컴퓨터 시스템을 도시한다. ECG 장치(41)는 환자(대상물)(43)에 연결된다. ECG 장치(41)로부터의 판독(신호)(45)은 본 발명을 구현하는 컴퓨터 시스템(47)으로의 (예컨대, 다운로드되거나 전송된) 입력이다. 구체적으로, 컴퓨터 시스템(47)은 (i) ECG 신호(45)에 대응하는 래티스(112)(라벨, 주석 등을 포함함)를 구성하고 (ii) 래티스(112)에 대한 디스플레이 프로세싱 및 질의를 제공하여, 도 1 및 도 2에 상술된 바와 같이 (포커싱 및 필터링 방식으로) ECG 데이터를 보다 명확하게 시각화하고 이를 통해 네비게이팅할 때 의사를 돕는다. 이처럼, 컴퓨터 시스템(47)은 ECG 신호/데이터의 판독 및 분석을 지원하는 툴로서 제공한다.
도 3b에 도시된 바와 같이, 각 컴퓨터 시스템(47)은 시스템 버스(79)를 포함하는 것이 바람직한데, 버스는 컴퓨터의 부품 사이에서 데이터를 전송하는 데 사용되는 하드웨어 라인 세트이다. 버스(79)는 본질적으로 컴퓨터 시스템의 서로 다른 구성 요소(예컨대, 프로세서, 디스크 저장장치. 메모리, 입/출력 포트, 네트워크 포트 등)를 연결하는 공유형 콘딧(conduit)으로서, 구성 요소 간의 정보 전송을 가 능하게 한다. 다양한 입/출력 디바이스(예컨대, 디스플레이, 프린터, 스피커 등)를 컴퓨터 시스템에 연결하는 I/O 디바이스 인터페이스(82)가 시스템 버스(79)에 부착된다. 대상물 ECG 신호(45)는 I/O 디바이스 인터페이스(82)를 통해 수신된다. 네트워크 인터페이스(86)는 컴퓨터 시스템이 네트워크에 부착되는 다양한 기타 디바이스에 연결되는 것을 가능하게 한다. 메모리(90)는 본 발명의 실시예를 구현하는 데 사용되는 컴퓨터 소프트웨어 인스트럭션(예컨대, 프로그램 루틴(92) 및 데이터(94))을 위한 휘발성 저장장치를 제공한다. 프로그램 루틴(92)은 예컨대 도 1 및 도 2의 본 발명의 프로세스(11), 심장 검출기/분류기(12) 및 질의 엔진(35) 및 데이터베이스 서브시스템을 포함한다. 데이터(94)는 저장된 래티스(37)의 코포라(corpora)(31) 및 관련된 ECG 신호(39)를 포함한다. 디스크 저장장치(95)는 본 발명의 실시예를 구현하는 데 사용되는 데이터 및 컴퓨터 소프트웨어 인스트럭션을 위한 비휘발성 저장장치를 제공한다. 중앙 처리 장치(84)도 시스템 버스(79)에 부착되어 컴퓨터 인스트럭션의 실행을 제공한다.
네트워크 인터페이스(86)는 본 발명의 프로그램(루틴)(11)이 네트워크(예컨대, LAN, WAN 또는 글로벌 네트워크)를 통해 다운로딩 또는 업로딩될 수 있게 한다. I/O 디바이스 인터페이스(82)는 디스켓 또는 다른 컴퓨터 판독가능한 매체(CD-ROM 등)로 인해 본 발명의 프로세스(11)가 컴퓨터 사이에서 포팅될 수 있게 한다. 컴퓨터 사이에서 전부 또는 일부 프로세스(11)의 다른 전송은 당업자의 권한 내에 존재한다. 이에 따라, 본 발명의 프로세스(11)는 컴퓨터 네트워크를 통해 분산된 독립형 컴퓨터에서 실행되거나, 클라이언트-서버 방식으로 또는 다른 장치 에서 실행될 수 있다.
본 발명은 바람직한 실시예를 참조하여 구체적으로 도시되고 설명되었지만, 당업자는 첨부되는 특허 청구 범위에 의해 포함되는 본 발명의 범주를 벗어나지 않으면서 형식상 및 상세하게 다양한 변경이 이루어질 수 있음을 알 것이다
예컨대, 본 발명의 시스템은 인간 또는 다른 대상물에도 적용될 수 있다. 또한, 다시 말하지만, 본 발명은 ECG 신호(판독)를 표시하고 이에 대해 주석을 다는 방법 및 시스템을 제공한다. 생성된 래티스(112)의 라벨은 심장 상태에 대한 표시 및 검출된 상태에 대한 신뢰도를 제공한다. ECG 신호는 이들 라벨(래티스(112))과 함께(오버레잉되거나 코릴레이팅됨) 의사-사용자에게 ECG에 대해 표시되거나 주석이 달린 버전을 제공한다.

Claims (10)

  1. ECG 신호를 판독하고 분석하는 방법에 있어서,
    대상물에 대한 대상물 ECG 신호(subject ECG signal)를 수신하는 단계와,
    상기 대상물 ECG 신호에 복수의 심장 상태 검출기를 적용함으로써 상기 대상물에 존재하는 소정의 심장 상태의 가능성에 대한 표시를 생성하는 단계와,
    상기 생성된 표시로부터의 주석을 갖는 래티스(lattice) -상기 래티스는 사용자가 상기 대상물의 ECG 신호를 통해 네비게이팅하는 것을 가능하게 함- 를 형성하는 단계를 포함하며 컴퓨터로 구현되는
    ECG 신호의 판독 및 분석 방법.
  2. 제 1 항에 있어서,
    상기 대상물 ECG 신호에서 검출된 가장 적당한 심장 상태를 나타내는 방식으로 상기 래티스를 선회(traversing)하는 단계를 더 포함하는
    ECG 신호의 판독 및 분석 방법.
  3. 제 1 항에 있어서,
    심장 상태의 유형, 소정의 심장 상태의 가능성 역(likelihood threshold), 소정의 심장 상태를 나타내는 ECG 신호의 시간 길이, 심장 상태의 시퀀스 및 심장 상태를 나타내는 ECG 신호 간의 유사성의 임의의 조합을 포함하는 사용자 지정 기준에 기초하여 상기 래티스를 통한 경로를 결정하는 단계를 더 포함하는
    ECG 신호의 판독 및 분석 방법.
  4. 제 1 항에 있어서,
    각각 관련된 심장 상태를 갖는 사전결정된 래티스의 데이터베이스를 제공하는 단계와,
    상기 형성된 래티스와 상기 데이터베이스 내의 심장 상태를 비교하여 상기 대상물의 심장 상태를 결정하는 단계를 더 포함하는
    ECG 신호의 판독 및 분석 방법.
  5. 제 1 항에 있어서,
    상기 사용자에게 포커싱 및/또는 필터링된 대상물 ECG 기호의 관찰이 가능하도록 상기 래티스를 통한 하나 이상의 경로를 강조하는 단계를 더 포함하는
    ECG 신호의 판독 및 분석 방법.
  6. ECG 기호를 판독하고 분석하는 컴퓨터 장치에 있어서,
    대상물에 대한 대상물 ECG 신호(15)를 수신하는 입력 구성요소와,
    복수의 심장 상태 검출기(12)와,
    대상물 ECG 신호(15)에 각 검출기를 적용하기 위해 상기 입력 구성요소와 상기 복수의 검출기(12) 사이에 결합되어, 상기 대상물에 존재하는 소정의 심장 상태의 가능성에 대한 표시를 생성하는 점수 기록 모듈(110)을 포함하되,
    상기 점수 기록 모듈(110)은 생성된 표시로부터 래티스(112)를 형성하고, 상기 래티스(112)는 표시되거나 주석이 달린 상기 대상물 ECG 신호(15)의 관찰을 제공함으로써, 사용자가 상기 대상물 ECG 신호(15)를 통해 네비게이팅하는 것을 가능하게 하는
    컴퓨터 장치.
  7. 제 6 항에 있어서,
    상기 대상물 ECG 신호에서 검출된 가장 적당한 심장 상태를 나타내는 방식으로 상기 래티스(112)를 선회하게 하는 프로세스 및 디스플레이 엔진(114)을 더 포함하는
    컴퓨터 장치.
  8. 제 6 항에 있어서,
    사용자 지정 기준에 기초하여 상기 래티스(112)를 통한 경로를 결정하는 프로세스 및 디스플레이 엔진(114)을 더 포함하는
    컴퓨터 장치.
  9. 제 6 항에 있어서,
    각각의 결정된 심장 상태를 갖는 사전정의된 래티스(37)를 저장하는 데이터베이스(31)와,
    상기 형성된 래티스(112)와 상기 데이터베이스(31)에 저장된 상기 사전정의된 래티스(37)를 비교하여 상기 대상물의 심장 상태를 결정하는 질의 엔진(35)을 더 포함하는
    컴퓨터 장치.
  10. 제 6 항에 있어서,
    상기 사용자에게 포커싱 및/또는 필터링된 대상물 ECG 신호(15)의 관찰이 가능하도록 상기 래티스(112)를 통한 하나 이상의 경로를 강조하는 프로세스 및 디스플레이 엔진(114)을 더 포함하는
    컴퓨터 장치.
KR1020067023117A 2004-04-05 2005-03-31 Ecg 신호를 판독하고 분석하는 방법 및 컴퓨터 장치 KR20060134196A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US10/818,007 2004-04-05
US10/818,007 US7058444B2 (en) 2004-04-05 2004-04-05 Computer method and system for reading and analyzing ECG signals

Publications (1)

Publication Number Publication Date
KR20060134196A true KR20060134196A (ko) 2006-12-27

Family

ID=34965194

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020067023117A KR20060134196A (ko) 2004-04-05 2005-03-31 Ecg 신호를 판독하고 분석하는 방법 및 컴퓨터 장치

Country Status (5)

Country Link
US (1) US7058444B2 (ko)
JP (1) JP2007531580A (ko)
KR (1) KR20060134196A (ko)
CN (1) CN100483393C (ko)
WO (1) WO2005101227A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8417326B2 (en) 2007-08-02 2013-04-09 The Research Foundation Of State University Of New York RR interval monitoring method and blood pressure cuff utilizing same

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2608352C (en) * 2005-05-13 2017-08-01 Cardiocore Lab, Inc. Method and apparatus for sequenced extraction from electrocardiogramic waveforms
US8838215B2 (en) * 2006-03-01 2014-09-16 Angel Medical Systems, Inc. Systems and methods of medical monitoring according to patient state
JP4466585B2 (ja) * 2006-02-21 2010-05-26 セイコーエプソン株式会社 対象物が表現された画像の数の算出
US7623910B2 (en) * 2006-03-10 2009-11-24 University Of Rochester ECG-based differentiation of LQT1 and LQT2 mutation
US8155735B2 (en) 2006-09-19 2012-04-10 The Cleveland Clinic Foundation Prediction and prevention of postoperative atrial fibrillation in cardiac surgery patients
EP2109398A1 (en) * 2007-01-04 2009-10-21 Alex Kalpaxis Wireless temporal-spatial mobility and electrocardiogram analyzer system and method
US9943244B2 (en) * 2007-09-14 2018-04-17 Angel Medical Systems, Inc. Waveform feature value averaging system and methods for the detection of cardiac events
US20090088620A1 (en) * 2007-10-01 2009-04-02 Koninklijke Philips Electronics N. V. Quantitative clinical and pre-clinical imaging
CA2709172A1 (en) * 2007-12-13 2009-06-11 Heart Force Medical Inc. Method and apparatus for acquiring and analyzing data relating to a physiological condition of a subject
US9655518B2 (en) 2009-03-27 2017-05-23 Braemar Manufacturing, Llc Ambulatory and centralized processing of a physiological signal
EP2696750B1 (en) 2011-04-15 2016-08-10 Infobionic, Inc. Remote data monitoring and collection system with multi-tiered analysis
US8620418B1 (en) 2013-01-04 2013-12-31 Infobionic, Inc. Systems and methods for processing and displaying patient electrocardiograph data
CN103110417B (zh) * 2013-02-28 2014-07-16 华东师范大学 一种心电图自动识别系统
US10524680B2 (en) 2015-08-31 2020-01-07 Ventrilink Corporation Electrocardiogram device and methods
US10441184B2 (en) 2016-03-16 2019-10-15 Ventrilink Corporation Electrocardiogram device and methods
USD794807S1 (en) 2016-04-29 2017-08-15 Infobionic, Inc. Health monitoring device with a display
USD794805S1 (en) 2016-04-29 2017-08-15 Infobionic, Inc. Health monitoring device with a button
USD794806S1 (en) 2016-04-29 2017-08-15 Infobionic, Inc. Health monitoring device
US9968274B2 (en) 2016-04-29 2018-05-15 Infobionic, Inc. Systems and methods for processing ECG data

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4340065A (en) * 1979-09-11 1982-07-20 Gessman Lawrence J Method and apparatus for displaying electrocardiogram signals
DE3924214A1 (de) * 1989-07-21 1991-01-24 Mueller & Sebastiani Elek Gmbh Verfahren und system zur datenauswertung von langzeit-ekg-geraeten
US5090418A (en) * 1990-11-09 1992-02-25 Del Mar Avionics Method and apparatus for screening electrocardiographic (ECG) data
US5778881A (en) * 1996-12-04 1998-07-14 Medtronic, Inc. Method and apparatus for discriminating P and R waves
US6546378B1 (en) 1997-04-24 2003-04-08 Bright Ideas, L.L.C. Signal interpretation engine
US5967995A (en) * 1998-04-28 1999-10-19 University Of Pittsburgh Of The Commonwealth System Of Higher Education System for prediction of life-threatening cardiac arrhythmias
US6272377B1 (en) 1999-10-01 2001-08-07 Cardiac Pacemakers, Inc. Cardiac rhythm management system with arrhythmia prediction and prevention
US6463320B1 (en) * 1999-12-22 2002-10-08 Ge Medical Systems Information Technologies, Inc. Clinical research workstation
US6389308B1 (en) * 2000-05-30 2002-05-14 Vladimir Shusterman System and device for multi-scale analysis and representation of electrocardiographic data
US6564090B2 (en) * 2001-10-11 2003-05-13 Ge Medical Systems Information Technologies, Inc. Method and apparatus for the serial comparison of electrocardiograms
US6778852B2 (en) * 2002-03-14 2004-08-17 Inovise Medical, Inc. Color-coded ECG
US7074194B2 (en) * 2003-05-19 2006-07-11 Ischemia Technologies, Inc. Apparatus and method for risk stratification of patients with chest pain of suspected cardiac origin
US7117108B2 (en) * 2003-05-28 2006-10-03 Paul Ernest Rapp System and method for categorical analysis of time dependent dynamic processes
US7477936B2 (en) * 2003-12-19 2009-01-13 Aalborg Universitet System and a method for analyzing ECG curvature

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8417326B2 (en) 2007-08-02 2013-04-09 The Research Foundation Of State University Of New York RR interval monitoring method and blood pressure cuff utilizing same

Also Published As

Publication number Publication date
US20050222507A1 (en) 2005-10-06
US7058444B2 (en) 2006-06-06
CN1961310A (zh) 2007-05-09
WO2005101227A1 (en) 2005-10-27
JP2007531580A (ja) 2007-11-08
CN100483393C (zh) 2009-04-29

Similar Documents

Publication Publication Date Title
KR20060134196A (ko) Ecg 신호를 판독하고 분석하는 방법 및 컴퓨터 장치
US11147500B2 (en) Electrocardiogram processing system for delineation and classification
Maglaveras et al. An adaptive backpropagation neural network for real-time ischemia episodes detection: development and performance analysis using the European ST-T database
CN102316792B (zh) 用于自动获取和存档临床上有意义的体征的系统和方法
US20040093192A1 (en) Apparatus and method for effecient representation of periodic and nearly periodic signals for analysis
US20060161065A1 (en) Similarity scores for electrocardiography
Zhou et al. ECG quality assessment using 1D-convolutional neural network
KR102387703B1 (ko) 심전도 판독을 수정하기 위한 방법 및 장치
JP5449207B2 (ja) 生理学データの形態フィーチャ解析のシステム
US11672464B2 (en) Electrocardiogram processing system for delineation and classification
Srinivas et al. Adaptive learning based heartbeat classification
CN110432894B (zh) 心电图关键点标注方法及电子设备
Yang et al. Premature beats detection based on a novel convolutional neural network
Yao et al. Arrhythmia classification from single lead ecg by multi-scale convolutional neural networks
Madona et al. Classification of ECG signals using the Naïve Bayes classification method and its implementation in android-based smart health care
Shan et al. A Dual Arrhythmia Classification Algorithm Based on Deep Learning and Attention Mechanism Incorporating Morphological-temporal Information
Ogrezeanu et al. Deep learning based myocardial ischemia detection in ECG signals
Jager et al. Development of a long term database for assessing the performance of transient ischemia detectors
Tudjarski et al. From Continuous ECG Signals to Extracted Features for Machine Learning Models and Arrhythmia Annotations
KR102467211B1 (ko) 머신 러닝을 이용하여 심전도 파형 분류 방법 및 장치
Yu et al. Zero-Shot ECG Diagnosis with Large Language Models and Retrieval-Augmented Generation
Huang et al. Cardio Vec: Searching Heart Health Information Using ECG Signals
Shabaan et al. AI-Based Detection of Myocardial Infarction through Electrocardiogram Signals: A Review
Nademi et al. Generative Data by β-Variational Autoencoders Help Build Stronger Classifiers: ECG Use Case
Park et al. Similar patient search using the results of heartbeat classification

Legal Events

Date Code Title Description
WITN Application deemed withdrawn, e.g. because no request for examination was filed or no examination fee was paid