TWI435708B - 用於偵測和診斷心臟疾病和不適症狀的方法、系統和裝置 - Google Patents
用於偵測和診斷心臟疾病和不適症狀的方法、系統和裝置 Download PDFInfo
- Publication number
- TWI435708B TWI435708B TW097123568A TW97123568A TWI435708B TW I435708 B TWI435708 B TW I435708B TW 097123568 A TW097123568 A TW 097123568A TW 97123568 A TW97123568 A TW 97123568A TW I435708 B TWI435708 B TW I435708B
- Authority
- TW
- Taiwan
- Prior art keywords
- avl
- electrocardiogram
- early
- feature
- segment
- Prior art date
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/364—Detecting abnormal ECG interval, e.g. extrasystoles, ectopic heartbeats
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/339—Displays specially adapted therefor
- A61B5/341—Vectorcardiography [VCG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/366—Detecting abnormal QRS complex, e.g. widening
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Cardiology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Description
本發明涉及係關於心電圖分析之領域。
心電儀已被發明超過一百年,其生成心臟隨時間之電活動的圖像記錄(即可被記錄在紙張上或作為電子數據被儲存的心電圖(ECG))。在研究心臟之電子信號的習知技術中,有兩種早期觀點:(1)形態學,意指隨心搏而重複出現的不同偏折和,(2)節律(或本文所用之不整脈學),意指這些信號的不同週期性。形態學是關於心電圖的研究,其著重於偵測一次心動中的肌肉或傳導反常,譬如心肌缺血、肥大、束枝傳導阻斷及類似異常。不整脈學是關於電流激發和傳導異常的研究,譬如心室早期收縮、傳導阻斷及類似異常。本文所述心電圖可以是一次心搏之部份、一次完整心搏或多次心搏的記錄。
傳統上通過形態分析來偵測心肌缺血。在每次心搏中的ST段異常提高或降低的偏折表示可能有缺血。心電圖分析及解釋之先前技術方法早期是目視檢查時間域心電圖,其偵測缺血的期望值較差,準確度僅為30至60%。
其它偵測缺血的方法包括圖形識別,比如頻率域分析和小波轉換分析。圖形識別包括對同一對象進行資源受限觀察(RLO)及資源豐富觀察(RRO)。RLO是非侵入性、便宜且節省時間的觀察,比如常規ECG。與RLO相比,
RRO則是較具侵入性、較昂貴且較不節省時間的觀察,比如運動心電圖、多巴酚丁胺壓力負荷心臟超音波圖、單正子發射電腦斷層掃描(SPECT)鉈201掃描、冠狀動脈攝影及類似。與常規標準靜態心電圖分析相比,RRO觀察在偵測缺血上更準確。
一種偵測缺血的圖形識別方法採用了對心電圖諧波進行能量譜密度(ESD)分析(有時被稱為功率譜密度(PSD))。舉例來說,參見方和洪(Fang & Hone),生物神經機械學心血管診斷系統(BKD)的原理和臨床應用C2001;費舍(Fisher)(1998)生物醫學儀器技術,32(4):387;諾艾拉和歐威達(Noera & Oueida)(1999)動脈硬化雜誌(Giornale della Arteriosclerosi)34(2):81;和美國專利5,649,544、6,638,232及6,148,228;福卡普和杰拉德(Fokapu & Girard)(1991),心電圖(Electrocardiography)12(2):645;瓊斯(Jones)等人(1992)心電圖雜誌25(副刊)(J Electrocardiograph)25(Suppl):188;羅森特拉依特(Rozentryt)等人(1999)醫學觀察(Med Sci Monit)5(4):777;哈柏爾(Haberl)等人(1989)歐洲心臟雜誌(European Heart J)10:316;塞拉(Sierra)等人(1997)第19屆IEEE/EMBS國際會議論文集,第76頁。不幸地,很難解釋ESD方法和分析並將其與形態學保持一致的關聯。
因此,用於偵測和診斷如缺血之類的心臟疾病和不適症狀之方法、系統和裝置仍是需要的。
本發明提供一種用於決定一個早期心電圖之分佈函數的方法,該方法包括獲得一個早期心電圖;獲得該早期心電圖諧波範圍中諧波之密度函數;並合計密度函數。在一些實施例中,該早期心電圖是一個早期形態心電圖。在其它實施例中,該早期心電圖是一個早期心律不整心電圖。在一些實施例中,藉由電子數據的形式獲得一個原始心電圖而得到該早期形態心電圖;選擇至少一個特徵段或至少一個特徵視窗;並藉由除去與該特徵段或特徵視窗無關係的資訊,隔離出該特徵段或特徵視窗。在一些實施例中,該特徵段是一個QT段、一個RT段或一個PR段。在一些實施例中,該特徵視窗包括一個T波的部份或全部或一個PQRST區間的部份或全部。在一些實施例中,藉助均化該特徵段或特徵視窗來進一步精化該特徵段或特徵視窗。在一些實施例中,經均化之特徵段或特徵視窗可被重複N次,其中N為任何正整數。在一些實施例中,被隔離之特徵段為多個連續的被隔離之特徵段。在一些實施例中,被隔離之特徵視窗為多個連續的被隔離之特徵視窗。
在一些實施例中,本發明提供一種用於診斷或偵測譬如對象之心肌缺血的心臟疾病或不適症狀的方法,該方法包括獲取該對象的一個早期心電圖;獲得該心電圖諧波範圍中諧波之多個密度函數;合計該多個密度函數以得到至少一個分佈函數;並根據該分佈函數是否指示有心臟疾病或不適症狀而決定有無心臟疾病或不適症狀。在一些實施
例中,該早期心電圖是一個早期形態心電圖。在其它實施例中,該早期心電圖是一個早期心律不整心電圖。在一些實施例中,藉由電子數據的形式獲得一個原始心電圖而得到該早期形態心電圖;選擇至少一個特徵段或至少一個特徵視窗;並藉由除去與該特徵段或特徵視窗無關係的資訊,隔離出該特徵段或特徵視窗。在一些實施例中,該特徵段是一個QT段、一個RT段或一個PR段。在一些實施例中,該特徵視窗包括一個T波的部份或全部或一個PQRST區間的部份或全部。在一些實施例中,藉助均化該特徵段或特徵視窗來進一步精化該特徵段或特徵視窗。在一些實施例中,經均化之特徵段或特徵視窗可被重複N次,其中N為任何正整數。在一些實施例中,被隔離之特徵段為多個連續的被隔離之特徵段。在一些實施例中,被隔離之特徵視窗為多個連續的被隔離之特徵視窗
在一些實施例中,從由H aVL
[30] θ 1
、H V2
[6]>θ 2
和H II
[6] θ 3
;H aVL
[30] θ 1
、H V2
[6]>θ 2
、H II
[6]>θ 3
、H V
1
[30]>θ 4
和H aVL
[499]>θ 5
;H aVL
[30] θ 1
、H V2
[6]>θ 2
、H II
[6]>θ 3
、H V
1
[30] θ 4
和H III
[30] θ 6
;H aVL
[30] θ 1
、H V2
[6]>θ 2
、H II
[6]>θ 3
、H V
1
[30] θ 4
、H III
[30]>θ 6
和H V5
[499]>θ 7
;和H aVL
[30] θ 1
、H V2
[6]>θ 2
、H II
[6]>θ 3
、H V
1
[30] θ 4
和H III
[30]>θ 6
、H V5
[499] θ 7
、H V5
[6] θ 8
、H aVR
[6]>θ 9
和H III
[6]>θ 10
組成的組中選出的一個分佈函數組合指示沒有心臟疾病或不適症狀。在一些實施例中,從由H aVL
[30]>θ 1
;H aVL
[30] θ 1
和H V2
[6] θ 2
;H aVL
[30] θ 1
、H V2
[6]>θ 2
、H II
[6]>θ 3
、H V
1
[30]>θ 4
和H aVL
[499]>θ 5
;H aVL
[30] θ 1
、H V2
[6]>θ 2
、H II
[6]>θ 3
、H V
1
[30] θ 4
、H III
[30]>θ 6
、H V5
[499] θ 7
和H V5
[6] θ 8
;H aVL
[30] θ 1
、H V2
[6]>θ 2
、H II
[6]>θ 3
、H V
1
[30] θ 4
、H III
[30]>θ 6
、H V5
[499] θ 7
、H V5
[6]>θ 8
和H aVR
[6] θ 9
;和H aVL
[30] θ 1
、H V2
[6]>θ 2
、H II
[6]>θ 3
、H V
1
[30] θ 4
、H III
[30]>θ 6
、H V5
[499] θ 7
、H V5
[6]>θ 8
、H aVR
[6]>θ 9
和H III
[6] θ 10
組成的組中選出的一個分佈函數組合指示有心臟疾病或不適症狀。在一些實施例中,該方法進一步包括確定一個次要因子,比如該對象的年齡或該對象是否患有糖尿病。
如此,在一些實施例中,從由H aVL
[30] θ 1
、H V2
[6]>θ 2
、年齡 θ 3
和H aVR
[30] θ 4
;H aVL
[30] θ 1
、H V2
[6]>θ 2
、年齡>θ 3
、H V5
[6]>θ 5
、H V
1
[499]>θ 6
和H aVR
[499]>θ 10
;和H aVL
[30] θ 1
、H V2
[6]>θ 2
、年齡>θ 3
、H V5
[6]>θ 5
、H V
1
[499] θ 6
、H V2
[499]>θ 7
、H aVL
[30]>θ 7
、H aVL
[30]>θ 8
和H V4
[6]>θ 9
組成的組中選出的一個年齡和分佈函數的組合指示沒有心臟疾病或不適症狀。在一些實施例中,從由H aVL
[30]>θ 1
;H aVL
[30]>θ 1
和H V2
[6] θ 2
;H aVL
[30]>θ 1
、H V2
[6] θ 2
、年齡 θ 3
和H aVR
[30]>θ 4
;H aVL
[30] θ 1
、H V2
[6]>θ 2
、年齡>θ 3
和H V5
[6] θ 5
;H aVL
[30] θ 1
、H V2
[6]>θ 2
、年齡>θ 3
、H V5
[6]>θ 5
、H V1
[499]>θ 6
和H aVR
[499] θ 10
;H aVL
[30] θ 1
、H V2
[6]>θ 2
、年齡>θ 3
、H V5
[6]>θ 5
、H V1
[499] θ 6
和H V2
[499] θ 7
;H aVL
[30] θ 1
、H V2
[6]>θ 2
、年齡>θ 3
、H V5
[6]>θ 5
、H V
1
[499] θ 6
、H V2
[499]>θ 7
、H aVL
[30]>θ 7
和H aVL
[30] θ 8
;和H aVL
[30] θ 1
、H V2
[6]>θ 2
、年齡>θ 3
、H V5
[6]>θ 5
、H V
1
[499] θ 6
、H V2
[499]>θ 7
、H aVL
[30]>θ 7
、H aVL
[30]>θ 8
和H V4
[6] θ 9
組成的組中選出的一個年齡和分佈函數的組合指示有心臟疾病或不適症狀。
在一些實施例中,從由H aVL
[6] θ 1
、DM為陽性和H V6
[499] θ 2
;和H aVL
[6] θ 1
、DM為陰性、H aVF
[6]>θ 3
、H I
[6]>θ 4
SH I
[6]>θ 4
、H II
[6] θ 5
、H III
[6] θ 6
、H V
5
[30] θ 7
和H V3
[6] θ 8
組成的組中選出的一個分佈函數和有無糖尿病(DM)的組合指示沒有心臟疾病或不適症狀。在一些實施例中,從由H aVL
[6]>θ 1
;H aVL
[6] θ 1
、DM為陽性和H V6
[499]>θ 2
;H aVL
[6] θ 1
、DM為陰性和H aVF
[6] θ 3
;H aVL
[6] θ 1
、DM為陰性、H aVF
[6]>θ 3
和H I
[6] θ 4
;H aVL
[6] θ 1
、DM為陰性、H aVF
[6]>θ 3
、H I
[6]>θ 4
和H II
[6]>θ 5
;H aVL
[6] θ 1
、DM為陰性、H aVF
[6]>θ 3
、H I
[6]>θ 4
、H II
[6] θ 5
和H III
[6]>θ 6
、H aVL
[6] θ 1
、DM為陰性、H aVF
[6]>θ 3
、H I
[6]>θ 4
、H II
[6] θ 5
、H III
[6] θ 6
和H V
5
[30]>θ 7
;和H aVL
[6] θ 1
、DM為陰性、H aVF
[6]>θ 3
、H I
[6]>θ 4
SH I
[6]>θ 4
、H II
[6] θ 5
、H III
[6] θ 6
、H V
5
[30] θ 7
和H V3
[6]>θ 8
組成的組中選出的一個分佈函數和有無糖尿病(DM)的組合指示沒有心臟疾病或不適症狀。
在一些實施例中,本發明提供一種用於偵測或診斷患
有心臟疾病或不適症狀的對象之系統或裝置,包括獲得對象原始心電圖的一個心電儀;用於轉換原始心電圖至原始數位心電圖的一個數據獲取模組;用於轉換原始數位心電圖至早期心電圖的一個早期心電圖轉換器;以及一個分佈函數電腦以計算該早期心電圖的至少一個分佈函數。
在一些實施例中,本發明提供一種用於偵測或診斷患有心臟疾病或不適症狀的對象之系統或裝置,包括獲得對象原始心電圖的方法;用於轉換原始心電圖至原始數位心電圖的方法;用於轉換原始數位心電圖至早期心電圖的方法;以及計算該早期心電圖的至少一個分佈函數的方法。
上述一般描述及以下詳細的描述均僅為示例及說明,並且有意為所申請專利權之發明提供進一步的解釋。所附圖式用於提供對本發明的進一步理解。它們被包括於此,並組成本說明的一個部份,顯示本發明的幾個實施例,並與描述一起用於解釋本發明的原理。
本發明提供根據從對象獲取的心電圖(ECGs)來偵測和診斷該對象的心臟疾病和不適症狀的方法和裝置。具體地說,本發明涉及藉由分析ECG的形態學來診斷譬如心肌缺血、肥大、束枝傳導阻斷、心室期外激化及類似的心臟疾病和不適症狀的方法和裝置。在一些實施例中,本發明提供藉由分析ECG的心搏之心縮週期(譬如RT段)的形態
學來偵測或診斷一位對象的心肌缺血(缺血)的方法和裝置。
ESD分析的先前技術方法試圖藉由檢查一個ECG,x,的多個週期(90秒)來偵測和診斷譬如缺血的心臟疾病。該ECG被直接轉換入頻率域並以其能量頻譜密度,|X
(f
)|2
,來表示,然後使該能量頻譜密度與心臟疾病相關連。舉例來說,參見ESD方法美國專利6,638,232、6,148,228和5,649,544,它們藉由引用被合併於此。
不幸地,對先前技術的ESD方法和分析很難做出解釋並將其與形態學保持一致的關聯。具體地說,先前技術的ESD分析不解釋由於ECG的一個或多個非週期性而產生的諧波的瓦解。例如,方等人的方法(美國專利6,638,232和6,148,228)試圖藉由計算ESD之曲線下之面積(AUC)來偵測缺血。但是因為沒有討論諧波的瓦解,方等人未能充分地使該曲線下之面積與心臟疾病相關連。因此,方等人的方法不能充分地使ECG的ESD與心臟疾病相關連。
一個諧波代表一個ECG信號之基礎頻率的整數倍的頻譜能量。如此處所用,“諧波的瓦解”指由於諧波能量藉由非週期性從諧波頻率分散至相鄰頻率而產生的諧波高度和形狀的變形。如此處所用,“非週期性”包括心律不整之非週期性,譬如由於非週期性加窗和週期性心率變異性引起的泄漏,和形態學之非週期性,譬如心搏之形態學變異、次基礎頻率振動和白雜訊。
例如,按照先前技術ESD方法確定了超過400位病人的心電圖之ESD。最佳範例ESD從有最少非週期性的一個心電圖中得到,其顯示出明顯的諧波,直到大約第8或第9個諧波。如第1A圖所示之最佳範例ESD,其中在大約第8或第9個諧波處可觀察到諧波的瓦解(作為比起初幾個諧波處的波峰要較為不明顯的波峰)。最差範例ESD從顯示出最多非週期性、嚴重心律不齊和心率變異性(HRV)的一個心電圖中得到。如第1B圖所示之最差範例ESD,其中沒有明顯的諧波。
如此處所公開的,本發明討論ECG之ESD中的諧波瓦解問題,由此使能與有無心臟疾病精確相關連的形態學數據分析成為可能。
除非另有所指,所有ECG均於1000Hz以12位元解析度取樣。如此處所用,一個“原始”ECG指使用一臺未經修改或操縱的心電儀從對象所獲取的一個心電圖,譬如使用本技術習知之心電儀獲得的常規ECG。
有兩種非週期性。第一種是“心律不整之非週期性”,其為一種完成一個心臟週期的時間隨心搏而變化的狀況。第二種是“形態學之非週期性”,其為一種沿時間軌跡上的一個瞬時點之振幅偏折的形狀隨心搏而變化的狀況。
心律不整之非週期性包括歸因於非週期性加窗和週期性心率變異性的泄漏。歸因於非週期性加窗的泄漏是由於包含一個不完整的週期(ECG的一次心搏的一個部份)引起的諧波之頻譜能量泄漏。週期性心率變異性包括心率變異性和心律不整。
歸因於由非週期性加窗引起的泄漏的諧波瓦解可藉助以下來說明:首先,獲得一個理想脈動波列。如此處所用,一個“理想脈動波列”指有一致的時間間隔和相同幅度的脈動的脈動波列。一個脈動波列(狄喇克梳)是一系列與時間域中的週期相交替的脈動,其中脈動的幅度為1,而週期的幅度為0。具體地,首先計算ECG的心搏週期的平均值,識別心搏的數量,然後再生成一個具有與心搏數量相同數量脈動的脈動波列,每個脈動幅度設為1,其與幅度為0的週期交替,並且藉由心搏週期的平均值分開這些脈動,由此獲得該理想脈動波列。接著,藉助除去該理想脈動波列之最後週期的一部份產生該理想脈動波列的非週期性加窗。
為觀察歸因於非週期性加窗的泄漏,對該理想脈動波列和經過非週期性加窗的理想脈動波列進行離散傅立葉轉換(DFT)以獲得ESD。第2A圖顯示該理想脈動波列,而第2B圖顯示其ESD。第3A圖顯示經過非週期性加窗的
理想脈動波列,而第3B圖顯示其ESD。
比較第2B圖和第3B圖,顯示歸因於非週期性加窗的泄漏導致變化幅度的諧波,由此說明諧波瓦解。
歸因於週期性心率變異性的諧波瓦解可藉助以下來說明:首先,獲得一個脈動波列,該脈動波列擁有與帶有心率變異性(HRV)的一個ECG之R峰對應的時間域之位置處的脈動。
為觀察週期性心率變異性的效果,對該脈動波列進行離散傅立葉轉換(DFT)以獲得ESD。第4A圖顯示該脈動波列,而第4B圖顯示其ESD。
比較第2B圖和第4B圖,顯示諧波在頻率增大後不能區別,由此說明諧波瓦解。
形態學之非週期性包括心搏形態學變異、次基礎頻率振動和白雜訊。心搏形態學變異指同一ECG的同一個導程中不同心搏之間的形狀之不同。次基礎頻率振動是發生在比基礎頻率(一個ECG的頻率是平均心率)低的頻率時的振動。白雜訊,或被更通常地稱為加成性白高斯雜訊(AWGN),是一個有平坦功率頻譜密度的隨機信號。
歸因於心搏形態學變異的諧波瓦解可藉助以下來說明:首先,一個ECG的心搏之週期和偏折被做成長度和形狀相同以獲得一個理想ECG,並且一個ECG的心搏週期被做成長度相同且同時保持心搏的不同形狀以獲得一個有心搏形態學變異的ECG。然後,對理想ECG和有心搏形態學變異的ECG進行DFT。第5A圖顯示該理想ECG,而第5B圖顯示其ESD。第5C圖顯示有心搏形態學變異的ECG,而第5D圖顯示其ESD。
比較第5B圖和第5D圖,顯示心搏形態學變異導致一些在第5D圖的基線處提供的諧波瓦解。
次基礎頻率振動歸因於呼吸、移動、表面肌肉收縮和其它器官的電流活動引起的幹擾。在本發明的一些實施例中,次基礎頻率振動可用低轉角頻率高通濾波器及本技術習知的方法濾出。
白雜訊由摩擦和其它熱雜訊及環境雜訊造成。在本發明的一些實施例中,白雜訊的效果可藉由使用本技術習知的方法進行信號平均或最佳化硬體設計而加以減少。
因而,本發明討論歸因於非週期性的ECG之ESD中的諧波瓦解問題。具體地,本發明提供了一種決定一個早期ECG的分佈函數的方法,其可被用於偵測和診斷心臟疾病和不適症狀,譬如心肌缺血。
如此處所用,“早期ECG”指一個經修改之ECG,該ECG中的每個心搏之特定資訊,如心律不整資訊或形態學資訊,被設成常數。一個早期ECG包括一個早期形態ECG和一個早期心律不整ECG。如此處所用,“早期形態ECG”指一個經修改之ECG,其中的每個心搏之心律不整資訊被設成常數。如此處所用,“早期心律不整ECG”指一個經修改之ECG,其中的每個心搏之形態學資訊被設成常數。
在一個早期ECG產生之前,必須獲得對象的一個ECG。該ECG可用一個譬如心電儀的測量由心臟活動引起的電位的裝置得到。本技術裡有多種習知方法和裝置用於獲得ECG,這些裝置包括通用電氣醫療健康集團(General Electric Healthcare)(威斯康星密爾沃基)提供的CAM-14®、QRS診斷(QRS Diagnostic)(明尼蘇達普利茅斯)提供的UNIVERSAL ECGTM
、納西夫合伙公司(Nasiff Associates)(紐約布魯爾頓)提供的CARDIO-CARD®及類似品。較佳地,ECG可以電腦可讀形式被存取,例如作為電子數據被記錄和/或儲存,這使其可被輕易地進行數學操作。
採用12導程系統的常規方法和裝置可根據本發明被使用。在這些實施例中,從10個電極(RA、LA、RL、LL、C1、C2、C3、C4、C5、C6)獲取的用於12導程系統(導程I、II、III、aVR、aVL、aVF、V1、V2、V3、V4、V5、V6)的導程數據之計算藉由本技術習知的裝置或算法完成。參見馬爾米沃和普龍西(Malmivuo & Plonsey)(1995)之生物電磁學,牛津:紐約,其經由引用被合併於此。
在其它實施例中,可根據本發明使用替代導程系統。替代導程系統包括15導程系統、16導程系統、30導程系統、32導程系統、9導程系統、3導程系統(包括EASI和法蘭克導程)及類似物。參見盧克斯(Lux)等人(1979)循環(Circulation)59(2):356,布拉迪(Brady)等人(2000)美國急診醫學雜誌(Amer.J.of Emergency Medicine)18(3):239,斯加波薩(Sgarbossa)等人(2001)美國心臟雜誌(Amer.Heart J.)141(4):507,多爾(Dower)等人(1988)心電學雜誌補刊(J.of Electrocardiology Suppl)S182,和伊登勃郎特(Edenbrandt)等人(1988)心電學雜誌(J.of Electrocardiology)21(4):361,其均經由引用被合併於此。例如,根據本發明,可用這些替代導程系統之一而不是常規12導程系統來獲得一個ECG。
一旦獲得ECG,藉把心搏之心律不整資訊設成常數從該ECG中隔離心搏的形態學資訊,藉此建立早期形態
ECG,並且可進一步包括精化形態學資訊。
一旦獲得ECG,接著選擇用於心搏的心搏標誌。如此處所用,“心搏標誌”指一個特徵點,其與一個心臟週期中的一個譬如P峰、Q峰、R峰、S峰、J點、T峰及類似的期望電狀態對應。可用本技術習知的方法輕易地識別一個心搏標誌。參見哈克(Haque)等人(2002)第2屆電子及電腦工程國際會議和阿方索(Afonso)等人(1999)IEEE生物醫學工程學報(IEEE Trans.On Biomed Eng.)46(2):192,其均經由引用被合併於此。
如此處所解釋,使用一個向量心電圖(VCG)來識別心搏標誌。首先,使用本技術習知的方法獲得VCG,該VCG帶有使用雷夫克夫(Levkov)轉換的一個正交導程系統。參見奧古斯特尼亞克(Augustyniak)(2001)第10屆系統、建模、控制國際會議論文集(Proc.Of 10th
Int’l Conf.On System-Modelling-Control)第51頁和雷夫克夫(1987)醫學和生物工程及計算(Med & Biol Engr & Computing)三月,第155頁,其均經由引用被合併於此。接著,取得VCG的第一階和第二階微分,並且決定離整個VCG第一階導數之原點的典型最大距離。超過最大距離之一半的整個VCG之第一階微分中的歷時被測出,並且發現每一個該歷時中有著最低第二階微分的點。
例如,藉由以下識別代表以每秒1000個樣品取樣得
到的一個ECG之R峰的心搏標誌:
1.使用雷夫克夫轉換從長度N的12導程ECG(I、II、III、aVR、aVL、aVF、V1、V2、V3、V4、V5、V6)計算長度N的VCG(x,y,z):
‧x
=0.0592I
-0.0877II
-0.1761V
1-0.0771V
2+0.1228V
3+0.2432V
4+0.2560V
5+0.2078V
6
‧y
=0.3827I
+0.4563II
-0.0179V
1-0.0436V
2-0.0490V
3+0.0165V
4+0.0541V
5+0.0555V
6
‧z
=0.0638I
+0.0258II
-0.2389V
1-0.3140V
2-0.2389V
3-0.0550V
4+0.0615V
5+0.1138V
6
2.計算VCG的第一階微分(dx,dy,dz),以及VCG的第二階微分(d2
x,d2
y,d2
z):
‧dx
[n
]=x
[n
]-x
[n
-1]對n
=2,3,…,N
‧dy
[n
]=y
[n
]-y
[n
-1]對n
=2,3,…,N
‧dz
[n
]=z
[n
]-z
[n
-1]對n
=2,3,…,N
‧d 2 x
[n
]=x
[n
+1]-2x
[n
]+x
[n
-1]對n
=2,3,…,N
-1
‧d 2 y
[n
]=y
[n
+1]-2y
[n
]+y
[n
-1]對n
=2,3,…,N
-1
‧d 2 z
[n
]=z
[n
+1]-2z
[n
]+z
[n
-1]對n
=2,3,…,N
-1
3.計算VCG的第一階微分平方範數(da2
),以及VCG的第二階微分平方範數(d2
a2
):
‧da 2
[n
]=dx 2
[n
]+dy 2
[n
]+dz 2
[n
]對n
=2,3,…,N
‧d 2 a 2
[n
]=d 2 x 2
[n
]+d 2 y 2
[n
]+d 2 z 2
[n
]對n
=2,3,…,N
-1
4.找到{da2
[n]:n=5000i+1,5000i+2,...,5000(i+1)}的最大值,其中0i<N/5000-1,假設門檻值(θ QRS
)為這
些最大值之最小值的一半。
5.藉由從n=31至n=N-100掃描da2
[n]來識別心搏(b),這樣每次θ QRS
被da2
[n]超出,一個R峰心搏標誌位於bR
[i]=arg maxm
{d2
a2
[m]:m=n-30,n-29,...,n+100},i=1,2,...,而掃描從n+100重新開始。
心搏標誌被選好後,可選一個段。一個段包括通常用在ECG分析中的常規段,譬如PR段、PR區間、QRS複合波、ST段和QT區間,以及其它段,譬如從R峰至T峰的RT段、從R峰至T終端的RT站段、從J點至T峰的JT段、從P峰至Q峰的PQ段、從PR區間開始至QT區間終端為止的完整段、從一個心臟週期中某點開始至下個心臟週期中對應點(例如RR區間)為止的完整點段及類似段。
段的選擇取決於期望偵測的心臟疾病或不適症狀類型。例如,如果有興趣偵測缺血,就要選擇QT或RT段,因為這些段中的資料已知對缺血和心室肥大的偵測很重要。參見卡姆(Camm)等人編輯(2006)之心血管醫學ESC教科書,布萊克威爾(Blackwell),其經由引用被合併於此。同樣地,如果有興趣偵測心房疾病或不適症狀,就要選擇PR段,因為此段中的資料已知對包括房室傳導阻滯、心囊炎及心房梗塞的此類疾病的偵測很重要。參見卡姆等人編輯(2006)之心血管醫學ESC教科書,布萊克威爾,其經
由引用被合併於此。
如此處所解釋,選來偵測缺血的段為RT段。對缺血的偵測,用RT段是適合的,因為RT段(1)包括整個ST段,(2)為與其包含R波和T波的最大偏折相比的ST段振幅偏折提供一個參考框架,並且(3)是心縮週期的一個部份,其中再極化發生在最易於缺血或壞死的心室區域的心外膜下心室。參見卡姆等人編輯(2006)之心血管醫學ESC教科書,布萊克威爾,其經由引用被合併於此。所屬領域的技術人員可輕易地根據本發明選擇適合於偵測和診斷所期望的心臟疾病或狀況的段。
一旦選定,這些段被重新取樣至一個給定的固定長度,以便每個重取樣段均有相同的長度來給出一個特徵段。可以根據本發明使用本技術裡習知的方法和裝置來重新取樣這些段。在一些實施例中,重取樣是按照經典的奧本海姆和謝弗(Oppenheim & Schafer)的上採樣-濾波-下採樣算法進行的。參見奧本海姆等人(1989)之離散時間信號處理,普倫提斯(Prentice),其經由引用被合併於此。
如此處所解釋,使用一個向量心電圖(VCG)和心搏標誌的連續平均來識別特徵段。首先,使用本技術裡習知的方法獲得帶有使用雷夫克夫轉換之正交導程系統的一個VCG。參見奧古斯特尼亞克(2001)第10屆系統、建模、控制國際會議論文集第51頁和雷夫克夫(1987)醫學和生物工程及計算,三月,第155頁,其均經由引用被合併於此。接著,求得該VCG的連續平均。相對作為該VCG的
連續平均的一些最大值的心搏標誌,偵測到該VCG的連續平均的段之終端處特徵點。然後,僅選擇其段處於心搏段之長度平均值的一個標準差之內的心搏。每個心搏的段均被重取樣至一個固定長度。因為特徵段是重取樣具有任意長度(q)的ECG段至一個共同的長度(p)之結果,其不處於一個譬如毫秒指標的常規時間指標上。因而,特徵段的DFT不處於一個譬如赫茲指標的常規頻率指標上。如此處所用,“時間單元”指特徵段的時間域指標。並且如此處所用,“頻率單元”指特徵段的頻率域指標。時間單元和頻率單元保持與秒和赫茲之間關係相同的反比關係。
例如,代表一個以每秒1000個樣品而採得的ECG之RT段,並有一個心搏標誌代表R峰的特徵段藉由以下識別:
1.使用雷夫克夫轉換從長度N的12導程ECG(I、II、III、aVR、aVL、aVF、V1、V2、V3、V4、V5、V6)計算長度N的VCG(x,y,z):
‧x
=0.0592I
-0.0877II
-0.1761V
1-0.0771V
2+0.1228V
3+0.2432V
4+0.2560V
5+0.2078V
6
‧y
=0.3827I
+0.4563II
-0.0179V
1-0.0436V
2-0.0490V
3+0.0165V
4+0.0541V
5+0.0555V
6
‧z
=0.0638I
+0.0258II
-0.2389V
1-0.3140V
2-0.2389V
3-0.0550V
4+0.0615V
5+0.1138V
6
2.藉由求連續平均,計算一個經平滑化之VCG(sx
,sy
,sz
),以及VCG的第二階微分(d2
x,d2
y,d2
z):
3.為心搏i=1,2,...,Nb0
,用代表R峰的心搏標誌(bR
[i],i=1,2,...,Nb0
)來識別該段R峰位置(nR0
):n R
0
[i
]=arg max n
{max(s x
[n
],s y
[n
],s z
[n
]):n
=b R
[i
]-20,b R
[i
]-19,…,b R
[i
]+20}
4.藉助代表R峰的心搏標誌(bR
[i],i=1,2,...,Nb0
)來計
算平均心搏週期(mdb
):
5.為心搏i=1,2,...,Nb0
-1,用代表R峰的心搏標誌(bR
[i],i=1,2,...,Nb0
)、該段R峰位置nR0
和平均心搏週期mdb
來識別該段T峰位置(nT0
):n T
0
[i
]=arg max n
{max(|s x
[n
]|,||s y
[n
]|,|s z
[n
]|):n
=n R
0
[i
]+150,n R
0
[i
]+151,...,n R
0
[i
]+0.5mdb
}
6.藉由為每個Nb0
-1心搏計算段週期(dnRT0
),dnRT0
[i]=nT0
[i]-nR0
[i],計算dnRT0
的平均值(μRT
)和標準差(σRT
),並且選擇心搏中的段來選擇代表RT段({nR
,nT
})的段,使得:對任何i=1,2,...,Nb0
-1,{nR
,nT
}={nR0
[i],nT0
[i]:μRT
-σRT
<nT0
[i]-nR0
[i]<μRT
+σRT
}
7.用奧本海姆和謝弗算法重取樣Nb
個所選代表RT之段(對所有導程均處於位置{nR
[i],nT
[i]},i=1,2,...,Nb
)的段,使其從相應的長度(dnRT
[i]=nT
[i]-nR
[i],i=1,2,...,Nb
)至固定長度1000,如下:
現有長度q的原始序列(v[n]),n=1,2,...,q,其代表將被重取樣至長度p的重取樣序列(w[n]),n=1,2,...,p的ECG導程之一個段:
(a)藉由產生一個長度2q的經預處理之原始序列(v0
),來預處理v,使得將要被重取樣的信號的第一個及最後一個值為零,其中:
(b)藉由填零用因子p來上行取樣v0
[n],以產生一個長度2pq的上行取樣序列(u0
),其中: n
=1,p
+1,2p
+1,…,(2q
-1)p
+1
其它
(c)用增益為p及截斷頻率為π
/p的低通濾波器進行濾波以得到一個長度2pq的經濾波之上行取樣序列():
(d)藉由取樣用因子q來下行取樣,以產生一個長
度2p的經預處理重取樣之序列(w0
),其中:對n
=1,2,…,2p
(e)藉由產生一個長度p的經重取樣之序列(w),後處理w0
以復原經重取樣之序列,其中:w
[n
]=w 0
[p
+n
]+v
[q
],對n
=1,2,…,p
心搏標誌選定後,可以選擇一個視窗。一個視窗包括通常用在ECG分析中的常規區間,PR段、PR區間、QRS複合波、ST段和QT區間,以及其它區間,譬如包含全部R波的R波、包含全部T波的T波、與從P波始端開始至T波終端為止的區間重疊的PQRST區間,以及類似區間。
視窗的選擇取決於期望偵測的心臟疾病或不適症狀類型。例如,如果有興趣偵測心室缺血,就要選擇一個包括T波的視窗,因為T波中的資料已知對心室缺血的偵測很重要。例如,參見卡姆等人編輯(2006)之心血管醫學ESC教科書,布萊克威爾,其經由引用被合併於此。同樣地,如果有興趣偵測肥大或心肌或心室缺血,就要選擇QRS複合波,因為QRS複合波中的資料已知對肥大和缺血的偵測很重要。例如,參見卡姆等人編輯(2006)之心血管醫學ESC教科書,布萊克威爾,其經由引用被合併於此。
藉由選擇感興趣之心臟週期的一個部份來獲得一個特徵視窗,該部份可以藉助其與心搏標誌的關係被一致地識別。一個特徵視窗的開始和結束相對心搏標誌均有著固定長度的時間間隔。例如,選擇R峰作為心搏標誌、選擇其RR區間處於ECG之RR區間平均值的一個標準差之內的心搏、接著對所選之心搏指定一個小於所選心搏的RR區間之最小長度的固定長度,使得特徵視窗與PQRST區間
重疊,並且特徵視窗的開始和結束與心搏標誌均有著固定長度的關係,藉此,可以得到一個由PQRST區間的大部份或全部組成的特徵視窗。
例如,由一個以每秒1000個樣品而採得的ECG之PQRST區間的大部份或全部組成,並有一個心搏標誌代表R峰的特徵視窗可以藉由以下識別:
1.藉由代表R峰的心搏標誌(bR
[i],i=1,2,...,Nb0
):對心搏i=1,2,...,Nb0
-1,dnb0
[i]=bR
[i+1]-bR
[i],來計算心搏週期
2.計算dnb0
的平均值(μb0
)和標準差(σb0
),並且選擇心搏使得Nb
個所選心搏標誌(bRs
)集為:對任何i=2,3,...,Nb0
-1,bRs
={bR
[i]:μb0
-σb0
<dnb0
[i]<μb0
+σb0
},藉此,選擇非心律不整之心搏
3.藉由心搏標誌計算最小心搏週期(NRR
):
4.將特徵視窗的開始點對所選心搏(b R
[i
] b Rs
)設於n
=b R
[i
]-0.3N RR
5.將特徵視窗的結束點對所選心搏(b R
[i
] b Rs
)設於n
=b R
[i
]+0.6N RR
特徵段或特徵視窗被識別之後,接著除去與該特徵段或特徵視窗無關係的資訊而隔離ECG中的特徵段或特徵視窗,藉此獲得早期形態ECG。
可以識別並隔離特徵段或特徵視窗。如此處所解釋,藉由識別並隔離所有所選之RT段來將一個代表RT段的特徵段從12導程ECG(以每秒1000個樣品取樣)中隔離出來。第6A圖顯示ECG導程V5的60次心搏之一組RT特徵段的一個例子,其中該60次心搏的重疊之特徵段顯得基本相似但並不相同。
同樣地,可以識別並隔離特徵視窗。例如,藉由識別並隔離所有所選之PQRST視窗來將一個代表PQRST視窗的長度859特徵視窗從12導程ECG(以每秒1000個樣品取樣)中隔離出來。第6B圖顯示ECG導程V5的60次心搏之一組PQRST特徵視窗的一個例子,其中該60次心搏的重疊之特徵視窗顯得基本相似但並不相同。
被隔離的特徵段或被隔離的特徵視窗對各個心搏均有著固定的長度,因此心律不整的資訊(譬如歸因於非週期性加窗及週期性心率變異性之泄漏的心律不整非週期性)即被消除。
如此處所解釋,藉由將RT特徵段連續安排成一個長度pNb
的序列來產生由一個ECG導程的長度p之RT特徵段組成的特徵段({rRT,i
[1],rRT,i
[2],...,rRT,i
[p]}),對所選心搏i=1,2,...,Nb,
:
第7A圖顯示所選60次連續心搏的長度1000(p=1000)RT特徵段的一個例子。
同樣地,藉由將RT特徵段隔離並連續安排成一個長
度qNb
的序列來產生由一個以每秒1000個樣品取樣之ECG導程的長度q之PQRST特徵視窗組成的特徵視窗({rPQRST,i
[1],rPQRST,i
[2],...,rPQRST,i
[q]}),對所選心搏i=1,2,...,Nb
,的一個例子:
第7B圖顯示所選60次連續心搏之長度859(q=859)的PQRST特徵視窗的一個例子。
在產生早期形態ECG之前,藉由平均特徵段或特徵視窗可以精化特徵段或特徵視窗。除去心律不整非週期性後,譬如心搏之形態學變異、次基礎頻率振動和白雜訊的形態學非週期性之效果可以藉助取平均值而得以被減少或除去。
對ECG取平均是本技術裡減少雜訊的習知技術。信號平均之ECG(SAECG)被用於偵測梗塞後患者的持續心室心律不齊或突然心臟死亡,以及預報心臟和心律不齊之死亡率。參見塞拉等人(1997)第19屆IEEE/EMBS國際會議論文集,76和卡姆等人編輯(2006)之心血管醫學ESC教科書,布萊克威爾,其經由引用被合併於此。
如此處所解釋,藉由求平均值:,n
=1,2,…,p
而產生一個ECG導程的長度
p({rRT,i
[1],rRT,i
[2],...,rRT,i
[p]}),對所選心搏i=1,2,...,Nb
,經平均之RT特徵段()。第8A圖顯示一個ECG導程V5之長度1000的經平均之RT特徵段的一個例子。
同樣地,藉由求平均值:,n
=1,2,…,q
而產生一個ECG導程的長度q({rPQRST,i
[1],rPQRST,i
[2],...,rPQRST,i
[q]}),對所選心搏i=1,2,...,Nb
,的經平均之PQRST特徵視窗()的一個例子。第8B圖顯示一個ECG導程V5之長度859的經平均之PQRST特徵視窗的一個例子。
或者,在取平均值之後,經平均之特徵段或經平均之特徵視窗可以被重複任意正整數次,以給出與經平均之特徵段或經平均之特徵視窗一樣的形態學資訊。例如,由一個ECG導程之長度p的RT特徵段組成的經平均之特徵段被重複數次以形成一個經重複及經平
均之RT段:。第9A圖顯示一個ECG導程V5之長度1000的經平均之RT特徵段被重複5次的一個例子。同樣地,舉例來說,由一個ECG導程之長度q的PQRST特徵視窗組成的經
平均之特徵段被重複數次以形
成一個經重複及經平均之PQRST特徵視窗:
第9B圖顯示一個ECG導程V5之長度859的經平均之PQRST特徵視窗被重複5次的一個例子。
在獲得早期形態ECG的時間域表示式之後,從早期形態ECG得到的心搏之形態學資訊可以被表示為一個密度函數。應用於早期形態ECG的“密度”是早期形態ECG之離散傅立葉轉換的諧波波峰能量(幅度)。應用於早期形態ECG的“密度函數”是於某頻率(對特徵視窗)或某頻率單元(對特徵段)的密度,其等於取樣率與諧波波峰的有序數相乘且再除以該早期形態ECG之週期長度。
如此處所解釋,對早期形態ECG進行離散傅立葉轉換(DFT),其包括(1)連續的被隔離特徵段或被隔離特徵視窗,(2)經平均之特徵段或經平均之特徵視窗,和(3)重複經平均之特徵段或經平均之特徵視窗。在早期形態ECG的諧波頻率或頻率位置處的早期形態ECG的DFT幅度被歸類並被編索引,以形成密度函數。因為一個實數序列的傅立葉轉換是對稱的,形成密度函數的相異諧波是在頻率域中序列的諧波總數的一半。參見奧本海姆等人(2006)之信號和系統,普倫提斯,其經由引用被合併於此。
藉由對連續的被隔離特徵段或被隔離特徵視窗進行DFT,可以觀察諧波。藉由識別、隔離和連續安排ECG的特徵段或特徵視窗,產生一個連續的被隔離特徵段或特徵視窗。為了觀察諧波,首先,求連續的被隔離特徵段或連續的被隔離特徵視窗之DFT幅度。接著,諧波位置處的諧波功率被歸類並被編索引入密度函數。
如此處所解釋,由一個ECG導程的長度p之連續RT
特徵段組成的一個長度pNb
的被隔離特徵段()的諧波計算如下:
1.求r RT
的DFT之幅度(R RT
): k
=0,1,…,pN b
-1
2.藉隔離位於Nb
的正整數倍數處的R RT
,將諧波歸類並編索引入密度函數(h RT
):h RT
[k
]=R RT
[kN b
],k
=1,2,…,p
/2-1
連續的被隔離特徵段的頻率單元()被定義為取樣率(f S
)和連續的被隔離特徵段之長度(pN b
)的商數的一個整數
倍數:,k
=0,1,…,pN b
-1
第10A圖顯示所選60次心搏的以每秒1000個樣品(fS
=1000)被重取樣的一個長度1000(p=1000)的連續RT特徵段之DFT幅度的一個例子,其中第一個諧波波峰位於,第二個諧波波峰位於,第三個諧
波波峰位於,依此類推。
同樣地,由一個ECG導程的長度q
之連續PQRST特徵視窗組成的一個長度qN b
的被隔離特徵視窗的諧波計算示
例如下:
1.求r PQRST
的DFT之幅度(R PQRST
): k
=0,1,…,qN b
-1
2.將諧波歸類並編索引入密度函數(h PQRST
):h PQRST
[k
]=R PQRST
[kN b
],k
=1,2,…,q
/2-1
第10B圖顯示所選60次心搏的以每秒1000個樣品(fS
=1000)被取樣的一個長度859(q=859)的連續PQRST特徵視窗之DFT幅度的一個例子,其中第一個諧波波峰位於f
=(f s
/q
)(1)=1000/859Hz,第二個諧波波峰位於f
=(f s
/q
)(2)=2000/859Hz,第三個諧波波峰位於f
=(f s
/q
)(3)=3000/859Hz,依此類推。
藉由對經平均之特徵段或經平均之特徵視窗進行DFT,可以觀察諧波。藉由識別、隔離和平均ECG的特徵段或特徵視窗,產生一個經平均的特徵段或特徵視窗。為了觀察諧波,首先,求經平均的特徵段或經平均的特徵視窗之DFT幅度。接著,諧波位置處的諧波功率被歸類並被編索引入密度函數。
如此處所解釋,由一個ECG導程的長度p之RT特徵段組成的一個經平均的特徵段()的諧波計算如下:
1.求的點DFT之幅度(): k
=0,1,…,p
-1
2.將諧波歸類並編索引成密度函數(): k
=1,2,…,p
/2-1
經平均的特徵段的頻率單元()被定義為取樣率(fS
)和連續的被隔離特徵段之長度(p)的商數的一個整數倍數: k
=0,1,…,p
-1
第11A圖顯示以每秒1000個樣品(fS
=1000)被重取樣
的一個長度1000(p=1000)經平均的RT特徵段之DFT幅
度的一個例子,其中第一個諧波波峰位於,第
二個諧波波峰位於,第三個諧波波峰位於,依此類推。
同樣地,由一個ECG導程的長度q之PQRST特徵視窗組成的一個經平均特徵視窗()的諧波計算示例如下:
1.求的DFT之幅度(): k
=0,1,…,q
-1
2.將諧波歸類並編索引入密度函數():
第11B圖顯示以每秒1000個樣品(fS
=1000)被取樣的一個長度859(q=859)經平均的PQRST特徵視窗之DFT幅度的一個例子,其中第一個諧波波峰位於f
=(f s
/q
)(1)=1000/859Hz,第二個諧波波峰位於
f
=(f s
/q
)(2)=2000/859Hz,第三個諧波波峰位於
f
=(f s
/q
)(3)=3000/859Hz,依此類推。
藉由對經重複及經平均之特徵段或經重複及經平均之特徵視窗進行DFT,可以觀察諧波。藉由重複ECG的經平均之特徵段或經平均之特徵視窗,產生一個經重複及經平均的特徵段或特徵視窗。為了觀察諧波,首先求經重複及經平均的特徵段或經重複及經平均的特徵視窗之DFT幅度。接著,將位於諧波位置的諧波功率歸類並編索引入密度函數。
如此處所解釋,由一個ECG導程的長度p之RT特徵段組成的一個經平均並被重複NM次的特徵段(,長度-pN M
)的諧波計算如下:
1.求的DFT之幅度(): k
=0,1,…,pN M
-1
2.將諧波歸類並編索引入密度函數(): k
=1,2,…,p
/2-1
經重複及經平均的特徵段的頻率單元()被定義為取樣率(fS
)和連續的被隔離特徵段之長度(pNM
)的商的整數
倍:,k
=0,1,…,pN M
-1
第12A圖顯示以每秒1000個樣品(fS
=1000)被重取樣特徵段組成的一個長度1000(p=1000)經平均並被重複5次(NM
=5)的RT特徵段之DFT幅度的一個例子,其中第一個
諧波波峰位於,第二個諧波波峰位於,第三個諧波波峰位於,依此類推
。
同樣地,由一個ECG導程的長度q之PQRST特徵視窗組成的一個經平均並被重複NM
次的特徵段
長度qNM
)的諧波計算示例如下:
1.求的qNM
點DFT之幅度(): k
=0,1,…,qN M
-1
2.將諧波歸類並編索引入密度函數(): k
=1,2,…,q
/2-1
第12B圖顯示以每秒1000個樣品(fS
=1000)被取樣的一個長度859(q=859)經平均並被重複5次(NM
=5)的PQRST特徵視窗之DFT幅度的一個例子,其中第一個諧波波峰位於f
=(f s
/q
)(1)=1000/859Hz,第二個諧波波峰位於f
=(f s
/q
)(2)=2000/859Hz,第三個諧波波峰位於f
=(f s
/q
)(3)=3000/859Hz,依此類推。
以上例子()顯示,不管在產生密
度函數時使用或重複了多少相異或相似(經平均)的特徵段或特徵視窗,密度函數的長度是一個特徵段或一個特徵視窗之長度的一半。
在獲得密度函數後,可以計算諧波能量的分佈統計。應用於早期形態ECG的“分佈”是從零至一給定頻率(對特徵視窗)或一頻率單元(對特徵段)的密度之和,其等於取樣率與諧波波峰的有序數相乘,再除以該早期形態ECG之週期長度。應用於早期形態ECG的“分佈函數”是在一給定的諧波範圍內的密度函數之和。在一些實施例中,該和是一個加權和。所屬領域的技術人員可以輕易地為某一所期望應用最佳化所賦予一個和的加權。
如此處所解釋,從一個ECG導程的長度p之RT特徵段產生的一個早期形態ECG的密度函數(h RT
[k
],k
=1,2,…,p
/2-1)之分佈函數(H)計算如下: k
=1,2,…,p
/2-1
同樣地,從一個ECG導程的長度q之PQRST特徵視窗產生的一個早期形態ECG的密度函數(h PQRST
[k],k=1,2,...,q/2-1)之分佈函數(H
)計算示例如下:,k
=1,2,…,q
/2-1。諧波分佈函數的導程藉助下
標指示。例如,H aVL
[k]是導程aVL的諧波分佈。
一旦獲得ECG,藉把形態學資訊設成常數從該ECG中隔離心搏的心律不整資訊,藉此建立早期心律不整ECG,並且可以進一步包括精化心律不整資訊。
本技術裡有多種習知方法用於隔離心律不整資訊,譬如包括RR區間變異性分析及類似的正常與正常(NN)區間變異性方法,以及QT區間變異性分析、RT區間變異性分析及類似的時間間隔變異性方法。參見科斯(Kurths)等人(1995)混亂(Chaos)5(1):88,伯格(Berger)等人(1997)循環96(5):1557,和索斯諾斯基(Sosnowski)等人(2001)Europace 3:39,其均經由引用被合併於此。根據這些習知技術的方法,本技術裡有多種習知裝置用於隔離心律不整資訊,譬如可從菲利普(Phillips)(荷蘭阿姆斯特丹)得到的HOLTER MONITORING SYSTEM®、可從納西夫合伙公司(紐約布魯爾頓)得到的CARDIO HOLTER ECG SYSTEM®及類似裝置。
不幸地,先前技術的區間變異性方法對由譬如歸因於
非週期性加窗和週期性心率變異性的泄漏的心律不整非週期性引起的諧波瓦解提供很有限的心律不整資訊。
如此處所規定,早期心律不整ECG由一個波形波列造成。一個“波形波列”是在時間域中的時間週期上的一系列波形,其中所有的波形在這些時間週期上均具有一樣的形態,而且其中沒有不完全的週期。一個理想波形波列是一個其中所有波形相隔距離均相等的波形波列。根據ECG的波形波列是一個其中每個心搏處的波形均與ECG的一個心搏標誌有關而被放置的波形波列。
一旦獲得ECG,接著,如此處所揭露地選擇用於心搏的心搏標誌。
選定心搏標誌並且隔離心律不整資訊之後,可以根據心搏標誌產生一個波形波列。本技術裡習知的波形波列包括脈動波列(狄喇克梳)、方波、三角波、鋸齒波、正弦波、餘弦波及類似。參見奧本海姆等人(2006)之信號和系統,普倫提斯,其經由引用被合併於此。
為波形波列選擇的波形取決於所期望的轉換域響應。藉助理想離散時間波形波列的轉換,可以觀察轉換域響應。例如,一個理想離散時間脈動波列具有一個帶等高脈動波列的頻率域響應。一個理想離散時間正弦波具有一個單
脈動的頻率域響應。一個理想離散時間方波具有一個帶隨頻率增加而呈對數減少的脈動波列的頻率域響應。參見奧本海姆等人(2006)之信號和系統,普倫提斯,其經由引用被合併於此。
第13A圖顯示一個理想脈動波列的例子,而第13B圖顯示其頻率域轉換。第13C圖顯示一個理想正弦波波列的例子,而第13D圖顯示其頻率域轉換。第13E圖顯示一個理想方波波列的例子,而第13F圖顯示其頻率域轉換。第13G圖顯示一個理想三角波波列的例子,而第13H圖顯示其頻率域轉換。
如此處所解釋,基於一個代表R峰的ECG的心搏標誌的一個脈動波列首先藉由為所有心搏識別一個代表R峰的心搏標誌而被產生。產生一個與ECG長度相同的脈動波列,其中每個心搏的心搏標誌處的值為1,並且每個心搏的所有其它時間位置的值為0。接著,該脈動波列的開始和結束處的任何不完全的心搏均被除去。對心搏i=1,2,...,Nb0
,為一個以每秒1000個樣品取樣的長度N之ECG產生基於一個代表R峰的心搏標誌的一個脈動波列(bR
[i],i=1,2,...,Nb0
)如下:
1.產生一個長度N的零序列(aI0
):aI0
[n]={0:n=1,2,...,N}
2.將心搏標誌處aI
的值改為1:aI0
[n]={1:n=bR
[1],bR
[2],...,bR
[Nb0
]}
3.除去任何不完全的心搏以產生該脈動波列(aI
):
aI
[n]=aI0
[n+bR
[1]-1],n=1,2,...,bR
[Nb0
]-bR
[1]
第14圖顯示基於一個以每秒1000個樣品取樣的ECG之R波心搏標誌的脈動波列的一個例子。
在產生早期心律不整ECG之前,藉用一個特定於為隨後的轉換域分析所用之轉換類型的波形,可以精化波形波列。時間域的簡單性並不意味著轉換域的簡單性。例如,代表時間域中最簡單的波形波列的脈動波列有著一個頻率域中脈動波列的外形,如第13B圖所示。相反地,作為比脈動波列更為複雜的正弦波有著頻率域中一個單個脈動的外形,如第13D圖所示。
為精化波形波列選擇的波形取決於將要進行的轉換類型。例如,如果有興趣使用譬如離散傅立葉轉換或離散餘弦轉換(DCT)的離散正弦類轉換,就要選擇一個正弦類曲線,譬如一個正弦波或一個餘弦波,因為正弦類曲線是正弦類轉換的基礎。參見奧本海姆等人(2006)之信號和系統,普倫提斯,其經由引用被合併於此。同樣地,如果有興趣使用譬如多貝西轉換的離散小波轉換,就要選擇一個譬如多貝西小波的小波,因為小波形成小波轉換的基礎。參見斯達克(Stark)(2005)之小波和信號處理,斯普林格(Springer),其經由引用被合併於此。
例如,首先為所有心搏識別一個代表R峰的心搏標誌,藉此產生基於代表R峰的ECG心搏標誌的一個離散正
弦波。接著,計算所識別心搏之心搏標誌之間的心搏週期。然後,對每個心搏,在從零至2π
([0,2π
])並被心搏週期分割的範圍上取正弦函數,將其放入心搏中以替代ECG。接著,該脈動波列的開始和結束處的任何不完全的心搏均被排除。
例如,基於代表一個以每秒1000個樣品而採得的長度N的ECG之R峰的心搏標誌(bR
[i],i=1,2,...,Nb0
),對心搏i=1,2,...,Nb0
,範圍為[0,2π
]的一個正弦波藉由以下產生:
1.計算心搏週期(dnb0
):對心搏i=1,2,...,Nb0
-1,dnb0
[i]=bR
[i+1]-bR
[i]
2.為每個心搏週期dnb0
[i](i=1,2,...,Nb0
-1)分割範圍[0,2π
]以在每個心搏得到一個時間序列(ti
): n
=1,2,…,dn b
0
[i
]
3.對每個心搏週期計算ti
[n]的正弦函數,並且用該正弦函數替換該週期的ECG,以形成長度N-bR
[Nb
]-bR
[1]的波形波列(aS
):
第15圖顯示基於一個以每秒1000個樣品而採得的ECG之R波心搏標誌的正弦波波列的一個例子。這是一個調頻(FM)的例子,其中幅度不變但頻率變化的正弦類曲線被按時間連續排列以傳送資訊。參見普羅科斯(Proakis)(2000)之數位通訊,麥格羅-希爾(McGraw-Hill),其經由引用被合併於此。
在獲得早期心律不整ECG的時間域表示式之後,從ECG得到的心搏之心律不整資訊亦可以被表示為一個密度函數。應用於早期心律不整ECG的“密度”是可歸於每個諧波的頻譜能量。應用於早期心律不整ECG的“密度函數”是相對於諧波頻率的一個頻率範圍上的頻譜能量。
可以藉對基於由ECG之R峰代表的心搏標誌的脈動波列進行DFT來獲得該密度。首先,產生一個基於ECG的脈動波列。接著,求得該脈動波列DFT的幅度以計算該密度。
例如,藉求脈動波列DFT的幅度(mI
):,k
=1,2,…,N
/2-1,計算基於由ECG之R
峰代表的心搏標誌的長度NI
脈動波列的密度(aI
[n]),n=1,2,...,NI
。
第16圖顯示基於一個以每秒1000個樣品而採得的ECG之R波心搏標誌的脈動波列密度的一個例子。
亦可以藉對基於由ECG之R峰代表的心搏標誌的正弦波波列進行DFT來獲得該密度。首先,產生一個基於ECG的正弦波波列。接著,求得該正弦波波列DFT的幅度以計算該密度。
例如,藉求波形波列DFT的幅度(mS
):,k
=1,2,…,N
/2-1,計算基於由ECG之R
峰代表的心搏標誌的長度NS
波形波列的密度
(aS
[n]),n=1,2,...,NS
。
第17圖顯示基於一個以每秒1000個樣品而採得的ECG之R波心搏標誌的正弦波波列密度的一個例子。
在獲得密度函數後,可以計算密度能量的分佈統計。應用於早期心律不整ECG的“分佈”是在一頻率範圍中的密度之和。應用於早期心律不整ECG的“分佈函數”是在一給定的頻率範圍內的密度函數之和。在一些實施例中,該和是一個加權和。所屬領域的技術人員可以輕易地為某一所期望應用最佳化所賦予一個和的加權。
如此處所解釋,一個早期心律不整ECG的密度函數(m[k],k=1,2,...,N/2-1)之分佈函數(M)計算如下: for k
=1,2,…,N
/2-1
一個早期ECG被產生後,可以藉用統計圖形識別技術將其與心臟狀況相關連,並且用來將對象分類或診斷為帶有某種特定心臟狀況。有兩種圖形識別方式:統計圖形識別和語法圖形識別。統計方式基於圖形和分類之間的關係是概率性的這樣一個假設來將圖形歸類。語法圖形識別基於圖形和分類之間關係的先驗知識(語法)來將圖形歸類。參見簡(Jain)等人(2000)IEEE圖形分析和機器智慧學報(IEEE Trans.On Pattern Analysis and Machine
Intelligence)22(1):4,其經由引用被合併於此。
本發明的圖形識別不假定ECG的任何轉換域表示式和譬如缺血或肥大的一個給定異常心臟狀況之間關係的先驗知識。但是,如果有經統計確認的足夠圖形或其它本技術的進步,可以產生一個先驗知識規則基礎,以便在將來使語法圖形識別成為可能。
統計圖形識別藉由以下完成:(1)獲得多組圖形和它們相應的分類(訓練組),接著(2)決定由對應於訓練組分類的圖形跨越的空間中的分類邊界。參見簡等人(2000)IEEE圖形分析和機器智慧學報22(1):4,其經由引用被合併於此。可以藉用任何數量的統計圖形識別方法,譬如組間變異數分析(ANOVA)、組間共變異數分析(ANCOVA)、自我回歸與移動平均(ARMA)模型、神經網絡、卡爾曼濾波器以及其它本技術裡習知的方法,來完成對由圖形跨越的空間中的分類邊界的決定。亦可以藉用商業可得的統計軟體,譬如StatSoft公司(奧克拉荷馬州土薩市)提供的Statistica®、SPSS公司(伊利諾州芝加哥)提供的SPSS®、MathWorks公司(麻薩諸塞州那提科)提供的Matlab®,來完成對由圖形跨越的空間中的分類邊界的決定。
如此處所解釋的,多組圖形和它們相應的分類被獲得。首先,從超過大約1000個有著多種經臨床診斷的心臟狀況的對象採集圖形以及譬如年齡、性別、身體質量指數、糖尿病狀況、吸菸、高血壓、血脂異常及類似的基本病人資料。這些圖形是由資源受限觀察(RLO)所形成的,譬
如ECG的不同導程系統,如法蘭克導程、EASI導程、12導程及類似物。這1000個對象的分類由有經驗的心臟病專科醫生藉助習知技術的資源豐富觀察(RRO)方法加以診斷,這些方法包括運動心電圖、心臟超音波圖、SPECT鉈201掃描、血管造影術及它們的組合,它們被用於診斷心臟疾病或不適症狀,包括有無心肌缺血、肥大、傳導阻斷、心律不齊、心肌病及類似異常。對象被有經驗的心臟病專科醫生藉助習知技術的診斷方法進一步分類成兩組:“正常”和“缺血”。如此處所解釋的,對由圖形跨越的空間中的缺血分類邊界的決定是藉助StatSoft公司(奧克拉荷馬州土薩市)提供的統計模擬軟體Statistica®完成的。
第18A圖是一個示意圖,顯示獲得一個對象之早期形態ECG的密度函數的一種方法。第18A1圖是一個示意圖,顯示計算12導程ECG和識別心搏標誌的步驟。第18A2圖是一個示意圖,顯示獲得特徵段。第18A3圖是一個示意圖,顯示精化特徵段並獲得早期形態ECG的密度和分佈。第18B圖概述第18A圖和第18A1圖至第18A3圖中的步驟。
一個早期形態ECG被產生後,可以藉用統計圖形識別技術將ECG與心臟狀況相關連。因為早期形態ECG僅包含形態學資訊,其適合用於照慣例與ECG形態學有聯係的心臟疾病和不適症狀,譬如心肌缺血、肥大、束枝傳
導阻斷及類似異常。參見卡姆等人編輯(2006)之心血管醫學ESC教科書,布萊克威爾,其經由引用被合併於此。
如此處所解釋的,用於有無心肌缺血分類的應用藉用以1000Hz取樣所得的ECG之RT段的長度1000特徵段的分佈函數來產生。對大約400個對象的RT特徵段的分佈函數之觀察顯示在第6個諧波(或第6個分佈)處或其之前即被分配的總諧波能量之數目始終為大約31.4%,其標準差為大約7.5%,而在第30個諧波(或第30個分佈)處或其之前即被分配的總諧波能量之數目始終為大約94.3%,其標準差為大約3.7%。
盡管在此處解釋了第6個分佈函數、第30個分佈函數和第499個分佈函數,其它諧波的分佈函數可以被用來根據本發明分類或診斷患有心臟疾病或不適症狀的對象。
運用一個12導程ECG的不同導程之早期形態ECG的第6個分佈(H
[6])、第30個分佈(H
[30])和第499個分佈(H
[499]),產生統計分類樹來對對象的ECG就有無缺血進行分類。
因此,在一些實施例中,如第19圖所概述的,一個對象被如下分類為正常或缺血:
1.一個對象的ECG被認為是“正常”(其特徵在於不患有心臟疾病或不適症狀),如果:‧H aVL
[30] θ 1
、H V2
[6]>θ 2
和H II
[6] θ 3
,或‧H aVL
[30] θ 1
、H V2
[6]>θ 2
、H II
[6]>θ 3
、H V
1
[30]>θ 4
和H aVL
[499]>θ 5
,或
‧H aVL
[30] θ 1
、H V2
[6]>θ 2
、H II
[6]>θ 3
、H V
1
[30] θ 4
和H III
[30] θ 6
,或‧H aVL
[30] θ 1
、H V2
[6]>θ 2
、H II
[6]>θ 3
、H V
1
[30] θ 4
、H III
[30]>θ 6
和H V5
[499]>θ 7
,或‧H aVL
[30] θ 1
、H V2
[6]>θ 2
、H II
[6]>θ 3
、H V
1
[30] θ 4
和H III
[30]>θ 6
、H V5
[499] θ 7
、H V5
[6] θ 8
、H aVR
[6]>θ 9
和H III
[6]>θ 10
2.一個對象的ECG被認為是“缺血”(其特徵在於患有譬如心肌缺血的心臟疾病或不適症狀),如果:‧H aVL
[30]>θ 1
,或‧H aVL
[30] θ 1
和H V2
[6] θ 2
,或‧H aVL
[30] θ 1
、H V2
[6]>θ 2
、H II
[6]>θ 3
、H V
1
[30]>θ 4
和H aVL
[499] θ 5
,或‧H aVL
[30] θ 1
、H V2
[6]>θ 2
、H II
[6]>θ 3
、H V
1
[30] θ 4
、H III
[30]>θ 6
、H V5
[499] θ 7
和H V5
[6] θ 8
,或‧H aVL
[30] θ 1
、H V2
[6]>θ 2
、H II
[6]>θ 3
、H V
1
[30] θ 4
、H III
[30]>θ 6
、H V5
[499] θ 7
、H V5
[6]>θ 8
和H aVR
[6] θ 9
,或‧H aVL
[30] θ 1
、H V2
[6]>θ 2
、H II
[6]>θ 3
、H V
1
[30] θ 4
、H III
[30]>θ 6
、H V5
[499] θ 7
、H V5
[6]>θ 8
、H aVR
[6]>θ 9
和H III
[6] θ 10
除了分佈之外,其它次要因子,譬如年齡或有無糖尿
病(DM)之類的疾病可以被使用。其它次要因子包括高血壓、吸菸、血脂異常及類似。因此,在一些實施例中,如第20圖所概述的,一個對象被如下分類為正常或缺血:
1.一個對象的ECG被認為是“正常”(其特徵在於不患有心臟疾病或不適症狀),如果:‧H aVL
[30] θ 1
、H V2
[6]>θ 2
、年齡 θ 3
和H aVR
[30] θ 4
,或‧H aVL
[30] θ 1
、H V2
[6]>θ 2
、年齡>θ 3
、H V5
[6]>θ 5
、H V
1
[499]>θ 6
和H aVR
[499]>θ 10
,或‧H aVL
[30] θ 1
、H V2
[6]>θ 2
、年齡>θ 3
、H V5
[6]>θ 5
、H V
1
[499] θ 6
、H V2
[499]>θ 7
、H aVL
[30]>θ 7
、H aVL
[30]>θ 8
和H V4
[6]>θ 9
。
2.一個對象的ECG被認為是“缺血”(其特徵在於患有譬如心肌缺血的心臟疾病或不適症狀),如果:‧H aVL
[30]>θ 1
,或‧H aVL
[30]>θ 1
和H V2
[6] θ 2
,或‧H aVL
[30]>θ 1
、H V2
[6] θ 2
、年齡 θ 3
和H aVR
[30]>θ 4
,或‧H aVL
[30] θ 1
、H V2
[6]>θ 2
、年齡>θ 3
和H V5
[6] θ 5
,或‧H aVL
[30] θ 1
、H V2
[6]>θ 2
、年齡>θ 3
、H V5
[6]>θ 5
、H V1
[499]>θ 6
和H aVR
[499] θ 10
,或
‧H aVL
[30] θ 1
、H V2
[6]>θ 2
、年齡>θ 3
、H V5
[6]>θ 5
、H V1
[499] θ 6
和H V2
[499] θ 7
,或‧H aVL
[30] θ 1
、H V2
[6]>θ 2
、年齡>θ 3
、H V5
[6]>θ 5
、H V
1
[499] θ 6
、H V2
[499]>θ 7
、H aVL
[30]>θ 7
和H aVL
[30] θ 8
,或‧H aVL
[30] θ 1
、H V2
[6]>θ 2
、年齡>θ 3
、H V5
[6]>θ 5
、H V
1
[499] θ 6
、H V2
[499]>θ 7
、H aVL
[30]>θ 7
、H aVL
[30]>θ 8
和H V4
[6] θ 9
。
或者,如第20圖所示,一個對象被如下分類為正常或缺血:
1.一個對象的ECG被認為是“正常”(其特徵在於不患有心臟疾病或不適症狀),如果:‧H aVL
[6] θ 1
、DM為陽性和H V6
[499] θ 2
,或‧H aVL
[6] θ 1
、DM為陰性、H aVF
[6]>θ 3
、H I
[6]>θ 4
SH I
[6]>θ 4
、H II
[6] θ 5
、H III
[6] θ 6
、H V
5
[30] θ 7
和H V3
[6] θ 8
2.一個對象的ECG被認為是“缺血”(其特徵在於患有譬如心肌缺血的心臟疾病或不適症狀),如果:‧H aVL
[6]>θ 1
,‧H aVL
[6] θ 1
、DM為陽性和H V6
[499]>θ 2
,‧H aVL
[6] θ 1
、DM為陰性和H aVF
[6] θ 3
,‧H aVL
[6] θ 1
、DM為陰性、H aVF
[6]>θ 3
和H I
[6] θ 4
,‧H aVL
[6] θ 1
、DM為陰性、H aVF
[6]>θ 3
、H I
[6]>θ 4
和H II
[6]>θ 5
,‧H aVL
[6] θ 1
、DM為陰性、H aVF
[6]>θ 3
、H I
[6]>θ 4
、H II
[6] θ 5
和H III
[6]>θ 6
,‧H aVL
[6] θ 1
、DM為陰性、H aVF
[6]>θ 3
、H I
[6]>θ 4
、H II
[6] θ 5
、H III
[6] θ 6
和H V
5
[30]>θ 7
,和/或‧H aVL
[6] θ 1
、DM為陰性、H aVF
[6]>θ 3
、H I
[6]>θ 4
SH I
[6]>θ 4
、H II
[6] θ 5
、H III
[6] θ 6
、H V
5
[30] θ 7
和H V3
[6]>θ 8
一個早期心律不整ECG被產生後,可以藉用統計圖形識別技術將ECG與心臟狀況相關連。因為早期心律不整ECG僅包含心律不整資訊,其適合用於照慣例與ECG心律不整有聯係的心臟疾病和不適症狀,譬如竇性心律不整、缺血、梗塞及類似異常。參見泰勒(Thaler)等人(2003)之您所需之唯一關於EKG的書,利平科特、威廉姆斯和威爾金斯(Lippincott Williams & Wilkins),其經由引用被合併於此。
例如,用於有無心肌梗塞的開始之分類的應用可以藉用一個正弦波波列的分佈函數來產生、藉用正弦類轉換函
數離散傅立葉轉換來計算。例如,在心律不整資訊之頻率域表示式和對竇房結的副交感效果之間有關連。參見古德伯格(Goldberger)等人(2001)循環103(15):1977,其經由引用被合併於此。副交感效果是突然心臟死亡的一項指示和預測。參見卡能克羅爾(Kannenkeril)等人(2002)美國生理學心臟循環生理學雜誌(Am J Physiol Heart Circ Physiol)282:H2091,其經由引用被合併於此。因此,可以同樣地產生一個分類樹,其將一個基於ECG的正弦波波列的頻率域分佈和突然心臟死亡的開始彼此相關連。
可以使用本技術裡習知的一種ECG裝置。在一些實施例中,一個ECG裝置能夠提供至少9個差動輸入(DI)通道、大約1000Hz的取樣率、大約500Hz的頻率響應、大約1000倍的放大因子、大約12位元的位元解析度、差動放大器設計、或以上之組合。可以被運用於本發明的方法和裝置中的一個商業可得ECG裝置的例子是Cardio Card 12導程ECG板(那西夫合伙公司,紐約布魯爾頓)。本技術裡習知的譬如ECG夾子、電極和電纜的週邊設備和組件可以根據本發明被使用。
根據本發明,有以下規格的任何ECG裝置均可以被使用:
‧9個差動輸入(DI)通道或10個單端(SE)通道
‧大約1000Hz或更大的取樣率
‧大約500Hz或更大的頻率響應
‧一個解析度(信號放大和信號位元表示之組合),其使得電壓解析度等於或小於大約0.005mV
‧大約100dB或更大的共模抑制比(CMRR)
‧一個ECG電極病患介面
‧從一位人類對象獲取一個同時10通道數據的大約90秒樣本並儲存在記憶體中的能力。
例如,本發明的裝置和系統由一個數據獲取模組、一個早期心電圖轉換器和一臺計算早期心電圖的至少一個分佈函數的電腦組成。數據獲取模組接受類比信號、放大該信號、隨時間取樣該信號、並且計量該信號的幅度以提供一個數位信號,包含一個導程ECG電極病患介面(比如,一個12導程、16導程及類似物),和差動輸入通道或單端通道(比如,9或15個差動輸入通道、10個單端通道及類似物)。早期心電圖轉換器和分佈函數電腦各自包括一個提供單精度浮點運算或雙精度浮點運算的處理器。早期心電圖轉換器或分佈函數電腦可以進一步包括儲存記憶體。
藉由解決諧波瓦解的問題及隔離早期ECG,並且藉由產生一個將對象之早期ECG分佈歸類的分類樹,本發明為偵測及診斷心臟疾病和不適症狀提供方法、系統和裝置。本發明之方法的簡介如下:
‧獲取並計算12導程ECG
‧識別ECG心搏和心搏週期
‧產生早期ECG
‧計算轉換域密度
‧計算轉換域分佈
‧按照心臟狀況把轉換域分佈歸類
只要理解或完成本發明之揭露需要,此處所提所有出版品、專利和專利申請均明確地藉助引用而被合併於此,如同它們各自如此地被合併於此。
本發明之說明實施例已在此被描述。本領域中的技術人員須注意,所包括之揭露僅為說明之用,在本發明的範圍之內,可以作出不同的其它替代、改變和變更。相應地,本發明未被限於此處所顯示之特定實施例,卻僅被限於以下申請專利範圍。
參考附圖來進一步理解本發明,其中:第1A圖顯示對一個先前技術方法之最佳情景,一個帶有低頻率域分散的ECG的能量譜密度(ESD)。
第1B圖顯示對一個先前技術方法之最差情景,一個帶有嚴重頻率域分散的ECG的ESD。
第2A圖顯示一個理想脈動波列之20秒,其取樣頻率為每秒1000個樣品且彼此間隔1120毫秒(ms)。
第2B圖顯示第2A圖中的脈動波列從0至40赫茲
(Hz)的ESD。
第3A圖顯示一個帶有加窗泄漏的脈動波列,藉由從第2A圖中所示之理想脈動中除去開始的400ms而產生該脈動波列。
第3B圖顯示第3A圖中的脈動波列從0至40Hz的ESD。
第4A圖顯示一個帶有心率變異性的脈動波列,將一個以每秒1000個樣品而採得的ECG的全部偏折除了R峰位置外均設為0,而R峰位置被設為1的偏折,從而產生該脈動波列。此ECG之心搏之間的平均週期為1.12秒,而其週期的標準偏差為0.021s。
第4B圖顯示第4A圖中的脈動波列從0至40Hz的ESD。
第5A圖顯示一個理想脈動波列,藉由從一個以每秒1000個樣品而採得的ECG中取出一個心搏並將其重複60次而產生該脈動波列。
第5B圖顯示第5A圖中的ECG之ESD。第5A圖中的ECG之諧波顯示為等距間隔,而全零ESD夾在其中。
第5C圖顯示一個對齊的ECG,用一個主要由第5A圖中所用ECG之PQRST區間組成的帶有代表R峰心搏標誌的特徵視窗來產生該ECG。
第5D圖顯示第5C圖中的ECG之ESD。第5C圖中的ECG之諧波顯示為等距間隔,而同等低的ESD夾在其中。
第6A圖顯示一個特徵段的一個例子。其為一組從一個以每秒1000個樣品而採得的ECG之導程V5的60個心搏中得到的長度1000(1000個時間單元)的RT特徵段。
第6B圖顯示一個特徵視窗的一個例子。其為一組從一個以每秒1000個樣品而採得的ECG之V5的60個心搏中得到的長度859(859ms)的PQRST特徵視窗。
第7A圖把RT顯示為連續的特徵段,其藉著連續地排列第6A圖中的RT特徵段組而被產生。
第7B圖把PQRST顯示為連續的特徵視窗,其通過連續地排列第6B圖中的PQRST特徵視窗而產生。
第8A圖顯示RT段平均,其藉由平均第6A圖中的RT特徵段在每個時間單元上的偏折而產生。
第8B圖顯示PQRST視窗平均,其藉由平均第6B圖中的PQRST特徵視窗在每毫秒的偏折而產生。
第9A圖顯示連續5000個時間單元的RT段平均,其藉由重複第8A圖中的RT段平均60次而產生。
第9B圖顯示連續4295ms的PQRST視窗平均,其藉由重複第8B圖中的PQRST視窗平均60次而產生。
第10A圖顯示第7A圖中連續RT特徵段從0至30頻率單元的離散傅立葉轉換之幅度。
第10B圖顯示第7B圖中連續PQRST特徵視窗從0至30Hz的離散傅立葉轉換之幅度。
第11A圖顯示第8A圖中連續RT特徵段平均從0至30頻率單元的離散傅立葉轉換之幅度。
第11B圖顯示第8B圖中連續PQRST特徵視窗平均從0至30Hz的離散傅立葉轉換之幅度。
第12A圖顯示第9A圖中連續RT特徵段平均從0至30頻率單元的離散傅立葉轉換之幅度。
第12B圖顯示第9B圖中連續PQRST特徵視窗平均從0至30Hz的離散傅立葉轉換之幅度。
第13A圖顯示一個理想脈動波列之0.5秒,其取樣頻率為每秒1000個樣品且彼此間隔100ms。
第13B圖顯示第13A圖中的理想脈動波列從0至300Hz的離散傅立葉轉換之幅度。
第13C圖顯示一個理想正弦波之0.5秒,其取樣頻率為每秒1000個樣品、幅度為1、週期為100ms。
第13D圖顯示第13C圖中的理想正弦波從0至300Hz的離散傅立葉轉換之幅度。
第13E圖顯示一個理想方波,其取樣頻率為每秒1000個樣品、幅度為1、週期為100ms。
第13F圖顯示第13E圖中的理想方波從0至300Hz的離散傅立葉轉換之幅度。
第13G圖顯示一個理想三角波。第13E圖顯示一個理想三角波,其取樣頻率為每秒1000個樣品、幅度為5、週期為100ms。
第13H圖顯示第13G圖中的理想三角波從0至300Hz的離散傅立葉轉換之幅度。
第14圖顯示一個波形視窗的脈動波列。將一個以每
秒1000個樣品而採得的ECG的全部偏折除了R峰位置外均設為0,而R峰位置被設為1的偏折,從而產生該脈動波列。
第15圖顯示一個正弦波形區段,把第14圖中的同樣ECG之每一個心搏替換成幅度為1的正弦波之一個週期(0~2π
)從而產生該正弦波形區段。
第16圖顯示第14圖中波形視窗的脈動波列從0至10Hz的離散傅立葉轉換之幅度。
第17圖顯示第15圖中正弦波形區段從0至10Hz的離散傅立葉轉換之幅度。
第18A圖是一個示意圖,顯示獲得一個對象之早期形態ECG的密度函數的一種方法。
第18A1圖是一個示意圖,顯示計算12導程ECG和識別心搏標誌的步驟。
第18A2圖是一個示意圖,顯示獲得特徵段。
第18A3圖是一個示意圖,顯示精化特徵段並獲得早期形態ECG的密度和分佈。
第18B圖概述第18A圖和第18A1圖至第18A3圖中的步驟。
第19圖是使用早期形態ECG的分佈函數區分或診斷一位患有心肌缺血的對象的統計決策樹的一個例子。
第20圖是使用早期形態ECG的分佈函數和年齡區分或診斷一位患有心肌缺血的對象的統計決策樹的一個例子。
第21圖是使用早期形態ECG的分佈函數和有無糖尿病區分或診斷一位患有心肌缺血的對象的統計決策樹的一個例子。
Claims (30)
- 一種決定早期心電圖的分佈函數的方法,其包括獲得一個早期心電圖,其中,當該早期心電圖是早期形態心電圖時,使每個心搏的心律不整資訊被設成常數,以及當該早期心電圖是早期心律不整心電圖時,使每個心搏的形態學資訊被設成常數;執行傅立葉分析以自該早期心電圖獲得諧波;獲得該早期心電圖的一個諧波範圍內的諧波之多個密度函數,其中,該密度函數指取樣率乘以諧波波峰能量後再除以該早期心電圖之週期長度;以及合計所述多個密度函數。
- 如申請專利範圍第1項之方法,其中該早期心電圖為早期形態心電圖。
- 如申請專利範圍第2項之方法,其中該早期形態心電圖藉助以下而被獲得以電子數據的形式獲得一個原始心電圖;選擇至少一個特徵段或至少一個特徵視窗;以及藉由除去與該特徵段或特徵視窗無關係的資訊,隔離出該特徵段或特徵視窗。
- 如申請專利範圍第3項之方法,其中該特徵段是一個QT段、一個RT段或一個PR段。
- 如申請專利範圍第3項之方法,其中該特徵視窗包括一個T波的部份或全部,或一個PQRST區間的部份或全部。
- 如申請專利範圍第3項之方法,其進一步包括藉由平均該特徵段或特徵視窗來精化該特徵段或特徵視窗。
- 如申請專利範圍第6項之方法,其進一步包括重複該經平均之特徵視窗或該經平均之特徵段N次,其中N是任意正整數。
- 如申請專利範圍第3項之方法,其中被隔離之特徵段是連續的(in series)多個被隔離特徵段。
- 如申請專利範圍第3項之方法,其中被隔離之特徵視窗是連續的多個被隔離特徵視窗。
- 如申請專利範圍第1項之方法,其中該早期心電圖為早期心律不整心電圖。
- 一種用於偵測一個對象之心臟疾病或不適症狀的方法,其包括從該對象獲取一個早期心電圖,其中,當該早期心電圖是早期形態心電圖時,使每個心搏的心律不整資訊被設成常數,以及當該早期心電圖是早期心律不整心電圖時,使每個心搏的形態學資訊被設成常數;執行傅立葉分析以自該早期心電圖獲得諧波;獲得該早期心電圖的一個諧波範圍內的諧波之多個密度函數,其中,該密度函數指取樣率乘以諧波波峰能量後再除以該早期心電圖之週期長度;合計所述多個密度函數以得到至少一個分佈函數;以及根據該分佈函數是否指示心臟疾病或不適症狀來決定 有無心臟疾病或不適症狀。
- 如申請專利範圍第11項之方法,其中該早期心電圖為早期形態心電圖。
- 如申請專利範圍第12項之方法,其中該早期形態心電圖藉助以下而被獲得從該對象以電子數據的形式獲得一個原始心電圖;選擇至少一個特徵段或至少一個特徵視窗;以及藉由除去與該特徵段或特徵視窗無關係的資訊,隔離出該特徵段或特徵視窗。
- 如申請專利範圍第13項之方法,其中該特徵段是一個QT段、一個RT段或一個PR段。
- 如申請專利範圍第13項之方法,其中該特徵視窗包括一個T波的部份或全部,或一個PQRST區間的部份或全部。
- 如申請專利範圍第13項之方法,其進一步包括藉由平均該特徵段或特徵視窗來精化該特徵段或特徵視窗。
- 如申請專利範圍第16項之方法,其進一步包括重複該經平均之特徵視窗或該經平均之特徵段N次,其中N是任意正整數。
- 如申請專利範圍第13項之方法,其中被隔離之特徵段是連續的(in series)多個被隔離特徵段。
- 如申請專利範圍第13項之方法,其中被隔離之特徵視窗是連續的多個被隔離特徵視窗。
- 如申請專利範圍第11項之方法,其中所述心臟疾 病或不適症狀是心肌缺血。
- 如申請專利範圍第12項之方法,其中分佈函數H [n](其中,n為6、30或499,分別指第6個諧波、第30個諧波或第499個諧波)的組合被從由以下組成的組中選出:a)H aVL [30] θ 1 、H V2 [6]>θ 2 和H II [6] θ 3 ;b)H aVL [30] θ 1 、H V2 [6]>θ 2 、H II [6]>θ 3 、H V 1 [30]>θ 4 和H aVL [499]>θ 5 ;c)H aVL [30] θ 1 、H V2 [6]>θ 2 、H II [6]>θ 3 、H V 1 [30] θ 4 和H III [30] θ 6 ;d)H aVL [30] θ 1 、H V2 [6]>θ 2 、H II [6]>θ 3 、H V 1 [30] θ 4 、H III [30]>θ 6 和H V5 [499]>θ 7 ;以及e)H aVL [30] θ 1 、H V2 [6]>θ 2 、H II [6]>θ 3 、H V 1 [30] θ 4 和H III [30]>θ 6 、H V5 [499] θ 7 、H V5 [6] θ 8 、H aVR [6]>θ 9 和H III [6]>θ 10 該組合指示沒有心臟疾病或不適症狀。
- 如申請專利範圍第12項之方法,其中分佈函數H [n](其中,n為6、30或499)的組合被從由以下組成的組中選出:a)H aVL [30]>θ 1 ;b)H aVL [30] θ 1 和H V2 [6] θ 2 ;c)H aVL [30] θ 1 、H V2 [6]>θ 2 、H II [6]>θ 3 、H V 1 [30]>θ 4 和H aVL [499]>θ 5 ; d)H aVL [30] θ 1 、H V2 [6]>θ 2 、H II [6]>θ 3 、H V 1 [30] θ 4 、H III [30]>θ 6 、H V5 [499] θ 7 和H V5 [6] θ 8 ;e)H aVL [30] θ 1 、H V2 [6]>θ 2 、H II [6]>θ 3 、H V 1 [30] θ 4 、H III [30]>θ 6 、H V5 [499] θ 7 、H V5 [6]>θ 8 和H aVR [6] θ 9 ;以及f)H aVL [30] θ 1 、H V2 [6]>θ 2 、H II [6]>θ 3 、H V 1 [30] θ 4 、H III [30]>θ 6 、H V5 [499] θ 7 、H V5 [6]>θ 8 、H aVR [6]>θ 9 和H III [6] θ 10 該組合指示有心臟疾病或不適症狀。
- 如申請專利範圍第12項之方法,其進一步包括決定一個次要因子。
- 如申請專利範圍第23項之方法,其中該次要因子是對象之年齡或對象是否患有糖尿病。
- 如申請專利範圍第24項之方法,其中年齡和分佈函數H [n](其中,n為6、30或499)的組合被從由以下組成的組中選出:a)H aVL [30] θ 1 、H V2 [6]>θ 2 、年齡 θ 3 和H aVR [30] θ 4 ;b)H aVL [30] θ 1 、H V2 [6]>θ 2 、年齡>θ 3 、H V5 [6]>θ 5 、H V 1 [499]>θ 6 和H aVR [499]>θ 10 ;以及c)H aVL [30] θ 1 、H V2 [6]>θ 2 、年齡>θ 3 、H V5 [6]>θ 5 、H V 1 [499] θ 6 、H V2 [499]>θ 7 、H aVL [30]>θ 7 、H aVL [30]>θ 8 和H V4 [6]>θ 9 該組合指示沒有心臟疾病或不適症狀。
- 如申請專利範圍第24項之方法,其中年齡和分佈函數H [n](其中,n為6、30或499)的組合被從由以下組成的組中選出:a)H aVL [30]>θ 1 ;b)H aVL [30]>θ 1 和H V2 [6] θ 2 ;c)H aVL [30]>θ 1 、H V2 [6] θ 2 、年齡 θ 3 和H aVR [30]>θ 4 ;d)H aVL [30] θ 1 、H V2 [6]>θ 2 、年齡>θ 3 和H V5 [6] θ 5 ;e)H aVL [30] θ 1 、H V2 [6]>θ 2 、年齡>θ 3 、H V5 [6]>θ 5 、H V1 [499]>θ 6 和H aVR [499] θ 10 ;f)H aVL [30] θ 1 、H V2 [6]>θ 2 、年齡>θ 3 、H V5 [6]>θ 5 、H V1 [499] θ 6 和H V2 [499] θ 7 ;g)H aVL [30] θ 1 、H V2 [6]>θ 2 、年齡>θ 3 、H V5 [6]>θ 5 、H V 1 [499] θ 6 、H V2 [499]>θ 7 、H aVL [30]>θ 7 和H aVL [30] θ 8 ;以及h)H aVL [30] θ 1 、H V2 [6]>θ 2 、年齡>θ 3 、H V5 [6]>θ 5 、H V 1 [499] θ 6 、H V2 [499]>θ 7 、H aVL [30]>θ 7 、H aVL [30]>θ 8 和H V4 [6] θ 9 該組合指示有心臟疾病或不適症狀。
- 如申請專利範圍第24項之方法,其中分佈函數H [n](其中,n為6、30或499)和有無糖尿病(DM)的組合被從由以下組成的組中選出: a)H aVL [6] θ 1 、DM為陽性和H V6 [499] θ 2 ;以及b)H aVL [6] θ 1 、DM為陰性、H aVF [6]>θ 3 、H I [6]>θ 4 SH I [6]>θ 4 、H II [6] θ 5 、H III [6] θ 6 、H V 5 [30] θ 7 和H V3 [6] θ 8 該組合指示沒有心臟疾病或不適症狀。
- 如申請專利範圍第24項之方法,其中分佈函數H [n](其中,n為6、30或499)和有無糖尿病(DM)的組合被從由以下組成的組中選出:a)H aVL [6]>θ 1 ;b)H aVL [6] θ 1 、DM為陽性和H V6 [499]>θ 2 ;c)H aVL [6] θ 1 、DM為陰性和H aVF [6] θ 3 ;d)H aVL [6] θ 1 、DM為陰性、H aVF [6]>θ 3 和H I [6] θ 4 ;e)H aVL [6] θ 1 、DM為陰性、H aVF [6]>θ 3 、H I [6]>θ 4 和H II [6]>θ 5 ;f)H aVL [6]θ1 、DM為陰性、H aVF [6]>θ 3 、H I [6]>θ 4 、H II [6] θ 5 和H III [6]>θ 6 ;g)H aVL [6] θ 1 、DM為陰性、H aVF [6]>θ 3 、H I [6]>θ 4 、H II [6] θ 5 、H III [6] θ 6 和H V 5 [30]>θ 7 ;以及h)H aVL [6] θ 1 、DM為陰性、H aVF [6]>θ 3 、H I [6]>θ 4 SH I [6]>θ 4 、H II [6] θ 5 、H III [6] θ 6 、H V 5 [30] θ 7 和H V3 [6]>θ 8 該組合指示沒有心臟疾病或不適症狀。
- 一種用於偵測或診斷一個患有心臟疾病或不適症狀的對象之系統或裝置,其包括一種用於從該對象獲得一個原始心電圖的心電儀;一個將所述原始心電圖轉換成原始數位心電圖的數據獲取模組;一個將所述原始數位心電圖轉換成早期心電圖的早期心電圖轉換器,其中,當該早期心電圖是早期形態心電圖時,使每個心搏的心律不整資訊被設成常數,以及當該早期心電圖是早期心律不整心電圖時,使每個心搏的形態學資訊被設成常數;以及一臺計算所述早期心電圖的至少一個分佈函數的電腦。
- 一種用於偵測或診斷一個患有心臟疾病或不適症狀的對象之系統或裝置,其包括用於從該對象獲得一個原始心電圖的手段(means);用於將所述原始心電圖轉換成原始數位心電圖的手段;用於將所述原始數位心電圖轉換成早期心電圖的手段,其中,當該早期心電圖是早期形態心電圖時,使每個心搏的心律不整資訊被設成常數,以及當該早期心電圖是早期心律不整心電圖時,使每個心搏的形態學資訊被設成常數;以及 用於計算所述早期心電圖的至少一個分佈函數的手段。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US11/774,688 US7869864B2 (en) | 2007-07-09 | 2007-07-09 | Methods, systems and devices for detecting and diagnosing heart diseases and disorders |
Publications (2)
Publication Number | Publication Date |
---|---|
TW200920318A TW200920318A (en) | 2009-05-16 |
TWI435708B true TWI435708B (zh) | 2014-05-01 |
Family
ID=40229408
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW097123568A TWI435708B (zh) | 2007-07-09 | 2008-06-24 | 用於偵測和診斷心臟疾病和不適症狀的方法、系統和裝置 |
Country Status (4)
Country | Link |
---|---|
US (2) | US7869864B2 (zh) |
EP (1) | EP2273918A4 (zh) |
TW (1) | TWI435708B (zh) |
WO (1) | WO2009009330A2 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI581763B (zh) * | 2014-12-05 | 2017-05-11 | 凌陽科技股份有限公司 | 心電圖訊號的雜訊濾除方法以及其心電感測裝置 |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8855752B2 (en) * | 2010-02-09 | 2014-10-07 | Angel Medical Systems, Inc. | QRS onset and offset detection with adaptive temporal windowing |
GB201100137D0 (en) | 2011-01-06 | 2011-02-23 | Davies Helen C S | Apparatus and method of assessing a narrowing in a fluid tube |
US8660226B2 (en) * | 2011-01-19 | 2014-02-25 | General Electric Company | Systems and methods for multichannel noise reduction |
US9339348B2 (en) | 2011-08-20 | 2016-05-17 | Imperial Colege of Science, Technology and Medicine | Devices, systems, and methods for assessing a vessel |
WO2013054242A1 (en) * | 2011-10-12 | 2013-04-18 | Koninklijke Philips Electronics N.V. | Method and system to fully-automatically measure the st-segment level of electrocardiograms in real-time ecg monitoring |
TWI471119B (zh) * | 2012-01-20 | 2015-02-01 | 慈濟學校財團法人慈濟大學 | 心電圖訊號的校正方法及其應用程式 |
WO2013142097A1 (en) | 2012-03-19 | 2013-09-26 | Dynacardia, Inc. | Methods, systems and devices for detecting and diagnosing diabetic diseases and disorders |
US8903480B2 (en) | 2012-04-11 | 2014-12-02 | Siemens Medical Solutions Usa, Inc. | System for cardiac condition detection using heart waveform area associated analysis |
US11103174B2 (en) | 2013-11-13 | 2021-08-31 | Biosense Webster (Israel) Ltd. | Reverse ECG mapping |
US9629570B2 (en) | 2013-11-21 | 2017-04-25 | Biosense Webster (Israel) Ltd. | Tracking of catheter from insertion point to heart using impedance measurements |
TWI551266B (zh) * | 2013-12-30 | 2016-10-01 | 財團法人工業技術研究院 | 動脈波分析方法及其系統 |
US10478127B2 (en) | 2014-06-23 | 2019-11-19 | Sherlock Solutions, LLC | Apparatuses, methods, processes, and systems related to significant detrimental changes in health parameters and activating lifesaving measures |
CN109770858B (zh) * | 2019-03-28 | 2021-07-13 | 广州视源电子科技股份有限公司 | 一种心电图的异常检测方法、装置、设备和存储介质 |
CN110558974B (zh) * | 2019-09-06 | 2020-11-03 | 江苏华康信息技术有限公司 | 一种基于极值能量分解法的心电图信号分析方法 |
CN113876337B (zh) * | 2021-09-16 | 2023-09-22 | 中国矿业大学 | 一种基于多元递归网络的心脏疾病识别方法 |
CN114027847B (zh) * | 2021-11-17 | 2023-05-05 | 湖南万脉医疗科技有限公司 | 一种基于时频分析的心电信号分析方法 |
JP2024063664A (ja) * | 2022-10-26 | 2024-05-13 | フォスター電機株式会社 | 心拍数推定装置及びヘッドセットシステム |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3616791A (en) * | 1969-04-30 | 1971-11-02 | American Optical Corp | Electrocardiographic morphology recognition system |
US4041468A (en) * | 1976-10-07 | 1977-08-09 | Pfizer Inc. | Method and system for analysis of ambulatory electrocardiographic tape recordings |
US4974598A (en) * | 1988-04-22 | 1990-12-04 | Heart Map, Inc. | EKG system and method using statistical analysis of heartbeats and topographic mapping of body surface potentials |
US4947857A (en) * | 1989-02-01 | 1990-08-14 | Corazonix Corporation | Method and apparatus for analyzing and interpreting electrocardiograms using spectro-temporal mapping |
US5649544A (en) * | 1989-10-30 | 1997-07-22 | Feng; Genquan | Method of and arrangement for diagnosing heart disease |
US5092341A (en) * | 1990-06-18 | 1992-03-03 | Del Mar Avionics | Surface ecg frequency analysis system and method based upon spectral turbulence estimation |
US5609158A (en) * | 1995-05-01 | 1997-03-11 | Arrhythmia Research Technology, Inc. | Apparatus and method for predicting cardiac arrhythmia by detection of micropotentials and analysis of all ECG segments and intervals |
DE19609382A1 (de) * | 1996-03-04 | 1997-09-11 | Biotronik Mess & Therapieg | Aktivitätsgesteuerter Herzschrittmacher |
US6148228A (en) * | 1998-03-05 | 2000-11-14 | Fang; Dan Oun | System and method for detecting and locating heart disease |
US6597943B2 (en) * | 2000-12-26 | 2003-07-22 | Ge Medical Systems Information Technologies, Inc. | Method of using spectral measures to distinguish among atrialfibrillation, atrial-flutter and other cardiac rhythms |
AU2002302003B2 (en) * | 2001-11-28 | 2008-05-22 | Cardanal Pty Ltd | Method and system for processing electrocardial signals |
US7343198B2 (en) * | 2004-08-23 | 2008-03-11 | The University Of Texas At Arlington | System, software, and method for detection of sleep-disordered breathing using an electrocardiogram |
TW200642660A (en) * | 2005-06-14 | 2006-12-16 | We Gene Technologies Inc | Auto diagnosing method and device thereof for high mountain disease |
-
2007
- 2007-07-09 US US11/774,688 patent/US7869864B2/en active Active
-
2008
- 2008-06-24 TW TW097123568A patent/TWI435708B/zh active
- 2008-06-30 WO PCT/US2008/068731 patent/WO2009009330A2/en active Application Filing
- 2008-06-30 EP EP08781162.6A patent/EP2273918A4/en not_active Withdrawn
-
2010
- 2010-12-03 US US12/959,746 patent/US20110077542A1/en not_active Abandoned
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI581763B (zh) * | 2014-12-05 | 2017-05-11 | 凌陽科技股份有限公司 | 心電圖訊號的雜訊濾除方法以及其心電感測裝置 |
Also Published As
Publication number | Publication date |
---|---|
US7869864B2 (en) | 2011-01-11 |
WO2009009330A2 (en) | 2009-01-15 |
US20090018459A1 (en) | 2009-01-15 |
TW200920318A (en) | 2009-05-16 |
US20110077542A1 (en) | 2011-03-31 |
EP2273918A4 (en) | 2013-07-03 |
EP2273918A2 (en) | 2011-01-19 |
WO2009009330A3 (en) | 2010-12-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI435708B (zh) | 用於偵測和診斷心臟疾病和不適症狀的方法、系統和裝置 | |
EP0462690B1 (en) | An improved surface ECG frequency analysis system and method based upon spectral turbulence estimation | |
US5109862A (en) | Method and apparatus for spectral analysis of electrocardiographic signals | |
JP3242981B2 (ja) | 限られた電極数でマッピング分析を行う方法及び装置 | |
US8626274B2 (en) | Methods, systems and devices for detecting and diagnosing heart diseases and disorders | |
CN109288515B (zh) | 基于穿戴式心电信号中早搏信号的周期性监测方法及装置 | |
Kanna et al. | Automated defective ECG signal detection using MATLAB applications | |
EP0448196B1 (en) | Method and apparatus for spectral analysis of electrocardiographic signals | |
Sivaranjni et al. | Detection of sleep apnea through ECG signal features | |
US20130035604A1 (en) | Frequency Analysis of 12-Lead Cardiac Electrical Signals to Detect and Identify Cardiac Abnormalities | |
Alcaraz et al. | Wavelet bidomain sample entropy analysis to predict spontaneous termination of atrial fibrillation | |
Alim et al. | EMG signal processing and diagnostic of muscle diseases | |
Mukherjee et al. | An efficient wavelet analysis for ECG signal processing | |
US9226676B2 (en) | Methods, systems and devices for detecting and diagnosing diabetic diseases and disorders | |
Khandait et al. | Efficient ECG abnormalities recognition using neuro-fuzzy approach | |
Liu et al. | Automatic arrhythmia detection based on convolutional neural networks | |
Liu et al. | Detection of myocardial infarction from multi-lead ECG using dual-Q tunable Q-factor wavelet transform | |
Sreedevi et al. | ECG Feature Extraction and Parameter Evaluation for Detection of Heart Arrhythmias | |
Patil et al. | Evaluation of QRS complex based on DWT coefficients analysis using daubechies wavelets for detection of myocardial ischaemia | |
Mayapur | Detection and classification of heart defects | |
Mitra et al. | A rough set based approach for ecg classification | |
Tarar et al. | The detection method to determine localization and extent of myocardial infarction: A literature review | |
CN117257321A (zh) | 基于机器学习与高频心电的心肌缺血检测方法及装置 | |
TW201023829A (en) | Methods, systems and devices for detecting and diagnosing heart diseases and disorders | |
Kaur et al. | A review on arrhythmia detection using ECG signal |