TWI581819B - 心臟電擊裝置 - Google Patents
心臟電擊裝置 Download PDFInfo
- Publication number
- TWI581819B TWI581819B TW103122810A TW103122810A TWI581819B TW I581819 B TWI581819 B TW I581819B TW 103122810 A TW103122810 A TW 103122810A TW 103122810 A TW103122810 A TW 103122810A TW I581819 B TWI581819 B TW I581819B
- Authority
- TW
- Taiwan
- Prior art keywords
- signal
- cardiac
- shock
- shock device
- electrodes
- Prior art date
Links
Landscapes
- Percussion Or Vibration Massage (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Description
本發明係關於一種心臟電擊裝置,特別關於能在胸腔按壓同時,仍能正確評估是否應電擊去顫的一種心臟電擊裝置。
心室顫動(Ventricular Fibrillation,VF)是導致突發性心肺功能停止的最常見病因。早期去顫及不間斷的心肺復甦術(Cardio Pulmonary Resuscitation,CPR)是心顫患者能再次恢復自主循環的重要因子。不過,心顫患者的發病通常是發生在醫院外,因此提高了早期去顫的困難度。幸好,自動體外去顫器(Automatic External Defibrillator,AED)的發明使早期去顫能得以實現。
雖然研究已經證實心肺復甦術的中斷會大幅降低成功救活的機率,但是在量測心電圖時不中斷心肺復甦術是個很大的挑戰。如第1圖所示,心電圖是用來進行心顫波形分析,用以判斷合適進行電擊的時機,而在進行心肺復甦術時量測心電圖,心臟按壓的動作會影響心電圖的波形,同時影響了心顫波形分析的正確性。心電圖中與心臟按壓相關的訊號通常是非線性(nonlinear)且非穩態(nonstationary)的,因此傳統的線性分析方法,例如傅立葉或小波分析,並沒有辦法有效的分離心電圖中與心臟按壓相關的訊號。
因此,同領域中通常知識者皆極力發展能夠應用在連續心肺復甦術中進行正確心顫波形分析並施予電擊的心臟電擊裝置。
本發明係為一種心臟電擊裝置,包含:一對電極、一心電訊號單元、一訊號處理單元、一評估單元以及一電擊單元。本發明係要達到整合訊號偵測、處理及電擊輸出於心臟電擊裝置上,免除組裝時間或複雜
操作,使急救人員可以直接將心臟電擊裝置黏附於患者胸口,並同時達到能在連續心肺復甦術中量測心電圖訊號,接著正確分析心顫波形以決定施予電擊時機的目的。
本發明係提供一種心臟電擊裝置,包含:一對電極,其包含一正電極及一負電極;一心電訊號單元,其電性連接該對電極以接收一心電圖訊號;一訊號處理單元,其將該心電圖訊號減去一按壓訊號以得到一心顫訊號;一評估單元,其將心顫訊號之一評估數值與一參考值做比較,當評估數值小於參考值時,發出一電擊指示;以及一電擊單元,其電性連接該對電極,並於接收電擊指示時,輸出一電擊電流至該對電極。
為了使任何熟習相關技藝者了解本發明之技術內容並據以實施,且根據本說明書所揭露之內容、申請專利範圍及圖式,任何熟習相關技藝者可輕易地理解本發明相關之目的及優點,因此將在實施方式中詳細敘述本發明之詳細特徵以及優點。
100‧‧‧心臟電擊裝置
11‧‧‧正電極
12‧‧‧負電極
20‧‧‧心電訊號單元
30‧‧‧訊號處理單元
40‧‧‧評估單元
50‧‧‧電擊單元
60‧‧‧壓電感測單元
70‧‧‧外部端
第1圖為先前技術之一心肺復甦術(CPR)訊號與一心室顫動(VF)訊號於不同頻率之數值比較。
第2圖為本發明實施例之一種心臟電擊裝置之電路方塊圖。
第3圖為本發明實施例之一種心臟電擊裝置之使用方式示意圖。
第4圖為本發明實施例之一種訊號處理單元之處理流程示意圖。
第5圖為本發明實施例之一種集成經驗模態分解示意圖。
第6圖為本發明實施例之多個固有模態函數示意圖。
第7圖為本發明實施例之一種固有模態函數之組合示意圖。
第8圖為本發明實施例之一種實際心顫訊號與分析之心顫訊號的比較示意圖。
如第2圖所示,本發明實施例之一種心臟電擊裝置100包含:一對電極、一心電訊號單元20、一訊號處理單元30、一評估單元40以及一電擊單元50。心臟電擊裝置100可以設置於一患者胸口並評估適當
的時機進行心顫電擊而不須停止心肺復甦術(CPR)的進行,同時不須組裝且操作簡單。
如第3圖所示,心臟電擊裝置100之一表面可以進一步具有一黏貼部(圖未示,因其設置於靠近患者之表面),黏貼部可以將心臟電擊裝置100簡單快速地貼附並固定至人體之胸口部位,以利後續擷取訊號、分析評估及施予電擊。心臟電擊裝置100更可以製成布條的形式,有利於攜帶與使用。
如第2圖及第3圖所示,該對電極包含一正電極11及一負電極12,正電極11及負電極12互相電性連接。正電極11是用以設置於患者左腋窩下,且負電極12是用來設置於患者右胸上側。在醫學上,這樣的設置可以讓心臟電擊時的電流刺激心臟停止患者的心臟,以使其恢復正常跳動。
如第2圖所示,心電訊號單元20係與正電極11及負電極12電性連接,屬於輸入單元,用以接收一心電圖(cardiogram)訊號,其中心電圖訊號可以是振幅與時間相關之函數。本發明實施例中之心臟電擊裝置100能在持續進行心肺復甦術的狀況下,接收心電圖訊號。此心電圖訊號將帶有因胸腔按壓所產生的胸腔按壓訊號,導致若以此心電圖訊號進行心顫波形分析,容易得到錯誤的結果,也無法正確判斷出適當的電擊時機。
為此,訊號處理單元30係將心電圖訊號減去按壓訊號以得到正確的一心顫訊號,因此心顫訊號係為去除人為動作干擾及環境干擾後的結果,所以可以用以進行正確的電擊時機之評估。按壓訊號可以由下列兩種方式得到。
第一種方式係如第4圖所示之處理流程,訊號處理單元30可以進一步將接收到的心電圖訊號經由一集成經驗模態分解(Ensemble Empirical Mode Decomposition,EEMD)方法解析以得到複數個不同當量(例如頻率)之固有模態函數(Intrinsic Mode Function,IMF)。
集成經驗模態分解使用希爾伯特-黃轉換對訊號進行拆解,因無固定先驗基底(Priori Basis),故能突破傳統方法以固定振幅的弦波振盪(Sinusoidal Oscillations)為基底的限制,使訊號分析更有因事制宜的空間。
每一固有模態函數大都可對應明確物理意義,表達訊號的局部特徵,故此法在非線性非穩態訊號處理上頗具優勢。
經驗模態解構的基本假設是所有訊號皆可拆解為兩部份:分別為局部均值(Local Mean)時間函數m 1(t)及固有模態函數。固有模態函數的數學表示式理想上可表為a 1(t)cosθ1(t),故任意訊號x(t)可表示為x(t)=m 1(t)+a 1(t)cosθ1(t)。經驗模態解構演算法是以一特別的篩選(Sifting)程序求出局部均值時間函數。篩選的基本步驟則是先找出訊號所有局部極值,利用三次樣條函數(Cubic Spline)內插,連接所有局部極大值與局部極小值,分別擬合出訊號的上封包(Envelope)與下封包。計算上下包絡線e sup(t)、e low (t)的平均值,上下封包的平均值可近似為局部均值時間函數,將原始訊號剔除局部均值時間函數的結果,即為固有模態函數的近似。將x(t)減去m(t)得到c(t),然後將c(t)視為新的x(t),一般而言,該程序若僅進行一次,其結果多半與理想的固有模態函數a1(t)cosθ1(t)相去甚遠,因此該程序會重複進行以求得最理想的固有模態函數。理想的固有模態函數需符合兩個基本要求:固有模態函數的局部極大值個數須與極小值個數相同。固有模態函數於零點前後之波形需為對稱(亦即其局部均值為0)。求出理想的固有模態函數c 1(t)之後,對殘餘的局部均值時間函數m 1(t)再次進行篩選程序,以提取下一個固有模態函數c 2(t)。x(t)最終可表示為:
式中r N (t)稱為殘餘項(Residue),代表訊號的平均趨勢。透過上述經驗模態解構演算法,看似複雜的訊號在不具先驗知識的情況下可被拆解為多個較規律的振盪成分。因而非常適用於生理訊號的解析。集成經驗模態解構比經驗模態解構僅多考慮了白雜訊(white noise)。使用集成經驗模態解構除了更能有效擷取非線性非穩態訊號中具有物理意義的重要特徵外,也能改善經驗模態分解法中模態混合的缺陷。
請進一步參考第5圖及第6圖,每個頻率皆有對應之固有模態函數。當心電圖訊號被分解成數個不同的固有模態函數時,我們可以看到有些固有模態函數的波形是具有同性質的,也就是其與心電圖訊號的相關係數是偏高的。因為在連續心肺復甦術中擷取心電圖訊號時,心電圖訊
號的波動受到胸腔按壓的影響甚鉅,同時心電圖訊號之週期(cycle)也明顯受到胸腔按壓之週期的影響。因此,胸腔按壓頻率可以先假設為心電圖訊號一高相關性頻率之組合。
如第7圖所示,接著評估該些不同頻率之固有模態函數(IMF5、IMF6、IMF7、IMF8),組合具有同性質的固有模態函數以得到近似胸腔按壓訊號之一形狀函數,可以參見第4圖之按壓形狀函數。也就是說,將與心電圖訊號相關性最高的數個固有模態函數相加,即可得到近似的胸腔按壓訊號。第7圖的實施例即是將與心電圖訊號相關係數最高的兩個固有模態函數IMF6及IMF7相加組合。可以看到,得到的形狀函數之週期與心電圖訊號之週期非常相近。每一次胸腔按壓的週期(第7圖在胸腔按壓瞬間標示「+」,「+」的間隔即為胸腔按壓之週期長度),將形狀函數中每個局部最小值標出,相鄰標示點間的距離即為對應之胸腔按壓之週期長度;此處不計入過快的按壓訊號,週期長度小於0.1秒(相當於600cpm)者便略去,按壓頻率定義為胸腔按壓之週期長度取倒數。
然而,經驗發現僅靠集成經驗模態分解得到的形狀函數仍需建模並稍加修正才能得到最正確的按壓訊號。在此,本發明之心臟電擊裝置100之訊號處理單元30透過形狀函數建模以得到按壓訊號。較佳地,利用最小平方誤差法(Least Mean Square,LMS)針對該形狀函數之複數個週期(cycle)數值建模以得到該按壓訊號。其中,假設每個胸腔按壓之週期由K個弦波形態的諧波組成,在已知各個胸腔按壓頻率的條件下,利用最小平方誤差法建模修正之每個周期的按壓訊號係以下式表示:
其中f 0(n)是第n次按壓的時變頻率,f s 是取樣頻率,θ k (t)代表第K個諧波的時變相位,而a k (n,t)和b k (n,t)為第n次按壓的時變參數。
經由按壓訊號相關成分組成的訊號分析,第n個胸腔按壓之週期長度的倒數為時變頻率f 0(n),為了以週期性的方式模擬胸腔按壓訊號,將上述公式簡化為
對於各胸腔按壓之週期,根據每次心室顫動和胸腔按壓混合訊號與建模之按壓訊號差值,使用最小平方法將a k (t)及b k (t)不斷訓練與重複逼近所需參數。令a(t)及b(t)為K個同相位同向和正交濾波器參數,以行矩陣表達如下:
另外,K個同相位同向和正交諧波可以列向量表示如下:
設心室顫動和胸腔按壓的合成訊號為S(t),此合成訊號和胸腔按壓模型的差異表示為
為了更新每個諧波成分的參數,我們將相關之矩陣表示如下:
而針對個別之胸腔按壓週期,遞迴式最小平方法濾波器參數的訓練式為a(t+1)=a(t)+2e(t)U(t)I T (t) b(t+1)=b(t)+2e(t)U(t)Q T (t) (7)其初始值a(0),b(0)為零。
使用最小平方法模型時,設定僅計入5個諧波成分,即K=5;此外,當f 0(n)>10Hz時,為避免較高頻的諧波成分對心室顫動成分影響過大,僅使用基頻成分。針對胸腔按壓週期函數所需係數做足夠訓練之後,係數會收斂並可用以描述胸腔按壓訊號。然而,由於模擬的過程中
分段處理,在段落連接處不可避免會有不連續現象,我們的處理方式為將不連續處的上下包絡取平均;在週期分段及最小平方法得到按壓訊號。
如第8圖所示,本發明實施例之心臟電擊裝置100將心電圖訊號解析出按壓訊號,並以心電圖訊號減去按壓訊號後得到分析之心顫訊號。經實驗可以看出,本發明實施例之心臟電擊裝置100所分析出的心顫訊號與實際心顫訊號具有極高相似度。可以證明本發明實施例之心臟電擊裝置100可以在不停止心肺復甦術的狀況下,提供正確的心顫訊號分析。
按壓訊號除了可以利用上述方法由心電圖訊號中萃取出來,亦可由第二種方式得到。如第2圖所示,心臟電擊裝置100可以進一步包含一壓電感測單元60,壓電感測單元60可以用來偵測彎曲,震動,撞擊等狀態,藉由上下震動的改變,產生一電流訊號。本發明之壓電感測單元60可以負責擷取按壓訊號,其中按壓訊號為胸口按壓重量之變化。壓電感測單元60擷取的按壓訊號會被傳回訊號處理單元30,接著訊號處理單元30將心電圖訊號減去此按壓訊號以得到心顫訊號。
評估單元40,其接收訊號處理單元30傳出的心顫訊號,並將心顫訊號之一評估數值與一參考值做比較。心顫訊號之評估數值係由消除趨勢波動分析法(Detrended Fluctuation Analysis,DFA)或振幅頻譜區域分析法(Amplitude Spectrum Area Analysis,AMSA)求得。研究指出,去顫成功的指標是以AMSA及FDAα2的成效最佳。因此,當使用消除趨勢波動分析法或振幅頻譜區域分析法求出的心顫訊號之評估數值小於預先儲存設定之參考值時,代表符合電擊的標準,評估單元40發出一電擊指示。
如第2圖及第3圖所示,評估單元40可以進一步以有線或無線傳輸一相關資訊至一外部端70進行紀錄。相關資訊為心電圖訊號、按壓訊號、心顫訊號或上述多種訊號之組合。相關資訊可以做為後續研究或評估的資料庫。本發明之心臟電擊裝置100可以進一步包含一提示單元以即時地告知使用者是否進行電擊的指示,例如顯示於螢幕上或是利用聲音提示。
電擊單元50,其電性連接一對電極11,12,並於接收來自評估單元40之電擊指示時,輸出一電擊電流至一對電極11,12。本發明之心
臟電擊裝置100不但攜帶方便,不須組裝,同時使用時不必停止心肺復甦術的進行,即可擷取心電圖訊號並進行分析,以評估正確的電擊時機。
惟上述各實施例係用以說明本發明之特點,其目的在使熟習該技術者能瞭解本發明之內容並據以實施,而非限定本發明之專利範圍,故凡其他未脫離本發明所揭示之精神而完成之等效修飾或修改,仍應包含在以下所述之申請專利範圍中。
100‧‧‧心臟電擊裝置
11‧‧‧正電極
12‧‧‧負電極
20‧‧‧心電訊號單元
30‧‧‧訊號處理單元
40‧‧‧評估單元
50‧‧‧電擊單元
60‧‧‧壓電感測單元
Claims (12)
- 一種心臟電擊裝置,該心臟電擊裝置之形式為一布條,包含:一對電極,其包含一正電極及一負電極,配置於該布條的兩端;一心電訊號單元,其電性連接該對電極以接收一心電圖訊號;一壓電感測單元,以擷取一按壓訊號,該按壓訊號為胸口按壓重量之變化;一訊號處理單元,其將該心電圖訊號減去該按壓訊號以得到一心顫訊號;一評估單元,其將該心顫訊號之一評估數值與一參考值做比較,當該評估數值小於該參考值時,發出一電擊指示;以及一電擊單元,其電性連接該對電極,並於接收該電擊指示時,輸出一電擊電流至該對電極;其中,該布條表面具有一黏貼部以貼附至人體之胸口部位,使該正電極位於左腋窩下,且該負電極位於右胸上側。
- 如申請專利範圍第1項之心臟電擊裝置,其中該心電圖訊號為振幅與時間相關之函數。
- 如申請專利範圍第1項之心臟電擊裝置,其中該評估數值係由消除趨勢波動分析法(Detrended Fluctuation Analysis,DFA)或振幅頻譜區域分析法(Amplitude Spectrum Area Analysis,AMSA)求得。
- 如申請專利範圍第1項之心臟電擊裝置,其中該評估單元係進一步以有線或無線傳輸一相關資訊至一外部端進行紀錄。
- 如申請專利範圍第4項之心臟電擊裝置,其中該相關資訊係該心電圖訊號、該按壓訊號、該心顫訊號或其組合。
- 一種心臟電擊裝置,該心臟電擊裝置之形式為一布條,包含:一對電極,其包含一正電極及一負電極,配置於該布條的兩端;一心電訊號單元,其電性連接該對電極以接收一心電圖訊號;一訊號處理單元,其將該心電圖訊號經由一集成經驗模態分解(Ensemble Empirical Mode Decomposition,EEMD)解析得到複數個固有模態函數 (IMF),組合具有同性質的該些固有模態函數以得到一形狀函數,透過該形狀函數建模以得到一按壓訊號,進一步將該心電圖訊號減去該按壓訊號以得到一心顫訊號;一評估單元,其將該心顫訊號之一評估數值與一參考值做比較,當該評估數值小於該參考值時,發出一電擊指示;以及一電擊單元,其電性連接該對電極,並於接收該電擊指示時,輸出一電擊電流至該對電極;其中,該布條表面具有一黏貼部以貼附至人體之胸口部位,使該正電極位於左腋窩下,且該負電極位於右胸上側。
- 如申請專利範圍第6項之心臟電擊裝置,其中該心電圖訊號為振幅與時間相關之函數。
- 如申請專利範圍第6項之心臟電擊裝置,其中同性質的該些固有模態函數為與該心電圖訊號相關係數最高的複數個固有模態函數。
- 如申請專利範圍第6項之心臟電擊裝置,利用最小平方誤差法(Least Mean Square,LMS)針對該形狀函數之複數個週期(cycle)數值建模以得到該按壓訊號。
- 如申請專利範圍第6項之心臟電擊裝置,其中該評估數值係由消除趨勢波動分析法(Detrended Fluctuation Analysis,DFA)或振幅頻譜區域分析法(Amplitude Spectrum Area Analysis,AMSA)求得。
- 如申請專利範圍第6項之心臟電擊裝置,其中該評估單元係進一步以有線或無線傳輸一相關資訊至一外部端進行紀錄。
- 如申請專利範圍第11項之心臟電擊裝置,其中該相關資訊係該心電圖訊號、該按壓訊號、該心顫訊號或其組合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW103122810A TWI581819B (zh) | 2014-07-02 | 2014-07-02 | 心臟電擊裝置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW103122810A TWI581819B (zh) | 2014-07-02 | 2014-07-02 | 心臟電擊裝置 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201601789A TW201601789A (zh) | 2016-01-16 |
TWI581819B true TWI581819B (zh) | 2017-05-11 |
Family
ID=55641428
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW103122810A TWI581819B (zh) | 2014-07-02 | 2014-07-02 | 心臟電擊裝置 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI581819B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110130665A1 (en) * | 2009-10-23 | 2011-06-02 | Bowers Kyle R | Method and system for expediting the rescue of victims experiencing sudden cardiac arrest (sca) when used in conjunction with an automated external defibrillator (aed) |
WO2013128369A1 (en) * | 2012-02-28 | 2013-09-06 | Koninklijke Philips N.V. | Aed with compression sensor |
-
2014
- 2014-07-02 TW TW103122810A patent/TWI581819B/zh not_active IP Right Cessation
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110130665A1 (en) * | 2009-10-23 | 2011-06-02 | Bowers Kyle R | Method and system for expediting the rescue of victims experiencing sudden cardiac arrest (sca) when used in conjunction with an automated external defibrillator (aed) |
WO2013128369A1 (en) * | 2012-02-28 | 2013-09-06 | Koninklijke Philips N.V. | Aed with compression sensor |
Non-Patent Citations (1)
Title |
---|
Men-Tzung Lo et al., "A new method to estimate the amplitude spectrum analysis of ventricular fibrillation during cardiopulmonary resuscitation", Resuscitation, Volume 84, Issue 11, November 2013, pages 1505 to 1511. * |
Also Published As
Publication number | Publication date |
---|---|
TW201601789A (zh) | 2016-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Alonso et al. | Reliability and accuracy of the thoracic impedance signal for measuring cardiopulmonary resuscitation quality metrics | |
Alonso et al. | Circulation detection using the electrocardiogram and the thoracic impedance acquired by defibrillation pads | |
Pandia et al. | Extracting respiratory information from seismocardiogram signals acquired on the chest using a miniature accelerometer | |
Ruiz et al. | Reliable extraction of the circulation component in the thoracic impedance measured by defibrillation pads | |
Kim et al. | A robust human identification by normalized time-domain features of electrocardiogram | |
CN109561845A (zh) | 用于处理生理信号的处理装置 | |
CN103892812B (zh) | 匹配度分析技术 | |
Al-Qazzaz et al. | Simulation Recording of an ECG, PCG, and PPG for Feature Extractions | |
Hu et al. | Adaptive filtering and characteristics extraction for impedance cardiography | |
Zhang et al. | A method to differentiate between ventricular fibrillation and asystole during chest compressions using artifact-corrupted ECG alone | |
Li | A quality assessment method of single-lead ECG signal based on spectral analysis | |
CN205251573U (zh) | 基于fmd的血管内皮功能评估检测系统 | |
Watson et al. | Extracting heart rhythm information during CPR using wavelet transform methods | |
Darak et al. | A review of techniques for extraction of cardiac artifacts in surface EMG signals and results for simulation of ECG-EMG mixture signal | |
TWI581819B (zh) | 心臟電擊裝置 | |
Murthy et al. | Ecg signal denoising and ischemic event feature extraction using daubechies wavelets | |
Yu et al. | The development of an intelligent electronic stethoscope | |
Ming et al. | Detection of shockable rhythm using multi-parameter fusion identification and BP neural network | |
Abdulhay et al. | Cardiogenic oscillations extraction in inductive plethysmography: Ensemble empirical mode decomposition | |
Gallego et al. | Analysis of kinematic data in pathological tremor with the Hilbert-Huang transform | |
Zhang et al. | A new method to detect ventricular fibrillation from CPR artifact-corrupted ECG based on the ECG alone | |
Meste et al. | Influence of the pedalling frequency on the Heart Rate Variability | |
Zhao et al. | Evaluation of lower-limb rehabilitation based on muscle fatigue | |
Shama et al. | Hamming filter design for ECG signal detection and processing using co-simulation | |
Shekhar et al. | Development of Signal Processing Algorithms for De-noising of ECG Signals in Wearable Systems and Testing for Arrhythmia using CNN Model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | Annulment or lapse of patent due to non-payment of fees |