[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN110051346B - 用于基于时间序列和心内及身体表面心电图（ecg）信号形态的心跳分类的装置和方法 - Google Patents

用于基于时间序列和心内及身体表面心电图（ecg）信号形态的心跳分类的装置和方法 Download PDF

Info

Publication number
CN110051346B
CN110051346B CN201910053049.6A CN201910053049A CN110051346B CN 110051346 B CN110051346 B CN 110051346B CN 201910053049 A CN201910053049 A CN 201910053049A CN 110051346 B CN110051346 B CN 110051346B
Authority
CN
China
Prior art keywords
ecg
annotation
time series
activity
processor
Prior art date
Legal status (The legal status 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 status listed.)
Active
Application number
CN201910053049.6A
Other languages
English (en)
Other versions
CN110051346A (zh
Inventor
V.鲁宾斯坦恩
M.巴尔-塔尔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Biosense Webster Israel Ltd
Original Assignee
Biosense Webster Israel Ltd
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 Biosense Webster Israel Ltd filed Critical Biosense Webster Israel Ltd
Publication of CN110051346A publication Critical patent/CN110051346A/zh
Application granted granted Critical
Publication of CN110051346B publication Critical patent/CN110051346B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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]
    • A61B5/327—Generation of artificial ECG signals based on measured signals, e.g. to compensate for missing leads
    • 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
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
    • A61B5/024—Measuring pulse rate or heart rate
    • A61B5/0245—Measuring pulse rate or heart rate by using sensing means generating electric signals, i.e. ECG signals
    • 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
    • A61B5/25—Bioelectric electrodes therefor
    • A61B5/279—Bioelectric electrodes therefor specially adapted for particular uses
    • A61B5/28—Bioelectric electrodes therefor specially adapted for particular uses for electrocardiography [ECG]
    • A61B5/283—Invasive
    • A61B5/287—Holders for multiple electrodes, e.g. electrode catheters for electrophysiological study [EPS]
    • 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
    • A61B5/30—Input circuits therefor
    • A61B5/303—Patient cord assembly, e.g. cable harness
    • 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]
    • 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
    • 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
    • A61B5/35—Detecting specific parameters of the electrocardiograph cycle by template matching
    • 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
    • A61B5/361—Detecting fibrillation
    • 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
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0209—Special features of electrodes classified in A61B5/24, A61B5/25, A61B5/283, A61B5/291, A61B5/296, A61B5/053
    • 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
    • A61B5/25—Bioelectric electrodes therefor
    • A61B5/279—Bioelectric electrodes therefor specially adapted for particular uses
    • A61B5/28—Bioelectric electrodes therefor specially adapted for particular uses for electrocardiography [ECG]
    • A61B5/282—Holders for multiple electrodes
    • 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
    • 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
    • A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6846—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be brought in contact with an internal body part, i.e. invasive
    • A61B5/6847—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be brought in contact with an internal body part, i.e. invasive mounted on an invasive device
    • A61B5/6852—Catheters
    • 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
    • A61B5/7221—Determining signal validity, reliability or quality
    • 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
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Cardiology (AREA)
  • Artificial Intelligence (AREA)
  • Physiology (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明题为“用于基于时间序列和心内及身体表面心电图(ECG)信号形态的心跳分类的装置和方法”。本发明提供了基于心内和身体表面心电图(ECG)信号的心跳分类。处理心内ECG(IC‑ECG)信号和身体表面ECG(BS‑ECG)信号以执行心跳分类。定义了反映感测心跳的BS‑ECG信号的BS注释，BS注释包括BS注释时间值。还定义了IC‑ECG信号的IC注释，其反映了感测心跳的心房活动或心室活动，每个IC注释包括IC注释时间值。将IC‑ECG信号区分为A活动或V活动，并将IC注释分别指定为IC‑A注释或IC‑V注释。使用用于心跳分类的一个或多个时间序列模板进行反映感测心跳的IC注释的相应A/V时间序列比较。还可以进行反映感测心跳形态模板的BS‑ECG振荡信号段的形态比较以进行分类。

Description

用于基于时间序列和心内及身体表面心电图(ECG)信号形态 的心跳分类的装置和方法
相关申请的交叉引用
本申请是2018年1月19日提交的临时申请62/619,242的非临时申请，该申请如同完整阐述般以引用方式并入本文。
发明内容
提供了被配置成基于心内和身体表面心电图(ECG)信号对心跳进行分类的医疗装置和方法。心内导管当被设置在受试者的身体内的心脏内时经由相应的多个电极获得多个信道的心内ECG(IC-ECG)信号；身体表面ECG感测设备当设置在受试者的身体上时，经由多个电极获得多个信道的身体表面ECG(BS-ECG)信号；处理器从心内导管和身体表面ECG感测设备接收相应的ECG信号，并处理反映感测心跳的信号以执行心跳分类。
示例装置包括处理器，该处理器定义反映受试者的感测心跳的BS-ECG振荡信号段的BS注释，该BS注释包括相对于感测心跳的BS注释时间值。处理器执行反映感测心跳的BS-ECG振荡信号段与一个或多个形态模板的形态比较，其中每个形态模板与心跳分类相关联。感测心跳被分类成对应于模板的相关联的心跳分类，其中形态比较反映了预定程度的形态相似性。
处理器还定义每个信道的IC-ECG振荡信号段的IC注释，其反映受试者的感测心跳的心房活动(A活动)或心室活动(V活动)，每个IC注释包括相对于感测心跳的IC注释时间值。处理器将IC-ECG振荡信号段区分为A活动或V活动，并将IC注释分别指定为IC-A注释或IC-V注释。处理器然后可执行反映感测心跳的IC-A注释与一个或多个心房时间序列模板的心房时间序列比较，其中每个心房时间序列模板与A活动分类相关联，并将感测心跳分类为对应于相关联的模板A活动分类，其中心房时间序列比较反映预定程度的心房时间序列相似性。另选地或除此之外，处理器可执行反映感测心跳的IC-V注释与一个或多个心室时间序列模板的心室时间序列比较，其中每个心室时间序列模板与V活动分类相关联，并将感测心跳分类为对应于相关联的模板V活动分类，其中心室时间序列比较反映预定程度的心室时间序列相似性。
医疗装置优选地包括耦接到处理器的输出设备，其选择性地输出由形态和时间序列比较产生的所感测心跳的分类。处理器还可以被配置成基于这样的条件来创建新的形态、心房时间序列或心室时间序列模板：心跳分类不基于与现有形态、心房时间序列或心室时间序列模板的相应比较来进行。
在一个示例中，处理器将IC-ECG信号振荡信号段区分为A活动或V活动，使得IC-ECG振荡信号段在这样的条件下被指定为V活动：相对于所感测心跳的IC注释时间值在起始于相对于感测心跳的BS注释时间值之前的预定量并且结束于相对于感测心跳的BS注释时间值之后的预定量的时间值范围内，否则指定IC-ECG振荡信号段为A活动。在此类示例中，处理器可在这样的条件下将IC-ECG振荡信号段指定为V活动：相对于所感测心跳的IC注释时间值在起始于相对于所感测心跳的BS注释时间值之前不小于20毫秒并且结束于相对于所感测心跳的BS注释时间值之后不超过80毫秒的时间值范围内。
在另一个示例中，处理器将IC-ECG振荡信号段区分为A活动或V活动，使得IC-ECG振荡信号段基于IC-ECG振荡信号段的形态特征被指定为A活动或V活动。在此类示例中，处理器可将IC-ECG振荡信号段区分为A活动或V活动，使得IC-ECG振荡信号段在主振荡的斜率和宽度的组合小于预定阈值的条件下被指定为V活动，否则指定IC-ECG振荡信号段为A活动。
在另一个示例中，处理器被配置成在检测到感测心跳的心房颤动，并且在感测心跳的连续IC-ECG振荡信号段之间存在消隐窗口的条件下将IC-ECG振荡信号段指定为A活动。
示例处理器可被配置成通过计算感测心跳的每个信道的IC-A注释的IC注释时间值与相应的模板信道注释时间值之间的时间值差值来执行反映感测心跳的IC-A注释与心房时间序列模板的心房时间序列比较，然后，当组合差值的绝对值的组合不大于所选择的A时间阈值时，确定发生预定程度的心房时间序列相似性。此类示例处理器还可以被配置成通过计算感测心跳的每个信道的IC-V注释的IC注释时间值与相应的模板信道注释时间值之间的时间值差值来执行反映感测心跳的IC-V注释与心室时间序列模板的心室时间序列比较，然后，当组合差值的绝对值的组合不大于所选择的V时间阈值时，确定发生预定程度的心室时间序列相似性。
该装置可采用监视器作为输出设备，该输出设备被配置成选择性地显示感测心跳的ECG信号和心跳分类数据。
附图说明
通过结合附图以举例的方式给出的以下描述可得到更详细的理解。
图1A是根据本发明的实施方案的心电图(ECG)分析系统的示意图。
图1B是图1所示的系统的处理部件的示例性配置。
图2是导管插入的心脏器官的示例性图示。
图3A是使用形态模板比较来识别和分类各种心脏激活的方法的流程图。
图3B是根据本发明的教导的识别和分类包括时间序列比较的各种心脏激活的方法的流程图。
图3C是显示良好相似性的示例性ECG时间序列比较。
图3D是显示较差相似性的示例性ECG时间序列比较。
图4是感测心跳的ECG信号的图示说明，其中来自BS电极的代表性身体源(BS)迹线覆盖在来自相同感测心跳的IC电极的心内(IC)迹线上，其中注明了注释参考。
图5是样本“正常”感测心跳的ECG信号的图示说明，其比较来自BS电极的身体源(BS)迹线与来自相同感测心跳的IC电极的心内(IC)迹线，其中注明了注释参考。
图6是图3B的A-V区分步骤的基于时间的示例的扩展流程图。
图7是可用作图3B的A-V区分步骤的基于形态的示例的基础的ECG振荡信号段的图示说明。
图8是使用图3B的A-V区分步骤的形态示例的A活动和V活动的集群的图示说明。
图9是图3B的A-V区分步骤的基于形态的示例的流程图。
图10是本发明实施方案中的心房颤动(AFL)模式方法的流程图；
图11是图10的AFL模式方法的一部分的扩展流程图。
图12是使用和不使用AFL模式方法的分类方法的结果的比较。
具体实施方式
当心脏中的窦房(SA)结点在心房组织上开始去极化波导致心房肌收缩，将心房中的血液推入心室时，心跳的正常窦性节律开始。在约70毫秒的延迟之后，在心房心室(AV)节点中起始的去极化波经过心室心脏组织，导致心室肌肉收缩，其将血液推出心室。下一次心跳的准备或“重置”发生在心房和心室二者中均存在复极波的情况下。该电活动导致可以使用ECG身体表面(BS)电极检测的经典ECG波形形态(例如，P波、QRS波群、T波)。每次心跳被反映为BS-ECG信号中的振荡段。
由SA节点产生并穿过AV节点的心房和心室激活波作为波前在心肌上扩散，具有空间依赖的传播时间。当使用心内电极产生ECG，即IC-ECG时，IC-ECG信号包括反映心跳的相应心房和心室活动的振荡段。对于正常心跳，心房振荡信号段将与心室振荡信号段分开并在其之前(在时间上)。然而，在某些类型的异常心跳中，反映心房和心室振荡信号段的振荡信号段将在时间上重叠。
不稳定的心脏激活导致心脏腔室内的波激活在心跳之间改变。由于激活活动可能不总是恒定的，所以医生将错过特定相关活动的可能性是显著的。创建例如沿着心脏组织的波传播的电势的标测图(电压标测图)或到各种组织定位点的抵达时间的标测图(局部时间激活(LAT)标测图)的心脏标测可用于检测局部心脏组织功能障碍。
ECG振荡信号段的注释可用于指示心脏周期中的一致定时，以便创建可靠的LAT图。注释是指电图上被认为表示感兴趣事件的时间点。错误分类的注释可以导致获取错误的体积和错误的局部激活定时到标测图中。通常的做法是将参考导管放置在冠状窦(CS)中的稳定位置中。导管的ECG在该位置的记录记录了心房收缩和心室收缩二者，其代表心脏周期的不同定时；由于定时不同，区分心房收缩和心室收缩是重要的。本文提出的建议方法确保A-V分化，从而提供可靠且一致的参考。
为了协助医生找到相关活动，需要用于跟踪和理解在标测过程期间发生的不同激活活动的增强系统。
本系统通过关注放置在一些稳定位置内的导管(例如，放置在冠状窦(CS)内的“CS导管”)内的活动序列，提供对不稳定的心脏激活的增强理解。该信息可用于理解正常和/或异常心脏激活源。
由Biosense Webster,Inc.(Diamond Bar,California)生产的CARTOTM电解剖标示图和导航系统使用在其尖端具有定位传感器的标测导管，以自动和同时获取电描记图并确定其三维坐标。
该位置感测方法在上述的CARTOTM系统中实施，并且详细地描述于美国专利5,391,199、6,690,963、6,484,118、6,239,724、6,618,612和6,332,089，PCT专利公布WO 96/05768，以及美国专利申请公布2002/0065455A1、2003/0120150A1和2004/0068178A1中，这些专利的公开内容全部以引用方式并入本文。
CARTOTM系统还实现了用于基于ECG信号注释的确定和分析的心脏标测的方法，其在美国专利8,700,136和9,259,165中有详细描述，其公开内容均以引用方式并入本文。
图1A是根据本发明示例性实施方案的医疗装置1的示意图。如图1A所示，医疗装置1尤其被配置成对受试者或患者22的心脏21的感测心跳进行分类，并且包括一个或多个医疗工具(例如，标测导管、参考导管、消融导管等)，诸如心内导管10、具有处理器14的工作站12、相关联的显示器或监视器16、导管集线器18、定位垫(LP)驱动器20、Wi-Fi天线24、RFSync Tx天线26和RF Sync Rx天线28。LP驱动器耦接到设置在患者22下方的定位垫(未示出)。心内导管10在远侧端部17处具有导管传感器(例如，电极)11的阵列。每个传感器被配置成随时间推移检测心脏21的区域的电活动(电信号)。在一个实施方案中，每个电极11是心内导管10的表面上的金属环。当执行心内心电图(IC ECG)时，每个电极11检测与其接触的心脏21的区域的电活动。
在一个实施方案中，处理器14，例如，硬件单元(“PIU”)被配置成处理从传感器11接收的信号以计算相对于导管尖端的ECG值。处理器14可为专用处理硬件。所接收的数据，例如来自心内导管10的ECG信号，可通过参考注释方法处理，如下所述。处理器14包括用于组织所接收的数据的存储器资源。
导管毂18被配置成接收来自多个传感器的数据，所述多个传感器可包括用于导航的传感器11。LP驱动器20将诸如AC的电流驱动到定位垫，以使得垫内的场发生器能够产生磁场，该磁场限定用于导管10的导航的参考磁场。导管毂18可为硬连线的或包括Wi-Fi天线24和RF Sync Rx天线28，用于接收来自被导航的工具的信号。LP驱动器20可为硬连线的或包括Wi-Fi天线24和RF Sync Tx天线26，使得LP驱动器20能够将电流传输到定位垫。
通过确定磁场定位传感器在心内导管10的远侧端部17内的位置，可探知心内导管10的远侧端部的位置和取向。可利用非电离场诸如电磁场或声场来定位心内导管10。心内导管10的远侧端部17可包括用于相关领域的传输或接收天线(未示出)。用于非电离场的接收或传输天线可附接到患者22以用于帮助导航。接收器或传输器连接到这些天线，并且将所接收的场波转换为电定位信号或图像信号。
定位垫可包括线圈(未示出)，该线圈是可用于本发明的实施方案中的一种类型的磁换能器(参见并入的美国专利No.6,618,612)。定位垫可包括线圈(未示出)，该线圈是可用于本发明的实施方案中的一种类型的磁换能器(参见并入的美国专利6,618,612)。在本专利申请的上下文中和在权利要求中的“磁换能器”意指响应于施加的电流而生成磁场和/或响应于施加的磁场而输出电信号的设备。
工作站12可以经由输出连接可拆卸地连接到显示器16。工作站12还经由输入连接可拆卸地连接到导管毂18，其中一个或多个医疗工具可以连接到该导管毂18。输入连接和输出连接可为硬连线或Wi-Fi连接，或二者兼有之。一个或多个工具，诸如心内导管10，可被导航通过患者的心脏21。尽管工作站12、LP驱动器20和导管毂18被示出为一起作为单个部件包括在内，但它们可全部是单独的部件，或不同地组合为更少的部件。
在使用中，心内导管10可在由用户8执行的心脏标测规程期间经皮插入受试者22的身体中。以举例的方式，在本文的描述中，假设用户8是医生或其他医疗专业人员。身体表面ECG感测装置30的身体表面电极13可附接到受试者22的皮肤。在规程期间，受试者22优选地附接到接地电极23。
为了简单和清楚起见，除非另有说明，否则以下描述假设使用设置在心内导管10上的电极11和身体表面ECG感测设备30的电极13来感测来自心脏21的电信号的医疗规程。如图1B所示，电极可以耦接到ECG信号接口42，ECG信号接口42将感测的电信号输入到处理器14中。
当电极11接触心脏组织并且电极13接触受试者的身体时，处理器14从电极接收多个电信号。对于心跳分类，心内导管10定位在心脏的参考区域中，诸如在冠状窦中，并且用于感测来自该区域的心内(IC)ECG信号，同时电极13用于感测身体表面(BS)ECG信号。
处理器14通常安装在控制台12中，控制台12包括操作控制器15。控制器15通常包括指向设备，诸如鼠标或轨迹球。专业人员8可以使用指向设备与处理器14交互。由处理器14执行的操作的结果在显示器16上呈现给用户8，显示器16通常向操作者呈现图形用户界面，由电极11和13感测的ECG信号的视觉表示。
图1B是处理器14的示例性配置，处理器14可为配置有软件的通用处理器或诸如专用集成电路(ASIC)的特殊处理器。处理器可以配置有探针导航模块35和ECG模块36，以分别控制心内导管10的定位和ECG信号的处理。ECG模块36可以包括参考ECG子模块37和标测图ECG子模块41，其功能在下面进行描述。例如，可以通过网络以电子形式将软件下载到处理器14，或可另选地或除此之外，将软件提供和/或存储在非临时性有形介质上，诸如磁性、光学或电子存储器。ECG信号接口42接收来自心内(IC)电极11和身体表面(BS)电极的ECG信号，并将信号中继到处理器14。ECG模块36被配置成分析所接收的ECG信号，并且可以标准ECG格式在显示器16上呈现分析结果，通常是随时间移动的图形表示。对于导航，来自心内(IC)电极11的信号可用作关于来自附加导管的传感器的信号的参考，如上面参考的美国专利中所述。
探针导航模块35跟踪受试者22体内的导管10的区段。导航模块通常跟踪导管10的远侧端部在受试者22的心脏21内的位置和取向二者。在一些实施方案中，模块35跟踪导管或其他工具的其他区段。导航模块35可使用任何方法来跟踪本领域中已知的工具。例如，导航模块35可在受试者附近操作磁场发生器，使得来自场发生器的磁场与位于被跟踪的探针的区段中的跟踪线圈相互作用。与磁场相互作用的线圈产生信号，该信号被传输到模块35，该模块35分析信号以确定线圈的位置和取向。为简单起见，图1A中未示出此类线圈和场发生器。由Biosense Webster(Diamond Bar,CA)生产的系统使用此跟踪方法。
另选地或除此之外，导航模块35可通过测量接地电极23、身体表面(BS)电极13和IC电极11之间的阻抗以及可位于探针上的其他电极的阻抗来跟踪导管10。IC电极11和/或BS电极13可提供ECG和跟踪信号二者。Biosense Webster生产的系统使用磁场发生器和阻抗测量二者进行跟踪。
图2示出了示例性受试者的心脏21，其包括冠状窦(CS)201。CS201将左心房202与左心室203分开。IC导管10的方向可与时间序列一起投射在IC导管10的显示器16上。投射在IC导管上的心脏活动传播可以用于在不同电极中产生ECG信号出现的时间序列。该方向可以是从远侧到近侧电极、从近侧到远侧电极，或可包括多个导管的电极的更复杂的模式。确定方向可以提供关于心脏激活源的重要信息。
十极性导管通常用于CS 201。例如，IC导管10可为包括五对均匀间隔开的电极传感器11的十极性导管。其他示例包括除导管10外可使用的或作为替代方案的/>NAV或/>导管。
为了使心脏21上的激活波可视化，需要从心跳间并且针对在标测过程期间记录的每个解剖位置点的参考时间点。医生可以跟踪关于参考点的时间。冠状窦提供了极好的参考点，因为它位于心房和心室之间，允许导管10密切监测心房活动和心室活动。然而，可以使用其他位置。
感测到的心脏活动有利地用于标测心脏21的不同区段。当标测心房202时，心房活动可以用作参考。当标测心室203时，心室活性可以用作参考。
此外，CS是最佳参考点，因为CS激活的时间模式可以有助于房性心动过速(AT)标测。对CS激活的时间模式的分析提供了对大多数可能的宏观折返AT(MRAT)的快速分层或排序，并且该分析还指向焦点AT的可能来源。
在检查患者心脏的医疗规程期间，CARTOTMsystem在医生8(或其他医疗从业者)从一点到另一点移动患者心脏21内的导管10或其他工具时积累信息，并且过滤从导管10或其他工具获得的数据以获得“相关”数据。例如，CARTOTM可以计算心跳周期长度的时间，例如“心跳间时间”，并且该信息可以用于分析患者的心脏行为。
增强对心脏激活的理解需要比现有系统提供的更详细的信息；例如，从多于一个方向识别活动和/或激活的过滤器可以提供对心脏激活的增强理解。为了克服这种缺陷，可以采用确定CS导管10方向的技术。另外，可采用心跳分类来增强心脏的标测以用于进一步的医疗规程。
图3A是用于准备心脏的电解剖标测图的改进方法的流程图，该方法修改自共同拥有的美国专利公开2018/0008203，“自动创建多个电解剖标测图(Automatic Creation ofMultiple Electroanatomic Maps)”，其如同完整阐述般以引用方式并入，包括使用ECG心跳信号的形态学比较进行心跳分类。过程步骤以特定的线性顺序示出。然而，将显而易见的是，这些步骤中的多个可并行地、异步地或以不同的顺序执行。本领域的技术人员还应当理解，另选地，过程可例如在状态图表中被表示为多个相互联系的状态或事件。此外，可能不需要所有示出的过程步骤来实现该方法。
在初始步骤301，心脏被导管插入，导管的电极优选地放置成与CS电流接触。接下来，在步骤302中，用导管的多个电极记录心内电描记图，即感测的ECG信号，并注释反映心脏活动的振荡ECG信号段，每个电极具有相应的位置，该位置可以使用图1中描绘的医疗装置的位置跟踪能力来确定。
可同时获得并处理该记录。当导管在心脏内导航时，可记录电描记图并在整个导管插入术期间采集数据。除此之外或另选地，数据可以“搜索模式(hunting mode)”采集，其中导管在位置中稳定，并且操作者一般等待节律改变或特定的心律失常的出现。可使用单极或双极电极配置来采集数据。
心内电描记图的注释定义了振荡ECG信号段的相应时间值注释，并且可使用名称为“用于标测窦性节律期间的心室/心房早搏的方法(Method for Mapping Ventricular/Atrial Premature Beats During Sinus Rhythm)”的共同转让的美国专利公布20050073246、名称为“激活波前的混合双极/单极检测(Hybrid Bipolar/UnipolarDetection of Activation Wavefront)”的美国专利9,380,953以及名称为“用于心房纤颤注释的双重双极配置(Double Bipolar Configuration for Atrial FibrillationAnnotation)”的美国专利公布20150208942的教导内容来执行，这些专利以引用方式并入本文。
接下来，执行使用振荡ECG信号段的形状的形态学比较的心跳分类，步骤303。相对于一个或多个形态模板进行感测心跳的振荡信号段的形态比较，其中每个形态模板与心跳分类相关联。感测心跳被分类成对应于模板的相关联的心跳分类，其中形态比较反映了预定程度的形态相似性。
如美国专利公布2018/0008203中详细说明的，此类形态比较可包括模板选择步骤303A、模板匹配步骤303B，其中心内电描记图的形态被连续自动匹配到模板，以及数据积累步骤303C。模板通常是用户定义的，并且可基于患者的平均心跳波形，和/或诸如原纤化的异常的信号估计来表示预定义信号形态。当不基于与现有形态、时间序列或组合模板的相应比较进行心跳分类时，还可从感测心跳的振荡ECG信号段的形态导出另外的新模板。
在分类和数据累积之后，自动生成功能性电解剖标测图，例如LAT标测图，步骤304。在美国专利公布2018/0008203中提供了用于生成LAT标测图的步骤301至304的详细说明。
不同的信息反映在由IC电极11和BS电极13感测的ECG信号中。图5是典型的正常感测心跳的ECG信号的图示说明，其比较来自BS电极13的身体源(BS)迹线与来自相同感测心跳的IC电极11的心内(IC)迹线，其中注明了注释参考。如图5所示，BS-ECG信号的迹线501各自特征性地反映感测心跳的单个振荡信号段。相比之下，IC-ECG信号的迹线503特征性地反映感测心跳的两个振荡信号段；第一505对应于心房激活活动(IC-A段)，并且第二507对应于心室激活活动(IC-V段)。
基于上面相对于步骤301至304讨论的先前分类和标测技术，可以执行振荡IC-ECG信号段的心房-心室分化的附加步骤305。例如，可通过下面相对于图4至图6描述的时间序列技术和/或下面相对于图7至图9描述的形态学技术来进行此类分化。
在准备心房-心室分化305时，在步骤302中，对来自每个IC电极的信号进行分段和注释，以对每个IC信道的每个振荡信号段产生时间值注释，每个电极限定单独的IC信道。然而，对于感测心跳的集体BS信道信号的注释可以有利地用于进行心房-心室分化。
当在图3A所示的方法中采用心房-心室分化305时，可以在单独的组中处理IC-A信号段和IC-V信号段，其中形态分类相对于IC-A信号段和IC-V信号段单独进行。以此种方式，经处理的IC-A段可以有利地用于创建心房标测图，并且处理的IC-V区段可以有利地用于创建心室标测图。为了在医疗装置1中实现，通常处理器14被配置成执行步骤301至305。
虽然形态分类很好地与BS-ECG信号段一起工作，但是发明人已经认识到，时间序列比较上的心跳分类可以有利地用于IC-ECG信号段的心跳分类。
图3B是采用形态和时间序列比较的ECG信号段的心跳分类系统的流程图。为了在医疗装置1中实现，通常处理器14被配置成执行分类过程。
例如，在初始步骤306中，可以设定标志值以定义感兴趣的振荡信号段的活动源，即心房(“A”)或心室(“V”)。标志值通常由用户8设定，但是可作为预配置程序的一部分自动设定。例如，可首先将标志设定为“A”以累积用于心房标测的数据，并且然后切换到“V”以重新处理ECG信号以累积用于心室标测的数据。
在步骤307中，从多个电极，诸如从心内(IC)电极11和身体表面(BS)电极13接收ECG信号。处理和注释振荡信号段以定义注释，该注释包括相对于相应感测心跳的时间值，如上面结合图3A的步骤302所述。来自每个IC和BS电极的信号被分段和注释以产生每个IC和BS信道的每个振荡信号段的时间值注释，每个电极定义单独的IC或BS信道。然而，对于感测心跳的集体BS信道信号的注释可以有利地用于进行IC-ECG信号段的后续心房-心室分化。
在步骤308中，确定注释的振荡信号段是否来自源自身体表面(BS)电极13的BS-ECG信号。如果是，则在形态比较步骤312中传递BS-ECG信号段数据用于收集和处理。在步骤312中，分析BS信号段以通过形态模板比较来检测感测心跳的相似性或差异。该过程可以如上面在图3A所示的过程的步骤303中所解释的那样进行。
非BS信号段数据，即IC-ECG振荡信号段数据，通过判定步骤308到达心房-心室分化/区分步骤309。A活动与V活动之间的区分可以各种方式进行，如参考图3A所示的过程的步骤305所引用的。可使用IC-ECG振荡信号段注释来进行这种分化，例如，通过下面相对于图4至图6描述的时间序列技术和/或通过使用下面相对于图7至图9描述的形态学技术中的IC-ECG振荡信号段形状来进行这种分化。与将IC-ECG振荡信号段区分为A活动或V活动有关，将IC-ECG段的相应注释指定为IC-A注释或IC-V注释，
在步骤310中，基于步骤306中设定的标志值来过滤IC-ECG振荡信号段。在标志值为“A”的情况下，反映心房活动的IC-ECG振荡信号段数据被传递到步骤311以进行进一步处理，否则IC-ECG振荡信号段数据返回到当标志值被设定为“V”时的等待处理。在标志值为“V”的情况下，反映心室活动的IC-ECG振荡信号段数据被传递到步骤311用于进一步处理，否则IC-ECG振荡信号段数据返回到当标志值被设定为“A”时的等待处理。
与用于BS-ECG振荡信号段数据的步骤312的形态分类过程相反，在步骤311中，使用时间顺序分类处理来处理来自过滤步骤310的“A”IC-ECG振荡信号段数据或“V”IC-ECG振荡信号段数据。在步骤311中，将所有IC-ECG信道相对于感测心跳的IC-A注释(或IC-V注释)与一个或多个预先确定的模板进行比较。代替选择“A”IC-ECG数据或“V”IC-ECG数据，可以在针对IC-A/IC-V组合模板的比较步骤中使用来自二者的注释。
图3C和图3D示出了两个时间序列的示意图，该两个时间序列与IC-ECG振荡信号段数据的相同模板相对于图3B的每个步骤311的两个不同的感测心跳进行比较。
图3C是示例性时间序列比较图表314，其显示模板ECG信道迹线317(虚线)的模板注释(黑点)315与数据相对于第一感测心跳的IC-ECG振荡信号迹线318(实线)的注释(白点)316之间的良好相似性。示出了连接模板注释315的虚线趋势线。
图3D是第二示例性时间序列比较图表324，其显示模板ECG信道迹线329(虚线)的相同模板注释(黑点)325与数据相对于第二不同感测心跳的IC-ECG振荡信号迹线327(实线)的注释(白点)326之间的较差相似性。这里，模板注释325和模板ECG信道迹线329与图3C的模板注释315和模板ECG信道迹线317相同。
为了确定感测心跳的“A”IC-ECG振荡信号段数据与心房时间序列模板的模板注释的相似性或不相似性，处理器14可以被配置成通过计算感测心跳的每个信道的IC-A注释的IC注释时间值与相应模板信道注释时间值之间的时间值差值，执行反映感测心跳的IC-A注释与心房模板注释的心房时间序列比较。然后，当组合差值的绝对值的组合不大于所选择的A时间阈值时，确定发生预定程度的心房时间序列相似性。
为了确定感测心跳的“V”IC-ECG振荡信号段数据与心室时间序列模板的模板注释的相似性或不相似性，处理器14可以被配置成通过计算感测心跳的每个信道的IC-V注释的IC注释时间值与相应模板信道注释时间值之间的时间值差值，执行反映感测心跳的IC-V注释与心室模板注释的心室时间序列比较。然后，当组合差值的绝对值的组合不大于所选择的A时间阈值时，可以确定发生预定程度的心室时间序列相似性。
可实现确定相似性的替代方法，其包括但不限于绝对差值之和、路线均方值、相同的加权值和闵可夫斯基距离比较。
初始心房时间序列和心室时间序列模板可以基于正常心跳或受试者的一系列正常心跳的平均值的相应“A”IC-ECG振荡信号段数据和“V”IC-ECG振荡信号段数据。处理器可以基于这样的条件从“A”IC-ECG振荡信号段数据或“V”IC-ECG振荡信号段数据生成新模板：心跳分类不是基于与该数据的现有形态、心房时间序列或心室时间序列模板的相应比较进行的。例如，关于图3D中所示的第二不同感测心跳的数据的IC-ECG振荡信号迹线327(实线)的注释(白点)326可以用作用于与后续感测心跳的IC-ECG信号进行比较的新的第二模板的基础。
图4至图6示出了使用IC-ECG振荡信号段注释的A/V分化的时间序列技术。图4是一系列四个感测心跳的ECG信号的图示说明，其中来自BS电极13的代表性身体源(BS)迹线401覆盖在来自同一系列感测心跳的IC电极11的心内(IC)迹线403上。示出振荡信号段的注释。注意，表示参考ECG的任何特定分量的点可用作参考注释。通过没有限制的示例方式，此类分量可以包括心跳的最大(峰值正)偏转、心跳的最小(峰值负)偏转、最大上坡(dV/dT)、最大下坡和/或完整心跳的能量中心。特定点或某些综合位置(诸如能量中心)的选择取决于用于执行分析的方法。
对于给定的感测心跳，BS振荡信号段的BS注释(三角形)405的时间值通常落在IC振荡信号段的IC-A注释(圆形)407和IC-V注释(方形)409之间。这导致给定感测心跳的BS注释、IC-A注释和IC-B注释的经典三角关系410。在美国专利9,259,165中进一步详细解释了正常心脏活动的这些特征。
图5进一步示出了单个感测心跳的这些特征。如图5所示，BS-ECG信号的迹线501各自特征性地反映感测心跳的单个振荡信号段。单独呈现IC-ECG信号的迹线503特征性地反映感测心跳的两个振荡信号段；第一505对应于心房激活活动(IC-A段)，第二507对应于心室激活活动(IC-V段)。出于说明性目的，在IC ECG迹线的图表上提供集体BS注释511以及相应IC振荡信号段的IC-A注释515和IC-V注释507。
为了确定特定IC振荡信号段是否代表心房激活活动或心室激活活动，将IC振荡信号段的注释的时间值与感测心跳的BS信号段的注释的时间值进行比较。发明人已经认识到，通常IC-V类型注释在时间值上比IC-A类型注释的时间值更接近相应的BS注释的时间值。尽管通常在例如美国专利9,259,165中描述的相应IC-V注释之前发生BS注释，但发明人已经认识到情况可能并非总是如此。因此，基于IC注释时间值与相应的BS注释时间值落入的范围的比较，提供时间序列A/V分化技术。
在具体实施中，为了执行图3B的步骤309，处理器14被配置成将IC-ECG信号振荡信号段区分为A活动或V活动，使得IC-ECG振荡信号段在这样的条件下被指定为V活动：相对于感测心跳的IC注释时间值在起始于相对于感测心跳的BS注释时间值之前的预定量并且结束于相对于感测心跳的BS注释时间值之后的预定量的时间值范围内，否则指定IC-ECG振荡信号段为A活动。通常，对于要被分类为V活动的IC-ECG信号振荡信号段，IC注释必须在两个极限“lim1”和“lim2”之间包围BS注释511，如图5所示。事实上，这是图示的IC注释517的情况，IC注释517是IC-V注释。如果IC注释未填充在由“lim1”和“lim2”定义的范围内，则默认情况下将其分类为指向心房活动。在一个实施方案中，限制值沿X轴(时间)设置为lim1为约20ms，并且lim2为80ms。
图6是基于BS注释的IC-A活动和IC-V活动之间的区分的该时间序列方法的示例性流程图。如流程图中所示，该方法计算信道注释的加权平均值(来自IC注释缓冲区annoBuffIC)，并将获得的值(appxGrpAnno)与包含在相应缓冲区(annoBuffBS)中的BS注释进行比较。如果差值appxGrpAnno-annoBuffBS落在边界内，例如{lim1，lim2}(其默认值可以是-20ms，80ms)，则该方法计算组注释并将新的IC注释报告为IC_V类型。要计算组注释值，该方法使用上次分类IC_V注释结果。如果未满足条件，则该方法会检查附加条件：在当前IC段的限制范围内是否有检测到的BS注释？如果此条件为真，则该方法计算组注释并将新IC注释报告为IC_V类型。否则以及在IC_V注释计算之后，该方法开始检查IC_A活动存在。
IC_A活动存在的条件是检查以下内容的一组规则：
给定appxGrpAnno是否位于当前数据缓冲区之前(过去太多时间)？
在后来的IC_V活动之前被分类时，是否已检查给定的appxGrpAnno？
给定的appxGrpAnno是否比上一次BS注释(来自annoBuffBS)更早？
如果其中一个条件为真，则分析的活动被分类为IC_A。该方法计算组注释并将新IC注释报告为IC_A类型。如果条件中没有一个为真，则该方法继续前进到下一步骤。
如果它包含过期的BS注释，则该方法的最后步骤是清理BS注释缓存区。
该方法可将激活时间用作与累积数据中的任何其他心跳匹配的模板。该方法还可以包括处理“错过激活”的过程，即，在信道中的一些中丢失或跳过的激活，因为一些信号在医疗规程期间例如由于最小的患者呼吸可变得非常小。
因此，本方法可以在心跳改变模式时识别差异，例如，可以进行区分。
图6显示了以下步骤：
步骤601：获取annoBuffIC和annoBuffBS。
步骤602：通常实时计算IC注释和BS注释。IC注释可以按信道计算。这些计算的注释存储在缓冲区中，例如IC注释缓冲区(annoBuffIC)和BS注释缓冲区(annoBuffBS)。
步骤603：通过使用annoBuffIC计算IC信道注释的加权平均值来估计appxGrpAnno。
步骤604：确定是否lim1<appxGrpAnno<lim2。如果appxGrpAnno在lim1和lim2之间(604＝是)，则步骤605，选择最后分类的IC_V信道注释并估计新的IC组注释(GrpAnno)
步骤606：将新的注释报告为IC_V并从缓冲区移除已使用的IC/BS注释。
步骤607：确定是否存在附加的IC_A活动。如果存在附加的活动(607＝是)，则在步骤608中，选择最后分类的IC_A信道注释并估计新的IC组注释。
步骤609：将新的注释报告为IC_A并从缓冲区移除已使用的IC/BS注释。继续步骤610。
如果未检测到附加的活动(607＝否)，则继续步骤610。
步骤610：确定BS注释是否已过期。如果BS注释已过期(610＝是)，则在步骤611中，从缓冲区移除过期的BS注释。继续步骤601。
如果BS注释未过期(610＝否)，则继续步骤601。
如果apprxGrpAnno不在lim1和lim2之间(604＝否)，则在步骤612中，然后确定annoBuffBS是否在segment(1)和segment(2)之间[segment(1)<＝annoBuffBS<＝segment(2)]。如果annoBuffBS在这两个极限之间，则转到步骤605。如果annoBuffBS不在这两个极限之间，则转到步骤607。
图7至图9示出了使用IC-ECG振荡信号段形态(形状)特征的A-V区分的形态学技术。为了具体实施，处理器14被配置成将IC-ECG振荡信号段区分为A活动或V活动，使得IC-ECG振荡信号段基于IC-ECG振荡信号段的形态特征被指定为A活动或V活动。
在一个实施方案中，可使用两个特征作为心跳的形态特征。一个特征是连接心跳的“峰值到峰值”(MAX-MIN)点的线的斜率(方向)。另一个特征是在一定水平上的心跳主峰值的宽度。
图7示出了用于形态特征的方向和宽度参数定义。示出了在特定水平的主峰值之间的宽度701和斜坡702的方向。方向参数702可用作形态学特征，因为A活动和V活动源自不同的源，并因此具有不同的到达方向。宽度参数701示出相对于A活动ECG的V活动ECG包含更多的低频分量。由于期望V活动的宽度参数701的值将高于A活动的宽度参数的值是合理的，所以宽度参数701是另一个感兴趣的形态学特征。
图8示出了对心内ECG的A活动和V活动进行分类的结果。如图8所示，两个点组801、802在方向-宽度坐标中清楚地分离。具有其成员(在方向上)较小的扩展的上部组801与V活动有关。
图9是基于形态学参数的分类方法的流程图。对于给定的活动间隔(segment(i))，对IC参考ECG(ECG(k))的每个信道执行归一化。然后，该方法计算归一化心跳(normEcg(k))的方向(direct(k))和宽度(width(k))参数(normEcg(k))。方向参数由以下公式确定：
direct(k)＝arcTan[(yMax(k)-yMin(k))/(xMax(k)-xMin(k))],
其中：
arcTan[…]—反正切函数；
{xMax(k),yMax(k)}—第k个信道的归一化心跳的最大值的坐标；
{xMin(k),yMin(k)}—第k个信道的归一化心跳的最小值的坐标。
下一步是计算给定segment(i)的发现的参数(avDirect(i),avWidth(i))的平均值。
在学习缓冲区达到所需的点数之前，保存每个点并对缓冲区中的点进行集群。图8示出双参数集群，其中组的元素(点)由两个参数({avDirect(i),avWidth(i)})描述。可使用任何已知的方法，诸如K均值作为集群方法。在集群后，该方法保存两个分离的组(A-cluster&V-cluster)供以后使用。一旦学习缓冲区已满，该方法就测试每个进入点与集群的相似性。报告了测试答案。该方法对集群进行细化操作，例如异常值删除、集群中心校正等。
图9中所示方法的步骤如下。在步骤901中，开始当前活动段。确定是否k<＝quantityOflCrefChn。如果k<＝quantityOflCrefChn(901＝是)，则在步骤902中，计算normEcg(k)以对第k个信道中的当前心跳进行归一化，即：normEcg(k)＝Ecg(k)/Max[Abs[Ecg(k))]。
在步骤903中，计算第k个信道中的方向和宽度，并在步骤901中继续处理。
如果k>quantityOflCrefChn(901＝否)，则在步骤904中，计算avDirect(i)、avWidth(i)作为当前活动(i)的平均方向和宽度。
在步骤905中，确定I>＝nlearning nbuf。如果I>＝nLearnBuf(905＝是)，则在步骤906中，测试当前点(avDirect(i),avWidth(i))与集群之一的相似性。在步骤907中，纠正集群缓冲区并在步骤909中继续处理。
如果I<nLearnBuf(905＝否)，则在步骤908中，将当前点(avDirect(i),avWidth(i))保存在学习缓冲区和集群中。在步骤909中，保存集群缓冲区。在步骤910中，通过设定i＝i+1来递增A集群和V集群。
在实施形态学A-V区分方法时，处理器14被配置成将IC-ECG振荡信号段区分为A活动或V活动，使得IC-ECG振荡信号段在主振荡的斜率和宽度的组合小于预定阈值的条件下被指定为V活动，否则指定所述IC-ECG振荡信号段为A活动。
图10至图12示出了对用于心房颤动(AFL)的心律失常病例的系统的修改。在AFL中，A活动通常与BS注释大致同时发生。因此，分类可能是不正确的，也就是说，A活动可能被错误分类为V活动。在该实施方案中，呈现AFL模式方法，如图10所示。图10的方法与上面图3B中讨论的方法相结合。图10包含两个子块。第一子块被设计用于搜索心房颤动(AFL)下的A活动，其将结合图11进一步解释。
AFL是异常的心律，可导致顶部腔室(心房)和底部腔室(心室)以不同的速度跳动。它是最常见的心律失常之一。重要的是要注意A活动和V活动可能在AFL下彼此重叠，因此这种情况可通过特殊方法处理。首先检查AFL模式条件；如果它们的组合为真，则AFL子块开始其动作，否则第二子块开始区分过程。对于第二子块，呈现两个替代实施方案：基于BS注释(图6中示出)以及基于IC ECG的形态学特征(图7至图9中示出)。第二实施方案在不能使用BS ECG的情况下是有用的。
图10中的步骤如下。在步骤1001中，AFL模式的块检查颤动条件，并且该检查结果为布尔标志(boolFlgCL)。步骤1002确定boolFlgCL是否为真。如果boolFlgCL为真(1002＝是)，则在步骤1003中，搜索心房注释。特别地，在步骤1003中，分类器启动颤动模式的块(如下面的图11中所讨论的)，然后启动消隐窗口分类方法的块(如上面图3中所讨论的)。
如果boolFlgCL不为真(1002＝否)，则在步骤1004中，激活消隐窗口方法的块，其等同于图6中公开的算法，如上所述。
进入AFL(颤动模式)的主要条件可为：快节律(CL，450ms)；CL的高稳定性(相对标准偏差为约5％至7％)和IC与BS的注释量之比大于1。为了计算这些特征，该方法使用最后分类的A活动IC注释的更新缓冲区(bufferAnnoA)和分类前的所有注释候选的最后估计(bufferAnnoAV)。
图11示出了图10的块1003的AFL模式方法。此方法使用并更新bufferAnnoA、bufferAnnoAV全局缓冲区和IC信道注释的时间缓冲区(bufferAnnoIC)。该方法从计算近似组注释(approxGrpAnno)开始，该注释是所有找到的信道注释的加权平均值：
其中：
其中：
annChnIC(k)—第k个信道的IC注释；
A(k)—第k个信道的Ecg最大绝对值。
接下来，该块在循环中执行计算、条件有效性和IC_A估计。循环步骤的数量取决于approxGrpAnno向量的元素数量。循环步骤从计算用于bufferAnnoAV的当前状态的CL分位数(quantileCLforAV)开始。然后该方法检查以下条件：
approxGrpAnno(i)–bufferAnnoA(-1)>factorThrCL*quantileCLforAV,其中：
approxGrpAnno(i)—第i个循环步骤中的approxGrpAnno的值；
bufAnnoA(-1)—最后分类的IC_A注释；
factorThrCL—CL的下限的一些预设因子。
如果条件为真，则可以估计IC_A注释，否则循环开始下一步骤。在成功进行IC_A注释估计后，其值被保存在bufAnnoA缓冲区中，并删除第一缓冲区元素。对bufLastAnnoAV缓冲区实施相同的更新。删除bufferAnnoIC缓冲区的已使用元素。
图11中所示方法的步骤如下。在步骤1101中，计算近似IC组注释，例如，通过最大振幅计算加权平均值。在步骤1102中，确定是否I<＝Length[approxGrpAnno]。如果I<＝Length[approxGrpAnno(1102＝是)，则在步骤1103中计算AFL模式的CL的分位数。
在步骤1104中，确定是否Abs[approxGrpAnno(i)-lastICA]>factorThrCL*quantileCLforAV。如果Abs[approxGrpAnno(i)-lastICA]>factorThrCL*quantileCLforAV(1104＝是)，则在步骤1105中计算当前ICA注释。在步骤1106中，更新IC注释的缓冲(例如bufferAnnoIC、bufferAnnoA和BufLastAnnoAV)。
如果Abs[approxGrpAnno(i)-lastICA]<＝factorThrCL*quantileCLforAV(1104＝否)，则转到步骤1102。
如果Length[approxGrpAnno](1102＝否)，则处理完成。
在图12中示出了具有AFL模式模块1202并且没有AFL模式模块1201的用于心房颤动的分类方法的结果比较。如图所示，没有AFL模式模块的分类器错过了每个第二A活动。为了AFL模式的一般实施，处理器14被配置成在检测到感测心跳的心房颤动，并且IC-ECG振荡信号段在感测心跳的连续IC-ECG振荡信号段之间存在消隐窗口的条件下被指定为A活动。
本方法可具有两种模式：手动模式和自动(“自动”)模式。在任一种模式下，可以提供跟踪的心跳和/或可以设定围绕时间滤除心跳的阈值。
在自动模式下，可以查看以统计方式获取的所有心跳，并按时间序列对心跳进行集群。该集群可被呈现给医生作为过滤的数据集合；提取的心跳集群可以用于生成标测图。在自动模式下，无需提供模板；相反，本方法从所获取的心跳生成模板。
在手动模式下，用户可基于时间序列模板选择特定心跳的数据。然后，该方法获取该时间序列模板并使用它来匹配所获取的数据中的所有心跳。在LAT标测图中仅使用匹配的心跳。
本领域的技术人员应当理解，本教导内容不限于上文中具体示出和描述的内容。相反，本教导内容的范围包括上文所述各种特征的组合与子组合两者，以及本领域的技术人员在阅读上述说明书时可想到的未在现有技术范围内的上述各种特征的变型和修改。
所提供的方法包括在通用计算机、处理器或处理器核心中的具体实施。以举例的方式，合适的处理器包括通用处理器、专用处理器、常规处理器、数字信号处理器(DSP)、多个微处理器、与DSP核相关联的一个或多个微处理器、控制器、微控制器、专用集成电路(ASIC)、现场可编程门阵列(FPGA)电路、任何其它类型的集成电路(IC)和/或状态机。可通过使用处理的硬件描述语言(HDL)指令和包括网络表的其它中间数据的结果(此类指令能够被存储在计算机可读介质上)配置制造过程来制造此类处理器。此类处理的结果可以是掩码作品，其然后在半导体制造过程中用于制造能实现本文所述方法的处理器。
本文提供的方法或流程图可在并入非暂态计算机可读存储介质中的计算机程序、软件或固件中实施以用于由通用计算机或处理器执行。非暂态计算机可读存储介质的示例包括ROM、随机存取存储器(RAM)、寄存器、高速缓冲存储器、半导体存储器设备、诸如内部硬盘和可移动盘的磁介质、磁光介质和诸如CD-ROM盘的光学介质，以及数字通用光盘(DVD)。

Claims (10)

1.一种医疗装置，其被配置成基于心内和身体表面心电图(ECG)信号对心跳进行分类，所述医疗装置包括：
心内导管，所述心内导管被配置成当被设置在受试者的身体内的心脏内时经由相应的多个电极获得心内ECG(IC-ECG)信号的多个信道；
身体表面ECG感测设备，所述身体表面ECG感测设备被配置成当设置在所述受试者的所述身体上时，经由多个电极获得身体表面ECG(BS-ECG)信号的多个信道；
处理器，所述处理器被配置成从所述心内导管和身体表面ECG感测设备接收和处理相应的ECG信号；
所述处理器被配置成定义反映所述受试者的感测心跳的BS-ECG振荡信号段的BS注释，所述BS注释包括相对于所述感测心跳的BS注释时间值；
所述处理器被配置成执行反映所述感测心跳的所述BS-ECG振荡信号段与一个或多个形态模板的形态比较，其中每个形态模板与心跳分类相关联，并且将所述感测心跳分类为对应于其中所述形态比较反映预定程度的形态相似性的模板的相关联心跳分类；
所述处理器被配置成定义每个信道的IC-ECG振荡信号段的IC注释，所述IC注释反映所述受试者的所述感测心跳的心房活动(A活动)或心室活动(V活动)，每个IC注释包括相对于所述感测心跳的IC注释时间值；
所述处理器被配置成将IC-ECG振荡信号段区分为A活动或V活动，并将IC注释分别指定为IC-A注释或IC-V注释；
所述处理器被配置成执行反映所述感测心跳的IC-A注释与一个或多个心房时间序列模板的心房时间序列比较，其中每个心房时间序列模板与A活动分类相关联，并将所述感测心跳分类为对应于其中所述心房时间序列比较反映预定程度的心房时间序列相似性的模板的相关联A活动分类；
所述处理器被配置成执行反映所述感测心跳的IC-V注释与一个或多个心室时间序列模板的心室时间序列比较，其中每个心室时间序列模板与V活动分类相关联，并将所述感测心跳分类为对应于其中所述心室时间序列比较反映预定程度的心室时间序列相似性的模板的相关联V活动分类；以及
输出设备，所述输出设备耦接到所述处理器，被配置成选择性地输出由形态和时间序列比较产生的感测心跳的分类；
其中，所述处理器被配置成通过以下方式执行反映所述感测心跳的IC-A注释与心房时间序列模板的心房时间序列比较：
计算所述感测心跳的每个信道的所述IC-A注释的所述IC注释时间值与相应的模板信道注释时间值之间的时间值差值，作为第一时间值差值，以及
当所述第一时间值差值之和的绝对值不大于选择的A时间阈值时，确定发生所述预定程度的心房时间序列相似性；并且
所述处理器被配置成通过以下方式执行反映所述感测心跳的IC-V注释与心室时间序列模板的心室时间序列比较：
计算所述感测心跳的每个信道的所述IC-V注释的所述IC注释时间值与相应的模板信道注释时间值之间的时间值差值，作为第二时间值差值，以及
当所述第二时间值差值之和的绝对值不大于选择的V时间阈值时，确定发生所述预定程度的心室时间序列相似性。
2.根据权利要求1所述的装置，其中所述处理器被配置成基于这样的条件来创建新的形态、心房时间序列或心室时间序列模板：心跳分类不基于与现有形态、心房时间序列或心室时间序列模板的相应比较来进行。
3.根据权利要求1所述的装置，其中所述处理器被配置成将IC-ECG信号振荡信号段区分为A活动或V活动，使得IC-ECG振荡信号段在这样的条件下被指定为V活动：相对于所述感测心跳的所述IC注释时间值在起始于相对于所述感测心跳的所述BS注释时间值之前的预定量并且结束于相对于所述感测心跳的所述BS注释时间值之后的预定量的时间值范围内，否则指定所述IC-ECG振荡信号段为A活动。
4.根据权利要求3所述的装置，其中所述处理器被配置成在这样的条件下将所述IC-ECG振荡信号段指定为V活动：相对于所述感测心跳的所述IC注释时间值在起始于相对于所述感测心跳的所述BS注释时间值之前不小于20毫秒并且结束于相对于所述感测心跳的所述BS注释时间值之后不超过80毫秒的时间值范围内。
5.根据权利要求1所述的装置，其中所述处理器被配置成将IC-ECG振荡信号段区分为A活动或V活动，使得IC-ECG振荡信号段基于所述IC-ECG振荡信号段的形态特征被指定为A活动或V活动。
6.根据权利要求5所述的装置，其中所述处理器被配置成将IC-ECG振荡信号段区分为A活动或V活动，使得IC-ECG振荡信号段在主振荡的斜率和宽度的组合小于预定阈值的条件下被指定为V活动，否则指定所述IC-ECG振荡信号段为A活动。
7.根据权利要求1所述的装置，其中所述处理器被配置成在检测到所述感测心跳的心房颤动，并且在所述感测心跳的连续IC-ECG振荡信号段之间存在消隐窗口的条件下将所述IC-ECG振荡信号段指定为A活动。
8.根据权利要求1所述的装置，其中所述输出设备包括监视器，所述监视器被配置成选择性地显示感测心跳的ECG信号和心跳分类数据。
9.一种医疗装置，其被配置成基于心内和身体表面心电图(ECG)信号对心跳进行分类，所述医疗装置包括：
第一输入，所述第一输入被配置成经由相应的多个电极从受试者的身体内的心脏内接收心内ECG(IC-ECG)信号的多个信道；
第二输入，所述第二输入被配置成从所述受试者的所述身体上经由多个电极接收身体表面ECG(BS-ECG)信号的多个信道；
处理器，所述处理器被配置成处理所接收的IC-ECG和BS-ECG信号；
所述处理器被配置成定义反映所述受试者的感测心跳的BS-ECG振荡信号段的BS注释，所述BS注释包括相对于所述感测心跳的BS注释时间值；
所述处理器被配置成定义每个信道的IC-ECG振荡信号段的IC注释，所述IC注释反映所述受试者的所述感测心跳的心房活动(A活动)或心室活动(V活动)，每个IC注释包括相对于所述感测心跳的IC注释时间值；
所述处理器被配置成将IC-ECG振荡信号段区分为A活动或V活动，并将IC注释分别指定为IC-A注释或IC-V注释；
所述处理器被配置成执行反映所述感测心跳的IC-A注释与一个或多个心房时间序列模板的心房时间序列比较，其中每个心房时间序列模板与A活动分类相关联，并将所述感测心跳分类为对应于其中所述心房时间序列比较反映预定程度的心房时间序列相似性的模板的相关联A活动分类；
所述处理器被配置成执行反映所述感测心跳的IC-V注释与一个或多个心室时间序列模板的心室时间序列比较，其中每个心室时间序列模板与V活动分类相关联，并将所述感测心跳分类为对应于其中所述心室时间序列比较反映预定程度的心室时间序列相似性的模板的相关联V活动分类；以及
输出设备，所述输出设备耦接到所述处理器，被配置成选择性地输出由形态和时间序列比较产生的感测心跳的分类；
其中，所述处理器被配置成通过以下方式执行反映所述感测心跳的IC-A注释与心房时间序列模板的心房时间序列比较：
计算所述感测心跳的每个信道的所述IC-A注释的所述IC注释时间值与相应的模板信道注释时间值之间的时间值差值，作为第一时间值差值，以及
当所述第一时间值差值之和的绝对值不大于选择的A时间阈值时，确定发生所述预定程度的心房时间序列相似性；并且
所述处理器被配置成通过以下方式执行反映所述感测心跳的IC-V注释与心室时间序列模板的心室时间序列比较：
计算所述感测心跳的每个信道的所述IC-V注释的所述IC注释时间值与相应的模板信道注释时间值之间的时间值差值，作为第二时间值差值，以及
当所述第二时间值差值之和的绝对值不大于选择的V时间阈值时，确定发生所述预定程度的心室时间序列相似性。
10.根据权利要求9所述的装置，其中所述处理器被配置成基于这样的条件来创建新的心房时间序列或心室时间序列模板：心跳分类不基于与现有心房时间序列或心室时间序列模板的相应比较来进行。
CN201910053049.6A 2018-01-19 2019-01-21 用于基于时间序列和心内及身体表面心电图（ecg）信号形态的心跳分类的装置和方法 Active CN110051346B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201862619242P 2018-01-19 2018-01-19
US62/619242 2018-01-19
US16/206,445 US11389116B2 (en) 2018-01-19 2018-11-30 Apparatus and method for heartbeat classification based on time sequence and morphology of intracardiac and body surface electrocardiogram (ECG) signals
US16/206445 2018-11-30

Publications (2)

Publication Number Publication Date
CN110051346A CN110051346A (zh) 2019-07-26
CN110051346B true CN110051346B (zh) 2024-01-05

Family

ID=65411707

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910053049.6A Active CN110051346B (zh) 2018-01-19 2019-01-21 用于基于时间序列和心内及身体表面心电图（ecg）信号形态的心跳分类的装置和方法

Country Status (7)

Country Link
US (1) US11389116B2 (zh)
EP (1) EP3513710B1 (zh)
JP (1) JP7297451B2 (zh)
CN (1) CN110051346B (zh)
AU (1) AU2019200153A1 (zh)
CA (1) CA3030242A1 (zh)
IL (1) IL264164B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11490850B2 (en) 2019-12-23 2022-11-08 Biosense Webster (Israel) Ltd. Handling ectopic beats in electro-anatomical mapping of the heart
US11730414B2 (en) 2020-01-21 2023-08-22 Biosense Webster (Israel) Ltd. Automatic pattern acquisition
US20220068483A1 (en) * 2020-09-01 2022-03-03 Biosense Webster (Israel) Ltd. Arrhythmia classification for cardiac mapping
FR3119537B1 (fr) * 2021-02-09 2023-04-07 Substrate Hd Dispositif informatique pour analyse en temps réel d’électrogrammes
CN113180687B (zh) * 2021-04-29 2024-02-09 深圳邦健生物医疗设备股份有限公司 多导联动态心搏实时分类方法、装置、设备及存储介质
US20230052130A1 (en) * 2021-08-12 2023-02-16 Biosense Webster (Israel) Ltd. Electro-anatomical mapping and annotation presented in electrophysiological procedures
CN118120024A (zh) * 2021-10-11 2024-05-31 通用电气精准医疗有限责任公司 医疗装置以及制造用于向数据提供注释的医疗装置的方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003169854A (ja) * 2001-12-07 2003-06-17 Nippon Koden Corp 生体刺激装置、生体刺激検査装置、心臓刺激検査装置及び電極対選択器
CN104856668A (zh) * 2014-02-26 2015-08-26 韦伯斯特生物官能(以色列)有限公司 从多通道心电图信号确定参考注释时间
CN105163655A (zh) * 2013-03-15 2015-12-16 Apn健康有限责任公司 多通道心脏测量
EP3130285A1 (en) * 2015-08-11 2017-02-15 Biosense Webster (Israel) Ltd. Matching and tracking time sequences of heart activation
CN107019507A (zh) * 2016-01-14 2017-08-08 韦伯斯特生物官能(以色列)有限公司 用于检测心房纤颤局灶性源的系统和方法
EP3267344A1 (en) * 2016-07-06 2018-01-10 Biosense Webster (Israel), Ltd. Automatic creation of multiple electroanatomic maps

Family Cites Families (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5391199A (en) 1993-07-20 1995-02-21 Biosense, Inc. Apparatus and method for treating cardiac arrhythmias
ATE188108T1 (de) 1994-08-19 2000-01-15 Biosense Inc Medizinisches diagnose-, behandlungs- und darstellungssystem
US6690963B2 (en) 1995-01-24 2004-02-10 Biosense, Inc. System for determining the location and orientation of an invasive medical instrument
CA2246290C (en) 1996-02-15 2008-12-23 Biosense, Inc. Independently positionable transducers for location system
WO1997029709A1 (en) 1996-02-15 1997-08-21 Biosense, Inc. Medical procedures and apparatus using intrabody probes
US6239724B1 (en) 1997-12-30 2001-05-29 Remon Medical Technologies, Ltd. System and method for telemetrically providing intrabody spatial position
US6205357B1 (en) 1998-12-04 2001-03-20 Uab Research Foundation Methods and apparatus for detecting and treating medical conditions of the heart
US6484118B1 (en) 2000-07-20 2002-11-19 Biosense, Inc. Electromagnetic position single axis system
US7729742B2 (en) 2001-12-21 2010-06-01 Biosense, Inc. Wireless position sensor
US20040068178A1 (en) 2002-09-17 2004-04-08 Assaf Govari High-gradient recursive locating system
US7123954B2 (en) * 2002-09-19 2006-10-17 Sanjiv Mathur Narayan Method for classifying and localizing heart arrhythmias
US20040148109A1 (en) * 2003-01-16 2004-07-29 Fischer Russell John Method and apparatus for prediction of cardiac dysfunction
WO2006066324A1 (en) 2004-12-21 2006-06-29 Sydney West Area Health Service Automated processing of electrophysiological data
US8478388B2 (en) 2009-04-07 2013-07-02 Pacesetter, Inc. Cardiac coordinate system for motion analysis
KR20130057998A (ko) 2010-04-08 2013-06-03 더 리젠츠 오브 더 유니버시티 오브 캘리포니아 생물학적 리듬 장애의 검출, 진단 및 처치를 위한 방법, 시스템 및 장치
US20110319954A1 (en) 2010-06-28 2011-12-29 Pacesetter, Inc. Metrics and techniques for optimization of cardiac therapies
AU2012250829A1 (en) 2011-05-02 2013-12-19 The Regents Of The University Of California System and method for targeting heart rhythm disorders using shaped ablation
US8700136B2 (en) 2011-11-11 2014-04-15 Biosense Webster (Israel), Ltd. Accurate time annotation of intracardiac ECG signals
CN104736049B (zh) * 2012-09-11 2017-03-29 德尔格医疗系统有限公司 用于检测egg波形中的特性的系统和方法
US9642674B2 (en) 2013-09-12 2017-05-09 Biosense Webster (Israel) Ltd. Method for mapping ventricular/atrial premature beats during sinus rhythm
US9078572B2 (en) * 2013-10-30 2015-07-14 Apn Health, Llc Heartbeat detection and categorization
US9554718B2 (en) 2014-01-29 2017-01-31 Biosense Webster (Israel) Ltd. Double bipolar configuration for atrial fibrillation annotation
US9380953B2 (en) 2014-01-29 2016-07-05 Biosense Webster (Israel) Ltd. Hybrid bipolar/unipolar detection of activation wavefront
US10323423B2 (en) 2017-03-09 2019-06-18 Frank Locatell Removable form tie system

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003169854A (ja) * 2001-12-07 2003-06-17 Nippon Koden Corp 生体刺激装置、生体刺激検査装置、心臓刺激検査装置及び電極対選択器
CN105163655A (zh) * 2013-03-15 2015-12-16 Apn健康有限责任公司 多通道心脏测量
CN104856668A (zh) * 2014-02-26 2015-08-26 韦伯斯特生物官能(以色列)有限公司 从多通道心电图信号确定参考注释时间
EP3130285A1 (en) * 2015-08-11 2017-02-15 Biosense Webster (Israel) Ltd. Matching and tracking time sequences of heart activation
CN106419896A (zh) * 2015-08-11 2017-02-22 韦伯斯特生物官能(以色列)有限公司 匹配并跟踪心脏激活的时间序列
CN107019507A (zh) * 2016-01-14 2017-08-08 韦伯斯特生物官能(以色列)有限公司 用于检测心房纤颤局灶性源的系统和方法
EP3267344A1 (en) * 2016-07-06 2018-01-10 Biosense Webster (Israel), Ltd. Automatic creation of multiple electroanatomic maps

Also Published As

Publication number Publication date
US20190223808A1 (en) 2019-07-25
US11389116B2 (en) 2022-07-19
JP7297451B2 (ja) 2023-06-26
AU2019200153A1 (en) 2019-08-08
EP3513710A1 (en) 2019-07-24
EP3513710B1 (en) 2020-11-04
US20220249030A1 (en) 2022-08-11
IL264164A (en) 2019-05-30
CN110051346A (zh) 2019-07-26
CA3030242A1 (en) 2019-07-19
JP2019126724A (ja) 2019-08-01
IL264164B (en) 2022-02-01

Similar Documents

Publication Publication Date Title
CN110051346B (zh) 用于基于时间序列和心内及身体表面心电图（ecg）信号形态的心跳分类的装置和方法
JP7605426B2 (ja) 多電極カテーテルによって測定された局所興奮時間（ｌａｔ）の誤差推定
JP6675467B2 (ja) 活性化波面のバイポーラ／ユニポーラハイブリッド検出のための装置
US11116435B2 (en) Automatic identification of a location of focal source in atrial fibrillation (AF)
US9888862B2 (en) Electroanatomical mapping
US9579034B2 (en) Enhanced activation onset time optimization by similarity based pattern matching
JP2018000966A (ja) 複数の電気解剖学的マップの自動形成
JP6702712B2 (ja) 心室遠距離場の低減
JP2016530008A (ja) 電気生理学的マッピング中のデータセグメントにおける活性化パターンの優勢度を予測すること
US11026618B2 (en) Intracardiac EGM signals for beat matching and acceptance
JP2021079099A (ja) 心内心電図における異常な興奮を見つけるための方法
US12226235B2 (en) Apparatus and method for heartbeat classification based on time sequence and morphology of intracardiac and body surface electrocardiogram (ECG) signals
JP7630938B2 (ja) システム及びシステムの作動方法
EP4489654A1 (en) P-wave detection using intracardiac electrodes

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant