心血管波形的基于模板的分析和分类制造技术

在各种实施例中，可以识别(302)被分配给表示患者的心脏中的电活动的电波形的周期性分量的第一分类。可以分析(306、318、328)表示所述患者的心血管系统中的血液动力学活动的血液动力学波形的对应的周期性分量。所述对应的周期性分量与所述电波形的所述周期性分量因果相关。基于所述分析，响应于基于所述分析而确定先前分配的分类也适用于所述对应的周期性分量，可以将先前分配的分类分配(312、324)给所述血液动力学波形的所述对应的周期性分量。在血液动力学模板的数据库(130)中，可以更新(314)与先前分配的分类相关联的血液动力学模板以包括所述血液动力学波形的所述对应的周期性分量的一个或多个特征。

Template-based analysis and classification of cardiovascular waveforms

In various embodiments, it is possible to identify (302) the first classification of periodic components of electrical waveforms assigned to represent electrical activity in a patient's heart. The corresponding periodic components of the hemodynamic waveforms (306, 318, 328) representing the hemodynamic activities in the cardiovascular system of the patient can be analyzed. The corresponding periodic component is causally related to the periodic component of the electric waveform. Based on the analysis, in response to the determination that the previously allocated classification based on the analysis is also applicable to the corresponding periodic component, the previously allocated classification allocation (312, 324) can be given to the corresponding periodic component of the hemodynamic waveform. In the database (130) of the hemodynamic template, the hemodynamic template associated with the previously assigned classification can be updated (314) to include one or more features of the corresponding periodic component of the hemodynamic waveform.

【技术实现步骤摘要】
【国外来华专利技术】心血管波形的基于模板的分析和分类
本公开总体上涉及健康护理。更具体地但非排他地，本文公开的各种方法和装置涉及心血管波形的基于模板的分析和分类。
技术介绍
表示动脉血压(“ABP”)、肺动脉压(“PAP”)、中心静脉压(“CVP”)的心血管波形和体积描记法可能受诸如异位搏动和/或心律失常的生理变化影响。特别地，(例如，通过心电图(“ECG”)测量的)患者的心脏中的电活动可以影响这些波形的形状。然后，医生可以分析这些波形的形状以识别患者的心跳的异常，这需要进一步调查。然而，通过ECG和其他设备获得的信号并不完美，噪声和伪影可能被引入，这也会影响波形形状。这些形状有时会被误认为是异常，即使它们是由机器或者除了患者的生理学以外的其他因素引入的。
技术实现思路
用于对波形质量进行滤波和评估的算法有时将非典型的电活动错误地分类为(例如，由于干扰和/或患者移动的)噪声或伪影，而实际上该活动可以证明心血管异常。例如，一些算法将电波形和/或血液动力学波形与正常波形和异常波形的模板进行比较。然而，许多异常波形可能与现有模板不匹配，并且因此可能导致有噪声的分类，而实际上存在真正的心血管异常。因此，提供一种以更好地识别心血管异常并证实/驳斥使用现有算法做出的分类的方式对心血管波形进行分析和分类的方法和系统将是有益的。本公开涉及用于心血管波形的基于模板的分析和分类的专利技术方法和装置。例如，本公开描述了用于基于诸如正常波形和异常波形的模板的各种信号对血液动力学波形的周期性分量(例如，心跳)进行分类(或注释)，和/或用于对表示患者的心脏中的电活动的电波形的周期性分量进行证实和/或重新分类的技术。此外，可以更新与正常波形和各种类型的异常波形相关联的模板以包括新识别的正常波形和异常波形的特征。通常，在一个方面，一种方法可以包括：识别与电波形的周期性分量相关联的先前分配的分类，其中，所述电波形表示患者的心脏中的电活动；分析表示所述患者的心血管系统中的血液动力学活动的血液动力学波形的对应的周期性分量，其中，所述对应的周期性分量与所述电波形的所述周期性分量因果相关；响应于基于所述分析而确定所述先前分配的分类也适用于所述对应的周期性分量，将所述先前分配的分类分配给所述血液动力学波形的所述对应的周期性分量；并且在血液动力学模板的数据库中，更新与所述先前分配的分类相关联的血液动力学模板以包括所述血液动力学波形的所述对应的周期性分量的一个或多个特征。在各种实施例中，所述方法还可以包括：接收与所述患者相关联的电生理学数据，其中，所述电生理学数据包括所述电波形以及与所述电波形的一个或多个周期性分量相关联的一个或多个先前分配的分类；并且接收与所述患者相关联的血液动力学数据，其中，所述血液动力学数据包括所述血液动力学波形。在各种实施例中，从心电图的一个或多个电极接收所述电生理学数据。在各种实施例中，所述血液动力学数据可以包括指示所述患者的动脉血压的信号。在各种实施例中，所述血液动力学数据可以包括指示所述患者的肺血压的信号。在各种实施例中，所述血液动力学数据可以包括指示中央静脉压的信号。在各种实施例中，所述血液动力学数据可以包括来自体积描记器的信号。在各种实施例中，所述方法还可以包括：识别相同血液动力学波形或与不同患者相关联的不同血液动力学波形的未分类的周期性分量；将所述未分类的周期性分量与血液动力学模板的所述数据库的模板进行匹配；并且将与匹配的模板相关联的分类分配到所述血液动力学波形的所述未分类的周期性分量。在各种实施例中，所述方法还可以包括更新匹配的模板以包括所述血液动力学波形的现在分类的周期性分量的一个或多个特征。在各种实施例中，所述先前分配的分类可以包括异常分类。所述分配可以包括响应于基于所述分析而确定所述血液动力学波形的所述对应的周期性分量与所述血液动力学波形的先前周期性分量之间的差量满足阈值，将所述异常分类分配给所述血液动力学波形的所述对应的周期性分量。在各种实施例中，所述方法还可以包括：识别被分配给所述电波形的被认为是伪影的另一周期性分量的伪影分类；分析所述血液动力学波形的与所述电波形的所述另一周期性分量因果相关的另一对应的周期性分量；响应于基于所述分析而确定所述血液动力学波形的所述另一对应的周期性分量与所述血液动力学波形的另一先前周期性分量之间的差量满足阈值，将异常分类分配给所述血液动力学波形的所述另一对应的周期性分量；并且对所述电波形的具有所述异常分类的所述另一周期性分量进行重新分类。在各种实施例中，所述先前分配的分类可以包括正常分类，并且所述分配可以包括响应于基于所述分析而确定所述对应的周期性分量满足信号质量指标(SQI)，将所述正常分类分配给所述血液动力学波形的所述对应的周期性分量。在各种实施例中，所述分析可以包括将所述对应的周期性分量与血液动力学模板的所述数据库的模板进行匹配。在各种版本中，所述更新可以包括将所述对应的周期性分量与联合匹配的血液动力学模板存储的周期性分量合并。应当认识到，下面更详细讨论的前述构思和额外构思的所有组合(假设这些构思不相互矛盾的话)被预见为是本文公开的主题的一部分。特别地，出现在本公开的结尾处的要求保护的主题的所有组合都被预见为是本文公开的主题的一部分。还应当认识到，也可以出现在通过引用并入的任何公开内容中的本文明确采用的术语应当被赋予与本文公开的特定构思最一致的含义。附图说明在附图中，类似的附图标记在不同视图中通常指代相同的部分。而且，附图不一定按比例绘制，而是通常将重点放在说明本公开的原理上。图1示出了根据各种实施方式的可以实施所公开的技术的示例环境。图2描绘了可以根据各种实施例分析的示例波形。图3和图4描绘了根据各种实施例的示例方法。图5描绘了根据各种实施例的示例“正常”和“异常”模板。图6描绘了示例计算机系统的部件。具体实施方式诸如表示ABP、PAP和/或CVP的那些的心血管波形以及来自体积描记器(“PLETH”)的信号可能受到诸如异位搏动和/或心律失常的生理变化的影响。特别地，(例如，通过ECG测量的)患者的心脏中的电活动可能影响各种血液动力学波形的形状。用于对波形质量进行滤波和评估的现有算法有时将非典型电活动错误地分类为噪声或伪影，而实际上该活动可能证明心血管异常。例如，一些算法将电波形和/或血液动力学波形与正常波形和异常波形的模板进行比较。然而，许多异常波形可能与现有模板不匹配，并因此可能导致有噪声的分类，而实际上存在真正的心血管异常。因此，本领域需要以更好地识别心血管异常并证实/驳斥使用现有算法做出的分类的方式对心血管波形进行分析和分类。更一般地，认识到并理解，连续学习与正常心血管波形和异常心血管波形相关联的新模式将是有益的。鉴于前述内容，本公开的各种实施例和实施方式涉及基于诸如正常波形和异常波形的模板的各种信号来对心血管波形的周期性分量(例如心跳)进行分类或注释，和/或用于对表示患者的心脏中的电活动的电波形的周期性分量进行证实和/或重新分类。此外，可以更新正常波形和异常波形的模板的数据库以包括新识别的正常波形和异常波形的特征。参考图1，描绘了可以实施所公开技术的示例环境100。患者102可以连接到各种医学设备以监测患者的心脏中的电活动和/或患者的血管系统中的血液动力学活动。例如，患本文档来自技高网...

【技术保护点】
1.一种计算机实现的方法，包括：通过一个或多个处理器来识别(302)与电波形的周期性分量相关联的先前分配的分类，其中，所述电波形表示患者的心脏中的电活动；通过所述处理器中的一个或多个处理器来分析(306、318、328)表示所述患者的心血管系统中的血液动力学活动的血液动力学波形的对应的周期性分量，其中，所述对应的周期性分量与所述电波形的所述周期性分量因果相关；通过所述处理器中的一个或多个处理器，响应于基于所述分析而确定所述先前分配的分类也适用于所述对应的周期性分量，将所述先前分配的分类分配(312、324)给所述血液动力学波形的所述对应的周期性分量；并且通过所述处理器中的一个或多个处理器，在血液动力学模板的数据库(130)中更新(314)与所述先前分配的分类相关联的血液动力学模板以包括所述血液动力学波形的所述对应的周期性分量的一个或多个特征。

【技术特征摘要】
【国外来华专利技术】2016.06.22 US 62/353,1391.一种计算机实现的方法，包括：通过一个或多个处理器来识别(302)与电波形的周期性分量相关联的先前分配的分类，其中，所述电波形表示患者的心脏中的电活动；通过所述处理器中的一个或多个处理器来分析(306、318、328)表示所述患者的心血管系统中的血液动力学活动的血液动力学波形的对应的周期性分量，其中，所述对应的周期性分量与所述电波形的所述周期性分量因果相关；通过所述处理器中的一个或多个处理器，响应于基于所述分析而确定所述先前分配的分类也适用于所述对应的周期性分量，将所述先前分配的分类分配(312、324)给所述血液动力学波形的所述对应的周期性分量；并且通过所述处理器中的一个或多个处理器，在血液动力学模板的数据库(130)中更新(314)与所述先前分配的分类相关联的血液动力学模板以包括所述血液动力学波形的所述对应的周期性分量的一个或多个特征。2.根据权利要求1所述的计算机实现的方法，还包括：通过所述处理器中的一个或多个处理器来接收与所述患者相关联的电生理学数据，其中，所述电生理学数据包括所述电波形以及与所述电波形的一个或多个周期性分量相关联的一个或多个先前分配的分类；并且通过所述处理器中的一个或多个处理器来接收与所述患者相关联的血液动力学数据，其中，所述血液动力学数据包括所述血液动力学波形。3.根据权利要求2所述的计算机实现的方法，其中，从心电图(104)的一个或多个电极接收所述电生理学数据。4.根据权利要求2所述的计算机实现的方法，其中，所述血液动力学数据包括指示所述患者的动脉血压的信号(116)。5.根据权利要求2所述的计算机实现的方法，其中，所述血液动力学数据包括指示所述患者的肺血压的信号(118)。6.根据权利要求2所述的计算机实现的方法，其中，所述血液动力学数据包括指示中央静脉压的信号(120)。7.根据权利要求2所述的计算机实现的方法，其中，所述血液动力学数据包括来自体积描记器(112)的信号(122)。8.根据权利要求1所述的计算机实现的方法，还包括：通过所述处理器中的一个或多个处理器来识别(402)相同血液动力学波形或与不同患者相关联的不同血液动力学波形的未分类的周期性分量；通过所述处理器中的一个或多个处理器将所述未分类的周期性分量与血液动力学模板的所述数据库的模板进行匹配(408)；并且通过所述处理器中的一个或多个处理器将与匹配的模板相关联的分类分配(416)给所述血液动力学波形的所述未分类的周期性分量。9.根据权利要求8所述的计算机实现的方法，还包括：通过所述处理器中的一个或多个处理器来更新(414)所述匹配的模板以包括所述血液动力学波形的现在分类的周期性分量的一个或多个特征。10.根据权利要求1所述的计算机实现的方法，其中，所述先前分配的分类包括异常分类，并且其中，所述分配包括响应于基于所述分析而确定所述血液动力学波形的所述对应的周期性分量与所述血液动力学波形的先前周期性分量之间的差量满足阈值，将所述异常分类分配给所述血液动力学波形的所述对应的周期性分量。11.根据权利要求1所述的计算机实现的方法，还包括：通过所述处理器中的一个或多个处理器来识别(302)被分配给所述电波形的被认为是伪影的另一周期性分量的伪影分类；通过所述处理器中的一个或多个处理器来分析(306、318、328)所述血液动力学波形的与所述电波形的所述另一周期性分量因果相关的另一对应的周期性分量；通过所述处理器中的一个或多个处理器，响应于基于...

【专利技术属性】
技术研发人员：E·高希，C·M·波特斯布兰东，R·E·格雷格，
申请(专利权)人：皇家飞利浦有限公司，
类型：发明
国别省市：荷兰,NL