基于机器学习的去极化识别和心律失常定位可视化制造技术

公开了包括对医疗设备存储的发作数据，包括心电描记图应用机器学习模型的技术。在一些实例中，基于对所述发作数据应用一个或多个机器学习模型，对于多个心律失常类型分类中的每一个，处理电路系统导出分类激活数据，其指示所述分类在与发作相关联的时间段内的变化可能性。所述处理电路系统可显示所述心律失常类型分类在所述时间段内的所述变化可能性的曲线图。在一些实例中，处理电路系统可使用心律失常类型可能性和去极化可能性识别在所述发作期间的去极化，例如QRS波群。例如QRS波群。例如QRS波群。

【技术实现步骤摘要】
【国外来华专利技术】基于机器学习的去极化识别和心律失常定位可视化


[0001]本公开大体上涉及医疗设备，并且更具体地涉及通过医疗设备感测到的信号的分析。

技术介绍

[0002]医疗设备可用于监测患者的生理信号。举例来说，一些医疗设备被配置成感测心电描记图(EGM)信号，例如心电图(ECG)信号，其经由电极指示心脏的电活动。一些医疗设备被配置成基于心EGM以及在一些情况下来自附加传感器的数据来检测心律失常的发生，通常称为发作。实例心律失常类型包括心搏停止、心动过缓、室性心动过速、室上性心动过速、宽波群心动过速、心房颤动、心房扑动、心室颤动、房室传导阻滞、室性早搏和房性早搏。医疗设备可存储在包括发作的时间段期间收集的心EGM和其它数据作为发作数据。医疗设备还可响应于用户输入，例如来自患者的输入，存储一段时间的发作数据。
[0003]计算系统可从医疗设备获得发作数据以允许临床医生或其它用户查阅发作。临床医生可基于所识别的发作内心律失常的发生来诊断患者的医疗状况。在一些实例中，临床医生或其它查阅者可查阅发作数据以对发作进行注释，包括确定通过医疗设备检测到的心律失常是否实际发生、对发作进行优先级排序并生成报告以由临床医生进一步查阅，所述临床医生为患者开具医疗设备处方或以其它方式负责特定患者的护理。

技术实现思路

[0004]一般来说，本公开描述用于使用一个或多个机器学习模型对包括心EGM数据的发作数据进行分类、注释、报告的技术。在一些实例中，处理电路系统对发作数据应用一个或多个心律失常分类机器学习模型。一个或多个机器学习模型输出表示相应心律失常类型分类在发作期间的任一点发生的可能性的相应可能性值。处理电路系统还对于每个心律失常类型分类导出分类激活数据，其指示分类在一个时间段内的变化可能性，并且可显示在一个时间段内变化的可能性的曲线图。显示的在时间内的可能性曲线图可帮助用户理解发作期间任何心律失常检测的推理，特别是当与基础心EGM结合显示时。
[0005]在一些实例中，处理电路系统对发作数据应用一个或多个去极化检测机器学习模型。一个或多个去极化检测机器学习模型被配置成输出去极化可能性值的集合，其表示在发作期间不同时间去极化的可能性。处理电路系统可使用去极化和心律失常类型分类可能性值来提高其在发作期间检测去极化的能力。
[0006]在一个实例，本公开描述一种计算机实施的方法，其包含通过医疗设备系统的处理电路系统接收通过患者的医疗设备存储的发作的发作数据，其中发作与时间段相关联，并且发作数据包含在所述时间段期间通过医疗设备感测到的心电描记图。方法还包含通过处理电路系统对发作数据应用一个或多个机器学习模型，一个或多个机器学习模型被配置成输出多个心律失常类型分类中的每一个的相应可能性值，可能性值中的每一个表示相应心律失常类型分类在时间段期间任一点发生的可能性。方法还包含基于对发作数据应用一
个或多个机器学习模型，通过处理电路系统并且对于心律失常类型分类中的每一个导出指示分类在时间段内变化可能性的分类激活数据。方法还包含通过处理电路系统并且向用户显示心律失常类型分类在时间段内变化可能性的曲线图。
[0007]在另一个实例中，计算机实施的方法包含通过医疗设备系统的处理电路系统接收通过患者的医疗设备存储的发作的发作数据，其中发作与时间段相关联，并且发作数据包含在所述时间段期间通过医疗设备感测到的心电描记图。方法还包含通过处理电路系统对发作数据应用一个或多个心律失常分类机器学习模型，一个或多个心律失常分类机器学习模型被配置成输出多个心律失常类型分类中的每一个的相应心律失常类型可能性值的集合，集合所述的心律失常类型可能性值中的每一个表示相应心律失常类型分类在所述时间段期间的相应时间发生的可能性。方法还包含通过处理电路系统对发作数据应用一个或多个去极化检测机器学习模型，所述一个或多个去极化检测机器学习模型被配置成输出去极化可能性值的集合，所述集合的去极化可能性值中的每一个表示在所述时间段期间的相应时间发生去极化的可能性。方法还包含通过处理电路系统基于心律失常类型可能性值和去极化可能性值识别在发作期间的一个或多个去极化。
[0008]本
技术实现思路
旨在提供对本公开中所描述的主题的概述。并不旨在提供对在以下附图和描述中详细描述的设备和方法的排他性或穷尽性解释。在以下附图和描述中阐述一个或多个实例的另外的细节。
附图说明
[0009]图1为根据本公开的技术说明被配置成利用机器学习模型检测心脏去极化和心律失常的医疗设备系统的实例的概念图。
[0010]图2为说明图1的可植入医疗设备(IMD)的实例配置的框图。
[0011]图3为说明图1和2的IMD的实例配置的概念侧视图。
[0012]图4为说明图1的计算系统的实例配置的功能框图。
[0013]图5为说明用于提供多个心律失常分类中的每一个在发作期间的时间内的可能性的可视化的实例操作的流程图。
[0014]图6为说明实例发作查阅筛选的图，包括多个心律失常分类中的每一个在发作期间的时间内的可能性的可视化。
[0015]图7为说明另一个实例发作查阅筛选的图，包括多个心律失常分类中的每一个在发作期间的时间内的可能性的可视化。
[0016]图8为说明用于基于心律失常分类和去极化可能性识别在发作期间的去极化的实例操作的流程图。
[0017]图9为说明用于基于心律失常分类和去极化可能性识别在发作期间的去极化的实例技术的概念图。
[0018]在整个附图和描述中，相同的附图标记是指相同的元件。
具体实施方式
[0019]多种类型的可植入和外用医疗设备基于感测到的心EGM以及在一些情况下其它生理参数检测心律失常发作。可用于无创感测和监测心EGM的外部设备包括具有被配置成接
触患者的皮肤的电极的可穿戴设备，如贴片、手表或项链。被配置成感测心EGM的可穿戴生理监测器的一个实例为购自爱尔兰都柏林的美敦力公司(Medtronic plc,of Dublin,Ireland)的SEEQ
TM
移动心脏遥测系统。这类外部设备可便于在正常日常活动期间对患者进行相对长期的监测，并且可将收集到的数据，例如，检测到的心律失常发作的发作数据，定期传输到远程患者监控系统，如Medtronic Carelink
TM
网络。
[0020]可植入医疗设备(IMD)还感测和监测心EGM，并且检测心律失常发作。监测心EGM实例IMD包括起搏器和可植入心律转复除颤器，它们可联接到血管内或血管外导线，以及具有被配置成用于植入心脏内的外壳的起搏器，这些外壳可为无导线的。一些不提供治疗的IMD，例如可植入的患者监测器，感测心EGM。这类IMD的一个实例为购自美敦力公司的Reveal LINQ
TM
可插入心脏监测器(ICM)，其可皮下插入。这类IMD可便于在正常日常活动期间对患者进行相对长期的监测，并且可将收集到的数据，例如，检测到的心律失常发作的发作数据，定期传输到远程患者监控系统，如Med本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种医疗设备系统，其包含：医疗设备，其被配置成：经由多个电极感测患者的心电描记图，和存储发作的发作数据，其中所述发作与时间段相关联，并且所述发作数据包含在所述时间段期间通过所述医疗设备感测到的所述心电描记图；和处理电路系统，其被配置成：接收所述发作数据，对所述发作数据应用一个或多个机器学习模型，所述一个或多个机器学习模型被配置成输出多个心律失常类型分类中的每一个的相应可能性值，所述可能性值中的每一个表示所述相应心律失常类型分类在所述时间段期间的任一点发生的可能性，基于对所述发作数据应用所述一个或多个机器学习模型，对于所述心律失常类型分类中的每一个导出分类激活数据，其指示所述相应心律失常类型分类在所述时间段内的变化可能性，和向用户显示所述心律失常类型分类在所述时间段内的所述变化可能性的曲线图。2.根据权利要求1所述的医疗设备系统，其中所述处理电路系统被配置成与所述心电描记图结合显示所述曲线图。3.根据权利要求1或2所述的医疗设备系统，其中所述处理电路系统被配置成在所述曲线图上指示相对于所述心律失常类型分类中的至少一个在所述曲线图上的其它时间，所述至少一个心律失常类型分类的至少一个较高可能性的时间。4.根据权利要求3所述的医疗设备系统，其中所述处理电路系统被配置成：基于所述一个或多个机器学习模型的所述输出来指示所述至少一个心律失常类型分类在所述时间段期间的任一点发生；和响应于指示所述至少一个心律失常类型分类在所述时间段期间的任一点发生来在所述曲线图上指示所述至少一个心律失常类型分类的至少一个较高可能性的时间。5.根据权利要求1至4中任一项所述的医疗设备系统，其中所述多个心律失常类型分类包括多个心动过缓、停顿、室性心动过速、心室颤动、室上性心动过速、心房颤动、心房扑动、窦性心动过速、室性早搏、房性早搏、宽波群心动过速和房室传导阻滞。6.根据权利要求1至5中任一项所述的医疗设备系统，其中所述一个或多个机器学习模型中的每一个包含多个层，并且其中导出所述激活数据包含从所述多个层的中间层的输出导出所述激活数据。7.根据权利要求6所述的医疗设备系统，其中所述中间层包含全局平均池化层。8.根据权利要求1至7中任一项所述的医疗设备系统，其中所述一个或多个机器学习模型包含一个或多个心律失常分类机器学习模型，所述一个或多个心律失常分类机器学习模型被配置成输出所述多个心律失常类型分类中的每一个的相应心律失常类型可能性值的集合，所述集合的所述心律失常类型可能性值中的每一个表示所述相应心律失常类型分类在所述时间段期间的相应时间发生的可能性，且其中所述处理电路系统被配置成：...

【专利技术属性】
技术研发人员：T，
申请(专利权)人：美敦力公司，
类型：发明
国别省市：