用于检测和/或预测心脏事件的心电图处理系统技术方案

提供用于使用大量ECG数据来分析患者的心电图(ECG)数据的系统和方法。所述系统接收来自位于患者上的感测设备的ECG数据，所述感测设备是例如可以集成在智能设备中的一个或多个ECG导联/电极。所述系统可以包括与运行在服务器上的ECG平台进行通信的应用，所述服务器例如使用神经网络处理和分析ECG数据，以检测和/或预测各种异常、状况和/或描述符。所述系统还可以确定对应于所述异常、状况和/或描述符的置信度分数。处理后的ECG数据用于生成图形用户界面，所述图形用户界面从服务器传送到计算机，以增强的准确性，以用户友好的和交互的方式进行显示。的方式进行显示。的方式进行显示。

【技术实现步骤摘要】
【国外来华专利技术】用于检测和/或预测心脏事件的心电图处理系统
[0001]相关申请的交叉引用
[0002]本申请要求2021年7月27日提交的第63/226,117号美国临时申请、2020年12月15日提交的20306567.7欧洲专利申请、以及2020年9月30日提交的63/085,827美国临时申请的优先权，其全部内容通过引用并入本文。


[0003]本公开总体上涉及心电图(ECG)处理系统，例如，具有用于检测和/或预测诸如心律失常和异常的心脏事件的人工智能和机器学习功能的ECG系统。

技术介绍

[0004]心电图(ECG)从心脏接收可以由计算设备数字化和记录的心脏电信号。ECG通常由放置在患者的特定区域中的多个电极感测的心脏信号生成。这是一种可以由大多数医疗保健专业人员可以使用的简单的、非侵入性的工具。
[0005]心脏信号由一个或多个同步的时间信号组成。图1A示出了标准12
‑
导联静息ECG的记录。如图1A所示，每个导联生成电信号，产生12个电信号。尽管图1A中所示的ECG涉及12个导联，产生12个记录，但一些ECG可以涉及更少的导联，产生更少的记录。如图1A所示，心脏信号显示通常包括P
‑
波、QRS复合波和T
‑
波的重复图案。顾名思义，QRS复合波包括Q
‑
波、R
‑
波和S
‑
波。图1B中示出了范例性的P
‑
波、QRS复合波和T
‑
波，其集中于一个导联信号中的一对心跳，显示一个R
‑
R间期。
[0006]为了做出诊断，训练过的医疗保健专业人员可以分析ECG记录，以识别任何异常和/或疾病发作。据估计，目前可以在ECG记录上识别大约150种可测量的异常。然而，需要特定的专业知识和/或训练来识别ECG异常。ECG分析仅适用于那些能够负担得起具有适当专业知识的医疗保健专业人员并且他们可以接触这些专业人员的患者。
[0007]已经开发出远程心脏病学中心，为可能无法接触到这些训练过的医疗保健专业人员的患者提供ECG分析。通常，ECG记录由非专业人员在场外生成，并发送至远程心脏病学中心，由心脏病专家或专业ECG技术人员进行分析。尽管结果通常是高质量的，但过程可能缓慢且昂贵。
[0008]也已经开发软件系统，作为由训练过的专业人员分析的替代方案。当前的软件系统提供低质量的解读，这通常导致假阳性。现如今，这些解读系统可以生成关于心脏信号的两种类型的信息：(1)每个波的时间位置信息，称为描绘，和(2)提供心脏信号的分类或标记其异常的全局信息，称为分类。
[0009]关于描绘，两种主要方法用于寻找心脏信号波。第一种方法基于多尺度小波分析。这种方法寻找在指定尺度上达到预定义阈值的小波系数。(参见Martinez等人的“A wavelet
‑
based ECG delineator:evaluation on standard databases”(IEEE transactions on biomedical engineering，2004年4月，第51卷，第4期，第570
‑
58页)；Almeida等人的“IEEE transactions on biomedical engineering”(2009年8月，第56卷，
第8期，第1996
‑
2005页)；Boichat等人的“Proceedings of Wearable and Implantable Body Sensor Networks”(2009年，第256
‑
261页)；Zoicas等人的美国专利No.8,903,479。通常的过程涉及识别QRS复合波，然后是P
‑
波，最后是T
‑
波。这种方法由于阈值的使用而变得不稳定，并且无法识别多个P
‑
波和“隐藏的”P
‑
波。
[0010]第二种描绘方法基于Hidden Markov Models(HMM)。这种机器学习方法将信号的当前状态视为想要恢复的隐藏变量(Coast等人的“IEEE transactions on biomedical engineering”(1990年9月第37卷，第9期，第826
‑
836页)；Hughes等人的“Proceedings of Neural Information Processing Systems”(2004年，第611
‑
618页)；Trassenko等人的美国专利No.8,332,017)。尽管这种方法是对上述第一种描绘方法的改进，但是必须使用人造的(handcrafted)“特征”来设计信号的表示，并且必须基于这些特征为每个波拟合数学模型。基于足够数量的范例，算法可以学习识别每个波。但是，由于其依赖于人造的特征，该过程可能会很麻烦且不准确。具体地，人造的特征总是次优的，因为它们没有被学习，人造特征的过程可能忽略或消除了关键信息。此外，模型(通常为高斯模型)不能很好地适配。此外，目前的模型无法解释隐藏的P波。
[0011]关于分类，在当前系统中，仅对QRS复合波执行分析。例如，QRS复合波的分析可以检测心室或起搏心跳。训练涉及人造的特征集和相应的心跳标记(Chazal等人的“IEEE Transactions on Biomedical Engineering”(2004年，第51卷，第1196
‑
1206页))。如上所述，人造的特征总是次优的，因为它们没有被学习，人造特征的过程可能忽略或消除了关键信息。
[0012]为了解决上述问题，最近的工作(Kiranyaz等人的“IEEE Transactions on Biomedical Engineering”(2016年，第63卷，第664
‑
675页))已经转向了被称为神经网络的新架构，已经对这些新架构进行了深入的研究，并在成像领域取得了巨大成果(Russakovsky等人的“arXiv:1409.0575v3”(2015年1月30日))。神经网络从原始或轻度预处理的数据中进行学习，从而绕过对人造特征的需要。尽管神经网络的应用是对上述描绘和分类方法的改进，但当前系统具有某些缺点。例如，当前的神经网络仅被开发用于QRS表征。此外，当前的神经网络以逐个心跳的方式处理信息，这无法从周围的心跳中捕获关联信息。
[0013]关于识别异常和/或心血管疾病检测，大多数算法使用基于使用描绘计算的时间和形态指标的规则(例如PR间期、RR间期、QT间期、QRS宽度、ST段的水平、T
‑
波的斜率)。通常，算法是由心脏病学专家设计的。(Prineas等人的(The Minnesota Code Manual of Electrocardiographic Findings)，(Springer，2009年，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】1.一种用于分析患者的心电图(ECG)数据的计算机化的方法，所述计算机化的方法包括：从第一设备获得对应于患者的患者ECG数据集，所述患者ECG数据集是在由感测设备采样的第一多个时间点上生成的；从第二设备获得对应于所述患者的患者传感器数据集，所述患者传感器数据集是在第二多个时间点上生成的，所述第二多个时间点对应于所述第一多个时间点；使用算法处理所述患者ECG数据集的至少一部分和所述传感器数据集的至少一部分，以确定对应于与所述患者ECG数据集和所述患者传感器数据集相关联的心脏事件的一个或多个异常、状况或描述符的存在，所述算法使用与所述ECG数据集不同的多个ECG数据集和与所述患者传感器数据集不同的多个传感器数据集进行训练；基于所述处理来生成信息，以指示对应于与所述患者ECG数据集和所述患者传感器数据集相关联的心脏事件的所述一个或多个异常、状况或描述符的所述存在；并且发送对应于针对所述患者ECG数据集和所述患者传感器数据集确定的所述一个或多个异常、状况或描述符的所述存在的所述信息，以进行显示。2.根据权利要求1所述的计算机化的方法，其中，所述第二设备包括光电体积描记图(PPG)传感器。3.根据权利要求1所述的计算机化的方法，其中，所述患者传感器数据包括心率、SpO2、呼吸速率数据中的一个或多个。4.根据权利要求1所述的计算机化的方法，其中，所述第一设备包括可植入环路记录器(ILR)。5.根据权利要求1所述的计算机化的方法，还包括生成将所述ECG数据与所述第一设备相关联以及将所述患者传感器数据与所述第二设备相关联的数据库。6.根据权利要求1所述的计算机化的方法，还包括从所述第二设备获得对应于所述患者且不同于所述患者传感器数据集的第二传感器数据集。7.根据权利要求6所述的计算机化的方法，其中，所述第二传感器数据集是在对应于所述第一多个时间点的第三多个时间点上生成的。8.根据权利要求6所述的计算机化的方法，还包括使用所述算法处理所述第二传感器数据集的至少部分，其中，所述算法还使用与所述第二传感器数据集不同的多个第二传感器数据集进行训练。9.一种用于分析患者的心电图(ECG)数据的计算机化的方法，所述计算机化的方法包括：确定指示至少一个心脏事件的患者ECG数据；使用算法处理所述患者ECG数据的至少一部分，以确定对应于与所述患者ECG数据相关联的所述至少一个心脏事件的一个或多个描述符的存在，所述算法使用不同于所述患者ECG数据的多个ECG数据集进行训练；确定心脏事件和对应于所述心脏事件的描述符；生成指示所述描述符并包括所述心脏事件的图形表示的事件界面；并且接收对应于所述描述符的输入。10.根据权利要求9所述的计算机化的方法，其中，所述输入将所述心脏事件重新分类
为第二描述符。11.根据权利要求10所述的计算机化的方法，还包括生成指示所述第二描述符并包括所述心脏事件的图形表示的事件界面。12.根据权利要求10所述的计算机化的方法，其中，所述第二描述符用于训练所述算法。13.根据权利要求9所述的计算机化的方法，其中，所述事件界面还包括心率信息或事件持续时间信息中的一个或多个。14.一种用于分析患者的心电图(ECG)数据的计算机化的方法，所述计算机化的方法包括：确定ECG历史数据，所述ECG历史数据对应于至少一个心律失常事件并且是在各种时间点处采样的；使用训练过的算法处理ECG历史数据，以确定对应于心律失常风险的时间点；确定与所述心律失常风险相关联...

【专利技术属性】
技术研发人员：MA，
申请(专利权)人：心道乐科技股份有限公司，
类型：发明
国别省市：