CN106061374B - 电生理数据的综合分析 - Google Patents

电生理数据的综合分析 Download PDF

Info

Publication number
CN106061374B
CN106061374B CN201580011815.2A CN201580011815A CN106061374B CN 106061374 B CN106061374 B CN 106061374B CN 201580011815 A CN201580011815 A CN 201580011815A CN 106061374 B CN106061374 B CN 106061374B
Authority
CN
China
Prior art keywords
area
data
intracardiac
signals
electrical activity
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.)
Expired - Fee Related
Application number
CN201580011815.2A
Other languages
English (en)
Other versions
CN106061374A (zh
Inventor
R·伯坎
C·拉玛纳森
贾平
M·斯特罗姆
曾清国
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.)
Cardioinsight Technologies Inc
Original Assignee
Cardioinsight Technologies Inc
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 Cardioinsight Technologies Inc filed Critical Cardioinsight Technologies Inc
Publication of CN106061374A publication Critical patent/CN106061374A/zh
Application granted granted Critical
Publication of CN106061374B publication Critical patent/CN106061374B/zh
Expired - Fee Related 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]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/0036—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room including treatment, e.g., using an implantable medical device, ablating, ventilating
    • 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 pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02405—Determining heart rate variability
    • 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 pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/0245—Detecting, measuring or recording 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
    • A61B5/316—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]
    • 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
    • A61B5/72—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
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • A61B5/743—Displaying an image simultaneously with additional graphical information, e.g. symbols, charts, function plots
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/06—Devices, other than using radiation, for detecting or locating foreign bodies ; determining position of probes within or on the body of the patient
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/06—Devices, other than using radiation, for detecting or locating foreign bodies ; determining position of probes within or on the body of the patient
    • A61B5/065—Determining position of the probe employing exclusively positioning means located on or in the probe, e.g. using position sensors arranged on the probe
    • A61B5/066—Superposing sensor position on an image of the patient, e.g. obtained by ultrasound or x-ray imaging
    • 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
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Landscapes

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

Abstract

一种方法，可以包括分析用于患者的解剖结构的感兴趣区域(ROI)的非侵入性电数据，以识别ROI中包含独特心律失常电活动的至少一个机制的一个或多个区。该方法还包括分析用于在每个识别出的区中不同空间位点的多个感兴趣信号的侵入性电数据，以确定用于每个相应区内多个位点的心内信号特性。该方法还包括生成集成用于一个或多个区的独特心律失常电活动的至少一个机制与用于每个相应区内多个位点的心内信号特性的输出。

Description

电生理数据的综合分析
对相关申请的交叉引用
本申请要求于2014年2月4日提交且标题为“INTEGRATION OF INVASIVE ANDNONINVASIVE SIGNALS”的美国临时专利申请No.61/935620的优先权，该申请的全部通过引用被结合于此。
技术领域
本公开内容涉及电生理数据的综合分析。
背景技术
在电生理(EP)诊断过程(也称为EP研究)期间，导管被策略性地放在心脏的各个位置，以提供信号，这些信号被显示为记录***上的迹线。EP记录***允许这些记录以个体迹线的格式的有序显示；每条基线对应于电极(导管电极/对或ECG电极)。采用如和的非荧光导航***的***已经被开发出来，以创建感兴趣的心脏腔室的几何形状并提供激活时间或电位幅度的颜色编码显示。该***具有一些技术上的限制，包括要求对激活时间的大量手工编辑、不准确的几何形状、随着时间推移的点的不稳定和偏移。该***还具有一些临床上的限制，包括无法绘制不稳定的、间歇性的心律失常、无法同时绘制双室(或整个心脏)，并且不能有效地绘制具有变化周期长度的复杂节奏，像心房颤动。
附图说明
图1绘出了展示用于集成侵入性和非侵入性信息的***的概述的框图的例子。
图2绘出了展示用于集成侵入性和非侵入性信息的***的框图的例子。
图3绘出了包括多个区的心脏的示意性例子，其包括电不规则的机制。
图4绘出了可被用于心脏疾病或失调的分析和治疗的***的例子。
图5绘出了展示在感兴趣的侵入性信号和重构信号之间的校准过程的一部分的信号的例子。
图6是绘出方法的例子的流程图。
图7是展示为左心房和右心房获取的信号的图形图的例子。
图8绘出了展示周期长度变化的心脏的图形图的例子。
图9A绘出了展示来自右心房的变化信号(RAd和RAp)的图形图的例子。
图9B绘出了展示来自右心房的变化信号(RAd和RAp)的关联信号的例子。
图10绘出了展示不同周期长度以及可被确定的远到近传导的信号的例子。
图10绘出了不同空间位点的信号的例子，展示了AF和AT的周期以及用于冠状窦信号的传导模式。
图11绘出了可以如本文所公开的那样被分析的冠状窦信号的例子。
图12绘出了展示冠状窦信号的曲线图的例子。
图13A和13B绘出了展示对于包含转动体的空间区域的感兴趣信号的图形图的例子。
图14A和14B绘出了展示包含病灶的空间区域的感兴趣信号的图形图的例子。
图15绘出了展示包含多个心律失常机制的多个区的图形图的例子。
发明内容
本公开内容涉及电生理数据的综合分析。
在一个例子中，一种方法包括分析用于患者的解剖结构的感兴趣区域(ROI)的非侵入性电数据，以识别ROI中包含独特心律失常电活动的至少一个机制的一个或多个区。该方法还包括分析用于在每个识别出的区中不同空间位点的多个感兴趣信号的侵入性电数据，以确定用于每个相应区内多个位点的心内信号特性。该方法还包括生成集成用于一个或多个区的独特心律失常电活动的至少一个机制与用于每个相应区内多个位点的心内信号特性的输出。
作为另一个例子，一种***包括存储器，以存储基于非侵入性感测的电数据在心脏包络上重构的心电活动的非侵入性电解剖数据以及基于用于多个位点的侵入性测量的电数据的心内电数据。该***可以包括可由处理器执行的机器可读指令。指令包括机制分析器，以提供基于非侵入性感测的电数据识别心脏包络的感兴趣区域内包含独特心律失常电活动的至少一个机制的一个或多个区的区数据。心内分析器基于用于每个相应区内的多个位点的心内电数据确定表示心内信号特性的心内信号特性数据。输出生成器提供在混合的图形图中集成区数据和心内信号特性数据的输出数据。
具体实施方式
本公开内容涉及电生理数据的综合分析。***和方法可被用来帮助诊断和便于治疗心脏疾病和失调，诸如心律失常。本文公开的***和方法适于将非侵入性电解剖数据(例如，从电活动的身体表面测量得到)与心内电数据(例如，侵入性获得或部分地从侵入性获得的数据得到)集成，以探测和表征一个或多个心律失常驱动部，以便于对这种识别出的驱动部的诊断和/或治疗。
举例来说，本文公开的***和方法可以将非侵入性电解剖数据与心内电数据集合，以便为感兴趣的解剖区域(例如，跨心脏包络的一个或多个区域至包括整个心脏表面)确定优先级。例如，对感兴趣的解剖区域的同步性的指示可被用来确定哪个室，或者室内的哪些空间区域，是最混乱的(最不同步的)并且因此应当被赋予更高的优先级。此外，一个或多个区是基于探测独特心律失常电活动的一个或多个机制(例如，心律失常机制)来被识别的。区可以驻留被确定为混乱的室内和/或室内感兴趣的区域内。区可以根据空间几何形状和/或时间(例如，一个或多个时间间隔)来定义，其中心律失常机制跨患者的解剖结构的一个或多个感兴趣区域被识别，所述解剖结构可以包括跨心脏包络的一个或多个区域至包括整个心脏包络。
心内电数据可以基于在对于患者的解剖结构(例如，患者的心脏)被识别出的区中所包含的多个点直接测量(例如，从映射导管或类似的侵入性感测设备或者得自侵入性和非侵入性电测量的组合)的信号存储在存储器中。心内测量可以在非侵入性测量之前、期间或之后获得。心内电数据被分析，以确定每个区内多个位点的一个或多个心脏信号特性，所述位点已经基于非侵入性电数据的分析被识别出来。因此，通过包括全局同步性分析结合识别驻留在的非同步区域中或附近的区，该方法有助于确保被优先考虑的区最有可能造成心律失常。感兴趣的信息的心内信号的进一步局部化评估进一步便于优先化。
作为另一个例子，心内信号特性和独特心律失常电活动的机制可以进一步被评估，以确定各个区内位点当中的优先级。例如，优先级可以指定识别出的区内的各个位点的推荐治疗次序。在一些例子中，心内信号特性可以被不同地加权，诸如依赖于已经对其中进行对应于感兴趣的信号的测量的区识别出的机制。每个区中计算出的独特心律失常电活动的机制和/或心内统计信息还可被用作治疗工作流过程的一部分，以便在给定的心脏信号或区识别治疗的优先级、进展以及，在一些情况下，治疗终点。在治疗期间或之后，例如，用户可以确认一个或多个心内特性的正变化、确认机制的减少(例如，通过跨心脏包络重新映射)，以及评估跨心脏包络的同步性的全局变化。例如，响应于基于比较跨在应用疗法之前识别出的给定区附近的感兴趣的心房或区域的同步性的指示与跨在对选定位点应用治疗之后识别出的给定区附近的感兴趣区域或心房的同步性来确定在驻留在给定区中的选定位点的改进。通过将非侵入性信息与心内信息集成可以提供临床相关的准确信息，其可被转化为改进的结果，包括用于治疗像颤动的复杂心律失常。
本公开内容还包括概念，以提供心内电描记图的相关时空特性连同由来自非侵入性数据的心电图描记映射所提供的图/信息的混合可视化。因此，本文公开的***和方法可以结合常规EP研究与3D映射***的长处，同时以搏动方式为包括颤动的所有心律失常提供心外膜、心内膜和整个心脏的映射信息。在例子中，当混合***和方法在过程期间与手术过程被一起使用时，心脏电活动的图形图可以提供已经基于非侵入性和侵入性信息确定的机制和心内信号特性的集成的图形可视化。
在本文的一些例子中，电生理数据包括从非侵入性传感器得到的非侵入性数据和从患者体内的一个或多个侵入性传感器测量的心内数据。虽然电生理数据(心内数据和非侵入性数据)可以基于可被侵入性或非侵入性地测量的感测的电活动，但是本文公开的***和方法不要求任何人类交互或特定的信息源，因为***和方法处理已被存储在存储器中的数据，而无需考虑这些数据实际源自哪里，并且进一步不要求对患者的任何治疗或交互来执行本文公开的功能和方法。因此，本文公开的***和方法可被实现为存储在存储器中的机器可读指令，指令可被一个或多个处理单元访问并执行。
图1绘出了将非侵入性获取的电数据与侵入性获取的心内信息的分析集成的***10的例子。因此，在图1的例子中，***10包括非侵入性电解剖数据12和心内电数据14。例如，非侵入性电解剖数据12可以包括表示关于基于由跨患者的躯干分布的多个传感器对身体表面电活动的测量计算出的心脏包络上的电描记图的数据，诸如本文所公开的。非侵入性电解剖数据12可以对应于经一个或多个时间间隔在之前(例如，在之前的电生理研究中)获取的数据。作为替代或附加地，非侵入性电解剖数据12可以对应于实时数据，因为它是基于跨患者的身体表面(例如，患者的胸部或患者的胸部的实质部分)分布的传感器的布置从患者获取的。在一些例子中，非侵入性电解剖数据12可以对应于跨患者的心脏或其它心脏包络的整个表面的重构电描记图。如本文中所使用的，心脏包络可以对应于任何三维表面形状，通过基于感测的信号和几何形状数据来计算反解以在所述任何三维表面形状上重构来自身体表面的电信号，如本文中所公开的。心脏包络可以是心外膜表面(例如，从想象的数据或从另一个模型估计的)或心内膜表面。作为替代或附加地，心脏包络可以对应于驻留在患者心脏的心外膜表面和传感器阵列已在那里定位的患者身体的表面之间的几何表面。
机制分析器16被编程为分析用于患者的解剖结构(例如，整个心脏、另一心脏包络或者其一个或多个部分)的感兴趣区域(ROI)的非侵入性电解剖数据12。机制分析器16可以识别ROI内包含独特心律失常电活动的一个或多个机制的一个或多个区。如本文中所使用的，不规则活动的机制可以对应于可驱动或便于独特节律运动障碍电活动，诸如心律失常，的任何生物或电气机制。对于给定的心律失常可以有任何数量的一个或多个机制，这是心律失常的潜在原因或促成心率失常。独特心律失常电活动的机制的例子可以包括转动体、病灶(focal point)、快速(例如，爆发)周期长度的区域、室间同步以及室内同步。机制分析器16还可以表征每个识别出的机制或这些机制的组。如本文所公开的，例如，机制分析器16可被编程为计算用于的已被识别出一个时间间隔的一个或多个机制的可持续性的指示(例如，可持续性指标)，诸如基于机制的数量和这种机制的平均可持续性。
如本文所使用的，“独特心律失常电活动”及其变体是指其中电生理信号或从这些信号得出的信息表现出正常状态之外的某种东西的任何一个或多个可探测的条件，与患者或对应患者群体的基线相比，这种东西可以是混乱、不规则、比正常更快或更慢。心律失常电活动的例子因此可以包括对解剖结构(例如，心脏、大脑等)的点或区域的心律失常，诸如可以包括心动过缓、房性心动过速、心房扑动、心房颤动、房室结折返性心动过速(AVNRT)、房室反复性心动过速(AVRT)、室性心动过速、心室扑动和心室颤动。此外或作为替代，心律失常电活动也可以涵盖跨一个或多个区域的不规则或同步失调电活动，所述区域可以包括不同室内的空间区域或者公共室内的不同区域。心脏包络上包含一个或多个这种探测到的在一个时间间隔内发生的独特心律失常电活动的机制的被界定的区域定义对应的区。
机制分析器16可以识别包含一个或多个机制并向输出生成器18提供区数据的每个区。区数据可以指定在对应时间间隔期间在给定区内发生的多个机制以及在相应时间间隔期间在每个区中被识别出的每个相应机制的类型。输出生成器18可以提供关联的输出数据20，从而以图形方式在图形图中表示区。例如，一个或多个区(每个包含一个或多个机制)可以在3D图中被识别为具有特定颜色或其它编码的空间区域，从而将该空间区域识别为区。在一些例子中，每个机制的数量和类型也可以在解剖表面的图形图上被识别(例如，经由颜色编码或其它注释)。
作为例子，响应于用户输入利用指向元件选择对应于区的交互式图形用户界面(GUI)元素或者将指向元件悬浮在区GUI元素上方，输出生成器18可以提供已经为每个相应区识别出的机制的数量和类型以及这种机制的其它特性(例如，机制可持续性的指示)。
在一些例子中，不同颜色或其它基于视觉或文本的指示符可以基于输出数据给出。例如，输出生成器18可被配置为采用色标来以图形方式相对于包含心脏的3D图的描绘的图形图的其它部分区分已经由机制分析器16识别出的每个区。
如所提到的，非侵入性电解剖数据12可以从在患者身体的表面上的传感器位置的布置获得的非侵入性测量得到。此外，***10可以实现复杂的信号处理技术，以映射瞬态、间歇的、不稳定的心律失常，包括变化周期长度的心律失常，像例如心房和心室颤动。由***10提供的输出数据20还可以以电生理学家熟悉的一个或多个格式提供3D图和单极电描记图的交互式显示。输出生成器18还可以基于电解剖数据12以及心内数据14生成输出数据，以提供高度准确的双心房、双心室或整个心脏解剖结构心脏图，诸如在详细描述的心脏几何形状上。
***10还可以包括心内感兴趣信号(SOI)分析器22，以分析在与由机制分析器16识别出的一个或多个区关联的不同空间位点的多个SOI中每一个的心内电数据14。因此，心内SOI分析器22采用心内电数据14来确定测量在那里被获得的多个位点中每一个的一个或多个心内信号特性。例如，心内SOI分析器22可以为每个位点处理SOI，以计算心内信号特性，以包括从在每个位点处的SOI的一个或多个测量间隔确定的周期长度、周期长度变化、连续激活的百分比、激活斜率和分离的一个或多个。测量间隔可以是其间电气测量利用位于患者体内的一个或多个传感器为每个心脏位点直接侵入性获得的时间段。传感器可以是接触患者的心脏的表面的直接接触传感器或者是侵入性地探测电活动但不接触心脏的表面(例如，通过心外膜或通过心内膜)的非接触传感器。
因此，输出生成器18可被编程为生成将区数据和心内信号特性数据集成的输出数据20，其中区数据对应于一个或多个区的独特心律失常电活动的一个或多个机制，心内信号特性数据对应于每个相应区内的多个位点的心内信号特性。例如，集成的输出数据可以作为叠加在心脏模型上的心电活动混合图形图提供，该图将全局的搏动非侵入性映射与得自直接心内测量的信息相组合。
在一些例子中，心内电数据14可以基于侵入性获得的测量和从非侵入性身体表面测量的重构的电信号的组合得出。例如，通过比较和关联来自侵入性测量的生理信号特性(例如，激活时间、复极化时间、信号幅度等等)与经一个或多个共同的时间间隔在相同或大致相同空间位置处的重构的电信号，可以确定可应用到重构的电信号的变换。这种变换可被存储在存储器中并应用到在相同或大致相同位置处的后续重构的电信号(例如，电描记图)，以转换这种电描记图来模拟在相同位置处直接测量的信号。例如，变换可以施加诸如激活时间的形态信号分量的时移，以与相应的局部位点处的测量的激活时间对准。相似的变换可以被计算并应用，以将在每个测量信号位点处的重构的信号转换成对应心内信号的替代。当附加的测量是在此类位点或新位点处进行时，变换可以被相应地更新或生成。
图5绘出了展示给定测量间隔的测量的感兴趣信号(SOI_A)与相同位置和时间间隔的对应重构的电描记图(RECONSTRUCTED_A)之间的激活时间的校准的信号的例子。其它重构的电描记图可以是跨心脏包络的随机或附近位置。激活时间之间的关系可被存储为变换并应用到后续重构的电描记图，以提供在位点A处的替代重构的心内信号。
应当理解，校准可以相对于在已知空间位置测量的任何类型的心内信号来实现。同样，如果对于有组织的心律失常没有更多的相关。例如，在心脏包络的给定区域中，用户可以将给定的心内电描记图链接到空间和时间上一致的重构的单极电描记图。可以被自动化或响应于用户输入的链接还可以使用心内电描记图来定义重构的电描记图的激活时间。这允许重构的电描记图是心内激活定时的替代，使得对位置的侵入性测量对于确定心内激活定时是不必要的。
作为另一个例子，心内SOI分析器22可以基于经一段时间计算的特性的统计分析来计算心内信号特性的值，诸如可以包括每个位点的一个或多个测量间隔或者其每个位点的选定的一个或多个部分(例如，响应于用户输入或自动地选择)。例如，可以基于对给定位点的每对连续激活时间之间的时间间隔为在该给定位点的SOI计算周期长度，其中SOI的周期长度时间值可以随时间进行平均(例如，周期长度的总和)，以提供每个位点的平均或中值周期长度。周期长度变化可被确定为已经为每个SOI计算的周期长度时间值的标准偏差。其它信号特性(例如，统计信息)可为每个SOI计算，如本文所公开的。
作为另一个例子，心内SOI分析器22可以计算在相应SOI处的心内信号特性的统计信息，其中心内信号特性依赖于为该SOI驻留在其中的区所识别出的机制。给定区的代表性SOI统计数据可被定制，以反映为给定区探测量的一个或多个机制。如果，例如，区1具有80％的转动体、20％的病灶，并且SOI统计信息A表示转动体和SOI统计信息B表示病灶，则心内SOI输出可以反映A 80％和B 20％。以这种方式，***可以计算和加权统计信息，以表示识别出的从非侵入性电解剖数据确定的机制。
心内电数据14可以对应于已经与非侵入性电解剖数据12生成并发地或在其后获得的数据。为了便于心内电数据14的收集，对应的导航或定位***可被用来提供位置数据24。位置数据24可被提供给输出生成器18，其可被用来生成输出数据20，输出数据20可以包括正被用来在患者体内侵入性地进行直接测量的传感器或其它设备的位置的指示(例如，图形表示)，以提供心内电数据。位置数据24还可被编码成由SOI分析器22确定的心内信号特性，诸如为了提供还可以包括对应于进行测量的时间(例如，时间戳数据)的元数据。心内SOI分析器22可以向输出生成器18提供确定的心内电特性，以创建作为输出数据20的一部分提供的对应的三维图，用于可视化。例如，位置数据可以实时地生成并被输出生成器用来动态地更新3D图，从而以图形方式实时地呈现探测到的设备的位置。
作为另一个例子，在诸如消融的治疗过程期间，用户通常可以可视地监测由心内SOI分析器22确定的一个或多个心内电特性(例如，在输出数据20中提供)，以监视一个或多个心内电特性中的输出或变化。除了为在那里测量SOI的多个位点中的每一个计算心内电特性，心内SOI分析器22还可以通过相对于为给定区中每个位点计算的心内信号特性聚集或执行其它统计方法(例如，均值、标准偏差、方差，等等)来计算区统计信息(例如，在局部)。例如，响应于消融区内的给定位点，用户可以与在这种位点的这种消融并发地或在其后确认在被消融的位点以及区内一个或多个其它位点的改变。例如，输出生成器可以将在治疗前一个或多个计算出的心内信号特性与基于在这种治疗期间或之后获得的心内数据计算出的对应心内信号特性相比较。此外或作为替代，输出生成器18可被编程为将治疗前的区数据(例如，指定心律失常机制，诸如类型和个数)与基于从非侵入性数据12得到的区数据计算出的对应心内信号特性相比较，所述心内信号特性是在这种治疗期间或之后从非侵入性测量计算出的。如所提到的，治疗可以包括一个或更多个组成部分，诸如包括生活方式的改变、药物、外科手术(例如，消融、起搏)和/或心脏康复。
在图1的例子中，输出生成器18包括优先化引擎26，以确定用于一个或多个区内的多个位点的优先级。优先化引擎可被编程为基于由心律失常电分析器16确定的独特心律失常电活动的机制、基于为相应区内的多个位点确定的心内信号特性或基于其组合(例如，加权组合)来计算优先级。优先化引擎26可以确定不同类型的优先级，诸如包括对应于已经由心律失常电分析器16识别出的多个区中的排名或优先化的区优先级。优先化引擎26可以基于在一个或多个时间间隔期间在每个相应区内发生的不规律活动的机制的相对数量来确定多个区当中的区优先级。例如，在给定时间间隔期间包含更大量转动体和病灶的区可被分配比包含更少量转动体和病灶的区更高的进行治疗的优先级。此外或作为替代，优先化引擎可以根据用于对每个相应区识别出的机制的可持续性的指示来确定区优先级。
优先化引擎26还可以根据在哪里获得SOI测量的多个位点确定每个相应区内多个位点当中的局部优先级。例如，优先化引擎26可以评估用于给定区内的位点的多个不同心内信号特性，以便在给定区内的位点中确定进行治疗的排名或次序。如所提到的，在一些例子中，心内信号特性可以包括为相应SOI确定的周期长度、周期长度变化、连续激活和分离的百分比。
优先化引擎26还可以根据由机制分析器16为给定区确定的独特心律失常电活动(心律失常或同步失调)的特定的(一个或多个)机制来向每个不同类型的心内信号特性分配不同的优先级权重。以这种方式，信号特性可以被加权和/或规格化，从而使优先化引擎26能够基于这种区的加权信号特性确定给定区内的局部优先级。加权可以通过强调和/或不强调不同信号特性的贡献来实现。
作为一个例子，响应于确定给定区中的活动的唯一机制包括一个或多个转动体，优先化引擎26可以相对于为该给定区确定的其它心内信号特性对计算出的连续激活的特性的百分比应用更大的优先权重。以这种方式，为给定区内每个位点计算出的连续激活的百分比可以在更大程度上对仅包含转动体的这种区内的每个相应位点的优先化起作用。换言之，与激活的百分比相比，其它信号特性(例如，周期长度特性和分离)将对由优先化引擎26确定优先权有更少贡献。
作为另一个例子，响应于确定给定区内不规则活动的唯一机制包括一个或更多个病灶，相对于为该给定区确定的其它心内信号特性，更大的(例如，增加的)优先级权重可以归因于周期长度特性，诸如周期长度和/或周期长度变化。以这种方式，当在给定区内没有探测到转动体和一个或多个病灶时，周期长度特性可以在确定给定区内的多个位点中的优先级方面超过其它心内信号特性被强调，从而在更大程度上起作用。
在给定区包含多个不同类型的心律失常机制的例子中，与给定区中每个相应类型的机制的数量成比例的对应权重可以应用到不同的心内信号特性，用于确定多个点之中对应的优先级。结果所得的位点优先级可以作为输出数据20中可在叠加到解剖结构上的三维图中被识别的部分(例如，图形、文本和/或颜色编码)来提供。按优先级次序的位点的表或其它列表也可以在输出数据20中生成，用于向用户显示。
如本文中所公开的，***10可被用作EP研究的一部分或者其它形式的可以将非侵入性电数据和心内数据相集成以获取关于患者的解剖结构的信息的过程，诸如作为治疗计划过程的一部分。在其它例子中，***10可以结合应用治疗被用作治疗过程的一部分，诸如根据已经由优先化引擎26确定的优先级直接到识别出的区内的位点。此外，其它形式的治疗可被用于直接或间接地治疗患者，其结果可以经由***10进行评价。
图2绘出了侵入性和非侵入性电信息相集成的***50的另一个例子。***50包括被配置为处理非侵入性获取的电数据52的非侵入性子***。非侵入性获取的电数据52可被用来提供患者的期望的解剖结构的感兴趣区域的全局视图，诸如提供跨多个室的搏动信息以及，在一些情况下，整个心脏表面。另一个子***可以处理心内电数据54，诸如可以基于对多个点侵入性进行的测量被存储在存储器中，其中测量是基于在患者体内定位的传感器。虽然心内电数据54可以基于侵入性获得的测量，诸如经由直接测量和/或应用变换以将重构的电信号转换为近似直接测量的信号(例如，从侵入性和非侵入性测量得到的变换，如上面所提到的)，但是***50不需要任何特定的信息源。换句话说，***50处理已存储在存储器中的数据54和52并且不需要与患者的治疗或交互来执行本文公开的功能和方法。因此，***50可被实现为存储在存储器中的机器可读指令，该指令和相关的数据可被一个或多个处理单元访问并执行。
***50可以包括重构引擎56，以结合几何数据58处理非侵入性电数据52，以提供诸如心脏表面的解剖包络的对应非侵入性解剖数据60。如本文中所使用的，包络可以对应于患者体内与感兴趣的区域，即，患者的心脏，关联的实际解剖表面(例如，心外膜表面)或虚拟表面。几何数据58可以基于经由成像***，诸如磁共振成像(MRI)、计算机断层扫描(CT)、X射线或其它***获得的信息存储在存储器中。
例如，几何数据58可以包括三维坐标***中表示感兴趣的解剖区域(例如，患者的心脏)的空间几何形状的信息，被用来相对于心脏的位置和传感器在其上定位的身体表面的位置测量非侵入性电数据52的多个传感器的空间位置。重构引擎56被配置为基于经一个或多个时间间隔获取的非侵入性电数据52和几何数据58重构在心脏包络上空间分布的多个节点的电活动。在一些例子中，依赖于由重构引擎56执行的重构过程，节点的数量可以大于1000或2000或更多。
作为进一步的例子，非侵入性电解剖数据60可以对应于在心脏包络空间上分布的节点的单极或双极电描记图。在图2的例子中，***50还包括相位计算器62，以计算已重构到心脏包络上分布的节点上的电信号(例如，电描记图)的相位。
作为例子，几何包络可被表示为网格，包括由边互连的多个节点，以定义网。相位计算器62可被编程为将电信号的每个周期转换成随时间变化的周期性信号。例如，相位计算器62可以以增加的方式在每个周期的相位值开始和结束之间，诸如[-π和π]之间，的时间中分配每个点。相位计算器62可以在各个时间点为几个时间间隔计算相位信息，以使得分析在时间和空间一致性方面是鲁棒的。在一些例子中，对于已经获取电数据的一个或多个时间间隔，相位计算器62可以为心脏包络上的每个位置(例如，大约2000或更多个点)提供对应的相位数据。由于可以为整个几何区域(例如，在整个心脏表面之上)并发地测量和/或得到电信号，因此计算出的相位数据及结果所得的波阵面同样跨感兴趣的几何区域是空间和时间一致的。在一些例子中，相位数据因此可以对应于跨患者心脏的整个表面的相位。在其它例子中，相位数据可以对应于感兴趣的一个或多个区域，这可以包括对于相同的时间间隔患者心脏的多个室。
计算器可以如何基于用于表面的电数据14确定相位的例子在于2013年9月20日提交的标题为“PHYSIOLOGICAL MAPPING FOR ARRHYTHMIA”的PCT申请No.PCT/US13/60851中公开，该申请通过引用被结合于此。在其它例子中，其它方法也可被用来确定相位。在一些例子中，非侵入性电数据可以对应于随时间获取的实时数据。在其它例子中，非侵入性电数据是在EP过程研究等之前从附连到患者的身体表面的传感器获取的。
***50包括被编程为基于对应于非侵入性电解剖数据60的重构的电信号和/或基于由相位计算器62确定的相位数据来识别独特心律失常电活动的一个或多个机制的机制分析器(例如，对应于图1的分析器16)64。如上面所提到的，相位数据和电解剖数据60可以分别表示在心脏包络上分布的多个节点中每一个的相位和电描记图。
机制分析器64可以识别心脏包络的感兴趣区域(例如，患者心脏的表面)内包含独特心律失常电活动的一个或多个机制的一个或多个区。在图2的例子中，机制分析器64包括转动体分析器66、病灶分析器68、区标识符和快速周期长度计算器72。虽然三个这样的方法在图2的例子中被展示用于探测和表征心律失常机制，但分析器64可以是可扩展并且用户可编程的，以探测和识别其它机制。
例如，分析器64也可以计算选定区域内或多个区域中同步性的指示，诸如可以包括室间同步性(例如，双心房或双心室)以及用于具有给定室的多个区域的室内同步性。作为一个例子，分析器64可以基于非侵入性电数据计算一个或多个指标来描述对于解剖ROI(例如，心脏包络)上一个或多个区域的同步性的指示，诸如全局指标或区域指标，如在美国专利公开No.2013/0245473中所公开的，其对应于美国专利申请No.13/882,912，该申请通过引用被结合于此。
举例来说，转动体分析器66可被编程为分析存储在存储器中的相位数据，以在时间和/或空间上探测和表征心脏包络的转动体动力学。例如，转动体分析器66可以基于从相位数据得到的波阵面数据识别几何表面上对应于一个或多个转动体核心轨迹的位置。转动体分析器66还可以探测一个或多个稳定的转动体核心并为一个或多个探测到的稳定转动体得出相关信息。例如，转动体分析器66可以随时间跨几何表面为稳定转动体计算统计信息和/或确认转动体之间的连通性。
例如，依赖于转动体在心脏包络上被探测到的解剖位置，转动体分析器66可以将转动体分组到相应的区中。在区中，转动体可以几种不同的方式被计数。作为一个例子，将给定区内旋转的总数求和可以被加在一起，以提供转动体的数量的指示。在空间区中量化转动体的另一个例子是如下随在定义的时间间隔上(例如，自动地选择的持续时间或响应于用户输入)的可持续性指标(例如，对于区域或全局的比率)：
例如，区1具有4次探测：1.5、1.5、3和2次旋转。区2具有2次探测：2.5、3。第一种方法在区1中得到8个转动体并且在区2中得到5.5个转动体。第二种示例方法2(例如，可持续性比)在区1中得到2个(例如，等式1中全部/#或探测的总和)转动体并且在区2中得到2.75个转动体。
作为进一步的例子，转动体分析器66可以对沿每条轨迹的节点计算时间加权平均值，并除去离识别出的波断点轨迹的中心(例如，质心)超过预定距离的节点。在比预定距离远的节点被除去后，另一个平均值可以被计算，直到所有剩余的点都在离剩余轨迹的中心的预定距离(例如，半径)内。该过程可以进一步被重复，直到不在中心的预定距离内的所有剩余部分都已被除去，直到它们是某条子轨迹的一部分。
作为另一个例子，转动体分析器66可以基于用于集群转动体的预定距离实现集群算法来在空间和时间上集群给定的转动体核心轨迹中的波断点，以确定稳定的部分。每个稳定的转动体部分可以定义相应的转动体并且总数可以对给定的区聚集(例如，在空间上和/或时间上)，以提供在一个或多个时间间隔期间在该区内发生的转动体的数量。结果所得的转动体信息可被存储在机制分析数据74中，并被用来生成图形可视化，以在一个或多个图中呈现空间和时间上一致的信息(例如，根据色标或灰度级呈现)。可由转动体分析器66实现的方法的一个例子在于2014年5月8日提交的标题为“ANALYSIS AND DETECTION FORARRHYTHMIA DRIVERS”的美国专利申请No.14/273,458中公开，该申请通过引用被结合于此。
病灶分析器68被配置为基于为心脏包络中的节点计算出的相位数据识别一个或多个病灶。病灶(在本文中其复数被称为病灶)对应于电活动的一个或多个起点，诸如心律失常(例如，心房颤动、房性心动过速、心室颤动、室性心动过速等等)。因此，病灶可以指激活发起并从该初始位置扩展到其周围组织的任何位置点。举例来说，病灶分析器68可以基于分析与跨几何表面的节点的信号的激活和相位相关的空间和时间信息为给定的几何表面识别病灶。分析可以包括给定几何表面上的节点的相位相对于驻留在该给定节点周围的邻居(例如，节点的一个或多个层)中的节点的相位的比较。比较可以经足以涵盖触发事件–对应于病灶–的时间段内在给定节点与其邻居节点之间进行。例如，病灶节点的邻居具有稍后的激活时间，但在相位上相对于彼此是同步的。得分可以分配给每个病灶。对应的病灶图可以基于跨一个或多个时间间隔为每个节点累积的得分来生成。节点的相位数据可以由上面提到的相位计算器提供，并且该节点的激活时间可以基于电解剖数据60为该节点确定。
作为另一个例子，病灶分析器68可以通过根据来自初始病灶候选节点的激活相对于在该初始候选节点周围的邻居(例如，一个或多个层)中的周围节点的扩散分析一组一个或更多个病灶候选节点来为给定的几何表面识别病灶。例如，病灶分析器68采用规则在空间和时间上评估激活的扩散，以确定是否将初始病灶候选节点归类为病灶。结果所得的病灶数据也可被存储在机制分析数据74中并被用来生成图形可视化，以在一个或多个图中呈现空间和时间上一致的信息(例如，根据色标或灰度级呈现)。
通过进一步的例子，从数学定义，在给定的时间t，如果
则病灶分析器68可以确定病灶出现在给定的节点x处，
其中：φx(t)是在时间t在顶点x的相位值，
φl,i(t)是在第l层邻居中的第i个顶点的相位值，
n是控制层数的可调节参数，以及
Nl(x)是包含在顶点x的第l层邻居中所有顶点的集合，如在图2的层状邻居图中所展示的。
为了使这个过程对噪声是鲁棒的，可以使用在给定节点周围的若干层(例如，n＝2到n＝4或更大)邻居。病灶触发通常至少会持续至少几毫秒。从而，上面的不等式将对跨时间间隔的几个连续数样本保持。
其中m是控制这个事件的最短持续时间的可调节参数，以将顶点归类为病灶(例如，m＝5ms)。
基于等式3的相位比较可以在激活时对节点X执行以及在激活时间之后的激活后时间段执行。在X激活之后评估比较的时间段可以是固定的默认时间段或者它可以是用户可编程的。在一些例子中，可变的评估时间段可被设置为基于在节点X的附近被评估的层数而改变(例如，更大数量的层可以采用更大的时间段，以适应扩散)。作为例子，用于每个节点，包括给定的节点X，的激活时间可以基于在X的电描记图信号的时间导数来确定，诸如可以是在X处的电描记图的最小斜率或最大绝对斜率的时间；但是可以使用其它激活时间探测算法。
为了用数值方式表示病灶探测结果，对于按上面的等式3被探测为病灶的每个节点，相位比较器可以将给定节点打分1，对于出现在相同或不同节点的多个实例，使得病灶分析模块14可以为每个节点累积得分。作为数学例子，病灶分析模块14可以比较相邻信号的计算出的相位，以确定在给定的采样时间t处顶点x的得分Fx(t)，其可以被如下表示：
病灶分析模块14还可以计算随时间的聚集得分，诸如可以被如下表示：
作为另一个例子，病灶分析器68可以建立要对每个比较所应用的变量得分。因此，代替将顶点节点与相邻节点之间的每个比较评分为1或0，如上面所提到的，顶点节点与邻居之间的比较可以作为随着被比较的节点之间的距离而变化。病灶分析还可以确定其它病灶统计信息，诸如包括但不限于在PCT公开No.WO 2014/113555中所公开的那些，该申请对应于2014年1月16日提交的标题为“FOCAL POINT IDENTIFICATION AND MAPPING”的国际申请No.PCT/US2014/011825，该申请通过引用被结合于此。
作为又一个例子，病灶分析器68可被编程为基于电解剖数据表征在心脏包络上给定解剖位置处的病灶驱动部的可持续性。例如，病灶分析器68计算经规定的时间间隔(例如，AF间隔)病灶源从给定的解剖位置释放的次数(例如，出现)。因此，在给定的时间间隔上，每个病灶位置将具有关联的病灶释放计数。所有探测到的源的平均病灶释放计数产生全局病灶可持续性指标。在给定的解剖区域内，所有探测到的位置的平均病灶释放指标得到局部病灶可持续性指标，诸如以下。
快速周期长度计算器72可被编程为计算快速周期长度(例如，周期长度加速度)的区域，诸如基于非侵入性电解剖数据60识别爆发驱动部。例如，周期长度计算器72可以为心脏包络上的节点计算激活时间，激活时间随着电解剖数据60中重构的电描记图的周期性质而变化。周期长度可以经连续激活时间在间隔内每对相邻的搏动对出现之间的持续时间被探测。周期长度可以为多个节点中其电描记图已在心脏包络上重构的每个节点计算。
例如，快速周期长度计算器72可以为跨心脏包络分布的节点的多个重构的电描记图计算平均周期长度。如果在时间间隔期间节点的平均周期长度足够低(例如，低于规定的阈值，其可以是用户可编程的)，则可以为每个这样的节点识别快速周期长度。在其它例子中，区的周期长度的平均值可以存储在存储器中并被用于比较已经被区识别器70识别的多个区中的每一个区当中的相对周期长度。
此外，如本文所公开的，机制分析器64可以确定多个机制驱动部(例如，转动体和病灶驱动部病灶释放)的可持续性，并且总持续性可以通过聚合为每个这种驱动部计算出的指标的归一化值来计算。例如，当机制包括转动体和病灶驱动部时，等式1和6可被组合，以提供在解剖位置(局部)或在更大区域(全局)中的聚合可持续性，该聚合可持续性表示驱动部可持续性的程度，诸如以下：
驱动部可持续性＝∑(转动体可持续性+病灶可持续性) 等式7
区识别器70可以被编程，以基于由转动体分析器66、病灶分析器68和快速周期长度计算器72确定的心律失常机制之一或组合来识别一个或多个区，诸如上面所描述的。在一些例子中，给定的区可以是心脏包络上识别出的空间区域。在其它例子中，区可以包括一个或多个机制的空间和时间组合部分。作为例子，区识别器70可以采用聚集群算法来识别跨心脏包络的空间区域，以在定义每个相应区的有界区域内将转动体、病灶和/或快速周期长度节点分组。
举例来说，每个区可以通过以下任何一个来识别：1)用户从CT几何形状来预定义区，2)机制重叠分组为1个区域，直到超过阈值X的周长，3)图上的手工定义，这依赖于探测的机制的位置。
1)在心脏细分之后，用户通过在心脏包络上绘制区来定义周长，每个区具有独特的解剖名称。区的这种绘制可以在重构之前进行，假定心脏网格点是已知的。
2)自动区定义可以基于机制(例如，转动体驱动部、病灶驱动部或爆发驱动部)的空间重叠来确定。给定的区将一直延伸到有重叠的地方，直到它达到某个阈值。在这种情况下，自动区定义可以将“尺寸过大的区”分割成1/2。
3)后逆问题(Post-inverse problem)和转动体/病灶探测，用户可以响应于用户输入而对特定于那个患者的区域画圈(例如，经由绘图工具)。基于被包围的区域，在每个区域中的节点的集合将被空间配准为驻留在区中。
心律失常机制分析器64继而可以提供机制分析数据74，该数据可以包括对应于每个识别出的区的空间区域的标识以及与已经从非侵入性数据在其中识别出的心律失常机制关联的统计信息。例如，这种统计信息可以包括在给定时间间隔期间在给定区中发生的转动体的次数、在给定时间间隔期间在给定区中的病灶的个数以及在给定时间间隔中相应区的周期长度。因此，机制分析数据74可以作为输出数据76被提供，其继而可以作为图形3D图的一部分在显示器或其它形式的输出设备上被描绘。机制分析数据74还可被存储在存储器中并被本文公开的其它***和方法使用。
***50还可以包括心内SOI分析器(例如，对应于图1的分析器22)78，以分析可以存储在存储器中的心内电数据54。例如，心内电数据54可以基于直接从一个或多个传感器，例如探针、导管或其它测量设备，测量的电信号在测量时间间隔期间为一个或更多个解剖位点所获取。心内电数据54可以与位点位置数据80组合，以提供用于电活动在那里被测量的每个位点的位置的指示，如由心内电数据54所提供的，其中心内电数据54可以作为非侵入性电解剖数据60与坐标***共同配准。例如，位点位置数据80可以由导航***82提供。
作为一个例子，探针导管或其它设备可在患者体内被定位，以测量在多个位点处的电活动。作为一个例子，每个位点可以对应于在已在机制分析数据74中被识别出的一个或多个区中的位置(例如，如由区识别器72确定的)。在一些例子中，位点位置数据80可被用来提供对被用来获得作为心内电数据54存储的测量的设备位置的图形表示，以便于测量设备到识别出的区内的期望测量位点的定位。一旦设备在给定的区内被定位，对感兴趣的信号的测量就可在存储器中被记录并存储，作为给定区内的多个位点的心内电数据54。这个测量过程可以对每个识别出的区内的任何数目的位点(例如，四个或更多个位点)重复。
心内信号特性可以由多个信号特性计算器来计算。在图2的例子中，由SOI分析器78实现的计算器包括百分比连续激活计算器84、周期长度特性计算器86、分离计算器88和心内特性聚合器功能90的部分。计算84–90中的每一个可以为每个位点计算对应的统计信息，这些信息可被共同存储为每个相应区的心内信号特性数据92。
作为另一个例子，百分比连续激活计算器84可以为给定区内的多个位点中的每一个计算连续激活的百分比。连续激活的百分比可以通过基于测量的电活动，诸如对应于测量的信号的导数的激活、双极电描记图中的信号峰值(作为例子，经由频率或峰值振幅分析确定的)(例如，DV/DT)，计算激活时间来计算。期间激活发生的测量时间间隔的百分比(例如，激活区)可被存储为连续激活的百分比。
作为例子，百分比连续激活计算器84识别在每个局部激活探测周围的主动间隔。基于频率和振幅阈值标准，主动区被定义为包围满足频率和振幅阈值标准的激活的峰值的区。信号的这一部分是主动部分。连续激活计算器84继而计算连续激活的百分比，作为主动部分与被动部分(例如，剩余的信号)之比。
周期长度计算器86可以充分利用由计算器84(和/或计算器72)计算出的激活时间。例如，在给定的测量位点处在测量间隔上确定的每个激活时间可以被评估，以计算周期长度(例如，周期长度被确定为连续搏动之间的激活时间之间的时间差)。因此，在测量间隔上的平均周期长度可以通过在这种时间间隔上平均周期长度值来计算。周期长度计算器86还可以计算周期长度变化的指示，诸如对应于被计算的周期长度的标准偏差或标准误差。因此，周期长度计算器86可以既计算平均周期长度又计算周期长度变化，它们可被存储在心内信号特性数据92中，作为每个识别出的区中的每个测量位点的周期长度特性。
分离计算器88可以为在经测量时间间隔的电描记图电数据中提供的每个电描记图计算分离的指示。分离可以对应于在已经在测量间隔期间为多个位点中的每一个识别出的对应搏动中探测到的平均分离。例如，分离计算器可以对测量间隔的对应的电描记图执行信号分析，以探测所测量的SOI中交替增加和减小的电位的实例的频率。例如，分离计算器可以取得于SOI的时间导数(dv/dt)，以探测在测量间隔期间信号中的斜率的变化(例如，在正值和负值之间)。在测量间隔期间分离的量可以被归一化并在心内信号特性数据92中被存储为分离值(例如，分离指标)。
心内特性聚合器90可以聚合给定区内计算出的心内特性(例如，周期长度、周期长度变化、百分比持续激活、分离、斜率陡度)，诸如通过平均随时间对给定区内位点计算出的特性，以便为(例如，由区识别器70识别的)每个相应区提供心内特性的平均值。每个区的聚合特性也可被存储为心内信号特性数据92的一部分。
***50还可以包括优先化引擎94，以基于机制分析数据72和心内信号特性数据92为区和/或每个区内的位点确定优先级。优先化引擎94可以包括区优先级计算器98，以确定已被心律失常分析器64的区识别器72识别出的多个不同区当中的优先级。例如，可以存在任意数量的已根据非侵入性电数据52跨感兴趣的表面被识别出的空间区域。
作为一个例子，区优先级计算器98可以基于机制分析数据74计算区优先级。例如，区优先级计算器可以根据已被识别为在给定测量间隔期间在每个相应区中发生的心律失常机制的总数设置区优先级。因此，具有最高数量的心律失常机制的区可以相对于具有较少数量的区被分配更高的优先级值。此外或作为替代，区优先级计算器98可以确定已经基于比较已为每个相应区确定的心内信号特性的平均值被识别出(例如，由心内特性聚合器90)的多个区中的区优先级。作为又一个例子，区优先级计算器98可以确定已经基于机制数量和心内信号特性的平均值的组合被识别出的多个区中的区优先级。这种组合的优先级为每个区计算，作为机制发生和SOI统计信息之间的加权平均值，以确定区当中的区优先级。因此，区优先级可以作为输出数据76的一部分被存储并被医生用来确定已被识别为包含心律失常机制的区当中的治疗优先级。此外或作为替代，优先级可以为需要进一步分析的位置提供排名(例如，基于对增加数量的位点的测量)。
优先化引擎94还可以包括局部优先级计算器100，其可被编程为计算已为其获取心内电数据54的每个区内的多个位点当中的局部优先级。通过评估每个相应区内的位点的心内信号特性，局部优先级计算器100可以为每个相应区确定位点当中的局部优先级。局部优先级计算器100可被编程为基于已为区识别出的心律失常机制，如由机制分析数据74所提供的，对给定的区选择性地采用(存储为数据92的)一个或多个心内信号特性。
作为进一步的例子中，优先化引擎94可以包括心内加权功能96，以向已为给定区内的位点计算出的两个或更多个不同的心内信号特性分配不同的优先级加权。加权功能96可以根据已为每个相应区识别出的独特心律失常电活动的(一个或多个)机制分配不同的权重。其结果是，心内信号特性可以根据由加权功能96应用的权重被选择性地加权，以提供对应的加权信号特性。当施加这种权重时，局部优先级计算器100可以基于给定区的加权信号特性为给定区内的多个位点提供局部优先级。如所提到的，权重可以依赖于已为每个相应区识别出的机制的数量和类型。因此，依赖于已在每个相应区中识别出的类型和/或数量，心内加权功能96可以对不同的区应用不同的权重。
作为一个例子，响应于确定仅给定区内的心律失常机制包括一个或多个转动体，心内加权功能96可以相对于已经确定的其它心内信号特性向连续激活特性的百分比分配更大的优先级权重。以这种方式，当只有转动体或大多数转动体在给定区内被识别出时，连续激活值的贡献在确定多个位点当中的优先级时被强调。
在另一个例子中，响应于确定仅给定区内的心律失常机制包括一个或多个病灶(病灶)，心内加权功能96可以向周期长度特性，包括周期长度或周期长度变化中一个或两个，分配增加的优先级权重。以这种方式，当仅病灶或大多数病灶已在给定区中被识别出时，一个或多个周期长度特性(例如，由周期长度计算器计算出的)可以相对于已由SOI分析器78确定的其它心内信号特性强调。
当给定区的机制分析数据74指示转动体和病灶都已经在给定区内被识别出时，心内加权功能96可以与已在给定区内被识别出的不规则活动的机制的每种类型的数量成比例地给不同的心内计算器功能84–90加权。由加权功能96分配的特定权重值可以依赖于各种特定于患者的情况、用来获取心内数据54的测量设备的类型，以及基于非侵入性电数据和/或心内数据54当中一个或二者的其它探测到的心脏信息。因此，优先化引擎94可以提供输出数据76，以包括区优先级的指示，诸如上面所提到的，以及每个相应区内SOI的位点的局部优先级的指示。被确定的每个优先级可以在患者解剖结构的三维图上图形表示。此外或作为替代，输出数据76可被用来为每个相应区内的位点生成所确定的优先次序的报告或列表，诸如可以结合三维图来呈现。作为例子，优先级可以指定哪些位点对识别出的心律失常机制贡献最大。因此，给定区内的位点优先级可以为给定区内的每个位点提供推荐的治疗次序。
***50还可以包括评估器102，以评估在机制分析数据中、在心内信号特性数据中随时间发生的变化，或它们的组合。例如，评估器102可被编程为比较经对应的时间间隔识别机制的机制分析数据74与包括为对应测量间隔确定的一个或多个心内信号特性的指示的心内信号特性数据92当中一个或二者。此外，评估器102还可被编程为评估为给定患者从不同时间间隔重构的非侵入性电解剖数据60以及从这种数据得出的信息中的变化。作为又一个例子，评估器可以评估随时间从大致相同位点测量的心内电数据的变化。
举例来说，由评估器102使用的机制分析数据74可以对应于基于在患者治疗之前获得的非侵入性电数据52以及在患者治疗之后或期间获得的非侵入性电数据确定的数据。治疗可以包括直接向心脏应用疗法，诸如消融(例如，射频消融、冷冻消融、化学消融或手术消融)或者向心脏应用电刺激(例如，起搏)或化学刺激。在其它例子中，治疗可以被间接施用，诸如通过化学品、药品或者被施予患者或由患者进行的其它形式的心脏治疗(例如，运动或生活方式改变)。因此，评估器102可以在每个区中比较治疗前的机制分析数据74与来自一个或多个其它不同时间段的类似数据，包括治疗中和治疗后的机制分析数据。例如，评估器可以基于比较跨在应用疗法之前识别出的给定区附近感兴趣的区域或心房的同步性的指示与在对选定位点应用治疗之后识别出的给定区附近感兴趣的区域或心房的同步性来确定驻留在给定区中的选定位点的改进。作为响应，评估器102可以提供输出数据76，该数据76指定每个相应区的独特心律失常电活动的一个或多个机制的变化并且，在一些情况下，识别可以归因于由于这种治疗的新机制。由于机制分析数据是基于非侵入性数据时，因此处理后的非侵入性数据52和60以及对应的机制分析数据可以在无需执行侵入性EP研究的情景下获得。
通过进一步的例子，心内特性数据92同样可以包括从在多个不同阶段，诸如包括在患者治疗之前的治疗前阶段，获得的心内电数据54，以及在治疗期间和/或之后获得的、可以依赖于诸如上面提到的治疗类型的数据确定的数据。评估器102可以将一个或多个位点(例如，可以是响应于用户输入而选择的位点的全部或者子集)的心内信号特性数据92与在不同测量时间间隔为相同或大致相同位点(例如，位于原始位点的大约+/-5％之内)测量的对应心内数据相比较。例如，评估器102可以将在一个或多个选定位点的第一组心内信号特性数据，诸如治疗前数据，与来自一个或多个其它不同时间段的对应数据，包括治疗中和治疗后数据相比较，并且生成指定每个心内特性的变化的比较输出数据76。此外，用户可以响应于用户输入而选择哪些心内特性来评估其变化。
比较的结果，该结果可以包括对于治疗前和后数据的治疗前数据和治疗中数据之间计算出的差值，也可以存储在存储器中作为输出数据76。输出数据76中由评估器进行的比较的结果也可以被输出到显示器或其它输出设备。在其中比较包括治疗前和治疗中数据的特定例子中，关联的输出数据76(例如，机制分析数据74、心内信号特性数据92和由评估器102生成的数据)可以响应于在该过程期间(例如，实时地)获得的更新的数据52和54被动态地更新。以这种方式，输出数据76可以向用户提供证明改进的动态反馈，诸如可以包括独特心律失常电活动的机制的数量以及一个或多个心内特性的变化的减少。
在一些例子中，应当理解，响应于治疗而在手术中发生的更新和改变可以包括可响应于治疗而生成的增加数量的或新的心律失常的机制的变化。由于从重构的电描记图得到的机制分析数据可以跨整个心脏包络并发地识别机制，因此机制分析数据74可以响应于心脏的局部部分(例如，给定的区)的直接治疗而识别跨整个心脏表面的变化。例如，在左心房中的区中的治疗可能会响应于这种治疗而导致在相同的区或不同的区中识别出的新区。因此，***50可以分析任何这种新区，包括通过分析器64和78和通过优先化引擎94，以提供可呈现给用户的对应输出数据，以提供与治疗过程关联的附加指导。此外，***50具有基于在一个或多个时间间隔期间存在的机制来重新优先化所有区的能力，包括在治疗期间和/或之后出现的新出现的区中。
作为另一个例子，评估器102可被编程为生成输出数据76，具有指示给定的治疗位点是否已被充分治疗的信息。作为例子，评估器102可被编程为确定给定位点的一个或多个心内信号特性值已相对于预定的阈值充分改变。评估器102还可被编程为确定给定区中的心律失常机制已充分减少(例如，在该区中有零个或没有机制)，这也可被用来指定治疗可以对给定的区终止。例如，该指示可被自动和以图形方式指示(例如，颜色或其它图形指标的变化)或经由扬声器可听地向用户指示。在其它例子中，机制的数量可以在显示器或其它输出设备上显示，并且用户可以响应于确定(例如，主观地)给定区和/或位点的机制和/或心内信号特性的数量满足预期的参数而终止治疗。此外或作为替代，如果用户感知到不会有进一步的变化响应于在给定位点的更多治疗(例如，消融)而发生，则这可以是对给定位点的治疗终点的指示。
作为另一个例子，图3绘出了患者的心脏120和在Z1、Z2和Z3处展示的多个区的简化例子。例如，心脏和区可以是在患者解剖结构的交互图形表示上的三维图，例如心脏的三维模型。心脏120可以对应于心脏的通用模型、对应于从患者的解剖数据生成的模型或者从患者几何数据和通用模型的组合得到的图形模型。
如在图3的例子中所展示证明的，每个区包括多个对应于心内位点的位点。如本文所公开的，对应的心内电数据可以是在相应测量间隔期间在每个位点侵入性测量的。在一些例子中，在侵入性测量已在一个或多个区内的位点进行之后，可以生成变换，以便将与局部化的位点空间对准的非侵入性电解剖数据变换成对应的心内数据，以提供模拟侵入性测量的替代。与相应位点关联的心内电数据可以存储在存储器中(例如，作为心内电数据54)。类似的变换可以相对于其它非侵入性电数据来实现。
在图3的例子中，假设非侵入性电数据已被用来跨感兴趣的心脏区域构造非侵入性电解剖数据，诸如本文中所公开的。此外，假定在这一阶段，每个区Z1、Z2和Z3已经基于心律失常机制的分析被识别出(例如，由分析器64或14)并且心内电数据已经为每个相应区内的多个位点获得。例如，心内数据已经为包含在区Z1中的位点A、B、C和D获得。在区Z2中，心内数据已经为位点E、F、G、H和I获得。类似地，在区Z3中，心内数据已经为位点J、K、L和M获得。通过对应的心内电数据(图1的数据92)存储在每个位点A-M的存储器中，对应的心内信号特性可以为每个相应的位点计算，诸如本文所公开的。
在下面的例子中，假设至少在最初区Z1包含六个转动体并且没有病灶，Z2包含七个病灶并且没有转动体，并且Z3包含三个转动体和两个病灶。独特心律失常电活动的机制的数量和其它特性可被确定(例如，由机制分析器16或72)，以提供机制分析数据，如本文所公开的。下面的表1包括可以为给定区中的位点A、B、C和D计算(例如，由心内SOI分析器22或78)的心内信号特性的例子。图13A展示心脏的3D图形图，示出了给定的区，该给定的区具有被标记为A、B、C和D的位点。表1中列出的优先级假设该区包括6个转动体、没有病灶并且没有爆发驱动部，并且对应的加权已经根据识别出的转动体驱动部被应用，以提供在表1中展示的治疗优先级的对应次序。图13B展示心脏的3D图形图，示出了给定的区，该给定的区具有根据表1中所示的确定的加权优先级标记的位点。
表1
在下面的表2中，为了解释的简化，假设相同的心内特性值已经为位点A、B、C和D计算，就像在表1的例子中，但是对于不同的区。在表2的例子中，优先级加权被应用，假设没有转动体、15个病灶驱动部并且没有爆发驱动部，以在位点中提供结果所得的优先级次序。图14A展示心脏的3D图形图，示出了给定的区，该给定的区具有被标记为A、B、C和D的位点。图14B展示心脏的3D图形图，示出了给定的区，该给定的区具有根据表2中所示的确定的加权优先级标记的位点。
表2
在下面的表3中，为了解释的简化，假设相同的新内特性值已经计算出来，但是优先级加权被应用，假设9个转动体和8个病灶驱动部和2个爆发驱动部(参见，例如，图15中的Z3)。
表3
在表1-3的例子中，每个心内信号特性已为相应位点计算出来。如本文所公开的，每个心脏加权功能可被应用到各个心内特性，以根据为给定区探测到的心律失常机制确定对应的优先次序，诸如由每个表中最右边的列指示的。
在表1-3中呈现的信息可以类似地在输出显示器中提供，诸如在与患者的解剖结构的三维图相邻的单独窗口中，展示可以基于非侵入性电数据以及侵入性测量的心内点数据二者生成的电信息。作为例子，图13-15绘出了心脏表面的三维图形图的例子，该三维图形图示出包含在相应区内的相应测量位点(A，B，C，D)的感兴趣信号。如上面所提到的，图13A展示包含多个转动体的区的图形图，其中识别出的转动体的特性由关联的颜色编码刻度指示。虽然该区包括对应SOI测量的四个位点，但是这个或任何其它区可以包括任意数量的位点，诸如可以根据用户的喜好或映射导管的构造而变化的。在图13B中，SOI已经基于对为该区确定的心内信号特性应用优先级加权(例如，由SOI计算器22或78)被分配优先级。图14A和14B分别类似于图13A和13B，但是是为包含多个病灶驱动部的区的区图形图生成的，其中识别出的病灶驱动部的特性由关联的颜色编码的星形图形特征识别。
图15绘出了展示包含多个心律失常机制的多个区(例如，三个区)的图形图的例子。机制的类型由对应的标度表示，诸如被展示的。在图15的例子中，有三个区Z1、Z2和Z3，其中区Z1包含15个病灶驱动部(例如，提供区指标15)，区Z2包含13个转动体(提供区指标13)并且区Z3包含9个转动体、8个病灶和2个爆发驱动部(例如，提供区指标19)。作为一个例子，前面示出的指标被证实为驱动部活动的总和。在其它例子中，当区域或区包括多种类型的驱动部和/或不同强度的驱动部时，指标可以通过对这些驱动部应用加权标准来计算。
每个区的心内特性可以从每个区中感兴趣的心内信号确定，诸如本文所公开的。还如本文所公开的，基于从侵入性数据或者侵入性和非侵入性数据二者计算的每个区的各个SOI指标(例如，跨用于给定SOI的所有参数的加权计算)、累积SOI指标(例如，对于给定的驱动部区跨所有平均的参数值的加权计算)或基于驱动部区指标和一个或多个SOI指标的加权平均，驱动部区当中的优先级可以基于从非侵入性电描记图数据得到的驱动部区指标(例如，驱动部计数、可持续性，或它们的组合)来确定。
应当理解，表(或其它形式的显示)可以为可由通过将侵入性获取和非侵入性获取的信息相集成而识别的任何数目的位点和区生成。而且，信息可以为不同的时间间隔获得，诸如为治疗前时间间隔(例如，以建立基线)和治疗后或期间的时间间隔获得的静态信息，并可被同时显示。因此，相同位置但不同时间间隔的对应数据可以如本文所公开的那样被比较(例如，由图2的评估器102)，以向用户或其他个人提供执行过程或审查过程结果的附加指导。
图4绘出了可被用于执行患者的诊断和/或治疗的***150的例子。在一些例子中，***150可被实现为实时地为患者的心脏152生成信号和/或图形图的对应的图形输出，作为诊断过程的一部分(例如，在电生理研究期间的信号监视)，以帮助评估患者心脏的电活动。此外或作为替代，***150可被用作治疗过程的一部分，诸如为了帮助医师确定给付疗法的参数(例如，给付位置、量和疗法的类型)并提供可视化，以便于确定何时结束该过程。
例如，具有一个或多个固定到其的电极的侵入性设备156，诸如EP导管，可被***患者体内154。电极可以接触或不接触患者的心脏152，通过心内膜或心外膜，诸如为了在一个或多个位点测量电活动。本领域技术人员将理解和认识到，设备156的各种类型和配置可以依赖治疗和过程的类型而变化。
设备156的放置可以基于经由定位引擎188确定的位置信息来引导，其中定位引擎188可以操作来定位设备156。指导可以基于所提供的信息被自动、半自动或手动地实现。定位引擎188可以定位设备156并提供设备及其电极的坐标。定位引擎可被实现为分析和输出***162的一部分，或者它可以是提供用于设备和电极的位置数据的单独***。当单独的导航***(例如，独立的***或集成到心内***158中)被用来为设备156提供位置数据时，导航***又可以向分析和输出***提供定位或位置数据，数据可被存储在存储器中并且与患者的几何数据172共同配准。
市售的导航***的例子包括CARTO XP EP导航***(其可从Biosense-Webster商业获得)和ENSITE NAVX可视化和导航技术(可从St.Jude Medical商业获得)；但是其它导航***可被用来提供设备和关联的电极的位置数据。可被用来定位设备156的位置的导航***的另一个例子在2014年8月29日提交且标题为“Localization And Tracking Of AnObject”的美国临时专利申请No.62/043,565中公开，该申请通过引用被结合于此。例如，设备156可以包括相对于设备部署在其上预定位置的一个或多个电极。每个这样的电极都可经由设备156相对于心脏被定位并且它在三维坐标***中的位置可以由定位引擎18根据导航***的类型来确定。由此，传感器可以感测对应于每个所施加的信号的电活动。传感器还可以感测其它电信号，诸如对应于患者心脏的实时电描记图。
侵入性测量***158可以包括被配置为(以电的方式)处理并控制被测信号的捕获以提供对应的心内数据160的测量控制159。***158还可以包括治疗控制161，以控制治疗经由设备156的应用，如本文所公开的。
举例来说，设备156可以施加信号，以提供特殊的治疗，诸如消融、起搏信号或给付另一疗法(例如，提供电疗法，或控制化学疗法、声波疗法的给付，或它们的任意组合)。例如，设备156可以包括位于消融导管的尖端的一个或多个电极，响应于由***158的供给的电信号，诸如用于施加RF能量用以消融心脏。其它类型的治疗也可以经由被定位在体内的心内***158和设备156给付。疗法输入装置可以在与用于经由测量控制以感测电活动的导管探针相同的导管或不同的导管探针上。
作为另一个例子，心内***158可以位于患者身体154的外部并被配置为控制正由设备156给付的疗法。例如，***158还可以控制经由电连接在给付设备(例如，一个或多个电极)156和***158之间导电链路提供的电信号。治疗控制161可以控制供给设备156的信号的参数(例如，电流、电压、重复率、触发延迟、感测触发振幅)，用于经由侵入性设备156上的(一个或多个)电极向心脏152上或其中的一个或多个位置给付治疗(例如，消融或刺激)。治疗控制161可以设置疗法参数并基于自动和手动(例如，半自动)控制的自动、手动(例如，用户输入)或其组合应用电或其它治疗。一个或多个传感器(未示出，但可以是设备的一部分)也可以向***158传送回传感器信息。这种疗法被应用的位置也可被确定(例如，由定位引擎188或响应于用户输入)，诸如本文所公开的。
作为一个例子，设备156相对于心脏152的位置可以由定位引擎188确定，当在过程中实现时，其可以经由输出***162在手术中被跟踪。因此，设备156的位置和治疗参数可以被组合，以帮助控制疗法并记录疗法被应用的位置。定位也可以基于先前与过程分开存储的数据来执行。此外，疗法的应用(例如，响应于用户输入手动地或自动地提供)可以使对于测量数据的时间戳或其它时间标识符被标记(例如，作为元数据)，以识别何时疗法被应用并触发定位，从而识别疗法经由设备156被应用的位置。其它描述治疗的元数据(例如，类型、给付参数，等等)也可与测量数据一起被存储在存储器中。
在给付治疗(例如，经由***158)之前、期间和/或之后，非侵入性测量***166和/或***159的测量控制158可被用来获取患者的电生理信息。分析和输出***162可以实现被编程为识别一个或多个独特心律失常电活动以及识别出的区内的位点的心内信号特性的方法。在图4的例子中，传感器阵列164包括多个可被非侵入性地用于记录患者电活动的传感器。作为一个例子，传感器阵列164可以对应于在患者躯干的一部分上分布的身体表面传感器的高密度排列，用于测量与患者的心脏关联的电活动(例如，作为电描记图映射过程的一部分)。
可被使用的非侵入性传感器阵列164的例子在于2009年11月10日提交的国际申请No.PCT/US2009/063803中示出并描述，该申请通过引用被结合于此。传感器的其它布置和数量可被用作传感器阵列164。作为例子，阵列可以是一组减少的传感器，其不覆盖患者的整个躯干并且被设计为用于为特定目的测量电活动(例如，专门为分析AF和/或VF而设计的电极的布置)和/或用于监视心脏152的一个或多个预定空间区域。
如所提到的，一个或多个传感器电极也可以位于被***患者体内的设备156上。这种传感器可以与阵列164中的非侵入性传感器结合使用，用于映射心内膜表面，诸如心室的壁，以及对心外膜包络的电活动。测量***166可以包括适当的控制和信号处理电路***168，用于提供对应的非侵入性电测量数据169，其可以作为电测量数据170的一部分与心内电数据160一起被存储。测量数据170可以包括模拟和/或数字信息。***150还可以采用几何数据(例如，对应于几何数据58)172结合非侵入性数据169，诸如本文所公开的。
非侵入性测量控制168还可被配置为控制数据获取过程(例如，采样率、线过滤)，用于对多个位置当中每一个测量电活动并提供非侵入性测量数据169，其中位置是由几何数据指定的。在一些例子中，控制168可以与疗法***操作分开来控制测量数据170的获取，诸如响应于用户输入。在其它例子中，测量数据170可以与给付疗法同时并同步地获取，诸如为了探测响应于应用给定疗法(例如，根据疗法参数)或为定位施加的特殊信号而发生的心脏152的电活动。例如，适当的时间戳可被用于给相应测量数据160和169与疗法给付之间的时间关系加指标。
分析和输出***162可被编程为实现电描记图重构引擎180和用于产生电解剖图的图生成器182。举例来说，电描记图重构180可被编程为计算反解并基于非侵入性数据169和几何数据172提供对应的重构的电描记图(例如，对应于非侵入性电解剖数据12或60)。被电描记图重构180使用的几何数据172可以对应于实际的患者解剖几何形状、预编程的通用模型或它们的组合(例如，基于患者的解剖结构修改的模型)。因此，重构的电描记图可以对应于跨心脏包络的电描记图活动，并且可以包括静态的(在给定的时刻的三维)和/或是动态的(例如，随时间变化的四维图)。
可被***150中的重构引擎180使用的逆算法的例子包括在美国专利No.7,983,743和6,772,004中公开的那些，其通过引用被结合于此。因此，重构引擎180可以将经由传感器阵列164测量的身体表面电活动重构到心脏包络上的多个位置(例如，大于1000个位置，诸如大约2000个位置或更多)。在其它例子中，分析和输出***162可以基于直接和侵入性，诸如经由设备156(例如，包括篮状导管或其它形式的测量探针)，测量的电活动计算在心脏的子区域上的电活动。如所提到的，直接测量也会约束由重构180实现的计算。
作为另一个例子，被重构引擎180使用的几何数据172可以包括患者的躯干的图形表示，诸如为患者获取的图像数据。例如，几何数据172可以利用几乎任何成像模态(例如，CT、MRI、超声、X射线等等)获取，心脏包络的对应表示可以基于该几何数据被构造，诸如在本文中所描述的。这种成像可以与记录被用来生成电测量数据170的电活动并发地执行或者成像可以被单独执行(例如，在测量数据被获取之前或之后)。例如，这种图像处理可以包括解剖特征，包括一个或多个器官和其它结构，从数字图像集的提取和细分。此外，传感器阵列164中的每个电极的位置可以被包括在几何数据172中，诸如通过在电极部署在患者身上时获取图像并通过适当的提取和细分来识别坐标***中电极的位置。其它不基于成像的技术也可被用来获得坐标系中在传感器阵列中电极的位置，诸如数字化仪或手动测量。
几何数据172还可以对应于数学模型，诸如可以是通用模型或者是已经基于患者的图像数据构造的模型。适当的解剖或其它标志，包括传感器阵列164中电极的位置，可以在几何数据172中被识别，用于结合为设备计算出的位置信息来显示。这种标记的识别可以手动(例如，由人经由图像编辑软件)或自动(例如，经由图像处理技术)进行。
输出***162可以基于电测量数据(例如，非侵入性数据169和/或心内数据160)生成对应的输出数据174，输出数据又可以作为显示器192中的对应图形输出被渲染，诸如包括在心脏包络上重构的电活动或者从这种重构的电活动得出的电特性，如上面所提到的。电活动或其推导可以显示在患者解剖结构的图形模型上或叠加在电描记图194上。
输出***162还可以生成输出，以基于由定位引擎188确定的坐标来识别设备156的位置。输出数据174可以基于根据任何本文所述的方法确定的坐标表示或表征设备156在三维空间中的位置。此外，位置(或对应的路径)可以在跨心脏包络的空间位置处显示(例如，在心脏152的心外膜或心内膜表面上)。输出***162可以分别显示位置。在其它例子中，位置可以与其它输出数据组合，诸如为了在心脏152的电活动的图形图上显示位置信息，诸如相对于一个或多个区的位置。
此外，在一些例子中，输出数据174可以结合控制疗法的给付或监视电特性而被***158使用。由心内***158实现的控制159和/或161可以是完全自动的控制、半自动的控制(部分自动化并响应于用户输入)或基于输出数据174的手动控制。在一些例子中，疗法***的控制160可以利用输出数据来控制一个或多个疗法参数。在其它例子中，个人可以查看在显示器中生成的图，以手动控制在基于本公开内容确定的位置处的疗法***。其它类型的疗法和设备也可以基于输出数据174和对应的图形图194来控制。
如本文中所公开的，分析和输出***162包括区分析器184，以识别包含独特心律失常电活动的一个或多个机制的一个或更多个区。区分析器184可被实现为，例如，对应于本文公开的机制分析器16或64。因此，区分析器182可以识别一个或更多个区以及识别已被识别出的独特心律失常电活动的机制的数量或类型。区分析器还可以提供基于非侵入性数据169为每个相应区所计算的其它信息(例如，统计信息)。
分析和输出***162还可以包括心内分析器185，其可以对应于本文所公开的心内分析器22或78。因此，心内分析器185可被编程为基于心内数据160的分析来确定心内信号特性(例如，周期长度、周期长度的变化、分离、连续激活的百分比，以及其各种单独或组合确定的统计信息)。优先级计算器186可被编程为基于区分析184和心内分析185确定相应空间区域和/或相应区内局部位点的优先级。分析和输出***162继而可以基于区分析器184、心内分析器185和/或优先级计算器186提供输出数据174，如本文所公开的。例如，输出数据174可以包括优先级的指示(例如，识别出的区当中的区优先级和/或位点当中的局部优先级)，以便于在已识别出机制的每个区中的相应位点的诊断和/或治疗。响应于一些或全部电测量数据170中的更新，分析和输出***162因此可以动态地更新优先级信息、机制数据和心内信号特性并生成对应的更新的输出数据174。
如本文中所公开的，心内***158还包括可被用来经由设备156对患者的身体应用治疗的治疗控制160，这可以是基于输出数据的自动控制、响应于用户输入(例如，经由GUI190)的半自动或手动控制。治疗可以包括，例如，消融(例如，RF消融、冷冻消融、手术消融等)，以及本文公开的其它形式的治疗。电测量数据170，包括非侵入性数据和心内数据，可以被同时(或响应于用户控制分别地)获取。此外，分析和输出***162可以评估计算出的数据，以确定计算出的区分析、心内分析和/或优先级的变化，这种变化可以在输出数据174中提供(例如，基于由评估器102进行的比较)，以提供有用的临床数据来便于诊断和治疗过程。
鉴于上文描述的前述结构和功能特征，可被实现的方法将参照图6的流程图更好地理解。虽然，为了解释的简化，图6的方法被示出和描述为连续执行，但是应当理解和认识到，这些方法不受图示次序的限制，因为一些方面在其它例子中可以以与本文公开的不同次序和/或于其它方面同时发生。而且，不是所有示出的特征都被要求来实现方法。例如，方法或其部分可被实现为存储在非临时性计算机可读介质以及由一个或多个计算机设备的处理器执行的指令。
在200，该方法包括分析用于患者的解剖结构的感兴趣区域(ROI)的非侵入性电数据(例如，由机制分析器16或64)，以识别ROI中包含独特心律失常电活动的至少一个机制的一个或更多个区。在202，该方法还包括分析在每个识别出的区中的不同空间位点处的多个感兴趣信号的侵入性电数据(例如，由心内分析器22或78)，以确定多个相应区内的多个位点的心内信号特性。在204，一个或更多个输出(例如，输出数据20或76)可被生成(例如，由输出生成器18)，该输出将一个或更多个区的独特心律失常电活动的至少一个机制与每个相应区内的多个位点的心内信号特性相集成。
以上所述的一个或多个可以重复。在一些例子中，该方法还可以确定每个区内的多个位点的优先级可以基于包含在每个相应区中的独特心律失常电活动的至少一个机制和为每个相应区内的多个位点确定的心内信号特性被确定(例如，优先化引擎26或94)。此外，用户可以采用基于为共同的空间位置对不同时间间隔(例如，由评估器102)确定的机制分析数据、心内信号特性数据和/或优先级信息的比较在输出数据中提供的比较信息。因此，临床上相关和准确的全局和局部信息可以被组合，以便于不规则心电活动的诊断和治疗。
附加的例子
下面的描述提供可以基于如本文公开的将非侵入性和侵入性电信息相集成所得出的信息的附加例子。得出的信息可以作为输出数据(例如，输出数据20或76)提供，用于在显示器或其它输出设备上可视化。用于公共空间区域的这种信息也可以存储在存储器中，用于为不同时间间隔评估的不同时间间隔(例如，由评估器102)。
周期长度(CL)映射：
输出生成器18或162可以生成周期长度3D图：局部周期长度可以通过探测连续激活时间或经由对非均匀周期长度电描记图的相位处理来确定。在每个点的局部周期长度可被聚合并呈现为3D图。周期长度的3D图可被实时地计算和呈现，或者在过程期间在每个突出事件按需计算和呈现。值可被计算并绘制为在设定时间或连续贯穿整个过程的曲线。例如，值可被计算以在每个目标消融后、在所有消融后提供基线值。
作为另一个例子，每个心房或两个心房的全局周期长度一起可以通过估计所有局部CL的均值或中位数来计算。全局周期长度信息可以利用频谱来计算并表征关键组成部分(频率范围的宽度、由振幅截止定义的突出频率，等等)来计算。这可以从来自背心信号(vest signal)的所有或选定通道完成，代表心脏的各个部分。这个值或这个值从过程中的之前时间点或事件的变化(“增量”)可以现场或按需或者在过程中按设定的时间来显示。
在选定位点的周期长度：
允许稳定的导管放置并且在节奏上或多或少更稳定的选定的位点集合已经在消融期间作为“守卫(sentinel’)”位点被使用，以提供在房颤消融过程期间CL中实时变化的表示。它提供整个心房如何在CL中对过程做出响应的指示。
在图7中，SOI的例子利用RAA和LAA作为守卫位点被示出。CL值可以从侵入性和/或非侵入性电描记图中提取，诸如本文所公开的，并且在3D几何形状上作为CL值被实时或按需显示。作为一个例子，CL值可以基于将传感器位置与患者解剖结构关联的几何形状利用仅表示给定区的非侵入性信号来提取。来自过程中另一时间点的CL变化(“增量”)，例如来自肺静脉隔离或第一目标消融之后的基线的CL变化，也可以按需或实时显示。值可以被计算并绘制为在设定时间或连续贯穿整个过程的曲线图。
这个概念的示例3D图在图8中示出，展示了在两个位置的当前CL连同对应的CL变化(例如，增量)。此外，或作为替代，CL可以利用接触组织一段时间(例如，测量间隔)的粗纱导管来测量和显示，以在移动到不同位置之前计算在给定位点上的每个局部CL。
心房传导映射和跟踪：
从利用各种导管测量的侵入性数据得出的传导模式可以被探测并与来自非侵入性映射信息的信息合并，以提供集成的信息，诸如可以包括向量、注解和其它可视化，以帮助复杂心律失常的诊断，诸如包括在颤动期间。综合信息可被用来，例如，随着时间的推移探测和呈现电激活模式，以及这些模式的一致性指标。合并的传导模式的例子在图9A和9B中展示。
心房同步性映射：
局部和全局周期长度映射的概念可被进一步扩展到监视器双心房同步性。在心房颤动期间，全局周期长度一直在变化。例如，在消融过程期间，一个或两个室的瞬态组织会发生，但在两个心房之间具有CL的梯度。在房性心动过速期间，两个心房都具有相同的快速且有组织的周期长度。因此，定时的比较(例如，在两个心房或双心房同步性之间的CL)可以作为参数被计算并显示，以理解双心房节律和与包括过程期间的消融的突出事件关联的变化。心房和/或双心房同步性之间的CL可被用来计算心房同步性指标，其可以相对于阈值进行评估，阈值被设定为量化患者在相对规模上的同步性。周期长度信息也可以利用背心信号的频率分量来表征。
此外，心房内外的同步性都可以被现场、按需和在过程期间设定时间计算并显示。该方法还可以探测和呈现每个单独心房被组织(例如，同步)的时间的％。该方法还可以探测和呈现两个心房都被组织(例如，同步)的时间的％。同步性测量也可被表示为点或室之间的梯度。这种信息可以被呈现为指标(例如，心房组织指标)，其可被用来展示，例如，一个室是否与一个或多个其它室相比而言具有恒定的延迟。例如，指标可以表示更快的室是驱动部。指标还可以作为优先化区的输入被提供。例如，如果机制的数量在室A中的区1与室B中的区2之间分别是相等的，并且计算出的心房同步性指标表明室A相对于室B更快和/或更不同步(例如，更混乱)，则区1将被分配(例如，由优先化引擎26或94)比区2更高的优先级。
作为替代，如果梯度不断变化，则指标可以展示更多的双心房机制。此外，对于更简单的心律失常，指标可被用来辨别哪个室怀有心动过速，哪个室是被动导通。
经由冠状静脉窦(CS)传导映射的双心房分析：
CS导管信号可以被处理以识别激活信息，诸如从远到近或者反过来、人字形、反人字形模式或没有模式/紊乱的信号。例子在图10、11和12中展示。例如，CS传导模式的变化可以被监视并且传导方向被实时或按需显示，还具有在诸如消融或其它治疗的突出过程中的变化。
CS组织：
该方法还可被实现为探测何时CS信号基本上完全有组织相对于无组织。该方法还可被编程为评估CS被组织的时间的％，并随着时间的推移显示对应的组织指标，诸如通过图中的颜色编码或其它形式的可视化，当评估局部终点时，这会是特别相关的。例如，当治疗区时，1)用户可以采用本文公开的***和方法来寻找对在治疗期间和/或之后测量的侵入性信号与治疗前相比而言的改进；2)重映射可以被启动(例如，响应于用户输入或自动地)，以探测机制是否仍驻留在该区内，3)对同步性的全局影响可以在治疗期间和之后被评估，诸如通过比较在治疗前计算出的同步性与治疗中和/或治疗后的同步性。CS组织是全局影响的替代。因此，响应于观察到在区1治疗期间CS组织的急性变化，治疗点可以被独特地标记以反映全局响应。
CL的类似评估可以被采用。例如，当探测到同步性的改进时，如由CL增加、CL一致性等定义的，治疗点可以根据由CL中的变化指示的全局响应来标记。
在一些例子中，CS分析方法也可被编程为，与来自突出位点(例如，自动地从解剖标记选择或者响应于用户输入)的其它电描记图相比，探测何时CS信号被组织。这种比较性数据可以被显示，诸如通过图中的颜色编码或其它形式的可视化。
CS分析方法也可被编程为探测CS激活方向并评估激活是远到近相对于近到远的时间的％。这样确定的CS激活信息可以被显示，诸如通过图中的颜色编码或其它形式的可视化。
CS分析方法也可被编程为探测CS激活并评估激活具有任何一致性激活(上述任何模式)相对于没有激活组织的时间的％。这样确定的CS激活信息可以被显示，诸如通过图中的颜色编码或其它形式的可视化。
CS分析方法也可被编程为当CS改变方向时提供警报(例如，听觉和/或视觉警报指示)。该方法还可以计算CS方向变化程度的指标。计算出的指标可以被显示，诸如通过图中的颜色编码或其它形式的可视化。
CS分析方法也可被编程为生成对应上述每一个的输出图形可视化，诸如可以在图形图上呈现的。计算出的关于属性或事件的信息可以以一种或多种形式的图中被渲染，诸如包括向量、注解和其它动态可视化，并且还可以被现场或按需提供并且具有在像消融的过程期间的突出事件中的变化。
本文公开的***和方法还可被编程为在映射颤动的同时分析局部或全局节奏变化，包括以下：
i.探测瞬时组织(在任何导管或导管集合或者室或位点中)。
ii.探测从组织到组织的变化(在任何导管或导管集合或者室或位点中)。
iii.探测从一个组织的节奏到另一个(AT1到AT2)的变化(在任何导管或导管集合或者室或位点中)。
iv.操作人员警报也可被生成，以通知用户与局部或全局节奏变化相关的一个或多个先前探测到的变化。
本文公开的***和方法还可被编程为分析间歇式暂停/速率减慢，诸如可以包括以下：
i)探测速率和/或暂停的瞬时减慢。
ii)操作人员警报也可被生成，以通知用户速率是否相对于阈值减慢或者探测到暂停。
iii)计数并显示在给定心脏位置处的心内暂停信息。
本文公开的***和方法还可被编程为分析速率的加速度，诸如可以包括以下一个或多个：
i)探测周期长度加速度，或者来自任何导管的分离指标加速度。
ii)操作人员警报也可被生成，以通知用户由导管探测到的速率是否增加超过阈值。
iii)计数/显示在给定心脏位置处的加速度信息。
本文公开的***和方法还可被编程为分析给定区域或位置在给定周期内处于主动的时间的百分比，并且可以包括以下：
iv)探测信号或区域跨给定的周期处于主动的时间的百分比
v)操作人员警报也可被生成，以通知用户激活的％是否增加或减小超过阈值
vi)计数/显示在给定心脏位置处的激活信息的％。
本文公开的***和方法还可被编程为分析信号的锐度。例如，该方法可以确定偏转频率，诸如可被探测为从其它机制或被动激活描绘病灶击发或触发活动的锐度。信号的锐度可以被探测并与邻近地区对照地显示(例如，在图中或其它可视化)。
房性心动过速诊断：
本文公开的***和方法还可被编程为从各种导管探测传导模式并与来自非侵入性映射信息的信息合并，以提供向量、注释和其它可视化，以帮助像心房心动过速的复杂心律失常的诊断。
本文公开的***和方法还可被编程为分析双心房衬底映射，诸如可以包括以下一个或多个：
a)探测复杂分离的EGM–基于电压、频率和相位–利用心内EGM
b)探测复杂分离的EGM–基于电压、频率和相位，利用非侵入性电描记图
c)探测复杂分离的EGM–基于电压、频率和相位，利用心内EGM和非侵入性电描记图二者
d)探测连续激活的EGM百分比–基于电压、CL的％和相位–利用心内EGM
e)在给定电极处的分离指标+增量
f)在给定电极处的连续激活的％+增量
g)在给定电极处的组织指标+增量
h)利用以上方法可视化EGM衬底–单独地或者与从非侵入性获取的电活动得到的信息合并(例如，诸如可以从位于Cleveland,Ohio的CardioInsight Technologies公司获得的3D ECVUE软件***提供的)
以下提供适用于本文公开的公开内容的每个概念的共同原理。
1.所有的分析都可以是完全自动的、半自动的，有或没有来自医师/操作人员的参数输入
2.所有的分析都可以采用对一个或多个心内或非侵入性信号操作的算法。
3.所有的分析都适用于有组织的和/或颤动节奏。
4.所有的分析都适用于心房或心室节奏，并且可以适用于心房或心室信息的组合。
5.信息可以按搏动方式对包括颤动的所有心律失常进行评估。
6.本公开内容还基于侵入性获取的信号和非侵入性获取的信号描述了信号分析的获取、处理和可视化。分析可以导致数值或其它指示(“高”、“低”、“减少”、“增加”、“未定”、“没有变化”，等等)，这些可以被这样或者利用图形描述符(注解、箭头、行块、注解、闪烁指示等等)可视地在3D彩色图上显示或者本身作为彩色图。值可被显示为图，以显出随事件或时间的变化。
鉴于前述的结构和功能描述，本领域技术人员将认识到，本文公开的***和方法的部分可以被体现为方法、数据处理***或计算机程序产品，诸如非临时性计算机可读介质。因而，本文公开的方法的这些部分可以采取完全硬件实施例、完全软件实施例(例如，在非临时性计算机可读介质中)或者结合软件和硬件的实施例的形式，诸如关于图8的计算机***示出并描述的。此外，本文公开的***和方法的部分可以是计算机可用存储介质上的计算机程序产品，在介质上具有计算机可读程序代码。任何合适的计算机可读介质都可被利用，包括但不限于，静态和动态存储设备、硬盘、光存储设备、磁存储设备。
某些实施例也已经在本文参考方法、***和计算机程序产品的方框图示进行了描述。应当理解的是，图示的方框以及图示中方框的组合可以由计算机可执行指令来实现。这些计算机可执行指令可被提供给通用计算机、专用计算机或其它可编程数据处理装置(或设备和电路的组合)的一个或多个处理器，以产生一种机器，使得经由处理器执行的指令实现在一个或多个方框中指定的功能。
这些计算机可执行指令也可以存储在计算机可读存储器中，其可以指示计算机或其它可编程数据处理装置以特定方式起作用，使得存储在计算机可读存储器中的指令导致包括实现在一个或多个方框中指定的功能的指令的制造品。计算机程序指令还可以被加载到计算机或其它可编程数据处理装置上，以使一系列操作步骤在计算机或其它可编程装置上执行，以产生计算机实现的过程，使得在计算机或其它可编程装置上执行的指令提供用于实现在一个或多个方框中指定的功能的步骤。
上面已经描述的是例子。当然，不可能描述结构、组件或方法的每一种可以想到的组合，但是本领域普通技术人员将认识到，许多进一步的组合和置换是可能的。因而，本发明意在包含所有此类落入本申请，包括所附权利要求，范围的变更、修改和变化。当本公开内容或权利要求陈述“一个”、“第一”或“另一个”元素或其等价物时，它应当被解释为包括一个或一个以上这样的元素，既不要求也不排除两个或更多个这样的元素。如本文中所使用的，术语“包括”是指包括但不限于，并且术语“包括”是指包括但不限于。术语“基于”是指至少部分地基于。

Claims (31)

1.一种用于分析的***，包括：
存储器，用于存储能够由处理器执行的机器可读指令，所述机器可读指令包括：
分析患者的解剖结构的感兴趣区域(ROI)的非侵入性电数据，以识别感兴趣区域中包含独特心律失常电活动的至少一个机制的一个或更多个区；
分析在每个识别出的区中不同空间位点处的多个感兴趣信号的侵入性电数据，以确定每个相应区内的多个位点的心内信号特性；
基于每个相应区的非侵入性电数据，确定在至少一个时间间隔期间在每个相应区内发生的独特心律失常电活动的多个机制，其中每个相应区内的独特心律失常电活动的至少一个机制包括以下当中的至少一个：在至少一个时间间隔内发生的多个转动体、在至少一个时间间隔内发生的多个病灶、在至少一个时间间隔内发生的多个快速爆发周期长度，或者每个相应区内识别出的每个机制的可持续性的指示；及
生成将一个或更多个区的独特心律失常电活动的至少一个机制与每个相应区内的多个位点的心内信号特性相集成的输出图。
2.如权利要求1所述的***，其中一个或更多个区是多个区，并且该机器可读指令还包括：
基于在至少一个时间间隔期间在每个相应区内发生的独特心律失常电活动的机制的相对数量来确定多个区当中的区优先级。
3.如权利要求2所述的***，机器可读指令还包括评估为每个区内的多个位点确定的多个不同心内信号特性，以确定每个相应区内的多个位点当中的局部优先级。
4.如权利要求3所述的***，其中多个不同的心内信号特性包括为至少一个测量间隔确定的周期长度、周期长度变化、连续激活的百分比和分离当中的至少两个。
5.如权利要求4所述的***，机器可读指令还包括：根据为给定区识别出的独特心律失常电活动的机制向给定区内的多个位点的不同心内信号特性当中的至少两个心内信号特性分配不同的优先级权重，以为所述至少两个不同的心内信号特性提供加权的信号特性，及
其中给定区内的多个位点的局部权重是基于该给定区的加权的信号特性确定的。
6.如权利要求5所述的***，其中给定区内的独特心律失常电活动的机制包括以下当中的至少一个：在至少一个时间间隔内发生的转动体、在至少一个时间间隔内发生的病灶或者为至少一个时间间隔确定的周期长度低于预定阈值，
其中，响应于确定给定区内的独特心律失常电活动的唯一机制包括一个或多个转动体，该机器可读指令包括相对于为至少一个测量间隔和为给定区确定的其它心内信号特性向连续激活的百分比分配更大的优先级权重，及
其中，响应于确定给定区内的独特心律失常电活动的唯一机制包括一个或多个病灶，该机器可读指令包括相对于为至少一个测量间隔和为给定区确定的其它心内信号特性向周期长度和周期长度变化当中的至少一个分配增加的优先级权重。
7.如权利要求5所述的***，其中每个相应区内的独特心律失常电活动的机制包括以下当中的至少两个：在至少一个时间间隔内发生的转动体、在至少一个时间间隔内发生的病灶或者为至少一个时间间隔确定的周期长度低于预定阈值，及
其中为给定区确定的每个心内信号特性被与在给定区内识别出的独特心律失常电活动的机制的每种类型的数量成比例地加权。
8.如权利要求3所述的***，机器可读指令还包括：
按照根据给定区内的多个位点当中的局部优先级的次序对给定区内的多个位点中选定的位点指定治疗。
9.如权利要求8所述的***，机器可读指令还包括在应用治疗之后重复以下当中的每一个：分析非侵入性电数据、分析侵入性电数据和基于表示电活动的侵入性电数据和非侵入性电数据的其它集合来确定优先级。
10.如权利要求8所述的***，机器可读指令还包括确定选定位点处的改进，该确定基于将在应用治疗之前大致在选定的位点处确定的至少一个心内电特性与在对选定位点应用治疗之后大致在选定的位点处确定的相同的至少一个心内电特性相比较。
11.如权利要求8所述的***，机器可读指令还包括确定驻留在给定区中的选定位点处的改进，该确定基于将在应用疗法之前为给定区识别出的独特心律失常电活动的机制与在对选定位点应用治疗之后为给定区识别出的独特心律失常电活动的机制相比较。
12.如权利要求8所述的***，机器可读指令还包括确定驻留在给定区中选定位点处的改进，该确定基于将跨在应用疗法之前识别出的给定区附近的感兴趣区域或心房的同步性的指示与跨在对选定位点应用治疗之后识别出的给定区附近的感兴趣区域或心房的同步性相比较。
13.如权利要求1所述的***，其中一个或更多个区是多个区，
该机器可读指令还包括基于对为每个相应区内的多个位点确定的每个心内信号特性的平均值的比较来确定多个区当中的区优先级。
14.如权利要求13所述的***，机器可读指令还包括评估为每个区内的多个位点确定的多个不同心内信号特性，以确定每个相应区内的多个位点当中的局部优先级，其中所述多个不同心内信号特性包括为至少一个测量间隔确定的周期长度、周期长度变化、连续激活的百分比和分离当中的至少两个。
15.如权利要求14所述的***，其中给定区内的独特心律失常电活动的机制包括以下中的至少一个：在至少一个时间间隔内发生的转动体、在至少一个时间间隔内发生的病灶或者为至少一个时间间隔确定的周期长度低于预定阈值，
其中，响应于确定给定区内的独特心律失常电活动的唯一机制包括一个或多个转动体，该机器可读指令包括相对于为至少一个测量间隔和为给定区确定的其它心内信号特性向连续激活的百分比分配更大的优先级权重，及
其中，响应于确定给定区内的独特心律失常电活动的唯一机制包括一个或多个病灶，该机器可读指令包括相对于为至少一个测量间隔和为给定区确定的其它心内信号特性向周期长度和周期长度变化当中的至少一个分配增加的优先级权重。
16.如权利要求14所述的***，机器可读指令还包括：
在应用疗法之后重复以下当中的每一个：分析非侵入性电数据、分析侵入性电数据和确定优先级。
17.如权利要求1所述的***，其中独特心律失常电活动的至少一个机制包括为至少一个时间间隔确定的平均周期长度低于预定阈值。
18.如权利要求1所述的***，其中感兴趣区域(ROI)包括对应于心脏的整个表面的三维心脏包络。
19.如权利要求1所述的***，机器可读指令还包括在获取心内电测量时根据在每个时间间隔期间一个或多个传感器的放置为多个位点当中的每一个确定空间位置。
20.如权利要求1所述的***，机器可读指令还包括基于经由身体表面传感器非侵入性获取的电活动在心脏包络上重构电描记图，以为心脏包络提供非侵入性电解剖数据。
21.如权利要求1所述的***，机器可读指令还包括：
根据为给定区识别出的独特心律失常电活动的机制对给定区内在至少一个时间间隔期间为感兴趣的信号确定的至少两个不同的心内信号特性分配不同的权重，以提供不同加权的信号特性，及
基于加权的信号特性为每个给定区内的多个位点确定优先级。
22.如权利要求20所述的***，其中每个相应区内的独特心律失常电活动的机制包括以下当中的至少一个：在至少一个时间间隔内发生的转动体、在至少一个时间间隔内发生的病灶或者为至少一个时间间隔确定的周期长度低于预定阈值，
其中，响应于确定给定区内的独特心律失常电活动的唯一机制是一个或多个转动体，相对于为给定区确定的其它心内信号特性向确定的连续激活的百分比分配更大的优先级权重，及
其中，响应于确定给定区内的独特心律失常电活动的唯一机制是一个或多个病灶，相对于为给定区确定的其它心内信号特性向确定的周期长度和周期长度变化当中的至少一个分配增加的优先级权重。
23.如权利要求1所述的***，机器可读指令还包括生成患者的解剖结构的感兴趣区域(ROI)的混合图形图，该混合图将为多个位点中的至少一部分确定的非侵入性电解剖数据和心内信号特性相集成。
24.一种用于分析的***，包括：
存储器，存储机器可读指令；以及
处理器，执行机器可读指令，以执行操作，操作包括：
接收来自患者身体的外表面上的多个电极的非侵入性电数据，其中所述多个电极限定患者体内解剖结构的感兴趣区域(ROI)；
分析解剖结构的感兴趣区域的非侵入性电数据，以识别感兴趣区域内包含独特心律失常电活动的至少一个机制的一个或多个区；
分析在解剖结构上每个识别出的区内不同空间位点处的多个感兴趣信号的侵入性电数据，以确定每个相应区内的多个位点的心内信号特性；
基于每个相应区内的多个位点的心内信号特性，确定在至少一个时间间隔期间在每个相应区内发生的独特心律失常电活动的多个机制，其中独特心律失常电活动的多个机制包括以下当中的至少一个：在至少一个时间间隔内发生的多个转动体、在至少一个时间间隔内发生的多个病灶、在至少一个时间间隔内发生的多个快速爆发周期长度，或者每个相应区内识别出的每个机制的可持续性的指示；及
生成将一个或更多个区的独特心律失常电活动的至少一个机制与每个相应区内的多个位点的心内信号特性数据相集成的输出混合图形图。
25.如权利要求24所述的***，其中一个或更多个区是多个区，操作还包括：
基于在至少一个时间间隔期间在每个相应区内发生的独特心律失常电活动的机制的相对数量来确定多个区当中的区优先级；及
基于多个不同的心内信号特性数据确定每个相应区内的多个位点当中的局部优先级。
26.如权利要求25所述的***，其中操作还包括：根据为给定区识别出的独特心律失常电活动的机制向给定区内的多个位点的至少两个心内信号特性分配不同的优先级加权，以提供至少两个不同的心内信号特性的加权的信号特性，以及基于给定区的加权的信号特性确定给定区内的多个位点当中的局部优先级。
27.如权利要求24所述的***，其中操作还包括：
基于非侵入性电解剖数据识别在至少一个时间间隔内在心脏包络上发生的一个或多个转动体；
基于非侵入性电解剖数据识别在至少一个时间间隔内在心脏包络上发生的一个或多个病灶；及
基于为每个相应区识别出的转动体和病灶确定一个或更多个区当中的每一个。
28.如权利要求24所述的***，还包括心内***，心内***包括经由设备给付治疗的治疗控制，
其中操作还包括：基于在治疗给付期间或之后获得的非侵入性感测的电数据提供识别心脏包络的感兴趣区域中包含独特心律失常电活动的至少一个机制的一个或更多个区的区数据；及
基于在治疗给付期间或之后获得的心内电数据确定表示心内信号特性的心内信号特性数据。
29.如权利要求28所述的***，其中从治疗给付期间或之后的数据确定的心内信号特性数据和区数据是治疗输出数据，
其中操作还包括将基线输出数据与治疗输出数据相比较，以提供指示基线输出数据与治疗输出数据之间的变化的比较输出。
30.如权利要求24所述的***，还包括：
传感器的布置，用于测量来自外部身体表面的电活动并提供非侵入性感测的电数据；及
用于从心脏表面直接测量电活动并为多个点提供侵入性测量的电数据的设备。
31.如权利要求24所述的***，其中操作还包括(i)基于在治疗给付之前测量的非侵入性感测的电数据确定跨给定区附近的感兴趣区域或心房的同步性的基线指示，和(ii)基于在治疗给付期间或之后获得的非侵入性感测的电数据确定跨给定区附近的感兴趣区域或心房的同步性的另一指示，以及
将同步性的基线指示与同步性的另一指示相比较，以提供指示同步性的基线指示与该同步性的另一指示之间的变化的比较输出。
CN201580011815.2A 2014-02-04 2015-02-04 电生理数据的综合分析 Expired - Fee Related CN106061374B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201461935620P 2014-02-04 2014-02-04
US61/935,620 2014-02-04
PCT/US2015/014480 WO2015120064A1 (en) 2014-02-04 2015-02-04 Integrated analysis of electrophysiological data

Publications (2)

Publication Number Publication Date
CN106061374A CN106061374A (zh) 2016-10-26
CN106061374B true CN106061374B (zh) 2019-08-16

Family

ID=53753806

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580011815.2A Expired - Fee Related CN106061374B (zh) 2014-02-04 2015-02-04 电生理数据的综合分析

Country Status (4)

Country Link
US (2) US9820666B2 (zh)
EP (1) EP3102102B1 (zh)
CN (1) CN106061374B (zh)
WO (1) WO2015120064A1 (zh)

Families Citing this family (60)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014182965A1 (en) * 2013-05-08 2014-11-13 Cardioinsight Technologies, Inc. Analysis and detection for arhythmia drivers
CN106061374B (zh) * 2014-02-04 2019-08-16 科迪影技术股份有限公司 电生理数据的综合分析
EP3185760B1 (en) * 2014-08-29 2021-06-09 CardioInsight Technologies, Inc. Signal characterization to facilitate therapy delivery
US11344239B2 (en) * 2015-06-08 2022-05-31 Medicomp, Inc. Non-invasive system and method of spatial localization of specific electrocardiac elements
US11291395B2 (en) * 2016-10-14 2022-04-05 Ablacon Inc. Systems, devices, components and methods for detecting the locations of sources of cardiac rhythm disorders in a patient's heart and classifying same
WO2017041892A1 (en) 2015-09-07 2017-03-16 Ablacon Inc. System for analyzing electrophysiological data and method for analyzing electrophysiological data
US20220400951A1 (en) * 2015-09-07 2022-12-22 Ablacon Inc. Systems, Devices, Components and Methods for Detecting the Locations of Sources of Cardiac Rhythm Disorders in a Patient's Heart Using Improved Electrographic Flow (EGF) Methods
US10888236B2 (en) 2015-09-07 2021-01-12 Ablacon Inc. System for analyzing electrophysiological data and method for analyzing electrophysiological data
WO2017053921A1 (en) * 2015-09-26 2017-03-30 Boston Scientific Scimed Inc. Intracardiac egm signals for beat matching and acceptance
GB201521477D0 (en) * 2015-12-04 2016-01-20 Imp Innovations Ltd Methods and apparatus for analysing changes in the electrical activity of a patient's heart in different states
US20170172508A1 (en) * 2015-12-20 2017-06-22 Boston Scientific Scimed Inc. Automatic mapping using velocity information
US10319144B2 (en) 2015-12-22 2019-06-11 The Regents Of The University Of California Computational localization of fibrillation sources
US11006887B2 (en) 2016-01-14 2021-05-18 Biosense Webster (Israel) Ltd. Region of interest focal source detection using comparisons of R-S wave magnitudes and LATs of RS complexes
US10624554B2 (en) 2016-01-14 2020-04-21 Biosense Webster (Israel) Ltd. Non-overlapping loop-type or spline-type catheter to determine activation source direction and activation source type
US10314542B2 (en) * 2016-01-14 2019-06-11 Biosense Webster (Israel) Ltd. Identification of fractionated signals
US20170202521A1 (en) * 2016-01-14 2017-07-20 Biosense Webster (Israel) Ltd. Overall system and method for detecting regions of interest
US10582894B2 (en) * 2016-01-14 2020-03-10 Biosense Webster (Israel) Ltd. Region of interest rotational activity pattern detection
US10517496B2 (en) 2016-01-14 2019-12-31 Biosense Webster (Israel) Ltd. Region of interest focal source detection
CN109069002B (zh) 2016-05-03 2021-11-05 科迪影技术股份有限公司 检测传导定时
US20190246930A1 (en) * 2016-05-03 2019-08-15 Acutus Medical, Inc. Cardiac information dynamic display system and method
JP6937321B2 (ja) 2016-05-03 2021-09-22 アクタス メディカル インクＡｃｕｔｕｓ Ｍｅｄｉｃａｌ，Ｉｎｃ． 心臓情報動的表示システム
US10349855B2 (en) * 2016-06-10 2019-07-16 Biosense Webster (Israel) Ltd. Identification and visualization of cardiac activation sequence in multi-channel recordings
US10744334B2 (en) * 2016-10-18 2020-08-18 Cardiac Pacemakers, Inc. Systems and methods for arrhythmia detection
EP3326517B1 (en) * 2016-11-23 2020-09-16 Karlsruher Institut für Technologie Method and system for identifying potential atrial flutter areas for medical decision support
EP3354197A1 (en) * 2017-01-30 2018-08-01 Karlsruher Institut für Technologie Method and system for identifying potential atrial flutter areas for medical decision support
WO2018165289A1 (en) * 2017-03-07 2018-09-13 Cardiac Pacemakers, Inc. Systems and methods for atrial arrhythmia detection
EP3375365A3 (en) * 2017-03-17 2018-12-19 Ablacon Inc. Systems, devices, components and methods for detecting the locations of sources of cardiac rythm disorders in a patient's heart and classifying same
CN110769744B (zh) 2017-04-18 2024-02-13 波士顿科学医学有限公司 用于电生理学信号的注释直方图
US11272887B2 (en) * 2017-04-18 2022-03-15 Boston Scientific Scimed Inc. Electroanatomical mapping tools facilitated by activation waveforms
US10709349B2 (en) 2017-04-18 2020-07-14 Boston Scientific Scimed Inc. Annotation waveform
US10806359B2 (en) * 2017-04-27 2020-10-20 Cardioinsight Technologies, Inc. Connectivity analysis for arrhythmia drivers
US10959638B2 (en) 2017-05-09 2021-03-30 Cardioinsight Technologies, Inc. Conduction velocity and pattern mapping
US11147496B2 (en) 2018-01-16 2021-10-19 Boston Scientific Scimed Inc. Systems and methods for mapping electrical activity in the heart
EP3747355A1 (en) * 2018-04-18 2020-12-09 Ablacon Inc. Systems, devices, components and methods for detecting the locations of sources of cardiac rhythm disorders in a patient's heart and classifying same
US10860754B2 (en) 2018-04-26 2020-12-08 Vektor Medical, Inc. Calibration of simulated cardiograms
US11547369B2 (en) 2018-04-26 2023-01-10 Vektor Medical, Inc. Machine learning using clinical and simulated data
US11259871B2 (en) 2018-04-26 2022-03-01 Vektor Medical, Inc. Identify ablation pattern for use in an ablation
US11065060B2 (en) 2018-04-26 2021-07-20 Vektor Medical, Inc. Identify ablation pattern for use in an ablation
EP3761859B1 (en) * 2018-04-26 2022-06-15 St. Jude Medical, Cardiology Division, Inc. System for mapping arrhythmic driver sites
CN112639998A (zh) 2018-07-05 2021-04-09 加利福尼亚大学董事会 解剖结构与体表电极定位的计算模拟
US11160481B2 (en) * 2018-08-22 2021-11-02 Biosense Webster (Israel) Ltd. Atrial fibrillation mapping using atrial fibrillation cycle length (AFCL) gradients
CN111096740B (zh) * 2018-10-25 2022-04-01 上海微创电生理医疗科技股份有限公司 心电信号分析方法及装置、信号记录仪和三维标测***
CN113286557A (zh) 2018-11-13 2021-08-20 维克多医疗股份有限公司 利用源位置对图像的增强
CN111627189B (zh) * 2019-02-12 2022-04-22 珠海格力电器股份有限公司 一种设备异常处理方法、***及存储介质
US11198004B2 (en) * 2019-04-11 2021-12-14 Biosense Webster (Israel) Ltd. Goal-driven workflow for cardiac arrhythmia treatment
US10939863B2 (en) * 2019-05-28 2021-03-09 Biosense Webster (Israel) Ltd. Determining occurrence of focal and/or rotor arrhythmogenic activity in cardiac tissue regions
US10709347B1 (en) 2019-06-10 2020-07-14 Vektor Medical, Inc. Heart graphic display system
US10595736B1 (en) 2019-06-10 2020-03-24 Vektor Medical, Inc. Heart graphic display system
CN111297474B (zh) * 2019-12-19 2022-11-08 成都迈格因科技有限公司 心房颤动病灶的个体化定位标测***
US20220068483A1 (en) * 2020-09-01 2022-03-03 Biosense Webster (Israel) Ltd. Arrhythmia classification for cardiac mapping
WO2022072450A1 (en) * 2020-09-30 2022-04-07 Boston Scientific Scimed Inc Global histogram of local cycle length
WO2022094425A1 (en) 2020-10-30 2022-05-05 Vektor Medical, Inc. Heart graphic display system
US11691018B2 (en) 2021-02-19 2023-07-04 Cardioinsight Technologies Inc. Using implantable medical devices to augment noninvasive cardiac mapping
US11338131B1 (en) 2021-05-05 2022-05-24 Vektor Medical, Inc. Guiding implantation of an energy delivery component in a body
EP4380455A1 (en) * 2021-08-02 2024-06-12 Cardioinsight Technologies Inc. Systems and methods for electrocardiographic mapping and target site identification
CN118103924A (zh) 2021-08-09 2024-05-28 维克多医疗股份有限公司 组织状态图形显示***
WO2023081594A1 (en) * 2021-11-02 2023-05-11 Cardioinsight Technologies Inc. Monitoring and analysis of invasive and non-invasive electrophysiological signals
WO2023091570A1 (en) 2021-11-19 2023-05-25 Cardioinsight Technologies Inc. Automated triggers for electrophysiology case support
US11534224B1 (en) 2021-12-02 2022-12-27 Vektor Medical, Inc. Interactive ablation workflow system
US11819331B2 (en) * 2021-12-08 2023-11-21 Biosense Webster (Israel) Ltd. Visualization of epicardial and endocardial electroanatomical maps

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU8677098A (en) 1997-07-31 1999-02-22 Case Western Reserve University A system and method for non-invasive electrocardiographic imaging
US7123954B2 (en) * 2002-09-19 2006-10-17 Sanjiv Mathur Narayan Method for classifying and localizing heart arrhythmias
US9370312B2 (en) * 2006-09-06 2016-06-21 Biosense Webster, Inc. Correlation of cardiac electrical maps with body surface measurements
US20110144510A1 (en) * 2009-12-16 2011-06-16 Pacesetter, Inc. Methods to identify damaged or scarred tissue based on position information and physiological information
US9504427B2 (en) * 2011-05-04 2016-11-29 Cardioinsight Technologies, Inc. Signal averaging
US20130006713A1 (en) 2011-06-28 2013-01-03 Derek Robert Haake Method for aggregating pricing information and assigning a fair market value to goods sold in a peer-to-peer e-commerce transaction
US9186515B2 (en) * 2011-07-05 2015-11-17 Cardioinsight Technologies, Inc. System and methods to facilitate providing therapy to a patient
EP2729064A4 (en) * 2011-07-05 2015-03-25 Cardioinsight Technologies Inc LOCATION FOR ELECTROCARDIOGRAPHIC MAPPING
CA2851800C (en) * 2011-10-12 2018-02-13 Cardioinsight Technologies, Inc. Sensing zone for spatially relevant electrical information
US9277956B2 (en) 2011-11-09 2016-03-08 Siemens Medical Solutions Usa, Inc. System for automatic medical ablation control
EP3013388A1 (en) 2013-06-27 2016-05-04 MiniPumps, LLC Vented refill arrangement for implantable drug-delivery devices
CN106061374B (zh) * 2014-02-04 2019-08-16 科迪影技术股份有限公司 电生理数据的综合分析
WO2015143136A1 (en) * 2014-03-19 2015-09-24 Cardionxt, Inc. System and methods for using body surface cardiac electrogram information combined with internal information to deliver therapy

Also Published As

Publication number Publication date
US10076260B2 (en) 2018-09-18
WO2015120064A1 (en) 2015-08-13
CN106061374A (zh) 2016-10-26
US20150216438A1 (en) 2015-08-06
EP3102102B1 (en) 2019-06-12
US20180042507A1 (en) 2018-02-15
EP3102102A1 (en) 2016-12-14
EP3102102A4 (en) 2017-10-25
US9820666B2 (en) 2017-11-21

Similar Documents

Publication Publication Date Title
CN106061374B (zh) 电生理数据的综合分析
CN106102568B (zh) 与治疗部位相关的信号分析
EP2994044B1 (en) Analysis and detection for arhythmia drivers
EP2945530B1 (en) Composite singularity mapping
CA2885531C (en) Physiological mapping for arrhythmia
RU2523128C2 (ru) Устройство формирования изображения сердца
CN114903591A (zh) 3d医学图像的虚拟现实或增强现实可视化
CN110769744A (zh) 用于电生理学信号的注释直方图
US9883813B2 (en) Focal point identification and mapping
CN109069002A (zh) 检测传导定时
US10039464B2 (en) Phase values and wave front detection for electrophysiological cardiac signals
US20170209059A1 (en) System and method for displaying cardiac mechanical activation patterns
EP3185760B1 (en) Signal characterization to facilitate therapy delivery
US10806359B2 (en) Connectivity analysis for arrhythmia drivers

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190816

Termination date: 20210204

CF01 Termination of patent right due to non-payment of annual fee