CN107530019B - 针对不同ecg导联***的ecg电缆互换的自动检测/分类 - Google Patents
针对不同ecg导联***的ecg电缆互换的自动检测/分类 Download PDFInfo
- Publication number
- CN107530019B CN107530019B CN201680024873.3A CN201680024873A CN107530019B CN 107530019 B CN107530019 B CN 107530019B CN 201680024873 A CN201680024873 A CN 201680024873A CN 107530019 B CN107530019 B CN 107530019B
- Authority
- CN
- China
- Prior art keywords
- ecg
- interchange
- lead system
- base
- controller
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 30
- 238000003066 decision tree Methods 0.000 claims description 33
- 230000004044 response Effects 0.000 claims description 26
- 230000000877 morphologic effect Effects 0.000 claims description 21
- 238000000034 method Methods 0.000 claims description 20
- 238000012706 support-vector machine Methods 0.000 claims description 16
- 239000000284 extract Substances 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 230000009466 transformation Effects 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 4
- 230000001747 exhibiting effect Effects 0.000 claims 2
- 238000002565 electrocardiography Methods 0.000 description 234
- 238000005259 measurement Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 230000000875 corresponding effect Effects 0.000 description 5
- WABPQHHGFIMREM-UHFFFAOYSA-N lead(0) Chemical compound [Pb] WABPQHHGFIMREM-UHFFFAOYSA-N 0.000 description 5
- 238000007726 management method Methods 0.000 description 4
- 230000035945 sensitivity Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 238000012417 linear regression Methods 0.000 description 3
- 238000007477 logistic regression Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 206010003658 Atrial Fibrillation Diseases 0.000 description 2
- 206010003662 Atrial flutter Diseases 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004070 electrodeposition Methods 0.000 description 2
- 238000004370 retrospective diagnosis Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 210000001015 abdomen Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
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
- A61B5/30—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
- A61B5/72—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
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/25—Bioelectric electrodes therefor
- A61B5/276—Protection against electrode failure
-
- 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
-
- 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
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/02—Operational features
- A61B2560/0266—Operational features for monitoring or limiting apparatus function
- A61B2560/0276—Determining malfunction
-
- 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
- A61B2562/22—Arrangements of medical sensors with cables or leads; Connectors or couplings specifically adapted for medical sensors
- A61B2562/221—Arrangements of sensors with cables or leads, e.g. cable harnesses
- A61B2562/222—Electrical cables or leads therefor, e.g. coaxial cables or ribbon cables
-
- 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
- A61B2562/22—Arrangements of medical sensors with cables or leads; Connectors or couplings specifically adapted for medical sensors
- A61B2562/225—Connectors or couplings
- A61B2562/226—Connectors or couplings comprising means for identifying the connector, e.g. to prevent incorrect connection to socket
-
- 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
- A61B2562/22—Arrangements of medical sensors with cables or leads; Connectors or couplings specifically adapted for medical sensors
- A61B2562/225—Connectors or couplings
- A61B2562/227—Sensors with electrical connectors
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Cardiology (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Electrotherapy Devices (AREA)
Abstract
一种用于ECG设备的ECG控制器能连接到基础ECG导联***(例如,12导联***),其中,所述ECG控制器对所述ECG控制器与所述基础ECG导联***之间的任何电缆互换(例如,肢体电缆互换或心前电缆互换)实施基于ECG波形形态和基于ECG导联冗余的检测和分类。备选地,所述ECG控制器还能连接到子基础ECG导联***(例如,仅肢体导联***或有限心前导联***),其中,所述ECG控制器对所述电极接口与所述子基础ECG导联***之间的任何电缆互换(例如,肢体电缆互换或心前电缆互换)实施基于ECG波形形态的检测和分类。
Description
技术领域
本发明总体上地涉及心电图仪导联线与固定在患者身体上的电极的错误连接(即,电缆互换)的自动检测。本发明具体涉及针对不同ECG导联***的心电图仪电缆互换的综合自动检测和分类。
背景技术
通常,心电图(“ECG”)电极的准确放置对于标准导联***(例如,常规的12导联***)和非标准导联***(例如,Mason-Likar减导联***)两者都是至关重要的。有时,ECG电极被放置在正确的解剖位置上,但是一条或多条电极导联线将(一个或多个)ECG电极错误地连接到ECG设备处的(一个或多个)错误终端(例如,右臂电极被错误地连接到ECG设备的左臂导联线)。ECG设备导联线与错误的患者电极的错误连接在本领域中被称为“电缆互换”,并且电缆互换通常在ECG分析期间的任何ECG重建和/或错误诊断期间生成错误的波形。
更具体地,美国每年记录有四千万个ECG。使用十(10)个电极(包括四(4)个肢体电极和六(6)个心前电极)获得标准12导联ECG。四(4)个肢体电极包括右臂(RA)、左臂(LA)、右腿(RL)和左腿(LL),而六(6)个心前电极(V1-V6)被放置在前胸上的解剖学参考界标上。电极放置被认为是确定ECG信号质量的最重要因素之一,电极错误放置倾向于产生不正确的ECG异常结果,并由此生成错误的诊断报告。ECG电缆互换是最常见的电极放置错误之一。因此,美国心脏协会推荐在所有ECG设备中包括电缆互换检测算法。
为此,研究人员提出了检测ECG电缆互换的若干标准和方法。在自动检测算法方面,大多数方法属于两(2)类中的一类。第一类自动检测算法涉及基于形态的方法,其从P波、QRS波和T波中提取一组测量结果,并使用这些测量结果来导出检测标准。第二类自动检测算法实施基于冗余的方法,其使用包含在标准12导联***的八(8)个独立导联中的冗余信息。这样的方法使用从原始导联***到近似结果的ECG的变换或重建,并且通过将原始ECG与经变换或经重建的ECG进行比较来检测电缆互换。
更具体地,用于检测ECG电缆互换的现有方法被设计用于使用标准12导联***的静止诊断ECG设备,其中,肢体电极被放置在标准位置处。然而,对于宽范围的ECG设备,经常使用其他非标准导联***。例如,在监测或健身心电图设备时,经常使用Mason-Likar导联***。在Mason-Likar导联***中,通常使用经修改的肢体电极位置,其中,臂电极被放置在锁骨下窝,并且LL电极被放置在左下腹上。作为另一范例,在遥测ECG设备中,经常使用减导联***(例如,仅记录肢体导联或肢体导联加上有限的心前导联的导联***)。
与标准12导联***一样,对于具有非标准导联***的ECG设备,对ECG电缆互换的检测是必要的。例如,在监测/健身心电图设备中,在ST段监测期间,ECG电极的准确放置是很重要的。正因如此,对ECG电缆互换的检测会有助于防止ST段监测期间的假警报。虽然一些ST段偏差是正常,但是量和极性取决于电极位置。以这种方式,在电极的一个组合中,ST偏差的相同幅值和极性可能是正常的,但是在另一组电极中可能是异常的。另外,在减导联***中,可以根据减导联记录重建12导联ECG,并且导联线的错误连接可能会产生错误的12导联波形。
发明内容
本发明旨在通过提供针对不同ECG导联***的ECG电缆互换的综合检测来解决用于检测ECG电缆互换的现有方法的上述局限性。
总体上,本发明通过ECG控制器与ECG设备之间的耦合、集成或其它任何结构关系以用于ECG设备的ECG控制器为前提,这促进了ECG控制器向ECG设备传送消息或从ECG设备传送消息,指示ECG控制器与ECG导联***之间不存在或存在电缆互换。
为了本发明的目的,术语“ECG设备”广义地涵盖用于生成和显示(即,监测)患者心脏的ECG的所有独立设备和并入设备的多功能***,包括但不限于:
1.诊断ECG设备(例如,PageWriter TC心电图仪、Efficia系列心电图仪);
2.健身ECG设备(例如,ST80i应力测试***);
3.流动ECG设备(Holter监测器);
4.床边监测ECG设备(例如,IntelliVue监测器、SureSigns监测器和Goldway监测器);
5.遥测ECG设备(例如,IntelliVue MX40监测器);
6.以及高级生命支持产品(例如,HeartStart MRx和HeartStart XL除颤器,以及Efficia DFM100除颤器/监测器);
7.ECG管理***(例如,IntelliSpace ECG管理***)。
ECG控制器可以连接到基础ECG导联***(例如,标准12导联***、15导联***、16导联***或18导联***),其中,ECG控制器总体实施ECG控制器与基础ECG导联***之间的任何电缆互换的基于ECG波形形态/基于ECG导联冗余的检测和分类。
备选地,ECG控制器可以连接到子基础导联***(例如,四(4)电极导联线***和六(6)电极导联线***),其中,ECG控制器实施ECG控制器与子基础ECG导联***之间的任何电缆互换的基于ECG波形形态的检测和分类。
为了本发明的目的,术语“基础ECG导联***”广义地涵盖用于将患者皮肤上的电极连接到ECG设备(心电图仪)导联线而建立的ECG导联***的电极和电缆导联线。术语“子基础ECG导联***”广义地涵盖基础ECG导联***的电极和电缆导联线的子集。
为了本发明的目的,术语“ECG控制器”广义地涵盖容纳在ECG设备内或链接到ECG设备的专用主板或专用集成电路的所有结构配置,所述“ECG控制器”用于控制如下文所述的本发明的各种发明原理的应用。ECG控制器的结构配置可以包括但不限于(一个或多个)处理器、(一个或多个)计算机可用/计算机可读存储介质、操作***、(一个或多个)应用模块、(一个或多个)***设备ECG控制器、(一个或多个)插槽以及(一个或多个)端口。
为了本发明的目的,术语“应用模块”广义地涵盖由用于执行特定应用的电子电路和/或可执行程序(例如,可执行软件和/固件)组成的ECG控制器的部件。
本发明的一种形式是采用电极接口、ECG解读器和电缆互换分类器形式的应用模块的ECG控制器。
在操作中,电极接口与基础ECG导联***或子基础ECG导联***相连以接收ECG信号。
ECG解读器:
(1)响应于ECG信号而生成ECG波形;并且
(2)响应于基础ECG导联***或子基础ECG导联***与电极接口的连接而提取ECG波形的(一个或多个)形态特征。
电缆互换分类器:
(1)响应于子基础ECG导联***与电极接口的连接并且还响应ECG解读器提取到ECG波形的(一个或多个)形态特征而对电极接口与子基础ECG导联***之间的任何电缆互换进行检测和分类;
(2)响应于基础ECG导联***与电极接口的连接而生成基础ECG导联***的(一个或多个)冗余特征;并且
(3)响应于ECG解读器提取到ECG波形的(一个或多个)形态特征并且还响应于电缆互换分类器生成基础ECG导联***的(一个或多个)冗余特征而对电极接口与基础ECG导联***之间的任何电缆互换进行检测和分类。
为了本发明的目的,本领域的术语(包括但不限于“ECG信号”、“ECG波形”、“电缆互换”、“形态”和“冗余”)应被解读为在本发明的领域中所理解的并且在本文中是示范性描述的。
根据以下结合附图对本发明的各种实施例的详细描述,本发明的上述形式和其他形式以及本发明的各个特征和优点将变得更加明显。详细描述和附图仅是对本发明的说明而不是限制,本发明的范围由权利要求及其等价方案来限定。
附图说明
图1A-1C图示了根据本发明的发明原理的ECG导联***/ECG控制器连接的示范性实施例的框图。
图2图示了表示根据本发明的发明原理的电缆互换管理方法的示范性实施例的流程图。
图3图示了表示根据本发明的发明原理的电缆互换检测/分类方法的示范性实施例的流程图。
图4图示了表示根据本发明的发明原理的基于形态的检测/分类方法的第一示范性实施例的流程图。
图5图示了根据本发明的发明原理的决策树的第一示范性实施例的图形图解。
图6图示了表示根据本发明的发明原理的基于形态的检测/分类方法的第二示范性实施例的流程图。
图7图示了根据本发明的发明原理的决策树的第二示范性实施例的图形图解。
图8和图9图示了表示根据本发明的发明原理的基于形态/冗余的检测/分类方法的示范性实施例的流程图。
图10图示了根据本发明的发明原理的ECG控制器的示范性实施例的框图。
图11A和图11B图示了根据本发明的发明原理的ECG控制器/ECG设备结构关系的示范性实施例的框图。
具体实施方式
为了促进对本发明的理解,图1A-1C和图2的描述教导了由可连接到图1A的仅肢体导联***20、图1B的有限心前导联***21或图1C的标准12导联***22的ECG控制器30实施的电缆互换方法的基本发明原理。根据本说明书,本领域普通技术人员将理解如何将本发明的发明原理应用于可连接到每种类型的ECG导联***的ECG控制器。
总体上,本发明解决了ECG电极与ECG导联***内与ECG控制器30的终端连接的对应导联线之间的任何错误连接,以及正确配对的ECG电极/导联线与ECG控制器30的对应终端之间的任何错误连接。因此,本文中对图1A-1C的描述涉及两种类型的错误连接,其由“ECG控制器的终端配置与ECG导联***的终端配置之间的电缆互换”的措词所涵盖。
参考图1A-1C,ECG控制器30采用电极接口40、ECG解读器50和电缆互换分类器60。电极接口40具有终端配置41,用于根据以下表1连接到仅肢体导联***20、有限心前导联***21或标准12导联***22:
表1
参考图1A,仅肢体导联***20包括如图所示的RA电极、LA电极、LL电极和RL电极的正确解剖放置。根据下表2经由电缆连接器(未示出)将仅肢体导联***20正确连接到终端配置41:
表2
根据下表3以LA-RA电缆互换的形式经由电缆连接器(为清晰起见未示出)将仅肢体导联***20与终端配置41错误连接的范例:
表3
本领域普通技术人员将会理解将仅肢体导联***20与终端配置41错误连接的额外范例(即,额外可能的电缆互换)。
参考图1B,有限心前导联***21包括如图所示的RA电极、LA电极、LL电极、RL电极、心前电极V1和心前电极V6的正确解剖放置(注意:可以使用其他组合对的心前电极)。根据下表4经由电缆连接器(为清晰起见未示出)将有限心前导联***21正确连接到终端配置41:
表4
根据下表5以V1-V6电缆互换形式经由电缆连接器(为清晰起见未示出)将有限心前导联***21与终端配置41错误连接的示例符合以下表5:
表5
本领域普通技术人员将会理解有限心前导联***21与终端配置41的错误连接的额外范例(即,额外可能的电缆互换)。
参考图1C,标准12导联***22包括如图所示的RA电极、LA电极、LL电极、RL电极、心前电极V1、心前电极V2、心前电极V3、心前电极V4、心前电极V5和心前电极V6的正确解剖放置。根据下表6经由电缆连接器(为清晰起见未示出)将标准12导联***22正确连接到终端配置41
表6
根据下表7以LA-LL电缆互换形式经由电缆连接器(未示出)将标准12导联***22错误连接到终端配置41的范例:
表7
本领域普通技术人员将会理解标准12导联***22与终端配置41错误连接的额外范例(即,额外可能的电缆互换)。
参考图1A-1C,在导联***20-22连接到终端配置41时,ECG控制器30执行由图2的流程图70表示的本发明的电缆互换管理方法。
另外,参考图2,流程图70的阶段S74涵盖电极接口40基于连接的终端的数量确定在流程图70的阶段S72期间与终端配置41的电缆连接的特定类型以指示与仅肢体导联***20、有限心前导联***21或标准12导联***22的连接。
对于与仅肢体导联***20的连接,电极接口40向ECG解读器50提供输入的ECG信号以生成ECG波形,并且向电缆互换分类器60提供码字以指示***20连接,其中,电缆互换分类器60在流程图70的阶段S76期间对与仅肢体导联***20的连接执行基于ECG波形形态的电缆互换分类。结果是在流程图70的阶段S82期间由分类器60进行电缆互换消息传递,包括:
1.没有互换(表2);
2.LA-RA互换(表3);
3.RA-LL互换;
4.LA-LL互换;
5.rLAL CW旋转;或者
6.rLAR CC3旋转。
对于与有限心前导联***21的连接,电极接口40向ECG解读器50提供输入的ECG信号以生成ECG波形,并且向电缆互换分类器60提供码字,从而识别***21连接,其中,电缆互换分类器60在流程图70的阶段S78期间对与有限心前导联***21的连接执行基于ECG波形形态的电缆互换分类。结果是在阶段S82期间由分类器60进行电缆互换消息传递,包括:
1.没有互换(表4);
2.LA-RA互换;
3.RA-LL互换;
4.LA-LL互换;
5.rLAL CW旋转;
6.rLAR CC3旋转;或者
7.V1-V6心前互换(表5)。
对于与标准12导联***22的连接,电极接口40向ECG解读器50提供输入的ECG信号以生成ECG波形,并且向电缆互换分类器60提供码字,从而识别***22连接,其中,电缆互换分类器60在流程图70的阶段S80期间对与标准12导联***22的连接执行基于ECG波形形态/导联冗余的电缆互换分类。结果是在阶段S82期间由分类器60进行电缆互换消息传递,包括:
1.没有互换(表6);
2.LA-RA互换;
3.RA-LL互换;
4.LA-LL互换(表7);
5.rLAL CW旋转;
6.rLAR CC3旋转;或者
7.V1-V6心前互换的任意组合。
注意,虽然在本文中没有被描述为范例,但是RL电极在实践中可以涉及电缆互换,并且本发明可以被实践为覆盖ECG导联***的所有电极或其选定的子集的电缆互换。
参考图3,流程图90表示根据导联***连接在流程图70(图2)的阶段S76、阶段S78或阶段S80期间由ECG解读器50和电缆互换分类器60执行的电缆互换检测/分类方法。
流程图90的阶段S92涵盖ECG解读器50对输入的ECG信号进行采样(例如,@500个采样/秒),并且流程图90的阶段S94涵盖ECG解读器50生成ECG波形。
在实践中,ECG解读器50可以在阶段S94期间实施任何已知的算法,包括但不限于Philips DXL ECG算法。
如果所生成的ECG波形具有由ECG解读器50在流程图90的阶段S96期间确定的差的信号质量,则ECG解读器50继续在流程图90的阶段S98期间传送描述性的差的信号消息。一系列差的信号消息包括但不限于“无测量结果”、“起搏节律”、“大基线漂移”和“大肌肉噪音”。
如果所生成的ECG波形具有由ECG解读器50在阶段S96期间确定的良好的信号质量,则ECG解读器50继续进行到流程图90的阶段S100,以确定所生成的ECG波形的P波是正常的还是异常的。在实践中,当ECG波形具有一致的搏动间PR间隔并且不显示心房纤颤或心房扑动时,ECG波形的P波可以被认为是正常的。否则,当ECG波形具有不一致的搏动间PR间隔或显示心房纤颤或心房扑动时,ECG波形的P波可以被认为是异常的。
如果P波是正常的,则ECG解读器50和电缆互换分类器60继续进行到流程图90的阶段S102,以执行利用取决于特定的所识别的ECG导联***连接的P波形态进行的电缆互换分类。否则,如果P波是异常的,则ECG解读器50和电缆互换分类器60继续进行到流程图90的阶段S104,以执行不利用取决于特定的所识别的ECG导联***连接的P波形态进行的电缆互换分类。
在针对适当的导联***连接和P波正常性判定的任一阶段S102或S104完成时,流程图90的阶段S108涵盖电缆互换分类器60生成如前文针对流程图70的阶段S82(图2)所述的适当消息。
本文现在将在所识别的ECG导联***连接的背景中描述阶段S102和S104。
参考图4,流程图110表示对与仅肢体导联***20的所识别的连接的利用P波和不利用P波进行的电缆互换分类。
流程图110的阶段S112涵盖ECG解读器50提取在流程图110的阶段S114期间进行的电缆互换消息生成所必需的形态特征。具体地,阶段S112示出四(4)个ECG信号EST1-EST4经由终端配置41的终端T1-T4被传送到ECG解读器50,其中,ECG解读器50提取多达X个ECG形态特征MF,X≥1。
对于正常的P波,ECG解读器50提取包括P波和QRS波的前轴以及P波和QRS的顺时针向量环旋转方向的ECG形态特征MF并将所述ECG形态特征MF提供到电缆互换分类器60以用于执行阶段S114。
对于异常的P波,ECG解读器50提取包括QRS波的前轴、QRS波的顺时针向量环旋转方向以及针对导联I和导联II的R波的幅值的ECG形态特征并将所述ECG形态特征提供到电缆互换分类器60以用于执行阶段S114。
注意,阶段S112示出了仅肢体导联***20与终端配置41之间的“无电缆互换”。尽管如此,本领域普通技术人员将理解对于仅肢体导联***20可能发生的各种电缆互换。
电缆互换分类器60包含用于仅肢体导联***20的决策树算法,用于有限心前导联***21的决策树算法和用于标准12导联***22的支持向量机。对于流程图110,电缆互换分类器60执行用于仅肢体导联***20的决策树算法,以用于对***20与终端配置41之间的任何电缆互换进行检测和分类。决策树取决于所提取的特征,并且利用应当被选取为平衡灵敏度与特异性的每个提取的形态特征的预测性测量结果。
参考图5,示出了用于正常的P波的示范性决策树64。决策树64包括根节点RN1-RN10,其中,每个根节点对应于特定提取的ECG形态特征。决策树64还包括叶节点LN1-LN11,其中,叶节点LN1对应于无电缆互换,并且每个叶节点LN2-LN11对应于特定的电缆互换。下表8示出了由电缆互换分类器60根据提取的形态特征的特定测量结果生成的各种消息:
表8
从图5的描述中,本领域普通技术人员将理解:(1)如何根据需要重新平衡决策树64的灵敏度与特异性,以及(2)针对异常的P波如何生成决策树以及针对正常的P波如何生成替代性决策树,两者都包括或多或少或与决策树64相同的ECG形态特征。
在实践中,电缆树分类器60可以利用除了决策树以外的用于仅肢体导联***20的算法,包括但不限于线性回归、逻辑回归、神经网络、初始贝叶斯和鉴别分析。此外,任何使用的算法可以用于求解回归问题,这意味着除了检测任何电缆互换以外,每个检测将被分配似然概率估计结果。
在阶段S114完成时,已经对仅肢体导联***20与终端配置41之间的任何电缆互换进行了准确的检测和分类,并且分类器60提供电缆互换消息CIM。
参考图6,流程图120表示对与有限心前导联***21的所识别的连接的利用P波和不利用P波进行的电缆互换分类。
流程图120的阶段S122涵盖ECG解读器50提取针对在流程图120的阶段S124期间进行的电缆互换消息生成所必需的形态特征。具体地,阶段S122示出六(6)个ECG信号EST1-EST5和EST10经由终端配置41的终端T1-T5和T10被传送到ECG解读器50,其中,ECG解读器50提取多达Y个ECG形态特征MF,Y≥1。
对于正常的P波,ECG解读器50提取包括P波和QRS波的前轴、P波和QRS波的顺时针向量环旋转方向、用于两个心前导联的P-QRS-T波的面积以及用于两个心前导联的P-QRS-T波的幅度的ECG形态特征MF并将所述ECG形态特征MF提供到电缆互换分类器60以用于执行阶段S124。
对于异常的P波,ECG解读器50提取包括QRS波的前轴、QRS波的顺时针向量环旋转方向、针对导联I和导联II的R波的幅度、用于两个心前导联的QRS-T波的面积以及用于两个心前导联的QRS-T波的幅度的ECG形态特征并将所述ECG形态特征提供到电缆互换分类器60以用于执行阶段S124。
注意,阶段S122示出了有限心前导联***21与终端配置41之间的“无电缆互换”。尽管如此,本领域普通技术人员将理解对于有限心前导联***21可能发生的各种电缆互换。
再次地,电缆互换分类器60包括用于仅肢体导联***20的决策树算法、用于有限心前导联***21的决策树算法和用于标准12导联***22的支持向量机。对于流程图120,电缆互换分类器60执行用于有限心前导联***21的决策树算法,以用于对***21与终端配置41之间的任何电缆互换进行检测和分类。决策树取决于所提取的特征,并且利用应当被选取为平衡灵敏度与特异性的每个提取的形态特征的预测性测量结果。
参考图7,示出了用于正常的P波的示范性决策树65。决策树65包括根节点RN1-RN9,其中,每个根节点对应于特定提取的ECG形态特征。决策树65还包括叶节点LN1-LN10,其中,叶节点LN3、LN4、LN6和LN10对应于无电缆互换,并且叶节点LN1、LN2、LN5和LN7-LN9对应于特定的电缆互换。下表9示出了由电缆互换分类器60根据提取的形态特征的特定测量结果生成的各种消息:
表9
从图7的描述中,本领域普通技术人员将理解:(1)如何根据需要重新平衡决策树65的灵敏度与特异性,以及(2)针对异常的P波如何生成决策树以及针对正常的P波如何生成替代性决策树,两者都包括或多或少或与决策树65相同的ECG形态特征。
在实践中,电缆树分类器60可以利用除了决策树以外的用于有限心前导联***21的算法,包括但不限于线性回归、逻辑回归、神经网络、初始贝叶斯和鉴别分析。此外,任何使用的算法可以用于求解回归问题,这意味着除了检测任何电缆互换以外,每个检测将被分配似然概率估计结果。
在阶段S124完成时,已经对有限心前导联***21与终端配置41之间的任何电缆互换进行了准确的检测和分类,并且分类器60提供电缆互换消息CIM。
参考图8,流程图130表示对与标准12导联***22的所识别的连接的利用P波和不利用P波进行的电缆互换分类。
流程图130的阶段S132涵盖ECG解读器50提取针对在流程图130的阶段S134期间进行的电缆互换消息生成所必需的形态特征。具体地,阶段S132示出十(10)个ECG信号EST1-EST10经由终端配置41的终端T1-T10被传送到ECG解读器50,其中,ECG解读器50提取多达Z个ECG形态特征MF,Z≥1。
对于正常的P波,ECG解读器50提取包括P波和QRS波的前轴以及P波和QRS波的顺时针向量环旋转方向的ECG形态特征MF并将所述ECG形态特征MF提供到电缆互换分类器60以用于执行阶段S134。
对于异常的P波,ECG解读器50提取包括QRS波的前轴、QRS波的顺时针向量环旋转方向以及针对导联I和导联II的R波的幅度的ECG形态特征并将所述ECG形态特征提供到电缆互换分类器60以用于执行阶段S134。
注意,阶段S132示出了标准12导联***22与终端配置41之间的“无电缆互换”。尽管如此,本领域普通技术人员将理解对于标准12导联***22可能发生的各种电缆互换。
再次地,电缆互换分类器60包括用于仅肢体导联***20的决策树算法,用于有限心前导联***21的决策树算法和用于标准12导联***22的支持向量机。对于流程图130,电缆互换分类器60执行用于标准12导联***22的支持向量机,以用于对***22与终端配置41之间的任何电缆互换进行检测和分类。支持向量机处理适当提取标准12导联***的ECG形态特征MF和冗余特征。在实践中,可以使用任何类型的支持向量机,包括但不限于C支持向量分类形式的多类线性支持向量机。
参考图9,流程图140表示利用C支持向量分类形式的多类线性支持向量机的用于阶段S134的支持向量机方法。
流程图140的阶段S142涵盖分类器60生成标准12导联***22的M个的冗余特征,M≥1。在流程图140的一个实施例中,基于已知的EASITM变换导出冗余特征。在这种背景中,冗余意味着许多导联是高度相关的,其中,由于这种冗余信息,能够以合理的准确度从其他导联重建每个导联。对于每个ECG,变换涉及在为所有可能的导联交换生成单独的ECG之后,使用EASITM导联转换矩阵的逆矩阵将每个交换的12导联ECG变换到EASITM导联***,然后应用EASITM导联变换矩阵以转换回12导联ECG。在整个QRS-T波群上计算经交换的ECG与双EASITM变换的ECG之间的逐导联均方根误差(RMSE)和相关系数(CC)。因此,冗余特征是针对每个导联交换的所有12个导联中的平均RMSE和平均CC。
在实践中,可以在阶段S142期间利用矩阵变换来代替EASITM变换。
流程图140的阶段S144涵盖针对每个可能的电缆互换的N个输出类别和用于具有“无互换”类别的输出类别的每个组合的N个二进制SVM分类器66,N≥1。更具体地,处理经提取的ECG形态特征MF和所生成的冗余特征RF的线性组合以从每个二进制分类器生成SVM评分。
流程图140的阶段S146涵盖通过将每个SVM评分应用于具有“无互换”类别与“电缆互换”类别之间的判定边界的对应的SVM评分直方图67来检测任何电缆互换,该判定边界被设计为通过对SVM模型中的C参数的不等加权来减少任何假阳性情况。
流程图40的阶段S148涵盖基于“一对一”方法的电缆互换分类,其中,通过使用投票策略将来自所有二进制分类器的输出进行比较来选取最终输出类别。最终输出将是所有二进制分类器中票数最多的类别。
在一个简单的范例中,对于十(10)个二进制分类器B1-B10和三(3)个可能的输出类别O1-O3,以下是每个二进制分类器的输出:
1.B1->O1;
2.B2->O1;
3.B3->O2;
4.B4->O1;
5.B5->O1;
6.B6->O1;
7.B7->O2;
8.B8->O2;
9.B9->O3;并且
10.B10->O3。
输出的投票结果使输出类别O1具有五(5)票,输出类别O2具有三(3)票,输出类别O3具有两(2)票。因此最终的输出将是输出类别O1。
从图9的描述中,本领域普通技术人员将理解,实施各种分类的不同类型的支持向量机。
在实践中,电缆互换分类器60可以利用除了支持向量机以外的用于标准12导联***22的算法,包括但不限于线性回归、逻辑回归、神经网络、初始贝叶斯和鉴别分析。此外,任何使用的算法可以用于求解回归问题,这意味着除了检测任何电缆互换以外,每个检测将被分配似然概率估计结果。
在阶段S146完成时,已经对标准12导联***22与终端配置41之间的任何电缆互换进行了准确的检测和分类,并且分类器60提供电缆互换消息CIM。
参考图10,示出了ECG控制器30的更详细的示范性实施例以用于执行如图2-9所示的各种流程图的前述描述。对于该实施例,电极接口40采用包括终端配置41(图1)的硬件接口41和用于控制ECG信号到ECG解读器50的传输以及导联识别码字到ECG解读器50和电缆互换分类器60的传输的软件接口42。ECG解读器50采用ECG波形生成器51和ECG形态提取器52。电缆互换分类器60采用决策树管理器61、导联冗余管理器62和支持向量机管理器63。
控制器30可以将电缆互换消息CIM传送到各种设备,包括但不限于显示器150、打印机151和扬声器152。例如,在ECG波形的预记录屏幕播放期间,显示器150可以显示电缆互换消息CIM。更具体地,在临床工作流程中,紧接着皮肤准备、电极放置和设备连接之后,如果算法检测到任何电缆互换,则能够显示弹出窗口151。
另外,在回顾性诊断期间,消息代码能够被显示在由打印机160生成的诊断报告161上,并且如果可能的话,在后记录分析期间经互换的导联能够被交换回正确的位置。
如前文所述,ECG控制器30通过ECG控制器30与ECG设备之间的耦合、集成或其他任何结构关系而用于ECG设备,这促进了ECG控制器向ECG设备传送消息或从ECG设备传送消息,指示ECG控制器与ECG导联***之间的电缆互换的存在还是不存在。
例如,图11A示出了ECG控制器30经由电缆连接器181与ECG设备170的耦合,其中,当ECG控制器30经由电缆连接器180连接到标准12导联***22(或其他ECG导联***)时,可以将ECG信号和电缆互换消息传送到ECG设备170。
通过另外的范例,图11B示出了ECG控制器30与ECG设备181的集成,其中,当将ECG控制器30经由电缆连接器180连接到标准12导联***22(或其他ECG导联***)时,根据需要将ECG信号和电缆互换消息传送到ECG设备181的额外部件(未示出)。
在实践中,本发明的ECG控制器可以被设计为仅针对特定的ECG导联***。对于这样的设计,电缆互换分类器可以实施本发明的基于ECG波形形态的检测和分类和/或本发明的基于ECG导联冗余的检测(例如,形态特征的决策树处理)和分类(例如,形态/冗余特征的SVM处理)。
参考图1-11,本领域普通技术人员将理解本发明的许多益处,包括但不限于:
(1)通过在针对宽范围的ECG设备的初始ECG记录期间生成指示电缆互换的警报,促进了通过ECG技术人员或护士减少ECG导联线错误连接的机会,以及
(2)通过在诊断报告上显示互换消息代码促进了回顾性诊断,并且如果可能的话将互换的导联交换回正确的位置,从而阻止在由不同的导联***重建ECG时生成错误的诊断报告、假警报或防止大的波形错误。
此外,如本领域普通技术人员鉴于本文中提供的教导将意识到的,本公开内容/说明书中描述的和/或在图1-11中描绘的特征、元件、部件等均可以以电子部件/电路、硬件、可执行软件和可执行固件(具体为本文所述的ECG控制器的应用模块)的各种组合来实施,并提供可以被组合在单个元件或多个元件中的功能。例如,能够通过使用专用硬件以及能够运行与适当的软件相关联的软件的硬件来提供在图1-11中示出/图示/描绘的各个特征、元件、部件等的功能。当由处理器提供时,所述功能能够由单个专用处理器、由单个共享处理器或由多个个体处理器(它们中的一些能够被共享和/或多路复用)来提供。此外,对术语“处理器”的明确使用不应被解释为专指能够运行软件的硬件,并且能够隐含地包括而不限于数字信号处理器(“DSP”)硬件、存储器(例如,用于储存软件的只读存储器(“ROM”)、随机存取存储器(“RAM”)、非易失性储存器等),以及实质上能够(和/或可配置为)执行和/或控制过程的任意单元和/或机器(包括硬件、软件、固件、它们的组合等)。
此外,本文中记载本发明的原理、各方面和实施例以及其特定范例的所有陈述,旨在涵盖其结构和功能上的等价物。额外地,这样的等价物旨在包括当前已知的等价物以及未来发展的等价物(即,能够执行相同或基本上相似的功能的所发展的任何元件而无论其结构如何)。因此,例如,鉴于本文中提供的教导,本领域普通技术人员应意识到,本文中呈现的任何方框图能够表示实施本发明的原理的图示性***部件和/或电路的概念视图。类似地,鉴于本文中提供的教导,本领域普通技术人员应意识到,任意流程图表、流程图等均能够表示各种过程,所述各种过程基本上能被表示在计算机可读储存媒介中,并由具有处理能力的计算机、处理器或其他设备如此运行,而无论是否明确示出这样的计算机或处理器。
此外,本发明的示范性实施例能够采取计算机程序产品或应用模块的形式,所述计算机程序产品或应用模块可从计算机可用存储介质或计算机可读存储介质存取,所述计算机可用存储介质或计算机可读存储介质提供用于由例如计算机或任何指令运行***使用或者与例如计算机或任何指令运行***结合使用的程序代码和/或指令。根据本公开内容,计算机可用存储介质或计算机可读存储介质能够是例如能够包括、存储、通信、传播或输送用于由指令运行***、装置或设备使用或与指令运行***、装置或设备结合使用的程序的任何装置。这样的示范性介质能够是例如电子、磁性、光学、电磁、红外或半导体***(或装置或设备)或传播介质。计算机可读介质的范例包括例如半导体或固态存储器、磁带、可移动计算机软盘、随机存取存储器(RAM)、只读存储器(ROM)、闪盘(驱动器)、硬磁盘以及光盘。光盘的当前范例包括压缩盘-只读存储器(CD-ROM)、压缩盘-读/写(CD-R/W)以及DVD。另外,应当理解,以后可能发展出的任何新的计算机可读介质也均应被视为根据本发明和公开内容的示范性实施例可以使用或涉及到的计算机可读介质。
已经描述了用于针对不同ECG导联***的ECG电缆互换的自动检测/分类的新颖性和创造性***和方法的优选和示范性实施例(这些实施例旨在是图示性的而非限制性的),应当注意,按照本文中提供的教导,包括图1-11,本领域普通技术人员能够做出修改和变型。因此,应当理解,能够在/对本公开内容的优选和示范性实施例中做出在本文中公开的实施例的范围之内的改变。
此外,应预期到,包括和/或实施根据本公开内容的设备或诸如能够在所述设备中使用/实施的对应的和/或有关的***也被预期并且被认为在本发明的范围之内。而且,用于制造和/或使用根据本公开内容的设备和/或***的对应的和/或有关的方法也被预期并且被认为在本发明的范围之内。
Claims (15)
1.一种用于ECG设备的ECG控制器(30),所述ECG控制器(30)包括:
与基础ECG导联***(22)和子基础ECG导联***(20、21)中的一个相连接的电极接口(40),所述电极接口适于接收ECG信号;
ECG解读器(50),
其中,所述ECG解读器(50)适于与所述电极接口(40)相通信,以响应于所述ECG信号而生成ECG波形,并且
其中,所述ECG解读器(50)还适于响应于所述基础ECG导联***(22)和所述子基础ECG导联***(20、21)中的一个与所述电极接口(40)的连接而提取所述ECG波形的至少一个形态特征;以及
电缆互换分类器(60),
其中,与所述ECG解读器(50)相通信的所述电缆互换分类器(60)适于响应于所述子基础ECG导联***(20、21)与所述电极接口(40)的所述连接并且还响应于所述ECG解读器(50)提取到所述ECG波形的所述至少一个形态特征而对所述电极接口(40)与所述子基础ECG导联***(20、21)之间的任何电缆互换进行检测和分类,
其中,所述电缆互换分类器(60)还适于与所述电极接口(40)相通信,以响应于所述基础ECG导联***(22)与所述电极接口(40)的所述连接而生成所述基础ECG导联***(22)的至少一个冗余特征,并且
其中,所述电缆互换分类器(60)还适于与所述ECG解读器(50)相通信,以响应于所述ECG解读器(50)提取到所述ECG波形的所述至少一个形态特征并且还响应于所述电缆互换分类器(60)生成所述基础ECG导联***(22)的所述至少一个冗余特征而对所述电极接口(40)与所述基础ECG导联***(22)之间的任何电缆互换进行检测和分类。
2.根据权利要求1所述的ECG控制器(30),
其中,所述子基础ECG导联***(20、21)是所述基础ECG导联***(22)的子集。
3.根据权利要求1所述的ECG控制器(30),
其中,所述基础ECG导联***(22)是标准12导联***;并且
其中,所述子基础ECG导联***(20、21)是以下中的一个:仅肢体导联***和有限心前导联***。
4.根据权利要求1所述的ECG控制器(30),其中,响应于所述ECG波形的P波呈现正常特性,所述ECG解读器(50)提取所述ECG波形的至少一个形态特征,所述至少一个形态特征包括以下中的至少一个:P波的前轴、QRS波的前轴、所述P波的顺时针向量环旋转方向、所述QRS波的顺时针向量环旋转方向、P-QRS-T波的面积以及所述P-QRS-T波的幅度。
5.根据权利要求1所述的ECG控制器(30),其中,响应于所述ECG波形的P波呈现异常特性,所述ECG解读器(50)提取所述ECG波形的至少一个形态特征,所述至少一个形态特征包括QRS波的前轴、所述QRS波的顺时针向量环旋转方向、R波的幅度、QRS-T波的面积以及所述QRS-T波的幅度。
6.根据权利要求1所述的ECG控制器(30),其中,所述电缆互换分类器(60)包括用于对所述电极接口(40)与所述子基础ECG导联***(20、21)之间的任何电缆互换进行检测和分类的决策树。
7.根据权利要求6所述的ECG控制器(30),
其中,所述决策树包括与所述ECG波形的所述至少一个形态特征相对应的至少一个根节点;并且
其中,所述决策树还包括与所述电极接口(40)和所述子基础ECG导联***(20、21)之间的电缆互换相对应的至少一个叶节点。
8.根据权利要求1所述的ECG控制器(30),其中,所述电缆互换分类器(60)根据变换矩阵导出所述基础ECG导联***(22)的所述至少一个冗余特征。
9.根据权利要求1所述的ECG控制器(30),
其中,所述电缆互换分类器(60)包括用于对所述电极接口(40)与所述基础ECG导联***(22)之间的任何电缆互换进行检测和分类的支持向量机;并且
其中,所述支持向量机包括多个二进制分类器(66),所述多个二进制分类器用于响应于所述ECG解读器(50)提取到所述ECG波形的所述至少一个形态特征并且还响应于所述电缆互换分类器(60)生成所述基础ECG导联***(22)的所述至少一个冗余特征而生成电缆互换类别的所有组合到无互换类别的线性分类评分。
10.根据权利要求9所述的ECG控制器(30),其中,所述支持向量机包括用于对每个线性分类评分进行分类的多个直方图。
11.根据权利要求10所述的ECG控制器(30),其中,所述支持向量机适于对根据所述线性分类评分的所述分类的投票策略导出的所述电极接口(40)与所述基础ECG导联***(22)之间的电缆互换进行分类。
12.根据权利要求1所述的ECG控制器(30),
其中,所述子基础ECG导联***(20、21)包括RA电极、LA电极和LL电极;并且
其中,响应于所述电缆互换分类器(60)检测到所述电极接口(40)与所述子基础ECG导联***(20、21)之间的电缆互换,所述电缆互换分类器(60)将所述检测分类为以下中的一个:LA-RA互换、RA-LL互换、LA-LL互换、顺时针旋转rLAL互换以及逆时针旋转rLAR互换。
13.根据权利要求1所述的ECG控制器(30),
其中,所述子基础ECG导联***(20、21)包括RA电极、LA电极、LL电极以及两个或更多心前电极;并且
其中,响应于所述电缆互换分类器(60)检测到所述电极接口(40)与所述子基础ECG导联***(20、21)之间的电缆互换,所述电缆互换分类器(60)将所述检测分类为以下中的一个:LA-RA互换、RA-LL互换、LA-LL互换、顺时针旋转rLAL互换、逆时针旋转rLAR互换以及心前互换。
14.根据权利要求1所述的ECG控制器(30),
其中,所述基础ECG导联***(22)包括RA电极、LA电极、LL电极以及心前电极V1-V6;并且
其中,响应于所述电缆互换分类器(60)检测到所述电极接口(40)与所述基础ECG导联***(22)之间的电缆互换,所述电缆互换分类器(60)将所述检测分类为以下中的一个:LA-RA互换、RA-LL互换、LA-LL互换、顺时针旋转rLAL互换、逆时针旋转rLAR互换以及心前互换。
15.一种操作用于ECG设备的ECG控制器(30)的方法,所述方法包括:
所述ECG控制器(30)接收来自基础ECG导联***(22)和子基础ECG导联***(20、21)中的一个的ECG信号;
所述ECG控制器(30)响应于所述ECG信号而生成ECG波形;
响应于所述ECG控制器(30)接收到来自所述基础ECG导联***(22)和所述子基础ECG导联***(20,21)中的一个的所述ECG信号,所述ECG控制器(30)提取所述ECG波形的至少一个形态特征;
响应于所述ECG控制器(30)接收到来自所述子基础ECG导联***(20、21)的所述ECG信号并且还响应于所述ECG控制器(30)提取到所述ECG波形的所述至少一个形态特征,所述ECG控制器(30)对所述ECG控制器(30)与所述子基础ECG导联***(20、21)之间的任何电缆互换进行检测和分类;
响应于所述ECG控制器(30)接收到来自所述基础ECG导联***(22)的所述ECG信号,所述ECG控制器(30)生成所述基础ECG导联***(22)的至少一个冗余特征;并且
响应于所述ECG控制器(30)提取到所述ECG波形的所述至少一个形态特征并且还响应于所述ECG控制器(30)生成所述基础ECG导联***(22)的所述至少一个冗余特征,所述ECG控制器(30)对所述ECG控制器(30)与所述基础ECG导联***(22)之间的任何电缆互换进行检测和分类。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201562140878P | 2015-03-31 | 2015-03-31 | |
US62/140,878 | 2015-03-31 | ||
PCT/EP2016/057143 WO2016156534A1 (en) | 2015-03-31 | 2016-03-31 | Automatic detection/classification of ecg cable interchange for different ecg lead systems |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107530019A CN107530019A (zh) | 2018-01-02 |
CN107530019B true CN107530019B (zh) | 2021-03-12 |
Family
ID=55642498
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680024873.3A Active CN107530019B (zh) | 2015-03-31 | 2016-03-31 | 针对不同ecg导联***的ecg电缆互换的自动检测/分类 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10959637B2 (zh) |
EP (1) | EP3277176B1 (zh) |
JP (1) | JP6901399B2 (zh) |
CN (1) | CN107530019B (zh) |
WO (1) | WO2016156534A1 (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7057356B6 (ja) * | 2016-11-29 | 2022-06-02 | コーニンクレッカ フィリップス エヌ ヴェ | 誤ったアラーム検出 |
CN107296600A (zh) * | 2017-05-17 | 2017-10-27 | 哈尔滨工业大学(威海) | 一种快速十二导联心电信号质量评估方法 |
EP3742966A4 (en) * | 2018-01-25 | 2021-10-27 | Coala-Life AB | ANALYSIS OF ELECTROCARDIOGRAM DATA FROM A REMOTE PORTABLE SENSOR DEVICE |
CN108932502A (zh) * | 2018-07-13 | 2018-12-04 | 希蓝科技(北京)有限公司 | 一种自学习的心电图模板分类模型更新***及方法 |
CN109431492B (zh) * | 2018-10-16 | 2022-04-26 | 上海乐普云智科技股份有限公司 | 基于神经网络算法的心电图导联数据模拟重建方法 |
CN109620152B (zh) * | 2018-12-16 | 2021-09-14 | 北京工业大学 | 一种基于MutiFacolLoss-Densenet的心电信号分类方法 |
CN109480827B (zh) * | 2018-12-18 | 2021-04-16 | 武汉中旗生物医疗电子有限公司 | 向量心电图分类方法及装置 |
JP7252778B2 (ja) | 2019-02-20 | 2023-04-05 | 日本光電工業株式会社 | 心電図解析装置および心電システム |
JP2020154513A (ja) * | 2019-03-19 | 2020-09-24 | ネクスティシステムデザイン株式会社 | 判定装置、判定方法及び判定プログラム |
JP7340985B2 (ja) * | 2019-07-31 | 2023-09-08 | フクダ電子株式会社 | 心電計およびその制御方法 |
CN110801218B (zh) * | 2019-11-13 | 2021-03-05 | 清华大学 | 心电图数据处理方法、装置、电子设备及计算机可读介质 |
CN111610407B (zh) * | 2020-05-18 | 2022-10-18 | 国网江苏省电力有限公司电力科学研究院 | 基于朴素贝叶斯的电缆老化状态评估方法和装置 |
CN114287949A (zh) * | 2020-12-29 | 2022-04-08 | 深圳迈瑞软件技术有限公司 | 心电信号的监测方法、监护装置和存储介质 |
CN113974640B (zh) * | 2021-10-29 | 2023-07-28 | 杨红艳 | 一种心电图检查自动校准定位装置及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6282440B1 (en) * | 1999-12-31 | 2001-08-28 | Ge Marquette Medical Systems, Inc. | Method to identify electrode placement |
EP2168477A1 (en) * | 2008-09-26 | 2010-03-31 | Cardinal Health Germany 234 GmbH | ECG system and method for proper electrode placement |
CN103908244A (zh) * | 2014-04-03 | 2014-07-09 | 深圳市理邦精密仪器股份有限公司 | 一种对心电导联错接进行判断的方法和装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4587008B2 (ja) * | 2000-07-24 | 2010-11-24 | 大名 魏 | 標準12誘導心電図の構築方法および心電図検査装置 |
US7860558B2 (en) * | 2006-03-31 | 2010-12-28 | Koninklijke Philips Electronics N.V. | ECG lead misplacement detection and correction |
-
2016
- 2016-03-31 US US15/563,136 patent/US10959637B2/en active Active
- 2016-03-31 WO PCT/EP2016/057143 patent/WO2016156534A1/en active Application Filing
- 2016-03-31 JP JP2017550850A patent/JP6901399B2/ja active Active
- 2016-03-31 EP EP16712922.0A patent/EP3277176B1/en active Active
- 2016-03-31 CN CN201680024873.3A patent/CN107530019B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6282440B1 (en) * | 1999-12-31 | 2001-08-28 | Ge Marquette Medical Systems, Inc. | Method to identify electrode placement |
EP2168477A1 (en) * | 2008-09-26 | 2010-03-31 | Cardinal Health Germany 234 GmbH | ECG system and method for proper electrode placement |
CN103908244A (zh) * | 2014-04-03 | 2014-07-09 | 深圳市理邦精密仪器股份有限公司 | 一种对心电导联错接进行判断的方法和装置 |
Non-Patent Citations (3)
Title |
---|
Automatic detection of ECG cable interchange by analyzing both morphology and interlead relations;Chengzong Han et al.;《Journal of Electrocardiology》;20141101;第42卷(第6期);第781-787页 * |
Automatic detection of ECG electrode misplacement:a tale of two algorithms;Henian Xia et al.;《Physiological Measurement》;20120817;第33卷(第9期);全文 * |
Automatic Detection of ECG Lead-wire Interchange for Conventional and Mason-Likar Lead Systems;Chenzong Han et al.;《Computing in Cardiology 2014》;20150217;全文 * |
Also Published As
Publication number | Publication date |
---|---|
JP6901399B2 (ja) | 2021-07-14 |
US20180092568A1 (en) | 2018-04-05 |
WO2016156534A1 (en) | 2016-10-06 |
EP3277176B1 (en) | 2021-08-18 |
CN107530019A (zh) | 2018-01-02 |
EP3277176A1 (en) | 2018-02-07 |
JP2018510013A (ja) | 2018-04-12 |
US10959637B2 (en) | 2021-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107530019B (zh) | 针对不同ecg导联***的ecg电缆互换的自动检测/分类 | |
CN109063552B (zh) | 一种多导联心电信号分类方法和*** | |
US7860558B2 (en) | ECG lead misplacement detection and correction | |
WO2019038109A1 (en) | METHOD FOR DETECTING ANOMALIES IN ECG SIGNALS | |
CN103908244B (zh) | 一种对心电导联错接进行判断的方法和装置 | |
EP4042445A1 (en) | Systems and methods for reduced lead electrocardiogram diagnosis using deep neural networks and rule-based systems | |
CN109328033B (zh) | 用于快速心电图(ecg)采集的***和方法 | |
JP2003159226A (ja) | 心電図の順次比較のための方法及び装置 | |
Luz et al. | How the choice of samples for building arrhythmia classifiers impact their performances | |
JPH08206088A (ja) | 解析装置 | |
US20240215901A1 (en) | Method and apparatus for correcting electrocardiogram reading | |
EP4041073A1 (en) | Systems and methods for electrocardiogram diagnosis using deep neural networks and rule-based systems | |
CN110432894B (zh) | 心电图关键点标注方法及电子设备 | |
Zhang et al. | Deep learning-based signal quality assessment for wearable ECGs | |
Oliveira et al. | Coupled hidden Markov model for automatic ECG and PCG segmentation | |
Srinivas et al. | Adaptive learning based heartbeat classification | |
Cai et al. | Rule-based rough-refined two-step-procedure for real-time premature beat detection in single-lead ECG | |
CN107928660B (zh) | 一种基于心电图的健康预警*** | |
US11963800B2 (en) | ECG training and skill enhancement | |
CN113288156B (zh) | 一种任意导联视角的心电数据的生成方法 | |
Bashir et al. | Highlighting the current issues with pride suggestions for improving the performance of real time cardiac health monitoring | |
US20170119269A1 (en) | Method for ecg lead placement changes to be accurately accounted for | |
Yao et al. | Arrhythmia classification from single lead ecg by multi-scale convolutional neural networks | |
Villa et al. | Variational mode decomposition features for heartbeat classification | |
Rjoob et al. | Machine learning improves the detection of misplaced v1 and v2 electrodes during 12-lead electrocardiogram acquisition |
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 |