FR2807851A1 - Cardiac rhythm analysis interval processing detecting strong variability zones and sinus rate rhythm/atrial fibrillation zones classifying. - Google Patents
Cardiac rhythm analysis interval processing detecting strong variability zones and sinus rate rhythm/atrial fibrillation zones classifying. Download PDFInfo
- Publication number
- FR2807851A1 FR2807851A1 FR0004873A FR0004873A FR2807851A1 FR 2807851 A1 FR2807851 A1 FR 2807851A1 FR 0004873 A FR0004873 A FR 0004873A FR 0004873 A FR0004873 A FR 0004873A FR 2807851 A1 FR2807851 A1 FR 2807851A1
- Authority
- FR
- France
- Prior art keywords
- zones
- signal
- coefficients
- atrial fibrillation
- areas
- 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.)
- Withdrawn
Links
- 206010003658 Atrial Fibrillation Diseases 0.000 title claims abstract description 59
- 230000033764 rhythmic process Effects 0.000 title claims abstract description 18
- 238000012545 processing Methods 0.000 title claims description 8
- 238000004458 analytical method Methods 0.000 title description 12
- 230000000747 cardiac effect Effects 0.000 title description 3
- 238000001514 detection method Methods 0.000 claims abstract description 24
- 238000000034 method Methods 0.000 claims description 29
- 238000000354 decomposition reaction Methods 0.000 claims description 10
- 230000009466 transformation Effects 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 206010061592 cardiac fibrillation Diseases 0.000 claims description 3
- 230000002600 fibrillogenic effect Effects 0.000 claims description 3
- 230000000717 retained effect Effects 0.000 claims description 2
- 230000001131 transforming effect Effects 0.000 claims description 2
- 238000012800 visualization Methods 0.000 claims 1
- 238000003672 processing method Methods 0.000 abstract 1
- 230000035945 sensitivity Effects 0.000 description 16
- 238000003745 diagnosis Methods 0.000 description 8
- 238000000718 qrs complex Methods 0.000 description 8
- 206010003119 arrhythmia Diseases 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 6
- 230000001314 paroxysmal effect Effects 0.000 description 6
- 201000006107 Familial adenomatous polyposis Diseases 0.000 description 5
- 208000029664 classic familial adenomatous polyposis Diseases 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 206010003662 Atrial flutter Diseases 0.000 description 4
- 230000006793 arrhythmia Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000005653 Brownian motion process Effects 0.000 description 3
- 208000003734 Supraventricular Tachycardia Diseases 0.000 description 3
- 230000001746 atrial effect Effects 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- 230000014616 translation Effects 0.000 description 3
- 206010003130 Arrhythmia supraventricular Diseases 0.000 description 2
- 208000006011 Stroke Diseases 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 206010003668 atrial tachycardia Diseases 0.000 description 2
- 238000005537 brownian motion Methods 0.000 description 2
- 206010008118 cerebral infarction Diseases 0.000 description 2
- 230000001684 chronic effect Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000001934 delay Effects 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 208000035475 disorder Diseases 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000007170 pathology Effects 0.000 description 2
- 230000002861 ventricular Effects 0.000 description 2
- 241000182341 Cubitermes group Species 0.000 description 1
- 208000018672 Dilatation Diseases 0.000 description 1
- 241000237858 Gastropoda Species 0.000 description 1
- 208000032382 Ischaemic stroke Diseases 0.000 description 1
- 208000025747 Rheumatic disease Diseases 0.000 description 1
- 206010042600 Supraventricular arrhythmias Diseases 0.000 description 1
- 206010042602 Supraventricular extrasystoles Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 201000008247 brain infarction Diseases 0.000 description 1
- 230000036996 cardiovascular health Effects 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003073 embolic effect Effects 0.000 description 1
- 210000003238 esophagus Anatomy 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 210000002837 heart atrium Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000000552 rheumatic effect Effects 0.000 description 1
- 230000005654 stationary process Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 206010047302 ventricular tachycardia Diseases 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- A61B5/24—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]
- A61B5/333—Recording apparatus specially adapted therefor
- A61B5/335—Recording apparatus specially adapted therefor using integrated circuit memory devices
-
- 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
- A61B5/24—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
- A61B5/361—Detecting fibrillation
-
- 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
- A61B2560/04—Constructional details of apparatus
- A61B2560/0475—Special features of memory means, e.g. removable memory cards
-
- 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
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/726—Details of waveform analysis characterised by using transforms using Wavelet transforms
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Cardiology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Physiology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
Description
<U>DOMAINE TECHNIQUE ET ART</U> ANTERIEUR L'invention concerne le domaine de l'analyse et de l'interprétation des variations de rythme se produisant dans un signal ou un phénomène physique qui est initialement régulier, puis qui devient irrégulier, et qui peut ensuite redevenir régulier. TECHNICAL FIELD AND PRIOR ART The invention relates to the field of analyzing and interpreting rhythm variations occurring in a signal or a physical phenomenon that is initially regular and then becomes irregular, and who can then become regular again.
Elle s'applique en particulier l'analyse des variations du rythme cardiaque. It applies in particular the analysis of the variations of the cardiac rhythm.
Elle concerne en particulier un procédé et un dispositif pour détecter un trouble du rythme cardiaque appelé fibrillation auriculaire (FA). In particular, it relates to a method and a device for detecting a cardiac rhythm disorder called atrial fibrillation (AF).
La fibrillation auriculaire (FA) constitue le trouble du rythme le plus fréquemment rencontré en pratique cardiologique. Atrial fibrillation (AF) is the rhythm disorder most commonly encountered in cardiology practice.
Dans un électrocardiogramme, et comme illustré sur la figure 1, on appelle intervalle RR l'intervalle de temps séparant deux maxima 2, 4 de complexes QRS d'un électrocardiogramme. In an electrocardiogram, and as illustrated in FIG. 1, the interval RR is the interval of time separating two maxima 2, 4 of QRS complexes of an electrocardiogram.
Les arythmies cardiaques supraventriculaires (FA) peuvent amener à de sévères problèmes fonctionnels et être associées à une grande mortalité cardiovasculaire. Le nombre d'arythmie augmente avec l'âge. Le Cardiovascular Health Study Collaboration Research Group a montré, dans un article de B.M. Psaty et al. intitulé "Incidence of and risks factor for atrial fibrillation in older adults" paru dans<I>Circulation,</I> 1997, vol. 96, pages 2455-246l, au moins une anomalie majeure d'électrocardiogramme (ECG) dans 29% d'un groupe de 5150 sujets âgés de 65 ans ou plus. Dans ce groupe, l'incidence de la fibrillation auriculaire (FA) augmentait, entre les groupes âgés de 65-74 et 75-84 ans, de 1,76 pour 100 personnes par an à 4,27, respectivement, pour les hommes, et de 1,01 à 2,16, respectivement, pour les femmes. Supraventricular cardiac arrhythmias (AF) can lead to severe functional problems and be associated with high cardiovascular mortality. The number of arrhythmias increases with age. The Cardiovascular Health Study Collaboration Research Group showed, in an article by B.M. Psaty et al. entitled "Incidence of and risk factor for atrial fibrillation in older adults" published in <I> Circulation, </ I> 1997, vol. 96, pages 2455-246l, at least one major electrocardiogram (ECG) abnormality in 29% of a group of 5150 subjects aged 65 years or older. In this group, the incidence of atrial fibrillation (AF) increased, between the age groups 65-74 and 75-84, from 1.76 per 100 persons per year to 4.27, respectively, for men, and from 1.01 to 2.16, respectively, for women.
D'autres auteurs (S. Rajala et al., "Prevalence of ECG findings in very old people", Eur Heart <I>J,</I> 1984, 5, l68-174) ont décrit une prévalence de la FA de l'ordre de 83% dans une population âgée de 85 ans ou plus et ont aussi montré que le risque clinique associé augmentait avec l'âge. Other authors (S. Rajala et al., "Prevalence of ECG findings in very old people," Eur Heart <I> J, 1984, 5, 168-174) have described a prevalence of 83% in a population aged 85 or older and also showed that the associated clinical risk increased with age.
Aux Etats-Unis, un accident vasculaire cérébral ischémique sur quatre, ce qui signifie au total 75 000 accidents par an, est associé â une FA, comme le montre l'article de<B>AL</B> Camm et al. "Epidemiology and mechanism of atrial fibrillation and atrial flutter", <I>am.</I> J Cardiol. 1996, 78, Pages 3-11. La presence de FA est un puissant prédicteur de l'incidence et de la récidive des accidents, ainsi que de l'augmentation de la mortalité apres un accident, à la fois sur le court et le long terme. Par rapport aux groupes étudiés, le risque absolu d'accident attribué à la FA variait de 3% à 67% avec un risque relatif s'étalant de 1, à 6,9% (K.H. Flegel et al., Risk of stroke in non- rheumatic atrial fibrillation, Lancet, <B>1987,</B> 1, pages 526-529). Le risque absolu d'infarctus cérébraux cliniquement silencieux était dans les mêmes proportions, tandis que le risque relatif était estimé à 2,5 (voir à ce sujet : H. Yamanouchi et al. "Embolic brain infarction in nonrheumatic atrial fibrillation : a clinico-pathologic study in the elderly, Neurology, 1997, 48, pages 1593-l597). In the United States, one in four ischemic strokes, which means a total of 75,000 accidents per year, is associated with AF, as shown in the article by <B> AL </ B> Camm et al. "Epidemiology and mechanism of atrial fibrillation and atrial flutter", <i> am. </ I> J Cardiol. 1996, 78, Pages 3-11. The presence of AF is a strong predictor of accident incidence and recidivism, as well as increased mortality after an accident, both in the short and long term. Compared to the groups studied, the absolute risk of accident attributed to AF ranged from 3% to 67% with a relative risk ranging from 1 to 6.9% (KH Flegel et al., Risk of stroke in no. rheumatic atrial fibrillation, Lancet, <B> 1987, </ B> 1, pages 526-529). The absolute risk of clinically silent cerebral infarction was similar, while the relative risk was estimated at 2.5 (see H. Yamanouchi et al., "Embolic brain infarction in nonrheumatic atrial fibrillation: a clinico- Pathology in the elderly, Neurology, 1997, 48, 1593-1597).
On pense actuellement que le type de FA, permanente ou paroxystique, ne modifie pas le risque d'apparition d'accident. It is currently thought that the type of FA, permanent or paroxysmal, does not change the risk of occurrence of an accident.
Toutes ces données font du diagnostic de la FA une priorité de santé majeure (D.P. Zipes : "An overview of arhythmies and antiarrhythamic approaches", <I>J.</I> Cardiovasc Electro Physiol, 1999, 10, pages 267-271). All these data make the diagnosis of AF a major health priority (DP Zipes: "An overview of arrhythmias and antiarrhythamic approaches", <i> J. Cardiovasc Electro Physiol, 1999, 10, pp. 267-271). .
Plusieurs approches ont été considérées. La détection de la FA a été réalisée en utilisant des enregistrements intracardiaques au niveau auriculaire, aussi bien qu'au niveau du système de conduction ; cependant, ces techniques ciblaient le déclenchement des défibrillateurs implantables. D'autres essais été tentés sur l'activité auriculaire moyenne. Les signaux oesophagiens pourraient donner le meilleur pouvoir de détection, mais sont d'une utilisation difficile sur une base standard. Les enregistrements ambulatoires d'ECG ont montré être les plus adaptés pour détecter de tels troubles du rythme, en terme de facilité et de leur capacité à détecter des formes paroxystiques fréquentes. Several approaches were considered. Detection of AF was performed using intracardiac recordings at the atrial level, as well as at the level of the conduction system; however, these techniques targeted the triggering of implantable defibrillators. Other trials have been attempted on average atrial activity. Esophageal signals could give the best detection power, but are difficult to use on a standard basis. Ambulatory ECG recordings have been shown to be the most appropriate for detecting such rhythm disturbances in terms of ease and their ability to detect frequent paroxysmal forms.
Avec l'ECG de surface, du type de ceux obtenus par enregistrements ambulatoires ("Holter"), la situation idéale serait de pouvoir reconnaître les ondes P (identifiées sur la figure 1), puisqu'elles sont la clé des diagnostics et de la classification des arythmies auriculaires ; cependant, le faible signal obtenu dans la plupart des cas rend cette option difficile. Dans ce contexte, plusieurs tentatives ont été réalisées pour développer des méthodes efficaces de reconnaissance de la FA dans les enregistrements Holter. Le simple graphique de Lorentz permet de reconnaître des formes spécifiques de la FA. D'autres méthodes furent appliquées pour améliorer la lecture de l'ECG, comme celle de Murgatroyd et al. (F.D. Murgatroyd FD et al. : "Identification of atrial fibrillation épisodes in ambulatory electrocardiographic recordings : validation of a method for obtaining labeled R-R interval files",<I>Pace,</I> 1995; 18 : 1315-l320). Des réseaux de neurones ont été aussi appliqués à l'ECG, analysant les intervalles RR, ainsi que les fluctuations de la ligne de base, comme décrit dans les articles de J.F. Yang et al. : "Artificial neural network for the diagnosis of atrial fibrillation", med <I> & </I> biol eng <I> & comput</I> 1994 ; 32 : 6l5-619 ; "Deterministic logic versus software-based artificial neural networks in the diagnosis of atrial fibrillation", J. Electrocardiol. 1993 ; 26 (suppl) : 90-94 ; ou dans l'article de Cubanski D. et al. : "A neural network system for detection of atrial fibrillation in ambulatory electrocardiograms", J. Cardiovasc. Electrophysiol. 1994 ; 5 : 602 608. With the surface ECG, of the type obtained by ambulatory recordings ("Holter"), the ideal situation would be to be able to recognize the P waves (identified in Figure 1), since they are the key to diagnosis and diagnosis. classification of atrial arrhythmias; however, the weak signal obtained in most cases makes this option difficult. In this context, several attempts have been made to develop effective methods for recognizing AF in Holter recordings. The simple Lorentz chart allows you to recognize specific forms of AF. Other methods were applied to improve the reading of the ECG, such as that of Murgatroyd et al. (F.D. Murgatroyd FD et al .: "Identification of atrial fibrillation in ambulatory electrocardiographic recordings: validation of a method for the retrieval of R-R interval files", <i> Pace, </ I> 1995; 18: 1315-1320). Neural networks were also applied to the ECG, analyzing RR intervals, as well as baseline fluctuations, as described in the articles by J. F. Yang et al. : "Artificial neural network for the diagnosis of atrial fibrillation", med <i> & </ i> biol eng <I> & comput </ I> 1994; 32: 615-619; "Deterministic logic versus software-based artificial neural networks in the diagnosis of atrial fibrillation", J. Electrocardiol. 1993; 26 (suppl): 90-94; or in the article by Cubanski D. et al. "A neural network system for atrial fibrillation in ambulatory electrocardiograms", J. Cardiovasc. Electrophysiol. 1994; 5: 602,608.
Toutefois, dans les systèmes Holter, ou les enregistreurs d'événements utilisés communément sur des durées de l'ordre de la journée, l'identification de la FA doit toujours être améliorée en augmentant à la fois la sensibilité et la spécificité des algorithmes de détection. En effet, les sensibilités mentionnées dans les articles de T.F. Yang et al. et de D. Cubanski et al. cités ci-dessus s'étalent de 82,4% 96,6% et les spécificités de 92 à 92,3%. However, in Holter systems, or event recorders commonly used for durations of the order of the day, the identification of AF must always be improved by increasing both the sensitivity and the specificity of the detection algorithms. . Indeed, the sensitivities mentioned in the articles of T.F. Yang et al. and D. Cubanski et al. cited above range from 82.4% to 96.6% and the specificities range from 92 to 92.3%.
<U>EXPOSE DE</U> L'INVENTION L'invention a pour objet un procédé de traitement d'un signal d'intervalles RR d'un électrocardiogramme, ce signal étant préenregistré sur un support de stockage de données ou dans des moyens de mémorisation, comportant: - détection des zones de forte variabilité de fréquence cardiaque dans le signal d'intervalles RR, - classification de ces zones en zones de rythme sinusal (RS) et de fibrillation auriculaire (FA). SUMMARY OF THE INVENTION The subject of the invention is a method for processing an RR interval signal of an electrocardiogram, this signal being pre-recorded on a data storage medium or in means storage device, comprising: - detection of areas of high heart rate variability in the RR interval signal, - classification of these areas in sinus rhythm (RS) and atrial fibrillation (AF) zones.
La détection des zones de forte variabilité de fréquence cardiaque peut être réalisée par projection ou transformation du signal de RR dans une base ou une famille d'ondelettes discrètes, et calcul des coefficients d.(k) donnant la projection du signal de RR sur chaque fonction ondelette discrète. Detection of areas of high heart rate variability can be achieved by projection or transformation of the RR signal into a base or family of discrete wavelets, and calculation of the coefficients d. (K) giving the projection of the RR signal on each discrete wavelet function.
Par exemple, on réalise une transformation en ondelettes dyadiques. For example, a transformation into dyadic wavelets is performed.
Afin de sélectionner les coefficients supérieurs à une valeur minimum, on procède à une étape de seuillage des coefficients dj(k) pour plusieurs niveaux j décomposition. In order to select the coefficients greater than a minimum value, a thresholding step of the coefficients dj (k) is performed for several decomposition levels.
En outre, une étape de filtrage des coefficients seuillés peut être prévue pour obtenir des zones homogènes de forte énergie. In addition, a step of filtering the thresholded coefficients can be provided to obtain homogeneous areas of high energy.
Eventuellement, les variations du signal RR permettent de réaliser recalage du début et de la fin des épisodes FA. Les zones de forte variabilité de fréquence cardiaque peuvent être classées en zones RS et FA par calcul de l'exposant fractal de chacune de ces zones et comparaison à une valeur seuil Ho. Optionally, the variations of the RR signal make it possible to perform registration of the beginning and the end of the episodes FA. Areas of high heart rate variability can be classified into RS and FA zones by calculating the fractal exponent of each of these zones and comparing them with a threshold value Ho.
De préférence, 0,5 < _ HO < _ 0,9 ou encore 0,7 < _ HO < _ 0,85. C'est dans ces plages que la sensibilité et la spécificité sont les meilleures. Preferably, 0.5 <0.0 <0.9 or 0.7 <0.85. It is in these areas that sensitivity and specificity are the best.
L'invention concerne également un dispositif pour analyser des signaux numériques d'intervalles RR d'électrocardiogrammes, comportant: - des moyens pour, ou spécialement programmés pour, détecter zones forte variabilité de fréquence cardiaque, - des moyens pour, ou spécialement programmés pour, classifier zones zones de rythme sinusal et en zones de fibrillation auricullaire. The invention also relates to a device for analyzing digital signals of RR intervals of electrocardiograms, comprising: - means for, or specially programmed for, detecting strong heart rate variability zones, - means for, or specially programmed for, classify areas of sinus rhythm and areas of atrial fibrillation.
Les moyens pour détecter des zones de forte variabilité de fréquence cardiaque comportent des moyens pour projeter ou transformer le signal de dans base ou une famille d'ondelettes discrètes, et calculer des coefficients d.(k) donnant la projection du signal de RR sur chaque fonction ondelette discrète. The means for detecting areas of high heart rate variability include means for projecting or transforming the signal from a base or a family of discrete wavelets, and calculating coefficients d. (K) giving the RR signal projection on each discrete wavelet function.
Selon un autre aspect, les moyens pour classifier les zones de forte variabilité en zones de rythme sinusal et en zones de fibrillation auricullaire comportent des moyens pour calculer l'exposant fractal de chacune de ces zones pour le comparer à une valeur seuil Ho L'invention concerne également un système de détermination du rythme cardiaque, comportant un ou plusieurs enregistreurs pour enregistrer des électrocardiogrammes de patients, et un dispositif selon l'invention et tel que décrit ci-desssus. In another aspect, the means for classifying the areas of high variability in sinus rhythm zones and atrial fibrillation zones comprise means for calculating the fractal exponent of each of these zones in order to compare it with a threshold value Ho. also relates to a system for determining the heart rate, comprising one or more recorders for recording electrocardiograms of patients, and a device according to the invention and as described above.
BREVE <U>DESCRIPTION DES FIGURES</U> Les caractéristiques et avantages de l'invention apparaîtront mieux à la lumière de la description qui va suivre. Cette description porte sur les exemples de réalisation, donnés à titre explicatif et non limitatif, en se référant à des dessins annexés sur lesquels: - la figure 1 représente une partie d'un électrocardiogramme, avec deux signaux QRS, - la figure 2 représente un enregistrement Holter, - les figures 3 et 4 représentent des étapes d'un procédé selon l'invention, - la figure 5 représente des étapes pour obtenir un signal RR à partir d'un signal d'ECG, - la figure 6 représente des étapes de détection des zones de forte variabilité d'un signal RR, - la figure 7 repésente des niveaux de décomposition en ondelettes d'intervales RR d'un épisode de fibrillation auriculaire, - la figure 8 représente la densité spectrale de puissance d'un signal de type RS, - la figure 9 représente la densité spectrale de puissance d'un signal de type FA, - la figure 10 représente un patient muni d'un système de mesure de type "Holter", - la figure 11 représente un enregistreur de type "Holter", - les figures 12 et 13 représentent des moyens pour analyser des signaux RR selon l'invention, <U>DESCRIPTION</U> DETAILLEE <U>DE MODES DE</U> REALISATION <U>DE</U> L'INVENTION L'invention va d'abord être expliquée en liaison avec les organigrammes des figures 3 à 6. BRIEF <U> DESCRIPTION OF THE FIGURES </ U> The features and advantages of the invention will become more apparent in the light of the description which follows. This description relates to the exemplary embodiments, given for explanatory and non-limiting purposes, with reference to the appended drawings in which: FIG. 1 represents part of an electrocardiogram, with two QRS signals, FIG. FIG. 3 represents steps of obtaining a signal RR from an ECG signal; FIG. for detecting areas of high variability of an RR signal; FIG. 7 shows levels of RR interval wavelet decomposition of an atrial fibrillation episode; FIG. 8 represents the spectral power density of a signal of the RS type, FIG. 9 represents the power spectral density of an FA type signal, FIG. 10 represents a patient equipped with a "Holter" type measuring system, FIG. "Holter" type recorder, - Figures 12 and 13 represent means for analyzing RR signals according to the invention, <U> DETAILED DESCRIPTION OF <U> MODES OF </ U> The invention will first be explained in connection with the flowcharts of Figures 3 to 6.
Au préalable, on suppose qu'un signal RR a été obtenu (étapes 3-1 et 4-1 des figures 3 et 4), par exemple à partir d'un électrocardiogramme (ECG) fourni à l'aide d'un dispositif Holter standard. Beforehand, it is assumed that an RR signal has been obtained (steps 3-1 and 4-1 of FIGS. 3 and 4), for example from an electrocardiogram (ECG) provided using a Holter device. standard.
Un enregistrement RR ainsi obtenu est donné en figure 2. Sur cette figure, sont représentés plus de 70000 intervalles RR consécutifs obtenus à partir d'un ECG réalisé sur 24 heures. En ordonnée est indiquée l'amplitude du RR et en abscisse l'indice de la série. An RR record thus obtained is given in FIG. 2. In this figure, more than 70,000 consecutive RR intervals obtained from a 24-hour ECG are represented. On the ordinate is indicated the amplitude of the RR and on the abscissa the index of the series.
L'invention s'applique aussi au traitement d'ECG obtenus sur de plus courtes périodes. The invention also applies to the treatment of ECG obtained over shorter periods.
Dans une première étape 3-2 (figure 3), on identifie les périodes d'intérêt, par détection des zones de forte variabilité de la fréquence cardiaque. En effet, la fibrillation auriculaire (FA) augmente cette variabilité. In a first step 3-2 (Figure 3), the periods of interest are identified, by detection of areas of high variability of the heart rate. Indeed, atrial fibrillation (AF) increases this variability.
Une localisation précise des événements de haute variabilité de fréquence cardiaque peut être réalisée en utilisant préalablement une transformée en ondelettes discrètes (TOD) du signal RR (figure 4, étape 4-2). La technique de transformation en ondelettes continues est décrite dans l'article de S. Mallat "A theory for multiresolution signal decomposition : the wavelet representation", IEEE <I>transactions on pattern</I> analysis <I>and machine</I> <I>intelligence,</I><B>1989,</B> Volume 11, pages 674-693. Accurate localization of events of high heart rate variability can be achieved by previously using a discrete wavelet transform (TOD) of the RR signal (Figure 4, Step 4-2). The technique of continuous wavelet transformation is described in the paper by S. Mallat "A theory for multiresolution signal decomposition: the wavelet representation", IEEE <I> transactions on pattern </ I> analysis <I> and machine </ I <I> intelligence, </ i> <B> 1989, </ b> Volume 11, pages 674-693.
La transformée des ondelettes discrètes (TOD) est décrite dans le même article de S. Mallat. Il s'agit d'une analyse par une famille de fonctions yljk créée par les dilatations et translations d'une ondelette mère y, avec Yjk(x) = 2jl2yr(2jx-k), et j,k E Z (ensemble des nombres entiers relatifs). La projection ou la transformation de chaque fonction f (signal RR) dans la base Wlk est notée : Wfj,k)= < f, Yi,k>, où < .,.> représente le produit scalaire dans L2(R). Pour un signal composé de 2j valeurs, cette transformation amène à série de 2j-l coefficients notés dj(k), donnant la contribution à la projection du signal à la position<B>A</B> à l'échelle 2j. La mise au carré des coefficients obtenus fournit la puissance du signal transformé pour chaque indice de temps d'échelle. Différentes zones temporelles sont caractérisées par une puissance calculée sur plus hautes échelles de leur TOD (faible j). The discrete wavelet transform (TOD) is described in the same article by S. Mallat. It is an analysis by a family of functions yljk created by the dilatations and translations of a mother wavelet y, with Yjk (x) = 2jl2yr (2jx-k), and j, k EZ (set of integers relative). The projection or transformation of each function f (signal RR) in the base Wlk is denoted: Wfj, k) = <f, Yi, k>, where <.,.> Represents the dot product in L2 (R). For a signal composed of 2j values, this transformation leads to a series of 2j-1 coefficients denoted dj (k), giving the contribution to the projection of the signal at the position <B> A </ B> at the scale 2j. The squaring of the obtained coefficients provides the power of the transformed signal for each scale time index. Different time zones are characterized by a power calculated on higher scales of their TOD (low j).
La tranformée discrète en ondelettes d'un signal discret est calculée un algorithme ' base de filtres miroirs en quadrature. De tels filtres sont donnés dans l'ouvrage de A.Cohen, Ondelettes et traitement numérique du signal, Edition Masson Paris,<B>1992.</B> The discrete wavelet transform of a discrete signal is computed as an algorithm based on quadrature mirror filters. Such filters are given in the book by A.Cohen, Wavelets and digital signal processing, Edition Masson Paris, <B> 1992. </ B>
A partir du signal RR numérisé, une première décomposition est réalisee, qui donne un premier niveau de détail (par filtrage passe-haut) puis un premier niveau d'approximation (par filtrage passe-bas). From the digitized RR signal, a first decomposition is performed, which gives a first level of detail (by high pass filtering) then a first level of approximation (by low pass filtering).
Une deuxième décomposition, par filtrage passe-haut et passe-bas premier niveau d'approximation, fournit respectivement un deuxième niveau de détail puis un deuxième niveau d'approximation, qui est à son tour traité par une troisième décomposition, ..etc. A second decomposition, by high-pass and low-pass first level approximation, respectively provides a second level of detail then a second level of approximation, which is in turn treated by a third decomposition, ..etc.
Les filtres miroirs en quadrature permettent de réaliser les différents filtrages passe-haut et passe-bas successifs. The quadrature mirror filters make it possible to carry out the various high-pass and low-pass filterings in succession.
La figure 7 représente plusieurs niveaux de la décomposition en ondelettes des intervalles RR d'un épisode de FA. Les abscisses correspondent à l'indice k et les ordonnées à l'indice j. Autrement dit, chaque ligne j donne l'ensemble des coefficients dj(k). Au centre de cette figure une haute variabilité due à un épisode de FA est identifiable. Figure 7 shows several levels of the wavelet decomposition of the RR intervals of an episode of FA. The abscissas correspond to the index k and the ordinates to the index j. In other words, each line j gives the set of coefficients dj (k). In the center of this figure a high variability due to an episode of FA is identifiable.
Les périodes de forte variabilité ayant été identifiées, elles sont séparées en périodes de RS et de FA (étapes 3-3 et 4-3 des figures 3 et 4). En effet, une grande variabilité d'amplitude similaire peut aussi être trouvée chez les sujets normaux, par exemple la nuit, chez certains jeunes adultes. The periods of high variability having been identified, they are separated into periods of RS and FA (steps 3-3 and 4-3 of Figures 3 and 4). Indeed, a large variability of similar amplitude can also be found in normal subjects, for example at night, in some young adults.
A cette fin, les périodes de grande variabilité sont séparées par analyse fractale. For this purpose, the periods of great variability are separated by fractal analysis.
Le calcul, par transformée de Fourier, de la densité spectrale de puissance (DSP), montre qu'un rythme sinusal normal (RS) possède une tendance générale en 1/f, donc présente une forme linéaire de pente négative quand elle est affichée en log-log, comme illustré sur la figure 8. Sur cette figure, le pic 10 correspond à une fréquence de ventilation. La DSP de la FA, par contre, présente deux pentes différentes comme on le voit sur la figure 9 : une dans une bande de fréquences élevées (10-' - 10-2 Hz) et la seconde dans une bande de fréquences plus basses (10-3 - 104 HZ). The Fourier transform calculation of the power spectral density (PSD) shows that a normal sinus rhythm (RS) has a general tendency in 1 / f, so it has a linear negative slope form when it is displayed in log-log, as illustrated in Figure 8. In this figure, the peak 10 corresponds to a ventilation frequency. The DSP of the FA, on the other hand, has two different slopes as shown in Figure 9: one in a high frequency band (10- '- 10-2 Hz) and the second in a lower frequency band ( 10-3-104 HZ).
La pente dans la bande de haute fréquence pour une FA est plus importante ([i z 0) que la pente obtenue dans les RS ((3 z 1). The slope in the high frequency band for an FA is larger ([i z 0) than the slope obtained in the RS ((3 z 1).
Pour modéliser la loi de puissance en l/fO, on applique le concept de mouvement Brownien fractionnaire (mBf), processus auto-similaire et non stationnaire. Ce concept est décrit, par exemple, dans B. Mandelbrot et al. " Fractional brownian motions, fractional noises and application", SIAM Review, 1968, volume 10, pages 422-437. To model the power law in l / fO, we apply the concept of fractional Brownian motion (mBf), a self-similar and non-stationary process. This concept is described, for example, in B. Mandelbrot et al. "Fractional Brownian Motions, Fractional Slugs and Application", SIAM Review, 1968, Vol. 10, pp. 422-437.
La propriété d'auto-similarité est caractérisée par l'exposant de Hurst H est directement relié à (3 par la relation : (3 = 2H + 1. Le calcul de H est donné par exemple dans l'article de M. Akay et al. "Fractal analysis of signals : a comparative study " paru dans Methods <I>of information in</I> Medecine, 1997, volume 36, pages 271-273. The self-similarity property is characterized by the Hurst exponent H is directly related to (3 by the relation: (3 = 2H + 1). The calculation of H is given for example in the article by M. Akay and "Fractal analysis of signals: a comparative study" published in Methods <I> of information in </ I> Medecine, 1997, volume 36, pages 271-273.
L'incrément du processus du mouvement Brownien fractionnaire peut aussi être utilisé pour estimer l'exposant H de Hurst, via la TOD, var [d21 (n)] = 2 12H-1> 0-i) 6 2(2-22H-1) où les d2j sont les coefficients des détails à l'échelle j. On obtient alors l'équation suivante loge [var [d2j (n)]] = (2H - 1)j + f(H,6) où 6 est l'écart-type du signal, et f une fonction non connue. The increment of the fractional Brownian motion process can also be used to estimate the Hurst exponent H, via the TOD, var [d21 (n)] = 2 12H-1> 0-i) 6 2 (2-22H- 1) where d2j are the coefficients of the details on the scale j. We then obtain the following equation: [var [d2j (n)]] = (2H - 1) j + f (H, 6) where 6 is the standard deviation of the signal, and f is an unknown function.
La partie hautes-fréquences d'un signal de fibrillation auriculaire correspond à un bruit blanc, pour lequel H ge 0,5. Au contraire, un signal normal éloigne d'un bruit blanc, le coefficient de H étant supérieur à 0,5. The high-frequency part of an atrial fibrillation signal corresponds to a white noise, for which H ge 0.5. On the contrary, a normal signal distances white noise, the coefficient of H being greater than 0.5.
On fixe donc un seuil Ho, compris entre 0,5 et 1, par exemple entre 0,5 et 0,9 ou entre 0,7 et 0,85, par exemple Ho = 0,8. très bonnes valeurs de sensibilité et de spécificité de la méthode ont été obtenues pour 0,7 < _ HO < _ 0,85. En particulier, on a obtenu une sensibilité de 99,2% pour une FA permanente et de 95,82% pour une FA paroxystique, et une spécificité de 99,96% pour un RS normal et 91,55% pour un FA paroxystique. A threshold Ho is thus set between 0.5 and 1, for example between 0.5 and 0.9 or between 0.7 and 0.85, for example Ho = 0.8. Very good sensitivity and specificity values of the method were obtained for 0.7 <_ HO <_ 0.85. In particular, 99.2% sensitivity was obtained for permanent AF and 95.82% for paroxysmal AF, and 99.96% specificity for normal RS and 91.55% for paroxysmal AF.
figure 5 représente des étapes préliminaires pour obtenir un signal RR à partir d'un signal d'électrocardiogramme numérisé (ECG). Les deux premières étapes (5-1 et 5-2) sont réalisées de manière classique dans un dispositif type "Holter" standard. Fig. 5 shows preliminary steps for obtaining an RR signal from a digitized electrocardiogram (ECG) signal. The first two steps (5-1 and 5-2) are performed in a conventional manner in a standard "Holter" type device.
Le typage permet de classifier chaque complexe en normal, ventriculaire, ou supraventriculaire. Typing classifies each complex into normal, ventricular, or supraventricular.
Les complexes QRS normaux et supraventriculaires présentent ondes P, devant le pic maximum, tandis que les anormaux (ventriculaires) n'en présentent pas. Les QRS correspondant à ces derniers sont en fait des battements nés spontanément dans les ventricules du coeur. Ils sont en général plus larges que les normaux. On peut, pour les détecter, en déterminer la largeur. Normal and supraventricular QRS complexes have P waves, in front of the maximum peak, whereas abnormal (ventricular) ones do not. The QRS corresponding to these are in fact beats born spontaneously in the ventricles of the heart. They are usually larger than normal. To detect them, we can determine their width.
Ainsi est créé un tableau ou une base de données donnant le type QRS pour chaque QRS, repéré par son indice dans la suite des QRS enregistrés. Thus a table or a database is created giving the QRS type for each QRS, identified by its index in the following registered QRS.
Les complexes normaux et supraventriculaires sont sélectionnés a partir de ce tableau (étape 5-3). Un signal RR peut ensuite être obtenu (étape 5-4) en calculant l'écart entre les pics des QRS successifs (voir figure 1). The normal and supraventricular complexes are selected from this table (step 5-3). A signal RR can then be obtained (step 5-4) by calculating the difference between the peaks of the successive QRSs (see FIG. 1).
transformée en ondelettes discrètes particulièrement bien adaptée dans le cadre de la présente invention est la transformée en ondelettes dyadiques. effet, il se pose de manière générale un problème de réversibilité de la transformée en ondelettes. Si le début d'un signal RR est correctement identifié, sa transformée en ondelettes discrètes est réversible : on peut, à partir de chaque transformée, retrouver le signal initial par une opération d'inversion. Discrete wavelet transform particularly well suited in the context of the present invention is the dyadic wavelet transform. Indeed, there is generally a problem of reversibility of the wavelet transform. If the beginning of an RR signal is correctly identified, its discrete wavelet transform is reversible: it is possible, from each transform, to recover the initial signal by an inversion operation.
au contraire, l'origine du signal RR n'est pas correctement sélectionnée, l'opération de transformée inverse amène une distorsion et ne permet de retrouver le signal RR initial. on the contrary, the origin of the RR signal is not correctly selected, the inverse transform operation causes a distortion and does not allow to find the initial RR signal.
en résulte alors un manque de précision dans l'identification de l'origine ou du début de la fibrillation auriculaire, ce qui peut être très gênant, en particulier pour les événements FA de courtes durées. The result is a lack of precision in identifying the origin or onset of atrial fibrillation, which can be very troublesome, especially for short duration FA events.
L'utilisation de la transformée dyadique, invariante par translation, permet résoudre le problème. The use of the translation invariant dyadic transform makes it possible to solve the problem.
Des informations sur ces transformées dyadiques sont données dans l'ouvrage de A. Antoniadis et G.Oppenheim, Springer Verlag, 1995, et notamment dans les articles suivants contenus dans cet ouvrage: "Thé Stationnary Wavelet Tranform And Some Satistical Applications" G.P.Nason et al., page 281 299 et "Translation Invariant De-Noising", R.R. Coifman et , pages 125- La figure 6 représente des étapes pour réaliser la détection l'identification des zones de forte variabilité du signal RR (étape 4-3). Information on these dyadic transformations is given in the work of A. Antoniadis and G.Oppenheim, Springer Verlag, 1995, and in particular in the following articles contained in this book: "Stationary Tea Wavelet Tranform And Some Satistical Applications" GPNason and al., page 281 299 and "De-Noising Translation Invariant", RR Coifman, and, pages 125- Figure 6 shows steps for performing the detection of identifying areas of high variability of the RR signal (step 4-3).
Les coefficients obtenus par analyse par ondelettes sont comparés à un seuil prédéterminé, afin de ne retenir que les coefficients de plus haute énergie. Ainsi, ce seuillage peut être réalisé sur les niveaux de décomposition j = 2, et 8 (étape 6-1). The coefficients obtained by wavelet analysis are compared with a predetermined threshold, in order to retain only the higher energy coefficients. Thus, this thresholding can be performed on the decomposition levels j = 2, and 8 (step 6-1).
Puis (étape 6-2) il est procédé à un filtrage de ces coefficients, afin d'obtenir des zones homogènes de forte énergie. Then (step 6-2) it is proceeded to a filtering of these coefficients, in order to obtain homogeneous areas of high energy.
Pour ce faire, on procède à: - une recherche de début de chaque épisode ou de chaque zone de forte énergie" - une comptabilisation des coefficients dans l'épisode ou dans la zone - une détermination de fin de l'épisode ou de la zone. To do this, we proceed to: - a search for the beginning of each episode or each zone of high energy "- an accounting of the coefficients in the episode or in the zone - a determination of the end of the episode or zone .
Au cours de l'étape de recherche de début d'épisode, on compte le nombre de coefficients qui, dans une certaine fenêtre, sont supérieurs au seuil prédéterminé. Lorsque ce nombre est supérieur à un certain nombre Ns prédéterminé, il y a début d'un épisode. During the episode start search step, the number of coefficients that, in a certain window, are greater than the predetermined threshold is counted. When this number is greater than a predetermined number Ns, there is beginning of an episode.
Dans la phase de comptabilisation, on compte le nombre d'évènements successifs qui sont inférieurs au seuil. Si ce nombre est supérieur à un nombre prédéterminé, une fin d'épisode est détectée. In the accounting phase, we count the number of successive events that are below the threshold. If this number is greater than a predetermined number, an episode end is detected.
Cette étape 6-2 permet une détermination assez précise des évènements. Dans certains cas, ce n'est cependant pas suffisant et un degré supérieur de précision nécessaire. This step 6-2 allows a fairly precise determination of the events. In some cases, however, this is not enough and a higher degree of precision is required.
Pour cette raison, on procède à un recalage du début et de la fin des épisodes (étape 6-3). For this reason, the beginning and end of the episodes are recalibrated (step 6-3).
Cette étape recalage permet de ne pas manquer ou laisser passer des évènements uniques et, de plus, d'éviter de mal identifier le début d'un épisode en cas d'épisode plus long. This step of registration allows not to miss or miss unique events and, moreover, to avoid misidentification of the beginning of an episode in case of a longer episode.
Des événements uniques peuvent survenir, qui sont tout aussi importants que les évènements successifs. Pour cette raison, ils peut être tout aussi important, pour le praticien ou le médecin cardiologue, de disposer de l'information sur les évènements simples aussi bien que sur les épisodes comptant plusieurs évènements. En outre, un mauvaise positionnement du début de l'épisode, qui peut notamment apparaître en représentation sur un écran de visualisation, peut troubler ce praticien ou ce médecin et le faire douter de la fiabilité de l'appareil mettant en oeuvre la méthode d'analyse selon l'invention. Unique events can occur, which are just as important as successive events. For this reason, it may be equally important for the practitioner or cardiologist to have information on simple events as well as episodes with multiple events. In addition, a poor positioning of the beginning of the episode, which may appear in particular on a display screen, may disturb this practitioner or doctor and make him doubt the reliability of the device implementing the method of analysis according to the invention.
résoudre ce problème, après avoir identifié les zones homogènes de forte énergie du signal RR tranformé par ondelettes (étape 6-2), on détermine zones forte variabilité du signal numérique RR (étape 6-3). To solve this problem, after having identified the homogeneous areas of high energy of the wavelet-transformed RR signal (step 6-2), high variability zones of the digital signal RR (step 6-3) are determined.
Selon un exemple, on reprend le signal numérique RR, et on détecte variations ce signal qui sont supérieures à un certain pourcentage prédéterminé, par exemple 20 % (on prédétermine un seuil compris entre et 40% ou entre 15% et 25%). In one example, the digital signal RR is taken again, and variations of this signal are detected that are greater than a certain predetermined percentage, for example 20% (a threshold between 40% and 15% and 25% is predetermined).
Lorsqu'il y a une telle variation d'un point à un autre du signal on peut précisement dire qu'il y a début d'un événement en ce point. When there is such a variation from one point to another of the signal, it can be precisely said that there is the beginning of an event at this point.
détermine de la même manière la fin des épisodes ou des évènements. Ainsi, pour chaque épisode, on peut obtenir un intervalle N1 - N2, qui identifie le rang signaux RR compris entre début et fin des épisodes. similarly determines the end of episodes or events. Thus, for each episode, it is possible to obtain an interval N1 - N2, which identifies the RR signal rank between beginning and end of the episodes.
Cet intervalle est ensuite reporté sur les différents niveaux de décomposition (figure 7) et seuls les coefficients dans cet intervalle sont retenus comme correspondant à l'épisode. This interval is then reported on the various levels of decomposition (Figure 7) and only the coefficients in this interval are retained as corresponding to the episode.
Il est possible, ainsi, que des coefficients, considérés après l'étape 6-2 comme faisant partie du début ou de la fin d'une zone homogène de forte énergie, soient exclus de cette zone du fait d'une légère modification, due au recalage, du début ou de la fin d'un épisode, ou bien que des coefficients situés à la transition des zones homogènes de forte énergie et des zones de faible énergie soient reclassés d'une zone à l'autre. It is possible, therefore, that coefficients, considered after step 6-2 as part of the beginning or end of a homogeneous zone of high energy, are excluded from this zone because of a slight modification due to to the resetting of the beginning or the end of an episode, or that coefficients located at the transition of homogeneous areas of high energy and areas of low energy are reclassified from one zone to another.
figure 10 représente un patient 20 muni d'un dispositif 22 de type "Holter" avec ses électrodes 24,26,28,30,32 disposées sur le corps du patient. Le Holter enregistre les données d'ECG pendant une certaine période, par exemple environ 24 heures ou sur une période plus courte (par exemple quelques minutes), ou sur des périodes plus longues (par exemple de plusieurs jours ou de plusieurs semaines), , et détecte et classifie les complexes Qrs. Figure 10 shows a patient 20 provided with a device 22 of type "Holter" with its electrodes 24,26,28,30,32 arranged on the body of the patient. The Holter records the ECG data for a period of time, for example about 24 hours or over a shorter period (for example a few minutes), or over longer periods (for example, several days or weeks),, and detects and classifies Qrs complexes.
Comme illustré sur la figure 11, les données sont par exemple enregistrées sur une carte mémoire 34 de type mémoire Flash, par exemple d'environ 20 Mbytes. D'autres appareils permettent de faire des enregistrements sur des cassettes insérées dans le Holter 22. Les figures 9 et 10 représentent schématiquement les composants electroniques essentiels d'un appareil Holter. As illustrated in FIG. 11, the data is for example recorded on a memory card 34 of the Flash memory type, for example about 20 Mbytes. Other apparatuses make it possible to make recordings on cassettes inserted in the Holter 22. FIGS. 9 and 10 schematically represent the essential electronic components of a Holter apparatus.
La figure 12 représente un dispositif 40 pour exploiter des signaux enregistrés sur un support mémoire 34, par exemple une carte mémoire. Le support 34 est introduit dans un lecteur 36, par exemple un lecteur PCMCIA, données subissent ensuite un traitement selon les étapes décrites ci-dessus. Le dispositif 40 est donc programmé pour réaliser ces étapes traitement. FIG. 12 represents a device 40 for exploiting signals recorded on a memory medium 34, for example a memory card. The medium 34 is inserted into a reader 36, for example a PCMCIA reader, which data is then processed according to the steps described above. The device 40 is therefore programmed to perform these processing steps.
Un tel dispositif comporte un micro-ordinateur PC 42 auquel les données lues par le lectreur 36 sont transmises via une liaison 41. Such a device comprises a PC microcomputer 42 to which the data read by the reader 36 are transmitted via a link 41.
Plus précisément, le micro-ordinateur 42 comporte (figure 13) un microprocesseur 52, un ensemble de mémoires RAM 54 (pour le stockage de données), une mémoire ROM 56 (pour le stockage d'instructions de programme). More specifically, the microcomputer 42 comprises (FIG. 13) a microprocessor 52, a set of RAMs 54 (for data storage), a ROM 56 (for storing program instructions).
Eventuellement, une carte d'acquisition de données 60 met les données fournies par le lecteur au format requis par le micro-ordinateur. Ces divers eléments sont reliés à un bus 62. Optionally, a data acquisition card 60 puts the data provided by the reader in the format required by the microcomputer. These various elements are connected to a bus 62.
Des dispositifs périphériques (écran ou dispositif de visualisation 64, souris 66, clavier 68) permettent un dialogue interactif avec un utilisateur. En particulier, les moyens de visualisation (écran) 64 permettent de fournir à un utilisateur une indication visuelle relative à fECG enregistré, aux intervalles RR calculés, aux coefficients calculés par transforlmée par ondelettes (comme sur la figure 7). Par sélection dans des menus et en cliquant sur des boutons ou des icones, un opérateur, par exemple un médecin cardiologue, peut visualiser ces différentes courbes, en entier ou par portion, avec agrandissement. Sur ces courbes peuvent apparaître les intervalles déterminés comme étant des épisodes de fibrillation auriculaire, et notamment le début et la fin de chaque épisode. Peripheral devices (screen or display device 64, mouse 66, keyboard 68) allow interactive dialogue with a user. In particular, the display (display) means 64 make it possible to provide a user with a visual indication relating to recorded fECG, at the calculated RR intervals, to the coefficients calculated by wavelet transform (as in FIG. 7). By selection in menus and by clicking on buttons or icons, an operator, for example a cardiologist, can visualize these different curves, in whole or in portions, with magnification. On these curves can appear the intervals determined as being episodes of atrial fibrillation, and in particular the beginning and the end of each episode.
Dans le micro-ordinateur 42, sont chargées les données ou les instructions pour mettre en oeuvre un traitement des données selon l'invention. In the microcomputer 42, are loaded the data or instructions for implementing a data processing according to the invention.
Ces données ou instructions pour le traitement des données peuvent être transférées dans une zone mémoire du micro-ordinateur 42 à partir d'une disquette de tout autre support pouvant être lu par un micro-ordinateur ou un ordinateur exemple: disque dur, mémoire morte ROM, mémoire vive dynamique DRAM ou tout autre type de mémoire RAM, disque optique compact, élément de stockage magnétique ou optique). These data or instructions for processing the data can be transferred to a memory zone of the microcomputer 42 from a diskette of any other medium that can be read by a microcomputer or a computer example: hard disk, read-only memory ROM , dynamic random access memory DRAM or any other type of RAM, compact optical disk, magnetic or optical storage element).
L'affichage des épisodes classifiés comme étant des épisodes de fibrillation auricullaire ne constitue pas, en soi, un diagnostic. Seul un médecin cardiologue peut, à la vue de l'électrocardiogramme initial (qui a lui aussi été numérise, mis en mémoire sur le support 34 et transféré en mémoire du microordinateur 42) confirmer l'existence d'une pathologie. En particulier, le médecin doit encore exercer une observation de la ligne de base 3 l'électrocardiogramme (voir figure 1), afin de confirmer si un épisode, apparemment classifié comme étant de type FA, est bien le signe fibrillation auriculaire. The display of episodes classified as episodes of atrial fibrillation is not, in itself, a diagnosis. Only a cardiologist can, at the sight of the initial electrocardiogram (which has also been digitized, stored on the support 34 and transferred into memory of the microcomputer 42) confirm the existence of a pathology. In particular, the physician must still perform baseline observation 3 of the electrocardiogram (see Figure 1) to confirm whether an episode, apparently classified as FA, is the sign of atrial fibrillation.
procédé de traitement présenté ci-dessus est donc une aide au diagnostic, mais pas le diagnostic lui-même, qui demande une étape d'interprétation médicale supplémentaire. The treatment method presented above is therefore a diagnostic aid, but not the diagnosis itself, which requires an additional medical interpretation step.
EXEMPLE exemple concerne une population de 50 sujets : 19 souffrant de fibrillation auriculaire chronique (FAC), 15 de fibrillation paroxystique (FAP), et 16 patients contrôlés avec un rythme sinusal normal (RS). EXAMPLE Example relates to a population of 50 subjects: 19 suffering from chronic atrial fibrillation (FAC), 15 from paroxysmal fibrillation (PAF), and 16 patients controlled with normal sinus rhythm (RS).
Tous les sujets ont été enregistrés pendant 24 heures en utilisant un système Holter ECG numérique (DuoHolter, Novacor, Paris, France). Les enregistrements ont été directement numérisés à une fréquence de 100 Hz sur l'enregistreur ; ils ont ensuite été revus et édités manuellement, si nécessaire, pour obtenir une liste d'intervalles RR consécutifs. All subjects were recorded for 24 hours using a digital ECG Holter system (DuoHolter, Novacor, Paris, France). The recordings were directly digitized at a frequency of 100 Hz on the recorder; they were then reviewed and edited manually, if necessary, to obtain a list of consecutive RR intervals.
traitement du signal a été réalisé avec le logiciel MATLAB 5.0 et l'analyse statistique des résultats avec Statview sur un Power Macintosh. Les résultats sont présentés sous la forme moyenne écart-type. Signal processing was done with MATLAB 5.0 software and statistical analysis of results with Statview on a Power Macintosh. The results are presented in the form of mean standard deviation.
Les résultats sont les suivants a. Enregistrements ECG du groupe contrôlé avec rythme normal L'examen standard des enregistrements ECG sur 24 heures des 16 sujets RS a montré l'absence de toutes arythmie cardiaque. The results are as follows a. ECG Recordings of the Controlled Group with Normal Rhythm The standard examination of 24-hour ECG recordings of the 16 RS subjects showed the absence of any cardiac arrhythmias.
Chez un sujet, deux épisodes de FA furent faussement détectés (durée de 154 et 193 battements respectivement ; fréquence cardiaque moyenne 81,5 14,8 et 76,0 9,5 battements par minutes (bpm) respectivement). Il n'y avait pas de différence significative dans les indices temporels entre le sujet avec fausses détections et les 15 autres. In one subject, two episodes of AF were falsely detected (duration of 154 and 193 beats respectively, mean heart rate 81.5 14.8 and 76.0 9.5 beats per minute (bpm) respectively). There was no significant difference in the time indices between the subject with false detections and the other 15.
Ainsi, la spécificité de la détection de la FA basée sur les complexes atteint 99,96% (1 083 537 Qrs vrais négatifs contre 447 faux positifs). Comme tous les faux positifs furent obtenus chez un seul patient, la spécificité était 93,7% si l'on considère le patient comme unité d'analyse (16 vrais négatifs contre 1 faux positif). Thus, the specificity of the detection of complex-based AF reached 99.96% (1,083,537 Qrs true negatives against 447 false positives). As all false positives were obtained in a single patient, the specificity was 93.7% if we consider the patient as the unit of analysis (16 true negatives against 1 false positive).
b. Groupe des FA chroniques L'examen standard des enregistrements ECG de 24 heures a montré une FA permanente chez les 19 sujets. Les enregistrements étaient d'une durée de 18,8 4,6 heures. Chez les 19 patients, le nombre de QRS était de 87953 27491 et la fréquence cardiaque de 75,4 1,0 bpm (intervalle de 23,1 à 289,7 battements par minute). b. Chronic AF group The standard 24-hour ECG record examination showed permanent FA in all 19 subjects. The recordings lasted 18.8 to 4.6 hours. In the 19 patients, the number of QRS was 87953 27491 and the heart rate was 75.4 1.0 bpm (range 23.1 to 289.7 beats per minute).
Un RS a été faussement identifié chez 7 patients sur 40 épisodes (fréquence cardiaque 82,5 9,5, durée 374 360 battements) ; un patient regroupait 24 des 40 épisodes alors que les autres apparaissaient chez 6 autres patients. Ces épisodes faux négatifs était dus à du flutter auriculaire et de la tachycardie auriculaire dans, respectivement, 34 et 1 des 40 cas. Chez 5 des 7 patients, la FA n'était pas reconnue au début des enregistrements ; cependant le délai de reconnaissance était limité à 178,4 70 battements. One RS was falsely identified in 7 out of 40 episodes (heart rate 82.5 9.5, duration 374 360 beats); one patient had 24 of the 40 episodes while the others appeared in 6 other patients. These false negative episodes were due to atrial flutter and atrial tachycardia in, respectively, 34 and 1 of 40 cases. In 5 of 7 patients, AF was not recognized at the beginning of the recordings; however, the recognition time was limited to 178.4 70 beats.
Ainsi, la sensibilité de détection de la FA atteignait 99,2% en considérant les complexes QRS (2064197 QRS vrais positifs contre 16018 faux négatifs). A l'exception des épisodes non détectés, tous les patients ont été reconnus comme souffrant de FA et la sensibilité obtenue en considérant les patients était de 100%. La plus grande période non détectée atteignait 2075 battements et la plus courte 120. Le patient avec 24 épisodes non détectés avait 10490 battements en faux négatifs ; pour cet enregistrement particulier, la sensibilité de détection de la FA basée sur les complexe QRS était de 89,9%. Thus, the detection sensitivity of AF reached 99.2% by considering the QRS complexes (2064197 QRS true positives versus 16018 false negatives). With the exception of the undetected episodes, all patients were recognized as suffering from AF and the sensitivity obtained when considering patients was 100%. The largest undetected period was 2075 beats and the shortest was 120. The patient with 24 undetected episodes had 10490 false negative beats; for this particular record, the detection sensitivity of AF based on the QRS complex was 89.9%.
c. Groupe des FA intermittentes. c. Group of intermittent FAs.
Les 15 sujets avec FAP avaient un total de 36 épisodes de FAP dont la durée etait de 2,5 3,4 heures (de 34 s à 15h36). Pendant ces épisodes, la fréquence cardiaque moyenne était de 86,2 20,7 (de 16,4 à 163,1) bpm et le nombre de QRS de 1505522125 (de 52 à 94990 QRS). The 15 subjects with FAP had a total of 36 episodes of APF with a duration of 2.5 3.4 hours (34 s to 15:36). During these episodes, the mean heart rate was 86.2 ± 20.7 (from 16.4 to 163.1) bpm and the number of QRS from 1505522125 (from 52 to 94990 QRS).
Seul un des 36 épisodes restait non détecté (260 QRS, fréquence cardiaque de ,2 28,1 bpm). Pour les épisodes détectés, il y avait des délais ou des avances dans la reconnaissance de la FA au début et à la fin des évènements - début des épisodes : dans 8 épisodes il y avait un délai de 91 95 battements (de 2 à 255) ; 23 épisodes était détectés prématurément (dûs des tachycardies supraventriculaires) de 186 621 battements (de 2 à 2994). Only one of the 36 episodes remained undetected (260 QRS, heart rate of, 28.1 bpm). For detected episodes, there were delays or advances in the recognition of AF at the beginning and end of events - beginning of episodes: in 8 episodes there was a delay of 91 95 beats (from 2 to 255) ; 23 episodes were detected prematurely (due to supraventricular tachycardias) of 186 621 beats (from 2 to 2994).
- fin des épisodes : deux épisodes était prématurés (un de 3486 battements, l'autre de 333) ; 21 avaient un délai de 60 103 battements (de 10 à 429). Durant les épisodes de FAP, 14 fausses interruptions etaient observées, parmi lesquelles 13 chez le même patient, avec une durée de 1484t151 battements - la dernière était de 2001 battements chez un autre patient ; le total de complexes QRS faux négatifs atteignait alors 28695 (l, Ces épisodes faux négatifs était dûs à du flutter auriculaire et à de la tachycardie auriculaire dans, respectivement, 5 et 8 des 14 cas. - end of episodes: two episodes were premature (one of 3486 beats, the other of 333); 21 had a delay of 60,103 beats (from 10 to 429). During FAP episodes, 14 false interruptions were observed, including 13 in the same patient, with a duration of 1484t151 beats - the last was from 2001 beats in another patient; the total of false negative QRS complexes then reached 28695 (1, These false negative episodes were due to atrial flutter and atrial tachycardia in, respectively, 5 and 8 of the 14 cases.
Il y avait aussi 37 fausses détections de 15732309 battements (de 147 à 11491). There were also 37 false detections of 15732309 beats (from 147 to 11491).
Ainsi dans le groupe des FAP, la sensibilité basée sur complexes QRS atteignait 8% et la spécificité 91,5%/ Tous les patients du groupe étaient reconnus comme ayant de la FA, donc la sensibilité basée sur les patients était de 100%. Thus in the FAP group, sensitivity based on QRS complexes reached 8% and specificity 91.5% / All patients in the group were recognized as having FA, so the patient-based sensitivity was 100%.
transformée en ondelettes et l'analyse fractale associées selon l'invention ont fourni une sensibilité de 95% pour détecter les complexes QRS en FA, et spécificité de 99,6%, avec une limitation due aux délais de reconnaissance de la FA au début et à la fin des épisodes d'arythmie. En se basant sur les patients, la spécificité atteignait 93% dans le groupe contrôlé normal et la sensibilité 100% que ce soit dans le groupe FAC ou dans le groupe FAP. wavelet transform and fractal analysis associated with the invention provided 95% sensitivity for detecting QRS complexes in FA, and specificity of 99.6%, with limitation due to recognition delays of FA at the beginning and at the end of the arrhythmia episodes. Based on the patients, the specificity reached 93% in the normal controlled group and 100% sensitivity in either the FAC group or the FAP group.
Les enregistrements intra-auriculaires ont souvent été utilisés pour détecter la FA, ainsi que l'analyse de l'activité électrique de l'oreillette au niveau de l'oesophage, avec une sensibilité et une spécificité s'étalant de 52,4-96,6% et 92,0-92,3%, respectivement (voir notamment S. Rajala et al., "ECG findings and survival in vert' old people", Eur Heart J. 1985, volume 6, pages 274-252). Intra-ear recordings have often been used to detect AF, as well as the analysis of electrical activity of the atrium at the level of the esophagus, with sensitivity and specificity ranging from 52.4-96. , 6% and 92.0-92.3%, respectively (see in particular S. Rajala et al., "ECG findings and survival in green" old people ", Eur Heart J. 1985, volume 6, pages 274-252) .
De tels enregistrements n'ont pas été utilisés étant donné que le but était la détection de la FA de façon non-invasive par enregistrement Holter standard. Such recordings were not used since the goal was non-invasive detection of FA by standard Holter recording.
Pour obtenir une détection automatique, des enregistrements Holter ont été analysés par des réseaux de neurones (T.F. Yang et al. "Artificial <I>neural</I> network <I>for the</I> diagnosis <I>of</I> atrial <I>fibrillation",</I> med. & bio. Eng. & Comp. 1994, 32, pages 615-6l9), donnant une sensibilité de 92% et une spécificité de 92,3% dans la reconnaissance des QRS. En utilisant un réseau de neurones alimenté à la fois par l'information des intervalles RR et une analyse morphologique de la ligne de base du tracé ECG, Cubanski D. et al (J. Cardiovasc. Electrophysiol. 1994, 5, pages 602-608), travaillant sur des groupes de 10 QRS consécutifs, ont obtenu une sensibilité de 82,4% et une spécificité de 96,6%. Ainsi, la sensibilité et la spécificité obtenues par le procédé selon l'invention sont meilleurs que celles des études précédentes. Notre méthode possède certaines limitations. L'utilisation de l'analyse de la VFC seule sensible à tout ce qui peut dégrader la VFC, notamment les extrasystoles supraventriculaires, les tachycardies supraventriculaires et les autres types d'arythmie. Les détections de faux positifs peuvent être dues à la présence de quelques arythmies supraventriculaires, isolées ou groupées, générant une VFC importante ; détections de faux positifs se sont produites sur 04% des QRS du groupe contrôle normal et dans 4,7% des QRS du groupe PAF. Ces QRS faux positifs peuvent être reclassifiés correctement en utilisant un trace enregistré par un stockage automatique d'évènements. À l'inverse, les non-détections peuvent se produire dans d'autres arythmies auriculaires, comme tachycardie supraventriculaire paroxystique, ou le flutter auriculaire, dû à la relative régularité de ces rythmes. To obtain automatic detection, Holter recordings were analyzed by neural networks (TF Yang et al., "Artificial <I> Neural </ I> Network <I> for the </ I> diagnosis <I> of </ I> Atrial <I> Fibrillation ", </ I> Med & Eng. & Comp., 1994, 32, pp. 615-619), giving a sensitivity of 92% and a specificity of 92.3% in recognition. QRS. Using a neural network powered by both RR interval information and morphological baseline analysis of the ECG pathway, Cubanski D. et al (J. Cardiovasc Electrophysiol 1994, 5, 602-608 ), working on groups of 10 consecutive QRS, obtained a sensitivity of 82.4% and a specificity of 96.6%. Thus, the sensitivity and specificity obtained by the method according to the invention are better than those of previous studies. Our method has some limitations. The use of HRV alone is sensitive to anything that can degrade HRV, including supraventricular extrasystoles, supraventricular tachycardias, and other types of arrhythmias. Detections of false positives may be due to the presence of some supraventricular arrhythmias, isolated or grouped, generating a large VFC; False positive detections occurred on 04% of the normal control QRS and 4.7% of the PAF QRS. These false positive QRS can be reclassified correctly using a trace recorded by automatic event storage. In contrast, non-detections can occur in other atrial arrhythmias, such as paroxysmal supraventricular tachycardia, or atrial flutter, due to the relative regularity of these rhythms.
Dans des conditions cliniques, une non-détection est plus problématique qu'une détection de faux positifs, car dans ce cas le tracé n'est stocké pour l'utilisateur, qui empêche toute correction ultérieure. Dans cas étudiés, les non-détections n'étaient pas fréquentes et représentaient moins de 3% des épisodes (1 36) dans le groupe de FAP et moins de QRS. Des améliorations de l'algorithme pourraient diminuer ces non détections, au détriment toutefois de la spécificité. Under clinical conditions, non-detection is more problematic than detection of false positives, because in this case the plot is stored for the user, which prevents any subsequent correction. In the cases studied, non-detections were infrequent and accounted for less than 3% of episodes (1 36) in the FAP group and less QRS. Improvements in the algorithm could decrease these non-detections, to the detriment of the specificity.
L'invention est donc adaptée à la détection automatique de la FA dans de larges populations en utilisant des enregistrements Holter standard. Ceci est particulièrement important chez les personnes âgées, chez lesquelles la FA, aussi bien paroxystique que chronique, est fréquente et présente un risque majeur d'accident vasculaire cérébral. Implementé dans des appareils Holter standard ou dans des enregistreurs d'événement à long-terme, l'algorithme ou le procédé selon l'invention permet de mieux mettre en évidence la FA afin de prendre des mesures préventives avant l'apparition de complications dramatiques.The invention is therefore suitable for the automatic detection of AF in large populations using standard Holter recordings. This is particularly important in the elderly, where AF, both paroxysmal and chronic, is common and presents a major risk of stroke. Implemented in standard Holter devices or in long-term event recorders, the algorithm or method according to the invention makes it possible to better highlight AF in order to take preventive measures before the occurrence of dramatic complications.
Claims (11)
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR0004873A FR2807851A1 (en) | 2000-04-14 | 2000-04-14 | Cardiac rhythm analysis interval processing detecting strong variability zones and sinus rate rhythm/atrial fibrillation zones classifying. |
| AU54860/01A AU5486001A (en) | 2000-04-14 | 2001-04-17 | Method and device for cardiac atrial fibrillation by wavelet process |
| PCT/FR2001/001170 WO2001080042A1 (en) | 2000-04-14 | 2001-04-17 | Method and device for cardiac atrial fibrillation by wavelet process |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR0004873A FR2807851A1 (en) | 2000-04-14 | 2000-04-14 | Cardiac rhythm analysis interval processing detecting strong variability zones and sinus rate rhythm/atrial fibrillation zones classifying. |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| FR2807851A1 true FR2807851A1 (en) | 2001-10-19 |
Family
ID=8849290
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| FR0004873A Withdrawn FR2807851A1 (en) | 2000-04-14 | 2000-04-14 | Cardiac rhythm analysis interval processing detecting strong variability zones and sinus rate rhythm/atrial fibrillation zones classifying. |
Country Status (3)
| Country | Link |
|---|---|
| AU (1) | AU5486001A (en) |
| FR (1) | FR2807851A1 (en) |
| WO (1) | WO2001080042A1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2859094A1 (en) * | 2003-08-28 | 2005-03-04 | Univ Jean Monnet | USE OF WAVELET FOR ANALYZING THE VARIABILITY OF CARDIAC FREQUENCY APPLIED TO SLEEP DISEASE |
Families Citing this family (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7130677B2 (en) * | 2002-12-04 | 2006-10-31 | Medtronic, Inc. | Methods and apparatus for discriminating polymorphic tachyarrhythmias from monomorphic tachyarrhythmias facilitating detection of fibrillation |
| US7076289B2 (en) | 2002-12-04 | 2006-07-11 | Medtronic, Inc. | Methods and apparatus for discriminating polymorphic tachyarrhythmias from monomorphic tachyarrhythmias facilitating detection of fibrillation |
| US7103405B2 (en) | 2002-12-04 | 2006-09-05 | Medtronic, Inc. | Methods and apparatus for discriminating polymorphic tachyarrhythmias from monomorphic tachyarrhythmias facilitating detection of fibrillation |
| US8332022B2 (en) | 2003-08-29 | 2012-12-11 | Medtronic, Inc. | Methods and apparatus for discriminating polymorphic tachyarrhythmias from monomorphic tachyarrhythmias facilitating detection of fibrillation |
| US7761142B2 (en) | 2006-03-29 | 2010-07-20 | Medtronic, Inc. | Method and apparatus for detecting arrhythmias in a medical device |
| US9717437B2 (en) | 2014-10-22 | 2017-08-01 | Medtronic, Inc. | Atrial arrhythmia detection during intermittent instances of ventricular pacing in a cardiac medical device |
| US10219718B2 (en) | 2014-10-22 | 2019-03-05 | Medtronic, Inc. | Atrial arrhythmia episode detection in a cardiac medical device |
| US9675261B2 (en) | 2015-01-23 | 2017-06-13 | Medtronic, Inc. | Atrial arrhythmia episode detection in a cardiac medical device |
| US10004418B2 (en) | 2015-01-23 | 2018-06-26 | Medtronic, Inc. | Atrial arrhythmia episode detection in a cardiac medical device |
| US10188867B2 (en) | 2015-01-23 | 2019-01-29 | Medtronic, Inc. | Method and apparatus for beat acquisition during template generation in a medical device having dual sensing vectors |
| US10213125B2 (en) | 2015-01-23 | 2019-02-26 | Medtronic, Inc. | Atrial arrhythmia episode detection in a cardiac medical device |
| US9561005B2 (en) | 2015-01-23 | 2017-02-07 | Medtronic, Inc. | Method and apparatus for beat acquisition during template generation in a medical device having dual sensing vectors |
| US9901276B2 (en) | 2015-02-18 | 2018-02-27 | Medtronic, Inc. | Method and apparatus for identifying sick sinus syndrome in an implantable cardiac monitoring device |
| US9962102B2 (en) | 2015-02-18 | 2018-05-08 | Medtronic, Inc. | Method and apparatus for atrial arrhythmia episode detection |
| US10039469B2 (en) | 2016-03-30 | 2018-08-07 | Medtronic, Inc. | Atrial arrhythmia episode detection in a cardiac medical device |
| US10045710B2 (en) | 2016-03-30 | 2018-08-14 | Medtronic, Inc. | Atrial arrhythmia episode detection in a cardiac medical device |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5471991A (en) * | 1993-11-16 | 1995-12-05 | Trustees Of The University Of Pennsylvania | Wavelet analysis of fractal systems |
| US5609158A (en) * | 1995-05-01 | 1997-03-11 | Arrhythmia Research Technology, Inc. | Apparatus and method for predicting cardiac arrhythmia by detection of micropotentials and analysis of all ECG segments and intervals |
-
2000
- 2000-04-14 FR FR0004873A patent/FR2807851A1/en not_active Withdrawn
-
2001
- 2001-04-17 WO PCT/FR2001/001170 patent/WO2001080042A1/en active Application Filing
- 2001-04-17 AU AU54860/01A patent/AU5486001A/en not_active Abandoned
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5471991A (en) * | 1993-11-16 | 1995-12-05 | Trustees Of The University Of Pennsylvania | Wavelet analysis of fractal systems |
| US5609158A (en) * | 1995-05-01 | 1997-03-11 | Arrhythmia Research Technology, Inc. | Apparatus and method for predicting cardiac arrhythmia by detection of micropotentials and analysis of all ECG segments and intervals |
Non-Patent Citations (3)
| Title |
|---|
| COUDERC J P ET AL: "Wavelet analysis of spatial dispersion of P-wave morphology in patients converted from atrial fibrillation", COMPUTERS IN CARDIOLOGY 1999. VOL.26 (CAT. NO.99CH37004), COMPUTERS IN CARDIOLOGY 1999. VOL. 26, HANNOVER, GERMANY, 26-29 SEPT. 1999, 1999, Piscataway, NJ, USA, IEEE, USA, pages 699 - 702, XP002157092, ISBN: 0-7803-5614-4 * |
| MILLET-ROIG J ET AL: "Study of frequency and time domain parameters extracted by means of wavelet transform applied to ECG to distinguish between VF and other arrhythmias", COMPUTERS IN CARDIOLOGY 1998. VOL. 25 (CAT. NO.98CH36292), COMPUTERS IN CARDIOLOGY 1998. VOL. 25, CLEVELAND, OH, USA, 13-16 SEPT. 1998, 1998, New York, NY, USA, IEEE, USA, pages 17 - 20, XP002157093, ISBN: 0-7803-5200-9 * |
| POPESCU M ET AL: "High resolution ECG filtering using adaptive Bayesian wavelet shrinkage", COMPUTERS IN CARDIOLOGY 1998. VOL. 25 (CAT. NO.98CH36292), COMPUTERS IN CARDIOLOGY 1998. VOL. 25, CLEVELAND, OH, USA, 13-16 SEPT. 1998, 1998, New York, NY, USA, IEEE, USA, pages 401 - 404, XP002157094, ISBN: 0-7803-5200-9 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2859094A1 (en) * | 2003-08-28 | 2005-03-04 | Univ Jean Monnet | USE OF WAVELET FOR ANALYZING THE VARIABILITY OF CARDIAC FREQUENCY APPLIED TO SLEEP DISEASE |
| WO2005023106A1 (en) * | 2003-08-28 | 2005-03-17 | Universite Jean Monnet | Use of wavelets for analysis of the variability of cardiac frequency applied to sleeping sickness |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2001080042A1 (en) | 2001-10-25 |
| AU5486001A (en) | 2001-10-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Gupta et al. | Chaos theory: an emerging tool for arrhythmia detection | |
| Chandra et al. | Robust heartbeat detection from multimodal data via CNN-based generalizable information fusion | |
| Gupta et al. | Detection of R-peaks using fractional Fourier transform and principal component analysis | |
| Merah et al. | R-peaks detection based on stationary wavelet transform | |
| FR2807851A1 (en) | Cardiac rhythm analysis interval processing detecting strong variability zones and sinus rate rhythm/atrial fibrillation zones classifying. | |
| Islam et al. | Rhythm-based heartbeat duration normalization for atrial fibrillation detection | |
| Sheetal et al. | QRS detection of ECG signal using hybrid derivative and MaMeMi filter by effectively eliminating the baseline wander | |
| Satija et al. | An automated ECG signal quality assessment method for unsupervised diagnostic systems | |
| Liu et al. | Survey on atrial fibrillation detection from a single-lead ECG wave for Internet of Medical Things | |
| Udawat et al. | An automated detection of atrial fibrillation from single‑lead ECG using HRV features and machine learning | |
| Dalvi et al. | Heartbeat classification system based on neural networks and dimensionality reduction | |
| Moridani et al. | An efficient automated algorithm for distinguishing normal and abnormal ECG signal | |
| Malik et al. | An adaptive QRS detection algorithm for ultra-long-term ECG recordings | |
| Zeraatkar et al. | Arrhythmia detection based on Morphological and time-frequency Features of t-wave in Electrocardiogram | |
| Gündüz et al. | Atrial fibrillation classification and detection from ECG recordings | |
| Chen et al. | Post-processing refined ECG delineation based on 1D-UNet | |
| Myrovali et al. | Identifying patients with paroxysmal atrial fibrillation from sinus rhythm ECG using random forests | |
| Lahmiri et al. | Complexity measures of high oscillations in phonocardiogram as biomarkers to distinguish between normal heart sound and pathological murmur | |
| Paul et al. | Automated detection of cardinal points of ECG signal for feature extraction using a single median filter | |
| Mohagheghian et al. | Atrial fibrillation detection on reconstructed photoplethysmography signals collected from a smartwatch using a denoising autoencoder | |
| Zou et al. | A generalizable and robust deep learning method for atrial fibrillation detection from long-term electrocardiogram | |
| Zhao et al. | [Retracted] An Early Warning of Atrial Fibrillation Based on Short‐Time ECG Signals | |
| Rabbani et al. | Ischemia detection by electrocardiogram in wavelet domain using entropy measure | |
| Ari et al. | On a robust algorithm for heart sound segmentation | |
| Yoon et al. | Automatic detection of congestive heart failure and atrial fibrillation with short RR interval time series |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| ST | Notification of lapse | ||
| RN | Application for restoration | ||
| D5 | Renunciation due to an appeal on restauration |