NO312793B1 - Fremgangsmåte for å bestemme minst en diagnostisk informasjon fra signalmönstre fra medisinske sensorsystemer - Google Patents

Fremgangsmåte for å bestemme minst en diagnostisk informasjon fra signalmönstre fra medisinske sensorsystemer Download PDF

Info

Publication number
NO312793B1
NO312793B1 NO20002594A NO20002594A NO312793B1 NO 312793 B1 NO312793 B1 NO 312793B1 NO 20002594 A NO20002594 A NO 20002594A NO 20002594 A NO20002594 A NO 20002594A NO 312793 B1 NO312793 B1 NO 312793B1
Authority
NO
Norway
Prior art keywords
signals
signal
ecg
stored
measured
Prior art date
Application number
NO20002594A
Other languages
English (en)
Other versions
NO20002594L (no
NO20002594D0 (no
Inventor
Ralf Bousseljot
Dieter Kreiseler
Original Assignee
Bundesrepublik Deutschland Rep
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Bundesrepublik Deutschland Rep filed Critical Bundesrepublik Deutschland Rep
Publication of NO20002594L publication Critical patent/NO20002594L/no
Publication of NO20002594D0 publication Critical patent/NO20002594D0/no
Publication of NO312793B1 publication Critical patent/NO312793B1/no

Links

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • A61B5/318Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346Analysis of electrocardiograms
    • A61B5/349Detecting specific parameters of the electrocardiograph cycle

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Cardiology (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Electrotherapy Devices (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Description

Foreliggende oppfinnelse angår en fremgangsmåte for evaluering av målte periodiske eller kvasiperiodiske signaler fra medisinske sensorsystemer ved digitalisering av signalet og sammenligning av signalavsnitt fra det målte signalet med lagrede sammenlignbare signalavsnitt.
Karakteristiske kjente tekniske løsninger:
De i den tilgjengelige litteraturen beskrevne fremgangsmåtene for evaluering av likhet i signalmønstere i periodiske signaler begrenser seg som regel til signaler fra den samme pasienten.
Således er det kjent å gjennomføre en korrelasjon av EKG-signaler som er målt under normale omstendigheter og filtrert med løpende, dvs. forstyrrede henholdsvis sykdomsrelaterte EKG-signaler. Et ytterligere eksempel er US 5.240.009. Her blir det beskrevet gjenkjenning av rytmeforstyrrelser ved sammenligning av gjennomsnitts-beregnede og lagrede bølgeformkomplekser av de aktuelle målingene fra den samme pasienten. Også i DE 32 09 850 blir rytmeforstyrrelser klassifisert. Dette skjer ved sammenligning av det fullstendige forløpet av EKGet med et EKG-forløp som er registrert i en tidligere lærefase eller er beregnet for den undersøkte pasienten og det fullstendige lageret av et eksempel av EKG-signalet for hver klasse av rytmeforstyrrelser for den undersøkte pasienten. Alle de tidligere løsningene har til felles at de kun muliggjør sammenligning av EKG eller deler av EKG på den samme pasienten.
EKG-evalueringssystemer, for eksempel ifølge US 5.022.404, måler ett eller flere elektrodepotensialer fra elektroder festet på pasienten, filtrerer og digitaliserer disse. Deretter blir disse signalene tilført over en multiplekser i en mikrodatamaskin med CPU, arbeidsminne osv., som er til stede i EKG-tolkingssystemer. Denne bearbeider de målte signalene, for eksempel ved fjerning av grunnlinjedriften ifølge DE 4.106.856, US 5.357.969 eller fjerning av muskelartefakter fra EKGet ifølge US 5.259.387. Dessuten beregner den de for den medisinske tolkningen av EKG nødvendige utledningene ifølge Wilson, Goldberger, Einthoven og/eller den ortogonale avledningen ifølge Frank. I det enkleste tilfellet blir disse medisinske avledningene enten fremstilt på papirstrimler og/eller elektroniske displayer, for eksempel i US 5.022.404 på LCD-display, og tolket av den ansvarlige legen. Mer intelligente, såkalte tolkende elektrokardiografer, anvender mikrodatamaskinen som er til stede i utstyret, dessuten til signalbearbeiding og fremvisning for signaltolkning, signaloppmåling og eventuelt for oppgaven å gi diagnostisk henvisning, som for eksempel i US 5.029.082.
Signalmålingen og -evalueringen skjer som også nedenfor blir beskrevet nærmere i de kommenterte patentskriftene, som regel slik at det fra den beregnede medisinske avledningene blir målt et antall, for det cardiologisk skjønn av EKG viktige, enkelte signalparametre med hensyn på varighet og amplitude hhv. derav utledede kriterier. Det som er problematisk ved disse målingene av enkelte signalparametre er de forskjellige referansene, slik som for eksempel den eksakte bestemmelsen av nullinjen til EKG/!/ for bestemmelse av startpunktet for P-bølgen og den derav følgende målingen av varigheten for P-bølgen, som alt etter kvaliteten til den anvendte fremgangsmåten gir et gjennomgående avvikende resultat. Patentskriftene er blant annet DE 43 10 412 (evaluering av ST-segmentet hhv. T-bølgen), DE 39 27 709 (evaluering av ST-stykket), US 5.159.932 (filtrering av EKG, QRS-identifisering, middelverdiberegning) eller US5.020.540 (analyse av frekvensstrukturen til QRST-komplekset, bølgeform-templat). Ytterligere relevante patentskrifter inneholder målingen av de enkelte parametrene i EKG hhv. de for erkjennelse av begrensede diagnostiske utsagn, for eksempel i US 4.930.075 (evaluering av ST-segmentet for bestemmelse av iskemier), US 5.025.794 (metode for bidireksjonal bestemmelse av senpotensialet), US 5.355,891 (automatisk signalmiddel ved slagutløsning for gjenkjennelse av senpotensialet), US 5.341.811 (HP-filtrering av minst to kanaler, veid middel, anvendelse av adaptive filtre for undertrykkelse av samme takt, senpotensialgjenkjenning) eller DE 43 04 269 (utnyttelse av ST-stykket for evaluering av akutte iskemiske skader).
De målte signalparametrene blir uttrykt eller angitt direkte sammen med EGKets signalforløp. For fremstilling av diagnostiske henvisninger blir de enkelte målte signalparametrene knyttet sammen med hverandre i et mer eller mindre komplisert og forgrenet beslutningstre til meningsfylte diagnostiske henvisninger. Dette skjer eksempelvis i programmer som ligger til grunn for datamaskin-EKG-utstyret. Slike beslutningstre kan eksempelvis ha følgende form: "Når parameter 1 er i forbindelse med parameter 3 og/eller parameter 4 opptrer og det i den medisinske avledningen er virksom en samtidig betingelse 1, kan det derav sluttes det diagnostiske utsagnet xyz". På denne måten kan det for hver kjente diagnose bli bygget opp et beslutningstre på grunnlag av enkelte målte signalparametre fra EKGet i sin avledning. Denne fremgangsmåten er på grunn av det store antallet av inndata og parametre svært kostbar og forutsetter omfangsrik cardiologisk kunnskap hhv. erfaring. Endinger eller forbedringer i den fremgangsmåten for utregning av de enkelte parametrene, påvirkningen av empirisk bestemte terskelverdier eller nye medisinske kunnskaper krever delvis kostbare programmeringsendringer og funksjonstest og er således forbundet med større kostnader, hhv. krever nytt EKG-utstyr med de omarbeidede programmene. Patentet US 5.355.892 beskriver således et EKG-system med portable lagringsmedier (diskettstasjon) for lagring av så vel EKG og pasientinformasjoner , for eksempel for sykehusinformasjonssystemer som også for senere nedlasting eller aktualisering av algoritmer for EKG-evaluering.
I US 5.437.278 blir det beskrevet et medisinske diagnosesystem hvor de digitaliserte medisinske data vedrørende tilstanden til en pasient blir sammenlignet med medisinske data som er bestemt ved et annet tidspunkt og er digitalisert og er lagret i et lager.
Til grunn for oppfinnelsen ligger den problemstillingen å tilveiebringe mulig evaluering uavhengig av en ikke endelig sikret medisinsk konklusjon og på automatisk form fra periodiske eller kvasiperiodiske signaler ved forbedret signalsammenligning.
For løsning av dette problemet er det ifølge oppfinnelsen fremskaffet en fremgangsmåte av den nevnte typen som er kjennetegnet ved at perioden til de målte signalene blir normert til en forhåndsbestemt periodevarighet og at de med en bestemt samplingsfrekvens digitaliserte verdiene til et avsnitt av det målte og på en forhåndsbestemt periodevarigheten normerte signalet, blir sammenlignet med for den samme samplingrfekvensen dannede verdier til et tilsvarende fra i en database lagret og på den samme på forhånd bestemte periodevarigheten normert signal.
Evalueringen av de målte signalene ifølge oppfinnelsen for oppnåelse av diagnostisk informasjon skjer således utelukkende ved en sammenligning av signaler med et signalmønster som er lagret i en database.
For forbedring av sammenlignbarheten til de målte signalene med tilsvarende signaler lagret i en database, blir ifølge oppfinnelsen sammenligningssignalet i databasen normert til en forhåndsbestemt periodevarighet og digitalisert med en forhåndsbestemt samplingsfrekvens. På tilsvarende måte blir det målte signalet normert til den samme forhåndsbestemte periodevarigheten og digitalisert med den samme samplingsfrekvens. På denne måten er det spesielt for første gang mulig å sammenligne tilsvarende signaler fra forskjellige pasienter.
For måling i flere kanaler, slik som for eksempel forekommer ved EKG og EEG, blir på hensiktsmessig måte evaluering av de forskjellige sensorkanalene foretatt med lagrede signalavsnitt fra den tilsvarende eller i det minste sammenlignbare sensorkanalen.
Sammenligningen av det aktuelle målte signalmønsteret med signalet lagret i databasen skjer fortrinnsvis ved beregning av en korrelasjonskoeffisient for hvert avsnitt i det målte signalet med alle eller utvalgte signaler som er lagret i databasen, og det på et sted eller på flere steder, hvorved korrelasjonskoeffisientene blir anvendt som mål for likheten mellom de sammenlignede signalene. Derved blir kun en del av den diagnostiske informasjon som ble funnet under målingen, benyttet, til gjengjeld anvender man en enkel og hurtig fremgangsmåte som muliggjør gjennomføring av de nødvendige tallrike sammenlikningene. Dersom det blir bestemt flere korrelasjonskoeffisienter, blir maksimum korrelasjonskoeffesient fortrinnsvis anvendt som mål for likheten.
Ved gjennomføring av en sammenligning av en korrelasjonskoeffisient blir måledataene som skal sammenlignet med hverandre, forskjøvet i forhold til hverandre for på kjent måte å danne korrelasjonsfunksjonen.
Det er tenkbart at signalmønstrene som er lagret i databasen og som alle er blitt digitalisert med den samme samplingrfekvensen, likeledes må omregnes til en normert periodevarighet for å gjennomføre sammenlikningene. Fordelaktig er det imidlertid om signalmønstrene allerede foreligger i databasen normert til den bestemte periodevarigheten og som tilsvarende digitaliserte data.
Fremgangsmåten ifølge oppfinnelsen gir den mulig å gjøre slutning fra signalsarnmenlikning med en medisinsk diagnose, idet de i databasen lagrede signalene er tilordnet medisinske diagnoser og etter et flertall sammenlikninger foretatt fra et voksende antall overensstemmelser med lagrede data med en bestemt medisinsk diagnose blir det avledet en sannsynlighet for at det foreligger den bestemte medisinske diagnosen med hensyn på de målte signalene.
Utførelseseksempel:
Oppfinnelsen blir nedenfor nærmere forklart ved et utførelseseksempel. I de dertil hørende figurene viser
Fig. 1 en skjematisk fremstilling av fremgangsmåtetrinnene i EKG-eksempelet
Fig. 2 fremstilling av en avledning av et slag av et EKG for sammenlikning før normeringen. Fig. 3 fremstilling av avledningen av et slag av et EKG for sammenligning etter normeringen. Fig. 4 fremstilling av korrelasjonsfunksjonen til to godt korrelerte avledninger av EKG fra forskjellige pasienter. Fig. 5 fremstilling av korrelasjonsfunksjonen til to dårlig korrelerte avledninger av EKG fra forskjellige pasienter.
I det etterfølgende utførelseseksempelet blir de enkelte fremgangsmåtetrinnene i elektrocardiogram-eksempelet forklart (fig.l). Mål for en sammenligning for EKG-signaler er det for hver avledning av et målt EKG å finne den eller de sammenlignbare EKG-signalene som er mest mulig i samsvar med hensyn til sitt signalmønster. Dette skjer ved en normering av EKG-signalet ved hjelp av beregningen av korrelasjonsfunksjonen, som gir et mål for overensstemmelsen i signalmønsteret til to signalutsnitt.
Da hvert EKG har en individuell rytme med grunnleggende signalmønster, henholdsvis at det også innenfor et EKG kan være sterke svingninger i hjerterytmen, er en direkte mønstersammenlikning over beregningen av korrelasjonsfunksjonen ikke mulig. Selv ved identisk signalmønster fører imidlertid forskjellig hjerteråte til forskjellige avledninger som fører til forskjellige resultater for den direkte beregningen av korrelasjonsfunksjonen. For likevel å muliggjøre en sammenlikning blir den i signalmønsteret til EKGet oppnådde informasjonen holdt skilt fra signalrytmen. Derved blir det mulig ved en normering av signalmønsteret å sammenlikne i EKG fra flere pasienter (med forskjellig hjerteråte) for eksempel med en enhetlig, fiktiv hjerteråte i EKG med hensyn på deres signalmønstre ved hjelp av korrelasjon.
Praktisk skjer dette ved "sammenpressing" eller "strekking" av tidsaksen til sammenliknbare signalavsnitt til avledningen av database-EKG som også det målte EKG til en lik, fiktiv lengde.
Går man eksempelvis ut fra et slag som sammenlignbart signalavsnitt (fig. 2 og 3), blir RR-avstandene i avledningene som skal sammenliknes for eksempel presset sammen eller strukket. Ved det på forhånd angitte antallet samplingsverdier i avledningen endrer imidlertid dens samplingsfrekvens ved denne tilpasningen av tidsaksen. Da beregningen av korrelasjonsfunksjonen forutsetter lik samplingsfrekvens i signalavsnittene som skal sammenliknes, er det nødvendig med en nyberegning av samplingsverdiene
(resampling) av den sammenpressede eller utstrukkede avledningen av det målte EKG for eksempel ved lineær interpolasjon.
Denne fremgangsmåten fører til at også avledninger med for eksempel forskjellige hjertefrekvenser (forskjellige RR-avstander), men med det samme signalmønsteret gir like resultater ved beregning av korrelasjonsfunksjonen.
Korrelasjonsfunksjonen blir for hver avledning av referanse-EKG beregnet med den tilsvarende avledningen for hvert database-EKG, for eksempel ifølge ligning (1) og (2). Variablene Xn og Yn kjennetegner de diskrete datasettene som er tatt ut referanse-EKG X og database-EKG Y som gir verdier. Antallet punkter N som funksjonen kan bli dannet på gir seg ut fra lengden til signalavsnittet som sammenliknes. For signalmønsteravsnittene til hver avledning i EKG som skal sammenliknes, blir det for eksempel anvendt EKG-signalets periode. For sammenlignbarheten til EKG som inneholder flere avledninger, er det nødvendig at de anvendte tidsavsnittene for hver avledning blir klippet ut til det samme tidspunktet i EKGet. De utklippede periodene inneholder eksempelvis signalavsnittene P-bølge, QRS-kompleks og T-bølge. Disse signalmønstrene blir etter normering av tidsmålestokken sammenlignet med minst en slagperiode i database-EKGet. Tilsvarende den periodiske karakteristikken til database-EKGet er korrelasjonsfunksjonen igjen en periodisk funksjon. Figur 4 viser forløpet av korrelasjonsfunksjonen ved god overensstemmende signalmønstre til de korrelerte signalmønstrene med en utpreget amplitudeverdi nær verdien 1. Figur 5 viser derimot korrelasjonsfunksjonen ved mindre godt overensstemmende signalmønstre. Amplituden til korrelasjonsfunksjonens positive maksimum ligger her under verdien 0,5.
Ifølge den ovenfor formulerte målsetningen blir det søkt det godt overensstemmende - signalmønsteret. Av denne grunnen blir kun den positive maksimalverdien M; til korrelasjonsfunksjonen bestemt. Letingen etter dette maksimum skjer ved verdsetting av amplituden under samtidig hensyntagen til signalets periodisitet. Avhengig av forskjellene mellom de enkelte EKG-slagene i en avledning (slagvariasjon) avviker amplituden til de periodiske maksima Mj fra hverandre.
Derfor blir det i et videre trinn søkt det absolutte maksimum M fra de periodiske maksima M; ifølge ligning (3).
Den således oppnådde størrelse M er et mål for overensstemmelsen til de med hverandre sammenlignede avledningene.
Desto større likheten til signalmønstrene er, desto større er verdien til M. Ved fullstendig overensstemmelse av mønstrene er M=l. Resultatene av disse beregningene gir en tabell (tabell 1) hvis spalteelementer inneholder for hver avledning den absolutt maksimalverdi M til de enkelte korrelasjonsfunksjonene ifølge ligning (1). Radene i tabellen blir dannet av de for sammenligning benyttede database-EKGene. For identifisering av database-EKGene er det benyttet et EKG-nummer.
Tabell 1 viser resultatene fra mønstersammenligning for de første 10 database-EKGer så vel som for avledningene VI til V6 og Frank-avledningene Vx, Vy, Vz. For database-EKG 1 kan det leses at avledningen VI overensstemmer med sammenlignings-EKG med den maksimale korrelasjon Mvi=0,93444, mens for avledning V4 er den kun Mv4<=>0,21569.
Det er klart for den medisinske fagmannen at EKG-signaler målt i ro regelmessig skal sammenlignes. Under en belastning av pasienten erfarer de målte EKG-signaler en forandring av signalformen som med hensyn på systolen hovedsakelig forblir uforandret, men som med hensyn på diastolen imidlertid blir betydelig forkortet på grunn av den høyere hjertefrekvensen. Dersom belastnings-EKG skal bli tatt inn i sammenligningen, må tilsvarende signalforandring for denne pasienten ved belastning i forhold til EKG under ro, bli tatt hensyn til.

Claims (12)

1. Fremgangsmåte for evaluering av målte periodiske eller kvasiperiodiske signaler fra medisinske sensorsystemer ved digitalisering av signalene og sammenligning av signalavsnitt i de målte signalene med lagrede sammenlignbare signalavsnitt, karakterisert ved at perioden til de målte signalene blir normert til en forhåndsbestemt periodevarighet og at de med en bestemt samplingsfrekvens digitaliserte verdiene til et avsnitt av det målte og på en forhåndsbestemt periodevarigheten normerte signalet, blir sammenlignet med for den samme samplingrfekvensen dannede verdier til et tilsvarende fra i en database lagret og på den samme på forhånd bestemte periodevarigheten normert signal.
2. Fremgangsmåte ifølge krav 1, karakterisert ved at signalavsnitt fra forskjellige pasienter blir sammenlignet med hverandre.
3. Fremgangsmåte ifølge krav 1 eller 2, karakterisert v e d at for flerkanals måling av signaler blir de enkelte sensorkanalene sammenlignet med lagrede signaler fra sammenlignbare sensorkanaler.
4. Fremgangsmåte ifølge et hvilket som helst av kravene 1 til 3, karakterisert ved at for hvert avsnitt i de målte signaler blir det med signalene i alle eller utvalgte mønstre lagret i databaseen beregnet en korrelasjonskoeffesient på et sted eller flere steder og denne blir anvendt som mål for likheten mellom de sammenlignede signalene.
5. Fremgangsmåte ifølge krav 4, karakterisert ved at det fra den beregnede korrelasjonskoeffesienten blir dannet en korrelasjonsfunkjon.
6. Fremgangsmåte ifølge krav 4 eller 5, karakterisert v e d at det ved beregningen blir benyttet flere korrelasjonskoeffisienter hvis maksimum blir anvendt som mål for likheten mellom de forskjellige signalene.
7. Fremgangsmåte ifølge ett eller flere av kravene 1 til 6, karakterisert ved at signalmønstrene som er lagret i databasen, allerede er lagret normert til den bestemte periodetiden og som tilsvarende digitaliserte data.
8. Fremgangsmåte ifølge ett av kravene 1 til 7, karakterisert v e d at det for EKG-signalene blir valgt periodevarigheten i signalmønsteret som tilsvarer RR-avstanden og/eller middelverdien til flere RR-avstander.
9. Fremgangsmåte ifølge et av kravene 1 til 8, karakterisert v e d at for EKG-signaler med konstaterbar R-taggposisj on blir korrelasjonskoeffisienten kun bestemt på det sted hvor R-taggene i områdene som skal sammenlignes, ligger over hverandre.
10. Fremgangsmåte ifølge et av kravene 1 til 9, karakterisert ved at for EKG-signaler uten konstaterbare R-taggposisj oner blir korrelasjonsfunksjonen beregnet over minst en periode av EKG-signalet.
11. Fremgangsmåte ifølge et av kravene 1 til 10, karakterisert ved at de i databasen lagrede signalene er tilordnet medisinske diagnoser og at etter et flertall foretatte sammenligninger av et stort antall overensstemmelser med lagrede signaler med en bestemt medisinsk diagnose blir avledet en sannsynlighet for tilstedeværelsen av den bestemte medisinske diagnosen med hensyn på det målte signalet.
12. Fremgangsmåte ifølge krav 11,karakterisert ved at lengden av avsnittet er valgt slik at den kun inneholder en del av en diagnostisk informasjon.
NO20002594A 1997-11-25 2000-05-19 Fremgangsmåte for å bestemme minst en diagnostisk informasjon fra signalmönstre fra medisinske sensorsystemer NO312793B1 (no)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE19752094A DE19752094C1 (de) 1997-11-25 1997-11-25 Verfahren zur Bestimmung wenigstens einer diagnostischen Information aus Signalmustern medizinischer Sensorsysteme
PCT/DE1998/003443 WO1999027463A2 (de) 1997-11-25 1998-11-21 Verfahren zur bestimmung wenigstens einer diagnostischen information aus signalmustern medizinischer sensorsysteme

Publications (3)

Publication Number Publication Date
NO20002594L NO20002594L (no) 2000-05-19
NO20002594D0 NO20002594D0 (no) 2000-05-19
NO312793B1 true NO312793B1 (no) 2002-07-01

Family

ID=7849706

Family Applications (1)

Application Number Title Priority Date Filing Date
NO20002594A NO312793B1 (no) 1997-11-25 2000-05-19 Fremgangsmåte for å bestemme minst en diagnostisk informasjon fra signalmönstre fra medisinske sensorsystemer

Country Status (6)

Country Link
US (1) US6491629B1 (no)
EP (1) EP1034486B1 (no)
DE (2) DE19752094C1 (no)
ES (1) ES2161558T3 (no)
NO (1) NO312793B1 (no)
WO (1) WO1999027463A2 (no)

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10008792A1 (de) * 2000-02-18 2001-08-23 Biotronik Mess & Therapieg Vorrichtung zur Verarbeitung von Körpersignalen
DE10022426A1 (de) * 2000-04-20 2001-10-25 Thomas Hilfen Hilbeg Gmbh & Co Verfahren und Vorrichtung zum Messen von Vitalparametern
DE10031079A1 (de) 2000-06-30 2002-02-07 Map Gmbh Vorrichtung zur Erfassung der Atmungsstätigkeit einer Person sowie Vorrichtung zur Vorgabe physikalischer Parameter bei der Zufuhr eines Atemgases
US6944495B2 (en) * 2000-11-10 2005-09-13 C.R. Bard, Inc. Methods for processing electrocardiac signals having superimposed complexes
DE10146263B4 (de) * 2001-09-20 2007-01-04 Bundesrepublik Deutschland, vertr. d. d. Bundesministerium für Wirtschaft und Technologie, dieses vertr. d. d. Präsidenten der Physikalisch-Technischen Bundesanstalt Verfahren und Vorrichtung zur Auswertung von gemessenen periodischen oder quasi periodischen Signalen medizinischer Sensorsysteme
JP3980969B2 (ja) 2002-08-30 2007-09-26 パイオニア株式会社 心拍数計測システム、心拍数計測方法、心拍数計測プログラムおよびそのプログラムを記録した記録媒体
DE102004005433A1 (de) * 2004-02-04 2005-08-25 Roberto Consuegra Schlenker Verfahren und Vorrichtung zur Analyse des psychophysiologischen Zustands eines Individuums
US20060094028A1 (en) * 2004-11-04 2006-05-04 Welch Allyn, Inc. Rapid diagnostic assay
KR20060053812A (ko) * 2004-11-17 2006-05-22 삼성전자주식회사 생체신호를 이용한 생체 인식 장치 및 방법
KR100718125B1 (ko) * 2005-03-25 2007-05-15 삼성전자주식회사 생체신호와 인공신경회로망을 이용한 생체인식 장치 및방법
AU2006272451B2 (en) * 2005-07-18 2010-10-14 Diego Giuseppe Tognola A signal process and system
US8089349B2 (en) * 2005-07-18 2012-01-03 Diego Giuseppe Tognola Signal process and system
US8920343B2 (en) 2006-03-23 2014-12-30 Michael Edward Sabatino Apparatus for acquiring and processing of physiological auditory signals
DE102007024072B4 (de) 2006-05-24 2024-05-16 Löwenstein Medical Technology S.A. Verfahren und Vorrichtung zur Korrelation von Signalen der Atmung und des Herz-Kreislauf-Systems
US8396541B2 (en) 2007-10-24 2013-03-12 Siemens Medical Solutions Usa, Inc. Signal analysis of cardiac and other patient medical signals
US7783342B2 (en) * 2008-04-21 2010-08-24 International Business Machines Corporation System and method for inferring disease similarity by shape matching of ECG time series
FR2968923B1 (fr) * 2010-12-17 2012-12-21 Gen Electric Synchronisation de systemes d'imagerie medicaux
US20140081659A1 (en) 2012-09-17 2014-03-20 Depuy Orthopaedics, Inc. Systems and methods for surgical and interventional planning, support, post-operative follow-up, and functional recovery tracking
US10832819B2 (en) * 2014-05-28 2020-11-10 Arcadia Solutions, LLC Systems and methods for electronic health records
CN104905820B (zh) * 2015-06-09 2017-12-19 深圳市理邦精密仪器股份有限公司 一种通过医用传感器转移数据的方法和装置

Family Cites Families (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3209850C2 (de) 1982-03-18 1985-03-28 Dornier System Gmbh, 7990 Friedrichshafen Selbsttätiges Auswerteverfahren für ein EKG
CN1009330B (zh) 1987-03-30 1990-08-29 创建基立有限公司 一种电脑电信号检测处理装置
US4930075A (en) 1987-07-13 1990-05-29 The Board Of Trustees Of The Leland Stanford Junior University Technique to evaluate myocardial ischemia from ECG parameters
US5020540A (en) 1987-10-09 1991-06-04 Biometrak Corporation Cardiac biopotential analysis system and method
US5003983A (en) 1988-08-25 1991-04-02 Cortec, Inc. Cardiac monitoring system
US5025794A (en) 1988-08-30 1991-06-25 Corazonix Corporation Method for analysis of electrocardiographic signal QRS complex
US5022404A (en) 1989-10-16 1991-06-11 Marquette Electronics. Inc. Cardiac monitoring method and apparatus
CA2078136A1 (en) 1990-03-16 1991-09-17 John M. Zanetti Myocardial ischemia detection system
DE4106856A1 (de) 1991-03-04 1992-09-10 Siemens Ag Verfahren und vorrichtung zum herausfiltern von grundlinienschwankungen aus einem elektrokardiogramm
US5240009A (en) 1991-03-25 1993-08-31 Ventritex, Inc. Medical device with morphology discrimination
US5341811A (en) 1991-03-26 1994-08-30 Allegheny-Singer Research Institute Method and apparatus for observation of ventricular late potentials
US5277189A (en) * 1991-08-16 1994-01-11 Nid, Inc. Method and apparatus for the measurement and analysis of cardiac rates and amplitude variations
US5259387A (en) 1991-09-09 1993-11-09 Quinton Instrument Company ECG muscle artifact filter system
US5309917A (en) * 1991-09-12 1994-05-10 Drexel University System and method of impedance cardiography and heartbeat determination
US5280792A (en) * 1991-09-20 1994-01-25 The University Of Sydney Method and system for automatically classifying intracardiac electrograms
US5437278A (en) 1992-01-10 1995-08-01 Wilk; Peter J. Medical diagnosis system and method
GB9200586D0 (en) 1992-01-13 1992-03-11 Oxford Medical Ltd Ecg analyzer
US5419337A (en) 1992-02-14 1995-05-30 Dempsey; George J. Non-invasive multi-electrocardiographic apparatus and method of assessing acute ischaemic damage
US5355892A (en) 1993-02-10 1994-10-18 Hewlett-Packard Corporation Method and apparatus for controlling a medical device with a macro instruction
US5357969A (en) 1993-03-18 1994-10-25 Hewlett-Packard Company Method and apparatus for accurately displaying an ECG signal
DE4310412C1 (de) 1993-03-31 1994-07-21 Manfred Dr Zehender Vorrichtung zur Signalanalyse des elektrischen Potentialverlaufes der Herzerregung
JP3470121B2 (ja) 1993-04-02 2003-11-25 株式会社オサチ 電子血圧測定装置
FI100377B (fi) * 1994-10-13 1997-11-28 Polar Electro Oy Menetelmä ja laite energia-aineenvaihdunnan kynnysarvojen määrittämise ksi
GB9518094D0 (en) 1995-09-05 1995-11-08 Cardionics Ltd Heart monitoring apparatus
GB2311144B (en) 1996-03-12 2000-05-24 Holtronic Technologies Ltd Method and apparatus for holographically recording an essentially periodic pattern
DE19638738B4 (de) * 1996-09-10 2006-10-05 Bundesrepublik Deutschland, vertr. d. d. Bundesministerium für Wirtschaft und Technologie, dieses vertr. d. d. Präsidenten der Physikalisch-Technischen Bundesanstalt Verfahren zur Gewinnung einer diagnostischen Aussage aus Signalen und Daten medizinischer Sensorsysteme
US5810014A (en) * 1997-03-25 1998-09-22 Davis; Dennis W. Method and system for detection of physiological conditions
US5878071A (en) 1997-03-26 1999-03-02 Lucent Technologies Inc. Fabry-perot pulsed laser having a circulator-based loop reflector
US6308280B1 (en) 1998-06-25 2001-10-23 Hughes Electronics Corporation System for synchronizing discrete components to a common clock source

Also Published As

Publication number Publication date
WO1999027463A3 (de) 1999-07-22
DE59801595D1 (de) 2001-10-31
NO20002594L (no) 2000-05-19
NO20002594D0 (no) 2000-05-19
US6491629B1 (en) 2002-12-10
EP1034486B1 (de) 2001-09-26
ES2161558T3 (es) 2001-12-01
DE19752094C1 (de) 1999-07-15
WO1999027463A2 (de) 1999-06-03
EP1034486A2 (de) 2000-09-13

Similar Documents

Publication Publication Date Title
NO312793B1 (no) Fremgangsmåte for å bestemme minst en diagnostisk informasjon fra signalmönstre fra medisinske sensorsystemer
US11134880B2 (en) Automatic method to delineate or categorize an electrocardiogram
CN107358196B (zh) 一种心搏类型的分类方法、装置及心电仪
EP1304072B1 (en) Method and apparatus for the serial comparison of electrocardiograms
US8396541B2 (en) Signal analysis of cardiac and other patient medical signals
US6607480B1 (en) Evaluation system for obtaining diagnostic information from the signals and data of medical sensor systems
AU2002302003B2 (en) Method and system for processing electrocardial signals
WO2001091627B1 (en) System and device for multi-scale analysis and representation of electrocardiographic data
US20170055863A1 (en) Electrocardiogram Device and Methods
Hadjem et al. An ECG T-wave anomalies detection using a lightweight classification model for wireless body sensors
US20230157647A1 (en) Computer-implemented method for synchronizing a photoplethysmography (ppg) signal with an electrocardiogram (ecg) signal
JP2003079591A (ja) 生体情報表示方法及び生体情報表示装置
Khatun et al. Detection of myocardial infarction and arrhythmia from single-lead ECG data using bagging trees classifier
US9198594B2 (en) TWA measuring apparatus and TWA measuring method
Ngo et al. Design of a real-time morphology-based anomaly detection method from ecg streams
JP7002168B1 (ja) 心電図分析装置、心電図分析方法及びプログラム
US9474460B2 (en) Non-invasive evaluation of cardiac repolarisation instability for risk stratification of sudden cardiac death
AU2003231150A1 (en) System and method for predicting the onset of cardiac pathology using fractal analysis
JP4718033B2 (ja) 心電図情報処理装置及び心電図情報処理方法
JP3855118B2 (ja) 心電図情報表示方法
US20180263571A1 (en) Vital sign information recording system, vital sign information analyzer, and vital sign information display method
Sandelin et al. Identification of Myocardial Infarction by High Frequency Serial ECG Measurement
EP4332986A1 (en) Method and system for assessing a patient&#39;s medical condition
US20230277107A1 (en) Systems and methods for visual tracing of abnormality in diagnostic and monitoring clinical applications
RU2791006C1 (ru) Система и способ автоматизированного анализа и интерпретации электрокардиограммы