使用短的单导联ECG记录来检测心房颤动制造技术

一种非瞬态计算机可读介质存储指令，所述指令能由至少一个电子处理器(20)读取并运行以执行心房颤动(AF)检测方法(100)。所述方法包括：生成在时间间隔内采集的心电图(ECG)信号的时频表示；使用神经网络(NN)(32)来处理所述时频表示以输出针对包括至少心房颤动的一组节律中的节律的概率；基于针对由所述神经网络输出的所述一组节律中的所述节律的所述概率来为所述ECG信号分配节律；以及控制显示设备(24)以显示被分配给所述ECG信号的所述节律。

Detection of atrial fibrillation using short single lead ECG recordings

【技术实现步骤摘要】
【国外来华专利技术】使用短的单导联ECG记录来检测心房颤动
以下大致涉及心脏监测领域、心电图(ECG)监测和信号处理领域、心房颤动检测领域、神经网络处理领域、以及相关的领域。
技术介绍
心房颤动(AF)是最常见类型的心脏心律不齐，并且估计其单单在美国的发病率为2.7-6.1百万人(例如参见，C.T.January,L.S.Wann,J.S.Alpert,H.Calkins,J.C.Cleveland,J.E.Cigarroa等人的“2014AHA/ACC/HRSguidelineforthemanagementofpatientswithatrialfibrillation”，Circulation,p.CIR.0000000000000041,2014)。因此，近年来使用手持的易于使用的设备的AF筛查已经备受关注。需要研发对来自短的单通道ECG记录(9-60秒)的正常窦性节律(NSR)、AF、其他节律(O)和噪声记录进行分类的ECG设备。ECG设备和/或床旁监测器中的大多数现有算法需要一些时间来调整ECG数据处理参数，并且不适合于短的ECG记录。此外，大多数商用ECG设备被设计用于采集并分析多通道ECG。以下公开了克服这些问题的新的且改善的系统和方法。
技术实现思路
在一个所公开的方面中，一种非瞬态计算机可读介质存储指令，所述指令能由至少一个电子处理器读取并运行以执行心房颤动(AF)检测方法。所述方法包括：生成在时间间隔内采集的心电图(ECG)信号的时频表示；使用神经网络(NN)来处理所述时频表示以输出针对包括至少心房颤动的一组节律中的节律的概率；基于针对由所述神经网络输出的所述一组节律中的所述节律的所述概率来为所述ECG信号分配节律；以及控制显示设备(24)以显示被分配给所述ECG信号的所述节律。在另一公开的方面中，一种用于检测心房颤动的设备包括具有一个或多个导联的ECG测量设备，所述一个或多个导联具有能附接到患者的一个或多个电极。至少一个电子处理器被编程为：控制所述ECG测量设备在单个数据采集时间段内采集ECG信号，并且然后停止对所述ECG信号的采集；利用在所述ECG信号内索引滑动时间窗口的时间窗口的时间维度的值并且利用对于每个索引的时间窗口的表示所述ECG信号的在所述索引的时间窗口中的部分的频谱的沿着频率维度的值来生成在时间间隔内采集的ECG信号的时频表示；使用神经网络(NN)来处理所述时频表示以输出针对包括至少心房颤动的一组节律中的节律的概率；基于针对由所述神经网络输出的所述一组节律中的所述节律的所述概率来为所述ECG信号分配节律；并且控制显示设备以显示被分配给所述ECG信号的所述节律。在另一公开的方面中，一种心房颤动(AF)检测方法(100)包括：利用ECG测量设备来采集心电图(ECG)信号；确定在所述时间间隔内的所述ECG信号的信号质量指数(SQI)；利用在所述ECG信号内索引滑动时间窗口的时间窗口的时间维度的值并且利用对于每个索引的时间窗口的表示所述ECG信号的在所述索引的时间窗口中的部分的频谱的沿着频率维度的值来生成在时间间隔内采集的ECG信号的时频表示；使用神经网络(NN)来处理所述时频表示以输出针对包括至少心房颤动、正常窦性节律、不是正常窦性节律并且不是心房颤动的另一节律和噪声记录的一组节律中的节律的概率；基于针对由所述神经网络输出的所述一组节律中的所述节律的所述概率来为所述ECG信号分配节律；以及控制显示设备以显示被分配给所述ECG信号的所述节律。一个优点在于确定短长度的ECG信号中的心房颤动。另一优点在于提供一种非常适合于使用短持续时间ECG来提供心房颤动筛查的监测设备。另一优点在于提供一种非常适合于使用短持续时间ECG来提供心房颤动评价的便携式监测设备。另一优点在于在将ECG数据传输到云计算资源之前执行初始信号质量评价以便避免不可接受噪声ECG数据集的传输/处理。另一优点在于使用神经网络将节律类型分配给ECG数据集。给定的实施例可以提供前述优点中的零个、一个、两个、更多个或全部，并且/或者可以提供在阅读并理解本公开后对于本领普通技术人员来说将会变得显而易见的其他优点。附图说明本专利技术可以采取各种部件和部件的布置，以及各种步骤和步骤的安排的形式。附图仅出于说明优选实施例的目的，并且不得被解释为对本专利技术的限制。图1图解性地示出了根据一个方面的用于检测心房颤动的心电图(ECG)设备；以及图2和图3示出了图1的ECG设备的示范性流程图操作。具体实施方式以下涉及能够提供对ECG中的心房颤动的自动化检测的ECG设备，对ECG中的心房颤动的自动化检测可以是有挑战性的任务，尤其是在单导联ECG(其仅采用两个电极)的情况下。所公开的方法使用滑动窗口将时域单导联ECG转换为二维(2D)时频数据集。对于滑动窗口的每个位置(用作“2D表示”的“x”-坐标)，计算谱(用作“3D表示”的“y”-坐标)。在一说明性范例中，采用谱图，但是可以使用其他频率表示，诸如小波表示。窗口尺寸能够在0.25秒窗口尺寸(对应于大约四分之一心跳)处进行优化。这种时频数据集能够被类推到2D“图像”，并且图像处理方法因此能够被利用。2D时频数据集是紧凑的，并且使用现有图像处理范例来合适地处理。如本文中公开的，被设计为处理图像的类型的神经网络(诸如卷积神经网络(CNN))能够用来对2D时频表示中的ECG数据集进行分类。在一些范例中，稠密连接的CNN(DenseNet；例如参见，G.Huang等人的“Denselyconnectedconvolutionalnetworks”，arXivpreprintarXiv:1608.06993,2016)连结所有先前层特征图作为到当前层的输入，但是其他类型的分类器可以被采用。网络能够在均被临床医生标记为四个类别中的一个的训练样本上进行训练：“正常窦性节律(NSR)”；“心房颤动(AF)”；“其他节律(O)”；或“噪声”。如果临床医生确定ECG噪声太多以致于不能被可靠地分类，则噪声标记能够被分配。在又一变体中，能够在DenseNet的层之间执行规范化。在一些实施例中，这种规范化被应用于一维列(即对应于每个窗口位置的频谱被单独地规范化)。在本文中公开的一些实施例中，执行信号质量评价以生成指示ECG数据集中的噪声的信号质量指数(SQI)。在说明性SQI构想中，执行QRS检测以将数据集分割成与模板进行比较的个体心跳，但是预见到其他质量评价方法。在优选实施方式中，质量评价在计算上是快速的，并且例如在家庭心脏监测设备(或其他ECG设备)处在本地执行，并且只有在SQI是可接受的情况下，ECG数据集然后才被传输到云计算资源以执行复杂的基于CNN的分类。这种方法通过避免对不可接受噪声ECG数据集的传输/处理来改善效率。在优选实施例中，CNN被训练为具有噪声输出，由此提供用于丢弃噪声过多的ECG数据集的第二滤波器。(还应注意，采用云计算用于基于CNN的分类是一种合适的方法；备选地预见本文档来自技高网...

【技术保护点】
1.一种非瞬态计算机可读介质，存储指令，所述指令能由至少一个电子处理器(20)读取并运行以执行心房颤动(AF)检测方法(100)，所述方法包括：/n生成在时间间隔内采集的心电图(ECG)信号的时频表示；/n使用神经网络(NN)(32)来处理所述时频表示以输出针对包括至少心房颤动的一组节律中的节律的概率；/n基于针对由所述神经网络输出的所述一组节律中的所述节律的所述概率来为所述ECG信号分配节律；以及/n控制显示设备(24)以显示被分配给所述ECG信号的所述节律。/n

【技术特征摘要】
【国外来华专利技术】20170921 US 62/561,2531.一种非瞬态计算机可读介质，存储指令，所述指令能由至少一个电子处理器(20)读取并运行以执行心房颤动(AF)检测方法(100)，所述方法包括：
生成在时间间隔内采集的心电图(ECG)信号的时频表示；
使用神经网络(NN)(32)来处理所述时频表示以输出针对包括至少心房颤动的一组节律中的节律的概率；
基于针对由所述神经网络输出的所述一组节律中的所述节律的所述概率来为所述ECG信号分配节律；以及
控制显示设备(24)以显示被分配给所述ECG信号的所述节律。


2.根据权利要求1所述的非瞬态计算机可读介质，其中，所述一组节律包括至少：
正常窦性节律；
心房颤动；以及
不是正常窦性节律并且不是心房颤动的另一节律。


3.根据权利要求2所述的非瞬态计算机可读介质，其中，所述一组节律包括心房颤动、正常窦性节律、以及不是心房颤动并且不是正常窦性节律的其他节律，并且所述分配包括：
响应于由所述神经网络针对所述正常窦性节律和所述其他节律输出的所述概率在彼此的相似性阈值内，应用次级分类器以从所述正常窦性节律与所述其他节律之间选择用于分配的节律。


4.根据权利要求1-3中的任一项所述的非瞬态计算机可读介质，其中，所述一组节律包括至少：
正常窦性节律；
心房颤动；以及
噪声记录。


5.根据权利要求1-3中的任一项所述的非瞬态计算机可读介质，其中，所述处理包括基于所述ECG信号的时间长度从分别在不同时间长度的多组ECG信号节段上训练的至少两个不同的神经网络中选择用于在所述处理中使用的神经网络(32)。


6.根据权利要求1-5中的任一项所述的非瞬态计算机可读介质，其中，对所述ECG信号的所述时频表示的所述生成包括：
利用在所述ECG信号内索引滑动时间窗口的时间窗口的时间维度的值并且利用对于每个索引的时间窗口的表示所述ECG信号的在所述索引的时间窗口中的部分的频谱的沿着频率维度的值来生成所述时频表示。


7.根据权利要求6所述的非瞬态计算机可读介质，其中，所述索引的时间窗口中的所述ECG信号的所述部分的所述频谱是谱图或小波谱。


8.根据权利要求1-7中的任一项所述的非瞬态计算机可读介质，其中，所述方法还包括：
确定在所述时间间隔内的所述ECG信号的信号质量指数(SQI)；
其中，所述分配包括在所确定的SQI在预先选择的SQI阈值之下的情况下为所述ECG信号分配噪声记录。


9.根据权利要求8所述的非瞬态计算机可读介质，其中，所述方法在所确定的SQI在所述预先选择的SQI阈值之下的情况下不使用所述神经网络来执行所述处理。


10.根据权利要求1-9中的任一项所述的非瞬态计算机可读介质，其中，所述NN(32)是卷积NN(CNN)。


11.根据权利要求10所述的非瞬态计算机可读介质，其中，所述CNN(32)是稠密连接的CNN，对于所述CNN的每层，所述稠密连接的CNN连结所有先前层特征图作为输入。


12.根据权利要求1-11中的任一项所述的非瞬态计算机可读介质，其中，所述方法还包括：
控制心电图测量设备(12)在单个数据采集时间段内采集所述ECG信号，并且然后停止对所述ECG信号的采集。


13.根据权利要求1-11中的任一项所述的非瞬态计算机可读介质，其中，所述方法还包括：
控制心电图测量设备...

【专利技术属性】
技术研发人员：J·鲁宾，S·珀尔沃内，A·拉赫曼，B·康罗伊，S·巴巴埃萨德赫，
申请(专利权)人：皇家飞利浦有限公司，
类型：发明
国别省市：荷兰;NL