[0002] 这 是 2005 年 11 月 28 日 提 交 的、 题 为“METHOD AND APPARATUS FORPOST-PROCESSING OF EPISODES DETECTED BY A MEDICAL DEVICE”的美国临时申请60/740,219的
发明申请并且要求该申请的优先权,这里全面结合该申请作为参考。
技术领域
[0003] 本发明一般涉及医疗设备,尤其涉及对医疗设备所检测的事件进行改进的后处理估计的方法和装置。
背景技术
[0004] 例如,随着诸如可植入复律器-
除颤器(ICD)之类的可植入医疗设备中的
存储器和诊断容量的增加,对可用数据进行适当地评论所要求的时间量也增加了,这些可用数据是与判定事件的检测和通过设备提供的
治疗是否合适相关联的。由于经标识的ICD指示的数量不断地增加,而数据的后处理评论可用的时间量减少,ICD事件的分类需要较高的专业技术
水平。结果,具有所要求的专业技术的临床医师的数量已经减少,这会导致对这些带有植入设备的病人的管理
质量降低。因此,通过对事件进行正确的分类和对ICD参数改变和/或医学治疗进行可能的建议(诸如,药物治疗中的改变、治疗的提供、采用
切除过程等),在询问时对每个以前检测到的事件进行后处理和自动评论的一种
算法可以致
力于所关注的这些问题。
[0005] 在
门诊部重复评论存储在ICD存储器中的数据需要专业技术知识以在真正的心室心律不齐和不需要检测的非心室心律不齐之间进行
鉴别。当ICD人口增加时,评论具有仔细细节的所有ICD检测事件需要的时间也增加。通过设备把已经不适当地检测的自动识别ICD存储事件作为事件会减少评论事件和保证正确地评论不需要的检测所需要的时间。
[0006] 因此,需要在后处理评论存储在可植入设备中的数据的期间对每个检测到的事件正确地分类的一种算法,以便减少临床医师评论事件的时间,并且使临床医师有信心会注意到每个不正确的ICD检测。
附图说明
[0007] 通过考虑附图并参考本发明
实施例的下述详细说明,将理解和变得较佳地理解本发明的一些方面和特征,其中:
[0008] 图1是根据本发明的一个实施例用于对心脏事件进行分类的示范性可植入医疗设备系统的示意图;
[0009] 图2是根据本发明的一个实施例用于对事件进行分类的系统的示意图;
[0010] 图3是根据本发明的一个实施例用于对心脏事件进行分类的
流程图;
[0011] 图4是根据本发明的一个实施例用于在检测到的事件的再分类期间确定A/V比值的曲线图示;
[0012] 图5是根据本发明的一个实施例用于判定是否存在与检测到的事件相关联的突然发作的曲线表示图;
[0013] 图6A-6C是根据本发明 的一个实施例用于 判定是否存在引导 腔(leadingchamber)的曲线表示图;
[0014] 图7是根据本发明的一个实施例用于产生模板的曲线图示;
[0015] 图8是通过可植入医疗设备的事件分类中利用的示范性数据的曲线图示;
[0016] 图9是根据本发明的一个实施例的方法的流程图,用于判定设备以前利用来识别心脏事件的数据是否对应于设备对事件的有规则检测;
[0017] 图10是根据本发明的一个实施例的方法的流程图,用于判定设备以前利用来识别心脏事件的数据是否对应于设备对事件的有规则检测;以及
[0018] 图11是根据本发明的一个实施例用于判定是否已经发生欠检测的曲线图示。
具体实施方式
[0019] 图1是根据本发明的一个实施例用于对心脏事件进行分类的示范性可植入医疗设备系统的示意图。如图1所示,根据本发明的一个实施例用于对事件进行分类的系统包括诸如可植入
心脏起搏器、可植入复律器-除颤器(ICD)或起搏器/复律器/除颤器之类的可植入医疗设备220,例如,通过电或机械连接到位于人体105的心脏中的、用于捕获和处理来自病人的生理学数据和根据所捕获的数据提供治疗的、一根或多根引出线114。根据本发明的一个实施例用于对事件进行分类的系统也可以处于其它医疗设备中,诸如处于心肌刺激器、药物传送系统、心脏和其它生理学监视器、包括神经、肌肉的
电刺激器和脑深部刺激器、
耳蜗植入、以及心脏辅助IMD或
泵等中。
[0020] 可以通过诸如接入设备240之类的外部系统来监视可植入医疗设备220捕获的数据,该外部系统包括与远处的可植入医疗设备220通信的编程头122。根据熟悉本领域的技术人员已知的、对本揭示有利的医疗设备编程系统,利用编程头122,以促进可植入医疗设备220(例如,起搏器)和接入设备240之间的双向通信。这样,一旦所需要的数据已经从可植入医疗设备220发送到接入设备240,就在接入设备240中发生根据本发明的一个实施例的心脏事件分类。接入设备240可以位于离病人较远的
位置处,因此,例如,一旦所需要的数据已经经由因特网从可植入医疗设备220发送到接入设备240,就可以在接入设备240中执行根据本发明的一个实施例的事件分类。
[0021] 可植入医疗设备220安装在密封的、无
生物学活动的、外罐或
外壳113中,其自身可导电而作为可植入医疗设备220起搏/检测
电路中的
电极。使在图1中由标号114集中识别的一根或多根引出线114电耦合到可植入医疗设备220,并且经由血管118延伸到病人的心脏116。一般在引出线114远端的附近设置一个或多个暴露的导电电极(
传感器/治疗提供设备210),用于接收电心脏
信号或向心脏116传送电起搏刺激。可以植入引出线114使其远端位于心脏116的
心房或心室中。在另外的实施例中,传感器/治疗提供设备
210或与传感器/治疗提供设备210相关联的引出线114可以位于心脏116的血管中,诸如血管118。
[0022] 图2是根据本发明的一个实施例用于对事件进行分类的系统的示意图。如图2所示,用于估计事件的以前分类的系统200包括传感器/治疗提供单元210、可植入医疗设备220以及接入设备240。本发明的实施例可以把来自传感器/治疗提供单元210的多个生理学数据和非生理学数据中的一个或多个数据提供给可植入医疗设备220,然后进行处理和存储在可植入医疗设备220中。传感器/治疗提供单元210可以包括能够捕获生理学和非生理学数据的多个传感器。根据来自传感器210的数据和其它因子,可植入医疗设备220可以经由传感器/治疗提供单元210把治疗提供给病人身体105的一个部分。可以使用接入设备240对通过使用下述方法的设备220的事件的识别进行再分类,并且可以对可植入医疗设备220的操作相应地进行再编程和/或进行
修改。在本发明的另一个实施例中,使用设备220对使用下述方法的设备220的事件的以前识别进行再分类。
[0023] 图3是根据本发明的一个实施例用于对心脏事件进行分类的流程图。本发明涉及用于估计通过设备220的以前的事件分类的一种方法和设备,包括确定设备以前对事件进行的分类的实例作为检测到的事件
块300,例如,诸如心室心动过速的心室
纤维颤动。关于作为检测到的事件的事件分类是否基于正确的检测数据而作出判定。例如,关于数据是否与事件的起初分类期间的心房检测相关联作出判定,所述事件包括有规则的和自发的,即非诱导的,心房去极化(atrial depolarization)的正确识别,块302。根据本发明的一个实施例,下面参考图9-11详细说明有规则的和自发的心房去极化的识别。
[0024] 如果没有判
定心房检测是自发的和有规则的,则在块302中为NO(否),把检测到的事件标记为未知,块301,并且识别通过设备以前识别的下一个事件作为检测到的事件,块300。一旦判定心房检测为自发的和有规则的,块302,则通过再分类成为室上性心动过速事件或VT/VF事件来验证检测到的事件。根据本发明的一个实施例,检测到的事件的再分类是通过确定A/V比值来进行的,所述A/V比值与在事件检测之前发生的检测事件的预定窗口上的心房检测事件对心室检测事件的比值相关联,块304。例如,如图4所示,可以通过刚在事件402的检测点之前发生的最后12个心室检测事件来定义用于计算A/V比值的预定窗口400,虽然可以理解,可以通过检测之前的任何预定数量的心室检测事件Vs来定义窗口400。然后确定发生在窗口400中的心房检测事件As,并且利用其确定A/V比值。在图4的例子中,在窗口400中发生十四个心房检测事件As。
[0025] 如果在窗口400期间发生的心房检测事件As的数量等于心室检测事件Vs的数量,并且因此而A/V比值等于1,则在块306中为YES(是),在图3中对关于心房检测事件As和心室检测事件Vs是否以一对一的分布(即每个V有一个A)均匀地分布进行判定,块308。例如,作出关于窗口400之前检测到的事件中可得到的所有心室检测事件Vs中的每个相邻对之间是否只有一个心房检测事件As的判定。如果心房检测事件As和心室检测事件Vs是以一对一的分布均匀地分布的,则块308中为YES,即,在所有心室检测事件Vs的每个相邻对之间只有一个心房检测事件As,识别该事件作为室上性心动过速事件,块310。这个判定下的基本原理是心室心律不齐的心室周期长度比事件中某些点处的心房周期长度短。
[0026] 根据本发明的一个实施例,在对窗口400期间发生的心房检测事件As的数量是否等于心室检测事件Vs的数量进行判定的期间,如果心房检测事件As的数量在心室检测事件Vs数量的预定范围内,诸如加或减1,则可以确定A/V比值等于1,在块306中为YES。此外,在块308中对关于心房检测事件As和心室检测事件Vs是否以一对一的分布均匀地分布作出判定的期间,可以包括心室检测事件Vs的相邻对之间存在不止一个预定数量的心房检测事件As的实例。例如,对在窗口400之前的心室检测事件Vs的相邻对之间只存在一个心房检测事件As作出判定,并且比心室检测事件Vs的相邻对的预定数量少(诸如3,具有两次心跳)。
[0027] 如果判定心房检测事件As和心室检测事件Vs没有以一对一的分布方式均匀地分布时,则在块308中为NO,对关于是否存在与检测到的事件相关联的突然发作作出判定,块312。
[0028] 图5是根据本发明的一个实施例用于判定是否存在与检测到的事件相关联的突然发作的曲线表示图。如本技术领域中所众知,在通常称之为用于检测的间隔(NID)的、内部速率小于已经检测的预定速率的、预定数量的间隔中,检测一次心脏事件。例如,在图4和5的示范性曲线表示图中,用于检测的间隔的数量(NID)是24个间隔。因此,在起始检测过程期间,一旦已经符合检测标准,设备220就检测一次心脏事件的发生,即,检测到小于
阈值速率的、24个间隔一次的速率。
[0029] 如图5所示,对是否存在突然发作事件进行判定,首先判定检测间隔500的预定数量(诸如8个检测到的间隔)的中值(例如,正好在对应于设备检测到事件为心脏事件的时间的、间隔502之前发生),以及发生在与以前通过设备220检测的事件相关联的NID间隔506之前(例如,在所存储的事件的开始)的、检测到的间隔504的预定数量的中值。对检测到的间隔500的预定数量的中值和检测到的间隔504的预定数量的中值的差进行确定,并且如果中值之间的差508大于中值差阈值(例如,诸如60毫秒),则确定事件的发作是突然的。
[0030] 根据本发明的一个实施例,使用Stadler等人于2006年3月9日提交的美国
专利申请11/461,269号中描述的方法,对关于事件的发作是否为突然发作作出判定,这里全面结合该专利申请作为参考。
[0031] 回到图3,如果两个中值之间的差508不大于中值差阈值,因此判定事件的发作不是突然发作,则在块312中为NO,识别为不能够对该事件进行估计,并且过程继续进行事件分类正确性的下一个后处理判定,例如,诸如下面描述的块312。如果两个中值之间的差508大于中值差阈值,因此判定事件的发作是突然发作,则在块312中为YES,通过判定是否通过心室或心房中的传导启动了心脏节律而进一步估计事件分类的正确性。例如,根据本发明的一个实施例,确定发作阈值510,块314,作为正好在与事件检测相关联的间隔502之前发生的检测到的间隔500的预定数量的中值和两个中值之间的一部分差508的总和,由下述公式阐明:
[0032] 发作阈值=事件中值+X*中值差 公式1
[0033] 其中事件中值是正好在与事件的检测相关联的间隔502之前发生的事件500的预*定数量的中值,中值差是两个中值之间的差508,而X 中值差对应于两个中值之间的差508*
的一部分。根据本发明的一个实施例,X等于三分之二,以致X 中值差对应于中值差的三分之二。
[0034] 一旦已经确定了发作阈值510,块314,就在块316中识别用来形成窗口的空间参考点,该窗口用于判定是否正在通过心房和心室腔中之一启动心脏节律的传导。例如,根据本发明的一个实施例,识别与预-NID或穴节律相关联的RR-间隔(即,大于发作阈值510,是在与判定检测到事件的时间对应的间隔502之前发生的),并且用来作为形成窗口的空间参考点。
[0035] 使用图5的例子,在时间上从与事件的检测对应的间隔502开始工作和向后工作,通过判定在间隔502之前发生的预定数量的间隔何时大于发作阈值510而进行空间参考点的识别。例如,根据本发明的一个实施例,对正好在间隔502之前发生的五个顺序相邻间隔512中的三个间隔是否大于发作阈值510作出判定。如果五个顺序相邻间隔512(包括间隔
502)的窗口中的三个间隔不大于发作阈值510,则对在时间上从与事件的检测对应的间隔
502向后工作的五个顺序相邻间隔514的下一个窗口中的三个间隔作出是否大于发作阈值
510的判定。继续进行该过程直到在五个间隔的窗口516中的三个间隔大于发作阈值510时识别一个间隔。
[0036] 一旦识别了窗口516,就把大于发作阈值510和最接近与事件的检测对应的间隔502的窗口516的间隔518设置为用于形成窗口的空间参考点,该窗口用于判定是否正在通过心房和心室腔中之一启动心脏节律的传导。
[0037] 图6A-6C是根据本发明 的一个实施例用于 判定是否存在引导 腔(leadingchamber)的曲线表示图。使用中心在经判定的空间参考点周围的预定数量的间隔,即,间隔518,来确定发生在每个间隔之间的检测到的心房事件的数量,然后利用其结果确定是否正在通过心房腔,块318,以及心室腔,块320,中之一启动心脏节律的传导。例如,如图6A和6B所示,使用中心在间隔518周围的三个间隔,作出关于发生在所产生的七个间隔之间的心房检测事件的数量。
[0038] 如图6A所示,如果在形成七个间隔的每个相邻心室检测事件Vs之间存在一个心房检测事件As,则判定心房在启动传导,在块318中为YES,并且识别事件为室上性心动过速事件,块310。如图6B所示,如果在七个间隔中的六个的每个相邻心室检测事件Vs之间存在一个心房检测事件As,并且在间隔中之一的相邻心室检测事件Vs之间没有心房检测事件As,则判定心室在启动传导,在块320中为YES,并且把事件分类为VT/VF事件,块322。最后,如图6C所示,如果在七个间隔中小于六个间隔的每个相邻心室检测事件Vs之间存在一个心房检测事件As,并且在一个以上的间隔的相邻心室检测事件Vs之间没有心房检测事件As,则判定既没有驱动心房传导,也没有驱动心室传导,在块318和320中为NO,并且作出抗心动过速起搏的效果是否表示室上性心动过速事件的判定,图3的块321。
[0039] 根据 本发 明的一 个实 施例,利用 于2004年5月5日 提交 额、题 为“DYNAMICDISCRIMINATION UTILIZING ANTI-TACHY PACING THERAPY IN AN IMPLANTABLEMEDICAL DEVICE”的、共同转让的美国专利申请10/839,634号中描述的动态鉴别方法来作出关于抗心动过速的效果是否表示室上性心动过速事件的判定,块321,这里全面结合该申请作为参考。例如,识别传送抗心动过速摄生法的设备220,并且通过判定发生在传送抗心动过速治疗之前的心房事件之间的平均周期长度来评论与治疗相关联的EGM,并且对所判定的平均心房周期长度与传送心动过速治疗期间的心房周期长度进行比较。如果平均心房周期长度和传送心动过速治疗期间的心房周期长度之间的差小于或等于预定心房周期长度阈值,例如,诸如30ms,则对事件进行再分类而作为室上性心动过速事件,块310。如果平均心房周期长度和传送心动过速治疗期间的心房周期长度之间的差大于预定心房周期长度阈值,则识别所有间隔中的最小间隔(在与事件的检测相关联的NID间隔期间)和最大间隔,并且作出关于最大间隔和最小间隔之间的差是否大于预定阈值,例如,诸如100ms,的判定,块332。
[0040] 如果最大间隔和最小间隔之间的差不大于预定阈值,则在块322中为NO,对与事件的检测相关联的每个间隔的形态(morphology)与存储在块326中的一个模板或一些模板进行比较,并且对每一个作出关于形态的相关是否大于预定相关阈值,例如,诸如0.95,的判定,并且作出关于与存储的阈值相关的间隔的数量是否大于预定匹配百分比阈值,例如,诸如80%,的判定,块336。
[0041] 如果最大间隔和最小间隔之间的差大于预定阈值,则在块322中为YES,对最大间隔的形态与最小间隔的形态进行比较,并且作出关于最大间隔和最小间隔的相关是否大于预定相关阈值,例如,诸如0.94,的判定,块334。
[0042] 如果最大间隔和最小间隔的相关大于预定相关阈值,则在块334中为YES,对检测到的事件进行再分类而作为室上性心动过速,块310。如果最大间隔和最小间隔的相关不大于预定相关阈值,则在块334中为NO,对与检测到的事件相关联的每个间隔的形态与存储在块326中的一个模板或一些模板进行比较,并且对每一个作出关于形态的相关是否大于预定相关阈值,例如,诸如0.95,的判定。作出关于与存储的模板相关的间隔的数量是否大于预定匹配百分比阈值,例如,诸如80%,的判定,块336。
[0043] 根据本发明的一个实施例,可以存储单个模板或不止一个模板,例如,诸如四个,在下述的检测到的事件的再分类中,可利用所存储的模板中的每一个。
[0044] 如果间隔(其所具有的形态确定为具有大于相关阈值的、与存储模板的相关)的数量大于预定匹配百分比阈值,则在块336中为YES,对以前检测到的事件进行再分类而作为心室心动过速事件,块338。如果间隔(其所具有的形态80确定为具有大于相关阈值的、与存储模板的相关)的数量不大于预定匹配百分比阈值,则在块336中为NO,不可能对检测到的事件进行再分类,因此识别以前检测到的事件作为未知事件,块340。
[0045] 如果在窗口400期间发生的心房检测事件As的数量不等于心室检测事件Vs的数量,因此A/V比值不等于1,则在块306中为NO,在块324中作出关于心室检测事件Vs的数量是否大于心房检测事件As的数量因此A/V比值小于1的判定。如果心室检测事件Vs的数量大于心房检测事件As的数量,则在块324中为YES,产生和存储模板,块326,并且对事件进行分类作为VT/VF事件,块322。
[0046] 图7是根据本发明的一个实施例用于产生模板的曲线图示。如图7所示,根据本发明的一个实施例,为了在块328中产生模板,本发明使相邻间隔的形态相关,在时间上从与事件的检测相关联的间隔502开始工作和向后工作。例如,通过模板,即图7中的模板A,判定和识别间隔502的形态。对正好在间隔502之前发生的以及与间隔502相邻的间隔560的形态与模板A进行比较,如果间隔560的形态具有与间隔502的形态的预定相关,例如,诸如大于或等于0.82的相关,则识别两个间隔为相关的,并且通过模板A识别间隔560。
如果形态不相关,即,具有小于0.82的相关,则通过新的模板,图7中的模板B,来识别间隔
560的形态。
[0047] 一旦已经确定了间隔502和506的相关和通过模板识别了形态,就作出关于正好在最近相关的间隔,间隔560,之前发生的下一个间隔562的形态是否与以前产生的模板中之一,即,模板A或模板B,相关的判定。尤其,在图7的例子中,由于间隔562与模板B的相关等于0.98,而间隔562与模板A的相关等于0.72,判定间隔562与模板B相关(0.98大于0.82),但是不与模板A相关(0.72不大于或等于0.82)。结果,识别间隔562的形态为具有与模板B相同的形态。
[0048] 一旦完成了间隔562与以前产生的模板的相关,并且已经用模板识别了间隔562,就对关于正好在最近相关的间隔,间隔562,之前发生的下一个间隔564的形态是否与以前产生的模板中之一,即模板A或模板B,相关作出判定。尤其,在图7的例子中,由于间隔564与模板B的相关等于0.80,而间隔564与模板A的相关等于0.81,判定间隔564没有与模板B相关(0.80小于0.82)或模板A相关(0.81小于0.82)。结果,识别间隔562的形态为具有不同的形态,因此根据间隔564的形态产生的新模板C,并且识别间隔564的形态为具有与新模板C相同的形态。
[0049] 一旦完成了间隔564与以前产生的模板的相关,并且已经用模板识别了间隔564,就对关于正好在最近相关的间隔,间隔565,之前发生的下一个间隔566的形态是否与以前产生的模板中之一,即模板A、模板B或模板C,相关作出判定。尤其,在图7的例子中,由于间隔566与模板C的相关等于0.82,间隔566与模板B的相关等于0.99,以及间隔566与模板A的相关等于0.69,判定间隔566为与模板C(0.82大于或等于0.82)和模板B(0.99大于0.82)相关,但是没有与模板A相关(0.69小于0.82)。由于识别间隔566的形态为具有与模板B和模板C相同的形态,作出关于模板间隔566与模板B的相关是否大于模板间隔566与模板C的相关的判定。由于间隔566和模板B之间的相关大于间隔566与模板C之间的相关,识别间隔566的形态为具有与模板B相同的形态。另一方面,如果间隔566和模板B之间的相关大于间隔566和模板C之间的相关,则将识别间隔566的形态为具有与模板C相同的形态。
[0050] 对于其余12个间隔重复该过程,每个间隔的形态用以前产生的模板中之一来识别,或用多个判定的相关模板中最高的一个来识别,或用单个相关模板,或用基于当前间隔的新的模板来识别,以致,回到图3,一旦用模板识别了最终间隔568,就设置与最大间隔数量(图7的例子中为模板B)相关的产生的模板作为与检测到的事件相关联的模板,并且存储在存储器块326中。此外,与最大间隔数量相关的产生的模板还必须包括所有利用的间隔的预定百分比,例如,诸如80%。然后把事件分类为VT/VF事件块322。
[0051] 如果在窗口400中发生的心房检测事件As的数量大于心室检测事件Vs的数量,因此A/V比值或者不等于1,在块306中为NO,或者不小于1,在块324中为NO,作出关于在事件初始分类期间设备利用的作为检测到的事件的数据是否包括有规则的间隔的判定,块328。
[0052] 图8是通过可植入医疗设备的事件分类中利用的示范性数据的曲线表示图。在图8的示范性曲线表示图中,检测的间隔的数量(NID)是16个间隔。因此,在初始检测过程期间,一旦符合了检测标准,即一旦检测到16个间隔的速率小于阈值速率,设备220就检测到心脏事件发生。根据本发明的一个实施例,为了判定在事件的初始分类期间设备利用的作为检测到的事件的数据是否包括有规则的间隔,通过判定两个最高模式(即,最频繁的存储器(bin))中的间隔数量是否大于RR间隔数量的预定百分比,例如,诸如67%,而产生检测中导致的16个RR间隔的模式总和(modesum)。尤其,在图8中示出的示范性数据中,由于两个最频繁的存储器包括间隔长度为330ms和340ms的16个间隔中的8个,模式总和是
100%,因此大于RR间隔数量的预定百分比。因此,判定RR间隔为有规则的,在块328中为YES。
[0053] 如果判定RR间隔为无规则的,则在块328中为NO,识别事件为不可能估计的事件,并且用事件分类的正确性的下一个后处理判定,例如,诸如下面描述的块332,来继续进行该过程。另一方面,如果判定RR间隔为有规则的,则在块328中为YES,作出关于与作为心脏事件的事件的初始识别相关联的A/V间隔是否稳定的判定,块330。例如,根据本发明的一个实施例,为了判定与作为心脏事件的事件的初始识别相关联的A/V间隔是否稳定,对与作为心脏事件的事件的初始识别相关联的每个间隔,确定PR间隔,即,心房检测800和后续的心室检测802之间的时间。
[0054] 为了减少局外效应,一旦对与作为心脏事件的事件的初始识别相关联的每个间隔判定PR间隔,就除去预定数量的最大PR间隔和最小PR间隔。例如,根据本发明的一个实施例,除去最大PR间隔的十六分之一以及最小PR间隔的十六分之一。然后确定PR范围作为最小PR间隔和最大PR间隔之间的差,并且作出关于PR间隔的范围是否满足PR稳定标准的判定。例如,对于图8的数据,作出关于其余的PR间隔范围是否小于20ms的判定。
[0055] 在图8的例子中,一旦除去了最小和最大间隔,PR范围就是10ms,因此判定PR间隔的范围小于20ms。
[0056] 如果判定PR间隔的范围小于或等于20ms,因此与作为心脏事件的事件的初始分类相关联的A/V间隔是稳定的,则在块330中为YES,对事件进行再分类为室上性事件,块310。另一方面,如果判定PR间隔的范围大于20ms,因此,与作为心脏事件的事件的初始分类相关联的A/V间隔是不稳定的,则在块330中为NO,识别与事件的检测相关联的NID间隔中的最小间隔和最大间隔,并且作出关于最大间隔和最小间隔之间的差大于预定阈值,例如,诸如100ms,的判定,块332。
[0057] 如果最大间隔和最小间隔之间的差不大于预定阈值,则在块322中为NO,识别事件为不能够估计的事件,并且过程继续进行事件分类正确性的下一个后处理判定,诸如下面描述的块336。如果最大间隔和最小间隔之间的差大于预定阈值,则在块322中为YES,比较最大间隔的形态与最小间隔的形态,并且作出关于最大间隔和最小间隔的相关是否大于预定相关阈值,例如,诸如0.94,的判定,块334。
[0058] 如果最大间隔和最小间隔的相关不大于预定相关阈值,则在块334中为NO,对检测到的事件进行再分类为室上性心动过速,块310。如果最大间隔和最小间隔的相关大于预定相关阈值,则在块334中为YES,对与事件的检测相关联的每个间隔的形态与存储在块326中的一个模板或多个模板进行比较,并且对每一个作出关于形态的相关是否大于预定相关阈值,例如,诸如0.95,的判定。作出关于与存储的阈值相关的间隔的数量是否大于预定匹配百分比阈值,例如,诸如80%,的判定。
[0059] ●如果具有形态80(判定其具有与存储的、大于相关阈值的模板的相关)的间隔的数量大于预定阈值,则在块336中为YES,把以前检测到的事件再分类为心室心动过速事件,块338。如果具有形态80(判定其具有与存储的、大于相关阈值的模板的相关)的间隔的数量不大于预定阈值,则在块336中为NO,不可能对检测到的事件进行再分类,因此识别以前检测到的事件为未知事件,块340。
[0060] 这样,通过启动每个检测到的事件的评论和后处理,本发明减少了时间,这个时间是临床医师或其他医务人员通过设备评论事件分类的正确性以便识别不适当的检测所需要的,并且还减少了花费在不需要评论的检测上的时间的可能性。此外,当经验不很丰富的医务人员评论存储在可植入医疗设备的存储器中的的事件时,本申请的过程将使进行正确分类的可能性提高。
[0061] 图10是根据本发明的一个实施例判定心房检测事件是否与心室检测事件一起均匀分布的曲线表示图。如图10所示,根据本发明的一个实施例,在块308中判定心房检测事件As是否与心室检测事件Vs一起均匀分布期间,
[0062] 图9是根据本发明的一个实施例的方法的流程图,用于判定设备以前利用来识别心脏事件的数据是否对应于设备对事件的有规则检测。如图9所示,根据本发明的一个实施例,在块302中判定心房检测是否为自发的和有规则的期间,通过接入设备240评论检索存储数据(该检索存储数据与通过设备220的事件的以前分类相关联),以识别是否存在已经疑似发生过分检测(oversensing)的一些实例,块900。例如,通过判定是否存在设备220已经识别远场R波(FFRW)的存在(已经通过设备220识别为心房检测事件)的一些实例而通过接入设备240作出关于在块900中是否疑似已经疑似发生过分检测的判定,使用已知的检测算法,诸如在Gillberg等人的美国专利6,178,350号、Gillberg等人的美国专利6,052,620号以及Gillberg等人的美国专利5,755,736号中描述那些,这里全面结合作为参考。然后通过接入设备240对由设备220识别为远场R-波的R-波进行分类作为疑似的远场R-波。
[0063] 此外,接入设备240在块900中利用来识别疑似远场R-波的其它因子可以包括远场R-波(其位置处于通过设备220的检测周期之后)的一些实例,同时心房和心室检测事件的实例,除了在心室事件是TP(ATP的心室起搏)的实例中之外,以及当忽略真实PP间隔周期中的疑似远场R-波时,判定预定数量的PP间隔,例如,诸如四个,为稳定的。根据本发明的一个实施例,如果预定数量的PP间隔的每个值都在预定范围内,例如,诸如小于或等于100%和大于或等于90%,则也认为PP间隔是稳定的。
[0064] 一旦已经识别了疑似远场R-波,则在块900中为YES,使用上述技术除去所有判定的疑似远场检测,块902,以及再计算间隔而无需疑似远场R-波,块904。然后作出关于除去具有疑似远场R-波的信号是否有规则的判定,块906。根据本发明的一个实施例,为了判定除去具有疑似远场R-波的信号是否有规则,通过接入设备240产生信号的模式总和,这些信号在时间上从与通过设备220的事件检测对应的间隔开始工作和向后工作,并且作出关于模式总和是否大于或等于99%的判定。
[0065] 如果判定除去具有疑似远场R-波的信号是有规则的,即,模式总和大于或等于99%,则在块906中为YES,判定信号为自发的和有规则的,在图3的块302中为YES,并且过程继续进行而判定A/V比值,如上述图3的块304。如果判定除去具有疑似远场R-波的信号是无规则的,即,模式总和不大于或等于99%,则在块906中为NO,作出关通过接入设备240从设备220接收到的数据是否包括心房电描记图的判定,块908。如果通过接入设备
240从设备220接收到的数据不包括心房电描记图,则在块908中为NO,通过接入设备240存储如此的信息,并且判定信号为自发的和有规则的,在图3的块302中为YES,并且过程继续进行而判定A/V比值,如上述图3的块304。
[0066] 如果通过接入设备240从设备220接收到数据包括心房电描记图,则在块908中为YES,把在块902中除去的疑似远场R-波插回到信号中,块910,并且识别通过设备220的事件检测点之前的第一疑似远场R-波,块912。然后使用远场R-波之后和之前的预定数量的搏动(beat)形成关于疑似远场R-波的检测搏动的窗口,块914。例如,根据本发明的一个实施例,块914的窗口包括10个检测搏动,其中疑似远场R-波之前包括6个搏动,疑似远场R-波之后包括3个搏动(即,远场R-波是十个搏动中的第七个)。一旦在块914中判定了窗口,就对应于窗口中每个间隔的形态产生模板,块916,并且作出关于疑似远场R-波的形态是否具有与非疑似的和非确认的搏动的窗口中的间隔的预定相关,例如,诸如0.92,的判定,块918。
[0067] 如果判定当前疑似远场R-波的形态具有与非疑似的和非确认的搏动的窗口中的间隔的预定相关,则在块918中为YES,把当前疑似远场R-波分类为不是远场R-波,块920。如果判定当前疑似远场R-波的形态不具有与非疑似的和非确认的搏动的窗口中的间隔的预定相关,则在块918中为NO,作出关于当前疑似远场R-波是否具有与预定数量的以前确认的疑似远场R-波,例如,诸如67%,的预定相关,例如,诸如0.82,的判定,块922。
[0068] 如果当前疑似远场R-波具有与预定数量的以前确认的远场R-波的预定相关,则在块922中为YES,把当前疑似远场R-波分类为确认的远场R-波,块926。如果不存在以前确认的远场R-波或如果当前疑似远场R-波不具有与预定数量的以前确认的远场R-波的预定相关,则在块922中为NO,作出关于当前疑似远场R-波是否具有与窗口中预定数量的真实p波(即,既非疑似也未确认的远场R-波)的预定相关,例如,诸如67%,的判定,块924。
[0069] 如果当前疑似远场R-波具有与预定数量的真实P波的预定相关,则在块924中为YES,把当前疑似远场R-波分类为不是远场R-波,块920。然而,如果当前疑似远场R-波不具有与预定数量的真实P波的预定相关,则在块924中为NO,把当前疑似远场R-波分类为确认的远场R-波,块926。
[0070] 一旦把当前疑似远场R-波分类为确认的远场R-波,块926,或分类为不是远场R-波,块920,就作出关于是否所有疑似远场R-波都已经通过接入设备240分类的判定,块928。如果所有疑似远场R-波都已经通过接入设备240分类,则在块928中为NO,查找下一个疑似远场R-波,块930,如上所述,确定块914中用于下一个远场R-波的窗口,并且重复该过程。如果已经通过接入设备240对所有疑似远场R-波进行分类,则在块928中为YES,从信号中除去经分类的远场R-波,块932,判定信号为自发的和有规则的,在图3的块302中为YES,并且过程继续进行对A/V比值的判定,图3的块304,如上所述。
[0071] 根据本发明的一个实施例,一旦把当前疑似远场R-波分类为确认的远场R-波,块926,就通过除去经分类的远场R-波、再计算所产生的新的A-A间隔和判定新的A-A间隔是否比以前的A-A间隔的预定数量的平均少了小于或等于预定阈值的值,来进一步验证所进行的分类。例如,作出关于新的A-A间隔为30ms或小于10个以前的A-A间隔的平均的判定。如果新的A-A间隔为30ms或小于10个以前的A-A间隔的平均,则确认间隔的分类为确认的远场R-波。然而,如果新的A-A间隔不是30ms或不小于10个以前的A-A间隔的平均,则分类从确认的远场R-波改变成不是远场R-波。然后过程继续进行判定是否已经通过接入设备240对所有的疑似远场R-波进行了分类,块928。
[0072] 如图9所示,如果通过设备220没有识别疑似远场R-波,因此接入设备240判定不怀疑已经发生了过分检测,在块900中为NO,通过接入设备240作出关于是否已经发生欠检测(undersensing)的判定,块A。图10是根据本发明的一个实施例的方法的流程图,用于判定设备以前利用来识别心脏事件的数据是否对应于设备对事件的有规则检测。如图10所示,根据本发明的一个实施例,作出关于是否已经发生了欠检测的判定,例如,通过判定是否已经符合预定数量的欠检测标准中之一,块950。欠检测标准的例子包括判定与预定搏动(例如,诸如事件检测之前的NID心室搏动以及紧接在事件检测之后的心房间隔)相关联的至少一个检测到的A-A间隔大于预定的间隔,例如,诸如2500ms。欠检测标准的另一个例子包括判定心房管道是否包括小于预定数量的事件,例如,诸如在检测之前的9个事件。
[0073] 根据本发明的欠检测标准的另一个例子包括在预定数量的间隔(例如,诸如8个间隔)的滑窗中计算中值心房间隔,并且判定中值心房间隔是否大于预定阈值,例如,诸如1300ms。如果中值心房间隔大于预定阈值,则判定已经发生了心房欠检测,在块950中为YES。如果中值大于预定阈值(例如,诸如350ms),并且当前心房间隔(例如,诸如在窗口中的最终心房间隔,即,第八事件)比中值大预定阈值(例如,诸如中值间隔的1.7倍或更大),则也判定已经发生心房欠检测。如果中值在预定范围内(例如,诸如大于200ms和小于或等于359ms),并且当前心房间隔(例如,诸如在窗口中的最终心房间隔,即,第八事件)比中值大预定阈值(例如,诸如中值间隔的1.9倍或更大),则也判定已经发生心房欠检测。
如果中值大于0ms和小于或等于200ms,并且当前心房间隔(例如,诸如在窗口中的最终心房间隔,即,第八事件)比中值大预定阈值(例如,诸如中值间隔的3.25倍或更大),则判定已经发生心房欠检测。
[0074] 根据本发明的一个实施例,用于判定是否已经发生心房欠检测的另一个标准包括判定在中值A-A间隔的两倍的、或中值A-A间隔的三倍的、以及大多数A-A间隔是有规则的、以及在预期会发生心房事件处的心房egm信号上存在去极化的、整个记录中,是否存在两个或更少的间隔。图11是根据本发明的一个实施例用于判定是否已经发生欠检测的曲线图示。例如,如图11所示,对于大多数检测的心房事件As,例如,诸如92%,检测有规则的A-A间隔(约等于300ms),并且只存在一个或两个去极化,它们是900ms(因此是中值A-A间隔(300ms)的三倍)的间隔965,或600ms(因此是中值A-A间隔的两倍)的间隔967,并且在心房EGM上,每个间隔965和967都分别存在相关联的,969和971。
[0075] 用于判定已经发生心房欠检测的最后的示范性标准包括判定在整个记录中的预定数量的A-A间隔是否在A-A间隔的中值的预定范围内,诸如中值范围内的92%,并且当不存储EGM时,存在小于或等于四个的长间隔,即,中值间隔的两倍或三倍。
[0076] 如图10所示,如果没有符合欠检测标准中的一个标准,则在块950中为NO,判定信号为自发的和有规则的,在图3的块302中为YES,并且过程继续进行A/V比值的判定,图3的块304,如上所述。如果符合欠检测标准中的一个标准,则在块950中为YES,并且如果欠检测是可修补的,则确定欠检测事件的位置,块952。如果中值A-A间隔在300和750ms之间(包括300和750ms),以及如果包含欠检测事件的间隔是中值A-A间隔的2或3倍的倍数,则欠检测是可修补的。如果欠检测是不可修补的,诸如在心房检测间隔>2500或在检测之前只存在9个心房事件的情况中,则报告欠检测,但是不修补。
[0077] 根据本发明的一个实施例,如果间隔967是中值A-A间隔的两倍,则通过在间隔967的中点处插入单个检测的心房事件来确定欠检测事件的位置。如果间隔965是中值A-A间隔的三倍,则通过在与离开间隔的开始点973的中值A-A间隔对应的距离处插入第一检测的心房事件,以及在与间隔965的终点975之前的中值A-A间隔对应的距离处插入第二间隔,来确定欠检测事件的位置。
[0078] 可以把上述一些技术实施为包括图3所示的诸如
微处理器142之类的可编程处理器的指令的计算机可读出介质、起搏器/设备定时电路178或控制电路144。可编程处理器可以包括一个或多个独立的处理器,这些处理器可以独立工作或协同工作。“计算机可读出介质”包括,但是不局限于,任何类型的计算机存储器,诸如
软盘、传统的
硬盘、CD-ROM、快速ROM、非易失性ROM、RAM以及磁或光存储介质。根据本发明,介质可以包括用于使处理器执行任何上述特征的指令,以启动脱逸率变化的会话。
[0079] 在已经示出和描述了本发明的特定实施例的同时,可以进行修改。因此旨在使所附的
权利要求书
覆盖落在本发明的真正精神和范围内的所有如此的改变和修改。