[发明专利]用于预测心律失常死亡的自动降噪系统

说明书

相关专利申请的交叉引用

本发明要求2006年8月31日提交的美国临时申请No.60/824,170 的优先权，该临时申请通过引用全部纳入本说明书。

背景

本方法、系统和计算机可读介质目的在于估计电生理学数据。所 述电生理学数据可以包括，但不局限于，心电图(ECG/EKG)数据、脑 电图(EEG)数据以及诸如此类。更具体地，本方法、系统和计算机可 读介质针对用于估计电生理学数据以检测和/或预测心律失常死亡的 自动化系统和方法。

对在心电图中观察到的R-R间期(RRi)的分析，或对在脑电图中 看到的尖峰的分析，可以预测未来的临床结果，诸如心源性猝死或癫 痫发作。R-R间期是ECG或EEG的两个相继的R波之间的持续时间。 R-R间期可以在例如0.0001秒至5秒的范围内。所述分析和预测当被 用来在显示或未显示所预测结果的大群患者之间区分结果时，是统计 上显著的。

所述分析和预测因为分析方法(analytic measure)而具有不准 确的问题，所述分析方法：(1)是随机的(即，基于数据的随机变化)； (2)要求平稳性(stationarity)(即，生成数据的系统在记录期间 不能变化)；和(3)是线性的(即，对数据的非线性--在本领域被 称为“混沌(chaos)”--不敏感)。

许多技术已被开发以解决这些问题，这些技术包括“D2”、“D2i” 和“PD2”。D2使得能够根据对所生成数据的样本的估计估算系统的 维数或系统的自由度数。已经有一些研究人员将D2用在生物学数据 上。然而，已经显示，对数据平稳性的假设不能被满足。

已经提出另一个理论描述，逐点标度维数(Pointwise Scaling Dimension)或“D2i”，其对来自脑、心脏或骨骼肌的数据所固有的 非平稳性不那么敏感。这或许是比D2更有用的生物学数据维数估计。 然而，D2i仍有相当大的估计误差，该估计误差可能与数据非平稳性 相关。

已经提出了一种点相关维数算法(Point Correlation Dimension algorithm)(PD2)，其可以检测非平稳数据(即，通过将来自不同 混沌发生器的子时段(subepoch)连接而成的数据)的维数变化。

为了解决这多种技术的缺陷，已提出了改进的PD2算法--称之 为“PD2i”以强调其时间依赖性。PD2i在本说明书中也被称为数据处 理例程，它使用确定性的并基于所引起的数据变化的分析方法。该算 法不要求数据平稳性，并且实际上跟踪数据的非平稳变化。而且，PD2i 对混沌数据和非混沌线性数据同样敏感。尽管PD2i基于总起来说用于 估计相关维数的先前的分析方法，但PD2i对数据非平稳性不敏感。因 为这个特征，PD2i可以其他方法不能具有的高敏感性和特异性预测临 床结果。美国专利No.5,709,214和5,720,294中详细描述了PD2i算 法，这两个专利通过引用纳入本说明书。

为了用PD2i分析，将电生理学信号放大(增益为1,000)和数字 化(1,000Hz)。在处理之前，数字化信号可以被进一步转换(reduce) (例如，将ECG数据转换为RR间期数据)。已经再三发现，对RR间 期数据的分析使得能够在具有不同病理结果(例如，心室纤维性颤动 “VF”、室性心动过速“VT”或心律失常死亡“AD”)的大群对象之 间进行风险预测。已经显示，使用来自高危患者的采样RR数据，PD2i 可以区分后来患有VF和未患VF的患者。

对于从以最好的低噪前置放大器和高速1,000Hz数字转换器获取 的数字ECG生成的RR间期数据，仍存在可使非线性算法产生问题的低 电平噪声。用于产生RR间期的算法也可以导致噪声增大。所有RR1间 期检测器中最准确的检测器使用3点运行(3-point running)的“凸 点算子(convexity operator)”。例如，可以调节遍历全部数据的 运行窗口(running window)中的3个点，以使在运行窗口刚好横跨 一个R波波峰时该运行窗口的输出最大化；点1在R波之前的基线上， 点2在R波的顶端，点3又在基线上。在窗口遍历数据时，点2在数 据流中的位置正确地识别每个R波波峰。这个算法，与测量R波超过 某一电平时的时间点或当每个R波的dV/dt为最大时进行检测的算法 相比，将产生显著更无噪声的RR数据。