[发明专利]使用心内电描记图的受过神经网络训练的预处理检测电描记图中的激活

权利要求书

1.一种方法，包括：

采集患者的多个双极性电描记图和相应的单极性电描记图，所述电描记图包括注释，其中一个或多个人类审查者已识别并标记感兴趣窗口和所述感兴趣窗口内的一个或多个激活时间；

根据所述电描记图生成真实标签数据集，以用于训练机器学习(ML)算法的至少一个电描记图预处理步骤；以及

将所述ML算法应用于所述电描记图，以至少训练所述至少一个电描记图预处理步骤，以便在所述关注窗口内检测给定双极性电描记图中的激活的发生。

2.根据步骤1所述的方法，其中从放置在患者的心脏中的一位置处的一对电极获取每个双极性电描记图，并且其中从所述一对电极中的一个电极获取相应的单极性电描记图。

3.根据权利要求1所述的方法，其中采集所述双极性电描记图和所述相应的单极性电描记图包括从多电极导管的多个电极对采集多个双极性电描记图和相应的单极性电描记图。

4.根据权利要求1所述的方法，其中所述至少一个电描记图预处理步骤包括利用一组卷积核执行所述电描记图的一个或多个卷积，并且其中训练所述至少一个电描记图预处理步骤包括指定所述卷积核的系数。

5.根据权利要求4所述的方法，其中所述电描记图的所述至少一个预处理步骤包括由所述卷积核中的一个卷积核滤波的双极性电描记图与由所述卷积核中的另一个卷积核滤波的相应的单极性电描记图之间的逐点相乘，并且其中应用所述ML算法包括将由所述逐点相乘得到的相乘信号输入到所述ML算法。

6.根据权利要求1所述的方法，并且包括向用户呈现所述给定的双极性电描记图，在所述双极性电描记图上具有标记所检测激活的时间的注释。

7.根据权利要求1所述的方法，其中应用所述ML算法包括应用人工神经网络(ANN)。

8.根据权利要求1所述的方法，并且包括：

接收患者的双极性电描记图和相应的单极性电描记图以及感兴趣窗口以供推断；以及

使用所述受过训练的ML算法，检测所述双极性电描记图中的激活的发生，并且使所述激活与心脏组织位置相关联，所述心脏组织位置与获取所述相应的单极性电描记图的所述电极接触。

9.一种系统，包括：

一个或多个显示器，所述一个或多个显示器被配置成呈现注释的电描记图；以及

一个或多个处理器，所述一个或多个处理器被配置成：

采集患者的多个双极性电描记图和相应的单极性电描记图，所述电描记图包括注释，其中一个或多个人类审查者已利用所述一个或多个处理器和相应的一个或多个显示器识别并标记感兴趣窗口和所述感兴趣窗口内的一个或多个激活时间；

在所述一个或多个处理器中的至少一个处理器中，根据所述电描记图生成真实标签数据集，以用于训练机器学习(ML)算法的至少一个电描记图预处理步骤；以及

将所述ML算法应用于所述电描记图，以至少训练所述至少一个电描记图预处理步骤，以便在所述感兴趣窗口内检测给定双极性电描记图中的激活的发生。

10.根据步骤9所述的系统，其中从放置在患者的心脏中的一位置处的一对电极获取每个双极性电描记图，并且其中从所述一对电极中的一个电极获取相应的单极性电描记图。

11.根据权利要求9所述的系统，其中所述一个或多个处理器被配置成通过从多电极导管的多个电极对采集多个双极性电描记图和相应的单极性电描记图来采集所述双极性电描记图和所述相应的单极性电描记图。

12.根据权利要求9所述的系统，其中所述至少一个电描记图预处理步骤包括利用一组卷积核来执行所述电描记图的一个或多个卷积，并且其中所述一个或多个处理器被配置成通过优化所述卷积核的系数来训练所述模型。