CN115151191B 用于辅助标测心律异常的计算机实现的方法和系统 （瑞特梦人工智能有限公司）

2022.05.30PCT/GB2020/0527342020.10.29WO2021/084255EN2021.05.06用于辅助标测心律异常的计算机实现的方别负责支持或引发异常心率的心脏的一个或多2根据电图识别心脏的腔室内具有电激活顺序的区域，所述电激对于在所述区域处或基本上围绕所述区域的每个感测位置，根据主要计算与该电极位点相关联的多个修饰符中的每一个的输出识别所述区域的数据，所述数据取决于所述排序来改变所确在电极处记录的电图的最小循环长度、在所述电极处或3.一种计算机实现的方法，用于识别心脏的根据电图识别心脏的腔室内具有电激活顺序的区域，所述电激对于在所述区域处或基本上围绕所述区域的每个感测位置，根据主要计算与该电极位点相关联的多个修饰符中的每一个的输出识别所述区域的数据，所述数据取决于所述排序来改变所确在电极处记录的电图的最小循环长度、在所述电极处或34.一种计算机实现的方法，用于识别心脏的负责支持或引根据电图识别心脏的腔室内具有电激活顺序的区域，所述电激对于在所述区域处或基本上围绕所述区域的每个感测位置，根据主要计算与该电极位点相关联的多个修饰符中的每一个的输出识别所述区域的数据，所述数据取决于所述排序来改变所确其中，如果从潜在驱动位点所对向的顶点到至少2个电极的夹角小于预定角度且激活在电极处记录的电图的最小循环长度、在所述电极处或位置或者根据激活向量和信号领先分数中的且提供与何时己对相应的位点进行足够的采集定时有倒计时预定时间段、对流动多极标测导管上的至少最小4集定时的步骤包括：确定正被扫描的所述位点的激活模式已经达到预定的统计确定性水12.一种计算机实现的方法，用于识别心脏的负责支持或引发异常心律的一个或多个根据电图识别心脏的腔室内具有电激活顺序的区域，所述电激对于在所述区域处或基本上围绕所述区域的每个感测位置，根据主要计算与该电极位点相关联的多个修饰符中的每一个的输出识别所述区域的数据，所述数据取决于所述排序来改变所确还包括：通过确定每个电极对中的哪个电极领先来导出波前方向，方向以确定所述最早激活电极是真正AFD还是代表超出测量边界被激活在电极处记录的电图的最小循环长度、在所述电极处或13.一种计算机实现的方法，用于通过分析从心脏采集的电图以识别心脏的负责支持电极记录的电图数据，所述电图数据在记录时间段内从心脏上相应的一系列感测位置获根据包括以下项的因子对将区域分类为潜在驱在同一采集期间，激活产生的波前的方向从潜在驱动位点激活的顺序和定时在生物学上合理的方式内，参考传导速度和路径从潜在驱动位点所对向的顶点到至少2个电极的夹角小于预定角度且激活跨所述至少在第一潜在驱动位点的缺失弧对向的相邻位置执行的进一步采集不能在类似的位置根据所述加权，以突出方式显示精细化的潜在驱动，所述显示5其中，如果从潜在驱动位点所对向的顶点到至少2个电极的夹角小于预定角度且激活计算与该电极位点相关联的多个修饰符中的每一个的输出识别所述区域的数据，所述数据取决于所述排序来改变所确在电极处记录的电图的最小循环长度、在所述电极处或存储程序代码的第二存储器，所述程序代码在由所述处理器执行时，根据电图识别心脏的腔室内具有电激活顺序的区域，所述电激对于在所述区域处或基本上围绕所述区域的每个感测位置，根据主要计算与该电极位点相关联的多个修饰符中的每一个的输出识别所述区域的数据，所述数据取决于所述排序来改变所确在电极处记录的电图的最小循环长度、在所述电极处或67式标测方法(例如Cartofinder、BiosenseWebster、J&J；Topera，AbbottMedical；邻区域之前激活的时间量对心房的区域进行排序。单极激活定时通常被视为最大负偏转8标测方法也排除了由于传导速度限制而导致的不合理的电极时序关[0010]对顺序采集数据进行分析的另一个问题涉及对指定为采集区域边缘的领先的解[0019]根据所述排序改变每个确定的最早激活电极位点的显著性的数据可能会抑制位[0022]关于组织特征的修饰符可以包括对通过成像确定的疤痕组织的存在和密度的测9[0040]确定是否已经进行了足够的采集定时的步骤可以包括确定正被扫描的位点的激方向以确定最早的激活电极是真正AFD还是代表超出测量范围被激活[0052]在与第一潜在驱动位点的缺失弧相对的相邻位置执行的进一步采集没有不确认指示取决于所述排序来改变所确定的最早激活电极集的组织特征或解剖数据)是在电解剖映射过程中采集的，并按可以包括的以下因素的顺[0081]潜在AFD和周围电极之间的最陡峭CL梯度或CL梯度的存在可以在同一采集中记[0085]如果AFD有多于一个晚于它的电极对，AFD仅可以被标记为此(并且这些电极对的[0087]在优选实施例中，潜在AFD可以通过参考来自电图特征的修改特性或下层组织的[0108]直接通过成像或参考与心脏组织接触的心脏导管的运动进行的组织运动或增厚[0109]受关注的识别位点与被其他心律标测系统识别为重要的位点之间的相关性的评例可以基本实时操作，以突出显示或指示用户将电极标测导管移动到最可能覆盖AFD的区[0119]并且其中，如果电极位点在定义的兴奋组织的弧内没有例如180度(因为这种激活位点可以被表示为来自该定义的弧内的方向而不是来自潜在驱在驱动位点的缺失弧对向的相邻位置执行的进一步采集不能在类似的位置确认潜在驱动[0120]加权因子的进一步修正和修改可取决于该区域的电图特征(除了激活顺序之外)、潜在驱动位点的解剖结构、潜在驱动位点周围的成像特性、表面电图的特征和/或患者特他电特性可能被认为是相关的并且其量化可用作修改因子(包括最低的周期长度可变性)的成像方法以及用作修改因子的输入的一个或多个所得量化度量来进行解剖和结构特征[0140]通过对每个已识别区域应用排序因子来对每个所述定义[0142]在该电极或该区域内记录的电图与在预定测地距离内获得的电图之间的激活频[0147]通过对每个识别的区域应用排序因子，对每个所述定义的区域的重要性进行排[0150]在该电极或该区域内记录的电图与在预定测地距离内获得的电图之间的激活频[0154]每个定义的因子都可以受到加权因子的影响，该加权因子被设计为在这些位点先前患者的切除响应和/或通过参考研究中的同一患者的切除响应来确定。机器学习技术法。潜在AFD可以通过识别最早激活的局部区域的统计方法或其他商业方法(例如Cartofinder[BiosenseWebster，Haifa，Israel]，Acutus，ECGi[例如Cardioinsight，的实施例中使用的信号领先分数(排序因子)。这些可以细分为与单个电极相关的修饰符、[0160]本发明的实施方案的一种潜在用途是治疗已被诊断患有持续性心房颤动并且由[0171]在下面描述的实施例中，该系统可以与全腔室篮式导管(Constellation导管，[0172]用于获取和处理电图数据的系统通常包括一个或多个插入患者的心腔中的多极示在统计上可能驱动心脏中的异常心律的区域/位信号的相位并且根据不同电极之间的相对相移建立对位于腔室壁同一侧面的电极来进一步改善；即心脏后壁上的相邻电极将被认为是相邻位点(即激活发出的点)。具有表示局部源和AFD的轨迹的激活顺序被认为在机械性上很重[0184]完全覆盖在心脏激活的被动区域上的电极将倾向于具有发出很少的激活(如果[0186]STAR标测方法可以在实施例中用于：对于心脏的腔室内地，可以使用在CartoTM系统(BiosenseWebst[0196]图1a-d是示出了驱动位点(对应于异常心律的潜在驱动的最早激活电极位点)的[0200]以这样的方式在心脏腔室周围执行电图的连续采集可用于从由于远程驱动位点传导而被动激活的明显的驱动位点中区分出真采用这样的系统来引导机器人控制的导管朝向和围绕潜在驱动位点进[0202]图2a是具有由星A1和A2表示的两个独立的驱动位点的心腔(此处为左心房)的示合成矢量识别这种位点来修改该位点的显示，其中相邻采集的激活顺序是一致的(即在大织特征或底层组织的其他标准(例如解剖学)的特定修[0216]为了计算最小稳定循环长度(Min-CL)，对初始的激活到激活的耦合间隔进行过[0219]可以在所有位点上执行min-max特征缩放归一化，从而允许在单独的采集之间比从所有电极和采集的所有Min-CL的最大值中减去的Min-CL的绝对值被归一化为该值的变[0227]该值可以乘以该电极的原始信号领先分数(此[0237]如前所述，优选地通过在整个心腔的不同电极位点按组(g1等号领先分数的电极可代表真正AFD，或者仅仅是在该特定采集中最接近AFD的被动激活位[0238]为了确定采集中的领先电极位点(例如e1)是否可能是真正AFD，识别了在该组采[0239]因此，可以由查找表确定的或作为预选值的修改因子应用于识别为AFD的领先电极位点。备选地，采集时电极之间的最大角度分离可以反向重新缩放(1-(min-max归一激活的。这可以通过参考在潜在AFD的预定测地距离内且在最大扩展角弧内发生的其他采[0245]通过参考与最大扩展角度弧内覆盖的位点靠近的单独采集的激活顺序或平均波号领先分数会很低。这可以定义g2的一个(或多个)最近电极(例如g2e1)上的信号领先分[0255]图3c示出了设定直径(例如3cm)且以最大扩展角(在本例中为o2-5)对中的弧可[0256]如图3d所示，然后考虑来自位于该弧内的单独分组采集(g2e1-g2e6)中最接近的[0258]图4a和b示出了如何将来自其他电图分析或来自成像技术的数据可以与通过电图点的各自重要性的最终可能排序或显示。可以进一步应用诸如来自历史患者数据的数据，并且可以使用机器学习算法来确定要使用的准确的修改因子以及应[0259]如图4a所示，从电解剖标测采集的数据可以用于通过激活顺序标测(例如STAR标[0261]图5示出了在篮式导管电极之一处获得的循环长度(CL)直方图，其中记录百分比[0263]图7的A-F是从受治疗者(患者ID6)获得的图像和电图。图7的A)有标题的顶视图CL图展示了在标测的潜在AFD处的整体最快的Min-CL。图7的C)有标题的顶视图中的CLV标测展示了在标测的潜在AFD处的最低CLV。图7的D)示出了由STAR标测方法指定的潜在AFD[0279]所有患者都有使用具有2-6-2mm电极间距的PentaRayNay导管创建的高密度双极的插值阈值被设置为5mm，并且将点进行收集以实现完整的LA覆盖(即距数据点不大于5mm[0285]利用从篮式导管记录的单极信号，在每个患者的5分钟记录中的接触的每个电极行建模。该算法用于避免分割电图的双重计数。单极激活定时被视为最大负偏转(峰值负[0286]针对每个患者每个单独的电极的每5分钟的记录，绘制了在x轴上识别的所有CL(四舍五入到最接近的整数毫秒)和y轴上由每个CL形成的记录百分比的直方图。以前已经的位点。测试了总体最快Min-CL的两个定义：i)所有电极的最高十分位内的Min-CL和/或内的Min-CL的点。然后在相同STAR标测上识别了具有最快总体Min-CL的电极的位置，该[0288]CL可变性(CLV)被用作组织的标记。通过获取CL的标准偏差(SD)来确定每个电极CLV的位点。最低CLV的位点定义为i)处于最低十分位的CLV和/或ii)CLV在总体最低CLV的[0290]使用STAR标测方法确定的潜在AFD处的Min-CL与在相邻电极处获得的Min-CL进行从潜在AFD到周围区域是否存在高低频梯度。对每个患者的每个STAR标测识别的所有潜在AFD重复此操作。还评估了具有总体最高DF(根据最高十分位中的那些值)的LA位点与潜在点的情况下观察到切除响应(24个AF终止和49个CL减慢≥30ms)。在73个位点中，54个用常规标记时，具有最快主要CL和最高DF的位点很少与具有切除响应的潜在AFD共同定位性的新标记与STAR标测结合使用，允许在预测哪些潜在AFD会产生切除响应方面具有高的(100％)对30/49(61.2％)；p＜0.001)的位点共同定位的潜在AFD始终与切除时AF终止相在AFD发生在其中先前位点的切除导致AF在AFD被标测到LVZ(62/92，67.4％)。在被切除的83个潜在AFD中，60个被标测到LVZ[0301]具有超过由LVZ(59.2±6.5mV)组成的LA的50％的患者较有可能识别超过2个潜在[0302]潜在AFD与LVZ的关联对切除响应具有高度的预测性。相对于标测到非LVZ的潜在在PVI前创建的，86个是在PVI后创建的。在PVI后的潜在AFD处获得的平均主要CL和平均Min-CL分别为137.9±64.2ms和131.2±15主要CL在预测AFD方面示出了51.1％(95％CI40.4-61.7％)的敏感性和18.6％(95％CI8.4-33.4％)的特异性。正向和反向的预测值分别为57.3％(95％CI51.2-63.2％)和的92个潜在AFD中，58个(63.0％)与这些位点之一共同定位。根据前十分位中[0316]在与响应相关的73个潜在AFD中，只有39个(共同定位。最快的主要CL在预测潜在AFD方面显示出敏感性为53.4％(95％CI41.4-[0318]在具有研究定义的切除响应的73个潜在AFD中，有5[0319]再次示出与这些位点共同定位以表明，在预测具有切除响应的潜在AFD方面具有[0321]在具有研究定义的切除响应的73个潜在AFD中，[0327]在识别的92个潜在AFD中，有56个潜在AFD(60.0.01)。频率梯度在AF终止情况下的频率对在切除时CL减慢情况下的频率中研究定义的切除响应相关。与仅在PVI后识别出潜在AFD的患者相比，在PVI前识别出潜在AFD的患者中，平均CLVPVI前(通过获取所有电极的平均CLV获得)较低(31.4±4.8ms对[0332]也在PVI前识别的潜在AFD在预测具有切除响应的潜在AFD方面表现出53.4%[0333]应当理解，如下所述的本发明的某些实施例可以作为代码(例如，软件算法或程以在不背离由所附权利要求中的叙述所限定的本发明及其等同物的情况下进行各种改变、