在电生理学标测期间估计数据段中激活模式的普遍率的利记博彩app
【专利说明】在电生理学标测期间估计数据段中激活模式的普遍率
[0001]相关专利申请的交叉引用
[0002]本专利申请要求提交于2013年8月28日的美国临时申请N0.61/871，108的优先权，该临时申请全文以引用方式并入本文。
技术领域
[0003]本发明涉及心脏标测系统。更具体地讲，本发明涉及被配置成在电生理学研究中对激活信号模式进行识别和分类的心脏标测系统。
【背景技术】
[0004]诊断和治疗心律紊乱常常涉及将具有多个传感器/探针的导管通过周围血管系统引入心腔。在心脏里，传感器检测传感器所在位置处的心脏电活动。电活动通常被处理成电描记图信号，该电描记图信号代表通过传感器位置处的心脏组织的信号传导。
[0005]可配置系统来将在心腔中检测到的电信号显示为基于所检测电压的激活标测图。所显示的激活信号的模式可用于与病理生理学相关联的检测区域。然而，这些激活模式在所感测到的激活信号中可能复杂并且大不相同，从而使得模式识别工作愈加困难。需要在复杂的激活信号模式中识别出普遍的模式，以得到患者健康的整体概况。
【发明内容】
[0006]在实例I中，一种标测解剖结构的方法包括:用设置在解剖结构内或其近旁的多个标测电极感测生理活动的激活信号，所述多个标测电极中的每一个均具有电极位置;识别所感测到的激活信号中的代表激活传导的模式;生成每个独特的被识别模式对之间的相似性度量;以及基于相似性度量将模式分成群组。
[0007]在实例2中，根据实例I所述的方法还包括:确定每个群组的特征表示，并显示基于每个群组的特征表不(characteristic representat1n)的摘要图。
[0008]在实例3中，根据实例I和2中任一项所述的方法，其中所述特征表示包括平均值、方差、协方差、标准偏差、中值和普遍率中的至少一者。
[0009]在实例4中，根据实例I至3中任一项所述的方法，其中识别模式还包括为所感测到的每个激活信号生成模式标测图，每个模式标测图具有下述中的至少一者:矢量场标测图，所述矢量场标测图代表激活信号传导的方向和幅度；电压传导标测图，所述电压传导标测图代表电压传导的方向和幅度;相位传导标测图，所述相位传导标测图代表相位传导的方向和幅度；以及动作电位持续时间标测图，所述动作电位持续时间标测图代表动作电位的持续时间。
[0010]在实例5中，根据实例I至4中任一项所述的方法，其中针对每个群组将已分成群组的模式与至少一个模式模板进行对比。
[0011]在实例6中，根据实例I至5中任一项所述的方法，其中识别模式还包括:识别不可分类模式，所述不可分类模式无法归入任何相似模式群组；以及基于不可分类模式确定随机性度量。
[0012]在实例7中，根据实例I至6中任一项所述的方法，其中生成相似性度量还包括生成包含模式的相似性矩阵，所述相似性矩阵的每个元代表每个独特的被识别模式对的相似性度量，所述独特的被识别模式对基于对应模式的相关性而生成。
[0013]在实例8中，根据实例I至7中任一项所述的方法，其中对模式进行分类还包括确定每个独特的模式对的相关系数，以及基于具有特定相关系数的各个群组中模式的百分比将所述模式分为不同群组。
[0014]在实例9中，一种标测心脏组织的方法，该方法包括:用设置在心脏组织内或其近旁的多个标测电极感测心脏活动的激活信号，所述多个标测电极中的每一个均具有电极位置;识别所感测到的激活信号中的模式;生成每个独特的被识别模式对之间的相似性度量；基于相似性度量将模式分成群组;确定所述群组中每个群组的特征表示，并显示一个或多个特征表示的摘要图。
[0015]在实例10中，根据实例9所述的方法，其中所述特征表示包括平均值、方差、协方差、标准偏差、中值和模式的普遍率中的至少一者。
[0016]在实例11中，根据实例9和10所述的方法还包括为每个激活信号生成多个模式标测图，每个模式标测图具有下述中的至少一者:矢量场标测图，所述矢量场标测图代表激活信号传导的方向和幅度；电压传导标测图，所述电压传导标测图代表电压传导的方向和幅度;相位传导标测图，所述相位传导标测图代表相位传导的方向和幅度；以及动作电位持续时间标测图，所述动作电位持续时间标测图代表动作电位的持续时间。
[0017]在实例12中，根据实例9至11中任一项所述的方法，其中生成多个模式标测图还包括:识别不可分类模式标测图，所述不可分类模式标测图无法归入任何相似模式群组；以及基于所述不可分类模式标测图确定随机性度量。
[0018]在实例13中，根据实例9至12中任一项所述的方法，其中生成相似性度量还包括生成包含模式的相似性矩阵，所述相似性矩阵的每个元代表每个独特的被识别模式对的相似性度量，所述独特的被识别模式对基于对应模式的相关性而生成。
[0019]在实例14中，根据实例9至13中任一项所述的方法，其中对模式进行分类还包括确定每个独特的模式对的相关系数，以及基于具有特定相关系数的各个群组中模式的百分比将所述模式分为不同群组。
[0020]在实例15中，一种解剖标测系统，该系统包括:设置在解剖结构内或其近旁的多个标测电极，所述多个标测电极被配置成检测生理活动的激活信号，所述多个标测电极中的每一个均具有电极位置；以及与所述多个标测电极相关联的处理系统，所述处理系统被配置成记录检测到的激活信号，并将所述多个标测电极中的一个与每个所记录到的激活信号相关联，所述处理系统还被配置成确定每个电极位置处的主频率，并基于第一电极位置处的主频率和相邻电极位置处的主频率之间的差确定每个电极位置处的波阵面矢量。
[0021]在实例16中，根据实例15所述的解剖标测系统，其中所述处理系统还被配置成确定一个或多个相似性度量的特征表示，并显示所述特征表示的摘要图。
[0022]在实例17中，根据实例15和16中任一项所述的解剖标测系统，其中所述处理系统还被配置成生成多个模式标测图，并且其中，为了生成所述多个模式标测图，所述处理系统还被配置成为所感测到的每个激活信号生成模式标测图，每个模式标测图具有由各电极位置处的波阵面矢量组成的矢量场标测图中的至少一个。
[0023]在实例18中，根据实例15至17中任一项所述的解剖标测系统，其中生成所述多个模式标测图包括:识别不可分类模式标测图，所述不可分类模式标测图无法归入任何相似模式群组；以及基于所述不可分类模式标测图确定随机性度量。
[0024]在实例19中，根据实例15至18中任一项所述的解剖标测系统，其中所述处理系统还被配置成基于每个独特的被识别模式对生成相似性度量，所述独特的被识别模式对基于对应模式的相关性而生成。
[0025]在实例20中，根据实例15至19中任一项所述的解剖标测系统，其中所述相似性度量为各个独特的模式标测图对之间的相关系数。
[0026]在实例21中，根据实例15至17中任一项所述的解剖标测系统，该解剖标测系统还包括基于各个具有特定相似性度量的群组中模式的百分比将模式分为不同群组。
[0027]在实例22中，一种标测解剖结构的方法，该方法包括:用设置在解剖结构内或其近旁的多个标测电极感测生理活动的激活信号;在所感测到的激活信号中确定所述生理活动的每个事件的参考位置和对应分割块；以及将分割块迭代地分为群组，并同时精修用于分割块的参考位置。
[0028]在实例23中，实例22所述的方法还包括确定每个群组的特征表示以及显示所述特征表示的摘要图。
[0029]在实例24中，实例22和23中任一项所述的方法，其中将分割块迭代地分为群组还包括:迭代地初始化第一集群和第二集群，其中第一集群包含分割块，而第二集群为空；确定第一集群和第二集群中分割块的特征表示；用第一集群中未达到各个参考段和特征表示之间的相似性度量阈值的分割块填充第二集群;基于剩余分割块更新特征表示;并且用第一集群中达到各个分割块和更新特征表示之间的更新相似性度量阈值的分割块填充第一集群。
[0030]在实例25中，实例22至24中任一项所述的方法，该方法还包括重复以下步骤:填充第一集群和第二集群并更新特征表示，直至第二集群不能用来自第一集群的分割块填充，并且第一集群不能用来自第二集群的分割块填充；以及将第一集群标记为新的优化集群，其中所述优化集群中的分割块被识别为各个对应生理活动事件的最优分割块。
[0031 ]在实例26中，实例22至25中任一项所述的方法，该方法还包括:初始化新的第一集群，其中所述新的第一集群包括来自第二集群的剩余分割块;初始化新的第二集群，其中所述新的第二集群为空；以及重复以下步骤:填充集群，更新特征表示，标记新的优化集群，以及初始化新的集群，直至优化集群不能被标记。
[0032]在实例27中，实例22至26中任一项所述的方法，其中对最优分割块的识别独立于对所感测到的激活信号的激活时间的确定。
[0033]在实例28中，实例22至27中任一项所述的方法，其中所述特征表示为对应分割块的平均值。
[0034]在实例29中，实例22至28中任一项所述的方法，该方法还包括:确定与多个已确定的参考位置相对应的多个候选分割块;基于使候选分割块和对应特征表示之间的相似性度量最大化，确定每个参考位置的最优分割块;基于与最优分割块相对应的参考位置更新所述参考位置，以获得被更新的参考位置;