[发明专利]基于机器学习的去极化识别和心律失常定位可视化

说明书

公开了包括对医疗设备存储的发作数据，包括心电描记图应用机器学习模型的技术。在一些实例中，基于对所述发作数据应用一个或多个机器学习模型，对于多个心律失常类型分类中的每一个，处理电路系统导出分类激活数据，其指示所述分类在与发作相关联的时间段内的变化可能性。所述处理电路系统可显示所述心律失常类型分类在所述时间段内的所述变化可能性的曲线图。在一些实例中，处理电路系统可使用心律失常类型可能性和去极化可能性识别在所述发作期间的去极化，例如QRS波群。

技术领域

本公开大体上涉及医疗设备，并且更具体地涉及通过医疗设备感测到的信号的分析。

背景技术

医疗设备可用于监测患者的生理信号。举例来说，一些医疗设备被配置成感测心电描记图(EGM)信号，例如心电图(ECG)信号，其经由电极指示心脏的电活动。一些医疗设备被配置成基于心EGM以及在一些情况下来自附加传感器的数据来检测心律失常的发生，通常称为发作。实例心律失常类型包括心搏停止、心动过缓、室性心动过速、室上性心动过速、宽波群心动过速、心房颤动、心房扑动、心室颤动、房室传导阻滞、室性早搏和房性早搏。医疗设备可存储在包括发作的时间段期间收集的心EGM和其它数据作为发作数据。医疗设备还可响应于用户输入，例如来自患者的输入，存储一段时间的发作数据。

计算系统可从医疗设备获得发作数据以允许临床医生或其它用户查阅发作。临床医生可基于所识别的发作内心律失常的发生来诊断患者的医疗状况。在一些实例中，临床医生或其它查阅者可查阅发作数据以对发作进行注释，包括确定通过医疗设备检测到的心律失常是否实际发生、对发作进行优先级排序并生成报告以由临床医生进一步查阅，所述临床医生为患者开具医疗设备处方或以其它方式负责特定患者的护理。

发明内容

一般来说，本公开描述用于使用一个或多个机器学习模型对包括心EGM数据的发作数据进行分类、注释、报告的技术。在一些实例中，处理电路系统对发作数据应用一个或多个心律失常分类机器学习模型。一个或多个机器学习模型输出表示相应心律失常类型分类在发作期间的任一点发生的可能性的相应可能性值。处理电路系统还对于每个心律失常类型分类导出分类激活数据，其指示分类在一个时间段内的变化可能性，并且可显示在一个时间段内变化的可能性的曲线图。显示的在时间内的可能性曲线图可帮助用户理解发作期间任何心律失常检测的推理，特别是当与基础心EGM结合显示时。

在一些实例中，处理电路系统对发作数据应用一个或多个去极化检测机器学习模型。一个或多个去极化检测机器学习模型被配置成输出去极化可能性值的集合，其表示在发作期间不同时间去极化的可能性。处理电路系统可使用去极化和心律失常类型分类可能性值来提高其在发作期间检测去极化的能力。

在一个实例，本公开描述一种计算机实施的方法，其包含通过医疗设备系统的处理电路系统接收通过患者的医疗设备存储的发作的发作数据，其中发作与时间段相关联，并且发作数据包含在所述时间段期间通过医疗设备感测到的心电描记图。方法还包含通过处理电路系统对发作数据应用一个或多个机器学习模型，一个或多个机器学习模型被配置成输出多个心律失常类型分类中的每一个的相应可能性值，可能性值中的每一个表示相应心律失常类型分类在时间段期间任一点发生的可能性。方法还包含基于对发作数据应用一个或多个机器学习模型，通过处理电路系统并且对于心律失常类型分类中的每一个导出指示分类在时间段内变化可能性的分类激活数据。方法还包含通过处理电路系统并且向用户显示心律失常类型分类在时间段内变化可能性的曲线图。