-
Die
Erfindung betrifft in allgemeiner Weise die Analyse von physiologischen
Daten, z. B. Daten, welche durch einen autonomen ambulanten Apparat oder
ein aktives medizinisches Implantat gesammelt wurden.
-
Die
aktiven medizinischen Vorrichtungen sind durch die Direktive 93/42/EWG
vom 14. Juni 1993 des Rates der Europäischen Gemeinschaften definiert,
wobei die aktiven medizinischen implantierbaren Vorrichtungen wiederum
durch die Direktive des Rates 90/385/EWG vom 20. Juni 1990 definiert sind.
-
Die
Erfindung wird insbesondere im Fall von der Analyse von Signalen
der Herzaktivität
beschrieben, insbesondere von Signalen, welche vom Aufnahmengerät genannt „Holter" gesammelt werden,
d. h. ein Apparat, welcher es ermöglicht, kontinuierlich und über einen
langen Zeitraum das Speichern mittels implantierter Elektroden gesammelten
Signalen (Elektrogramme) oder von externen Elektroden (Elektrokardiogramme)
zu ermöglichen,
Signale, welche einfach in der Folge als „Signale ECG" bezeichnet werden.
-
Diese
Anwendung, in welcher sich die Erfindung sehr vorteilhaft anwenden
lässt,
ist jedoch nicht beschränkend,
und die Erfindung kann auch zur Analyse von anderen physiologischen
Parametern, wie Elektrogramme des Gehirns, respiratorischem Rhythmus,
arterieller Spannung, etc. und nicht physiologischer wie Radarsignalen,
Ultraschall etc., angewandt werden.
-
Wenn
man den Fall der Analyse einer Holter-Speicherung nimmt, verlangt
diese eine sehr komplexe Auswertung. In der Tat stellt das andauernde
Speichern von ECG-Signalen eines Patienten während 24 oder 48 Stunden ungefähr 100 000 PQRST-Komplexe
dar, welche analysiert werden müssen,
sowie ihre Veränder lichkeit
in der Weise um jeden pathologischen Vorfall, wie Herzrhythmusstörung, kardiologische
Anoxie, Wirkungsanomalie eines Herzschrittmachers, etc zu suchen.
Diese Analyse, welche in automatischer Weise durch Algorithmen durchgeführt wird,
welche in einem Computer oder einem ambulanten Gerät ausgeführt werden, liefert
synthetische Zwischenresultate, von denen ausgehend der Mediziner
dann eine Diagnose erstellen werden kann.
-
Diese
Algorithmen benötigen
insbesondere aufgrund des hohen Datenvolumens, welches verarbeitet
werden muss, relativ große
Rechenmittel, so dass ihre Optimierung in Sachen der Effektivität in Bezug
auf die benötigten
Rechnerressourcen ein wichtiger Faktor im Bereich der Analyse von
physiologischen Signalen ist, insbesondere der Holter-Signale.
-
Eine
weitere Schwierigkeit besteht in der Fehlerrate bei der Analyse
der Signale, welche folgende Konsequenzen haben kann, mit insbesondere Risiken
der falschen Diagnose. In der Tat ist das Signal im speziellen Fall
eines ECG, welches ambulant aufgenommen wurde, nicht regelmäßig und
weist zahlreiche Artefakte auf. Genauer besteht das Signal ECG meistens
aus dem Signal, welches vom Herz kommt, fast periodisch (Komplex
PQRST), begleitet von Signalen, welche durch die Muskeln erzeugt
werden, durch mechanische Störung
der Schnittstelle Elektrode/Haut oder von elektrischen Störungen oder elektromagnetischen
Störungen,
welche durch die Kabel empfangen werden, welche die Elektroden mit dem
Aufnahmegerät
verbinden.
-
Die
klassischen Algorithmen können
die Gesamtheit dieser Parasiten ziemlich schlecht beseitigen, und,
selbst wenn sie erlauben, typischerweise eine Fehlerrate von 0,1%
zu erreichen, stellt dieses ungefähr 100 Fehler in einer Aufnahme
von 24 Stunden (100 000 Komplexe PQRST) dar, was ein noch zu hohes
Fehlerniveau bedeutet, da diese Fehler Begleiterscheinungen zu Komplexen
sein können,
welche wichtige Singularitäten
aus Sicht der Diagnose aufweisen.
-
Schließlich ist
es für
ein ECG-Signal immer noch wichtig, die Veränderlichkeit des Komplexes QRS
beobachten zu können,
welcher sehr bedeutsam für
die Diagnose sein kann; die Analyse muss daher eine bestimmte Anzahl
von Mikroveränderungen
aufdecken, und unterscheiden können.
-
Die
automatische Analyse eines ECG-Signals umfasst drei deutliche Etappen,
welche sind:
- 1) Die vorhergehende Filterung
des Signals, in der Weise, um eine bestimmte Anzahl von Parasiten
in dem Frequenzbereich zu beseitigen, und ein Signal von besserer
Qualität
zu liefern;
- 2) die Aufgliederung und die Identifikation von charakteristischen
Wellen des Signals; und
- 3) eine Synthese der temporellen Entwicklung der Parameter,
welche diese verschiedenen charakteristischen Wellen beschreiben.
-
Diese
Resultate erlauben dem Mediziner, seine Diagnose zu erstellen, und
es ist offensichtlich, dass sie gleichzeitig zuverlässig und
aussagekräftig sein
müssen,
um die Diagnose zu vereinfachen. Die Zuverlässigkeit stützt sich teilweise auf die
Robustheit und die gute Anpassung der Aufschlüsselung und der Identifizierung,
welche in der zweiten Etappe realisiert werden. Genauer stellt sich
das Signal ECG wie in 1 dargestellt dar, welches eine
Spur ist, die eine temporelle Entwicklung der elektrischen Aktivität des Herzens
darstellt, mit einer Folge von Wellen, positiver oder negativer
Amplitude, auf beiden Seiten der Linie „isoelektrisch", Charakteristik
der Herzruhe genannt.
-
Bei
einem normalen Herzschlag (dieser ist in 1 dargestellt)
sind diese positiven oder negativen Wellen als resultierend aus
dem gut definierten physiologischen Prozess identifiziert, was ermöglicht,
jeder der Wellen ein standardisiertes Zeichen zuzuordnen, typischerweise
P, Q, R, S oder T. Physiologisch wird die Welle T durch die Depolarisierung des
Herzvorhofs erzeugt, die Wellen QRS durch die Depolarisierung der
Herzkammer und die Welle T durch die Repolarisierung dieser Herzkammer.
-
Anhand
der Form und der zeitlichen Stellung dieser verschiedenen Wellen,
genauso wie ihrer Veränderlichkeit,
wird der Mediziner eine Pathologie wiedererkennen können.
-
Mehrere
Aufschlüsselungs-
und Identifizierungsverfahren der charakteristischen Wellen des
Signals wurden vorgeschlagen.
-
Folglich
ermöglicht
es die Frequenzanalyse, das Signal im Fourier-Raum darzustellen.
Jedoch ist eine solche Aufschlüsselung
nicht vollständig
der Analyse eines ECG-Signals angepasst, da dieses Signal nicht
streng periodisch ist. Sein reicher spektraler Inhalt variiert in
der Zeit, und u. a. ermöglichen
es die Sinusfunktionen der Aufschlüsselung nicht, eine Phase des
Signals zu erhalten, welche nötig
zur Identifizierung der Wellen ist; die zeitliche Information fehlt
in der Tat zu dieser Frequenzaufschlüsselung.
-
Um
eine Zeitfrequenzaufteilung zu realisieren, hat man vorgeschlagen,
die in orthogonale Wellen Transformierte zu benutzen, wobei die
Identifizierung der Wellen daher auf dem Zeit-Frequenz-Inhalt der
Wellen, welche das Signal darstellen, geschieht. Der Mangel an Auflösung von
diesem Methodentyp, wird jedoch schnell zu einer Begrenzung für die Feinanalyse.
-
Dieser
Schwierigkeit kann abgeholfen werden durch eine Aufteilung in nicht
orthogonale Wellen (oder in radiale Basisfunktionen oder in Gauss-Funktionen,
etc.): das ECG-Signal wird in eine Summe von Gauss-Funktionen zerlegt,
welche entweder von fester Größe oder
anpassbar sind. Dieses Verfahren wurde oft verwendet, aber leidet
unter einem charakteristischen Handicap aufgrund der Tatsache, dass die
zu modellisierenden Wellen (d. h. die Wellen P; Q, R, S und T) nicht
wirklich Gauss-Verteilungen sind, in der Weise, dass ihre Modellisierung
den Einsatz einer sehr hohen Anzahl von Parametern benötigt, um von
ausreichender Qualität
zu sein, die folglich eine beachtliche Rechnerleistung benötigen, um
in einer vernünftigen
Zeit bewerkstelligt zu werden. Außerdem, wenn das Resultat für die Welle
QRS richtig ist, sind die Welle P und die Welle T, welche schwer
mit einer Gauss-Verteilung vergleichbar sind, ziemlich schlecht
modellisiert, außer
eine hohe Anzahl von Parametern wird benutzt, um eine ausreichende Qualität zu erhalten,
welche folglich zu einer ausufernden Verkomplizierung des Analysealgorithmus führt.
-
Schließlich benutzt
man aus verschiedenen Gründen
meistens eine einfache lineare Zerlegung, wo die Amplitudenfluktuation
durch gerade Segmente ersetzt wird, sobald die Abweichung des Signals bedeutend
wird. Das Resultat ist ein modellisiertes Signal, welches aus einer
Folge von geraden Segmenten besteht, welche dann sehr einfach zu
verarbeiten sind: z. B. wird eine Monophasenwelle aus einer Folge
von zwei Segmenten in umgekehrter Richtung, und eine Biphasenwelle
aus drei Segmenten in umgekehrter Richtung gebildet.
-
Diese
letzte Technik ist sehr effektiv aber erreicht ihre Grenzen, wenn
sie auf spezielle Fälle,
wie z. B. verrauschte Wellen niedriger Frequenz angewandt wird,
welche zu einer Überzerlegung
in viele Segmente führt,
und dann schwierig zu analysieren ist. Eines der Ziele der Erfindung
ist es, eine Analysevorrichtung eines Signals vorzuschlagen, insbesondere
eines physiologischen Signals, vorher gesammelt durch eine aktive
medizinische Vorrichtung, welche insbesondere im Fall eines ECG-Signals
die Unannehmlichkeiten der Techniken, welche bisher benutzt werden,
beheben kann.
-
Das
Ziel der Erfindung ist es, eine solche Vorrichtung vorzuschlagen,
welche während
sie von einer Effektivität
zumindest gleich jener der bisher entwickelten Techniken zeugt,
mit begrenzten Rechnerressourcen (Leistungsprozessor und Speicherkapazität), z. B.
jene verfügbar
mit traditionellen Bürocomputern
oder tragbaren Mikrocomputern, in der Weise umsetzen kann, dass
der Praktizierende über die
Resultate der automatischen Analyse in einer sehr kurzen Zeitspanne
verfügen
kann, typischerweise einige Minuten höchstens nach der Übertragung der
gespeicherten Daten durch das Aufnahmegerät Holter.
-
Bei
dieser Wirkung schlägt
die Erfindung eine Analysevorrichtung vom vorher erwähnten Typ vor,
d. h. eine Analysevorrichtung eines Signals, dessen Veränderung
eine monodimensionale Funktion definieren, wobei dieses Signal vorher
gefiltert, ausgewählt
und numerisiert wurde. Eine solche Vorrichtung umfasst Speichermittel
des nummerierten Signals und der Analyse des gespeicherten Signals,
mit Extraktionsmitteln, geeignet, um das Signal in eine Vielzahl
von Elementarwellen zu zerlegen, und Klassifikationsmittel, geeignet
um zumindest einen charakteristischen Parameter von jeder der Elementarwellen
zu erkennen und eine standardisierte Bezeichnung zuzuordnen, welche
zwischen einer Vielzahl von vorbestimmten Bezeichnungen, in Abhängigkeit
von dem oder den so wieder erkannten charakteristischen Parametern
gewählt
wurde.
-
Gemäß der Erfindung
sind die Extraktionsmittel Mittel, welche geeignet sind, um das
Signal in N parametrierte Höckerfunktionen
zu zerlegen, wo jede Höckerfunktion
eine kontinuierliche Funktion ist, welche auf drei aufeinanderfolgenden
Intervallen durch jeweils eine erste monotone parametrierte Funktion,
eine affine Funktion und eine zweite monotone parametrierte Funktion
definiert wird, wobei die monotonen parametrierten Funktionen die
eine zunehmend, die andere abnehmend ist. Gemäß verschiedener zusätzlicher
vorteilhafter Merkmale:
- – ist die Dimension der monodimensionalen
Funktion eine temporelle Dimension;
- – ist
das Signal ein elektrokardiographisches Signal, welches eine Welle
vom Typ PQRST bildet;
- – ist
die affine Funktion eine Funktion mit Steigung 0, und jede der parametrisierten
Funktionen ist eine Halbgauss-Verteilung, jeweils steigend und fallend;
die charakteristischen Parameter können also die fünf Parameter
sein, welche durch die Halbstandardabweichung von den zwei Halbgauss- Verteilungen bestehen,
die Länge
des Definitionsintervalls des affinen Teils, die Ordinatenstellung
dieses Intervalls und die Amplitude an der Spitze der Halbgauss-Verteilung
sein;
- – umfassen
die Extraktionsmittel: Mittel zur Auswahl, geeignet um zwischen
der Vielzahl von Höckertypen,
welche in einer Bibliothek von vorbestimmten Höckertypen gesammelt sind, zu
suchen und für
jede der N Elementarwellen den jeweiligen Höckertyp, der am zutreffendsten
ist, gegenüber
dem zu zerlegenden Signal, und Anpassungsmittel der Parameter von
jedem der N Höckertypen,
welche so durch die Auswahlmittel bestimmt wurden, geeignet um den
Unterschied zwischen dem Signal und der Zusammensetzung der N parametrierten
Höckertypen
zu minimieren, zu suchen;
- – suchen
im letzten Fall die Auswahlmittel vorteilhaft durch Orthogonalisation
den jeweiligen zutreffendsten Typen und/oder die Fassungsmittel passen
die Parameter durch nicht lineare Optimisation unter Randbedingungen
an;
- – die
Klassifikationsmittel wirken durch den Einsatz von versteckten Markov
Ketten.
-
In
dem speziellen Fall, welcher weiter oben angegeben wurde, wo das
Signal ein elektrokardiographisches Signal ist, welches eine Welle
vom Typ PQRST bildet:
- – umfassen die Analysemittel
des gespeicherten Signals unter anderem Substraktionsmittel, geeignet
um das gespeicherte Signal zumindest von einer der Elementarwellen,
welche durch die Extraktionsmittel bestimmt werden, und eine gegebene
Bezeichnung tragen, welche durch die Klassifikationsmittel zugeordnet
wurde, zu subtrahieren;
- – sind
die Elementarwellen fünf,
wobei die vorbestimmten Markierungen jene der Wellen P; Q, R, S
und T des elektrokardiographischen Signals sein können;
- – ist
das elektrokardiographische Signal ein durch PCA Analyse und Projektion
der Hauptkomponenten auf eine bedeutende Achse erhaltenes Signal, insbesondere
eine maximale Amplitudenachse, welche dynamisch wiederberechnet
wird;
- – umfasst
die Vorrichtung Mittel, um die zeitliche Veränderlichkeit zumindest eines
spezifischen Faktors zumindest einer der N Elementarwellen zu bestimmen,
welche durch die Extraktionsmittel bestimmt werden, insbesondere
die Amplitude der Welle T, die Amplitude der Welle P oder die Richtung
einer bedeutenden Achse, welche durch die PCA Analyse bestimmt wird;
- – umfasst
die Vorrichtung Mittel um eine zeitliche Korrelation eines spezifischen
Faktors zwischen zumindest zwei der N Elementarwellen, welche durch
die Extraktionsmittel bestimmt wurden, insbesondere das zeitliche
Intervall zwischen der Welle QRS und der Welle T oder dem Intervall PR.
-
Man
wird nun detaillierter in Bezug auf die angehängten Fig. ein Ausführungsbeispiel
der Erfindung beschreiben.
-
Die
vorher erwähnte 1 stellt
einen PQRST-Komplex eines Signals ECG dar.
-
2 stellt
die konstituierenden Elemente einer Höckerfunktion dar.
-
3 stellt
die konstituierenden Elemente und die entsprechenden Parameter einer
speziellen Höckerfunktion
dar, welche vorteilhaft für
die Umsetzung der Erfindung benutzt wird.
-
4a, 4b und 4c zeigen jeweils das Resultat der Zerteilung,
welche gemäß der Erfindung
realisiert ist, wobei die Zerteilung der Wellen das modellisierte
Signal und das entsprechende Originalsignal ergibt.
-
Die
Ausgangsidee der Erfindung besteht darin, einen schnellen und zuverlässigen Logarithmus zu
benutzen, welcher mit begrenzten Rechnerressourcen umgesetzt werden
kann, indem die Modellisierung des physiologischen Signals durch
Zerteilung in Höcker
geschieht, wobei der „Höcker" ein an sich schon
bekannter ma thematischer Begriff ist, der aber bis jetzt niemals
im Rahmen der Analyse eines physiologischen Signals vorgeschlagen
wurde.
-
Ein
Höcker
ist, wie auf 2 dargestellt, eine monotone
Funktion, parametrisiert, definiert auf drei aufeinanderfolgenden
Intervallen durch eine erste parametrierte steigende Funktion G1,
eine affine Funktion D und zweite parametrierte fallende Funktion
G2.
-
Gemäß der Erfindung
versucht die Analysevorrichtung eine Gesamtheit von Höckern zusammenzustellen,
so dass der Graph der Summe dieser Höcker genauso ähnlich wie
möglich
einem eindimensionalen Signal ist.
-
Die
Optimisierung der Parameter von jedem Höcker wird durch jede angemessene
mathematische Methode bewirkt, welche es ermöglicht, einen Graphen des zu
modellisierenden Originalsignals, der so nahe wie möglich ist,
zu erhalten.
-
Auf
der 4 hat man so im Spezialfall, eines Signals ECG
dargestellt:
- 1) die Gesamtheit der Höcker, hier
fünf an
der Zahl, auf eine weiter unten beschriebene Weise erstellt,
- 2) der Graph, welcher aus dem Zusammenstellen der fünf Höcker resultiert,
und
- 3) das Originalsignal, welches, wie man sehen kann, sehr nahe
an der in (b) erhaltenen Modellisierung ist.
-
Vorteilhaft
benutzt man einen besonderen Höckertyp,
in 3 dargestellt, abgeleitet von der allgemeinen
Definition, welche weiter oben in Referenz auf 2 gegeben
wurde.
-
Dieser
besondere Höckertyp
wird durch eine reduzierte Anzahl von Parametern (fünf in der
Art) definiert, und, in der Praxis bewährt sich die erhaltene Modellisierung
als extrem zuverlässig
und nahe dem Originalsignal im Fall der Analyse eines ECG-Signals,
trotz der reduzierten Anzahl an Definitionsparametern des Höckers.
-
Zu
diesem Zweck benutzt man als affinen Teil D des Höckers ein
horizontales Segment (d. h. von einer Steigung 0) und um die Adaptionsetappe der
Parameter durch klassische multidimensionale Optimisationsalgorithmen
ausführen
zu können,
sind die monotonen Funktionen G1 und G2 hier zwei Halbgauss-Verteilungen von
gleicher Amplitude A.
-
Unter
diesen Bedingungen ist der Höcker eine
kontinuierliche Funktion, welche durch fünf Parameter definiert ist,
und in Bezug auf jeden dieser Parameter ableitbar ist, welche sind:
- – μ: zeitliche
Stellung, z. B. die Ordinatenstellung der Mitte des Segments D;
- – σ1: Halbstandardabweichung
der ersten Gauss-Verteilung G1;
- – σL: Länge des
Segments D;
- – σ2: Halbstandardabweichung
der zweiten Gauss-Verteilung G2; und
- – A:
Amplitude der Funktion.
-
Die
Zerteilung des zeitlichen Signals in Höcker wird in iterativer Weise
in zwei Etappen bewerkstelligt.
- 1) Auswahl
des zutreffendsten Höckers
durch einen Auswahlalgorithmus, welcher auf eine Gesamtheit von
vorher konstruierten und in einer Bibliothek von Höckertypen
im Speicher des Computers bewahrten Höcker an gewandt wird; diese Auswahletappe
kann vorteilhaft ein Orthogonalisierungsverfahren, welches selbst
bekannt ist (siehe z. B. M. J. Korenberg, S. A. Billings, Y. P. Liu
u. a., Orthogonal parameter estimation for nonlinear stochastic
systems, International Journal of Control, 48, 193–210, 1988)
benutzen.
- 2) Anpassung der Parameter des Höckers, welcher in der vorhergehenden
Etappe ausgewählt wurde,
d. h. Suchen der fünf
Parameter μ, σ1, σL, σ2 und A,
welche weiter oben angegeben wurden, in der Weise, das der spezielle
Höcker
sich schließlich
möglichst
dem zu modellisierenden Originalsignal annähert, diese Anpassungsetappe
kann vorteilhaft ein nicht lineares Optimisationsverfahren unter
Randbedingungen, welche selbst bekannt sind (siehe z. B. M. Minoux,
Mathematische Programmierung (1983), Dunod, 1983) benutzen.
-
Folglich
erfolgt die Modellisierung in N Höckern eines Signals in N mal
zwei Etappen. Die Anzahl N Maximum der Höcker ist entweder im Vorhinein
definiert, oder dynamisch der Funktion der Präzision der gesuchten Modellisierung
angepasst.
-
In
dem häufigen
Fall eines ECG-Signals bewährt
sich ein auf fünf
Höckern
modellisiertes Schlagen in der Praxis als befriedigend: Die Begrenzung von
fünf Höckern entspricht
dem einfachen Fall, in dem ein Höcker
eine charakteristische Welle P, Q, R, S oder T der ECG-Aufnahme
entspricht, wie auf 4 dargestellt (wobei die 4b die modellisierte Welle darstellt,
welche durch das Zusammenführen der
fünf Höcker der 4a und der 4c,
wobei das Originalsignal durch die Vorrichtung der Erfindung analysiert
wurde.
-
Das
modellisierte Höckersignal
wird dann analysiert, um die charakteristischen Wellen der Herzaktivität zu finden.
-
Jeder
Höcker
sieht sich also einem Etikett zugeordnet (P, Q, R, S, T oder anders),
welches seiner Gestalt und seiner Stellung in Bezug auf die anderen
Höcker
folgt. Man kann vorteilhaft für
diese Bezeichnung ein Verfahren auf Basis von versteckten Markov
Ketten (CMC oder HMM, Hidden Markov Models) benutzen, ein Verfahren
welches selbst bekannt und beschrieben ist, z. B. durch L. R. Rabiner, A
Tutorial an Hidden Markov Models and Selected Applications in Speech
Recognition, Proceedings of the IEEE, 77(2), 257–286 (1989) beschrieben wurde.
-
Diese
Etikettierung der Höcker
ermöglicht es,
die verschiedenen Komponenten eines typischen PQRST-Komplexes wieder
zu erkennen, und so leicht die atypischen Wellen zu detektieren,
welche jene sind, welche genau das größte Interesse an der Diagnose
von Herzrhythmusstörungen
darstellen.
-
Mit
jeder Welle des ECG, welche identifiziert wurde, ist es möglich, jeden
charakteristischen Parameter einer gegebenen Welle zu messen, und
vor allem in dynamischer Weise zu studieren. Die erhaltenen Kurven
können
eine nach der anderen oder in Bezug auf andere analysiert werden,
da die Modellisierung stabilisierte Formen schafft, welche effektive Korrelationen
ermöglichen.
-
Man
kann so in zutreffender Weise die Verschiedenheit der Welle T durch
Messung ihrer Amplitudenveränderung
und/oder ihrer zeitlichen Verschiebung in Bezug auf die Welle QRS
messen. Man kann auch die Parameter des Höckers analysieren, welche die
Welle T darstellen, die Veränderlichkeit des
Intervalls PR, der Amplitude der Welle P, etc. bewerten.
-
Das
Wiedererkennen der Wellen erlaubt auch, eine bekannte Welle von
einem Signal zu subtrahieren; dieser Arbeitsschritt ist sehr nützlich,
um eine Welle von geringer Amplitude (z. B. die Welle P) aufzudecken,
welche in synchroner Weise eintritt.
-
Diese
automatische Subtraktion der Welle auf dem Signal erlaubt es, darunter
liegende Signale erscheinen zu lassen, z. B. sehr zeitige P Wellen, welche
gerade nach der vorhergehenden QRS auftreten, und welche sehr oft
durch die bisherig verwendeten Analysetechniken verdeckt bleiben
würden.
-
Die
Bezeichnung der P Wellen liefert Resultate, welche darauf dem Mediziner
ermöglichen
werden, die Diagnose erheblich zu verbessern.
-
Das
Beispiel der Umsetzung der Erfindung, das gerade beschrieben wurde,
kann sich für
zahlreiche Varianten eignen.
-
Folglich,
vielmehr als direkt das gesammelte Signal auf jeder der ECG Spuren
nach der Filterung zu modellisieren, ist es vorteilhaft, vorher
in dynamischer Weise (d. h. für
jedes Schlagen) eine Analyse in Hauptkomponenten (ACP oder PCA,
Principle Component Analysis) durchzuführen.
-
Diese
Technik, selbst bekannt (siehe z. B. IT Joliffe, Principal Component
Analysis, Springer 1986) besteht darin, die Signale, welche gleichzeitig
auf den Kanälen
X, Y und Z erhalten wurden, und durch mehrere Spuren gespeichert
wurden, zu benutzen, indem in einem dreidimensionalen Raum eine
bezeichnende maximale Amplitudenachse gesucht wird (Achse PCA1)
und indem die zeitliche Veränderung des
Schlagens durch seine Projektion auf diese Hauptachse ausgedrückt wird,
deren Stellung bei jedem Schlagen wiederberechnet wird.
-
Diese
Vorverarbeitung erlaubt insbesondere, das ECG nur auf einer Spur
zu modellisieren, welche das Maximum an Informationen enthält, eher
als auf der Gesamtheit der Originalspuren.
-
Die
Hauptkomponentenanalyse des PQRST-Komplexes (oder des Komplexes
QRS und/oder der Welle P) ermöglicht
es unter anderem dauernd, die Projektionsebene der elektrischen Herzsignale
zu erhalten, eine Ebene welche hauptsächlich mit der Stellung des
Herzes im Raum zusammenhängt.
Eine Bewegungsanalyse dieser Ebene oder, einfacher, der Achse der
Hauptkomponente (Achse PCA1), ermöglicht es, ein Bild der Bewegung des
Herzen zu erhalten, welches für
verschiedene Zwecke benutzt werden kann, sowie:
- – das Detektieren
der Atmung (welche die Eigenschaft hat, das Herz bei jedem Zyklus
zu verschieben) und den Unterschied zwischen Brustkorb- und Bauchatmung.
In der Tat wirkt sich das Verschieben des Herzens, welches in verschiedenen Achsen
oder Kurven eintritt, durch eine Modulation einer oder mehrerer
Winkel der Hauptkomponenten aus, welche mit Hilfe geeigneter mathematischer
Werkzeuge die Extraktion eines oder mehrerer Atmungskurven ermöglicht,
z. B. Bauch- oder Brustkorbatmung;
- – das
Detektieren der Stellung des Körpers,
wobei die Schwerkraft anatomische Veränderungen bewirkt, welche auf
das Herz und das ECG-Signal übertragen
werden;
- – den
Ausgleich von Verformungen des ECG-Signals, welche durch Veränderung
der Stellung eingeleitet werden, welche das Herz verschieben: die
elektrische Stellung zu kennen ermöglicht eine dynamische Matrixrechnung,
welche auf die Ableitung XYZ oder die Standardabweichung angewandt
wird, den Einfluss dieser Veränderung
auszugleichen, und ein stabiles Signal wiederzuerschaffen. Diese
Stabilität
ist für
verschiedene Analysen extrem nützlich,
insbesondere für
die Vergleiche zwischen zwei gespeicherten ECG;
- – das
Schaffen eines originalen ECG durch Projektion des Raumsignals entlang
den drei Komponenten X, Y, Z. In Bezug auf ein ECG XYZ weist dieses
originale ECG zwei Vorteile auf, nämlich: (i) eine sehr große Stabilität, da es
nicht den Veränderungen
der Stellung des Herzens unterworfen ist, und (ii) ein Signalniveau,
welches in dem ersten Kanal maximal ist, welcher der Projektion auf
die Hauptachse entspricht. Er kann durch eine Information auf die
Winkel der Projektionsachsen vervollständigt werden, welche daher
die Stellungsveränderung
des Herzens darstellen, d. h. der Effekt der Veränderung der körperlichen
Stellung oder der Atmung.
-
Diese
verschiedenen Techniken, welche aus der PCA Analyse resultieren,
sind selbst bekannt, aber die Umsetzung der Erfindung erlaubt ihre
Effektivität
sehr zum Dank insbesondere der Etikettierung der Höcker zu
verbessern. Die Etikettierung der Höcker erlaubt es, die Effektivität dieser
Analyse vom Typ PCA zu verbessern, indem sie realisiert wird, wenn
es auf einer speziellen Welle notwendig ist.
-
Die
Erfindung ist insbesondere auf externe ambulante Aufnahmegeräte, sowie
die Modelle SYNEFLASH und SYNEVIEW der Firma ELA Medical, Montrouge,
Frankreich anwendbar.
-
Sie
ist auch auf andere implantierte Geräte, sowie die implantierten
Mikroprozessorvorrichtungen, auch von ELA Medical, Montrouge, Frankreich vertrieben,
anwendbar, in welchen es möglich
ist, Computerprogramme durch Telemetrie zu übertragen, welche im Speicher
aufbewahrt werden, und ausgeführt
werden, um die beschriebenen Funktionen der Erfindung umzusetzen.
-
Die
Anpassung dieser Geräte
an die Umsetzung der Erfindung ist Sache des Fachmanns dieser Techniken
und wird nicht im Detail beschrieben werden.