CN1301080C - 检测急性心脏局部缺血症状的缩减导联组 - Google Patents

Abstract

一种检测和报告患者存在急性心脏局部缺血症状的缩减导联组装置(10)，包括放置在患者身上的缩减检测电极组(12，14，16，18和20)，用于获取该患者的ECG数据。通过分析ECG数据的局部特征和/或整体特征，缩减导联组装置评价缩减导联组上的ECG数据。局部特征可以包括局部形态测量(例如，ST抬高)和患者的临床信息(例如，年龄和性别)。整体特征包括根据串接心博数据矢量投影到两个分开基矢量组计算出的投影系数，这两个基矢量组定义局部缺血ECG和非局部缺血ECG的信号子空间。一个或多个分类器评价局部特征和/或整体特征以确定是否检测到急性心脏局部缺血症状。缩减导联组装置的工作点(即，灵敏度和专一性)是可调整的。把评价的结果报告给缩减导联组装置的用户。

Description

检测急性心脏局部缺血症状的缩减导联组

技术领域

本发明一般涉及心电活动性的分析，具体涉及对缩减导联组上测得心电图数据的评价，用于检测和报告心脏异常。

背景技术

各种生理过程是电媒体传播的并产生相关的电信号。例如，人体心脏中的窦房结产生电脉冲，激发正常功能心脏中其余部分的心博。这个脉冲传播通过心脏的正常传导路径，在患者身体表面上产生可观察到的电信号。分析这种电信号对于评价患者的心脏功能是有益的，包括检测与急性心脏局部局部缺血有关的症状。

分析患者的心电活动性以检测急性心脏局部局部缺血症状通常是利用12导联心电图(ECG)系统在医院设备中进行的。普通的12导联ECG系统测量粘贴在患者身上10个电极检测的电压电位并产生这些电压的12个组合，用于产生12导联ECG系统所需的“导联”。在12导联ECG系统的10个电极中，4个是“肢”电极，通常放置在患者四肢的每个肢上或其附近；另外6个是“心前区”电极，放置在患者心脏之上的胸区。当电脉冲传播通过心脏时，ECG系统重复地测量这些电极检测的电压。虽然这些电极共同地测量相同的心电活动性，由于它们是在相对于患者心脏的不同位置上，这些电极测量到不同的电压。利用测得的时序电压产生ECG导联数据。ECG系统通常把这些数据画在图上，给出代表每个被测量导联的心电活动性波形图。

图1表示一个心博周期或一个心博的ECG波形例子。代表房肌纤维去极化的波形部分称之为“P”波。室肌纤维去极化是用该波形中的“Q”波，“R”波和“S”波共同代表的。代表室肌纤维再极化的波形部分称之为“T”波。在两个心博之间，ECG波形回到“等位”线。

图1还画出标记为“q”，“j”，“t1”，和“t2”所选的基准点。基准点规定所选特征的边界，用于测量ECG波形的特征，例如，心博的开始和结束以及心博中ST段的高度。图1中所示的“q”点代表Q波的开始，“j”点代表QRS复合波的结束，“t1”点代表T波的开始，而“t2”点代表T波的结束。

如上所述，分析患者的ECG对于检测患者的急性心脏局部局部缺血是有益的。从生理观点考虑，急性心脏局部局部缺血是心肌中失血因而缺氧导致的慢性或突发症状。若局部缺血症状是严重的或长期的，则可能导致不可逆转的死亡或损伤心肌细胞(即，梗塞)。慢性心脏局部缺血症状，心绞痛，通常是由冠状动脉变窄引起的，这是由于壁肌痉挛或斑块的部分阻塞造成的。突发心脏局部缺血症状可能是由于冠状动脉中凝块阻塞血流通道引起的。心脏局部缺血事件的症状可以包括胸痛和射向四肢的疼痛，但不是所有这些事件都出现这种症状。当前对严重急性局部缺血的医学处理包括：给予一种称之为溶血栓的药物，它分解闭合冠状动脉中的凝块，和紧急的PTCA，这是在凝块内部充气扩展动脉的医疗过程而使血液循环流通。

传统的方法是，利用医院中的设备检测急性心脏局部缺血，医生对12导联ECG波形作出视觉评价。医生通常把患者ECG波形的所选特征与代表各种异常症状的其他患者ECG波形的相当特征进行比较。医生也可以观看患者在不同时间的ECG波形，并评价波形中发生的任何变化。某一些波形特征被确认为对于诊断急性心脏局部缺血症状是有用的。习惯上，医生观察波形中“ST”段高出等位线的程度(即，ST抬高)，并利用这个信息确定是否发生急性局部缺血事件。

局部缺血事件对心脏的损伤量部分地取决于治疗之前流逝的时间量。因此，应当尽早地对ECG数据进行评价，从而可以尽早地检测和报告与心脏局部缺血有关的功能变化。有了对急性心脏局部缺血的早期检测，可以尽早地采取正确的治疗，从而最大限度地保护心肌。美国心脏协会建议，在患者到达医院急诊室的10分钟以内，医生应当利用12导联ECG对潜在的急性心脏局部缺血患者进行评价。遗憾的是，在医院之外，不可能总是有训练有素的医务人员在场以满足患者的立即需要。往往是，第一个到达现场处理患者的护理人员可能是缺乏训练的，不能胜任评价ECG波形以检测急性心脏局部缺血事件。

此外，对于在医院之外使用普通12导联ECG系统的训练缺乏人员，要求他们正确地放置多个电极在患者的身上可能是困难的。如上所述，12导联ECG系统要求10个电极被分布在患者的胸部和四肢。若这些电极被不正确地放置或连接，则可能发生严重的误诊。训练缺乏人员可能还受到文化上的限制，不能把这些电极放置在患者胸部的所需位置。因此，在训练有素的医务人员到达之前，训练缺乏人员往往延误了获得评价急性心脏局部缺血症状的ECG数据。然而，每分钟的延误时间可能严重地损伤患者，导致对患者心脏组织的进一步损害。所以，需要有这样一种装置，它不但可以用简单的方法得到ECG数据，而且还能快速地评价ECG数据，并自动地产生是否检测到急性心脏局部缺血症状的初步报告。

虽然在一些申请中试图减少获得ECG数据所需的电极数目，这些申请一般涉及指患者心律的基本监测，用于长期的患者观察，而不是用于诊断急性心脏局部缺血事件。基本的患者监测装置一般使用的频率响应约为0.5至40Hz，其中至少连接3个电极。心脏诊断装置有较宽的频率响应0.05至150Hz，以保持ECG的高保真度而没有明显的畸变。此外，诊断急性心脏局部缺血的常规ECG评价比基本的患者监测复杂得多；因此，不鼓励使用少于10个电极，因为这种配置给医生提供较少的分析波形。现有技术试图利用有限的ECG数据大致接近和外延12导联ECG波形以解决上述问题。然而，少于10个电极的普通ECG系统给医生提供的数据量仍然不足以准确地诊断急性心脏局部缺血。

近年来，基于计算机分析努力开发增强型的ECG波形解释。分析12导联ECG波形所用的常规方法通常是根据专家医生经验得出的直观知识。这种方法实施的规则试图模拟专家医生的推理，所以，其诊断结果就不如专家。实际上，许多的这种方法往往不如真实专家的评价。

此外，在使用常规的直观推理方法时，往往很难选择装置灵敏度(即，检测真阳性)和专一性(即，避免假阳性)的最佳工作点。一般地说，调节到较灵敏的装置通常是缺乏专一性，而调节到较专一的装置通常是缺少灵敏度。典型的灵敏度/专一性折衷是用接收机的工作特性(ROC)曲线表示，图21是这种曲线的一个例子。利用常规的启发式分类器，很难使灵敏度/专一性折衷十分明确；因此，ROC曲线上工作点的选择往往不是最佳的，是一个特定方法。因此，从灵敏度和专一性观点考虑，需要有一种提供较好性能的装置和方法，而且还能用更系统的方法选择灵敏度/专一性折衷。

此外，需要这样一种装置和方法，把获取和评价急性心脏局部缺血症状ECG数据的功能分开，并提供一种更简单和准确的ECG评价装置，可以供训练缺乏人员在医院之外使用。在医院之外提供ECG数据分析，就能够较早地检测急性心脏局部缺血症状，因此，增大了急性心脏局部缺血事件患者生存的可能性。一种利用缩减导联数的装置和方法用于自动评价急性局部缺血症状ECG数据在本领域的专业技术中是未知的。本发明叙述这些需要并说明现有技术中存在的其他缺点。

发明内容

本发明是这样一种方法和装置，利用缩减导联组(reduced leadset)评价患者心脏的电活动性，用于自动地检测和报告与急性心脏局部缺血有关的异常性。缩减导联组是根据放置在患者身上缩减数目的电极(即，少于普通12导联ECG系统中10个电极)得到ECG数据导出的。所以，缩减导联组包含的ECG数据少于12导联ECG系统中得到常规的12导联ECG数据。

此处称采用本发明的装置为利用缩减导联组的装置或缩减导联组装置。按照本发明的缩减导联组装置获取ECG数据，对这些ECG数据进行分析，利用该装置实施的急性心脏局部缺血检测过程以指出急性心脏局部缺血症状。

按照本发明的一个方面，急性心脏局部缺血检测过程分析从患者导出的所选局部特征，用于确定是否检测到急性心脏局部缺血症状。局部特征包括小于一个典型心博周期的局部时间间隔内确定的形态特征测量。局部形态特征的一个例子是从缩减导联组的各个ECG导联数据导出的ST抬高测量。临床信息，例如，患者的年龄和性别，也可以作为局部特征包括在分析中。急性心脏局部缺血检测过程中执行的分类器分析这些局部特征。

按照本发明的另一个方面，从缩减导联组提取的整体分布特征是由急性心脏局部缺血检测过程进行分析。整体分布特征是从每个缩减数目导联上的典型心博数据导出的，其中作为整体考虑每个导联上的典型心博。串接每个导联的典型心博数据形成缩减导联组的典型心博数据矢量。然后，把串接的典型心博数据矢量用数学方法投影到预定的基矢量上，这些基矢量定义展现急性心脏局部缺血症状和非局部缺血症状的ECG信号子空间。形成的投影系数是分类器进行评价的“整体特征”，用于确定该整体特征是否表示急性心脏局部缺血症状。

按照本发明的另一个方面，急性心脏局部缺血检测过程评价局部特征和整体特征，这些特征是从表示急性心脏局部缺血的缩减导联组得到的。可以对局部特征和整体特征分别进行评价，然后对其结果进行组合；或者可以组合评价以产生单个结果，得出患者是否存在急性心脏局部缺血症状的最后判定。

按照本发明的另一个方面，缩减导联组装置最好有可调整的灵敏度/专一性工作点。通过调整分类器中的阈值来选择灵敏度/专一性(sensitivity/specificity)工作点，该阈值确定急性心脏局部缺血症状的检测概率。缩减导联组装置的灵敏度/专一性工作点可以由装置的制造商，装置的购买者，或装置的用户设定。按照本发明，缩减导联组装置也可以基于连接到该装置的电极数目自动地调整它的灵敏度/专一性工作点。例如，当使用缩减数目的电极时，缩减导联组装置可以设定它在高灵敏度模式，用于检测表示急性心脏局部缺血的所有可能事件。若检测到潜在的急性心脏局部缺血事件，缩减导联组装置可以提示用户连接附加的电极以增加可用的导联数目并重复检测过程。有了连接的附加电极，该装置可以设置它在较大的专一性下重复检测过程，以确认患者急性心脏局部缺血的检测。在这种方式下，缩减导联组装置可以用作筛选和治疗判定。

参照以下详细的描述并结合附图可以更好地理解本发明，从而可以更容易地理解本发明的上述各个方面和许多伴随的优点。

附图说明

图1表示对应于单个心博的ECG波形例子；

图2表示配置成按照本发明工作的缩减导联组装置；

图3表示图2中所示的缩减导联组装置，其中有5个电极粘贴在患者身上；

图4表示图2中所示的缩减导联组装置，其中有10个电极粘贴在患者身上；

图5表示图2中所示另一个实施例的缩减导联组装置，其中有一组电极安装在该装置的背面，当该装置紧贴在患者的胸区时，这些电极与患者的皮肤相接触；

图6是图2中所示缩减导联组装置的主要部件方框图；

图7是流程图，说明图2-6中所示缩减导联组装置实施的急性心脏局部缺血检测过程，该装置分类从患者导出的局部特征以检测急性心脏局部缺血事件；

图8是流程图，说明用于获取ECG数据的过程，用在图7中所示的急性心脏局部缺血检测过程；

图9是流程图，说明用于产生典型心博数据的过程，用在图7中所示的急性心脏局部缺血检测过程；

图10A是从患者导出的所选局部特征图；

图10B是串接的特征矢量f图，该特征矢量包含图10A中所示的局部特征；

图11是流程图，说明在训练阶段期间进行的过程，用于导出图7中所示急性心脏局部缺血检测过程所用的一组分类器参数；

图12是流程图，说明图2-6中所示缩减导联组装置实施的另一个急性心脏局部缺血检测过程，该装置分类从患者ECG导出的整体特征以检测急性心脏局部缺血事件；

图13是流程图，说明在训练阶段期间导出一组分类器参数所进行的过程，用在图12中所示的急性心脏局部缺血检测过程；

图14是流程图，说明在训练阶段期间导出一组分类器参数所进行的过程，用在图12中所示的急性心脏局部缺血检测过程以检测急性心脏局部缺血；

图15是图12中所示急性心脏局部缺血检测过程产生的3个导联的典型心博数据图；

图16是串接的典型心博矢量x图，该矢量包含图15中所示的典型心博数据；

图17A和17B是在图13所示基矢量导出过程中对相关矩阵R作Karhunen-Loeve变换产生的矩阵∨和矩阵∧图，相关矩阵R的计算是根据从患者训练人群得到的ECG数据；

图18A是在图12所示急性心脏局部缺血检测过程中计算的20个投影系数(“整体特征”)图，这是把图16所示患者的串接典型心博矢量x投影到生成急性心脏局部缺血ECG子空间的10个基矢量和生成非局部缺血ECG子空间的10个基矢量上产生的，这些基矢量是按照图13所示预先确定的；

图18B是串接的整体特征矢量f图，它包含图18A所示的20个整体特征；

图19是流程图，说明图2-6所示缩减导联组装置实施的另一个急性心脏局部缺血检测过程，该装置分别地分类从患者导出的局部和整体特征以及对分别分类的结果进行分类以检测急性心脏局部缺血事件；

图20是流程图，说明图2-6所示缩减导联组装置实施的另一个急性心脏局部缺血检测过程，该装置通过分类局部和整体特征的组合以检测急性心脏局部缺血事件；

图21是描述灵敏度/专一性折衷的典型接收机工作特性曲线，图2-6所示缩减导联组装置可以实施这种折衷；

图22是流程图，在按照本发明完成急性心脏局部缺血检测过程中，说明图2-6所示缩减导联组装置的高灵敏度或高专一性工作点的选择过程；和

图23是流程图，说明图2-6所示缩减导联组装置实施的急性心脏局部缺血检测过程，其中响应于连接到该装置的附加电极，从高灵敏度到高专一性调整该装置的灵敏度/专一性工作点。

具体实施方式

本发明的方法和装置分析缩减的ECG导联数据组，用于检测和报告患者存在急性心脏局部缺血症状。最好是，该方法和装置分析通常在标准12导联ECG中获得的导联子集合。

关于本发明，急性心脏局部缺血包括导致心肌失血因而缺氧的慢性症状和突发症状，若需要保持心肌细胞的长期活力，就需要采取紧急治疗。虽然这些症状在检测过程中是可逆的，但是，若不能恢复足够的血流，这些症状就会导致永恒的损伤。

如在以下更详细地讨论的，本发明包括评价局部特征，整体特征，或局部特征和整体特征组合的急性心脏局部缺血检测过程以检测急性心脏局部缺血。在讨论急性心脏局部缺血检测过程的不同方面之前，我们详细地描述按照本发明构造的缩减导联组装置。

I.缩减导联组装置

图2表示按照本发明构造的缩减导联组装置10。当经多个电极(例如，图2所示的检测电极12，14，16，18，和20，或除纤颤电极26)粘贴到患者身上时，缩减导联组装置10从患者得到ECG数据，自动地评价该数据，并报告该患者是否存在急性心脏局部缺血症状。缩减导联组装置10使用的电极数目少于标准12导联ECG所需的电极数目(即，少于10个电极)。所以，根据这些电极检测的ECG信号，缩减导联组装置10对缩减组导联或时序的电压测量进行分析。

图2所示的检测电极12，14，16，18和20经缆线22和插头23连接到缩减导联组装置10，插头23与安装在该装置上的电连接插座24匹配。虽然图2中从缆线22延伸出5个电极，但从以下的描述中可以明白，缩减导联组装置10使用的电极数目可以多于或少于5个。检测电极12，14，16，18和20适合于放置在患者的皮肤上，用于检测患者心脏的电活动性。

在本发明的一个实施例中，缩减导联组装置10是单独的装置，专门用于测量和评价ECG信号。或者，装置10可以集成在另一个生理仪器中，例如，除纤颤器。在此情况下，图2中画出一对除纤颤电极26，在不给予除纤颤治疗时，适合于检测患者的ECG信号。除纤颤电极26经缆线30和插头31连接到缩减导联组装置10，插头31与安装在装置10上的电连接插座32匹配。这对除纤颤电极26可以包括携带ECG检测电极的盖板28。图中所示的盖板28连接到除纤颤电极26的一个边缘，在使用时，从除纤颤电极上向外翻出，接触到患者的皮肤。这种盖板增大了ECG检测电极的空间分布；而在不使用时，仍保持紧凑的形式。ECG检测电极也可以直接埋藏在除纤颤电极26内，或除纤颤电极26可以包括埋藏式检测电极和折叠式盖板检测电极28。

虽然图2所示的缩减导联组装置10包括分开的电连接插座24和32，但是，缩减导联组装置也可以只有单个电连接插座，用于检测电极12，14，16，18和20和/或除纤颤电极26。图2所示的电极和连接插座仅仅是为了说明的目的。缩减导联组装置10可以利用各种电极配置以获得患者的ECG数据。

图3画出图2中所示的缩减导联组装置10，经检测电极12，14，16，18和20粘贴到患者40。5个电极粘贴到患者皮肤的各个部位。图中所示的第一检测电极12和第二检测电极14粘贴到患者40的左肩和右肩区。图中所示的第三检测电极16和第四检测电极18粘贴到患者躯干的左侧和右侧区，接近患者的腿部。图中所示的第五检测电极20粘贴到患者心脏上面的胸区。

虽然图3所示的电极放置是按照本发明的一个实施例，应当明白，缩减导联组装置10的电极可以放在另外的一些位置。例如，肢电极12，14，16和18可以放置在患者40四肢的末端，分别是空白圆42，44，46和48所示的位置。肢电极12，14，16和18也可以放置在患者躯干的其他位置。利用从检测电极接收到的信号产生ECG数据，这种方法对于12导联ECG技术人员是熟知的。由于产生ECG导联数据的方法是熟知的，此处不再描述产生ECG导联数据的过程。图3中所示的任一种电极放置可以分析通常在标准12导联ECG中获得的导联子集合，包括常规方式下标记为I，II，III，V3，aVR，aVL，aVF的各个导联。本发明的一个实际实施例得到和分析导联I，II和V3。所以，对于本发明的这个实施例，导联I，II和V3也称之为“可用导联”。然而，应当理解，本发明的其他实施例可以选取和获得其他的导联，例如，常规方式下标记为III，V3，aVR，aVF，aVL，V1，V2，V4，V5和V6的各个导联，与所使用的电极数目和电极放置有关。

那些熟悉ECG技术的专业人员都知道，增加放置在患者40身上电极数目可以增加从该患者获得的ECG数据量。从增加的电极数目得到附加的ECG数据，一般地说提高了缩减导联组装置10检测真急性心脏局部缺血症状的能力。图4表示缩减导联组装置10的一种配置，其中5个附加检测电极22，24，26，28和30已添加到图3所示的5个电极组中。5个附加检测电极与电极20一起分布在患者40的胸区。图4所示的10个电极放在12导联ECG的标准位置。为了用户的方便，5个附加检测电极22，24，26，28和30可以与电极20分别粘贴在患者的胸区，或5个附加检测电极埋藏于放置在患者胸区的单个盖板42内。

图5表示另一个实施例的缩减导联组装置10，其中当装置10紧靠患者胸区时，安装在装置10背面的缩减检测电极组(在图5中见不到)与患者40的皮肤接触。最好是，3个或4个电极安装在装置10的背面。根据电极检测的ECG信号产生ECG导联数据，按照本发明的装置10分析这些数据。

图6是方框图，说明图2-5中所示缩减导联组装置10的主要部件。上述检测电极(在图6中见不到)检测的ECG信号经线路52传输给前置放大器50。前置放大器50放大和滤波这些ECG信号。因为电极检测到的信号强度一般太弱(即，豪伏量级)需要放大，便于缩减导联组装置10的电路进行分析。前置放大器50对线路52上ECG信号的放大倍数可以达到1000倍或更高。

对放大的ECG信号进行滤波以消除噪声或其他的信号干扰。在本发明的一个实际实施例中，滤波操作包括衰减低频信号(例如，低于0.05Hz的频率)的高通滤波器54，衰减高频信号(例如，高于150Hz的频率)的低通滤波器56，和衰减特定频率信号(例如，50或60Hz，取决于当地的线路电源频率)的陷波滤波器58。本发明的另一些实施例还可以包括其他的信号滤波操作，适用于特定环境下的缩减导联组装置。

放大和滤波后的ECG信号被模数(A/D)转换器60转变成数字式ECG数据。在图6所示的实施例中，ECG信号被前置放大器50多路复用，以串行方式传输给A/D转换器60。或者，对于每个信号(未画出)，ECG信号可以以并行方式从前置放大器50经分开的线路传输给A/D转换器60，并被A/D转换器多路复用。或者，分开的A/D转换器可以提供给每个放大和滤波后的ECG信号和多路复用的多个A/D转换器的输出。

A/D转换器产生的数字式ECG数据传输给处理单元62作进一步的处理和评价。与处理单元62通信的存储器64存储数字式ECG数据和以下详细描述的急性心脏局部缺血检测过程随后产生的其他数据。存储器64以计算机程序指令形式存储急性心脏局部缺血检测过程66，在被处理单元62执行时，评价数字式ECG数据和检测急性心脏局部缺血的发生。存储器64还存储在训练阶段(以下描述)从训练人群的患者中以上导出的预处理参数67。急性心脏局部缺血检测过程66利用预处理参数67评价当前急性心脏局部缺血患者的ECG。

虽然在图6中画出且以上描述模拟信号滤波器54，56和58，本领域专业人员知道，如果需要，可以在ECG信号从模拟形式转变成数字形式之后，进行数字滤波。此外，ECG数据的滤波操作可以在数据存储到存储器64之后进行，而不是在如图所示的存储之前进行。

图6还画出与处理单元62通信的输入装置68和显示器70，用于与缩减导联组装置10的用户交换信息。输入装置68允许用户输入信息和有选择地调整缩减导联组装置的工作，而显示器70允许装置10把ECG评价的结果报告给用户。显示器70还允许缩减导联组装置10传送指令给用户。

本领域专业人员知道，可以利用各种装置实现图6所示各个部件的功能。例如，处理单元62可以是存储器64中存储的计算机程序指令控制的微处理器。存储器64可以包括只读存储器形式的非易失性存储器(例如，EPROM)，存储式存储器(例如，硬盘驱动器)和/或随机存取存储器形式的非易失性存储器(例如，RAM)。输入装置68可以包括键盘，拨号盘或开关。类似地，显示器70可以是灯的组合或文本显示屏，例如，AMLCD，LCD或打印机。还可以提供音响报警。一般的专业人员对于合适的信号放大器，滤波器，和模数转换器是很清楚的，且在许多情况下是很容易购买到的器件。

作为模数转换过程的一部分，电极检测的ECG信号被抽样，得到各个离散时间间隔的离散电压值。ECG信号的抽样速率取决于模数转换器60的配置。在本发明的一个实际实施例中，ECG信号的抽样速率是每秒500个样本。本领域专业人员知道，也可以采用其他的抽样速率。

从以下的讨论中可以更容易地明白，缩减导联组装置10不但获取ECG数据，而且还评价该数据并报告是否检测到与急性心脏局部缺血有关的症状，其中包括可以导致急性心肌梗塞或不稳定型心绞痛的症状。按照本发明的一个方面，缩减导联组装置10评价从缩减导联组中各个导联上典型心博数据得到的局部特征。按照本发明的另一个方面，缩减导联组装置10评价从缩减导联组中典型心博数据导出的整体分布特征。按照本发明的另一个方面，缩减导联组装置10评价局部特征和整体特征，以确定患者是否存在急性心脏局部缺血症状。

II.利用局部特征的急性心脏局部缺血检测

图7是流程图，说明一种方案的急性心脏局部缺血检测过程66a，它是基于对局部特征的分类检测急性心脏局部缺血。检测过程66a包括：方框100-108中局部特征的确定和方框110中局部特征的分类。该检测过程开始于方框100，从患者获取ECG数据。如图8中更完全地描述的，获取ECG数据是在方框120中开始，缩减数目的电极，例如，图3中所示的检测电极12，14，16，18和20，粘贴到患者40身上。一旦这些电极粘贴到患者身上，在方框122，通过启动输入装置68，例如，按下缩减导联组装置上的ANALYZE按钮，缩减导联组装置10用户就启动ECG数据获取。或者，缩减导联组装置10可以自动地启动ECG数据获取，例如，在定时器计数的预定时间周期结束之后，该定时器是在部署或激活缩减导联组装置时开始的。在一段时间周期之后，在方框124中电极检测的电压信号被放大，在方框126中滤波，以及在方框128中转变成数字式ECG数据，如以上参照图6中所示前置放大器50和A/D转换器70所讨论的。在方框130，ECG数据随后存储在缩减导联组装置10的存储器64中。

图7方框100中获取ECG数据的时间周期是足够地长，得到代表一个或多个心博的足够高质量的数据。在本发明的一个实际实施例中，缩减导联组装置10获取约10秒钟ECG数据。这个时间周期可以增大或减小，取决于影响获取高质量数据的各种因素，包括：电极与患者之间的连接质量，患者是否在运动，以及是否存在严重的电磁噪声。因此，取决于各种因素，获取ECG的时间周期，例如，可以增大到20秒钟，或减小到5秒钟，但是，仍然与以下讨论的处理10秒钟数据的目的相同。

在方框100获取患者的ECG数据以后，缩减导联组装置10分析ECG数据并在方框102产生每个可用导联的典型心博数据。最好是，典型心博数据代表各导联共同的前房刺激心博，且通常是以高信噪比为特征。若获取的ECG数据具有足够高的质量，则可以利用单个心博作为典型心博数据。然而，在大多数情况下，最好把每个导联上的两个或多个心博进行组合，以产生该导联的典型心博数据。

图9表示更详细地说明产生适合于本发明的典型心博数据过程。在所示的过程中，利用一个导联上的多个心博产生该导联的典型心博数据。在方框132，缩减导联组装置10首先查找每个可用导联上的心博，例如，本发明一个实际实施例中的导联I，II，和V3。在此情况下，通过检测QRS复合波的主要特征，即，每个心博的R波(见图1)，可以查找到心博。因为典型心博数据质量的提高是通过选择和仅利用高质量ECG数据，在方框134分析原始ECG数据以除去低质量心博数据。例如，展现严重噪声含量(例如，其能量值大于利用平方值之和测得QRS能量平均值1个标准偏差的数据)的心博数据在方框134中被除去，不考虑利用这些数据产生典型心博。在保留的心博数据中，分析中间(时间意义上的中间)的3个心博，在方框136选取3个心博中的两个心博作进一步的考虑，这两个心博有最高的成对互相关。不考虑没有选取的第三个心博。

然后，把保留的心博分别与以上选取的第一个心博对进行比较。具体地说，相对于第一个心博对，确定每个保留心博QRS复合波的互相关值。相关值大于规定阈值(例如，最佳值为1中的0.9)的那些心博被保留。在方框138，除去具有低相关值的那些心博，不利用它们产生典型心博。利用保留的心博产生所分析导联的典型心博。

为了产生该导联的典型心博，最好按照保留心博中数据样本的最大互相关，通过协调诸如R波峰值的波形特征，在方框140把保留心博的波形对齐。此外，在方框142，从每个保留心博的数据样本中减去给每个心博计算的基线偏置。基线偏置是心博中数据样本大于所选参考电平的量。在本发明的一个实际实施例中，基线偏置的估算是在QRS峰值样本之前从88ms标记到40ms标记之间取出48ms ECG数据的平均(例如，若QRS峰值位于100ms标记处，则估算的基线偏置是从12ms标记到60ms标记之间的样本平均)。应当理解，在计算基线偏置时，可以利用多一些或少一些ECG数据，或可以移动所用ECG段的计时。

其次，在方框144，根据保留的心博数据，计算每个可用导联的一组平均心博的典型值。在本发明的一个实际实施例中，通过计算保留心博的逐个样本平均产生典型的心博数据。然而，应当明白，可以采用各种数学运算代替平均运算。例如，典型心博数据的计算可以根据逐个样本平均，模式，加权平均(利用加权系数)，修整平均(即，除去一组过大值或过小值之后计算平均值或中值)，或中值。

在形成的典型心博数据作进一步评价之前，减少被评价的数据量是有利的。在此情况下，在方框146选取一段典型心博数据中的数据样本，用于代表所研究的ECG信息。在本发明的一个实际实施例中，选取每个可用导联的480ms段典型心博数据，从每个典型心博的QRS峰值之前的8ms标记开始。在选取段之外的数据不作进一步的处理和评价。在减少被评价的数据量时，应当理解，可以选取大于或小于480ms段的ECG数据。在ECG数据序列中，也可以把开始标记调整得早一些或晚一些。

在本发明的一个实际实施例中，虽然利用图9所示的过程产生典型心博数据，应当明白，可以利用其他许多已知的过程产生典型心博。例如，如果需要，可以利用Physio-Control Corporation of Redmond，Washington制造的LIFEPAK^11或LIFEPAK^12除纤颤器中所用的典型心博产生方法。

再回到图7，一旦在方框102中产生每个可用导联的典型心博数据，在方框104，缩减导联组装置10分析典型心博数据以查找典型心博的基准点。基准点是用于测量ECG波形的局部特征。

在方框104查找到基准点之后，缩减导联组装置10确定一组待评价的表示患者的急性心脏局部缺血症状的局部特征。例如，局部特征包括在方框106根据患者典型心博(例如，ST抬高，T波幅度，和QRS区测量)计算的局部形态测量。局部特征还可以包括诸如患者年龄和性别的临床信息，在方框108由缩减导联组装置10用户输入到该装置中。对于性别信息，可以用“1”代表男性，和用“0”代表女性。若在此时没有输入临床信息，则可以使用缺省值。虽然，诸如年龄和性别的信息可能有助于提高检测急性心脏局部缺血的分类准确性，但是，本发明的急性心脏局部缺血检测过程66a可以在没有这个信息的条件下完成。

如此得到的局部形态测量和患者临床信息(即，局部特征)输入到方框110中的分类器，确定该局部特征是否表示急性心脏局部缺血症状。在方框112，把分类器所作的确定报告给缩减导联组装置10的用户。

方框110中的分类器可以是启发式分类器(基于专家系统)或统计分类器。启发式分类器模仿专家(即，心脏病学专家)所用的过程评价ECG和报告初步的确定。启发式分类器利用程序规则把局部特征与专家确定的阈值进行比较，并确定是否了发生急性心脏局部缺血事件。程序规则作为处理参数67存储在图6所示的存储器64中。关于如何构造合适的启发式分类器用于本发明这个方面的详细描述，请参阅William & Wilkins，Baltimore出版的G.Wagner：“Marriott′sPractical Electrophysiology”，9th Ed.(1994)，合并在此供参考。

与依靠专家确定规则的启发式分类器进行对比，统计分类器在训练阶段发展它自己的分类规则。统计分类器可以利用，例如，多元回归方法，k最近相邻过程，鉴别分析，以及中性网方法。利用从典型训练人群得出的局部特征，统计分类器被训练成把局部特征中的特定模式与有关的临床结果相联系。例如，利用从局部缺血训练人群和非局部缺血训练人群导出的数据训练这种统计分类器以识别与急性心脏局部缺血相联系的局部特征模式。统计分类器的输出是分类统计，它与数字阈值比较以得出最后的判定，例如，是否存在急性心脏局部缺血。例如，产生一个小于数字阈值“t”输出的分类器可以把该局部特征分类成属于局部缺血类；而产生一个大于数字阈值“t”输出的分类器可以把该局部特征分类成属于非局部缺血类。关于适用于评价局部特征的统计分类器的详细描述，包括可以确定阈值方法的描述，请参阅John Wiley & Sons，New York出版的R.Duda和P.Hart：“PatternClassification and Scene Analysis”(1973)，合并在此供参考。

一种适用于本发明的统计分类器涉及把从患者导出的局部特征组与对应的平均局部特征进行比较，平均局部特征是在以上训练阶段从训练的患者人群中导出的。图10A表示一组局部特征的例子，其中利用小圆点表示数字值。图10A中的一组局部特征包括缩减导联组中每个可用导联(例如，导联I，II，和V3)的ST抬高测量。该组局部特征还包括每个导联的QRS区测量以及患者的年龄和性别信息。

为了理解用于分类局部特征的统计分类器，首先需要理解用于训练分类器的训练阶段。为了便于此处的讨论，把训练的患者人群中已知有急性心脏局部缺血的患者称之为局部缺血训练患者或局部缺血训练人群。类似地，把训练的患者人群中已知没有急性心脏局部缺血的患者称之为非局部缺血训练患者或非局部缺血训练人群。

参照图11，在训练阶段，在方框150从每个局部缺血和非局部缺血训练患者得到一组局部矢量。对于每个训练患者，在方框152串接局部特征以形成各个局部特征矢量f。图10B表示特征矢量f的一个例子。在方框154，通过计算各自训练人群中患者的所有各个局部特征矢量 f的逐个特征平均，分别计算局部缺血和非局部缺血训练人群的平均特征矢量 m _isc和 m _non。在从患者得到8个局部特征的一组配置中，如图10A所示，串接的特征矢量 f(图10B)，和平均特征矢量 m _isc和m _non都包含8个值。

在方框156，还分别计算局部缺血和非局部缺血人群的协方差矩阵C_isc和C_non。一般地说，协方差矩阵C包括相对于该人群的计算平均特征矢量 m的各自训练人群特征矢量f的统计协方差。N个患者人群的协方差矩阵C的计算如下所示：

$C=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\left(({\underset{\‾}{f}}_i-\underset{\‾}{m}){({\underset{\‾}{f}}_i-\underset{\‾}{m})}^T\right)---\left(1\right)$

公式(1)产生的协方差矩阵C_isc和C_non提供一种指示，局部缺血训练患者和非局部缺血训练患者的局部特征与各自人群的计算平均局部特征之间分散得多大。在方框158，把如此计算出的平均特征矢量m _isc和 m _non以及协方差矩阵C_isc和C_non作为预处理参数67存储在存储器64(图6)中，用于以后分类当前患者的局部特征。

按照以下的通用公式，相对于平均特征矢量 m _isc和 m _non以及协方差矩阵C_isc和C_non，方框110中的统计分类器(图7)评价当前患者的局部特征矢量 f：

$d=\sqrt{{(\underset{\‾}{f}-\underset{\‾}{m})}^T{C}^{-1}(\underset{\‾}{f}-\underset{\‾}{m})}---\left(2\right)$

根据公式(2)计算的量d_isc反映局部缺血人群中当前患者的局部特征矢量f与局部缺血人群协方差矩阵C_isc加权的平均局部特征矢量m _isc之间的距离。类似地，量d_non反映非局部缺血人群中当前患者的局部特征矢量f与非局部缺血人群协方差矩阵C_non加权的平均局部特征矢量 m _non之间的距离。方框110中的统计分类器把量d_isc与量d_non进行比较，若d_isc小于d_non，则检测到急性心脏局部缺血症状并报告此症状。应当理解，把患者的局部特征矢量f与平均局部特征矢量 m进行比较，可以计算其他的距离测量。

在公式(2)中，把协方差矩阵C倒置，所以，若矢量m中的平均局部特征有相应的高协方差，则患者相应的局部特征与平均局部特征的任何偏差没有低协方差平均局部特征情况时那样大的加权。因此，若患者的特定局部特征远远偏离有低协方差的相应平均局部特征，则通过给结果值较大的权重，可以对患者偏离该特征给予更多的注意。

为了此处的讨论，我们假设，若d_isc小于d_non，则方框110中的统计分类器利用报告检测到急性心脏局部缺血的距离测量。换句话说，若d_non＞d_isc，则报告检测到急性心脏局部缺血。根据上述可以知道，若d_non-d_isc＞0，则报告检测到急性心脏局部缺血。后一个不等式中左侧的计算量称之为分类统计。后一个不等式中右侧的值“0”是与分类统计进行比较的判定阈值。更具体地说，若d_non-d_isc＞t，其中“t”是判定阈值，则报告急性心脏局部缺血。如以下参照图21所讨论的，通过改变阈值“t”，可以调整缩减导联组装置10的灵敏度/专一性折衷。

作为另一种方案，或除了评价患者的局部形态测量和临床信息作为局部特征以外，可以计算从局部形态测量和临床信息导出的一个或多个复合局部特征并输入到方框110中的分类器。在本发明的一个实际实施例中，利用两种不同的过程计算复合局部特征。一种过程涉及利用逻辑回归公式产生是否存在急性心脏局部缺血的初步预报。逻辑回归公式是按照以下公式定义的逻辑回归模型在以上训练阶段导出的：

$\log \left(\frac{p}{1-p}\right)=a_0+\underset{i=1}{\overset{K}{\mathrm{\Σ}}}{a}_i{x}_i---\left(3\right)$

在公式(3)中，“p”表示检测到急性心脏局部缺血的概率，a₀是计算常数，a_i表示计算的第i个回归系数，而x_i表示第i个解释性变量(在此情况下，患者的局部特征)。在训练阶段，检测到急性心脏局部缺血的概率是已知的(即，局部缺血训练人群的局部缺血概率为1，而非局部缺血训练人群的局部缺血概率为0)。利用已知的概率信息和各自训练人群中患者的局部特征，按照公式(3)确定逻辑回归公式中的回归系数。回归系数作为预处理参数67存储在存储器64(图6)中，用于以后产生当前评价的患者中检测到急性心脏局部缺血的概率。

对于当前评价的患者，该患者的局部特征输入到上述训练阶段导出的逻辑回归公式。更具体地说，患者的局部特征按照公式(3)用导出的回归系数加权并进行组合以产生输出“p”。利用输出“p”(即，检测到急性心脏局部缺血的概率)作为复合局部特征，被方框110中的分类器给以分类。

或者，不是直接地输入复合局部特征到方框110中的分类器，首先把复合局部特征一分为二可能是有利的。例如，若复合局部特征大于预选的阈值，则给复合局部特征赋值为“1”(表示预报急性心脏局部缺血)。若复合局部特征不大于预选的阈值，则给它赋值为“0”(表示预报非局部缺血)。基于训练阶段在训练人群中观察到的预报模式，选择把复合局部特征一分为二的阈值。然后，把一分为二的复合局部特征输入到方框110中的分类器。关于合适逻辑回归模型的更详细描述。请参阅D.Hosmer和S.Lemeshow：“Applied LogisticRegression”(1989)，John Wiley & Sons，New York，合并在此供参考。

建立复合局部特征的另一种过程涉及计算Mahalanobis距离。Mahalanobis距离是按照公式(2)计算的，它测量患者的局部特征组与从训练人群导出的典型局部特征组之间的距离。利用局部缺血和/或非局部缺血训练人群的典型局部特征计算的Mahalanobis距离d_isc和/或d_non可以作为复合局部特征提供给方框110中的分类器。多于一个复合局部特征可以提供给方框110中的分类器，包括逻辑回归导出的一分为二复合局部特征和通过计算Mahalanobis距离导出的复合局部特征。

以上结合图7-11的讨论描述本发明的一个方面，其中对从缩减导联组导出的局部特征进行分类。在本发明的另一个方面，缩减导联组装置10可以完成整体分类评价。从以下的讨论中可以更好地明白，整体分类评价涉及串接根据缩减导联组计算的典型心博数据，从串接的典型心博数据中提取整体特征，和确定该整体特征是否表示急性心脏局部缺血。更具体地说，整体分类评价在数学方法上涉及把串接的典型心博数据矢量投影到定义急性心脏局部缺血ECG子空间的预定基矢量上和定义非局部缺血ECG子空间的预定基矢量上。得到的投影系数是整体特征，对该整体特征进行分类，以确定是否检测到出现急性心脏局部缺血症状。

利用整体特征的急性心脏局部缺血检测

图12是流程图，说明按照本发明形成另一种方案的急性心脏局部缺血检测过程66b，其中导出和分类整体特征以确定急性心脏局部缺血的存在。在参照图7-9上述的方法中，在方框160，缩减导联组装置10获取约10秒钟放大和滤波后的ECG数据。然后在方框162，缩减导联组装置10产生每个可用导联的典型心博数据。

虽然每个导联的典型心博数据可以缩减到480ms段数据，如在以上参照图9的方框146所描述的，再一次请注意，可以利用任何的长度段(最好至少包括ECG的QRST部分)。然而，从以下的讨论中可以更好地明白，必须在训练阶段之前设定典型心博中固定的样本数目，用于完成以后本发明的整体分类评价。在训练阶段导出和以后用于整体分类评价的基矢量长度取决于每个典型心博中的数据样本数目和缩减导联组中的可用导联数目。

作为基础，在讨论图12方框164-176中描述的整体分类评价之前，我们讨论一些有关整体分类评价的概念。在此讨论之后，描述导出基矢量所需的训练阶段。

图12中所示整体分类评价的一个概念是，可以把一系列数目看成是定义多维信号空间中一个点的矢量系数。在本发明的情况下，这意味着可以把患者典型心博中一系列ECG数据点看成是定义多维ECG信号空间中一个点的矢量系数。ECG信号空间中的维数是由受评价的患者典型心博数据中的数据点数目确定的。类似地，按照本发明从患者ECG导出的一系列整体特征可以看成是定义多维特征空间中一个点的矢量系数。特征空间中的维数是由从患者ECG导出的整体特征数目确定的。应当明白，ECG信号空间和以上讨论的特征空间是完全不同的概念空间，虽然有关部本发明的这个方面，这两种空间之间的关系是以下参照图12的方框170和172中所描述的投影操作关系。

从局部缺血训练人群中患者ECG数据导出的各个整体特征组可以画成定义特征空间“局部缺血”区中各个点。类似地，从非局部缺血训练人群中患者ECG数据导出的各个整体特征组可以画成定义特征空间“非局部缺血”区中各个点。按照本发明，从当前评价的患者ECG数据导出的一组整体特征定义特征空间中的一个点，若这个点更接近于局部缺血区而不是非局部缺血区，则缩减导联组装置10报告检测到急性心脏局部缺血。用于检测急性心脏局部缺血的“接近度”阈值是可调整的，因此，提供具有一种可调整的灵敏度/专一性折衷的缩减导联组装置10，如以下要更详细地所讨论的。

在ECG信号空间(如上所述，它不同于特征空间)内，把从局部缺血训练患者得到的ECG数据看成是定义局部缺血ECG子空间。类似地，把从非局部缺血训练患者得到的ECG数据看成是定义非局部缺血ECG子空间。局部缺血ECG子空间和非局部缺血ECG子空间可以简明地利用在训练阶段导出的数学基矢量作为特征。这些基矢量作为预处理参数67存储在装置10的存储器64中。如以下要更详细地讨论的，在图12的方框170和172，利用这些基矢量导出当前评价患者的投影系数(即，整体特征)。

在导出表示每个局部缺血和非局部缺血ECG子空间的一组基矢量之前，按照所选的特性把局部缺血和非局部缺血训练人群分成较小的基群，可以提高这种表示的质量。从基群中训练患者的ECG数据导出每个基群的(局部缺血和非局部缺血)基矢量组。然而，把训练人群分成各个基群不是必需的。

在本发明的一个实施例中，按照局部缺血症状的位置(例如，前面，下面，和其他)训练人群被划分成多个基群。用于划分训练人群的所选特性是具有最大ST抬高的导联标识。例如，在本发明的一个实际实施例中，分析导联I，II，和V3(即，可用的导联)的典型心博以确定哪个导联有最大的ST抬高。若导联I的典型心博有最大的ST抬高，则该患者的ECG分类为“其他”；若导联II的典型心博有最大的ST抬高，则该患者的ECG分类为“下面”；若导联V3的典型心博有最大的ST抬高，则该患者的ECG分类为“前面”。

应当理解，可以按照其他所选的特性确定另一些基群。例如，可以利用不同于ST抬高的局部特征(例如，T波幅度，QRS区测量，等等)和患者临床信息(例如，年龄，性别，等等)把训练人群划分成多个基群。或者，可以首先分类所选局部特征以产生初步的局部缺血确定，利用它作为基础划分训练人群。以上参照图7-11已描述了适合于产生初步局部缺血确定的局部特征和分类方法。还应当理解，可以把每个训练人群作为整体导出其基矢量，而不必把训练人群划分成多个基群。

对于每个基群(若不划分成多个基群，则对于作为整体的每个训练人群)中的局部缺血和非局部缺血训练患者组，导出一组基矢量。图13更详细地说明导出基矢量的过程。在图13的方框180，从局部缺血和非局部缺血训练人群中的每个患者获取ECG数据。利用普通的12导联ECG装置或诸如图2-6所示的缩减导联组装置10可以获取ECG数据，其方法是以上参照图8所描述的。从每个训练患者获取ECG数据之后，在方框182根据ECG数据产生典型的心博数据，其方法是以上参照图9所描述的。更具体地说，对于训练人群中的每个患者，根据缩减导联组(例如，导联I，II，和V3)上收集的ECG数据，产生典型的心博数据。图15中大致画出这些导联，其中多个小圆点表示形成典型心博数据的一系列数。

为了便于讨论我们假设，训练人群按照急性心脏局部缺血的位置被划分成多各个基群，在方框184，训练人群中每个患者的ECG按照计算的每个患者ST抬高量分类成基群。其次，在方框186，串接给每个基群中每个患者产生的典型心博数据以形成典型心博矢量“ x”。串接的典型心博矢量“ x”包括：例如，导联I的典型心博数据，紧接着的是导联II和导联III的典型心博数据。图16中大致画出典型的心博矢量“ x”，其中所示各个导联数据之间的竖直长划线分隔仅仅是便于说明。应当明白，本发明的另一些实施例可以利用不同于图15和16的导联组合。

在缩减导联组装置10的一个实施例中，其中以每秒500个数据样本的抽样速率获取3个导联的ECG数据，且利用每个典型心博480ms段数据，每个导联(例如，图15所示的导联)包含240个心博数据样本，因此产生的串接典型心博矢量 x(如图16所示)有720个心博数据样本。对于各自训练人群中的每个患者，得到串接的典型心博矢量x。

对于每个基群中每个局部缺血和非局部缺血组患者，在图13的方框188，把患者的串接典型心博矢量 x组合在一起，利用以下的通用公式计算相关矩阵R_isc和R_non：

$R=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\left({\underset{\‾}{x}}_i{{\underset{\‾}{x}}_i}^T\right)---\left(4\right)$

公式(4)中产生矩阵R中的各个值是按照患者“N”中患者总数归一化的，其中利用其串接的心博矢量。因此，利用公式(4)，计算每个基群中局部缺血患者的相关矩阵R_isc和计算每个基群中非局部缺血患者的相关矩阵R_non。

对于每个相关矩阵(不管训练人群是否划分成多个基群)，在方框190进行Karhunen-Loeve(KL)变换以识别满足以下通用公式的矩阵∨和矩阵∧：

              R＝∨∧∨T                         (5)

矩阵∨和矩阵∧分别表示在图17A和17B中。矩阵∨的各列是互相正交的基矢量，这些基矢量集体地定义公式(4)中所用串接矢量 x的ECG子空间以形成相关矩阵R。图17B中的矩阵∧是这样的一个矩阵，其对角元是由对应于相关矩阵R的本征值组成并沿对角元方向从最大值到最小值排列。类似地，基矢量(即，矩阵∨中的各列)对应于相关矩阵R本征值的本征矢量。若串接的心博矢量 x各有720个样本，则矩阵∨和矩阵∧以及相关矩阵R的阶数是720×720。

因为矩阵∧中的本征值是沿对角元方向从最大值到最小值排列，对应于较大本征值的矩阵∨中最初几列从信号合成观点考虑比对应于较小本征值的矩阵∨中最后几列更为重要。在图13的方框192中，选取一组基矢量，例如，图17A中标记为BF1，BF2，BF3，…，BF10的矩阵∨中前10列，作为预处理参数用于以后计算当前患者的整体特征。虽然子空间表示误差在理论上随包含附加的基矢量而减小，至今为止的经验说明，利用多于10个基矢量不会显著地提高本发明中的分类性能。此外，对应于较小本征值的基矢量(即，矩阵∨中最后几列)更容易受噪声的影响，在方框192中没有选取这些基矢量。

应当理解，可以从矩阵∨中选取其他的各列集合或基矢量。例如，不选取矩阵∨中的前10列，可以选取包括第一，第三，第五，和第七列的一组基矢量。也可以在前10列之外选取基矢量。可以根据经验确定每个基群中局部缺血和非局部缺血训练患者的最佳一组基矢量。

若训练人群不划分成多个基群，则可以利用一对基矢量组(即，一个局部缺血基矢量组和一个非局部缺血基矢量组)代表整体的局部缺血人群的ECG子空间和非局部缺血人群的ECG子空间。然后在方框194，把作为预处理参数67的所选矢量存储在存储器64(图6)中，用于以后根据受评价患者的ECG导出整体特征。

现在回到图12，给出确定数目的基群和与每个基群相关的一对局部缺血和非局部缺血基矢量组，在方框164，把当前评价患者的ECG按照具有最大ST抬高的导联分类成有关的基群，如以上对于训练人群所描述的。一旦患者的ECG被分类成特定的基群，在方框166，根据存储器64中的预处理参数67，选取与该基群相关的那对基矢量组，用于评价患者的ECG。然后在方框168，串接每个可用导联的患者典型心博数据以形成串接的心博矢量“ x”，其方法如同以上对于训练人群中的患者所描述的。其次，在方框170和172，把患者的串接心博矢量 x用数学方法投影到方框166所选取的基矢量上。广义地说，投影操作(以下详细地描述)产生若干个用作患者ECG整体特征的投影系数。从患者ECG提取的整体特征数目相当于投影操作中所用的基矢量数目。

更具体地说，投影操作涉及在方框170把患者的串接心博矢量 x投影到定义急性心脏局部缺血ECG子空间的基矢量上，该操作是计算矢量 x与每个局部缺血基矢量的内积。还在方框172把患者的串接心博矢量 x投影到定义对应非局部缺血ECG子空间的基矢量上，该操作是计算矢量 x与每个非局部缺血基矢量的内积。例如，若利用10个基矢量表示每个局部缺血ECG子空间和非局部缺血ECG子空间，则投影操作导致总数为20个作为整体特征的标量投影系数，如在图18A中大致描述的。在图12的方框170和172中，一旦患者的串接心博矢量 x投影到局部缺血基矢量和非局部缺血基矢量上(即，一旦计算了整体特征)，在方框174，把整体特征串接成单个整体特征矢量“ f”，如在图18B中所描述的。

其次，在方框176，把从当前患者ECG数据导出的整体特征进行分类，以确定是否检测到急性心脏局部缺血。相对于以前在训练阶段从局部缺血和非局部缺血训练人群中患者导出的典型整体特征，方框176中的分类器评价当前患者的整体特征。在本发明的一个实际实施例中，利用高斯分类器把当前患者的整体特征与一组平均整体特征进行比较，该组平均整体特征是用以前从训练人群导出的协方差归一化的。若当前患者的整体特征“更接近”局部缺血人群而不是非局部缺血人群的归一化平均整体特征(因此，从图解的观点考虑，确定的点“更接近”特征空间的局部缺血区而不是非局部缺血区)，则产生急性心脏局部缺血的报告。

如同以上参照图7方框110讨论的统计分类器，方框176中的分类器是在以上训练阶段被训练的。在训练阶段(例如，导出局部缺血和非局部缺血基矢量的训练阶段)，对于每组局部缺血训练患者和非局部缺血训练患者，计算平均整体特征矢量“ m”和协方差矩阵“C”。换句话说，计算每个基群的矢量“ m _isc”和矩阵C_isc以及矢量“ m _non”和矩阵C_non，其方法如同以上参照图11的方框154和156所描述的。利用平均整体特征矢量 m _isc和 m _non以及协方差矩阵C_isc和C_non，对当前患者的整体特征进行分类。图14中更详细地描述在训练这种分类器的训练阶段所完成的预处理操作。

在图14的方框200和202，利用导出的该基群的基矢量，计算每个训练患者基群中每个患者的整体特征。在此情况下，利用内积计算操作，把方框186(图13)中产生的每个训练患者的串接典型心博矢量x用数学方法投影到训练患者基群的局部缺血和非局部缺血基矢量上。其次，在方框204，把形成的每个训练患者的局部缺血和非局部缺血基矢量串接成整体特征矢量 f。

然后在方框206，通过计算每个基群中从各自局部缺血和非局部缺血患者产生的串接整体特征矢量 f的逐个特征平均，计算每个基群的平均特征矢量 m _isc和 m _non。利用以上的公式(1)，在方框208计算每个基群中各自的局部缺血和非局部缺血训练患者组的协方差矩阵C_isc和C_non。如上所述，协方差矩阵C提供这样一种表示，训练患者组的整体特征与相同患者组的计算平均整体特征之间分散得多大。在方框210，平均特征矢量 m和协方差矩阵C作为预处理参数67存储在存储器64中(图6)，用于以后分类当前患者的整体特征。

回到图12，按照本发明的一个实施方案，相对于按照以上公式(2)的平均整体特征矢量 m _isc和 m _non以及协方差矩阵C_isc和C_non，方框176中的高斯分类器评价当前患者的整体特征矢量 f。具体地说，公式(2)产生的量d_isc反映患者的整体特征矢量f与以急性心脏局部缺血ECG子空间的协方差矩阵C_isc加权的平均整体特征矢量 m _isc之间的距离。类似地，量d_non反映患者的整体特征矢量f与以非局部缺血ECG子空间的协方差矩阵C_non加权的平均整体特征矢量 m _non之间的距离。然后，方框176中的高斯分类器把量d_isc与量d_non进行比较；例如，若d_isc小于d_non，则检测到急性心脏局部缺血症状并报告此症状。更一般地说，若d_non-d_isc＞t，其中“t”是判定阈值，则报告急性心脏局部缺血。如以下所讨论的，通过改变阈值“t”，可以调整装置10的灵敏度和专一性。此外，虽然以上描述了高斯分类器，应当理解，可以利用其他的统计分类器评价患者的整体特征。为了描述适用于本发明的其他统计分类器，请参阅以上提到的R.Duda和P.Hart：“Pattern Classificationand Scene Analysis”(1973)。

在方框178，把方框176中分类器所作的评价结果报告给该装置的用户。作为本发明的另一个方面，若训练人群按照局部缺血位置被划分成多个基群，则基于分类患者ECG的基群，报告的结果还可以识别局部缺血症状的位置(若检测到急性心脏局部缺血)。知道检测的局部缺血症状是下面，前面，或其他位置，有助于护理人员治疗局部缺血症状。

虽然上述的急性心脏局部缺血检测过程66b涉及把患者的串接心博矢量x投影到共同定义急性心脏局部缺血ECG子空间和非局部缺血ECG子空间的基矢量上，但是应当明白，患者的串接心博矢量x也可以投影到仅仅定义急性心脏局部缺血ECG子空间的一个或多个基矢量上，即，没有投影到定义非局部缺血ECG子空间的任何基矢量上。在此情况下，仅仅产生和分类“局部缺血”投影系数(即，局部缺血整体特征)。

仅仅分类局部缺血整体特征的分类器在结构上不必与以上参照方框176所描述的分类局部缺血和非局部缺血整体特征的分类器有任何的不同。唯一的差别是分类中所用的整体特征数目以及分类器的训练是在训练阶段之前完成的。

在训练阶段，定义急性心脏局部缺血ECG子空间的基矢量是从局部缺血训练人群中导出的，如在以上参照图13所描述的。于是，对于局部缺血和非局部缺血训练人群中的每个训练患者，利用上述参照图14方框200所描述方法导出的局部缺血基矢量，计算局部缺血整体特征。把每个患者(局部缺血和非局部缺血)的局部缺血整体特征串接成整体特征矢量 f，如以上参照方框204所描述的。

然后，参照方框206和208所描述的方法，计算平均特征矢量 m _isc和 m _non以及协方差矩阵C_isc和C_non。矢量 m _isc和 m _non以及矩阵C_isc和C_non作为预处理参数67存储在存储器64中，用于以后分类当前患者的局部缺血整体特征，其方法如同参照方框176所描述的。

或者，患者的串接典型心博矢量 x可以投影到仅仅定义非局部缺血ECG子空间的一个或多个基矢量上，即，没有投影到定义急性心脏局部缺血ECG子空间的任何基矢量上。在此情况下，仅仅产生和分类“非局部缺血”投影系数(即，非局部缺血整体特征)。利用以上讨论训练分类器的相同过程，不同的是，利用定义非局部缺血ECG子空间的基矢量而不是局部缺血基矢量。此外，如上所述，若训练人群按照局部缺血症状位置划分成多个基群，则报告的结果(若检测到局部缺血)还有助于识别局部缺血症状的位置。

利用局部特征和整体特征的急性心脏局部缺血检测

图19是流程图，说明按照本发明形成另一种方案的急性心脏局部缺血检测过程66c。在这种方案中，缩减导联组装置10确定和分类局部特征和整体特征，用于检测和报告存在急性心脏局部缺血。如同以上参照图7和12所描述的方法，在方框220，缩减导联组装置10获取约10秒钟放大和滤波后的ECG数据。在方框224，缩减导联组装置10产生缩减导联组中每个可用导联的典型心博数据。按照并行或串行的方式，缩减导联组装置10在方框228，230和232计算整体特征以及在方框236和238计算局部特征。

对于局部特征，在方框236，根据缩减导联组上产生的典型心博数据计算所选的局部形态测量。也可以在方框238得到临床信息，例如，患者的年龄和性别，把它包括在局部特征内。把局部特征串接成局部特征矢量，输入到方框240中的局部特征分类器，用于计算局部分类统计。以上参照图7的方框110已描述过这种合适的分类器。然后，此时不把局部分类统计与判定阈值进行比较，而是提供给方框242中的组合器。

也可以计算一个或多个复合局部特征并输入到方框240中的局部特征分类器，在此情况下，复合局部特征包括利用以上参照公式(3)的逻辑回归对急性心脏局部缺血的初步预测。若训练人群被划分成上述的基群(例如，前面，下面，和其他)，则导出每个基群的逻辑回归公式。利用导联I的ECG特征(对“前面”急性心脏局部缺血事件敏感)导出“前面”逻辑回归公式的回归系数。类似地，利用导联II和III的ECG特征(分别对“下面”和“其他”位置的急性心脏局部缺血事件敏感)导出“下面”和“其他”逻辑回归公式。导出每个基群的回归系数作为预处理参数67存储在存储器64(图6)中，用于以后计算当前评价的患者中检测到急性心脏局部缺血的概率。在评价当前患者时，计算每个基群的检测到急性心脏局部缺血(即，复合局部特征)的概率。因此，在此情况下，计算当前患者的“前面”复合局部特征，和“下面”复合局部特征，和“其他”复合局部特征，并输入到方框240中的局部特征分类器。

可以计算另一种复合局部特征并输入到方框240中的局部特征分类器，它是按照公式(2)计算的Mahalanobis距离。在ECG被分类成多个基群(例如，“前面”，“下面”和“其他”)的本发明实施方案中，可以计算“前面”，“下面”和“其他”基群中每个基群的Mahalanobis距离。利用最近相邻方法，按照最接近的计算距离把患者的局部特征识别为某个基群(或“前面”，“下面”，“其他”，或非局部缺血)。这种基群识别作为复合局部特征提供给方框240中的局部特征分类器。最好是，局部特征分类器接收不止一个复合局部特征，包括根据逻辑回归导出的一个或多个复合局部特征和根据计算Mahalanobis距离导出的一个或多个复合局部特征。所选的复合局部特征在输入到局部特征分类器之前也可以一分为二。方框240中的局部特征分类器产生局部分类统计，提供给方框242中的组合器，与整体分类统计组合进行评价，如以下所讨论的。

对于整体特征，在方框228缩减导联组装置10把患者的ECG分类成基群(即，“前面”，“下面”或“其他”)，并选取属于该群的一对基矢量。在方框230，串接患者的典型心博数据以形成串接的心博矢量；在方框232，把串接的心博矢量投影到所选的基矢量上。形成的投影系数，或整体特征，输入到方框234中的整体特征分类器。以上参照图12的方框276描述过这种合适的分类器。此时，不把从整体特征分类器得到的整体分类统计与判定阈值进行比较，而是提供给方框242中的组合器。

方框242中的组合器是接收来自局部和整体特征分类器(分别在方框240和234)的分类统计。该组合器最好是利用简单统计模型的统计分类器，例如，线性鉴别分类器或逻辑鉴别分类器。该组合器评价局部和整体分类统计以产生与判定阈值“t”进行比较的组合分类统计。若组合分类统计大于阈值“t”，则把局部和整体分类统计分类成属于有急性心脏局部缺血的患者类。另一方面，若组合分类统计小于阈值“t”，则把局部和整体分类统计分类成属于非局部缺血的患者类。制造适用于方框242中组合器的合适分类器细节在以上参照的R.Duda和P.Hart：“Pattern Classification and Scene Analysis”一书中讨论。在方框244，组合器所作的分类结果(即，不管局部特征和整体特征是否表示急性心脏局部缺血)报告给用户。

图20说明评价局部特征和整体特征的急性心脏局部缺血检测过程66d的另一种方案。在图20中，在方框246利用单个分类器替代参照图19描述分开的局部和整体特征分类器(分别在方框240和232)和组合器(方框242)。方框246中的单个分类器接收方框232中计算的整体特征和方框232中计算的局部特征作为被联合分类的特征。临床信息，例如，患者的年龄和性别，也可以输入到方框246中的分类器作为附加的局部特征(虽然在图20中没有画出)。或者，除了以上讨论的局部特征以外，还可以计算复合局部特征，并与整体特征一起提供给方框246中的分类器。

方框246中的单个分类器可以是统计分类器，具有类似于上述分类器的形式。例如，利用从局部缺血和非局部缺血训练人群中的患者导出对应的局部特征组和整体特征组，该分类器可以是以前在训练阶段训练的高斯分类器。当前患者的局部特征和整体特征被串接成单个局部/整体特征矢量。然后，相对于从局部缺血和非局部缺血人群导出计算的典型局部/整体特征矢量，方框246中的分类器评价患者的组合局部/整体特征矢量以产生局部/整体分类统计。然后，把局部/整体分类统计与判定阈值进行比较，以确定是否存在急性心脏局部缺血症状。可以利用逻辑回归分类器评价组合的局部/整体特征组。需要知道逻辑回归分类器的细节，请阅读以上参照的D.Hosmer和S.Lemeshow：“Applied Logistic Regression(1989)。与方框246中分类器评价的结果有关，在方框244中产生急性心脏局部缺血的检测报告。

应当明白，分类器通常是作为计算机软件程序实现的。参照图6，处理单元62执行的分类器构成部分的计算机程序，该程序实现急性心脏局部缺血检测过程66的功能。或者，处理单元62执行的分类器可以包括分开的软件程序，它是由分开的处理器或与处理单元62通信的电路实现的。

灵敏度/专一性的调整

识别和正确地确定急性心脏局部缺血事件的能力是由缩减导联组装置10的灵敏度和专一性指出的。典型的灵敏度/专一性折衷是用图21所示接收机工作特性(ROC)曲线248所表示。图21中的纵坐标代表灵敏度，或检测真阳性分数；而横坐标代表量“1-专一性”，或检测假阳性分数。两个轴上的值用百分比表示。因此，如图21所示，调整到分析较灵敏的缩减导联组装置10通常是较不专一；而调整到较专一的缩减导联组装置10通常是较不灵敏。若缩减导联组装置10能够正确地确定所有的情况，则其分析具有的专一性为1和灵敏度为1。在本发明中，通过改变与(以上描述的)计算分类统计比较的判定阈值“t”，可以调整缩减导联组装置10在其ROC曲线上的工作点。

在本发明的一个实施例中，分类器阈值，以及缩减导联组装置10的灵敏度/专一性工作点，是在实现急性心脏局部缺血检测过程66的软件制造时被设定的。或者，可以根据购买者的需要，在缩减导联组装置的销售点调整阈值，这是通过调整软件中的合适变量或设置软件所读的内部拨号或开关实现的。缩减导联组装置10也可以配置成接收用户输入(例如，外部拨号，开关，或键盘输入)，有选择地调整软件所利用的阈值，如此调整了该装置的灵敏度/专一性工作点。此外，缩减导联组装置10可以检测连接到该装置的电极数目，并根据与连接电极数目有关的预定计划(例如，当连接较少电极时，就在较高灵敏度下工作)自动地调整灵敏度/专一性工作点。

图23是流程图，说明缩减导联组装置10根据连接到该装置的电极数目自动地调整它的工作点过程。在方框250启动急性心脏局部缺血检测过程66之后，在方框252，缩减导联组装置10检测它的配置，以确定所进行的急性心脏局部缺血检测过程设定在高灵敏度模式或高专一性模式。若装置设定在高灵敏度模式，则在方框254该装置利用专业人员熟知的脱线检测电路以确定连接到装置的电极数目。例如，若缩减导联组装置10确定连接了5个电极，则在方框256该装置相应地调整它的工作点，以高灵敏度进行急性心脏局部缺血检测过程66。通过调整分类器中所用的判定阈值，缩减导联组装置10调整它的工作点，其中分类器确定是否检测到急性心脏局部缺血。若缩减导联组装置检测到的电极数大于5个，则在方框258该装置调整它的工作点，以高专一性实现急性心脏局部缺血检测过程66。

回到方框252，若缩减导联组装置10检测它的配置并发现它的初始设定为高专一性，则在方框258相应地调整该装置的工作点。在任何情况下，在方框256调整工作点到高灵敏度设定或在方框258调整工作点到高专一性设定以后，在方框260缩减导联组装置10着手实现急性心脏局部缺血检测过程。应当明白，图22中所示的流程图仅仅代表本发明急性心脏局部缺血检测过程的初始部分。

本发明的另一个方面表示在图23的流程图中。在本发明的这个方面，在用户连接附加电极到装置以后，缩减导联组装置10调整它的工作点到高专一性设定。特别是，在方框270中假设，缩减导联组装置10在患者身上实施的急性心脏局部缺血检测过程66至少已完成了一次，且该装置设定在高灵敏度。在图23中还假设，5个电极连接到完成以上局部缺血检测过程的缩减导联组装置10。在方框272，缩减导联组装置10检查以上局部缺血检测过程的结果，确认是否检测到急性心脏局部缺血症状。若没有检测到这种症状，则在方框276该装置继续显示以上局部缺血检测过程的结果。

另一方面，若在以上局部缺血检测过程中检测到急性心脏局部缺血症状，则在方框274缩减导联组装置10忠告用户连接附加的电极和再一次实现检测过程。在此情况下，可以利用用户显示的图像和音响报警。例如，若在以上局部缺血检测过程中使用图3中的电极配置，则缩减导联组装置10可以忠告用户连接附加的心前区电极，如图4所示。在方框278，缩减导联组装置10等待用户连接附加的电极和放置这些电极在患者的皮肤上。然后，用户重新启动检测过程，例如，按下该装置上的ANALYZE按钮。

在方框280，缩减导联组装置10利用脱线检测电路确定连接到该装置的电极数目。例如，若缩减导联组装置检测到仅仅5个电极，因此表示用户没有连接附加的电极，则缩减导联组装置在方框276返回到显示以上局部缺血检测过程的结果。然后，该装置可以回到方框274和提示用户再连接附加的电极和实现另一次检测过程。在方框286，缩减导联组装置10也可以允许该用户启动用户输入，用于超越这个过程并迫使缩减导联组装置在没有添加电极情况下实现新的局部缺血检测过程。

若在方框280缩减导联组装置10检测到附加的电极，则在方框282该装置调整它的工作点到高专一性。在方框284，该装置随后获取新的ECG数据和实现急性心脏局部缺血检测过程，如上所述，这是通过计算和分类局部特征和/或整体特征完成的。有了增多数目的电极，缩减导联组装置10可以在较多数目的导联上选择和评价ECG数据。利用完全12导联配置的正确局部缺血检测过程的详细描述是在共同申请的序列号No.09/209,879中，其标题为“Method and Apparatus forDetecting a Condition Associated with Acute Cardiac Ischemia”，合并在此供参考。在方框276显示重复的局部缺血检测过程的结果。可以预期，在高专一性模式下利用附加电极重复局部缺血检测过程可以确认以上的急性心脏局部缺血检测症状检测是否准确。在这种方式下，可以利用缩减导联组装置10作治疗判定以及筛选急性心脏局部缺血患者。

虽然我们已说明和描述了本发明的各个实施例，应当理解，在不偏离本发明精神和范围的条件下可以作多种变化。例如，不是串接每个缩减导联组上的典型心博数据和把串接的心博矢量投影到各个基矢量上，每个特定导联可以分别地投影到从特定导联导出的一组基矢量上，形成的投影系数用作整体特征。还应当明白，利用足够多专家评价整体特征，可以根据直观推理完成整体特征组的分类。此外，在报告是否检测到急性心脏局部缺血症状时，按照本发明构造的缩减导联组装置10可以报告急性心脏局部缺血的概率范围(例如，比率为1至10之间的急性心脏局部缺血可能性)，而不是报告二态之一的“是/否”结果。在此情况下，不是把分类统计与单个判定阈值进行比较(以产生二态之一的结果)，可以把分类统计量化成数值的范围，把该数值范围内的接近值报告给用户。给出了以上的说明，因此本发明的范围应当是由以下权利要求书及其相当的内容所规定。

Claims (12)

1.一种缩减导联组装置，用于检测和报告患者的急性心脏局部缺血症状，包括：

(a)检测患者ECG信号的缩减电极组，其中缩减电极组包含少于10个电极；

(b)与缩减电极组通信的处理单元，该处理单元被配置成：

(i)从ECG信号导出缩减导联数据组；

(ii)从该缩减导联数据组计算特征；和

(iii)对所述特征进行分类，以确定患者是具有急性心脏局部缺血症状还是非局部缺血症状；和

(c)与处理单元通信的用户输出，用于向该缩减导联组装置的用户直接报告患者的心脏的症状是否被确定为局部缺血。

2.按照权利要求1的缩减导联组装置，其中缩减导联组装置是用除纤颤器实现的，且缩减电极组包括除纤颤器电极。

3.按照权利要求1的缩减导联组装置，其中缩减电极组包含4个肢电极和1个心前区电极。

4.按照权利要求1的缩减导联组装置，其中所述处理单元进一步被配置成：

(a)在缩减导联数据组中计算局部形态特征测量以产生一组局部特征；和

(b)在由该处理单元分类的特征中包括该组局部特征。

5.按照权利要求1的缩减导联组装置，其中该处理单元被进一步配置成：

(a)从缩减导联数据组形成心博数据矢量；

(b)通过将该心博数据矢量投影到一个或多个预定的基矢量来产生一组整体特征，该基矢量用于定义急性心脏局部缺血ECG子空间或非局部缺血ECG子空间；和

(c)对整体特征进行分类以确定所述特征是否表示急性心脏局部缺血症状。

6.按照权利要求5的缩减导联组装置，其中该处理单元被配置成对整体特征进行分类以产生第一分类统计，且其中，该处理单元进一步被配置成：

(a)从患者获得一组局部特征；

(b)对该局部特征进行分类以产生第二分类统计；和

(c)对第一分类统计和第二分类统计进行分类以确定该第一分类统计和第二分类统计是否表示急性心脏局部缺血症状。

7.按照权利要求5的缩减导联组装置，其中该处理单元被进一步配置成从患者获得一组局部特征，以及联合地分类整体特征和局部特征以确定是否存在急性心脏局部缺血症状。

8.按照权利要求1的缩减导联组装置，其中该处理单元被进一步配置成：

(a)根据所测量的特征产生分类统计；和

(b)把分类统计与预定的阈值进行比较，以确定所述特征是否表示急性心脏局部缺血症状，该阈值反映缩减导联组装置所需的灵敏度/专一性工作点。

9.按照权利要求8的缩减导联组装置，还包括与处理单元通信的输入装置，用于允许缩减导联组装置的用户选择灵敏度/专一性工作点。

10.按照权利要求8的缩减导联组装置，其中所述处理单元被进一步配置成根据缩减电极组中的电极数目自动地调节灵敏度/专一性工作点。

11.按照权利要求8的缩减导联组装置，还包括用于检测ECG信号的附加电极，其中，所述处理单元被配置成：

(a)忠告缩减导联组装置的用户连接附加电极到该缩减导联组装置；和

(b)如果确定存在急性心脏局部缺血症状，则使用该附加电极获得并分类附加的ECG数据。

12.按照权利要求11的缩减导联组装置，其中该处理单元进一步被配置成检测附加电极到缩减导联组装置的连接，以及当附加电极连接到缩减导联组装置时自动地把灵敏度/专一性工作点调整到较高的专一性电平。

Images