+

WO2001080042A1 - Procede et dispositif de detection de la fibrillation auriculaire cardiaque par la methode des ondelettes - Google Patents

Procede et dispositif de detection de la fibrillation auriculaire cardiaque par la methode des ondelettes Download PDF

Info

Publication number
WO2001080042A1
WO2001080042A1 PCT/FR2001/001170 FR0101170W WO0180042A1 WO 2001080042 A1 WO2001080042 A1 WO 2001080042A1 FR 0101170 W FR0101170 W FR 0101170W WO 0180042 A1 WO0180042 A1 WO 0180042A1
Authority
WO
WIPO (PCT)
Prior art keywords
zones
signal
coefficients
atrial fibrillation
heart rate
Prior art date
Application number
PCT/FR2001/001170
Other languages
English (en)
Inventor
Anestis Antoniadis
Jean-Claude Barthelemy
Frédéric Costes
David Duverney
Jean-Michel Gaspoz
Jean-René Lacour
Vincent Pichot
Frédéric Roche
Original Assignee
Novacor
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Novacor filed Critical Novacor
Priority to AU54860/01A priority Critical patent/AU5486001A/en
Publication of WO2001080042A1 publication Critical patent/WO2001080042A1/fr

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
    • A61B5/024—Measuring pulse rate or heart rate
    • A61B5/02405—Determining heart rate variability
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/333—Recording apparatus specially adapted therefor
    • A61B5/335—Recording apparatus specially adapted therefor using integrated circuit memory devices
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A61B5/361—Detecting fibrillation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/04—Constructional details of apparatus
    • A61B2560/0475—Special features of memory means, e.g. removable memory cards
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/726—Details of waveform analysis characterised by using transforms using Wavelet transforms

Definitions

  • the invention relates to the field of analysis and interpretation of variations in rhythm occurring in a signal or a physical phenomenon which is initially regular, then which becomes irregular, and which can then become regular again.
  • AF atrial fibrillation
  • Atrial fibrillation is the most common rhythm disturbance encountered in cardio therapy.
  • RR interval the interval of time separating two maxima 2, 4 of QRS complexes from an electrocardiogram.
  • Cardiac supraventricular arrhythmias can lead to severe functional problems and be associated with high cardiovascular mortality.
  • the number of arrhythmias increases with age.
  • the Cardiovascular Health Study Collaboration Research Group showed, in an article by B.M. Psaty et al. entitled "Incidence of and risks factor for atrial fibrillation in older adults" published in Circulation,. 199 ', vol. 96, pages 2455-2461, at least one major electrocardiogram (ECG) abnormality in 29% of a group of 5150 subjects aged 65 years or more.
  • ECG electrocardiogram
  • the incidence of atrial fibrillation (AF) increased, between the groups aged 65-74 and 75-84, from 1.76 per 100 people per year to 4.27, respectively, for men, and from 1.01 to 2.16, respectively, for women.
  • the subject of the invention is a method for processing an RR interval signal from an electrocardiogram, this signal being prerecorded on a data storage medium or in storage means, comprising:
  • zones of sinus rhythm and atrial fibrillation (AF).
  • the detection of zones of high variability in heart rate can be carried out by projection or transformation of the RR signal in a base or a family of discrete wavelets, and calculation of the coefficients d. (K) giving the projection of the RR signal on each discreet wavelet function.
  • a step of filtering the thresholded coefficients can be provided to obtain homogeneous areas of high energy.
  • the variations of the RR signal allow a recalibration of the beginning and the end of the FA episodes.
  • the zones of high heart rate variability can be classified into RS and FA zones by calculating the fractal exponent of each of these zones and comparison with a threshold value Ho.
  • 0.5 ⁇ H 0 ⁇ 0.9 or 0.7 ⁇ Ho ⁇ 0.85 Preferably 0.5 ⁇ H 0 ⁇ 0.9 or 0.7 ⁇ Ho ⁇ 0.85. It is in these ranges that the sensitivity and specificity are the best.
  • the invention also relates to a device for analyzing digital signals of RR intervals of electrocardiograms, comprising:
  • the means for detecting zones of high variability in heart rate include means for projecting or transforming the RR signal into a base or a family of discrete wavelets, and calculating coefficients d. (K) giving the projection of the RR signal on each discrete wavelet function.
  • the means for classifying the zones of high variability into zones of sinus rhythm and zones of atrial fibrillation comprise means for calculating the fractal exponent of each of these zones and for comparing it with a threshold value Ho L '
  • the invention also relates to a system for determining the heart rate, comprising one or more recorders for recording electrocardiograms of patients, and a device according to the invention and as described above.
  • FIG. 1 represents part of an electrocardiogram, with two QRS signals,
  • FIG. 2 represents a Holter recording
  • FIGS. 3 and 4 represent steps of a method according to the invention
  • FIG. 5 represents steps for obtaining an RR signal from an ECG signal
  • FIG. 6 represents stages of detection of the zones of high variability of an RR signal
  • - Figure 7 represents wavelet decomposition levels of RR intervals of an atrial fibrillation episode
  • - Figure 8 represents the power spectral density of a signal of the type
  • FIG. 9 represents the power spectral density of an FA type signal
  • FIG. 10 represents a patient fitted with a "Holter” type measurement system
  • FIG. 11 represents a "Holter” type recorder
  • FIGS. 12 and 13 represent means for analyzing RR signals according to the invention
  • an RR signal has been obtained (steps 3-1 and 4-1 of FIGS. 3 and 4), for example from an electrocardiogram (ECG) supplied using a Holter device. standard.
  • ECG electrocardiogram
  • the invention also applies to the treatment of ECGs obtained over shorter periods.
  • a first step 3-2 (FIG. 3) the periods of interest are identified, by detection of the zones of high variability in the heart rate. Indeed, atrial fibrillation (AF) increases this variability.
  • AF atrial fibrillation
  • the discrete wavelet transform of a discrete signal is calculated by an algorithm based on quadrature mirror filters. Such filters are given in the work by A. Cohen, Wavelets and digital signal processing, Edition Masson, Paris, 1992.
  • a first decomposition is carried out, which gives a first level of detail (by high-pass filtering) then a first level of approximation (by low-pass filtering).
  • FIG. 7 represents several levels of the wavelet decomposition of the RR intervals of an AF episode.
  • the abscissa corresponds to the index k and the ordinate to the index j.
  • each line j gives the set of coefficients dj (k).
  • a high variability due to an episode of AF is identifiable.
  • the periods of high variability having been identified, they are separated into periods of RS and AF (steps 3-3 and 4-3 of Figures 3 and 4). Indeed, a great variability of similar amplitude can also be found in normal subjects, for example at night, in some young adults.
  • DSP normal sinus rhythm
  • the high-frequency part of an atrial fibrillation signal corresponds to a white noise, for which H "0.5.
  • a normal signal moves away from white noise, the coefficient of H being greater than 0.5.
  • a threshold Ho between 0.5 and 1, for example between 0.5 and
  • FIG. 5 shows preliminary steps to obtain an RR signal from a digitized electrocardiogram (ECG) signal. The first two steps (5-1 and 5-2) are carried out conventionally in a standard "Holter" type device.
  • ECG electrocardiogram
  • Typing classifies each complex as normal, ventricular, or supraventricular.
  • QRS corresponding to these are in fact beats spontaneously born in the ventricles of the heart. They are generally wider than normal. To detect them, we can determine their width.
  • RR signal can then be obtained (step 5-4) by calculating the difference between the peaks of successive QRSs (see Figure 1).
  • a transform into discrete wavelets particularly well suited in the context of the present invention is the transform into dyadic wavelets.
  • the inverse transform operation brings about a distortion and does not make it possible to find the initial RR signal. This therefore results in a lack of precision in the identification of the origin or the beginning of atrial fibrillation, which can be very annoying, in particular for AF events of short duration.
  • FIG. 6 represents steps for carrying out the detection or the identification of the zones of high variability of the RR signal (step 4-3).
  • the coefficients obtained by wavelet analysis are compared with a predetermined threshold, in order to retain only the coefficients of higher energy.
  • step 6-2 these coefficients are filtered, in order to obtain homogeneous areas of high energy.
  • the number of coefficients which, in a certain window, are greater than the predetermined threshold is counted. When this number is greater than a certain predetermined number Ns, an episode begins.
  • step 6-3 the start and end of the episodes are readjusted.
  • This readjusting step makes it possible not to miss or let pass unique events and, moreover, to avoid misidentifying the start of an episode in the event of a longer episode.
  • the digital signal RR is taken up again, and the variations of this signal are detected which are greater than a certain predetermined percentage, for example 20% (a threshold between 10% and 40% or between 15% and 25 is predetermined %).
  • This interval is then transferred to the different levels of decomposition ( Figure 7) and only the coefficients in this interval are retained as corresponding to the episode. It is thus possible that coefficients, considered after step 6-2 as being part of the beginning or the end of a homogeneous zone of high energy, are excluded from this zone due to a slight modification, due at the resetting, at the beginning or at the end of an episode, or else that coefficients located at the transition of the homogeneous high energy zones and low energy zones are reclassified from one zone to another.
  • FIG. 10 represents a patient 20 provided with a device 22 of the "Holter” type, with its electrodes 24, 26, 28, 30, 32 arranged on the patient's body.
  • the Holter records the ECG data for a certain period, for example about 24 hours or over a shorter period (for example a few minutes), or over longer periods (for example several days or several weeks),, and detects and classifies Qrs complexes.
  • the data are for example recorded on a memory card 34 of the Flash memory type, for example of about 20 Mbytes.
  • Other devices allow you to make recordings on cassettes inserted in the Holter 22.
  • Figures 9 and 10 schematically show the essential electronic components of a Holter device.
  • FIG. 12 shows a device 40 for processing signals recorded on a memory medium 34, for example a memory card.
  • the support 34 is introduced into a reader 36, for example a PCMCIA reader, and the data is then subjected to processing according to the steps described above.
  • the device 40 is therefore programmed to carry out these processing steps.
  • Such a device comprises a PC microcomputer 42 to which the data read by the reader 36 are transmitted via a link 41.
  • the microcomputer 42 comprises (FIG. 13) a microprocessor 52, a set of RAM memories 54 (for the storage of data), a ROM memory 56 (for the storage of program instructions).
  • a data acquisition card 60 puts the data supplied by the reader into the format required by the microcomputer.
  • a bus 62 is connected to a bus 62.
  • Peripheral devices allow interactive dialogue with a user.
  • the display means (screen) 64 make it possible to provide a user with a visual indication relating to the recorded ECG, at the calculated RR intervals, to the coefficients calculated by wavelet transform (as in FIG. 7).
  • an operator for example a cardiologist, can view these different curves, in whole or in portions, with enlargement. On these curves can appear the intervals determined as being episodes of atrial fibrillation, and in particular the beginning and the end of each episode.
  • microcomputer 42 In the microcomputer 42 are loaded the data or the instructions for implementing data processing according to the invention.
  • This data or instructions for processing the data can be transferred to a memory area of the microcomputer 42 from a floppy disk or from any other medium which can be read by a microcomputer or a computer (for example: hard disk, ROM read only memory, DRAM dynamic random access memory or any other type of RAM memory, compact optical disk, magnetic or optical storage element).
  • the display of episodes classified as episodes of atrial fibrillation does not in itself constitute a diagnosis. Only a doctor cardiologist can, at the sight of the initial electrocardiogram (which has also been digitized, stored in the support 34 and transferred to the memory of the microcomputer 42) confirm the existence of a pathology. In particular, the physician should still observe baseline 3 of the EKG (see Figure 1), to confirm whether an episode, apparently classified as AF, is indicative of atrial fibrillation .
  • the treatment method presented above is therefore an aid to diagnosis, but not the diagnosis itself, which requires an additional stage of medical interpretation.
  • This example concerns a population of 50 subjects: 19 suffering from chronic atrial fibrillation (FAC), 15 from paroxysmal fibrillation (FAP), and 16 patients controlled with a normal sinus rhythm (RS).
  • FAC chronic atrial fibrillation
  • FAP paroxysmal fibrillation
  • RS normal sinus rhythm
  • the QRS number was 87,953 ⁇ 27,491 and the heart rate was 75.4 + 1.0 bpm (range 23.1 to 289.7 beats per minute).
  • RS was falsely identified in 7 patients over 40 episodes (heart rate 82.5 + 9.5, duration 374 + 360 beats); one patient had 24 of 40 episodes while the others appeared in 6 other patients. These false negative episodes were due to atrial flutter and atrial tachycardia in 34 and 1 of 40 cases, respectively. In 5 of 7 patients, AF was not recognized at the start of the recordings; however, the recognition time was limited to 178.4 + 70 beats.
  • the detection sensitivity of AF reached 99.2% when considering the QRS complexes (2,064,197 QRS true positive against 16018 false negative).
  • all the patients were recognized as suffering from AF and the sensitivity obtained by considering the patients was 100%.
  • the largest undetected period reached 2075 beats and the shortest 120.
  • the patient with 24 undetected episodes had 10490 false negative beats; for this particular record, the detection sensitivity of AF based on QRS complexes was 89.9%.
  • vs. Group of intermittent FAs The 15 subjects with FAP had a total of 36 episodes of FAP with a duration of 2.5 ⁇ 3.4 hours (from 34 s to 15:36). During these episodes, the average heart rate was 86.2 ⁇ 20.7 (16.4 to 163.1) bpm and the number of QRS was 15055 ⁇ 22125 (52 to 94990 QRS).
  • the sensitivity based on the QRS complexes reached 95.8% and the specificity 91.5% /
  • the wavelet transform and associated fractal analysis according to the invention provided a sensitivity of 95% for detecting QRS complexes in AF, and a specificity of 99.6%, with a limitation due to the delays in recognition of AF at beginning and end of arrhythmia episodes. Based on the patients, the specificity reached 93% in the normal controlled group and the sensitivity 100% in either the FAC group or the FAP group.
  • In-ear recordings have often been used to detect AF, as well as analysis of the electrical activity of the atrium at the level of the esophagus, with a sensitivity and specificity ranging from 52.4-96 , 6% and
  • non-detection is more problematic than detection of false positives, since in this case the trace is not stored for the user, which prevents any subsequent correction.
  • non-detections were not frequent and represented less than 3% of episodes (1 in 36) in the FAP group and less than 2% of QRS. Improvements to the algorithm could reduce these non-detections, at the expense of specificity, however.
  • the invention is therefore suitable for the automatic detection of AF in large populations using standard Holter recordings. This is particularly important in the elderly, in whom AF, both paroxysmal and chronic, is frequent and presents a major risk of stroke.
  • the algorithm or method according to the invention makes it possible to better highlight the AF in order to take preventive measures before the appearance of dramatic complications.

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Cardiology (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Physiology (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

L'invention concerne un procédé de traitement d'un signal d'intervalles RR d'un électrocardiogramme, comportant: la détection des zones de forte variabilité de fréquence cardiaque dans le signal RR, la classification de ces zones en zones de rythme sinusal (RS) et de fibrillation auriculaire (FA).

Description

Procédé et dispositif de détection de la fibrillation auriculaire cardiaque par la méthode des ondelettes.
DOMAINE TECHNIQUE ET ART ANTERIEUR L'invention concerne le domaine de l'analyse et de l'interprétation des variations de rythme se produisant dans un signal ou un phénomène physique qui est initialement régulier, puis qui devient irrégulier, et qui peut ensuite redevenir régulier.
Elle s'applique en particulier à l'analyse des variations du rythme cardiaque. Elle concerne en particulier un procédé et un dispositif pour détecter un trouble du rythme cardiaque appelé fibrillation auriculaire (FA).
La fibrillation auriculaire (FA) constitue le trouble du rythme le plus fréquemment rencontré en pratique' cardiplpgiqύe.
Dans un électrocardiogramme, et comme illustré sur la figure 1, on appelle intervalle RR l'intervalle de temps séparant deux maxima 2, 4 de complexes QRS d'un électrocardiogramme.
Les arythmies cardiaques supraventriculaires (FA) peuvent amener à de sévères problèmes fonctionnels et être associées à une grande mortalité cardiovasculaire. Le nombre d'arythmie augmente avec l'âge. Le Cardiovascular Health Study Collaboration Research Group a montré, dans un article de B.M. Psaty et al. intitulé "Incidence of and risks factor for atrial fibrillation in older adults" paru dans Circulation, . 199 ', vol. 96, pages 2455-2461, au moins une anomalie majeure d' électrocardiogramme (ECG) dans 29% d'un groupe de 5150 sujets âgés de 65 ans ou plus. Dans ce groupe, l'incidence de la fibrillation auriculaire (FA) augmentait, entre les groupes âgés de 65-74 et 75-84 ans, de 1,76 pour 100 personnes par an à 4,27, respectivement, pour les hommes, et de 1,01 à 2,16, respectivement, pour les femmes.
D'autres auteurs (S. Rajala et al., "Prevalence of ECG findings in very old people", Eur Heart J, 1984, 5, 168-174) ont décrit une prévalence de la FA de l'ordre de 83% dans une population âgée de 85 ans ou plus et ont aussi montré que le risque clinique, associé augmentait avec l'âge.
Aux Etats-Unis, un accident vasculaire cérébral ischémique sur quatre, ce qui signifie au total 75 000 accidents par an, est associé à une FA, comme le montre l'article de AJ. Camm et al. "Epidemiology and mechanism of atrial fibrillation and atrial flutter", aw. J. Cardiol. 1996, 78, Pages 3-11. La présence de FA est un puissant prédicteur de l'incidence et de la récidive des accidents, ainsi que de l'augmentation de la mortalité après un accident, à la fois sur le court et le long terme. Par rapport aux groupes étudiés, le risque absolu d'accident attribué à la FA variait de 3% à 67% avec un risque relatif s'étalant de 1,0 à 6,9% (K.H. Flegel et al., Risk of stroke in non- rheumatic atrial fibrillation, Lancet, 1987, 1, pages 526-529). Le risque absolu d'infarctus cérébraux cliniquement silencieux était dans les mêmes proportions, tandis que le risque relatif était estimé à 2,5 (voir à ce sujet : H. Yamanouchi et al. "Embolie brain infarction in nonrheumatic atrial fibrillation : a clinico-pathologic study in the elderly, Neurology, 1997, 48, pages 1593-1597).
On pense actuellement que le type de FA, permanente ou paroxystique, ne modifie pas le risque d'apparition d'accident.
Toutes ces données font du diagnostic de la FA une priorité de santé majeure (D.P. Zipes : "An overview of arhythmies and antiarrhythamic approaches", J. Cardiovasc Electro Physiol, 1999, 10, pages 267-271).
Plusieurs approches ont été considérées. La détection de la FA a été réalisée en utilisant des enregistrements intracardiaques au niveau auriculaire, aussi bien qu'au niveau du système de conduction ; cependant, ces techniques ciblaient le déclenchement des défibrillateurs implantables. D'autres essais ont été tentés sur l'activité auriculaire moyenne. Les signaux oesophagiens pourraient donner le meilleur pouvoir de détection, mais sont d'une utilisation difficile sur une base standard. Les enregistrements ambulatoires d'ECG ont montré être les plus adaptés pour détecter de tels troubles du rythme, en terme de facilité et de leur capacité à détecter des formes paroxystiques fréquentes. Avec l'ECG de surface, du type de ceux obtenus par enregistrements ambulatoires ("Holter"), la situation idéale serait de pouvoir reconnaître les ondes P (identifiées sur la figure 1), puisqu'elles sont la clé des diagnostics et de la classification des arythmies auriculaires ; cependant, le faible signal obtenu dans la plupart des cas rend cette option difficile. Dans ce contexte, plusieurs tentatives ont été réalisées pour développer des méthodes efficaces de reconnaissance de la FA dans les enregistrements Holter. Le simple graphique de Lorentz permet de reconnaître des formes spécifiques de la FA. D'autres méthodes furent appliquées pour améliorer la lecture de l'ECG, comme celle de Murgatroyd et al. (F.D. Murgatroyd FD et al. : "Identification of atrial fibrillation épisodes in ambulatory electrocardiographic recordings : validation of a method for obtaining labeled R-R interval files", Pace, 1995; 18 : 1315-1320). Des réseaux de neurones ont été aussi appliqués à l'ECG, analysant les intervalles RR, ainsi que les fluctuations de la ligne de base, comme décrit dans les articles de J.F. Yang et al. : "Artificial neural network for the diagnosis of atrial fibrillation", med & biol eng & comput 1994 ; 32 : 615-619 ; "Deterministic logic versus software-based artificial neural networks in the diagnosis of atrial fibrillation", J. Electrocardiol. 1993 ; 26 (suppl) : 90-94 ; ou dans l'article de Cubanski D. et al. : "A neural network system for détection of atrial fibrillation in ambulatory electrocardiograms", J. Cardiovasc. Electrophysiol. 1994 ; 5 : 602- 608. Toutefois, dans les systèmes Holter, ou les enregistreurs d'événements utilisés communément sur des durées de l'ordre de la journée, l'identification de la FA doit toujours être améliorée en augmentant à la fois la sensibilité et la spécificité des algorithmes de détection. En effet, les sensibilités mentionnées dans les articles de T.F. Yang et al. et de D. Cubanski et ai. cités ci-dessus s'étalent de 82,4% à 96,6% et les spécificités de 92 à 92,3 %.
EXPOSE DE L'INVENTION
L'invention a pour objet un procédé de traitement d'un signal d'intervalles RR d'un électrocardiogramme, ce signal étant préenregistré sur un support de stockage de données ou dans des moyens de mémorisation, comportant:
- détection des zones de forte variabilité de fréquence cardiaque dans le signal d'intervalles RR,
- classification de ces zones en zones de rythme sinusal (RS) et de fibrillation auriculaire (FA). La détection des zones de forte variabilité de fréquence cardiaque peut être réalisée par projection ou transformation du signal de RR dans une base ou une famille d'ondelettes discrètes, et calcul des coefficients d.(k) donnant la projection du signal de RR sur chaque fonction ondelette discrète.
Par exemple, on réalise une transformation en ondelettes dyadiques. Afin de sélectionner les coefficients supérieurs à une valeur minimum, on procède à une étape de seuillage des coefficients dj(k) pour plusieurs niveaux j de décomposition.
En outre, une étape de filtrage des coefficients seuillés peut être prévue pour obtenir des zones homogènes de forte énergie. Eventuellement, les variations du signal RR permettent de réaliser un recalage du début et de la fin des épisodes FA. Les zones de forte variabilité de fréquence cardiaque peuvent être classées en zones RS et FA par calcul de l'exposant fractal de chacune de ces zones et comparaison à une valeur seuil Ho.
De préférence, 0,5 < H0 ≤ 0,9 ou encore 0,7 < Ho ≤ 0,85. C'est dans ces plages que la sensibilité et la spécificité sont les meilleures.
L'invention concerne également un dispositif pour analyser des signaux numériques d'intervalles RR d'électrocardiogrammes, comportant:
- des moyens pour, ou spécialement programmés pour, détecter des zones de forte variabilité de fréquence cardiaque, - des moyens pour, ou spécialement programmés pour, classifier ces zones en zones de rythme sinusal et en zones de fibrillation auricullaire.
Les moyens pour détecter des zones de forte variabilité de fréquence cardiaque comportent des moyens pour projeter ou transformer le signal de RR dans une base ou une famille d'ondeiettes discrètes, et calculer des coefficients d.(k) donnant la projection du signal de RR sur chaque fonction ondelette discrète.
Selon un autre aspect, les moyens pour classifier les zones de forte variabilité en zones de rythme sinusal et en zones de fibrillation auricullaire comportent des moyens pour calculer l'exposant fractal de chacune de ces zones et pour le comparer à une valeur seuil Ho L'invention concerne également un système de détermination du rythme cardiaque, comportant un ou plusieurs enregistreurs pour enregistrer des électrocardiogrammes de patients, et un dispositif selon l'invention et tel que décrit ci-desssus.
BREVE DESCRIPTION DES FIGURES
Les caractéristiques et avantages de l'invention apparaîtront mieux à la lumière de la description qui va suivre. Cette description porte sur les exemples de réalisation, donnés à titre explicatif et non limitatif, en se référant à des dessins annexés sur lesquels:
- la figure 1 représente une partie d'un électrocardiogramme, avec deux signaux QRS,
- la figure 2 représente un enregistrement Holter,
- les figures 3 et 4 représentent des étapes d'un procédé selon l'invention, - la figure 5 représente des étapes pour obtenir un signal RR à partir d'un signal d'ECG, - la figure 6 représente des étapes de détection des zones de forte variabilité d'un signal RR,
- la figure 7 repésente des niveaux de décomposition en ondelettes d'intervales RR d'un épisode de fibrillation auriculaire, - la figure 8 représente la densité spectrale de puissance d'un signal de type
RS,
- la figure 9 représente la densité spectrale de puissance d'un signal de type FA,
- la figure 10 représente un patient muni d'un système de mesure de type "Holter",
- la figure 11 représente un enregistreur de type "Holter",
- les figures 12 et 13 représentent des moyens pour analyser des signaux RR selon l'invention,
DESCRIPTION DETAILLEE DE MODES DE REALISATION DE L'INVENTION
L'invention va d'abord être expliquée en liaison avec les organigrammes des figures 3 à 6.
Au préalable, on suppose qu'un signal RR a été obtenu (étapes 3-1 et 4-1 des figures 3 et 4), par exemple à partir d'un électrocardiogramme (ECG) fourni à l'aide d'un dispositif Holter standard.
Un enregistrement RR ainsi obtenu est donné en figure 2. Sur cette figure, sont représentés plus de 70000 intervalles RR consécutifs obtenus à partir d'un ECG réalisé sur 24 heures. En ordonnée est indiquée l'amplitude du RR et en abscisse l'indice de la série.
L'invention s'applique aussi au traitement d'ECG obtenus sur de plus courtes périodes. Dans une première étape 3-2 (figure 3), on identifie les périodes d'intérêt, par détection des zones de forte variabilité de la fréquence cardiaque. En effet, la fibrillation auriculaire (FA) augmente cette variabilité.
Une localisation précise des événements de haute variabilité de fréquence cardiaque peut être réalisée en utilisant préalablement une transformée en ondelettes discrètes (TOD) du signal RR (figure 4, étape 4-2). La technique de transformation en ondelettes continues est décrite dans l'article de S. Mallat "A theory for multiresolution signal décomposition : the wavelet représentation", IEEE transactions on pattern analysis and machine intelligence, 1989, Volume 11, pages 674-693. La transformée des ondelettes discrètes (TOD) est décrite dans le même article de S. Mallat. Il s'agit d'une analyse par une famille de fonctions ψjk créée par les dilatations et translations d'une ondelette mère ψ, avec ψjk(x) = 2j/2ψ(2Jx-k), et j,k e Z (ensemble des nombres entiers relatifs). La projection ou la transformation de chaque fonction f (signal RR) dans la base des ψjk est notée : Wf(j,k)= <f, ψj,k>, où <.,.> représente le produit scalaire dans L2(R). Pour un signal composé de 2J valeurs, cette transformation amène à une série de 2*"1 coefficients notés dj(k), donnant la contribution à la projection du signal à la position 2Jk à l'échelle 2J. La mise au carré des coefficients obtenus fournit la puissance du signal transformé pour chaque indice de temps et d'échelle. Différentes zones temporelles sont caractérisées par une puissance calculée sur les plus hautes échelles de leur TOD (faible j).
La tranformée discrète en ondelettes d'un signal discret est calculée par un algorithme à base de filtres miroirs en quadrature. De tels filtres sont donnés dans l'ouvrage de A.Cohen, Ondelettes et traitement numérique du signal, Edition Masson, Paris, 1992.
A partir du signal RR numérisé, une première décomposition est réalisée, qui donne un premier niveau de détail (par filtrage passe-haut) puis un premier niveau d'approximation (par filtrage passe-bas).
Une deuxième décomposition, par filtrage passe-haut et passe-bas du premier niveau d'approximation, fournit respectivement un deuxième niveau de détail puis un deuxième niveau d'approximation, qui est à son tour traité par une troisième décomposition, ..etc.
Les filtres miroirs en quadrature permettent de réaliser les différents filtrages passe-haut et passe-bas successifs. La figure 7 représente plusieurs niveaux de la décomposition en ondelettes des intervalles RR d'un épisode de FA. Les abscisses correspondent à l'indice k et les ordonnées à l'indice j. Autrement dit, chaque ligne j donne l'ensemble des coefficients dj(k). Au centre de cette figure une haute variabilité due à un épisode de FA est identifiable. Les périodes de forte variabilité ayant été identifiées, elles sont séparées en périodes de RS et de FA (étapes 3-3 et 4-3 des figures 3 et 4). En effet, une grande variabilité d'amplitude similaire peut aussi être trouvée chez les sujets normaux, par exemple la nuit, chez certains jeunes adultes.
A cette fin, les périodes de grande variabilité sont séparées par analyse fractale. Le calcul, par transformée de Fourier, de la densité spectrale de puissance
(DSP), montre qu'un rythme sinusal normal (RS) possède une tendance générale en 1/f*3, donc présente une forme linéaire de pente négative quand elle est affichée en log-log, comme illustré sur la figure 8. Sur cette figure, le pic 10 correspond à une fréquence de ventilation. La DSP de la FA, par contre, présente deux pentes différentes comme on le voit sur la figure 9 : une dans une bande de
1 fréquences élevées (10" - 10" Hz) et la seconde dans une bande de fréquences plus basses (ÎO^ - IO" Hz).
La pente dans la bande de haute fréquence pour une FA est plus importante (β ≈ 0) que la pente obtenue dans les RS (β ≈ 1). Pour modéliser la loi de puissance en 1/f3, on applique le concept de mouvement Brownien fractionnaire (mBf), processus auto-similaire et non- stationnaire. Ce concept est décrit, par exemple, dans B. Mandelbrot et al. "
Fractional brownian motions, fractional noises and application", SIAM Review,
1968, volume 10, pages 422-437. La propriété d'auto-similarité est caractérisée par l'exposant de Hurst H qui est directement relié à β par la relation : β = 2H + 1. Le calcul de H est donné par exemple dans l'article de M. Akay et al. "Fractal analysis of HRV signais : a comparative study " paru dans Methods of information in Médecine, 1997, volume 36, pages 271-273. L'incrément du processus du mouvement Brownien fractionnaire peut aussi être utilisé pour estimer l'exposant H de Hurst, via la TOD, par : var [d2j (n)] = 2 (2H-1) ϋ"1) σ 2(2-22H"1) où les d2j sont les coefficients des détails à l'échelle j. On obtient alors l'équation suivante : log2 [var [d2j (n)]] = (2H - l)j + f(H,σ) où σ est l'écart-type du signal, et f une fonction non connue.
La partie hautes-fréquences d'un signal de fibrillation auriculaire correspond à un bruit blanc, pour lequel H « 0,5. Au contraire, un signal normal s'éloigne d'un bruit blanc, le coefficient de H étant supérieur à 0,5. On fixe donc un seuil Ho, compris entre 0,5 et 1, par exemple entre 0,5 et
0,9 ou entre 0,7 et 0,85, par exemple Ho = 0,8. De très bonnes valeurs de sensibilité et de spécificité de la méthode ont été obtenues pour 0,7< Ho < 0,85. En particulier, on a obtenu une sensibilité de 99,2% pour une FA permanente et de 95,82% pour une FA paroxystique, et une spécificité de 99,96% pour un RS normal et 91,55% pour un FA paroxystique. La figure 5 représente des étapes préliminaires pour obtenir un signal RR à partir d'un signal d'électrocardiogramme numérisé (ECG). Les deux premières étapes (5-1 et 5-2) sont réalisées de manière classique dans un dispositif de type "Holter" standard.
Le typage permet de classifier chaque complexe en normal, ventriculaire, ou supraventriculaire.
Les complexes QRS normaux et supraventriculaires présentent des ondes
P, devant le pic maximum, tandis que les anormaux (ventriculaires) n'en présentent pas. Les QRS correspondant à ces derniers sont en fait des battements nés spontanément dans les ventricules du cœur. Ils sont en générai plus larges que les normaux. On peut, pour les détecter, en déterminer la largeur.
Ainsi est créé un tableau ou une base de données donnant le type de QRS pour chaque QRS, repéré par son indice dans la suite des QRS enregistrés.
Les complexes normaux et supraventriculaires sont sélectionnés à partir de ce tableau (étape 5-3). Un signal RR peut ensuite être obtenu (étape 5-4) en calculant l'écart entre les pics des QRS successifs (voir figure 1).
Une transformée en ondelettes discrètes particulièrement bien adaptée dans le cadre de la présente invention est la transformée en ondelettes dyadiques.
En effet, il se pose de manière générale un problème de réversibilité de la transformée en ondelettes. Si le début d'un signal RR est correctement identifié, sa transformée en ondelettes discrètes est réversible : on peut, à partir de chaque transformée, retrouver le signal initial par une opération d'inversion.
Si, au contraire, l'origine du signal RR n'est pas correctement sélectionnée, l'opération de transformée inverse amène une distorsion et ne permet pas de retrouver le signal RR initial. II en résulte alors un manque de précision dans l'identification de l'origine ou du début de la fibrillation auriculaire, ce qui peut être très gênant, en particulier pour les événements FA de courtes durées.
L'utilisation de la transformée dyadique, invariante par translation, permet de résoudre le problème. Des informations sur ces transformées dyadiques sont données dans l'ouvrage de A. Antoniadis et G.Oppenheim, Springer Verlag, 1995, et notamment dans les articles suivants contenus dans cet ouvrage: "The Stationnary Wavelet Tranform And Some Satistical Applications" G.P.Nason et al., page 281-299 et "Translation Invariant De-Noising", R.R. Coifman et al., pages 125-150. La figure 6 représente des étapes pour réaliser la détection ou l'identification des zones de forte variabilité du signal RR (étape 4-3).
Les coefficients obtenus par analyse par ondelettes sont comparés à un seuil prédéterminé, afin de ne retenir que les coefficients de plus haute énergie. Ainsi, ce seuillage peut être réalisé sur les niveaux de décomposition j = 2, 4, et 8 (étape 6-1).
Puis (étape 6-2) il est procédé à un filtrage de ces coefficients, afin d'obtenir des zones homogènes de forte énergie.
Pour ce faire, on procède à:
- une recherche de début de chaque épisode ou de chaque zone de forte énergie,,
- une comptabilisation des coefficients dans l'épisode ou dans la zone,
- une détermination de fin de l'épisode ou de la zone.
Au cours de l'étape de recherche de début d'épisode, on compte le nombre de coefficients qui, dans une certaine fenêtre, sont supérieurs au seuil prédéterminé. Lorsque ce nombre est supérieur à un certain nombre Ns prédéterminé, il y a début d'un épisode.
Dans la phase de comptabilisation, on compte le nombre d'événements successifs qui sont inférieurs au seuil. Si ce nombre est supérieur à un nombre prédéterminé, une fin d'épisode est détectée. Cette étape 6-2 permet une détermination assez précise des événements.
Dans certains cas, ce n'est cependant pas suffisant et un degré supérieur de précision est nécessaire.
Pour cette raison, on procède à un recalage du début et de la fin des épisodes (étape 6-3). Cette étape recalage permet de ne pas manquer ou laisser passer des événements uniques et, de plus, d'éviter de mal identifier le début d'un épisode en cas d'épisode plus long.
Des événements uniques peuvent survenir, qui sont tout aussi importants que les événements successifs. Pour cette raison, ils peut être tout aussi important, pour le praticien ou le médecin cardiologue, de disposer de l'information sur les événements simples aussi bien que sur les épisodes comptant plusieurs événements. En outre, un mauvaise positionnement du début de l'épisode, qui peut notamment apparaître en représentation sur un écran de visualisation, peut troubler ce praticien ou ce médecin et le faire douter de la fiabilité de l'appareil mettant en œuvre la méthode d'analyse selon l'invention. Pour résoudre ce problème, après avoir identifié les zones homogènes de forte énergie du signal RR tranformé par ondelettes (étape 6-2), on détermine les zones de forte variabilité du signal numérique RR (étape 6-3).
Selon un exemple, on reprend le signal numérique RR, et on détecte les variations de ce signal qui sont supérieures à un certain pourcentage prédéterminé, par exemple 20 % (on prédétermine un seuil compris entre 10% et 40% ou entre 15% et 25%).
Lorsqu'il y a une telle variation d'un point à un autre du signal RR, on peut précisément dire qu'il y a début d'un événement en ce point.
On détermine de la même manière la fin des épisodes ou des événements. Ainsi, pour chaque épisode, on peut obtenir un intervalle NI - N2, qui identifie le rang des signaux RR compris entre début et fin des épisodes.
Cet intervalle est ensuite reporté sur les différents niveaux de décomposition (figure 7) et seuls les coefficients dans cet intervalle sont retenus comme correspondant à l'épisode. II est possible, ainsi, que des coefficients, considérés après l'étape 6-2 comme faisant partie du début ou de la fin d'une zone homogène de forte énergie, soient exclus de cette zone du fait d'une légère modification, due au recalage, du début ou de la fin d'un épisode, ou bien que des coefficients situés à la transition des zones homogènes de forte énergie et des zones de faible énergie soient reclassés d'une zone à l'autre.
La figure 10 représente un patient 20 muni d'un dispositif 22 de type "Holter", avec ses électrodes 24,26,28,30,32 disposées sur le corps du patient. Le Holter enregistre les données d'ECG pendant une certaine période, par exemple environ 24 heures ou sur une période plus courte (par exemple quelques minutes), ou sur des périodes plus longues (par exemple de plusieurs jours ou de plusieurs semaines), , et détecte et classifie les complexes Qrs.
Comme illustré sur la figure 11, les données sont par exemple enregistrées sur une carte mémoire 34 de type mémoire Flash, par exemple d'environ 20 Mbytes. D'autres appareils permettent de faire des enregistrements sur des cassettes insérées dans le Holter 22. Les figures 9 et 10 représentent schématiquement les composants électroniques essentiels d'un appareil Holter.
La figure 12 représente un dispositif 40 pour exploiter des signaux enregistrés sur un support mémoire 34, par exemple une carte mémoire. Le support 34 est introduit dans un lecteur 36, par exemple un lecteur PCMCIA, et les données subissent ensuite un traitement selon les étapes décrites ci-dessus.
Le dispositif 40 est donc programmé pour réaliser ces étapes de traitement.
Un tel dispositif comporte un micro-ordinateur PC 42 auquel les données lues par le lectreur 36 sont transmises via une liaison 41.
Plus précisément, le micro-ordinateur 42 comporte (figure 13) un microprocesseur 52, un ensemble de mémoires RAM 54 (pour le stockage de données), une mémoire ROM 56 (pour le stockage d'instructions de programme).
Eventuellement, une carte d'acquisition de données 60 met les données fournies par le lecteur au format requis par le micro-ordinateur. Ces divers éléments sont reliés à un bus 62.
Des dispositifs périphériques (écran ou dispositif de visualisation 64, souris 66, clavier 68) permettent un dialogue interactif avec un utilisateur. En particulier, les moyens de visualisation (écran) 64 permettent de fournir à un utilisateur une indication visuelle relative à l'ECG enregistré, aux intervalles RR calculés, aux coefficients calculés par transforlmée par ondelettes (comme sur la figure 7). Par sélection dans des menus et en cliquant sur des boutons ou des icônes, un opérateur, par exemple un médecin cardiologue, peut visualiser ces différentes courbes, en entier ou par portion, avec agrandissement. Sur ces courbes peuvent apparaître les intervalles déterminés comme étant des épisodes de fibrillation auriculaire, et notamment le début et la fin de chaque épisode.
Dans le micro-ordinateur 42, sont chargées les données ou les instructions pour mettre en œuvre un traitement des données selon l'invention.
Ces données ou instructions pour le traitement des données peuvent être transférées dans une zone mémoire du micro-ordinateur 42 à partir d'une disquette ou de tout autre support pouvant être lu par un micro-ordinateur ou un ordinateur (par exemple: disque dur, mémoire morte ROM, mémoire vive dynamique DRAM ou tout autre type de mémoire RAM, disque optique compact, élément de stockage magnétique ou optique). L'affichage des épisodes classifiés comme étant des épisodes de fibrillation auricullaire ne constitue pas, en soi, un diagnostic. Seul un médecin cardiologue peut, à la vue de l'électrocardiogramme initial (qui a lui aussi été numérisé, mis en mémoire sur le support 34 et transféré en mémoire du microordinateur 42) confirmer l'existence d'une pathologie. En particulier, le médecin doit encore exercer une observation de la ligne de base 3 de l'électrocardiogramme (voir figure 1), afin de confirmer si un épisode, apparemment classifie comme étant de type FA, est bien le signe d'une fibrillation auriculaire.
Le procédé de traitement présenté ci-dessus est donc une aide au diagnostic, mais pas le diagnostic lui-même, qui demande une étape d'interprétation médicale supplémentaire.
EXEMPLE
Cet exemple concerne une population de 50 sujets : 19 souffrant de fibrillation auriculaire chronique (FAC), 15 de fibrillation paroxystique (FAP), et 16 patients contrôlés avec un rythme sinusal normal (RS).
Tous les sujets ont été enregistrés pendant 24 heures en utilisant un système Holter ECG numérique (DuoHolter, Novacor, Paris, France). Les enregistrements ont été directement numérisés à une fréquence de 100 Hz sur l'enregistreur ; ils ont ensuite été revus et édités manuellement, si nécessaire, pour obtenir une liste d'intervalles RR consécutifs.
Le traitement du signal a été réalisé avec le logiciel MATLAB® 5.0 et l'analyse statistique des résultats avec Statview ® sur un Power Macintosh. ® Les résultats sont présentés sous la forme moyenne±écart-type. Les résultats sont les suivants : a. Enregistrements ECG du groupe contrôlé avec rythme normal L'examen standard des enregistrements ECG sur 24 heures des 16 sujets RS a montré l'absence de toutes arythmie cardiaque.
Chez un sujet, deux épisodes de FA furent faussement détectés (durée de 154 et 193 battements respectivement ; fréquence cardiaque moyenne de
81,5+14,8 et 76,0+9,5 battements par minutes (bpm) respectivement). Il n'y avait pas de différence significative dans les indices temporels entre le sujet avec les fausses détections et les 15 autres.
Ainsi, la spécificité de la détection de la FA basée sur les complexes QRS atteint 99,96% (1 083 537 Qrs vrais négatifs contre 447 faux positifs). Comme tous les faux positifs furent obtenus chez un seul patient, la spécificité était de 93,7% si l'on considère le patient comme unité d'analyse (16 vrais négatifs contre 1 faux positif). b. Groupe des FA chroniques
L'examen standard des enregistrements ECG de 24 heures a montré une FA permanente chez les 19 sujets. Les enregistrements étaient d'une durée de
18,8+4,6 heures. Chez les 19 patients, le nombre de QRS était de 87953±27491 et la fréquence cardiaque de 75,4+1,0 bpm (intervalle de 23,1 à 289,7 battements par minute).
Un RS a été faussement identifié chez 7 patients sur 40 épisodes (fréquence cardiaque 82,5+9,5, durée 374+360 battements) ; un patient regroupait 24 des 40 épisodes alors que les autres apparaissaient chez 6 autres patients. Ces épisodes faux négatifs était dus à du flutter auriculaire et de la tachycardie auriculaire dans, respectivement, 34 et 1 des 40 cas. Chez 5 des 7 patients, la FA n'était pas reconnue au début des enregistrements ; cependant le délai de reconnaissance était limité à 178,4+70 battements.
Ainsi, la sensibilité de détection de la FA atteignait 99,2% en considérant les complexes QRS (2064197 QRS vrais positifs contre 16018 faux négatifs). A l'exception des épisodes non détectés, tous les patients ont été reconnus comme souffrant de FA et la sensibilité obtenue en considérant les patients était de 100%. La plus grande période non détectée atteignait 2075 battements et la plus courte 120. Le patient avec 24 épisodes non détectés avait 10490 battements en faux négatifs ; pour cet enregistrement particulier, la sensibilité de détection de la FA basée sur les complexe QRS était de 89,9%. c. Groupe des FA intermittentes. Les 15 sujets avec FAP avaient un total de 36 épisodes de FAP dont la durée était de 2,5±3,4 heures (de 34 s à 15h36). Pendant ces épisodes, la fréquence cardiaque moyenne était de 86,2±20,7 (de 16,4 à 163,1) bpm et le nombre de QRS de 15055±22125 (de 52 à 94990 QRS).
Seul un des 36 épisodes restait non détecté (260 QRS, fréquence cardiaque de 123,2±28,1 bpm). Pour les épisodes détectés, il y avait des délais ou des avances dans la reconnaissance de la FA au début et à la fin des événements :
- début des épisodes : dans 8 épisodes il y avait un délai de 91 ±95 battements (de 2 à 255) ; 23 épisodes était détectés prématurément (dûs à des tachycardies supraventriculaires) de 186±621 battements (de 2 à 2994). - fin des épisodes : deux épisodes était prématurés (un de 3486 battements, l'autre de 333) ; 21 avaient un délai de 60±103 battements (de 10 à 429). Durant les épisodes de FAP, 14 fausses interruptions étaient observées, parmi lesquelles 13 chez le même patient, avec une durée de 1484±151 battements ; la dernière était de 2001 battements chez un autre patient ; le total de complexes QRS faux négatifs atteignait alors 28695 (1,9%). Ces épisodes faux négatifs était dûs à du flutter auriculaire et à de la tachycardie auriculaire dans, respectivement, 5 et 8 des 14 cas.
Il y avait aussi 37 fausses détections de 1573±2309 battements (de 147 à 11491).
Ainsi dans le groupe des FAP, la sensibilité basée sur les complexes QRS atteignait 95,8% et la spécificité 91 ,5%/
Tous les patients du groupe étaient reconnus comme ayant de la FA, donc la sensibilité basée sur les patients était de 100%.
La transformée en ondelettes et l'analyse fractale associées selon l'invention ont fourni une sensibilité de 95% pour détecter les complexes QRS en FA, et une spécificité de 99,6%, avec une limitation due aux délais de reconnaissance de la FA au début et à la fin des épisodes d'arythmie. En se basant sur les patients, la spécificité atteignait 93% dans le groupe contrôlé normal et la sensibilité 100% que ce soit dans le groupe FAC ou dans le groupe FAP.
Les enregistrements intra-auriculaires ont souvent été utilisés pour détecter la FA, ainsi que l'analyse de l'activité électrique de l'oreillette au niveau de l'oesophage, avec une sensibilité et une spécificité s'étalant de 52,4-96,6% et
92,0-92,3%, respectivement (voir notamment S. Rajala et al., "ECG findings and survival in very old people", Eur Heart J. 1985, volume 6, pages 274-252).
De tels enregistrements n'ont pas été utilisés étant donné que le but était la détection de la FA de façon non-invasive par enregistrement Holter standard.
Pour obtenir une détection automatique, des enregistrements Holter ont été analysés par des réseaux de neurones (T.F. Yang et al. "Artificial neural network for the diagnosis of atrial fibrillation" , med. & bio. Eng.& Comp. 1994, 32, pages
615-619), donnant une sensibilité de 92% et une spécificité de 92,3% dans la reconnaissance des QRS. En utilisant un réseau de neurones alimenté à la fois par l'information des intervalles RR et une analyse morphologique de la ligne de base du tracé ECG, Cubanski D. et al (J. Cardiovasc. Electrophysiol. 1994, 5, pages
602-608), travaillant sur des groupes de 10 QRS consécutifs, ont obtenu une sensibilité de 82,4% et une spécificité de 96,6%. Ainsi, la sensibilité et la spécificité obtenues par le procédé selon l'invention sont meilleurs que celles des études précédentes. Notre méthode possède certaines limitations. L'utilisation de l'analyse de la VFC seule est sensible à tout ce qui peut dégrader la VFC, notamment les extrasystoles supraventriculaires, les tachycardies supraventriculaires et les autres types d'arythmie. Les détections de faux positifs peuvent être dues à la présence de quelques arythmies supraventriculaires, isolées ou groupées, générant une VFC importante ; les détections de faux positifs se sont produites sur 0,04% des QRS du groupe contrôle normal et dans 4,7% des QRS du groupe PAF. Ces QRS faux positifs peuvent être reclassifiés correctement en utilisant un tracé enregistré par un stockage automatique d'événements. À l'inverse, les non-détections peuvent se produire dans d'autres arythmies auriculaires, comme la tachycardie supraventriculaire paroxystique, ou le flutter auriculaire, dû à la relative régularité de ces rythmes.
Dans des conditions cliniques, une non-détection est plus problématique qu'une détection de faux positifs, car dans ce cas le tracé n'est pas stocké pour l'utilisateur, ce qui empêche toute correction ultérieure. Dans les cas étudiés, les non-détections n'étaient pas fréquentes et représentaient moins de 3% des épisodes (1 sur 36) dans le groupe de FAP et moins de 2% des QRS. Des améliorations de l'algorithme pourraient diminuer ces non-détections, au détriment toutefois de la spécificité. L'invention est donc adaptée à la détection automatique de la FA dans de larges populations en utilisant des enregistrements Holter standard. Ceci est particulièrement important chez les personnes âgées, chez lesquelles la FA, aussi bien paroxystique que chronique, est fréquente et présente un risque majeur d'accident vasculaire cérébral. Implementé dans des appareils Holter standard ou dans des enregistreurs d'événement à long-terme, l'algorithme ou le procédé selon l'invention permet de mieux mettre en évidence la FA afin de prendre des mesures préventives avant l'apparition de complications dramatiques.

Claims

REVENDICATIONS
1. Procédé de traitement d'un signal d'intervalles RR d'un électrocardiogramme, comportant: - la détection des zones de forte variabilité de fréquence cardiaque dans le signal RR,
- la classification de ces zones en zones de rythme sinusal (RS) et de fibrillation auriculaire (FA).
2. Procédé selon la revendication 1, la détection des zones de forte variabilité de fréquence cardiaque étant réalisée par projection ou transformation du signal d'intervalles RR dans une base ou une famille d'ondelettes discrètes, et calcul des coefficients d.(k) donnant la projection du signal de RR sur chaque fonction ondelette discrète.
3. Procédé selon la revendication 2, la projection ou la transformation du signal d'intervalles RR étant réalisée dans une base ou une famille d'ondelettes dyadiques.
4. Procédé selon l'une des revendications 2 ou 3, comportant une étape de seuillage des coefficients dj(k) sur un ou plusieurs niveaux j de décomposition afin de sélectionner les coefficients supérieurs à une valeur minimum.
5. Procédé selon la revendication 4, comportant en outre une étape pour obtenir des zones homogènes de forte énergie.
6. Procédé selon la revendication 5, l'étape pour obtenir des zones homogènes de forte énergie comportant un filtrage des coefficients seuillés.
7. Procédé selon l'une des revendications 4 à 6, comportant, pour chaque zone homogène de forte énergie, une recherche du début de la zone, une comptabilisation des coefficients dans cette zone, et une détermination de la fin de la zone.
8. Procédé selon la revendication 7, la recherche de début de la zone comportant un comptage des coefficients qui sont supérieurs au seuil prédéterminé.
9. Procédé selon la revendication 7 ou 8, la comptabilisation des coefficients comportant un comptage du nombre d'événements successifs qui sont inférieurs à un seuil prédéterminé.
10. Procédé selon la revendication 9, une fin d'épisode étant détectée si le nombre d'événements comptés est supérieur à un nombre prédéterminé.
11. Procédé selon l'une des revendications 5 à 10, comportant en outre une étape de recalage ou d'identification des débuts et fins des épisodes, à l'aide des variations du signal RR.
12. Procédé selon la revendication 11, les coefficients donnant la projection du signal de RR étant retenus comme faisant partie d'une zone homogène de forte énergie seulement si ils sont compris entre un début et une fin d'un épisode.
13. Procédé selon la revendication 12, comportant en outre un affichage, sur des moyens de visualisation, d'au moins une partie de l'électrocardiogramme et une identification, sur cet affichage, des zones de fibrillation auriculaire.
14. Procédé selon l'une des revendications 1 à 13, les zones de forte variabilité de fréquence cardiaque étant classées en zones RS et en zone FA par calcul de l'exposant fractal de chacune de ces zones et comparaison à une valeur seuil Ho.
15. Procédé selon la revendication 14, la valeur seuil Ho étant comprise entre 0,5 et 0,9.
16. Procédé selon la revendication 15, la valeur seuil étant comprise entre 0,7 et 0,85.
17. Procédé selon l'une des revendications 1 à 16, l'électrocardiogramme ayant été acquis pendant une durée comprise entre quelques minutes et quelques mois.
18. Dispositif pour analyser des signaux numériques d'intervalles RR d' électrocardiogrammes, comportant: - des moyens pour classifier ces zones en zones de rythme sinusal (RS) et en zones de fibrillation auriculaire (FA).
19. Dispositif selon la revendication 18, les moyens pour détecter des zones de forte variabilité de fréquence cardiaque comportant des moyens pour projeter ou transformer le signal d'intervalles RR dans une base ou une famille d'ondelettes discrètes, et calculer des coefficients d.(k) donnant la projection du signal de RR sur chaque fonction ondelette discrète.
20. Dispositif selon la revendication 18 ou 19, les moyens pour classifier les zones de forte variabilité en zones de rythme sinusal et en zones de fibrillation auriculaire comportant des moyens pour calculer l'exposant fractal de chacune de ces zones et pour le comparer à une valeur seuil Ho.
21. Dispositif selon l'une des revendications 18 à 20, comportant en outre des moyens de visualisation pour afficher les zones de fibrillation auriculaire.
22. Dispositif selon l'une des revendications 18 à 20, comportant en outre des moyens de visualisation pour visualiser les zones de fibrillation auriculaire et les électrocardiogrammes, et pour visualiser les zones de fibrillation auriculaire par rapport aux électrocardiogrammes.
23. Système de détermination du rythme cardiaque, comportant un ou plusieurs enregistreurs pour enregistrer des électrocardiogrammes de patients, et un dispositif selon l'une des revendications 18 à 22.
PCT/FR2001/001170 2000-04-14 2001-04-17 Procede et dispositif de detection de la fibrillation auriculaire cardiaque par la methode des ondelettes WO2001080042A1 (fr)

Priority Applications (1)

Application Number Priority Date Filing Date Title
AU54860/01A AU5486001A (en) 2000-04-14 2001-04-17 Method and device for cardiac atrial fibrillation by wavelet process

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR00/04873 2000-04-14
FR0004873A FR2807851A1 (fr) 2000-04-14 2000-04-14 Procede et dispositif de detection de la fibrillation auriculaire cardiaque par la methode des ondelettes

Publications (1)

Publication Number Publication Date
WO2001080042A1 true WO2001080042A1 (fr) 2001-10-25

Family

ID=8849290

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/FR2001/001170 WO2001080042A1 (fr) 2000-04-14 2001-04-17 Procede et dispositif de detection de la fibrillation auriculaire cardiaque par la methode des ondelettes

Country Status (3)

Country Link
AU (1) AU5486001A (fr)
FR (1) FR2807851A1 (fr)
WO (1) WO2001080042A1 (fr)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004050185A3 (fr) * 2002-12-04 2004-08-26 Medtronic Inc Discrimination entre formes polymorphes et monomorphe de tachyarythmies
US7076289B2 (en) 2002-12-04 2006-07-11 Medtronic, Inc. Methods and apparatus for discriminating polymorphic tachyarrhythmias from monomorphic tachyarrhythmias facilitating detection of fibrillation
US7103405B2 (en) 2002-12-04 2006-09-05 Medtronic, Inc. Methods and apparatus for discriminating polymorphic tachyarrhythmias from monomorphic tachyarrhythmias facilitating detection of fibrillation
US8332022B2 (en) 2003-08-29 2012-12-11 Medtronic, Inc. Methods and apparatus for discriminating polymorphic tachyarrhythmias from monomorphic tachyarrhythmias facilitating detection of fibrillation
US9486155B2 (en) 2015-02-18 2016-11-08 Medtronic, Inc. Method and apparatus for atrial arrhythmia episode detection
US9561005B2 (en) 2015-01-23 2017-02-07 Medtronic, Inc. Method and apparatus for beat acquisition during template generation in a medical device having dual sensing vectors
US9675261B2 (en) 2015-01-23 2017-06-13 Medtronic, Inc. Atrial arrhythmia episode detection in a cardiac medical device
US9717437B2 (en) 2014-10-22 2017-08-01 Medtronic, Inc. Atrial arrhythmia detection during intermittent instances of ventricular pacing in a cardiac medical device
US9872630B2 (en) 2006-03-29 2018-01-23 Medtronic, Inc. Method and apparatus for detecting arrhythmias in a subcutaneous medical device
US9901276B2 (en) 2015-02-18 2018-02-27 Medtronic, Inc. Method and apparatus for identifying sick sinus syndrome in an implantable cardiac monitoring device
US10004418B2 (en) 2015-01-23 2018-06-26 Medtronic, Inc. Atrial arrhythmia episode detection in a cardiac medical device
US10039469B2 (en) 2016-03-30 2018-08-07 Medtronic, Inc. Atrial arrhythmia episode detection in a cardiac medical device
US10045710B2 (en) 2016-03-30 2018-08-14 Medtronic, Inc. Atrial arrhythmia episode detection in a cardiac medical device
US10188867B2 (en) 2015-01-23 2019-01-29 Medtronic, Inc. Method and apparatus for beat acquisition during template generation in a medical device having dual sensing vectors
US10213125B2 (en) 2015-01-23 2019-02-26 Medtronic, Inc. Atrial arrhythmia episode detection in a cardiac medical device
US10219718B2 (en) 2014-10-22 2019-03-05 Medtronic, Inc. Atrial arrhythmia episode detection in a cardiac medical device

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2859094A1 (fr) * 2003-08-28 2005-03-04 Univ Jean Monnet Utilisation des ondelettes pour analyser la variabilite de la frequence cardiaque, appliquee a la maladie du sommeil

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5471991A (en) * 1993-11-16 1995-12-05 Trustees Of The University Of Pennsylvania Wavelet analysis of fractal systems
US5609158A (en) * 1995-05-01 1997-03-11 Arrhythmia Research Technology, Inc. Apparatus and method for predicting cardiac arrhythmia by detection of micropotentials and analysis of all ECG segments and intervals

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5471991A (en) * 1993-11-16 1995-12-05 Trustees Of The University Of Pennsylvania Wavelet analysis of fractal systems
US5609158A (en) * 1995-05-01 1997-03-11 Arrhythmia Research Technology, Inc. Apparatus and method for predicting cardiac arrhythmia by detection of micropotentials and analysis of all ECG segments and intervals

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
COUDERC J P ET AL: "Wavelet analysis of spatial dispersion of P-wave morphology in patients converted from atrial fibrillation", COMPUTERS IN CARDIOLOGY 1999. VOL.26 (CAT. NO.99CH37004), COMPUTERS IN CARDIOLOGY 1999. VOL. 26, HANNOVER, GERMANY, 26-29 SEPT. 1999, 1999, Piscataway, NJ, USA, IEEE, USA, pages 699 - 702, XP002157092, ISBN: 0-7803-5614-4 *
MILLET-ROIG J ET AL: "Study of frequency and time domain parameters extracted by means of wavelet transform applied to ECG to distinguish between VF and other arrhythmias", COMPUTERS IN CARDIOLOGY 1998. VOL. 25 (CAT. NO.98CH36292), COMPUTERS IN CARDIOLOGY 1998. VOL. 25, CLEVELAND, OH, USA, 13-16 SEPT. 1998, 1998, New York, NY, USA, IEEE, USA, pages 17 - 20, XP002157093, ISBN: 0-7803-5200-9 *
POPESCU M ET AL: "High resolution ECG filtering using adaptive Bayesian wavelet shrinkage", COMPUTERS IN CARDIOLOGY 1998. VOL. 25 (CAT. NO.98CH36292), COMPUTERS IN CARDIOLOGY 1998. VOL. 25, CLEVELAND, OH, USA, 13-16 SEPT. 1998, 1998, New York, NY, USA, IEEE, USA, pages 401 - 404, XP002157094, ISBN: 0-7803-5200-9 *

Cited By (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004050185A3 (fr) * 2002-12-04 2004-08-26 Medtronic Inc Discrimination entre formes polymorphes et monomorphe de tachyarythmies
US7076289B2 (en) 2002-12-04 2006-07-11 Medtronic, Inc. Methods and apparatus for discriminating polymorphic tachyarrhythmias from monomorphic tachyarrhythmias facilitating detection of fibrillation
US7103405B2 (en) 2002-12-04 2006-09-05 Medtronic, Inc. Methods and apparatus for discriminating polymorphic tachyarrhythmias from monomorphic tachyarrhythmias facilitating detection of fibrillation
US7130677B2 (en) 2002-12-04 2006-10-31 Medtronic, Inc. Methods and apparatus for discriminating polymorphic tachyarrhythmias from monomorphic tachyarrhythmias facilitating detection of fibrillation
US8332022B2 (en) 2003-08-29 2012-12-11 Medtronic, Inc. Methods and apparatus for discriminating polymorphic tachyarrhythmias from monomorphic tachyarrhythmias facilitating detection of fibrillation
US10265536B2 (en) 2006-03-29 2019-04-23 Medtronic, Inc. Method and apparatus for detecting arrhythmias in a subcutaneous medical device
US11291849B2 (en) 2006-03-29 2022-04-05 Medtronic, Inc. Method and apparatus for detecting arrhythmias in a subcutaneous medical device
US9872630B2 (en) 2006-03-29 2018-01-23 Medtronic, Inc. Method and apparatus for detecting arrhythmias in a subcutaneous medical device
US10939843B2 (en) 2014-10-22 2021-03-09 Medtronic, Inc. Atrial arrhythmia episode detection in a cardiac medical device
US9717437B2 (en) 2014-10-22 2017-08-01 Medtronic, Inc. Atrial arrhythmia detection during intermittent instances of ventricular pacing in a cardiac medical device
US10219718B2 (en) 2014-10-22 2019-03-05 Medtronic, Inc. Atrial arrhythmia episode detection in a cardiac medical device
US9561005B2 (en) 2015-01-23 2017-02-07 Medtronic, Inc. Method and apparatus for beat acquisition during template generation in a medical device having dual sensing vectors
US9675261B2 (en) 2015-01-23 2017-06-13 Medtronic, Inc. Atrial arrhythmia episode detection in a cardiac medical device
US10188867B2 (en) 2015-01-23 2019-01-29 Medtronic, Inc. Method and apparatus for beat acquisition during template generation in a medical device having dual sensing vectors
US10213125B2 (en) 2015-01-23 2019-02-26 Medtronic, Inc. Atrial arrhythmia episode detection in a cardiac medical device
US10004418B2 (en) 2015-01-23 2018-06-26 Medtronic, Inc. Atrial arrhythmia episode detection in a cardiac medical device
US9603543B2 (en) 2015-02-18 2017-03-28 Medtronic, Inc. Method and apparatus for atrial arrhythmia episode detection
US11517242B2 (en) 2015-02-18 2022-12-06 Medtronic, Inc. Method and apparatus for atrial arrhythmia episode detection
US12251231B2 (en) 2015-02-18 2025-03-18 Medtronic, Inc. Method and apparatus for atrial arrhythmia episode detection
US9962102B2 (en) 2015-02-18 2018-05-08 Medtronic, Inc. Method and apparatus for atrial arrhythmia episode detection
US9936890B2 (en) 2015-02-18 2018-04-10 Medtronic, Inc. Method and apparatus for adjusting a threshold during atrial arrhythmia episode detection in an implantable medical device
US9901276B2 (en) 2015-02-18 2018-02-27 Medtronic, Inc. Method and apparatus for identifying sick sinus syndrome in an implantable cardiac monitoring device
US10492706B2 (en) 2015-02-18 2019-12-03 Medtronic, Inc. Method and apparatus for atrial arrhythmia episode detection
US9486155B2 (en) 2015-02-18 2016-11-08 Medtronic, Inc. Method and apparatus for atrial arrhythmia episode detection
US9675269B2 (en) 2015-02-18 2017-06-13 Medtronic, Inc. Method and apparatus for atrial arrhythmia episode detection
US10575748B2 (en) 2016-03-30 2020-03-03 Medtronic, Inc. Atrial arrhythmia episode detection in a cardiac medical device
US10045710B2 (en) 2016-03-30 2018-08-14 Medtronic, Inc. Atrial arrhythmia episode detection in a cardiac medical device
US11576607B2 (en) 2016-03-30 2023-02-14 Medtronic, Inc. Atrial arrhythmia episode detection in a cardiac medical device
US11826153B2 (en) 2016-03-30 2023-11-28 Medtronic, Inc. Atrial arrhythmia episode detection in a cardiac medical device
US10039469B2 (en) 2016-03-30 2018-08-07 Medtronic, Inc. Atrial arrhythmia episode detection in a cardiac medical device

Also Published As

Publication number Publication date
AU5486001A (en) 2001-10-30
FR2807851A1 (fr) 2001-10-19

Similar Documents

Publication Publication Date Title
Venkatesan et al. A novel LMS algorithm for ECG signal preprocessing and KNN classifier based abnormality detection
Anbalagan et al. Analysis of various techniques for ECG signal in healthcare, past, present, and future
Merah et al. R-peaks detection based on stationary wavelet transform
WO2001080042A1 (fr) Procede et dispositif de detection de la fibrillation auriculaire cardiaque par la methode des ondelettes
Elgendi et al. Frequency Bands Effects on QRS Detection.
Milanesi et al. Independent component analysis applied to the removal of motion artifacts from electrocardiographic signals
Zhang et al. QRS detection based on morphological filter and energy envelope for applications in body sensor networks
Gündüz et al. Atrial fibrillation classification and detection from ECG recordings
Satheeskumaran et al. Real-time ECG signal pre-processing and neuro fuzzy-based CHD risk prediction
Sheetal et al. QRS detection of ECG signal using hybrid derivative and MaMeMi filter by effectively eliminating the baseline wander
Dora et al. Correlation-based ECG artifact correction from single channel EEG using modified variational mode decomposition
FR2791248A1 (fr) Dispositif d&#39;analyse de bruits auscultatoires, en particulier de bruits respiratoires
Rahul et al. Exploratory data analysis based efficient QRS-complex detection technique with minimal computational load
Dogan et al. A comprehensive review of computer-based Techniques for R-peaks/QRS complex detection in ECG signal
Cao et al. Variational mode decomposition-based simultaneous R peak detection and noise suppression for automatic ECG analysis
Karri et al. A real-time cardiac arrhythmia classification using hybrid combination of delta modulation, 1D-CNN and blended LSTM
Merino-Monge et al. Heartbeat detector from ECG and PPG signals based on wavelet transform and upper envelopes
Alcaraz et al. Central tendency measure and wavelet transform combined in the non-invasive analysis of atrial fibrillation recordings
Serhal et al. An EMD-based approach for atrial fibrillation classification using wavelets and convolutional neural network
Zhao et al. [Retracted] An Early Warning of Atrial Fibrillation Based on Short‐Time ECG Signals
Ari et al. On a robust algorithm for heart sound segmentation
Anandhi et al. Performance analysis of wavelet transform in the removal of baseline wandering from ECG signals in children with autism spectrum disorder (ASD)
Bılgın et al. A new robust QRS detection algorithm in arrhythmic ECG signals
CH627358A5 (fr) Procede et appareillage d&#39;analyse rapide d&#39;un enregistrement electrocardiographique sur bande.
Dhar et al. Effortless detection of premature ventricular contraction using computerized analysis of photoplethysmography signal

Legal Events

Date Code Title Description
AK Designated states

Kind code of ref document: A1

Designated state(s): AE AG AL AM AT AU AZ BA BB BG BR BY BZ CA CH CN CO CR CU CZ DE DK DM DZ EE ES FI GB GD GE GH GM HR HU ID IL IN IS JP KE KG KP KR KZ LC LK LR LS LT LU LV MA MD MG MK MN MW MX MZ NO NZ PL PT RO RU SD SE SG SI SK SL TJ TM TR TT TZ UA UG US UZ VN YU ZA ZW

AL Designated countries for regional patents

Kind code of ref document: A1

Designated state(s): GH GM KE LS MW MZ SD SL SZ TZ UG ZW AM AZ BY KG KZ MD RU TJ TM AT BE CH CY DE DK ES FI FR GB GR IE IT LU MC NL PT SE TR BF BJ CF CG CI CM GA GN GW ML MR NE SN TD TG

121 Ep: the epo has been informed by wipo that ep was designated in this application
REG Reference to national code

Ref country code: DE

Ref legal event code: 8642

122 Ep: pct application non-entry in european phase
NENP Non-entry into the national phase

Ref country code: JP

点击 这是indexloc提供的php浏览器服务，不要输入任何密码和下载