UNIVERSITY OF WASHINGTON THROUGH ITS CENTER FOR COMMERCIALIZATION
发明人:
RAMACHANDRAN, Alampallam R.,SHERMAN, Lawrence,COULT, Jason,KUDENCHUK, Peter,CHIN, Allison,NEILS, Christopher
申请号：
USUS2014/059108
公开号：
WO2015/051280A1
申请日:
2014.10.03
申请国别(地区):
US
年份:
2015
代理人:
摘要：
Examples of systems, apparatuses, and methods for classification of electrocardiogram signals during cardiopulmonary resuscitation are described. An example system may include a defibrillator comprising an electrocardiogram analyzer. The electrocardiogram analyzer may be configured to apply a prediction modeling technique to an electrocardiogram signal to generate a predicted signal. The electrocardiogram signal may be captured from a patient undergoing cardiopulmonary resuscitation. The electrocardiogram analyzer may be further configured to subtract the predicted signal from the electrocardiogram signal to generate an error signal and to classify a rhythm of the electrocardiogram signal as one of a shockable rhythm or non-shockable based on the error signal. Decision parameters derived from the signals may be used in conjunction with a machine learning technique to classify the electrocardiogram signal.Selon l'invention, des exemples de systèmes, d'appareils et de procédés concernent la classification de signaux d'électrocardiogramme pendant une réanimation cardiopulmonaire. Un exemple de système peut comprendre un défibrillateur comportant un analyseur d'électrocardiogramme. L'analyseur d'électrocardiogramme peut être configuré pour appliquer une technique de modelage de prévision à un signal d'électrocardiogramme pour générer un signal prédit. Le signal d'électrocardiogramme peut être capturé auprès d'un patient subissant une réanimation cardiopulmonaire. L'analyseur d'électrocardiogramme peut en outre être configuré pour soustraire le signal prédit au signal d'électrocardiogramme afin de générer un signal d'erreur et classer un rythme du signal d'électrocardiogramme comme rythme pouvant être traité par cardioversion ou non, sur la base du signal d'erreur. Des paramètres de décision obtenus des signaux peuvent être utilisés conjointement avec une technique d'apprentissage automatique pour classer le signal d'électrocardiogramme.
