具体实施方式

本文公开了由检测引擎实现的机器学习和/或人工智能方法和系统。更具体地讲，本发明涉及包括检测aFib和aFib终止的机器学习/人工智能算法的检测引擎。

检测引擎的一个或多个优点、技术效果和/或益处可包括使用基于病灶活动的实际消融的反馈回路来解决主动问题与被动问题(例如，在病灶源和转子之间进行区分)，另外这不是通过常规机制可获得的。就这一点而言，检测引擎可对向量速度场建模，同时区分病灶源和转子(例如，主动和被动)。也就是说，检测引擎可限定计算局部激活时间(LAT)的位置，计算LAT的导数以获得速度，识别病灶源(例如，在1mm框内)，对主动病灶源或被动病灶源(例如，在1mm框中)进行分类，提供回顾性分析(例如，调查过去病例并确定消融发生在何处)，以及提供前瞻性分析(例如，确定要在何处消融)。

为了便于解释，本文相对于确定和治疗相对于心脏的aFib来描述检测引擎；然而，任何解剖结构、身体部位、器官或其部分可为用于通过本文所述的检测引擎进行标测的目标。另外，检测引擎和/或机器学习/人工智能算法是处理器可执行代码或软件，该处理器可执行代码或软件必须根源在于医疗设备装备的处理操作以及其处理硬件。

根据一个或多个实施方案，提供了一种由检测引擎实现的方法，所述检测引擎体现在存储在存储器上并由至少一个处理器执行的处理器可执行代码中。所述方法包括由所述检测引擎对向量速度场建模，所述向量速度场测量并量化经过局部激活时间的心电图数据信号的速度；由所述检测引擎确定平面中的每个点的一个或多个代码以提供色码向量场图像；由所述检测引擎通过使用一个或多个内核以扫描所述颜色编码向量场图像来检测病灶指示和转子指示；以及由所述检测引擎将所述病灶指示和所述转子指示分类成维持灶。

根据一个或多个实施方案或本文的方法实施方案中的任一者，所述心电图数据信号可由解剖结构内并与所述检测引擎通信的导管检测。

根据一个或多个实施方案或本文的方法实施方案中的任一者，所述检测引擎可检测所述局部激活时间的相对于第一激活时间的一个或多个区段。

根据一个或多个实施方案或本文的方法实施方案中的任一者，所述检测引擎可通过以下方式对速度向量场建模：计算每个x,y点处的电波的方向以及利用多项式表面的导数来提供所述速度向量场。

根据一个或多个实施方案或本文的方法实施方案中的任一者，所述检测引擎可通过利用所述速度向量场作为机器学习或人工智能算法的输入来对所述维持灶分类。

根据一个或多个实施方案或本文的方法实施方案中的任一者，所述机器学习或人工智能算法可包括深度卷积神经网络或递归神经网络，以检测所述维持灶中的金标准维持灶的位置。

根据一个或多个实施方案或本文的方法实施方案中的任一者，所述机器学习或人工智能算法可确定关于所述心电图数据信号的特定病例的消融结果是否成功。

根据一个或多个实施方案或本文的方法实施方案中的任一者，当在所述一个或多个内核内，所有方向都按顺序时，可检测到所述病灶指示和所述转子指示。

根据一个或多个实施方案或本文的方法实施方案中的任一者，当标记所述维持灶时，所述检测引擎基于向量速度和消融信息来自动识别和注释心房纤颤维持灶。

根据一个或多个实施方案或本文的方法实施方案中的任一者，所述检测引擎可相对于主动类别、被动类别和未知类别使用感兴趣区域注释，以至少指示是否消融感兴趣区域或者终止心房纤颤。

根据一个或多个实施方案，系统包括存储器，所述存储器存储用于检测引擎的处理器可执行代码。所述系统还包括至少一个处理器，所述至少一个处理器执行所述处理器可执行代码以致使所述系统：由所述检测引擎对向量速度场建模，所述向量速度场测量并量化经过局部激活时间的心电图数据信号的速度；由所述检测引擎确定平面中的每个点的一个或多个代码以提供色码向量场图像；由所述检测引擎通过使用一个或多个内核以扫描所述颜色编码向量场图像来检测病灶指示和转子指示；以及由所述检测引擎将所述病灶指示和所述转子指示分类成维持灶。

根据一个或多个实施方案或本文的系统实施方案中的任一者，所述心电图数据信号可由解剖结构内并与所述检测引擎通信的导管检测。

根据一个或多个实施方案或本文的系统实施方案中的任一者，所述检测引擎可检测所述局部激活时间的相对于第一激活时间的一个或多个区段。

根据一个或多个实施方案或本文的系统实施方案中的任一者，所述检测引擎可通过以下方式对速度向量场建模：计算每个x,y点处的电波的方向以及利用多项式表面的导数来提供所述速度向量场。

根据一个或多个实施方案或本文的系统实施方案中的任一者，所述检测引擎可通过利用所述速度向量场作为机器学习或人工智能算法的输入来对所述维持灶分类。

根据一个或多个实施方案或本文的系统实施方案中的任一者，所述机器学习或人工智能算法可包括深度卷积神经网络或递归神经网络，以检测所述维持灶中的金标准维持灶的位置。

根据一个或多个实施方案或本文的系统实施方案中的任一者，所述机器学习或人工智能算法可确定关于所述心电图数据信号的特定病例的消融结果是否成功。

根据一个或多个实施方案或本文的系统实施方案中的任一者，当在所述一个或多个内核内，所有方向都按顺序时，可检测到所述病灶指示和所述转子指示。

根据一个或多个实施方案或本文的系统实施方案中的任一者，当标记所述维持灶时，所述检测引擎基于向量速度和消融信息来自动识别和注释心房纤颤维持灶。

根据一个或多个实施方案或本文的系统实施方案中的任一者，所述检测引擎可相对于主动类别、被动类别和未知类别使用感兴趣区域注释，以至少指示是否消融感兴趣区域或者终止心房纤颤。

图1是被示为系统100的示例性系统(例如，医疗设备装备)的图，其中可根据一个或多个实施方案来实现本文主题的一个或多个特征。系统100的全部或部分可用于收集信息(例如，生物计量数据和/或训练数据集)和/或用于实现检测引擎101(例如，机器学习和/或人工智能算法)，如本文所述。检测引擎101可被定义为用于检测待消融的aFib的维持灶以治疗持续性aFib受检者并且将速度向量场图像和原始数据分类成维持灶的深度学习优化。

如图所示，系统100包括探头105，其具有导管110(包括至少一个电极111)、轴112、护套113和操纵器114。如图所示，系统100还包括医师115(或医疗专业人员或临床医生)、心脏120、患者125和床130(或桌子)。需注意，插图140和150更详细地示出了心脏120和导管110。如图所示，系统100还包括控制台160(包括一个或多个处理器161和存储器162)和显示器165。还需注意，系统100的每个元素和/或项目表示该元素和/或该项目中的一者或多者。图1所示的系统100的示例可被修改成实现本文所公开的实施方案。本发明所公开的实施方案可类似地使用其他系统部件和设置来应用。另外，系统100可包括附加部件，诸如用于感测电活动的元件、有线或无线连接器、处理和显示设备等。

系统100可用于检测、诊断和/或治疗心脏病症(例如，使用监测引擎101)。心脏病症诸如心律失常一直为常见和危险的医学病症，在老年人中尤为如此。另外，系统100可为外科系统(例如，由Biosense Webster销售的系统)的一部分，该外科系统被配置为获得生物计量数据(例如，患者器官(诸如心脏120)的解剖测量结果和电测量结果)并且执行心脏消融规程。更具体地，诸如心律失常的心脏病症的治疗通常需要获得心脏组织、腔室、静脉、动脉和/或电通路的详细标测。例如，成功执行导管消融(如本文所述)的先决条件是心律失常的原因准确地位于心脏120的腔室中。此类定位可经由电生理研究来完成，在该电生理研究期间，用引入到心脏120的腔室中的标测导管(例如，导管110)来空间分辨地检测电势。该电生理研究(所谓的电解剖标测)因此提供可在监视器上显示的3D标测数据。在许多情况下，标测功能和治疗功能(例如，消融)由单个导管或一组导管提供，使得标测导管也同时作为治疗(例如，消融)导管操作。在这种情况下，检测引擎101可由导管110直接存储和执行。

在具有正常窦性节律(NSR)的患者(例如，患者125)中，包括心房、心室和兴奋性传导组织的心脏(例如，心脏120)被电激励而以同步的模式化方式跳动。需注意，该电激励可被检测为心内心电图(IC ECG)数据等。

一般来讲，心脏120由四个腔室构成—两个上腔室(心房)和两个下腔室(心室)。冠状窦(CS)为接合在一起以形成从心肌收集血液并且将较低含氧血液递送到右心房的大血管的静脉集合。心脏120的节律通常由位于右心房中的窦房结(未示出)控制。窦房结产生电脉冲，该电脉冲通常在每次心跳开始并且充当自然起搏器。电脉冲从窦房结行进穿过心房，从而致使心房肌肉收缩并将血液泵送到心室中。电脉冲随后到达称为房室结(AV节)(未示出)的细胞簇。AV节通常是信号从心房行进到心室的唯一路径。AV节在将电信号发送到心室之前减慢该电信号。延迟(即使略微)允许心室充满血液。当电脉冲到达心室的肌肉时，肌肉收缩，从而致使肌肉将血液泵送到肺或身体的其余部分。在健康心脏120中，该过程通常是平滑的，从而导致60至100次跳动/分钟的正常静止心率。在具有以上识别的疾病状态之一的心脏120中，心脏中的错误电连接或电活动的异常区域触发并维持异常节律。当发生这种情况时，心率加速过快并且不允许心脏120有足够的时间在其再次收缩之前充注。心脏120的这些无效收缩可引起轻度头晕或晕眩，因为大脑可能无法接收足够的血液和氧气。

在患有心律失常(例如，心房纤颤或aFib)的患者(例如，患者125)中，心脏组织的异常区域不遵循与正常传导组织相关联的同步跳动周期，这与患有NSR的患者形成对比。相反，心脏组织的异常区域不正常地向邻近组织传导，从而将心动周期打乱为非同步心律。需注意，该异步心律也可被检测为IC ECG数据。之前已知这种异常传导发生于心脏120的各个区域，例如窦房(SA)结区域中、沿房室(AV)结的传导通路，或形成心室和心房心脏腔室的壁的心肌组织中。存在其他状况(诸如颤动)，其中异常传导组织的模式导致折返路径，使得腔室以规则模式跳动，该规则模式可为窦性节律的多倍。

为了支持系统100检测、诊断和/或治疗心脏病症，探头105可由医师115导航到躺在床130上的患者125的心脏120中。例如，医师115可穿过护套113插入轴112，同时使用导管110的近侧端部附近的操纵器114和/或从护套113偏转来操纵轴112的远侧端部。如插图140所示，篮形导管110可装配在轴112的远侧端部处。篮形导管110可在塌缩状态下穿过护套113插入并且然后可在心脏120内展开。

通常，可将在其远侧尖端处或附近包含电传感器(例如，至少一个电极111)的导管110推进到心脏120中的某点处，用传感器接触组织并获取该点处的数据，通过这种方式来测量心脏120中该点处的电活动。使用仅包含单个远侧尖端电极的导管来标测心脏腔室的一个缺点是在对于腔室总体的详细图所需的必要数量的点上逐点采集数据需要的时间较长。因此，已开发出多电极导管(例如，导管110)以同时在心脏腔室中的多个点处测量电活动。

可包括至少一个电极111和联接到其身体上的导管针的导管110可被配置为获得生物计量数据，诸如体内器官(例如，心脏120)的电信号，和/或消融其组织区域(例如，心脏120的心脏腔室)。需注意，电极111表示任何类似的元件，诸如跟踪线圈、压电换能器、电极、或被配置为消融组织区域或获得生物计量数据的元件的组合。根据一个或多个实施方案，导管110可包括用于确定轨线信息的一个或多个位置传感器。轨线信息可用于推断运动特性，诸如组织的收缩性。

生物计量数据(例如，患者生物计量、患者数据或患者生物计量数据)可包括局部激活时间(LAT)、电活动、拓扑、双极性标测、参考活动、心室活动、主频率、阻抗等中的一者或多者。LAT可以是基于归一化初始起点来计算的对应于局部激活的阈值活动的时间点。电活动可以是可以基于一个或多个阈值来测量并且可以基于信噪比和/或其他滤波器来感测和/或增强的任何适用的电信号。拓扑结构可以对应于身体部位或身体部位的一部分的物理结构，并且可以对应于物理结构相对于身体部位的不同部分或相对于不同身体部位的变化。主频可以是在身体部位的一部分处普遍存在的频率或频率范围，并且在相同身体部位的不同部分中可以不同。例如，心脏的PV的主频可以不同于同一心脏的右心房的主频。阻抗可以是在身体部位的给定区域处的电阻测量结果。

生物计量数据的示例包括但不限于患者识别数据、IC ECG数据、双极性心内参考信号、解剖和电测量、轨线信息、体表(BS)ECG数据、历史数据、脑生物计量、血压数据、超声信号、无线电信号、音频信号、二维或三维图像数据、血糖数据和温度数据。通常可使用生物计量数据以便对任何数量的各种疾病进行监测、诊断和治疗，疾病诸如心血管疾病(例如，心律失常、心肌病和冠状动脉疾病)和自身免疫疾病(例如，I型和II型糖尿病)。需注意，BSECG数据可包括从患者表面上的电极收集的数据和信号，IC ECG数据可包括从患者体内的电极收集的数据和信号，并且消融数据可包括从已被消融的组织收集的数据和信号。另外，BS ECG数据、IC ECG数据和消融数据连同导管电极位置数据可从一个或多个规程记录导出。

例如，导管110可使用电极111来实现血管内超声和/或MRI导管插入以对心脏120进行成像(例如，获得和处理生物计量数据)。插图150以放大视图示出了在心脏120的心脏腔室内的导管110。虽然导管110示被为尖导管，但是应当理解，包括一个或多个电极111的任何形状可用于实现本文公开的示例性实施方案。

导管110的示例包括但不限于具有多个电极的线性导管、包括分散在使球囊成形的多个脊上的电极的球囊导管、具有多个电极的套索或环导管、接触力感测导管、或任何其他适用的形状或类型。线性导管可为完全或部分弹性的，使得其可基于所接收的信号和/或基于在线性导管上施加外力(例如，心脏组织)来扭曲、弯曲和/或以其他方式改变其形状。球囊导管可被设计成使得当部署到患者体内时，其电极可保持抵靠心内膜表面紧密接触。例如，球囊导管可插入内腔，诸如PV。球囊导管可以收缩状态插入PV中，使得球囊导管在插入PV中时不占据其最大体积。球囊导管可在PV内部膨胀，使得球囊导管上的那些电极与PV的整个圆形节段接触。与PV的整个圆形节段或任何其他内腔的此类接触可实现有效的成像和/或消融。

根据其他示例，身体贴片和/或体表电极也可定位在患者125的身体上或患者的身体附近。具有一个或多个电极111的导管110可定位在身体内(例如，心脏120内)，并且导管110的位置可由系统100基于在导管110的一个或多个电极111与身体贴片和/或体表电极之间传输和接收的信号来确定。另外，电极111可感测来自患者125体内的生物计量数据，诸如在心脏120内(例如，电极111实时感测组织的电势)。生物计量数据可与所确定的导管110的位置相关联，使得可显示患者的身体部位(例如，心脏120)的渲染，并且可显示覆盖在身体部位形状上的生物计量数据。

探头105和系统100的其他物品可连接到控制台160。控制台160可包括采用机器学习和/或人工智能算法(表示为检测引擎101)的任何计算设备。根据示例性实施方案，控制台160包括一个或多个处理器161(任何计算硬件)和存储器162(任何非临时性有形介质)，其中一个或多个处理器161执行相对于检测引擎101的计算机指令，并且存储器162存储这些指令以供一个或多个处理器161执行。例如，控制台160可被配置为接收和处理生物计量数据并且确定给定组织区域是否导电。

在一些实施方案中，控制台160还可由检测引擎101(在软件中)编程以执行以下功能：对测量和量化经过局部激活时间的心电图数据信号的速度的向量速度场进行建模；确定平面中的每个点的一个或多个代码以提供色码向量场图像；通过使用一个或多个内核(例如，标测图内的空间)扫描经颜色编码的向量场图像来检测病灶指示和转子指示；以及将所述病灶指示和所述转子指示分类成维持灶。例如，检测引擎101可包括深度学习优化(本文相对于图3和图6所述)，该深度学习优化在导管110在解剖结构内被操纵时接收由该导管采集的生物计量数据。一旦生成标测，检测引擎101就可接收表示标测的用户修改的输入，诸如通过现有用户界面和/或检测引擎101的专用用户界面。一般来讲，检测引擎101可提供一个或多个用户界面，诸如代表操作系统或其他应用程序和/或根据需要直接提供。用户界面包括但不限于互联网浏览器、图形用户界面(GUI)、窗口界面和/或用于应用程序、操作系统、文件夹等的其他视觉界面。根据一个或多个实施方案，检测引擎101可位于控制台160的外部，并且可位于例如导管110中、外部设备中、移动设备中、基于云的设备中，或者可以是独立的处理器。就这一点而言，检测引擎101可以电子形式通过网络传输/下载。

在一个示例中，控制台160可以是包括软件(例如，检测引擎101)和/或硬件(例如，处理器161和存储器162)的如本文所述的任何计算设备(诸如通用计算机)，其具有合适的前端和接口电路，以用于向探头105传输信号和从探头接收信号，以及用于控制系统100的其他部件。例如，前端和接口电路包括输入/输出(I/O)通信接口，该输入/输出(I/O)通信接口使得控制台160能够从至少一个电极111接收信号和/或将信号传输到至少一个电极。控制台160可包括通常被配置为现场可编程门阵列(FPGA)的实时降噪电路系统，之后是模数(A/D)ECG或心电图描记器或肌电图(EMG)信号转换集成电路。控制台160可将信号从A/DECG或EMG电路传递到另一个处理器并且/或者可被编程以执行本文所公开的一个或多个功能。

显示器165可为用于生物计量数据的视觉呈现的任何电子设备，该显示器连接到控制台160。根据示例性实施方案，在规程期间，控制台160可有利于在显示器165上向医师115呈现身体部位渲染，并且将表示身体部位渲染的数据存储在存储器162中。例如，描绘运动特性的标测图可基于在心脏120中的足够数量的点处采样的轨线信息来渲染/构建。作为示例，显示器165可包括触摸屏，该触摸屏可被配置为除了呈现身体部位渲染之外，还接受来自医疗专业人员115的输入。

在一些实施方案中，医师115可使用一个或多个输入设备(诸如触摸板、鼠标、键盘、手势识别装置等)来操纵系统100的元件和/或身体部位渲染。例如，输入设备可用于改变导管110的位置，使得渲染被更新。需注意，显示器165可位于相同的位置或远程位置，诸如单独的医院或单独的医疗保健提供者网络中。

根据一个或多个实施方案，系统100还可使用超声、计算机断层扫描(CT)、MRI或利用导管110或其他医疗装备的其他医疗成像技术来获得生物计量数据。例如，系统100可使用一个或多个导管110或其他传感器来获得心脏120的ECG数据和/或解剖和电测量结果(例如，生物计量数据)。更具体地，控制台160可通过电缆连接到BS电极，该BS电极包括附连到患者125的粘合剂皮肤贴片。BS电极可以BS ECG数据的形式获得/生成生物计量数据。例如，处理器161可确定导管110在患者125的身体部位(例如，心脏120)内的位置坐标。位置坐标可基于在体表电极与导管110的电极111或其他电磁部件之间测量的阻抗或电磁场。附加地或另选地，生成用于导航的磁场的定位垫可位于床130的表面上并且可与床130分离。生物计量数据可传输到控制台160并存储在存储器162中。另选地或除此之外，可使用网络1762将生物计量数据传输到可以是本地的或远程的服务器1760。

根据一个或多个示例性实施方案，导管110可被配置为消融心脏120的心脏腔室的组织区域。插图150以放大视图示出了在心脏120的心脏腔室内的导管110。例如，消融电极诸如至少一个电极111可被配置为向体内器官(例如，心脏120)的组织区域提供能量。能量可以是热能并且可从组织区域的表面开始并延伸到组织区域的厚度中对组织区域造成损伤。相对于消融规程(例如，消融组织、消融位置等)的生物计量数据可被认为是消融数据。

根据一个示例，相对于获得生物计量数据，可将多电极导管(例如，导管110)推进到心脏120的腔室中。可获得前后荧光图(AP)和侧向荧光图以建立每个电极的位置和取向。ECG可相对于时间基准(诸如来自BS ECG的窦性节律中的P波和/或来自放置在冠状窦中的导管110的电极111的信号的开始)从与心脏表面接触的电极111中的每一者记录。如本文进一步公开的，该系统可区分记录电活动的那些电极和由于不紧密接近心内膜壁而不记录电活动的那些电极。在记录初始ECG之后，可重新定位导管，并且可再次记录荧光图和ECG。然后可根据上述过程的迭代构建电标测图(例如，经由心脏标测)。

心脏标测可使用一种或多种技术来实现。一般来讲，心脏区域诸如心脏120的心脏区、组织、静脉、动脉和/或电通路的标测可导致识别问题区域诸如疤痕组织、心律失常源(例如，电转子)、健康区域等。心脏区域可被标测，使得使用显示器提供标测心脏区域的视觉渲染，如本文进一步公开的。另外，心脏标测(其为心脏成像的示例)可包括基于一种或多种模态的标测，诸如但不限于LAT、局部激活速度、电活动、拓扑结构、双极性标测图、主频或阻抗。可使用插入患者体内的导管(例如，导管110)来捕获对应于多种模态的数据(例如，生物计量数据)，并且可基于医师115的对应设置和/或偏好来同时或在不同时间提供该数据以用于渲染。

作为第一技术的示例，心脏标测可通过根据心脏120内的精确位置感测心脏组织的电特性(例如，LAT)来实现。对应的数据(例如，生物计量数据)可通过一个或多个导管(例如，导管110)获取，该导管推进到心脏1120中并且在其远侧尖端中具有电传感器和位置传感器(例如，电极111)。作为具体示例，最初可在心脏120的内表面上的约10个至约20个点上测量位置和电活动。这些数据点通常可足以生成心脏表面的质量令人满意的初步重构或标测图。初步图可与取自附加点处的数据结合，以便产生心脏电活动的更全面的标测图。在临床环境中，积累100个或更多个位点(例如，几千个)处的数据以生成心脏腔室电活动的详细且全面的标测图并不少见。所生成的详细的图可接着作为基础以用于决定例如如本文所述的组织消融的治疗行动过程，以改变心脏电活动的传播和恢复正常心律。

另外，可基于心内电势场(例如，其为IC ECG数据和/或双极性心内参考信号的示例)的检测来生成心脏标测。可实施同时获取大量心脏电信息的非接触技术。例如，具有远侧端部部分的导管类型可设置有分布在其表面上并且连接到绝缘电导体以用于连接到信号感测和处理装置的一系列传感器电极。端部部分的尺寸和形状可使得电极与心腔的壁基本上间隔开。可在单次心跳期间检测心内电势场。根据一个示例，传感器电极可分布在位于彼此间隔开的平面中的一系列圆周上。这些平面可垂直于导管的端部部分的长轴。可在端部的长轴的端部处相邻地提供至少两个附加电极。作为更具体的示例，导管可包括四个圆周，其中在每个圆周上等角地间隔开八个电极。因此，在该具体实施中，导管可包括至少34个电极(32个周向电极和2个端部电极)。作为另一个更具体的示例，导管可包括其他多花键导管，诸如五个软柔性分支、八个径向花键、或平行花键锅铲型(例如，其中任一个可具有总共42个电极)。

作为电标测或心脏标测的示例，可实现基于非接触式和非膨胀多电极导管(例如，导管110)的电生理心脏标测系统和技术。可用具有多个电极(例如，诸如介于42至122个电极之间)的一个或多个导管110来获得ECG。根据该具体实施，对探头和心内膜的相对几何形状的了解可通过独立的成像模态诸如经食道超声心动图来获得。在独立成像之后，非接触电极可用于测量心脏表面电势并由其构造标测图(例如，在一些情况下，使用双极性心内参考信号)。该技术可包括以下步骤(在独立成像步骤之后)：(a)利用设置在定位在心脏120中的探头上的多个电极来测量电势；(b)确定探头表面和心内膜表面和/或其他参考的几何关系；(c)产生表示所述探头表面和心内膜表面的几何关系的系数矩阵；以及(d)基于电极电势和系数矩阵确定心内膜电势。

根据电标测或心脏标测的另一个示例，可实现用于标测心脏腔室的电势分布的技术和装置。心内多电极标测导管组件可插入心脏120中。标测导管(例如，导管110)组件可包括具有一个或多个整体参考电极(例如，一个或多个电极111)的多电极阵列或配套参考导管。

根据一个或多个示例性实施方案，电极可以基本上球形阵列的形式部署，其可通过参考电极或通过与心内膜表面接触的参考导管在空间上以心内膜表面上的点为参考。优选的电极阵列导管可承载多个单独的电极位点(例如，至少24个)。另外，该示例性技术可通过了解阵列上电极位点中的每个电极位点的位置以及了解心脏几何形状来实现。这些位置优选地通过阻抗容积描记术的技术来确定。

鉴于电标测或心脏标测并且根据另一个示例，导管110可为心脏标测导管组件，该心脏标测导管组件可包括限定多个电极位点的电极阵列。心脏标测导管组件还可包括内腔以接纳具有远侧尖端电极组件的参考导管，该远侧尖端电极组件可用于探测心脏壁。心脏标测导管组件可包括绝缘线的编织物(例如，在编织物中具有24至64根线)，并且每根线可用于形成电极位点。心脏标测导管组件可易于定位在心脏120中以用于从第一组非接触电极位点和/或第二组接触电极位点采集电活动信息。

此外，根据另一个示例，可在心脏内实现标测电生理活动的导管110可包括适于递送用于对心脏起搏的刺激脉冲的远侧尖端或用于消融与尖端接触的组织的消融电极。该导管110还可包括至少一对正交电极以生成指示邻近正交电极的局部心脏电活动的差值信号。

如本文所述，系统100可用于检测、诊断和/或治疗心脏病症。在示例性操作中，用于测量心脏腔室中的电生理数据的过程可由系统100实现。过程可部分地包括将一组有源电极和无源电极定位到心脏120中，向有源电极供应电流，由此在心脏腔室中生成电场，以及测量无源电极位点处的电场。无源电极包含在定位在球囊导管的可充胀球囊上的阵列中。在优选的实施例中，该阵列据称具有60至64个电极。

作为另一个示例性操作，心脏标测可由系统100使用一个或多个超声换能器来实现。超声换能器可插入患者的心脏120中，并且可在心脏120内的各种位置和取向处收集多个超声切片(例如，二维或三维切片)。给定超声换能器的位置和取向可以是已知的，并且可以存储所收集的超声切片，使得它们可以在稍后的时间显示。可显示与探头105(例如，被示为导管110的治疗导管)在稍后的时间的位置对应的一个或多个超声切片，并且探头105可覆盖在一个或多个超声切片上。

鉴于系统100，需注意包括房性心律失常在内的心律失常可为多子波折返型，其特征在于分散在心房腔室周围并通常自传播的电脉冲的多个异步环(例如，IC ECG数据的另一个示例)。另选地，或除多子波折返型外，诸如当心房内孤立的组织区域以快速重复的方式自主搏动时，心律失常还可具有病灶源(例如，IC ECG数据的另一个示例)。室性心动过速(V-tach或VT)是一种源于某一个心室的心动过速或快速心律。这是一种可能危及生命的心律失常，因为它可以导致心室纤颤和猝死。

例如，当窦房结所生成的正常电脉冲(例如，IC ECG数据的另一个示例)被起源于心房静脉和PV的致使不规则脉冲传输至心室的紊乱电脉冲淹没时，会发生aFib。不规则心跳产生并且可能持续数分钟至数周，或甚至数年。aFib通常是通常由于中风而导致死亡风险的小幅增加的慢性病症。aFib的线治疗是减慢心率或使心律恢复正常的药物治疗。另外，患有aFib的人通常会被给予抗凝剂，以防止他们有中风的风险。使用此类抗凝血剂会伴随其自身带有的内出血风险。对于一些患者，药物治疗是不够的，并且他们的aFib被视为药物难治性的，即用标准药物干预是无法医治的。也可使用同步电复律来使aFib转变至正常心律。另选地，通过导管消融治疗aFib患者。

基于导管消融的治疗可包括标测心脏组织的电特性(尤其是心内膜和心脏容量)，以及通过施加能量来对心脏组织进行选择性地消融。电标测或心脏标测(例如，由本文所述的任何电生理学心脏标测系统和技术实现)包括创建沿着心脏组织的波传播的电势的标测图(例如，电压标测图)或到各种组织定位点的到达时间的标测图(例如，LAT标测图)。电标测或心脏标测(例如，心脏标测图)可用于检测局部心脏组织功能障碍。消融，诸如基于心脏标测的消融，可停止或改变不需要的电信号从心脏120的一个部分传播到另一部分。

消融过程通过形成非导电消融灶来损坏不需要的电通路。已经公开了多种用于形成消融灶的能量递送形式，并且包括使用微波、激光和更常见的射频能量来沿心脏组织壁形成传导阻滞。能量递送技术的另一个示例包括不可逆电穿孔(IRE)，其提供损坏细胞膜的高电场。在两步规程(例如，标测然后消融)中，通常通过将包含一个或多个电传感器(或电极111)的导管110推进到心脏120中并且获得/获取多个点处的数据(例如，一般如生物计量数据，或具体地如ECG数据)来感应并测量心脏120内的各个点处的电活动。然后利用该ECG数据来选择将要执行消融的心内膜目标区域。

随着临床医生治疗越来越具挑战性的病症诸如心房颤动和室性心动过速，心脏消融和其他心脏电生理规程变得日益复杂。复杂性心律失常的治疗可仅依赖于使用三维(3D)标测系统以便重构感兴趣心脏腔室的解剖结构。就这一点而言，本文的系统100所采用的检测引擎101一般地操纵和评估生物计量数据或具体地ECG数据以产生改进的组织数据，该改进的组织数据实现更准确的诊断、图像、扫描和/或标测图以用于治疗异常心跳或心律失常。例如，心脏病专家依赖于软件，诸如由Biosense Webster,Inc.(加利福尼亚州钻石吧)生产的3 3D标测系统的复杂碎裂心房电图(CFAE)模块，以生成并分析ECG数据。系统100的检测引擎101增强该软件以生成和分析改进的生物计量数据，这进一步提供了关于心脏120(包括疤痕组织)的电生理特性的多条信息，这些信息表示aFib的心脏基质(解剖和功能)。

因此，系统100可实现3D标测系统诸如3 3D标测系统，以便在异常EGM检测方面定位心肌症的潜在致心律失常基质。与这些心脏病症相关的基质与心室腔室(右和左)的心内膜层和/或心外膜层中的碎裂和延长ECG的存在相关。例如，低电压或中电压的区域可表现出ECG碎裂和延长的活动。此外，在窦性节律期间，低电压或中电压的区域可对应于在持续和组织的室性心律失常期间识别的关键峡部(例如，适用于非耐受室性心动过速，以及心房中)。一般来讲，异常组织的特征在于低电压ECG。然而，心内-心外膜标测中的初始临床经验指示低电压区域并不总是作为唯一的致心律失常机制存在于此类患者中。事实上，低电压或中电压的区域可在窦性节律期间表现出EGM碎裂和延长的活动，窦性节律对应于在持续和组织室性心律失常期间识别的关键峡部，例如，仅适用于非耐受室性心动过速。此外，在许多情况下，在显示正常或接近正常电压振幅(>1-1.5mV)的区域中观察到EGM碎裂和延长的活动。虽然后一区域可根据电压振幅来评估，但根据心内信号不能将它们视为正常的，因此表示真实的致心律失常的基质。3D标测能够将致心律失常基质定位在右/左心室的心内膜层和/或心外膜层上，这可根据主要疾病的扩展而在分布上变化。

作为另一个示例性操作，心脏标测可由系统100使用一个或多个多电极导管(例如，导管110)来实现。多电极导管用于刺激和标测心脏120中的电活动并且用于消融异常电活动的位点。使用时，将多电极导管插入到主静脉或动脉例如股静脉中，并且随后引导到所关注的心脏120的腔室中。典型消融规程涉及将在其远侧端部处具有至少一个电极111的导管110插入到心脏腔室中。提供胶粘到患者的皮肤的参考电极，或通过定位在心脏中或心脏附近或选自导管110的一个或其他电极111的第二导管来提供参考电极。射频(RF)电流被施加至消融导管110的尖端电极111，并且电流通过围绕其的介质(例如，血液和组织)流向该参考电极。电流的分布取决于与血液相比电极表面与组织接触的量，血液具有比组织更高的导电率。由于组织的电阻，发生组织的加热。组织被充分加热而致使心脏组织中的细胞破坏，从而导致在心脏组织内形成不导电的消融灶。在这个过程中，由于从加热组织至电极本身的传导，还发生对尖端电极111的加热。如果电极温度变得足够高，可能高于60℃，则可在电极111的表面上形成脱水血蛋白的薄透明涂层。如果温度继续升高，则该脱水层可变得越来越厚，导致在电极表面上的血液凝结。因为脱水生物材料具有比心内膜组织更高的电阻，所以对于进入组织的电能量流的阻抗也增大。如果阻抗充分地增加，则出现阻抗上升，并且必须将导管110从体内移除并清理尖端电极111。

现在转到图2，示出了根据一个或多个示例性实施方案的其中可实现本公开主题的一个或多个特征的系统200的图。相对于患者202(例如，图1的患者125的示例)，系统200包括装置204、本地计算设备206、远程计算系统208、第一网络210和第二网络211。另外，装置204可包括生物计量传感器221(例如，图1的导管110的示例)、处理器222、用户输入(UI)传感器223、存储器224和收发器225。需注意，为了便于解释和简洁，图1的检测引擎101在图2中被重复使用。

根据一个实施方案，装置204可以是图1的系统100的示例，其中装置204可包括患者内部的部件和患者外部的部件两者。根据另一个实施方案，装置204可以是包括可附接贴片(例如，附接到患者皮肤)的患者202外部的装置。根据另一个实施方案，装置204可在患者202的身体内部(例如，皮下植入)，其中装置204可经由任何适用的方式插入患者202中，包括口服注射、经由静脉或动脉的外科插入、内窥镜规程或腹腔镜规程。根据一个实施方案，虽然在图2中示出了单个装置204，但示例性系统可包括多个装置。

因此，装置204、本地计算设备206和/或远程计算系统208可被编程为执行相对于检测引擎101的计算机指令。例如，存储器223存储这些指令以供处理器222执行，使得装置204可经由生物计量传感器201接收和处理生物计量数据。这样，处理器222和存储器223表示本地计算设备206和/或远程计算系统208的处理器和存储器。

装置204、本地计算设备206和/或远程计算系统208可以是单独或共同存储、执行和实现检测引擎101及其功能的软件和/或硬件的任何组合。另外，装置204、本地计算设备206和/或远程计算系统208可为电子计算机框架，包括和/或采用利用各种通信技术的任何数量和组合的计算设备和网络，如本文所述。装置204、本地计算设备206和/或远程计算系统208可易于缩放、扩展和模块化，具有改变为不同服务或独立于其他特征重新配置一些特征的能力。

网络210和211可以是有线网络、无线网络或包括一个或多个有线和无线网络。根据一个实施方案，网络210是近程网络(例如，局域网(LAN)或个人局域网(PAN))的示例。可使用各种近程无线通信协议(诸如蓝牙、Wi-Fi、Zigbee、Z-Wave、近场通信(NFC)、ultra-band、Zigbee或红外(IR))中的任何一种经由网络210在装置204与本地计算设备206之间发送信息。另外，网络211是以下中的一者或多者的示例：内联网、局域网(LAN)、广域网(WAN)、城域网(MAN)、直接连接或一系列连接、蜂窝电话网络，或者能够促进本地计算设备206和远程计算系统208之间的通信的任何其他网络或介质。可使用各种远程无线通信协议(例如，TCP/IP、HTTP、3G、4G/LTE、或5G/新无线电)中的任何一种经由网络211发送信息。需注意，对于网络210和211中的任一者，有线连接可使用以太网、通用串行总线(USB)、RJ-11来实现，或者任何其他有线连接和无线连接可使用Wi-Fi、WiMAX、以及蓝牙、红外、蜂窝网络、卫星或任何其他无线连接方法来实现。

在操作中，装置204可连续地或周期性地获得、监测、存储、处理与患者202相关联的生物计量数据，并且经由网络210传送该生物计量数据。另外，装置204、本地计算设备206和/或远程计算系统208通过网络210和211进行通信(例如，本地计算设备206可被配置为装置204和远程计算系统208之间的网关)。例如，装置204可以是图1的系统100的示例，其被配置为经由网络210与本地计算设备206通信。本地计算设备206可以是例如固定/独立设备、基站、台式计算机/膝上型计算机、智能电话、智能手表、平板电脑、或被配置为经由网络211和210与其他设备进行通信的其他设备。被实现为网络211上或连接到网络的物理服务器或网络211的公共云计算提供商(例如，Amazon Web Services)中的虚拟服务器的远程计算系统208可被配置为经由网络211与本地计算设备206通信。因此，与患者202相关联的生物计量数据可在整个系统200中传送。

现在描述装置204的元件。生物计量传感器221可包括例如一个或多个换能器，该一个或多个换能器被配置为将一个或多个环境条件转换成电信号，使得观察/获得/采集不同类型的生物计量数据。例如，生物计量传感器221可包括以下中的一者或多者：电极(例如，图1的电极111)、温度传感器(例如，热电偶)、血压传感器、血糖传感器、血氧传感器、pH传感器、加速度计和麦克风。

在执行检测引擎101时，处理器222可被配置为接收、处理和管理由生物计量传感器221获取的生物计量数据，并且经由收发器225将生物计量数据传送到存储器224以用于存储和/或跨网络210。来自一个或多个其他装置204的生物计量数据也可由处理器222通过收发器225接收。如下面更详细描述的，处理器222可被配置为选择性地响应从UI传感器223接收的不同轻击模式(例如，单击或双击)，使得可基于检测的模式激活贴片的不同任务(例如，数据的获取、存储或传输)。在一些实施方案中，处理器222可相对于检测手势生成可听反馈。

UI传感器223包括例如被配置为接收用户输入诸如轻击或触摸的压电传感器或电容传感器。例如，响应于患者202轻击或接触装置204的表面，可控制UI传感器223以实现电容联接。手势识别可经由各种电容类型中的任何一种来实现，诸如电阻电容、表面电容、投射电容、表面声波、压电和红外触摸。电容传感器可设置在小区域处或表面的长度上，使得表面的轻击或触摸激活监测装置。

存储器224是任何非临时性有形介质，诸如磁性存储器、光学存储器或电子存储器(例如，任何合适的易失性存储器和/或非易失性存储器，诸如随机存取存储器或硬盘驱动器)。存储器224存储计算机指令以供处理器222执行。

收发器225可包括单独的发射器和单独的接收器。另选地，收发器225可包括集成到单个设备中的发射器和接收器。

在操作中，装置204利用检测引擎101经由生物计量传感器221观察/获得患者202的生物计量数据，将生物计量数据存储在存储器中，并且经由收发器225跨系统200共享该生物计量数据。然后，检测引擎101可利用模型、算法(例如，深度学习优化)、神经网络、机器学习和/或人工智能来生成标测并向医师提供标测，以减小系统100的处理负载，并且将系统100的操作变换为更准确的标测机器。

现在转到图3，示出了根据一个或多个实施方案的方法300。一般来讲，方法300展示了检测引擎101的一个或多个操作，这些操作实现用于检测待消融的aFib的维持灶以治疗持续性aFib受检者并且将速度向量场图像和原始数据分类成维持灶的深度学习优化。

方法300在框307处开始，其中检测引擎101检测LAT的一个或多个区段(例如，相对于第一激活时间)。就这一点而言，对检测引擎101的输入包括以ECG数据信号形式的生物计量数据。根据ECG数据信号，在至少一个时间间隔(例如，区段)内确定LAT中的一者或多者。具体地讲，检测引擎101确定基于归一化初始起点来计算的对应于局部激活的阈值活动的时间点(例如，相对于第一激活时间)。

在框315处，检测引擎101诸如通过对向量速度场建模来计算场。例如，在ECG数据信号通过LAT时测量和量化ECG数据信号的瞬时速度的向量速度场(例如，通过计算每个x,y点处的电波的方向并利用多项式表面的导数来提供速度向量场)。根据一个或多个实施方案，导管110可位于心房(x,y)平面的表面上，并且检测引擎101可使用散点图来描述LAT(例如，相对于第一激活时间)。检测引擎101可估计散点图的系数并确定其导数以提供速度向量场。

在框321处，检测引擎101对维持灶进行检测和分类。就这一点而言，检测引擎101利用框315的速度向量场作为机器学习和/或人工智能算法(例如，深度卷积神经网络)的输入以检测“金标准”维持灶的位置。框321的一个或多个优点、技术效果和/或益处包括大数据努力，该大数据努力致使理解特定病例结果，该特定病例结果包括消融结果是否成功(例如，消融治疗是否具有一个或多个积极和消极结果以及达到何种程度)。因此，检测引擎101根据可经由GUI显示的一组ECG信号提供自动理解。执行方法300的检测引擎101可提供调查过去病例并确定消融发生在何处的回顾性分析，以及提供用于确定在未来病例中将在何处进行消融的前瞻性分析。

根据一个或多个实施方案，检测引擎101利用机器学习算法(诸如本文所述的神经网络)来确定ECG数据信号中关于结果的提示(例如，数据的哪个部分指示规程何时以及是否具有积极结果)。提示还可包括但不限于利用输入，诸如系统状态、消融的参数、消融位置、消融持续时间、所施加的力、功率和温度。一旦心动过速已由于消融而改变并且被保持，包括例如心动过速的延长然后中止，检测引擎101的机器学习算法就可自动标记导致终止的事件和/或位置。检测引擎101的机器学习算法还可标记医师提供的指示由机器学习算法预测/预期的终止中解析的消融的位置和事件。因此，检测引擎101使用户知道电生理规程的临床结果。另外，检测引擎101的操作可应用于其他感兴趣的特征，诸如HIS束(例如，包括特殊局部信号)和膈捕获(例如，包括AI会话期间的数据片段刺激)以及对成功终止的外观的理解。

结合方法300的框321，图4示出了根据一个或多个实施方案的人工智能系统400的图形描绘。人工智能系统400包括数据410(例如，生物计量数据)、机器420、模型430、结果440和(底层)硬件450。为了在适当的情况下便于理解，参考图1至图3进行图4至图5的描述。例如，机器410、模型430和硬件450可表示图1至图2的检测引擎101(例如，其中的机器学习和/或人工智能算法)的各方面，而硬件450也可表示图1的导管110、图1的控制台160和/或图2的装置204。一般来讲，人工智能系统400的机器学习和/或人工智能算法(例如，如图1至图2的检测引擎101所实现的)使用数据410相对于硬件450操作以训练机器420、构建模型430和预测结果440。

例如，机器420作为与硬件450相关联的控制器或数据收集操作或与其相关联。数据410(例如，如本文所述的生物计量数据)可以是与硬件450相关联的正在进行的数据或输出数据。数据410还可包括当前收集的数据、历史数据或来自硬件450的其他数据；可包括外科规程期间的测量结果，并且可与外科规程的结果相关联；可包括所收集的并与心脏规程的结果相关联的图1的心脏140的温度；并且可与硬件450相关。数据410可由机器420划分成一个或多个子集。

此外，机器420诸如相对于硬件450训练。该训练还可包括分析和关联所收集的数据410。根据一个或多个实施方案，检测引擎101可相对于确定急性心律失常终止、aFib终止或针对任何心动过速终止和/或相对于识别数天的消隐期之后的结果以及通知可使用长期跟进的使用来训练机器学习算法。

例如，就心脏而言，可训练温度和结果的数据410以确定在心脏规程期间的图1的心脏140的温度与结果之间是否存在相关性或联系。根据另一个实施方案，训练机器420可包括由图1的检测引擎101利用一个或多个子集进行自训练。就这一点而言，图1的检测引擎101学习逐点检测病例分类。

此外，模型430构建在与硬件450相关联的数据410上。构建模型430可包括试图表示已被收集和训练的数据410(或其子集)的物理硬件或软件建模、算法建模等。在一些方面，模型430的构建是由机器420进行的自训练操作的一部分。模型430可被配置为对硬件450的操作建模并对从硬件450收集的数据410建模以预测由硬件450实现的结果440。预测(与硬件450相关联的模型430的)结果440可利用经训练的模型430。例如并且为了增加对本公开的理解，就心脏而言，如果规程期间的介于36.5℃和37.89℃之间(即，97.7华氏度和100.2华氏度)的温度从心脏规程产生正面结果，该结果440可在给定规程中使用这些温度来预测。因此，使用预测的结果440，可相应地配置机器420、模型430和硬件450。

因此，为了人工智能系统400使用数据410相对于硬件450操作以训练机器420、构建模型430并预测结果440，其中的机器学习和/或人工智能算法可包括神经网络。神经网络是神经元的网络或电路，或者在现代意义上，是由人工神经元或节点组成的人工神经网络。

人工神经网络涉及简单处理元件(人工神经元)的网络，该网络可表现出由处理元件和元件参数之间的连接确定的复杂全局行为。神经元的网络或电路的这些连接被建模为权重。正权重反映兴奋性连接，而负值表示抑制性连接。通过权重修改输入并使用线性组合求和。激活函数可控制输出的振幅。例如，可接受的输出范围通常介于0和1之间，或者该范围可为-1和1之间。在大多数情况下，ANN是基于流动通过网络的外部或内部信息来改变其结构的自适应系统。

在更实际的术语中，神经网络是非线性统计数据建模或决策工具，其可用于对输入和输出之间的复杂关系进行建模或在数据中找到模式。因此，ANN可用于预测建模和自适应控制应用，同时经由数据集进行训练。由经验产生的自学可发生在网络内，这可从复杂且看似不相关的信息组中得出结论。人工神经网络模型的实用性在于它们可用于从观察推断函数并且还可用于使用该函数。未受监督的神经网络还可用于学习捕获输入分布的显著特征的输入的表示，以及最近的深度学习算法可以隐含地学习观察到的数据的分布函数。在神经网络中的学习在数据(例如，生物计量数据)或任务(例如，监测、诊断和治疗任何数量的各种疾病)的复杂性使得手动设计此类功能不切实际的应用中特别有用。

神经网络可用于不同领域。因此，对于人工智能系统400，其中的机器学习和/或人工智能算法可包括神经网络，该神经网络通常根据其所应用于的任务来划分。这些划分倾向于属于以下类别：回归分析(例如，函数近似)，包括时间序列预测和建模；分类，包括模式和序列识别；新颖性检测和顺序决策；数据处理，包括过滤；聚类；盲信号分离和压缩。例如，ANN的应用领域包括非线性系统识别和控制(车辆控制、过程控制)、游戏播放和决策制定(西洋双陆棋、聊天、比赛)、模式识别(雷达系统、面部识别、对象识别)、序列识别(手势、语音、手写文本识别)、医疗诊断和治疗、金融应用程序、数据挖掘(或数据库中的知识发现，“KDD”)、可视化和电子邮件垃圾过滤。例如，可以创建从医学规程出现的患者生物计量数据的语义特征。

根据一个或多个实施方案，神经网络可实现长短期记忆神经网络架构、卷积神经网络(CNN)架构或递归神经网络(RNN)架构等。神经网络可相对于多个层、多个连接(例如，编码器/解码器连接)、正则化技术(例如，压差)进行配置；以及优化特征。

长短期记忆神经网络架构包括反馈连接并且可处理单个数据点(例如，诸如图像)以及整个数据序列(例如，诸如语音或视频)。长短期记忆神经网络架构的单元可由单元、输入门、输出门和忘记门组成，其中单元在任意时间间隔内记住值，并且门调节进出单元的信息流。

CNN架构是具有平移不变性特征的共享权重架构，其中一层中的每个神经元连接到下一层中的所有神经元。CNN架构的正则化技术可利用数据中的层级模式，并使用更小且更简单的模式来组装更复杂的模式。如果神经网络实现CNN架构，则该架构的其他可配置方面可包括每个级处的滤波器的数量、内核大小和每层内核的数量。

现在转到图5，示出了根据一个或多个实施方案的神经网络500的示例和在神经网络500中执行的方法501的框图。神经网络500操作以支持本文所述的机器学习和/或人工智能算法的实现(例如，如由图1至图2的检测引擎101所实现)。神经网络500可在硬件(诸如图4的机器420和/或硬件450)中实现。如本文所指示的，为了在适当的情况下便于理解，参考图1至图3进行图4至图5的描述。

在示例性操作中，图1的检测引擎101包括从硬件450收集数据410。在神经网络500中，输入层510由多个输入(例如，图5的输入512和514)表示。相对于方法501的框520，输入层510接收输入512和514。输入512和514可包括生物计量数据。例如，数据410的收集可为将来自硬件450的一个或多个规程记录的生物计量数据(例如，BS ECG数据、IC ECG数据和消融数据，连同导管电极位置数据)聚合到数据集(如数据410所表示)中。

在方法501的框525处，神经网络500利用数据410的任何部分(例如，由人工智能系统400产生的数据集和预测)对输入512和514进行编码以产生潜在表示或数据编码。潜在表示包括从多个输入导出的一个或多个中间数据表示。根据一个或多个实施方案，潜在表示由图1的检测引擎101的元件级激活函数(例如，S型函数或修整线性单元)生成。如图5所示，输入512和514被提供给被描绘为包括节点532、534、536和538的隐藏层530。神经网络500经由节点532、534、536和538的隐藏层530执行处理以表现出由处理元件和元件参数之间的连接确定的复杂全局行为。因此，层510和530之间的过渡可被认为是编码器阶段，该编码器阶段获取输入512和514并将其传输到深度神经网络(在层530内)以学习输入的某种较小表示(例如，所得的潜在表示)。

深度神经网络可以是CNN、长短期记忆神经网络、完全连接的神经网络或它们的组合。输入512和514可为心内ECG、体表ECG、或心内ECG和体表ECG。该编码提供了输入512和514的维度减小。维度减小是通过获得一组主要变量来减小所考虑的(输入512和514的)随机变量的数量的过程。例如，维度减小可以是将数据(例如，输入512和514)从高维空间(例如，多于10个维度)转换到低维空间(例如，2-3个维度)的特征提取。减小维度的技术效果和益处包括减小数据410的时间和存储空间需求，改善数据410的可视化，以及改善用于机器学习的参数解释。该数据转换可为线性的或非线性的。接收(框520)和编码(框525)的操作可被认为是由检测引擎101进行的多步骤数据操纵的数据准备部分。

在方法510的框545处，神经网络500对潜在表示进行解码。解码级采用编码器输出(例如，所得的潜在表示)并尝试使用另一个深度神经网络来重建输入512和514的某种形式。就这一点而言，组合节点532、534、536和538以在输出层550中产生输出552，如方法510的框560所示。也就是说，输出层590在减小的维度上重建输入512和514，但没有信号干扰、信号伪影和信号噪声。输出552的示例包括经清洁的生物计量数据(例如，IC ECG数据等的清洁/降噪版本)。经清洁的生物计量数据的技术效果和益处包括能够更准确地监测、诊断和治疗任何数量的各种疾病。

返回图3，方法300在框330处继续，其中检测引擎101确定/计算(x,y)平面中的每个点相对于四(4)个方向中的一个方向的代码(例如，左可等于红色，右可等于绿色，上可等于蓝色，并且下可等于黄色)以提供色码向量场图像。色码向量场图像可使得病灶源或维持灶能够被定位。

在框345处，检测引擎101检测病灶/转子指示，例如，通过使用内核(例如，通常半径为1mm的圆形)来扫描框330的颜色编码向量场图像。一般来讲，内核可为标测图内的指定空间并且可呈现期望的尺寸(例如，圆形或正方形)和维度。在一些情况下，内核可以是标测图内的点的地址、标测图的计算节段、标测图的计算边界等。在心脏组织中，当电传播的波前遇到功能上不可激励的组织并且以涡旋状方式围绕其旋转时，发生螺旋波折返。继而，转子指示或转子可为旋转中心，2维螺旋励磁波从该旋转中心向外旋转。另外，病灶指示或病灶可以是心律失常，其中电脉冲起源于并限制在心房内。如果在内核内并且所有方向都是有序的(例如，顺时针或逆时针)，则可检测病灶/转子指示。因此，检测引擎101在对向量速度场建模的顶部上区分病灶源和转子(例如，主动和被动)。

在框360处，检测引擎101标记维持灶。根据一个或多个实施方案，维持灶是确保aFib的持续存在的组织触发和/或引发器。检测引擎101可基于向量速度和消融信息自动识别或注释aFib维持灶。更具体地讲，检测引擎101可确定aFib维持灶的一个或多个金标准注释(例如，最准确注释)。另选地或结合使用，医师可标记可在消融规程期间被消融的可疑维持灶。

在框375处，检测引擎101将病灶/转子指示分类成维持灶。将病灶/转子指示分类成维持灶包括基于工程化特征和向量场标测图使用机器学习和/或人工智能(例如，逻辑回归分类器、支持向量机、深度学习等)对主动或被动的感兴趣区域(ROI)进行分类。例如，具有维持灶金标准注释的向量速度图像可用作神经网络(例如，如本文所述的RNN或CNN)的输入和/或目标，以预测向量速度图像中的像素是否为维持灶。此外，将一个或多个病灶和/或转子指示分类成维持灶可利用速度向量场作为用于检测金色标准维持灶的位置的神经网络(例如，如本文所述的RNN或CNN)的输入。

根据一个或多个实施方案，ROI注释可以由检测引擎101相对于主动、被动和未知类别使用。例如，主动ROI可指示ROI被消融并且由于消融治疗，aFib终止或循环长度(CL)增加。主动ROI包括具有“临床值”的维持灶，其包括病灶/转子附近的消融治疗导致周期长度延长或心房纤颤终止的证据。被动ROI可指示在不存在心房纤颤特性的任何可见变化的情况下，包括病灶源附近的消融治疗的aFib特性没有可见变化。ROI的未知注释可指示在病灶/转子附近没有可见消融治疗。以这种方式，检测引擎的一个或多个优点、技术效果和/或益处包括寻址标测的大多数点，其不是由医师寻址的，因为医师不知道ROI的主动或被动性质。检测引擎101还可跨主动、被动和未知的类别分配概率(例如，0到100的标度指示类别的可能性)。

需注意，相对于框321、360和375的操作，检测器引擎101可利用任何操作的结果作为另一个操作的反馈或输入，如双箭头所示。

现在转到图6，示出了根据一个或多个实施方案的方法600。一般来讲，方法600展示了检测引擎101的实现优化以检测待消融用于治疗的心房纤颤维持灶的一个或多个操作。

在框605处，方法600开始，其中检测引擎101从导管110接收一个或多个输入，诸如IC ECG数据信号。在框610处，检测引擎101检测LAT的区段。图7示出了根据一个或多个实施方案的曲线图700。如图7所示，相对于激活相对于第一激活时间(以圆710示出)的时间检测LAT的区段。

在框625处，检测引擎101确定/计算/建模向量速度场。就这一点而言，检测引擎101假定导管110位于心房(x,y)平面的表面上并且使用散点图来描述激活时间(例如，相对于被描述为图7的圆的第一激活时间)。图8示出了根据一个或多个实施方案的表面(x,y)的曲线图800。曲线图800提供了包括表面(x,y)和区段中的激活时间的Z毫秒(msec)的曲线图。给定曲线图800，检测引擎101可估计最佳拟合其点的表面(x,y)的系数。多项式表面T(x,y)可使用梯度下降来相对于成本函数(如公式1中所见)估计N和a_i,j，在位置x_s,y_s处测量的L局部激活时间与(x_s,y_s)平面中的估计表面T(x_s,y_s)之间的均方差通过考虑在模型中估计的参数的数量的正则化项(ρ通常等于0.1)来最小化。更具体地讲，多项式表面可由公式2定义。

从T(x，y)到向量场，可使用模型来计算由公式3定义的(x，y)中的每个点处的电波的方向。

T_x由公式4定义。

图9示出了根据一个或多个实施方案的图8的表面(x，y)的速度向量场的曲线图900。也就是说，图8的多项式表面的导数提供图9所示的速度向量场。

在框630处，将(x，y)平面中的每个点编码到四(4)个方向中的一个方向以提供色码向量场图像，使得可定位病灶源或维持灶。

在框645处，可由检测引擎101检测病灶/转子。例如，检测引擎101可使用内核(通常为半径为1mm的圆)来扫描在框630中获得的颜色编码向量场图像。如果在内核内并且所有4个方向按顺序(顺时针或逆时针)出现，则检测到转子/病灶点。

在框660处，可由检测引擎101标记维持灶。在框675处，可由检测引擎101将病灶/转子指示分类成维持灶。

附图中的流程图和框图示出了根据本发明的各种实施方案的系统、方法和计算机程序产品的可能具体实施的架构、功能和操作。就这一点而言，流程图或框图中的每个框可表示指令的模块、区段或部分，该指令包括用于实现指定逻辑功能的一个或多个可执行指令。在一些替代具体实施中，框中指出的功能可不按附图中指出的顺序发生。例如，取决于所涉及的功能，连续示出的两个框实际上可基本上同时执行，或者框有时可以以相反的顺序执行。还应当注意，框图和/或流程图图示中的每个框以及框图和/或流程图图示中的框的组合可通过执行指定功能或动作的基于专用硬件的系统或者通过专用硬件和计算机指令的组合来实现。

虽然上文具体地描述了特征和元件，但本领域的普通技术人员将会知道，每个特征或元件均可以单独使用或以与其他特征和元件的任何组合使用。此外，本文所述的方法可在被结合在计算机可读介质中的计算机程序、软件或固件中实现，以供计算机或处理器执行。如本文所用，计算机可读介质不应理解为暂态信号本身，诸如无线电波或其他自由传播电磁波、传播通过波导或其他传输介质的电磁波(例如，穿过光纤电缆的光脉冲)或通过电线传输的电信号。

计算机可读介质的示例包括电子信号(通过有线或无线连接传输)和计算机可读存储介质。计算机可读存储介质的示例包括但不限于寄存器、高速缓存存储器、半导体存储器设备、磁介质诸如内部硬盘和可移动磁盘、磁光介质、光学介质，诸如光盘(CD)和数字通用盘(DVD)、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪存存储器)、静态随机存取存储器(SRAM)和记忆棒。与软件相关联的处理器可用于实现在终端、基站、或任何主计算机中使用的射频收发器。

应当了解，本文所用的术语只是为了描述具体实施方案的目的，并非旨在进行限制。如本文所用，除非上下文另有明确说明，否则单数形式“一个”、“一种”和“该/所述”包括复数指代。还应当理解，术语“包括”和/或“包含”在用于本说明书中时指定所述特征、整数、步骤、操作、元件和/或部件的存在，但不排除一个或多个其他特征、整数、步骤、操作、元件部件和/或其组的存在或添加。

本文对各种实施方案的描述是出于说明的目的而呈现的，但并非旨在穷举或限于所公开的实施方案。在不脱离所述实施方案的范围和实质的情况下，许多修改和变型对于本领域的普通技术人员而言将是显而易见的。选择本文所用的术语是为了最好地解释实施方案的原理、相对于市场上存在的技术的实际应用或技术改进，或者使得本领域的其他普通技术人员能够理解本文所公开的实施方案。