判定算法绕过条件

技术领域

本公开大体上涉及医疗装置，并且更具体地涉及由医疗装置感测到的信号的分析。

背景技术

医疗装置可以用于监测患者的生理信号。举例来说，一些医疗装置被配置为感测心电描记图(EGM)信号，例如心电图(ECG)信号，这些信号经由电极指示心脏的电活动。一些医疗装置被配置为基于心脏EGM并在一些情况下基于来自额外传感器的数据检测心律失常的发生，通常称为发作。示例性心律失常类型包括心搏停止、心动过缓、室性心动过速、室上性心动过速、宽QRS波心动过速、心房颤动、心房扑动、心室颤动、房室传导阻滞、室性期前收缩和房性期前收缩。医疗装置可将在包括发作的时间段期间收集到的心脏EGM和其他数据存储为发作数据。医疗装置还可响应于例如来自患者的用户输入而将发作数据存储某一时间段。

计算系统可从医疗装置获得发作数据以允许临床医生或其他用户查看发作。临床医生可基于所识别的发作内心律失常的发生来诊断患者的医疗状况。在一些示例中，临床医生或其他查看者可查看发作数据以对发作进行注释，包括确定由医疗装置检测到的心律失常实际上是否发生，以对发作进行优先级排序并生成报告以供临床医生进一步查看，该临床医生为患者指定医疗装置或以其他方式负责对特定患者的护理。

发明内容

一般而言，本公开描述了用于绕过被配置为将包括心脏EGM数据的发作数据分类为心脏发作的真或假指示的算法的技术。在一些示例中，处理电路接收该发作数据并且基于满足绕过条件集合中的一个或多个绕过条件来确定绕过该算法。响应于绕过该算法，该处理电路将该发作数据存储为该心脏发作的真指示。以这种方式绕过算法可以提供一个或多个优点。例如，绕过条件的满足可以指示心脏发作为真的可能性使得通过该算法的判定可能不是必要的和/或可能错误地将发作识别为假。因此，根据本公开的技术绕过该算法可以改善对心脏发作的诊断以及从医疗系统向护理者提供的信息的质量。

在一些示例中，一种监测患者的方法包括：由医疗装置系统的处理电路接收心脏发作的发作数据；由处理电路以及基于满足绕过条件集合中的一个或多个绕过条件，确定绕过被配置为确定该发作数据是该心脏发作的假指示的可能性的算法；以及由该处理电路以及响应于绕过该算法，将该发作数据存储为该心脏发作的真指示。

在一些示例中，一种医疗装置系统包括处理电路，该处理电路被配置为：接收心脏发作的发作数据；基于满足绕过条件集合中的一个或多个绕过条件，确定是否绕过被配置为确定该发作数据是该心脏发作的假指示的可能性的算法；以及响应于绕过该算法，将该发作数据存储为该心脏发作的真指示。

在一些示例中，一种包括指令的计算机可读介质，这些指令在被执行时致使处理电路：接收发作数据；基于满足绕过条件集合中的一个或多个绕过条件，确定是否绕过被配置为确定该发作数据是心脏发作的假指示的可能性的算法；以及响应于绕过该算法，将该发作数据存储为该心脏发作的真指示。

本发明内容旨在提供对本公开中所描述的主题的概述。其并不旨在提供对在以下附图和描述中详细描述的设备和方法的排他性或穷尽性解释。在以下附图和描述中阐述了一个或多个示例的进一步的细节。

附图说明

图1是示出示例性医疗装置系统的概念图。

图2是示出图1的可植入医疗装置(IMD)的示例性配置的框图。

图3是示出图1和图2的IMD的示例性配置的概念侧视图。

图4是示出图1的计算系统的示例性配置的功能框图。

图5是示出用于利用示例性医疗装置系统的示例性操作的流程图。

在整个附图和说明书中，类似的附图标记是指类似的元件。

具体实施方式

多种类型的可植入和外部医疗装置基于感测到的心脏EGM以及在一些情况下其他生理参数而检测心律失常发作。可用于非侵入性感测和监测心脏EGM的外部装置包括具有被配置为接触患者皮肤的电极的可穿戴装置，例如贴片、手表、戒指、项链或衣服。此类外部装置可便于在正常日常活动期间对患者进行相对长期的监测，并且可将收集到的数据，例如检测到的心律失常发作的发作数据，定期传输到远程患者监测系统(在本文中有时被称为“监测系统”)，例如美敦力Carelink

可植入医疗装置(IMD)可感测并监测心脏EGM，并且检测心律失常发作。监测心脏EGM的示例性IMD包括：起搏器和可植入心律转复除颤器，其可联接到血管内或血管外引线；以及具有被构造成用于植入在心脏内的外壳的起搏器，其可为无引线的。一些不提供疗法的IMD，例如，可植入患者监测器，感测心脏EGM。这种IMD的一个示例是可从美敦力公司(Medtronic plc)商购的Reveal LINQ

通过上传来自医疗装置的发作数据，并将发作数据分发给各种用户，此类网络服务可支持集中式或基于临床的心律失常发作查看。发作数据可包括在发作期间医疗装置检测到的一次或多次心律失常的指示。发作数据还可包括在某一时间段期间由医疗装置收集到的数据，该时间段包括医疗装置确定一次或多次心律失常已经发生的时刻之前和之后的时间。发作数据可包括在该时间段期间的数字化心脏EGM、在该时间段期间从EGM导出的心率或其他参数，以及在该时间段期间由医疗装置收集到的任何其他生理参数数据。

响应于接收到发作数据，远程患者监测系统可被配置为检查发作以及给这些发作做注释。在示例中，监测系统可将一个或多个心房颤动(AF)判定算法(诸如机器学习模型)应用于发作数据以检测AF、处于AF中的时间、房性心动过速(AT)、处于AT/AF中的时间、暂停(例如，表示心室去极化中的中断的延长的R-R间隔)以及其他类型的心律不齐。在一些情况下，监测系统的判定算法可将发作数据分类为心脏发作的真指示或假指示。这些算法可帮助减少医生花费在检查发作上的时间的量，进而允许他们专注于治疗患者。尽管如此，在某些场景中，可优选的是绕过该算法，以及以让医生手动地检查发作数据来替代该算法。

本公开描述了一种医疗装置系统，该医疗装置系统使用处理电路来绕过监测系统的判定算法，该判定算法被配置为将包括心脏EGM数据的发作数据分类为心脏发作(例如，AF发作)的真指示或假指示。医疗装置系统可包括医疗装置，如上述装置中的一者或任何其他类型的可植入装置，例如皮下心脏监测装置、单腔ICD、血管外ICD、皮下ICD或被配置为对检测到的心脏发作进行分类的任何其他类型的装置。该系统还可以包括外部装置，诸如在心脏监测装置外部的基于云的系统，如上文介绍的Medtronic Carelink

由于心脏监测装置通常由电池供电，并且在IMD的情况下需要具有足够的电池寿命来证明植入是正确的，因此这些装置通常具有有限的处理能力以便限制电池消耗，这可限制可在心脏监测装置内部实现的算法的复杂性。因此，心脏监测装置可以被配置为将针对可疑心脏病发作收集到的数据传输到外部系统，使得外部系统可以使用先进的信号处理技术对发作的所存储和传输的数据进行后处理，随后供医生查看。数据的传输可以被调度，响应于事件(如异常心脏活动等)而发生。例如，心脏监测装置可每天向外部系统传输发作数据。另外地或可替代地，心脏监测系统可发送事件响应性传输。在此类示例中，事件可以是心脏监测装置感测到的某物(例如，通过由于类型或严重性而被认为严重的发作)或用户请求。

本公开描述了先进的信号处理技术，其可由外部系统用于对由心脏监测装置检测到的发作进行后处理。尽管本公开的技术将被描述为由外部系统执行，但是应当理解，在其他实施方案中，所描述的技术可由IMD本身或用于促进IMD与外部系统之间的通信的装置(例如，智能手机、接入点或其他边缘装置)来执行。如上所述，医疗装置系统可使用处理电路来接收发作数据。医疗装置系统的处理电路然后可基于绕过条件集合中的一个或多个绕过条件的满足来确定是否绕过判定算法。响应于绕过该判定算法，该处理电路可将发作数据存储为该心脏发作(诸如AF发作)的真指示。

该绕过条件集合可包括各种绕过条件。一个示例性绕过条件可为时间段条件。当由医疗装置系统的处理电路接收到的发作数据是针对某个时间段(例如，一个月)的心脏发作的发作数据的第一次传输时，该医疗装置系统可确定该发作数据满足时间段条件。例如，如果由医疗装置向医疗装置系统的发作数据的传输是特定月(例如，五月)的某个时间段期间的发作数据的第一次传输，则该医疗装置系统可确定该发作数据满足时间段条件以及绕过监测系统的判定算法。因此，医疗装置系统可将发作数据存储在(例如，医疗装置系统的)存储器中以供医生查看。

在一些示例中，该时间段可基于患者的健康状况。示例性健康状况可包括充血性心力衰竭、高血压、年龄、糖尿病、既往中风、血管疾病、性别等。例如，如果患者具有诸如充血性心力衰竭、高血压、糖尿病和/或血管疾病等健康状况，则时间段可以相对较短(例如，7天至14天)以潜在地增加医疗装置系统绕过判定算法的频率。另外地或可替代地，如果患者经历高频率的发作，则时间段可相对较短以潜在地增加医疗装置系统绕过判定算法的频率。在一些示例中，医疗装置系统可基于患者的健康状况选择预定长度的时间段。另外地或可替代地，医生可手动限定时间段的长度。

在另一示例中，如果发作数据的传输是该时间段期间的发作数据的后续传输(例如，发作数据的第二次传输)，则医疗装置系统可不绕过判定算法，使得该判定算法能够确定发作数据是心脏发作的真指示或假指示的可能性。因此，时间段条件可确保医疗装置系统存储任何给定时间段的发作数据的第一次传输。这可能是有益的，因为当治疗患者时，在某个时间段期间的发作数据的第一次传输可能比在相同时间段期间的发作数据的后续传输与医生更相关。

该绕过条件集合可另外地或可替代地包括间隔条件。当由医疗装置系统的处理电路接收到的发作数据是在从心脏发作的发作数据的先前传输起经过了时间间隔(例如，10天)之后的心脏发作的发作数据的第一次传输时，该医疗装置系统可确定该发作数据满足间隔条件。例如，如果由医疗装置向医疗装置系统的发作数据的传输是在从心脏发作的发作数据的先前传输起经过10天的时间间隔之后的发作数据的第一次传输，则该医疗装置系统可确定该发作数据满足间隔条件以及绕过监测系统的判定算法。因此，医疗装置系统可将发作数据存储在(例如，医疗装置系统的)存储器中以供医生查看。

在另一示例中，如果发作数据的传输是在时间间隔过去之前的发作数据的传输(例如，在该时间间隔过去之前剩余2天的发作数据的传输)，则医疗装置系统可不绕过判定算法，使得该判定算法能够确定发作数据是心脏发作的真指示或假指示的可能性。以这种方式，间隔条件可确保医疗装置系统存储在紧接在前的发作数据的传输之后至少预定时间间隔时发生的发作数据的传输。这可能是有益的，因为在经过时间间隔之后的发作数据的第一次传输可能不太可能是心脏发作的假指示，因此保证医生对发作数据的查看。

如下文更详细地描述的，该绕过条件集合可包括额外的绕过条件，包括但不限于植入条件、长持续时间条件、短持续时间条件、用户输入条件、虚弱条件、血压条件和/或类似条件。该绕过条件集合还可包括具有速率开始条件的非常快的速率、新的开始条件、水肿的增加或跌倒事件条件的检测、活动持续时间条件的降低等。此外，在一些示例中，医疗装置系统的处理电路可被配置为对该绕过条件集合中的每个绕过条件进行加权用于确定绕过判定算法。在这样的示例中，处理电路可向该绕过条件集合中的每个绕过条件分配权重，以及响应于确定发作数据满足绕过条件中的一个或多个绕过条件，计算由该发作数据满足的该一个或多个绕过条件的合计权重。然后，处理电路可基于该合计权重是否满足权重阈值来确定绕过判定算法。例如，如果合计权重超过权重阈值，则处理电路可绕过判定算法，将发作数据存储在(例如，医疗装置系统的)存储器中以供医生查看。在一些示例中，除了计算一个或多个绕过条件的合计权重之外或作为其替代方案，处理电路可使用决策树、随机森林、模糊逻辑等确定一个或多个绕过条件的满足。

尽管主要关于远程患者监测系统进行描述，但是本公开的技术也可应用于具有判定心脏发作的能力的医疗装置(诸如心脏监测装置)的判定算法。例如，心脏监测装置可包括被配置为执行机器学习算法或其他判定算法的专用处理电路。因此，医疗装置(例如，可插入心脏监测器或其他可植入医疗装置)可被配置为单独执行本公开的一种或多种技术。然而，在这样的示例中，可能不需要跨网络传输发作数据(例如，因为收集发作数据和判定发作数据可由同一医疗装置执行)。

图1是示出根据本公开的技术的被配置为绕过判定算法的医疗装置系统2的示例的概念图。示例性技术可与IMD 10一起使用，该IMD可与外部装置12进行无线通信。在一些示例中，IMD 10被植入在患者4的胸腔外部(例如，以皮下方式植入图1所示出的胸部位置中)。IMD 10可定位在靠近或刚好低于患者4的心脏水平的胸骨附近，例如至少部分地在心脏轮廓内。IMD 10包括多个电极(图1中未示出)，并且被配置成经由多个电极来感测心脏EGM。在一些示例中，IMD 10采用LINQ

外部装置12为被配置用于与IMD 10进行无线通信的计算装置。作为示例，外部装置12可为患者4或另一用户的移动电话或其他计算装置或被检测到与IMD 10通信的计算装置。外部装置12可被配置为经由网络25与计算系统24进行通信。在一些示例中，外部装置12可提供用户界面并允许用户与IMD 10交互。计算系统24可包括被配置为允许用户经由网络25与IMD 10或从IMD收集到的数据交互的计算装置。

外部装置12可用于从IMD 10检索数据并且可经由网络25将数据传输到计算系统24。检索到的数据可包含通过IMD 10测量的生理参数的值、通过IMD 10检测到的心律失常或其他疾病的发作的指示、收集的发作的发作数据以及通过IMD 10记录的其他生理信号。该发作数据可包含通过IMD 10记录的EGM片段，例如由于IMD 10确定心律失常或另一疾病的发作在该片段期间发生，或响应于记录来自患者4或另一用户的片段的请求。

在一些示例中，计算系统24包括一个或多个手持式计算装置、计算机工作站、服务器或其他联网的计算装置。在一些示例中，计算系统24可包括实施监测系统450的一个或多个装置，该装置包括处理电路和存储装置。在一些示例中，计算系统24、网络25和监测系统450可通过美敦力Carelink

网络25可包括一个或多个计算装置(未示出)，诸如一个或多个非边缘交换机、路由器、集线器、网关、安全装置(诸如防火墙)、入侵检测和/或入侵防护装置、服务器、计算机终端、膝上型计算机、打印机、数据库、无线移动装置(诸如蜂窝电话或个人数字助理)、无线接入点、网桥、电缆调制解调器、应用程序加速器或其他网络装置。网络25可包括由服务提供者管理的一个或多个网络，并且因此可形成大规模公共网络基础结构(例如，因特网)的一部分。网络25可向计算装置，例如计算系统24和IMD 10提供对因特网的接入，并且可提供允许计算装置彼此通信的通信框架。在一些实例中，网络25可为提供通信框架的专用网络，该通信框架允许计算系统24、IMD 10和/或外部装置12彼此通信但出于安全目的将计算系统24、IMD 10或外部装置12与网络25外部的装置分离。在一些示例中，在计算系统24、IMD10和外部装置12之间的通信为加密的。

例如由计算系统24的处理电路实施的监测系统450可实施本公开的技术，包括将机器学习模型或其他模型或算法应用于发作数据以检测心律失常。监测系统450可从包括IMD 10的医疗装置接收发作的发作数据，该医疗装置可响应于其心律失常的检测和/或用户输入而存储发作数据。基于一个或多个心律失常分类算法的应用，监测系统450可确定一种或多种类型的一次或多次心律失常在发作期间发生的可能性，在一些示例中，该发作包括由存储发作数据的医疗装置识别的心律失常。监测系统450可例如从IMD 10接收患者的发作的发作数据，例如ECG数据。监测系统450然后可应用一个或多个算法，诸如机器学习模型，以将发作数据分类为心脏发作的真指示或假指示。

医疗装置系统2(例如，IMD 10、外部装置12、计算系统24和/或一个或多个其他计算装置)的处理电路可被配置为执行本公开的用于绕过算法的示例性技术，该算法被配置为将包括心脏EGM数据的发作数据分类为心脏发作的真指示或假指示。响应于医疗装置系统2的处理电路接收发作数据，该处理电路可基于满足绕过条件集合中的一个或多个绕过条件来确定是否绕过该判定算法，如关于图4更详细讨论的。响应于绕过该判定算法，该处理电路可将发作数据存储为该心脏发作(诸如AF发作)的真指示。

图2为示出图1的IMD 10的示例性配置的框图。如图2所示，IMD 10包括处理电路50、感测电路52、通信电路54、存储器56、传感器58、切换电路60和电极16A、16B(在下文中“电极16”)，其中的一个或多个可安置在IMD 10的外壳上。在一些示例中，存储器56包括计算机可读指令，这些计算机可读指令在由处理电路50执行时使IMD 10和处理电路50执行归于本文中的IMD 10和处理电路50的各种功能。存储器56可包括任何易失性、非易失性、磁性、光学或电介质，诸如随机存取存储器(RAM)、只读存储器(ROM)、非易失性RAM(NVRAM)、电可擦除可编程ROM(EEPROM)、快闪存储器或任何其他数字介质。

处理电路50可包括固定功能电路和/或可编程处理电路。处理电路50可包括微处理器、控制器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或等效离散或模拟逻辑电路中的任一者或多者。在一些示例中，处理电路50可包括多个组件(诸如一个或多个微处理器、一个或多个控制器、一个或多个DSP、一个或多个ASIC或一个或多个FPGA的任何组合)以及其他离散或集成逻辑电路。本文中归于处理电路50的功能可体现为软件、固件、硬件或它们的任何组合。

感测电路52可经由如由处理电路50控制的切换电路60而选择性地联接到电极16A、16B。感测电路52可监测来自电极16A、16B的信号，以便监测图1的患者4的心脏的电活动并产生患者4的心脏EGM数据。在一些示例中，处理电路50可识别感测到的心脏EGM的特征，以检测患者4的心律失常发作。处理电路50可将用于检测心律失常发作的数字化心脏EGM和EGM的特征存储在存储器56内，作为检测到的心律失常发作的发作数据。在一些示例中，处理电路50存储心脏EGM数据的一个或多个片段、从心脏EGM数据导出的特征以及响应于来自外部装置12的指令的其他发作数据(例如，当患者4经历心律失常的一种或多种症状并向外部装置12输入命令，指示IMD 10上传数据以供监测中心或临床医生分析)。

在一些示例中，处理电路50经由通信电路54将患者4的发作数据传输到外部装置，例如图1的外部装置12。举例来说，IMD 10将数字化心脏EGM和其他发作数据发送到网络25，以供图1的监测系统450处理。

感测电路52和/或处理电路50可以被配置为在心脏EGM振幅超过感测阈值时检测心脏去极化(例如，心房去极化的P波或心室去极化的R波)。在一些示例中，对于心脏去极化检测，感测电路52可包括整流器、滤波器、放大器、比较器和/或模数转换器。在一些示例中，感测电路52可响应于心脏去极化的感测而向处理电路50输出指示。以这种方式，处理电路50可接收与心脏的相应腔室中出现所检测到的R波和P波相对应的所检测到的心脏去极化指示。处理电路50可使用检测到的R波和P波的指示来确定心脏EGM的特征(包括去极化间期、心率)并检测心律失常(诸如快速性心律失常和心搏停止)。感测电路52还可向处理电路50提供一个或多个数字化心脏EGM信号以用于分析，例如用于心脏节律鉴别和/或识别和描绘心脏EGM的特征，如QRS振幅和/或宽度，或其他形态特征。

在一些示例中，IMD 10包括一个或多个传感器58，例如一个或多个加速度计、麦克风、光学传感器和/或压力传感器。在一些示例中，感测电路52可包含用于对从电极16A、16B和/或其他传感器58中的一者或多者接收到的信号进行滤波和放大的一个或多个滤波器和放大器。在一些示例中，感测电路52和/或处理电路50可包括整流器、滤波器和/或放大器、感测放大器、比较器和/或模数转换器。处理电路50可基于来自传感器58的信号而确定患者4的生理参数值，该信号可用于识别心律失常发作并作为发作数据存储在存储器56中。

通信电路54可包括用于与另一装置(诸如外部装置12)进行通信的任何合适的硬件、固件、软件或它们的任何组合。通信电路54可被配置成使用各种无线通信方案中的任一者(如蓝牙(

尽管本文在示例性IMD 10的上下文中进行描述，但是本文所公开的用于心律失常检测的技术可与其他类型的装置一起使用。例如，所述技术可以用耦接到心血管系统外部的电极的心脏外除颤器、被配置成植入心脏内的如可从爱尔兰都柏林的美敦力公司商购获得的Micra

图3为示出IMD 10的示例性配置的概念侧视图。在图3所示出的示例中，IMD 10可包括具有外壳14和绝缘盖74的无引线皮下植入式监测装置。电极16A和电极16B可形成或放置在盖74的外表面上。上文关于图2所描述的电路50-56和60可形成或放置在盖74的内表面上或外壳14内。在所示出的示例中，天线26形成或放置在盖74的内表面上，但在一些示例中，可形成或放置在外表面上。在一些示例中，传感器58也可形成或放置在盖74的内表面或外表面上。在一些示例中，绝缘盖74可定位在敞开的外壳14上方，使得外壳14和盖74包封天线26、传感器58和电路50-56和60，并保护天线和电路免受体液等流体的影响。

天线26、传感器58或电路50-56中的一者或多者可诸如通过使用倒装芯片技术形成在绝缘盖74上。绝缘盖74可翻转到外壳14上。当翻转并放置到外壳14上时，在绝缘盖74的内侧上形成的IMD 10的部件可定位在由外壳14限定的间隙76中。电极16可通过穿过绝缘盖74形成的一个或多个通孔(未示出)电连接到切换电路60。绝缘盖74可由蓝宝石(即，刚玉)、玻璃、聚对二甲苯和/或任何其他合适的绝缘材料形成。外壳14可由钛或任何其他合适的材料(例如，生物相容性材料)形成。电极16可由不锈钢、钛、铂、铱或它们的合金中的任一个形成。另外，电极16可涂覆有诸如氮化钛或分形氮化钛的材料，但可使用用于此类电极的其它合适的材料和涂层。

图4是示出计算系统24的示例性配置的框图。在所示出的示例中，计算系统24包括用于执行应用程序424的处理电路402，该应用程序包括监测系统450或本文所描述的任何其他应用程序。计算系统24可为包含处理电路或用于执行软件指令的其他合适计算环境的任何部件或系统，并且例如不必包含图4中所展示的一个或多个元件(例如，输入装置404、通信电路406、用户界面装置410或输出装置412；并且在一些示例中，例如一个或多个存储装置408的部件可与其他部件不在同一位置或位于同一机架中)。在一些示例中，计算系统24可为跨多个装置分布的云计算系统。

在图4的示例中，计算系统24包括处理电路402、一个或多个输入装置404、通信电路406、一个或多个存储装置408、用户界面(UI)装置410和一个或多个输出装置412。在一些示例中，计算系统24还包括可由计算系统24执行的如监测系统450的应用程序424和操作系统416。部件402、404、406、408、410和412中的每一个可被联接(物理地、通信地和/或可操作地)用于部件间通信。在一些示例中，通信信道414可包括系统总线、网络连接、过程间通信数据结构或用于通信数据的任何其他方法。例如，部件402、404、406、408、410和412可以通过一个或多个通信信道414联接。

在一个示例中，处理电路402被配置为实施功能和/或处理用于在计算系统24内执行的指令。例如，处理电路402可能够处理存储在存储装置408中的指令。处理电路402的示例可包括以下中的任一者或多者：微处理器、控制器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或等效离散或集成逻辑电路。

一个或多个存储装置408可被配置为在操作期间在计算装置400内存储信息。在一些示例中，存储装置408被描述为计算机可读存储介质。在一些示例中，存储装置408为临时存储器，这意味着存储装置408的主要目的不是长期存储。在一些示例中，存储装置408被描述为易失性存储器，这意味着当计算机关闭时，存储装置408不维护所存储的内容。易失性存储器的示例包括RAM、动态随机存取存储器(DRAM)、静态随机存取存储器(SRAM)和本领域中已知的其他形式的易失性存储器。在一些示例中，存储装置408用于存储由处理电路402执行的程序指令。在一个实例中，存储装置408由在计算系统24上运行的软件或应用程序424使用，以在程序执行期间临时存储信息。

在一些示例中，存储装置408还包括一个或多个计算机可读存储介质。存储装置408可被配置为存储比易失性存储器大的信息量。存储装置408可另外被配置为用于信息的长期存储。在一些示例中，存储装置408包括非易失性存储元件。此类非易失性存储元件的示例包括磁性硬盘、光盘、软盘、闪存存储器，或多种形式的电可编程存储器(EPROM)或电可擦除且可编程存储器(EEPROM)。

在一些示例中，计算系统24还包括通信电路406以与其他装置和系统通信，诸如图1的IMD 10和外部装置12。通信电路406可以包括网络接口卡，诸如以太网卡、光收发器、射频收发器、或可发送和接收信息的任何其他类型的装置。这类网络接口的其他示例可包括3G、4G、5G和WiFi无线电。

在一个示例中，计算系统24还包括一个或多个用户界面装置410。在一些示例中，用户界面装置410被配置成通过触觉、音频或视频反馈从用户接收输入。一个或多个用户界面装置410的实例包含对存在敏感的显示器、鼠标、键盘、语音响应系统、摄像机、麦克风或用于检测来自用户的命令的任何其他类型的装置。在一些示例中，存在敏感显示器包括触敏屏。

一个或多个输出装置412也可包括在计算系统24中。在一些示例中，输出装置412被配置为使用触觉、音频或视频刺激向用户提供输出。在一个示例中，输出装置412包括对存在敏感的显示器、声卡、视频图形适配器卡或用于将信号转换为人类或机器可理解的适当形式的任何其他类型的装置。输出装置412的另外示例包括扬声器、阴极射线管(CRT)监测器、液晶显示器(LCD)或可以向用户生成可理解的输出的任何其他类型的装置。

计算系统24可包括操作系统416。在一些示例中，操作系统416控制计算系统24的部件的操作。例如，在一个示例中，操作系统416促进一个或多个应用程序424和监测系统450与处理电路402、通信电路406、存储装置408、输入装置404、用户界面装置410和输出装置412的通信。

应用程序424还可包括可由计算装置400执行的程序指令和/或数据。可由计算装置400执行的一个或多个实例应用程序424可包含监测系统450。可替代地或另外地包括未示出的其他另外的应用程序，以提供本文所描述的其他功能，并且为了简单起见而不描绘。

计算系统24可经由通信电路406接收由诸如IMD 10等医疗装置存储的发作的发作数据。存储装置408可将发作的发作数据存储在存储装置408中。响应于医疗装置检测到心律失常和/或用户输入引导发作数据的存储，发作数据可能已由医疗装置收集。

如由处理电路402实施的监测系统450可查看发作并对其进行注释，并且在注释之后生成发作的报告或其他说明，以供临床医生或其他查看者查看。监测系统450可利用输入装置404、输出装置412和/或通信电路406向用户显示发作数据、心律失常类型分类和本文描述的任何其他信息，并接收任何注释或关于来自用户的发作数据的其他输入。

在图4所示的示例中，监测系统450可将一个或多个判定算法452应用于发作数据。判定算法452可包括例如神经网络，如深度神经网络，其可例如包括卷积神经网络、多层感知机和/或回声状态网络。在示例中，判定算法452表示一个或多个心律失常分类机器学习模型。判定算法452可被配置为针对多个心律失常类型分类中的每个心律失常类型分类，输出指示该类型的心律失常在发作期间的任一时间点发生的可能性的值。监测系统450可将可配置的阈值(例如，50％、75％、90％、95％、99％)应用于可能性值，以例如基于该分类达到或超过阈值的可能性将发作识别为包括一个或多个心律失常类型。尽管图4示出了其中监测系统450应用一个或多个判定算法452作为其算法的一部分来对心律失常进行分类的示例，但在一些示例中，该算法包括其他人工智能或未必需要机器学习的其他模型或算法，诸如线性回归、趋势分析、决策树、规则或阈值。

根据本公开的技术，处理电路402被配置为执行存储在存储装置408内的计算机可读指令，所述计算机可读指令致使处理电路402绕过被配置为将发作数据分类为心脏发作的真指示或假指示的判定算法452。如上所述，处理电路402可响应于接收发作数据，基于绕过条件集合中的一个或多个绕过条件的满足来确定是否绕过判定算法452。响应于绕过判定算法452，处理电路402可将发作数据存储为心脏发作(诸如AF发作)的真指示。

该绕过条件集合可包括各种绕过条件。一个示例性绕过条件可为时间段条件。当由处理电路402接收到的发作数据是针对某个时间段(例如，一个月)的贲门发作的发作数据的第一次传输时，处理电路402可确定该发作数据满足时间段条件。在一些示例中，该时间段可基于患者的健康状况。示例性健康状况可包括充血性心力衰竭、高血压、年龄、糖尿病、既往中风、血管疾病、性别等。例如，如果患者具有诸如充血性心力衰竭、高血压、糖尿病和/或血管疾病等健康状况，则时间段可以相对较短(例如，7天至14天)以潜在地增加医疗装置系统绕过判定算法452的频率。在一些示例中，医疗装置系统可基于患者的健康状况选择预定长度的时间段。另外地或可替代地，医生可手动限定时间段的长度。

在一示例中，如果由IMD 10向医疗装置系统2的发作数据的传输是特定月(例如，五月)的时间段期间的发作数据的第一次传输，则处理电路402可确定该发作数据满足时间段条件以及绕过判定算法452。因此，处理电路402可将发作数据存储在存储器(例如，存储装置408)中以供医生查看。

在另一示例中，如果发作数据的传输是该时间段期间的发作数据的后续传输(例如，发作数据的第二次传输)，则处理电路402可不绕过判定算法452，使得判定算法452能够确定发作数据是心脏发作的真指示或假指示的可能性。因此，时间段条件可确保医疗装置系统2存储任何给定时间段的发作数据的第一次传输。这可能是有益的，因为当治疗患者时，在某个时间段期间的发作数据的第一次传输可能比在相同时间段期间的发作数据的后续传输与医生更相关。

该绕过条件集合可另外地或可替代地包括间隔条件。当由处理电路402接收到的发作数据是在从心脏发作的发作数据的先前传输起经过了时间间隔(例如，10天)之后的心脏发作的发作数据的第一次传输时，处理电路402可确定该发作数据满足间隔条件。例如，如果由IMD 10向医疗装置系统2的发作数据的传输是在从心脏发作的发作数据的先前传输起经过10天的时间间隔之后的发作数据的第一次传输，则处理电路402可确定该发作数据满足间隔条件以及绕过判定算法452。因此，医疗装置系统2可将发作数据存储在存储器中以供医生查看。

在另一示例中，如果发作数据的传输是在时间间隔过去之前的发作数据的传输(例如，在该时间间隔过去之前剩余2天的发作数据的传输)，则医疗装置系统2可不绕过判定算法452，使得判定算法452能够确定发作数据是心脏发作的真指示或假指示的可能性。以这种方式，间隔条件可确保医疗装置系统2存储在紧接在前的发作数据的传输之后至少预定时间间隔时发生的发作数据的传输。这可能是有益的，因为在经过时间间隔之后的发作数据的第一次传输可能不太可能是心脏发作的假指示，因此保证医生对发作数据的查看。

该绕过条件集合可另外地或可替代地包括植入条件。当由处理电路402接收到的发作数据是医疗装置系统2的IMD 10植入之后的心脏发作的发作数据的前N次传输之一时，处理电路402可确定该发作数据满足植入条件。例如，如果N为10并且由IMD 10向医疗装置系统2的发作数据的传输是IMD 10植入之后的发作数据的第五次传输，则处理电路402可确定该发作数据满足植入条件以及绕过判定算法452。因此，医疗装置系统2可将发作数据存储在存储器中以供医生查看。

在另一示例中，如果发作数据的传输是IMD 10植入之后的发作数据的第十一次传输，则医疗装置系统2可不绕过判定算法452，使得判定算法452能够确定该发作数据是心脏发作的真指示或假指示的可能性。以这种方式，植入条件可确保医疗装置系统2存储IMD 10植入之后的发作数据的前N次传输。这可能是有益的，因为在IMD 10植入之后的发作数据的前N次传输可能不太可能是心脏发作的假指示，因此保证医生对发作数据的查看。应当理解，N可为任何数目的传输，诸如5、8、12、20等。

该绕过条件集合可另外地或可替代地包括长持续时间条件。当由处理电路402接收到的发作数据的持续时间超过长持续时间阈值时，处理电路402可确定该发作数据满足长持续时间条件。例如，如果长持续时间阈值为30分钟并且由处理电路402接收到的发作数据的持续时间为31分钟，则处理电路402可确定该发作数据满足长持续时间条件以及绕过判定算法452。因此，医疗装置系统2可将发作数据存储在存储器中以供医生查看。

在另一示例中，如果发作数据的持续时间为15分钟，则医疗装置系统2可不绕过判定算法452，使得判定算法452能够确定该发作数据是心脏发作的真指示或假指示的可能性。以这种方式，长持续时间条件可确保医疗装置系统2存储持续时间等于或大于长持续时间阈值的发作数据。这可能是有益的，因为持续时间等于或大于长持续时间阈值的发作数据可能不太可能是心脏发作的假指示，因此保证医生对发作数据的查看。

该绕过条件集合可另外地或可替代地包括短持续时间条件。当由处理电路402接收到的发作数据的持续时间少于短持续时间阈值时，处理电路402可确定该发作数据满足短持续时间条件。例如，如果短持续时间阈值为2分钟并且由处理电路402接收到的发作数据的持续时间为1秒，则处理电路402可确定该发作数据满足短持续时间条件以及绕过判定算法452。因此，医疗装置系统2可将发作数据存储在存储器中以供医生查看。

在另一示例中，如果发作数据的持续时间为3秒，则医疗装置系统2可不绕过判定算法452，使得判定算法452能够确定该发作数据是心脏发作的真指示或假指示的可能性。以这种方式，短持续时间条件可确保医疗装置系统2存储持续时间少于短持续时间阈值的发作数据。这可能是有益的，因为医生可能已经特别地将心搏停止检测间隔编程为相对较短(例如，2秒或更短)，因为医生认为具有此类间隔的发作数据是临床上显著的事件，因此保证医生对发作数据的查看。

该绕过条件集合可另外地或可替代地包括用户输入条件。当用户提供致使处理电路402在绕过时间段期间绕过算法的用户输入(例如，用户界面的致动)时，处理电路402可确定发作数据满足用户输入条件。例如，如果用户按下与绕过判定算法452相关联的外部装置12上的按钮，则处理电路402可确定满足用户输入条件以及绕过判定算法452，持续绕过时间段(例如，在用户输入之前开始并且在用户输入之后结束的预定时间范围)。因此，医疗装置系统2可将发作数据存储在存储器中以供医生查看。这可能是有益的，因为每当用户经历潜在的心脏发作的症状时，用户可以按下按钮。因此，发生在用户输入的时间范围内的发作数据(例如，在用户输入之前几分钟直到用户输入之后几分钟)不太可能是心脏发作的假指示，因此保证医生对发作数据的查看。

该绕过条件集合可另外地或可替代地包括虚弱条件。当在患者跌倒或表现出身体不稳定性(例如，异常步幅模式、站立后不平衡、从站到坐的转换时间增加等)中的至少一者的时间窗口内发生心脏发作的发作数据的传输时，处理电路402可确定该发作数据满足虚弱条件。例如包括在IMD 10的传感器58中的加速度计、陀螺仪和/或类似物或外部装置12可用于检测患者是否跌倒或表现出身体不稳定性。例如，加速度计可用于监测步幅持续时间的可变性以检测异常步幅模式、站立后的身体稳定性(例如，平衡)、从坐到站以及从站到坐的转换的时间量等。

作为处理电路402绕过判定算法452的一个示例，如果时间窗口的开始是跌倒或身体不稳定性发生之前30分钟，时间窗口的结束是跌倒或身体不稳定性发生之后30分钟，并且心脏发作的发作数据的传输在发生跌倒(例如，由IMD 10的加速度计检测到)之后15分钟发生，则处理电路402可确定该发作数据满足虚弱条件以及绕过判定算法452。因此，医疗装置系统2可将发作数据存储在存储器中以供医生查看。

在另一示例中，如果时间窗口的开始是跌倒或身体不稳定性发生之前30分钟，时间窗口的结束是跌倒或身体不稳定性发生之后30分钟，并且心脏发作的发作数据的传输在发生跌倒(例如，由IMD 10的加速度计检测到)之前40分钟发生，则处理电路402可不绕过判定算法452，使得判定算法452能够确定该发作数据是心脏发作的真指示或假指示的可能性。以这种方式，虚弱条件可确保医疗装置系统2存储发生在患者跌倒或表现出身体不稳定性中的至少一者的时间窗口的发作数据。这可能是有益的，因为在此类时间窗口内的发作数据的传输可能不太可能是心脏发作的假指示，因此保证医生对发作数据的查看。

该绕过条件集合可另外地或可替代地包括血压条件。当心脏发作的发作数据的传输发生在患者的血压的变化超过血压阈值的时间窗口内时，处理电路402可确定该发作数据满足血压条件。例如，光学传感器可用于检测患者的血压(例如，收缩压、舒张压等)的变化是否超过血压阈值。另外地或可替代地，处理电路402可基于可能与血压相关的脉搏传递时间(PTT)而不是血压绕过判定算法452，因为血压可能难以连续监测(例如，使用IMD 10)。

作为处理电路402基于血压绕过判定算法的一个示例，如果血压阈值为20毫米汞柱(mmHg)，收缩压的变化为40mmHg，时间窗口的开始是在血压发生这种变化之前30分钟，时间窗口的结束是在血压变化发生之后30分钟，并且心脏发作的发作数据的传输发生在血压变化发生之后20分钟，则处理电路402可确定该发作数据满足血压条件以及绕过判定算法452。因此，医疗装置系统2可将发作数据存储在存储器中以供医生查看。

在另一示例中，如果收缩压的变化为15mmHg(或小于血压阈值的某个其他值)，则处理电路402可不绕过判定算法452，使得判定算法452能够确定发作数据是心脏发作的真指示或假指示的可能性。以这种方式，血压条件可确保医疗装置系统2存储发生在患者的血压(例如，收缩压、舒张压等)的变化超过血压阈值的时间窗口内的发作数据。这可能是有益的，因为在此类时间窗口内的发作数据的传输可能不太可能是心脏发作的假指示，因此保证医生对发作数据的查看。应理解，以上处理电路402基于血压绕过判定算法452的实例可基本上类似于处理电路402由于PPT与血压相关而基于PPT绕过判定算法452的实例。

在一些示例中，处理电路402可被配置成对绕过条件集合中的每一个绕过条件进行加权以确定绕过判定算法452。在这样的示例中，处理电路402可向绕过条件集合中的每个绕过条件分配权重(例如，由临床医生选择的、由诸如由处理电路402执行的机器学习算法等算法确定的)，以及响应于确定发作数据满足绕过条件中的一个或多个绕过条件，计算由该发作数据满足的该一个或多个绕过条件的合计权重。处理电路402然后可基于满足权重阈值的合计权重来确定绕过判定算法452。例如，如果合计权重(例如，99％)超过权重阈值(例如，85％)，则处理电路402可绕过判定算法452，将发作数据存储在存储器中以供医生查看。

该绕过条件集合可另外地或可替代地包括缺血性中风条件。当患者先前经历了缺血性中风(例如，已知起源的中风、隐源性中风等)，该缺血性中风的发生可由系统的用户经由用户界面来指示或者从电子健康记录中检索，并且由处理电路402接收到的发作数据是在经过某个时间间隔(例如，15天)之后该心脏发作的发作数据的第一次传输时，处理电路402可确定该发作数据满足缺血性中风条件。例如，如果由IMD 10向医疗装置系统2的发作数据的传输是经过15天的时间间隔之后的发作数据的第一次传输，则处理电路402可确定发作数据满足间隔条件以及绕过判定算法。因此，医疗装置系统2可将发作数据存储在存储器中以供医生查看。相反，如果由IMD 10向医疗装置系统2的发作数据的传输不是在经过15天的时间间隔之后的发作数据的第一次传输或者是在经过15天的时间间隔之前的发作数据的传输，则处理电路402可不绕过判定算法452，使得判定算法452能够确定该发作数据是心脏发作的真指示或假指示的可能性。

该绕过条件集合可另外地或可替代地包括临床医生激活条件。当临床医生提供致使处理电路402在绕过时间段期间绕过算法的输入(例如，用户界面的致动)时，处理电路402可确定发作数据满足临床医生激活条件。例如，在临床上显著的事件之后，临床医生可对处理电路402进行编程以绕过判定算法452，持续绕过时间段(例如，临床上显著的事件之后的3天)，使得在该绕过时间段期间传输的任何发作数据不被绕过算法判定，而是被存储在存储器中以供医生查看。另外地或可替代地，临床医生可对特定标准阈值和/或参数进行编程以满足绕过条件以及绕过判定算法452。

该绕过条件集合可另外地或可替代地包括相似性条件。当处理电路402确定(例如，使用机器学习算法)发作数据与(例如，由临床医生)判定为心脏发作的先前发作数据之间的相似性超过相似性阈值时，处理电路402可确定该发作数据满足相似性条件。

在一些示例中，该绕过条件集合中的绕过条件可取决于患者的医疗状况。例如，对于经历隐源性中风的患者，该绕过条件集合可包括时间段条件、虚弱条件和相似性条件。另一方面，对于经历晕厥的患者，该绕过条件集合可包括时间间隔条件、临床医生激活条件和血压条件。应当理解，这些示例出于说明的目的，并且本公开设想了其他绕过条件集合。

此外，应当理解，本文所描述的条件中的任一者可由临床医生修改以定制绕过判定算法452。例如，临床医生可选择持续时间、间隔、阈值、事件、灵敏度等来定制绕过条件中的任一者以适合临床医生的偏好和/或目标。在一些示例中，计算系统24可存储由临床医生定制的编程以及基于临床医生反馈自动地定制绕过条件(例如，针对新的患者)。

在一些示例中，处理电路402可以向临床医生传输所满足的一个或多个绕过条件的指示。处理电路402还可传输判定算法452关于满足绕过条件的发作数据的确定(例如，发作数据是心脏发作的真指示或假指示的可能性)。以这种方式，临床医生可将临床医生的关于发作数据的确定与判定算法452的确定进行比较，以评估一个或多个绕过条件和/或判定算法的效用、准确性等。

其他示例性绕过条件可包括以下项：

·仅在由IMD 10感测到的R波振幅高于微伏的阈值振幅(例如，300微伏)时才使用其他条件绕过判定算法452。

·在医疗干预之前/之后或如果患者未服用药物，则绕过判定算法452或需要非常高的置信度。例如，在消融后，医生想知道消融是否成功以及是否可以使患者停止抗凝血，因此需要非常高的灵敏度。同样，没有使用抗凝血的高风险(例如，中风)患者需要超高灵敏度。

·对于与患者激活的发作相关的任何自动检测到的发作，绕过判定算法452(装置定义是，如果自动检测发生在激活之前20分钟内，则认为其相关)。先前的分析已经表明，相关发作具有作为真自动发作的较高的PPV。

·以分层方式绕过判定算法452，使得具有高中风风险(例如，较高CHA

a.上述权利要求可重复用于CHA

·如果AF发作在时间上与由装置测量的患者活动的减少相对应，则绕过判定算法452。这可指示患者感觉到症状并且因此可更指示真AF发作。

·对于患有隐源性中风的患者，绕过判定算法452用于所有AF发作检测。

·对于心力衰竭(HF)群体，如果患者在高风险组中(或在他们第一次过渡到高风险组的几天内)，则绕过判定算法452。在该时间发生的任何发作检测可能是临床医生更多关注的。

·对于HF群体，基于一个或多个生理参数绕过判定算法452，这些生理参数如呼吸速率、由阻抗或心率变异性下降(HRV)指示的流体、活动减少、新发AF、AF期间的快速速率等。如上所述，临床医生和/或算法可定制绕过条件中的任一者的阈值以适应临床医生的特定偏好和患者的个性化需求。

·对于在住院治疗/临床访视/透析/药物改变至后1周内发生的前3次检测，绕过判定算法452。

·对于室性期前收缩(PVC)消融之后的前3次PVC检测，绕过判定算法452(因为医生可能想要知道在PVC消融之后，患者是否继续具有PVC)。医生可能尤其想要知道PVC的形态，以便他们可确定PVC的来源部位。

·对于在前30分钟内检测到QT延长或QT显著变化之后的前2次室性心律失常发作，绕过判定算法452(因为QT变化可能导致多态性VT，该VT进而可导致心源性猝死)。

·对于由装置首次检测到的不同PVC形态，绕过判定算法452(医生可能想知道患者是否具有多态性PVC，以确定心脏中PVC起源的位置。不期望判定算法452遗漏PVC形态中的一种形态，尤其是如果该形态是罕见的并且在一个月左右仅发生一次)。

·如果发现患者处于高HF风险中，则对于在高风险时间段期间的前2次室性心律失常发作检测，绕过判定算法452，因为HF患者对可能在这些患者中导致心脏骤停的室性心律失常敏感。

·如果患者最近因抗心律失常药物滴定而住院或者如果患者的药物剂量改变，则医生可针对前3次室性心律失常发作进行编程来绕过判定算法452，因为某些药物剂量可能致使心律失常并且医生可能不想错过这些发作。

·如果睡眠呼吸暂停算法在夜晚检测到多于10次睡眠呼吸暂停事件，则对于该患者在该天期间的前2次AF发作，绕过判定算法452。医生可能想要知道频繁的睡眠呼吸暂停是否致使患者心律失常。

·对于在多于10次睡眠呼吸暂停发作检测的1小时内发生的室性心律失常发作，绕过判定算法452。频繁的睡眠呼吸暂停发作可能致使室性异位搏动和睡眠期间的非持续VT，这使得患者更易患心源性猝死。

·如果患者具有心力衰竭或其他风险因素，则对于在多于10次睡眠呼吸暂停发作检测的2小时内发生的心律失常检测，医生可对阈值进行编程以绕过判定算法452。

·如果AF期间的平均心室率(Av.V.)>阈值(可由医生编程的阈值或设定的阈值)，则绕过判定算法452。

·只要患者处于高HF风险中，就绕过判定算法452(或)仅对于患者处于高HF风险的时间段期间的第一次心脏发作绕过判定算法452。如果AF发生在HF的中间，则医生可能想要在高风险警报之后调整针对HF的治疗。

·如果患者处于高COPD风险中，则对于前3次心律失常检测绕过判定算法452。(支气管扩张剂可增加心律失常的风险，并且医生可能想要知道患者是否经历频繁的心律失常)。

·如果检测到多于5次睡眠呼吸暂停事件，则对于在1天内发生的前3次心律失常检测，绕过判定算法452。睡眠呼吸暂停可增加夜间阵发性AF和SVT的相对风险。

·如果患者表现出异常(例如，夜间)呼吸模式，则绕过判定算法452持续一小时。

应当理解，绕过条件中的事件(例如，发作检测)的数量、时间段(例如，秒数、分钟数、天数等)和/或类似是代表性的，并且不旨在是限制性的。因此，本公开设想了其他事件数量、时间段和/或类似。

图5是根据本发明的技术的用于绕过判定算法452的示例性技术。尽管本文中主要在其中判定算法452和绕过模块454由计算系统24实施的实例的上下文中描述，但所述技术不限于此。在一些示例中，判定算法452和绕过模块454中的一者或两者可全部或部分地由IMD 10和/或外部装置12来实施。

根据图5的示例，IMD 10可收集(例如，经由电极16A、16B)指示患者4的心脏的电活动的发作数据(502)。例如，处理电路50可将用于检测心律失常发作的数字化心脏EGM和EGM的特征存储在存储器56内，作为检测到的心律失常发作的发作数据。在一些示例中，处理电路50存储心脏EGM数据的一个或多个片段、从心脏EGM数据导出的特征以及响应于来自外部装置12的指令的其他发作数据(例如，当患者4经历心律失常的一种或多种症状并向外部装置12输入命令，指示IMD 10上传数据以供监测中心或临床医生分析)。

计算系统24可经由通信电路406接收由诸如IMD 10等医疗装置存储的发作的发作数据(504)。举例来说，IMD 10将数字化心脏EGM和其他发作数据发送到网络25，以供图1的监测系统450处理。在一些示例中，IMD 10的处理电路50经由通信电路54向外部装置12传输患者4的发作数据，该外部装置然后向计算系统24传输发作数据。响应于医疗装置检测到心律失常和/或用户输入引导发作数据的存储，发作数据可能已由医疗装置收集。

响应于计算系统24接收发作数据，计算系统的处理电路402可基于绕过条件集合中的一个或多个绕过条件的满足来确定是否绕过判定算法452(506)。例如，响应于满足一个或多个绕过条件(506的是)，处理电路402可绕过判定算法452，并且处理电路402可将发作数据存储(例如，在存储装置408中)为心脏发作(诸如AF发作)的真指示(508)。

例如，如果由IMD 10向医疗装置系统2的发作数据的传输是特定月(例如，五月)的时间段期间的发作数据的第一次传输，则处理电路402可确定该发作数据满足时间段条件以及绕过判定算法452。因此，处理电路402可将发作数据存储在存储器(例如，存储装置408)中以供医生查看。在另一示例中，如果发作数据的传输是该时间段期间的发作数据的后续传输(例如，发作数据的第二次传输)，则处理电路402可不绕过判定算法452。

在一些示例中，处理电路402可被配置成对绕过条件集合中的每一个绕过条件(例如，时间段条件、虚弱条件、植入条件等)进行加权以确定绕过判定算法452。在这样的示例中，处理电路402可向该绕过条件集合中的每个绕过条件分配权重，以及响应于确定发作数据满足绕过条件中的一个或多个绕过条件，计算由该发作数据满足的该一个或多个绕过条件的合计权重。处理电路402然后可基于满足权重阈值的合计权重来确定绕过判定算法452。例如，如果合计权重(例如，99％)超过权重阈值(例如，85％)，则处理电路402可绕过判定算法452，将发作数据存储在存储器中以供医生查看。

响应于处理电路402确定不满足绕过条件或者合计权重不满足权重阈值(506的否)，处理电路402可不绕过判定算法452，并且判定算法452可确定发作数据是心脏发作的真指示或假指示的可能性(510)。判定算法452可针对多个心律失常类型分类中的每个心律失常类型分类，输出指示该类型的心律失常在发作期间的任一时间点发生的可能性的值。监测系统450可将可配置的阈值(例如，50％、75％、90％、95％、99％)应用于可能性值，以例如基于该分类达到或超过阈值的可能性将发作识别为包括一个或多个心律失常类型。

在一些示例中，本公开的技术包括系统，该系统包括用于执行本文所述的任何方法的构件。在一些示例中，本公开的技术包括计算机可读介质，其包括使处理电路执行本文所述的任何方法的指令。

应当理解，本文所公开的各个方面可以与说明书和附图中具体呈现的组合不同的组合进行组合。还应该理解，取决于示例，本文描述的过程或方法的任一者的某些动作或事件可以以不同的顺序执行，可以完全添加、合并或省略(例如，执行这些技术可能不需要所有描述的动作或事件)。另外，尽管为了清楚起见，将本公开的某些方面描述为由单个模块、单元或电路来执行，但是应理解，本公开的技术可由与例如医疗装置相关联的单元、模块或电路的组合来执行。

在一个或多个示例中，描述的技术可在硬件、软件、固件或它们的任何组合中实现。如果在软件中实施，则功能可作为一个或多个指令或代码存储在计算机可读介质上并且由基于硬件的处理单元执行。计算机可读介质可包括非暂时性计算机可读介质，其对应于有形介质，诸如数据存储介质(例如，RAM、ROM、EEPROM、闪存存储器，或可用于存储指令或数据结构形式的期望程序代码并且可由计算机访问的任何其他介质)。

指令可由一个或多个处理器执行，诸如一个或多个数字信号处理器(DSP)、通用微处理器、专用集成电路(ASIC)、现场可编程逻辑阵列(FPGA)或其他等同的集成或离散逻辑电路。因此，如本文所使用的术语“处理器”或“处理电路”可指代任何前述结构或者适合于实施所描述的技术的任何其他物理结构。另外，本技术可在一个或多个电路或逻辑元件中完全实现。

以下实施例是对本文所述的技术的说明。

实施例1：一种监测患者的方法，包括：由医疗装置系统的处理电路接收心脏发作的发作数据；由处理电路以及基于满足绕过条件集合中的一个或多个绕过条件，确定绕过被配置为确定所述发作数据是所述心脏发作的假指示的可能性的算法；以及由所述处理电路以及响应于绕过所述算法，将所述发作数据存储为所述心脏发作的真指示。

实施例2：根据实施例1所述的方法，其中所述绕过条件集合包括时间段条件，并且其中当由所述处理电路接收到的所述发作数据是针对某个时间段的所述心脏发作的发作数据的第一次传输时，所述发作数据满足所述时间段条件。

实施例3：根据实施例2所述的方法，其中所述时间段的长度基于所述患者的健康状况。

实施例4：根据实施例1至3中任一项所述的方法，其中所述绕过条件集合包括间隔条件，并且其中当由所述处理电路接收到的所述发作数据是在从所述心脏发作的发作数据的先前传输起经过了时间间隔之后的所述心脏发作的发作数据的第一次传输时，所述发作数据满足所述间隔条件。

实施例5：根据实施例1至4中任一项所述的方法，其中所述绕过条件集合包括植入条件，并且其中当由所述处理电路接收到的所述发作数据是在所述医疗装置系统的可植入医疗装置的植入之后的所述心脏发作的发作数据的前N次传输中的一次传输时，所述发作数据满足所述植入条件。

实施例6：根据实施例5所述的方法，其中所述前N次传输包括在所述可植入医疗装置的植入之后的所述心脏发作的发作数据的前十次传输。

实施例7：根据实施例1至6中任一项所述的方法，其中所述绕过条件集合包括长持续时间条件，并且其中当由所述处理电路接收到的所述心脏发作的所述发作数据的持续时间超过长持续时间阈值时，所述发作数据满足所述长持续时间条件。

实施例8：根据实施例1至7中任一项所述的方法，其中所述绕过条件集合包括短持续时间条件，并且其中当由所述处理电路接收到的所述心脏发作的所述发作数据的持续时间少于短持续时间阈值时，所述发作数据满足所述短持续时间条件。

实施例9：根据实施例1至8中任一项所述的方法，其中所述绕过条件集合包括用户输入条件，并且其中当所述用户提供致使所述处理电路绕过所述算法持续某个绕过时间段的用户输入时，所述发作数据满足所述用户输入条件。

实施例10：根据实施例1至9中任一项所述的方法，其中所述绕过条件集合包括虚弱条件，并且其中当所述心脏发作的发作数据的传输发生在所述患者跌倒或表现出身体不稳定中的至少一者的时间窗口内时，所述发作数据满足所述虚弱条件。

实施例11：根据实施例1至10中任一项所述的方法，其中所述绕过条件集合包括血压条件，并且其中当所述心脏发作的发作数据的传输发生在所述患者的血压的变化超过血压阈值的时间窗口内时，所述发作数据满足所述血压条件。

实施例12：根据实施例1至11中任一项所述的方法，其中确定绕过所述算法包括：向所述绕过条件集合中的每个绕过条件分配权重；响应于确定所述发作数据满足所述绕过条件中的一个或多个绕过条件，计算由所述发作数据满足的所述一个或多个绕过条件的合计权重；确定所述合计权重是否超过权重阈值；以及基于所述合计权重超过所述权重阈值来确定绕过所述算法。

实施例13：根据实施例12所述的方法，其中分配至每个绕过条件的所述权重基于所述患者的健康状况。

实施例14：根据实施例1至13中任一项所述的方法，还包括由所述处理电路存储关于为什么所述处理电路基于所述绕过条件集合中的一个或多个绕过条件的满足确定绕过所述算法的指示。

实施例15：一种医疗装置系统，包括：接收心脏发作的发作数据；基于满足绕过条件集合中的一个或多个绕过条件，确定是否绕过被配置为确定所述发作数据是所述心脏发作的假指示的可能性的算法；以及响应于绕过所述算法，将所述发作数据存储为所述心脏发作的真指示。

实施例16：根据实施例15所述的医疗装置系统，其中所述绕过条件集合包括时间段条件，并且其中当由所述处理电路接收到的所述发作数据是针对某个时间段的贲门发作的发作数据的第一次传输时，所述发作数据满足所述时间段条件。

实施例17：根据实施例16所述的医疗装置系统，其中所述时间段的长度基于所述患者的健康状况。

实施例18：根据实施例15至17中任一项所述的医疗装置系统，其中所述绕过条件集合包括间隔条件，并且其中当由所述处理电路接收到的所述发作数据是在从所述心脏发作的发作数据的先前传输起经过了时间间隔之后的所述心脏发作的发作数据的第一次传输时，所述发作数据满足所述间隔条件。

实施例19：根据实施例15至18中任一项所述的医疗装置系统，其中所述绕过条件集合包括植入条件，并且其中当由所述处理电路接收到的所述发作数据是在所述医疗装置系统的可植入医疗装置的植入之后的所述心脏发作的发作数据的前N次传输中的一次传输时，所述发作数据满足所述植入条件。

实施例20：根据实施例19所述的医疗装置系统，其中所述前N次传输包括在所述可植入医疗装置的植入之后的所述心脏发作的发作数据的前十次传输。

实施例21：根据实施例15至20中任一项所述的医疗装置系统，其中所述绕过条件集合包括长持续时间条件，并且其中当由所述处理电路接收到的所述心脏发作的所述发作数据的持续时间超过长持续时间阈值时，所述发作数据满足所述长持续时间条件。

实施例22：根据实施例15至21中任一项所述的医疗装置系统，其中所述绕过条件集合包括短持续时间条件，并且其中当由所述处理电路接收到的所述心脏发作的所述发作数据的持续时间少于短持续时间阈值时，所述发作数据满足所述短持续时间条件。

实施例23：根据实施例15至22中任一项所述的医疗装置系统，其中所述绕过条件集合包括用户输入条件，并且其中当所述用户提供致使所述处理电路绕过所述算法持续某个绕过时间段的用户输入时，所述发作数据满足所述用户输入条件。

实施例24：根据实施例15至23中任一项所述的医疗装置系统，其中所述绕过条件集合包括虚弱条件，并且其中当所述心脏发作的发作数据的传输发生在所述患者跌倒或表现出身体不稳定中的至少一者的时间窗口内时，所述发作数据满足所述虚弱条件。

实施例25：根据实施例15至24中任一项所述的医疗装置系统，其中所述绕过条件集合包括血压条件，并且其中当所述心脏发作的发作数据的传输发生在所述患者的血压的变化超过血压阈值的时间窗口内时，所述发作数据满足所述血压条件。

实施例26：根据实施例15至25中任一项所述的医疗装置系统，其中所述处理电路被配置为通过以下项来确定绕过所述算法：向所述绕过条件集合中的每个绕过条件分配权重；响应于确定所述发作数据满足所述绕过条件中的一个或多个绕过条件，计算由所述发作数据满足的所述一个或多个绕过条件的合计权重；确定所述合计权重是否超过权重阈值；以及基于所述合计权重超过所述权重阈值来确定绕过所述算法。

实施例27：根据实施例26所述的医疗装置系统，其中分配至每个绕过条件的所述权重基于所述患者的健康状况。

实施例28：根据实施例15至27中任一项所述的医疗装置系统，其中所述处理电路被进一步配置为存储为什么所述处理电路基于所述绕过条件集合中的一个或多个绕过条件的满足确定绕过所述算法的指示。

实施例29：一种计算机可读介质包括接收发作数据；基于满足绕过条件集合中的一个或多个绕过条件，确定是否绕过被配置为确定所述发作数据是心脏发作的假指示的可能性的算法；以及响应于绕过所述算法，将所述发作数据存储为所述心脏发作的真指示。

已经描述了各种示例。这些和其他示例在所附权利要求书的范围内。

权利要求书(按照条约第19条的修改)

1.一种医疗装置系统，所述医疗装置系统包括处理电路，所述处理电路被配置为：

接收心脏发作的发作数据；

基于满足绕过条件集合中的一个或多个绕过条件，确定是否绕过被配置为确定所述发作数据是所述心脏发作的假指示的可能性的算法，其中所述绕过条件集合包括时间段条件，并且其中当由所述处理电路接收到的所述发作数据是针对某个时间段的所述心脏发作的发作数据的第一次传输时，所述发作数据满足所述时间段条件；以及

响应于绕过所述算法，将所述发作数据存储为所述心脏发作的真指示。

2.根据权利要求1所述的医疗装置系统，其中所述时间段的长度基于患者的健康状况。

3.根据权利要求1所述的医疗装置系统，其中所述绕过条件集合包括间隔条件，并且其中当由所述处理电路接收到的所述发作数据是在从所述心脏发作的发作数据的先前传输起经过了时间间隔之后的所述心脏发作的发作数据的第一次传输时，所述发作数据满足所述间隔条件。

4.根据权利要求1所述的医疗装置系统，其中所述绕过条件集合包括植入条件，并且其中当由所述处理电路接收到的所述发作数据是在所述医疗装置系统的可植入医疗装置的植入之后的所述心脏发作的发作数据的前N次传输中的一次传输时，所述发作数据满足所述植入条件。

5.根据权利要求4所述的医疗装置系统，其中所述前N次传输包括在所述可植入医疗装置的植入之后的所述心脏发作的发作数据的前十次传输。

6.根据权利要求1所述的医疗装置系统，其中所述绕过条件集合包括长持续时间条件，并且其中当由所述处理电路接收到的所述心脏发作的所述发作数据的持续时间超过长持续时间阈值时，所述发作数据满足所述长持续时间条件。

7.根据权利要求1所述的医疗装置系统，其中所述绕过条件集合包括短持续时间条件，并且其中当由所述处理电路接收到的所述心脏发作的所述发作数据的持续时间少于短持续时间阈值时，所述发作数据满足所述短持续时间条件。

8.根据权利要求1所述的医疗装置系统，其中所述绕过条件集合包括用户输入条件，并且其中当所述用户提供致使所述处理电路绕过所述算法持续某个绕过时间段的用户输入时，所述发作数据满足所述用户输入条件。

9.根据权利要求1所述的医疗装置系统，其中所述绕过条件集合包括虚弱条件，并且其中当所述心脏发作的发作数据的传输发生在所述患者跌倒或表现出身体不稳定中的至少一者的时间窗口内时，所述发作数据满足所述虚弱条件。

10.根据权利要求1所述的医疗装置系统，其中所述绕过条件集合包括血压条件，并且其中当所述心脏发作的发作数据的传输发生在所述患者的血压的变化超过血压阈值的时间窗口内时，所述发作数据满足所述血压条件。

11.根据权利要求1所述的医疗装置系统，其中所述处理电路被配置成通过以下项来确定绕过所述算法：

向所述绕过条件集合中的每个绕过条件分配权重，

响应于确定所述发作数据满足所述绕过条件中的一个或多个绕过条件，计算由所述发作数据满足的所述一个或多个绕过条件的合计权重，

确定所述合计权重是否超过权重阈值，以及

基于所述合计权重超过所述权重阈值来确定绕过所述算法。

12.根据权利要求11所述的医疗装置系统，其中分配至每个绕过条件的所述权重基于所述患者的健康状况。

13.一种监测患者的方法，所述方法包括：

由医疗装置系统的处理电路接收心脏发作的发作数据；

由处理电路以及基于满足绕过条件集合中的一个或多个绕过条件，确定绕过被配置为确定所述发作数据是所述心脏发作的假指示的可能性的算法，其中所述绕过条件集合包括时间段条件，并且其中当由所述处理电路接收到的所述发作数据是针对某个时间段的所述心脏发作的发作数据的第一次传输时，所述发作数据满足所述时间段条件；以及

由所述处理电路以及响应于绕过所述算法，将所述发作数据存储为所述心脏发作的真指示。

14.一种包括指令的计算机可读介质，所述指令在被执行时致使处理电路：

接收发作数据；

基于满足绕过条件集合中的一个或多个绕过条件，确定是否绕过被配置为确定所述发作数据是心脏发作的假指示的可能性的算法，其中所述绕过条件集合包括时间段条件，并且其中当由所述处理电路接收到的所述发作数据是针对某个时间段的所述心脏发作的发作数据的第一次传输时，所述发作数据满足所述时间段条件；以及

响应于绕过所述算法，将所述发作数据存储为所述心脏发作的真指示。