了-dVdt算法的输出的曲线图，其在时间域上与12-导联的EKG信号对齐，以更好地示出-dVdt算 法的输出中的尖峰702与心脏信号705之间的关联关系。蓝色线710是下文进一步讨论的从 移动标准差所计算的阈值。
[0065]除了反转的标准，+dVdt过滤算法类似于-dVdt算法。
[0066] 对于AbsDvdt过滤算法，为每个时间点计算+dVdt过滤算法和-dVdt过滤算法输出 值。这两个值的绝对最大值为输出。
[0067]对于Min过滤算法，对于采样值为正的每个时间点，输出零。在所有其他情况下，为 当前时间点之前和之后的区间单独计算斜率-幅值乘积。类似于-dVdt过滤算法，反复分析 区间，直至确定最佳的区间大小。其目标是寻找在当前时间点之前具有很大的向下的斜率- 幅值乘积并且在当前时间点之后具有很大的向上的斜率-幅值乘积的负峰值。将来自当前 时间点之前和之后的区间的斜率-幅值乘积相乘。然后，将该结果的平方根乘以当前值的负 数。该结果的平方根被用来规范输出。
[0068]除了反转的标准，Max过滤算法类似于Min过滤算法。
[0069] AbsPeak过滤算法输出Min和Max过滤算法输出的绝对最大值。
[0070]在步骤620中，将来自步骤610的输出信号加到一起。
[0071]在步骤630中，计算被加总的输出信号(例如，框620的输出信号）的移动阈值。该阈 值可为移动方差的平方根(即移动标准差）。
[0072]在步骤640中，使用被加总的输出信号(例如，框620的输出信号)和移动标准差(例 如，框630的输出）计算检测线。
[0073]在步骤650中，正向扫描输出信号直至输出信号超过阈值。在定位到此类点时，正 向扫描继续一段时间。对于EKG信号，该段时间通常约为200ms。
[0074]在此扫描期间，更新检测时刻以反映在扫描期间最大的被加总的输出信号(例如， 框620的输出）的时刻。一旦选择了检测时刻，从为下次心跳恢复检测之前的最后一次检测 的时刻开始就存在不应期(refractory period)，该不应期的长度通常与上述扫描期间的 长度相同。
[0075]作为基于EKG信号的心跳检测的替代，或者在基于EKG信号的心跳检测之外，也可 以基于来自心内电极(例如，导管13上的游动电极17、52、54、56)的电生理学信号实现心跳 检测。然而，对于此类信号的心跳检测方法可不同于上述对于EKG信号的心跳检测方法。具 体地，心内电极心跳检测方法可使用单个信号和分析区间作为输入，并可在为该区间内的 每个输入值计算输出值的单次扫描内进行操作。因此结果是造成最大输出值的输入值的时 亥IJ。可使用类似于上述过滤算法的六种不同的过滤算法。
[0076] 当将-dVdt过滤算法应用至心内游动电极信号时，计算斜率-幅值乘积的负数。若 结果为负，则输出为零。若不是，则区间可变并且所有区间中的最大值为输出。对于单极信 号，时间区间可变，例如，在± 25ms之间。对于双极信号，时间区间可变，例如，在± IOms之 间。除了标准被反转，+dVdt过滤算法在心内游动电极上的应用是类似的。同样地，当应用至 心内游动电极信号时，AbsDvdt过滤算法输出具有-dVdt和+dVdt过滤算法之间的最大 (g r e a t e s t)中间输出值的时刻。
[0077] 当应用至心内游动电极信号时，Min过滤算法返回区间内的最小采样值的时刻。当 应用至心内游动电极信号时，Max过滤算法返回区间内的最大采样值的时刻。当应用至心内 游动电极信号时，AbsPeak过滤算法返回区间内最大绝对采样值的时刻。
[0078] 对于心内游动电极信号不需要使用不应期。然而，在使用心内参考电极信号的情 况下（例如，来自参考电极31的信号），可将不应期设为约120ms，而不是在基于EKG信号的心 跳检测中利用的200ms不应期。
[0079] 心跳检测之后，在所检测的R-波周围建立窗口，使所检测的峰值在窗口中央。接下 来，定义距离函数d。距离函数d生成包含峰值的两个波形之间的距离，诸如，当前心跳波形 和范本心跳波形。
[0080] 定义距离函数d的一个适当的方法是使用两个波之间的动态时间规整(Dynamic Time Warping，"DTW"）距离。普通技术人员应当理解如何根据本教导应用DTW算法。该方法 的一个优点是其不要求两个被比较的波形之间相位对齐。另一方面，它导致计算复杂度增 加。
[0081 ] 可替代地，距离函数d可被定义为波形之间的欧几里得距离（Euc Ii dean distance)。当使用欧几里得距离时，波可在一的区间内以±MaxStep范围内的步长相对于 彼此偏移。可将参数MaxStep选择为波形窗口的半宽度，或者，可替代地，可将参数MaxStep 选择为以约250Hz采样率的1至5个样本之间的一个固定值。可将距离函数d设为偏移处理后 的波形之间的最小距离。
[0082]在多导联分析中，可以为每个EKG导联分别计算心跳对之间的距离，并且可以将这 些距离线性组合为单一距离测量值。例如，该线性组合可为被用于尖峰检测的波形的平均 值，或者，用户限定的另一个合适的单个导联的距离的加权组合。
[0083] 也可以预见，可以将心跳（例如，范本心跳和目标心跳）归一化。例如，可在计算距 离函数d之前，通过从心跳中减去每一个的平均值，将心跳归一化。
[0084] 在一个方面，以如下方式计算特定心跳的匹配分数。首先，为每个范本（即，为来自 每个所选择的EKG导联的范本心跳），计算范本和零信号（即，所有采样值都设至零的模板信 号)之间的距离。本文将该距离称为"范本面积(template area)"。
[0085] 然后，为每个波形(例如，为来自每个所选择的EKG导联的当前心跳），计算波形与 范本心跳之间的距离。将该差除以范本面积，并且从一中减去得出的比例并将该得出的比 例表示为百分数。然而，若该比例大于一，则分配〇%的匹配分数。
[0086] 如上所述，对于多导联比较，范本面积可被认为是单个导联的范本面积的加权和。 同样地，当前波形和范本波形之间的距离可被认为是单个导联的距离的加权和。
[0087] 除了计算匹配分数之外，还可以根据心跳的形态将心跳分类为一个或多个不同的 形态图。实际上，也可以使用上述距离函数d来为诊断图和/或形态分类目的选择特定的波 形形态。换言之，除了为生成单一图而确定当前心跳有多匹配单个范本心跳之外，还可以使 用距离函数d来确定当前心跳与多个范本心跳中的哪个最匹配。
[0088] 图8是示出了根据本公开的一个方面在形态分类算法中可遵循的代表性步骤的流 程图，其开始于框800。判定框810检查是否存在待分类的另外的波形（即，心跳）。若否，则在 框820过程结束。若是，则过程继续至框830以对比第j个范本分析第i个波形(框840)。
[0089]在框850,计算第i个波形关于第j个范本的距离函数d。判定框860检查d是否小于 预设的阈值。若是，则可得出结论第i个波形是第j个范本的合适匹配，并且可以相应地在框 870将其分类。
[0090] 若d不小于预设的阈值，并且还存在剩余的范本(框880)，则以类似的方式对比剩 余的范本测试第i个波形(框890)。然而，若第i个范本无法适当地匹配j个范本中的任一个， 则在框900中创建新的形态分类并添加新的范本。该过程迭代直至所有i个波形要么被分类 要么被用于创建新的范本。
[0091] 在某些实施例中，作为距离函数d的替代或除了距离函数d之外，可以使用皮尔逊 相关系数以计算匹配分数和/或按形态对心跳分类。例如，可根据公式S = P*f(r)计算分数 S，其中P是范本心跳和所考虑的当前心跳的皮尔逊相关系数，r是范本心跳和所考虑的当前 心跳的幅值的比例，且限定使得0 < r < 1(当计算r时较大的幅值在分母中），并且f (r)是输 出在范围0 < f(r) < 1内的单调递增函数。可通过标准差或者峰-峰测量方式测量幅值。
[0092] 尽管以一定的具体程度描述了以上本发明的多个实施例，本领域技术人员可在不 脱离本发明的精神或范围的情况下对所公开的实施例做出许多改变。
[0093] 例如，尽管上述说明书引用了通过的单一电极采集的数据，但可以预见，也可以同 时利用多个电极(例如，17、52、54、56)。
[0094]作为另一个示例，根据本教导生成的电生理学图可通过手动采集的电生理学数据 点扩充。
[0095]作为又一个示例，可应用额外的纳入标准作为过滤器以从电生理学图中剔除点。 就是说，一旦通过某些纳入标准活动(例如，速度和周期长度)采集点，可应用一个或多个另 外的纳入标准(例如，邻近)从电生理学图中剔除点，例如，排除在几何学模型内部的点。
[0096] 作为再一个示例，EKG匹配标准也可利用归一化互相关（Normalized Cross-Correlat ion)来计算匹配分数。
[0097]作为进一步的示例，除了上述基于距离和基于节律的纳入标准之外，可以以与本 教导类似的方式限定并利用基于力的纳入标准(