[go: up one dir, main page]

CN118695816B - 血液动力学参数估计 - Google Patents

血液动力学参数估计 Download PDF

Info

Publication number
CN118695816B
CN118695816B CN202380022039.0A CN202380022039A CN118695816B CN 118695816 B CN118695816 B CN 118695816B CN 202380022039 A CN202380022039 A CN 202380022039A CN 118695816 B CN118695816 B CN 118695816B
Authority
CN
China
Prior art keywords
velocity
radial
parameters
profile
blood
Prior art date
Legal status (The legal status 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 status listed.)
Active
Application number
CN202380022039.0A
Other languages
English (en)
Other versions
CN118695816A (zh
Inventor
F·韦尔巴凯尔
R·乔希
S·Y·舒列波夫
K·帕拉尼萨米
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips NV
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
Priority claimed from EP22210995.1A external-priority patent/EP4378394A1/en
Priority claimed from EP22212312.7A external-priority patent/EP4382052A1/en
Application filed by Koninklijke Philips NV filed Critical Koninklijke Philips NV
Publication of CN118695816A publication Critical patent/CN118695816A/zh
Application granted granted Critical
Publication of CN118695816B publication Critical patent/CN118695816B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/06—Measuring blood flow
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/12—Diagnosis using ultrasonic, sonic or infrasonic waves in body cavities or body tracts, e.g. by using catheters
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/42—Details of probe positioning or probe attachment to the patient
    • A61B8/4209—Details of probe positioning or probe attachment to the patient by using holders, e.g. positioning frames
    • A61B8/4236—Details of probe positioning or probe attachment to the patient by using holders, e.g. positioning frames characterised by adhesive patches
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/44—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device
    • A61B8/4483—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device characterised by features of the ultrasound transducer
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/48—Diagnostic techniques
    • A61B8/488—Diagnostic techniques involving Doppler signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5238—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image
    • A61B8/5246—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image combining images from the same or different imaging techniques, e.g. color Doppler and B-mode
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10132—Ultrasound image
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • G06T2207/30104—Vascular flow; Blood flow; Perfusion

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Medical Informatics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Hematology (AREA)
  • Physiology (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Gynecology & Obstetrics (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

一种用于基于血液速度和动脉直径度量来导出一个或多个血液动力学参数的方法，每个度量在时间段上循环或连续采样，以针对每个度量获得跨越时间窗口的数据系列(即波形)。额外地，计算径向血液速度概况，所述径向血液速度概况指示作为垂直贯穿血管管腔的平面上的径向位置的函数的血液速度。这给出针对个体患者的血液速度在血管直径上如何变化的指示。该信息是对标准血液速度和动脉直径度量的补充，作为对传递函数的输入，传递函数将所述输入映射到血液动力学参数。

Description

血液动力学参数估计
技术领域
本发明涉及使用血管的超声数据的血液动力学参数估计。
背景技术
重症监护室(ICU)的危重患者和手术室(OR)的患者需要对各种生理参数进行监测。这些参数包括常规生命体征监测，例如：心率(HR)、呼吸频率(RR)、动脉血氧饱和度(SpO2)、体温以及通常有创或无创血压(BP)测量。
此外，患者经常经受血液动力学监测。血液动力学监测试图测量负责体内血液循环的力。这实际上是对心血管系统的性能测量。典型的核心血液动力学参数包括心输出量(CO)、心搏出量(SV)和心搏出量变化。
需要进行血流动力学监测，以便早期检测、识别和管理危及生命的临床状况，例如败血症和心源性休克，以及评估药物干预措施的疗效，例如血管加压药的施用。
存在用于监测血液动力学参数的许多不同的方法。举例来说，现在将描述用于监测心输出量的三种临床上常用的方法。
第一范例是热稀释法。该方法使用Swan-Ganz肺动脉导管(PAC)。人们普遍认为这是用于评估核心血液动力学的临床上最准确的方法。它被认为是用于重症心脏病患者的血液动力学监测的“黄金标准”，并且通常是相对其验证和比较新技术的参考测量方法。然而，尽管如此，Swan-Ganz法仍然表现出显著的不精确性，心输出量测量结果的变化高达10-15％。
最近开发的用于心输出量监测的第二范例方法是PiCCO(脉搏轮廓心输出量)系统。这是对PAC的较少侵入性的备选方法，因为动脉管路放置的位置不那么重要，动脉管路可以是腋动脉、肱动脉、股动脉或桡动脉。PiCCO法也需要中心静脉导管。PiCCO法基于使用脉搏轮廓分析的方法进行连续心输出量监测。这涉及使用动脉波形信息估计CO和SV，连同间歇性经肺热稀释，用于校准目的。对于已经有中心动脉管路的患者，PiCCO仅需要插入动脉导管，使其比Swan Ganz法的侵入性更小。然而，PiCCO测量的准确性高度取决于全身血管阻力(SVR)的潜在变化以及自上次校准点(即，自上次热稀释后的时间点)以来的时间间隔。因血管活性药物的施用引起SVR的突然变化使PiCCO测量结果不准确。而且随着时间推移，因自主神经的逐渐调节，SVR也可能发生变化。出于该原因，需要对PiCCO系统进行间歇校准，以获得准确的测量结果。
作为第三范例，存在用于血液动力学监测的微创和无创的方法。这些方法包括微创系统和无创系统。这些方法每个都依赖于脉搏轮廓分析，但省略了校准。因此，临床医生对它们的信任度较低。这样的系统在跟踪血液动力学参数的趋势方面的表现要优于获取绝对测量结果。
法采用侵入性外周动脉管路，而方法采用手指袖带。通常，方法的性能优于方法。
确定血液动力学参数的更准确方法的主要局限包括测量模态的高侵入性(这也带来了增加的患者风险)以及插入动脉管路所需的高水平技能，尤其是在PAC的情况下。此外，PAC和PiCCO法都需要间歇校准，以获得准确的测量结果。这在使用热稀释法进行校准时是有问题的，因为热稀释法不能频繁进行。一些PAC法包括加热元件，以加热小体积的血液，由此允许持续进行热稀释以校准系统。
关于和由于它们未经校准因此准确度较低。这也意味着，由于SVR会发生预期的变化，因此对于例如在输液或用药等临床相关事件，它们并不可靠。
因此，经典的血液动力学监测法要么具有高侵入性，要么准确性不足，要么两者兼而有之。
找到准确性高于现有方法的一种非侵入性血液动力学监测方法将是有利的。
发明内容
在之前的研究中，本发明的发明人发现，可以利用与对象的动脉分支中的血流有关的超声采集的参数的组合来估计血液动力学参数。这基于发明人执行的研究，该研究发现血液速度波形(作为时间的函数)和动脉直径波形(作为独立信号源采集并处理的作为时间的函数)与中心血液动力学有很好的相关性。已发现，通过采用与在动脉位置(如颈动脉)处测量到的血流参数相关的特征，可以使用基于统计或机器学习的模型来估计中心血液动力学。可以使用统计或机器学习模型，所述统计或机器学习模型体现输入与输出血液动力学参数之间的函数关系或学习关系。这可以基于监督学习或训练程序。其可以基于回归拟合程序。
之前的方法采用了以下的组合作为传递函数的输入：至少一个心动周期上的血液速度-时间波形和至少一个心动周期上的动脉直径-时间波形。该方法在计算中心血液动力学参数(例如心搏出量和心输出量)中效果很好。
经过进一步研究，发明人已发现，可以通过额外地考虑血管直径上的血液速度的变化来进行改进。出于该目的，发明人提出额外地采集彩色多普勒数据，并且根据该数据导出在测量位置处在动脉上的径向速度概况，并且使用该概况的一个或多个特征作为对传递函数的一个或多个额外输入。
因此，本发明一方面提供一种用于导出对象的一个或多个血液动力学参数的计算机实施的方法。所述方法包括接收来自所述对象的血管(例如动脉)的2D超声数据，其中，所述2D超声数据包括B模式数据、脉冲波多普勒数据和彩色多普勒数据。
所述方法还包括使用接收到的彩色多普勒数据来导出针对所述血管的径向速度概况，所述径向速度概况对应于在测量位置处的作为所述血管的径向轴上的径向位置的函数的血液速度。例如，径向轴是指在所述测量位置处相对于所述动脉的纵向/轴向轴的法线取向的(横截)平面的径向轴。例如，所述径向轴线从这样的平面的中心点延伸到其外周(即所述动脉的壁)。所述径向轴有时被称作所述动脉的短轴，并且所述纵向轴有时被称作所述动脉的长轴。
所述方法还包括根据接收到的2D超声数据导出血液速度-时间波形，所述血液速度-时间波形表示在时间窗口上在所述测量位置处的所述血管的血液速度(作为时间的函数)。
所述方法还包括根据接收到的2D超声数据导出动脉直径波形，所述动脉直径波形表示在所述时间窗口上所述测量位置处的所述至少一个血管的直径或正比于所述直径的参数(作为时间的函数)。
所述方法还包括计算参数的第一集合，包括：根据所述径向速度概况计算一个或多个预定义速度概况参数，其中，计算所述一个或多个预定义速度概况参数包括至少计算所述速度概况的偏斜度；根据所述血液速度波形来计算预定义血液速度参数；以及，根据所述动脉直径波形来计算预定义动脉直径参数。例如，所述参数可以是各自波形的特征。在一些范例中，所述参数可以是统计参数。偏斜度反映所述波形形状的不对称性，就像速度最大值的径向位置那样。
所述方法还包括提取预定义传递函数，所述预定义传递函数被配置为接收参数的所述第一集合作为输入，并且生成所述一个或多个血液动力学参数作为输出。
所述方法还包括利用所述传递函数来处理参数的所述第一集合，以导出针对所述一个或多个血液动力学参数的值。
所述方法还可以包括生成反映所述一个或多个血液动力学参数的数据输出。
例如，“血液动力学参数”可以意指中心血液动力学参数，例如心输出量、每搏出量、每搏出量变化。在一些实施例中，所述一个或多个血液动力学参数可以包括流体响应度量。
因此，本发明的实施例基于利用与对象的动脉支路中的血流相关的超声采集的参数的组合，以便估计血液动力学参数。另外，还提出测量针对动脉的径向速度概况，意指作为在动脉半径或管腔的直径上的位置的函数的血液速度。血液速度在动脉直径上并非恒定。如后文将更详细解释的，通常假设径向速度概况在整个心动周期上接近抛物线。由于脉冲性，血流可能会略微偏离抛物线形状，并且通常采用固定的校正因子来估计流量。根据文献，该因子的群体平均值约为5.6-5.8。然而，这是基于针对动脉的理想几何形状。然而，对于任意给定患者，血管几何形状可能偏离直线形状，这意味着即使在低脉冲性(低沃默斯利数)时，流量将不会呈严格抛物线形。相应地，在计算血液动力学参数时，测量并考虑到径向速度概况会提高准确度。因此，计算动脉中的速度概况会提高准确度。所述径向速度概况可能取决于速度-时间波形而随时间变化，并且可以具有可能显著偏离标准抛物线概况的形状。接下来将对此进行更详细的解释。
在一些实施例中，导出所述径向速度概况可以包括：接收彩色多普勒数据，所述彩色多普勒数据横跨相对于所述血管的纵向轴成斜角取向的扫描平面；导出作为所述扫描平面上的位置的函数的第一血液速度概况；以及，计算所述第一血液速度概况到法向于所述血管的纵向轴并与所述血管的径向轴平行的平面的投影，以由此导出对应于作为在径向轴的径向位置上的函数的血液速度的所述径向速度概况。多普勒超声数据必须与流动方向成角度地采集，否则会获得零速度测量(无多普勒频移)。这在第一实例中得到作为在成角度的扫描平面上的径向位置的函数的速度数据。然后将其投影到垂直于流动方向(即法向于动脉纵向轴)的平面上。
在一些实施例中，计算所述一个或多个预定义速度概况参数还包括计算以下中的一个或多个：(i)所述速度概况中的速度最大值的径向位置，例如相对于所述动脉的几何中心，(ii)所述速度概况的曲线下面积，或所述曲线的一个或多个预定义段(例如前一半和后一半)下的面积。一般概念是导出直接或间接反映速度概况形状与抛物线形状的偏差的参数。
在一些实施例中，所述方法包括导出针对在所述时间窗口上的一系列时间点的径向速度概况，以由此导出作为时间的函数的径向速度概况。
在一些实施例中，计算所述一个或多个预定义速度概况参数包括针对每个时间点(每一帧)计算在所述时间窗口上的所述径向速度概况的标准偏差。这意味着在每个时间点取速度概况中的速度值的标准偏差。在一些实施例中，可以在全部时间点上取这些标准偏差值的平均。
这里的目标是通过评估针对每一帧的速度概况的标准偏差来定量地捕获速度概况随时间的变化。该方法可以捕获血流湍流，包括因心率失常引起的。
在一些实施例中，前文提及的时间窗口包括对象的心脏周期的收缩期和舒张期。在一些实施例中，计算所述一个或多个预定义速度概况参数包括计算在所述收缩期内的时间点处的所述速度概况与在所述舒张期内的时间点处的所述速度概况之间的差。
在一些实施例中，所述一个或多个预定义速度概况参数中的至少一个表示所述速度概况的至少一个特征与抛物线速度函数的偏差。
在一些实施例中，计算所述一个或多个预定义速度概况参数中的至少一个包括：从所述速度概况提取特征；以及，计算所提取的特征与抛物线速度函数的对应特征的偏差。
上文提出的各个特征提供患者特异性信息，并且表征曲率和整体管腔形状。包括这些参数中的一个或多个作为所述传递函数的输入提供了对血液动力学参数估计的准确度的改善。
在一些实施例中，所述血液速度参数包括以下中的至少一个：所述速度-时间波形在所述时间窗口上的区间范围；血液速度在所述时间窗口上的平均值；峰值收缩速度在所述时间窗口上的平均值；所述血液速度在所述时间窗口上的平均值，其通过所述时间窗口所横跨的心脏周期的数量进行归一化；所述速度-时间波形在所述时间窗口上相对于时间的积分，其通过所述时间窗口所横跨的心脏周期的所述数量进行归一化。
在一些实施例中，所述动脉直径参数包括以下中的至少一个：所述动脉直径在所述时间窗口上的平均值；以及，所述至少一个血管的横截面积在所述时间窗口上的平均值。
在一些实施例中，所述一个或多个血液动力学参数可以包括以下中的一个或多个：心输出量、心搏出量和心搏出量变化。
在一些实施例中，所述时间窗口横跨至少一个心脏周期，并且优选地横跨多个心脏周期。
在一些实施例中，所述传递函数是机器学习模型。
在一些实施例中，所述传递函数是多参数线性回归模型。
本发明也可以体现为软件形式。本发明另一方面是一种计算机程序产品，包括计算机可读代码，所述计算机可读代码被配置为使得，在被合适的计算机或处理器运行时，引起所述计算机或处理器执行根据本文件中概述的实施例中任一个的方法。
本发明另一方面是一种计算机可读介质，所述计算机可读介质具有体现于其中的计算机可读代码，所述计算机可读代码被配置为使得，在被合适的计算机或处理器运行时，引起所述计算机或处理器执行根据本文件中概述的实施例中任一个的方法。
本发明也可以体现在硬件中。因此，本发明另一方面是一种处理设备，包括：输入部/输出部；以及一个或多个处理器，其适于：接收来自所述对象的血管的2D超声数据，其中，所述2D超声数据包括B模式数据、脉冲波多普勒数据和彩色多普勒数据；使用接收到的彩色多普勒数据来导出所述血管的径向速度概况，所述径向速度概况对应于在测量位置处的作为所述血管的径向轴上的径向位置的函数的血液速度；根据接收到的2D超声数据来导出血液速度-时间波形，所述血液速度-时间波形表示在时间窗口上在所述测量位置处的所述血管的血液速度；根据接收到的2D超声数据来导出动脉直径波形，所述动脉直径波形表示在所述时间窗口上所述测量位置处的所述至少一个血管的直径或正比于所述直径的参数。
所述一个或多个处理器还适于计算参数的第一集合，包括：根据所述径向速度概况来计算一个或多个预定义速度概况参数；根据所述血液速度波形来计算预定义血液速度参数；以及，根据所述动脉直径波形来计算预定义动脉直径参数；
所述一个或多个处理器还适于提取预定义传递函数，所述预定义传递函数被配置为接收参数的所述第一集合作为输入，并且生成所述一个或多个血液动力学参数作为输出；利用所述传递函数处理参数的所述第一集合，以导出所述一个或多个血液动力学参数的值；并且优选地生成反映所述一个或多个血液动力学参数的数据输出。
本发明另一方面是一种系统，其包括：如上所述或根据本文件中详述的任一实施例的处理设备；以及，超声扫描装置，其包括至少一个换能器单元和处理单元，所述至少一个换能器单元用于采集所述对象的所述至少一个血管的超声回波信号数据，所述处理单元用于处理所述回波数据以导出B模式数据、脉冲波多普勒数据和彩色多普勒数据。所述处理装置的输入部/输出部可以与所述超声扫描装置的输出部操作耦合，用于接收所述B模式数据、脉冲波多普勒数据和彩色多普勒数据。
根据后文描述的(一个或多个)实施例，本发明的这些及其他方面将是明显的，并将参考这些实施例得以阐明。
附图说明
为了更好地理解本发明，并更清楚地示出如何将其付诸实施，现在将仅以举例的方式参考附图，附图中：
图1图示了范例血液速度-时间波形和直径-时间波形；
图2图示了动脉的截面上的范例径向速度概况；
图3图示了径向速度概况与迪安数之间的关系；
图4图示了针对具有中等脉冲的血管的范例径向速度概况与理想抛物线速度概况相比之间的比较；
图5示出了针对单个患者速度概况校正因子(y轴)作为时间(x轴；秒)的函数的范例变化；
图6示出了范例血管形态；
图7A图示了沿相对直的血管的径向速度概况；
图7B图示了沿非直线的血管的径向速度概况；
图8示出了在沿迂曲血管的不同点处的一组范例径向速度概况；
图9概述了根据本发明的一个或多个实施例的范例方法的步骤；
图10概述了根据本发明的一个或多个实施例的范例处理设备和系统的部件；
图11示意性地图示了范例血管的几何形状；
图12示意性地图示了范例血管的径向截面；
图13图示了采集的多普勒扫描平面到法向于穿过血管(血管的纵向轴)的流动方向的平面上的投影；
图14图示了范例血液速度概况与理想抛物线概况的比较，以提取一个或多个速度概况参数；以及
图15概述了范例超声系统的架构。
具体实施方式
本发明将参考附图来描述。
应理解，详细描述和具体范例在指示装置、系统和方法的示范性实施例时，意图仅出于说明的目的而不意图限制本发明的范围。根据以下描述、所附权利要求和附图，本发明的装置、系统和方法的这些及其他特征、方面和优点将变得更好理解。应理解，附图仅为示意性的且未按比例绘制。还应理解，全部附图中使用相同的附图标记指示相同或相似的部分。
本发明提供一种用于基于血液速度和动脉直径度量来导出一个或多个血液动力学参数的方法，每个度量在时间段上循环或连续采样，以针对每个度量获得跨越时间窗口的数据系列(即波形)。额外地，计算径向血液速度概况，所述径向血液速度概况指示垂直横切血管管腔的平面上的径向位置的函数的血液速度。这给出针对个体患者的血液速度在血管直径上如何变化的指示。该信息是对标准血液速度和动脉直径度量的补充，作为对传递函数的输入，传递函数将所述输入映射到血液动力学参数。
至少一个目标是基于在血管(例如动脉，如颈动脉)上执行的超声测量结果来估计血液动力学参数，例如心输出量和心搏出量。也有可能使用其他生命体征和患者人口统计数据作为到传递函数中的输入。根据2D超声数据(例如脉冲波多普勒和B模式)，有可能计算单个测量时间点的速度(速度-时间波形)和所述测量时间点的动脉直径(直径-时间波形)。通过图示的方式，图1示出了典型的速度-时间波形12和直径-时间波形14。速度示于左侧y轴上(单位：cm/秒)，而直径示于右侧y轴上(单位：mm)。时间标于x轴上(单位：秒)。
通常假设，在远离动脉分叉的位置(约1.5cm及以下)处，颈总动脉(CCA)的径向/直径速度概况在整个心动周期上接近于抛物线。由于脉动性，血流可能稍稍偏离抛物线形状，并且通常采用固定的校正因子来估计流量。根据文献，引用约为5.6-5.8的群体平均数值，并且所述群体平均数值可能取决于特定方法，通过特定方法从测量结果提取流量。
然而，在大的患者群体中，CCA几何形状可能偏离直线形状。因此，流量甚至在低脉动性(低沃默斯利数)时也不会是严格的抛物线。在工程学中，该效应被称作迪安流量，并且通过迪安数De＝Re·(d/2Rc)来表征流量与抛物线的偏差，其中Re是雷诺数，d是动脉直径，而Rc是动脉曲率。因此，除了单个测量点处的速度-时间波形外，动脉中的径向速度概况提供有价值的附加信息。该速度概况可能取决于速度-时间波形而随时间变化，并且可能具有显著偏离简单抛物线概况的形状。
图2示意性地图示了一些相同的径向速度概况形状，以粗糙等值线图的形式来图示。指示径向方向r。范例(a)示出了标准抛物线概况。范例(b)图示了非抛物线概况，其中，速度最大值从动脉中心点移位，从而整个速度概况是倾斜的。范例(c)示出了非抛物线概况，其中，速度最大值也从中心移位，并且其中，梯度线被扭曲为不规则、非对称的梯度概况。
图3提供了对速度概况作为迪安数的函数如何偏离的指示性图示。每个图形示出各自的多个径向速度概况。在每个图形中，y轴表示速度，而x轴表示跨动脉的径向位置，缩放到血管半径，中心线处为零。因此，每个图形中的每个个体的线或波形都是单个各自的径向速度概况。每个图形中的箭头22都示出迪安数增大的方向。因此，可见随着迪安数增大，径向概况形状如何变化。
在文献中，往往使用群体平均校正因子来导出每搏血流。然而，由本发明人执行的志愿者研究已显示，基于平均血流，流量校正因子可能因不同的患者而显著不同，典型范围为0.55至0.67。
通过图示的方式，图4示出了范例径向速度概况。y轴示出了速度(m/s)，而x轴示出了径向位置(总半径的归一化分数)。线32示出了标准抛物线径向速度概况。线34示出了对应于流量的沃默斯利数为3的动脉的范例径向速度概况。线36图示了针对抛物线32概况在整个心动周期上的平均速度。线38图示了针对沃默斯利数为3的动脉在整个心动周期上的平均速度。
下表1示出了针对一组五名不同患者并且针对每名患者在六个时间点测量的流量的不同校正因子的范例(考虑到与抛物线径向速度概况的偏差的校正)。采集之间的时间差从5到10分钟不等。
患者1 患者2 患者3 患者4 患者5
时间1 0.67 0.59 0.59 0.62 0.59
时间2 0.58 0.62 0.61 0.54 0.61
时间3 0.65 0.59 0.57 0.60 0.57
时间4 0.68 0.58 0.60 0.55 0.60
时间5 0.67 0.59 0.57 0.57 0.57
时间6 0.61 0.60 0.57 0.57 0.57
平均 0.64 0.595 0.585 0.575 0.585
表1–针对患者1-5在时间点1-6处的速度概况校正因子
不难看出，在不同患者之间并且还针对同一患者在不同时间点处，校正因子变化显著。因此，可以预期使用单个平均校正因子会导致一些不准确。
此外，基于速度波形的患者特异性瞬时校正因子可能在0.45至0.7之间不等，如图5的范例中所示，图5示出了针对单个范例患者，作为时间(x轴；秒)的函数的速度概况校正因子(y轴)。瞬时速度概况校正因子指示测量到的径向速度概况偏离标准抛物线速度概况的程度。
以上考虑表明，如果将患者的径向速度概况考虑在内，将使得用于将动脉流量参数映射到血液动力学参数的传递函数更加准确。
除上述以外，不仅脉动性而且血管形态都显著贡献于个体的动脉流量与标准抛物线径向速度概况的偏离。为了图示，图6示出了一组不同患者的颈总动脉的不同形态。如上提及的，在已知的方法中，通常基于沃默斯利数考虑对因脉动性引起的流量或速度概况的校正。这可以使用不同方法来完成，例如平均校正因子、逐段校正(针对收缩期和舒张期)，以及最终使用瞬时、反沃默斯利重建。
然而，由局部或全局动脉形状引起的偏离通常不被考虑在内，但其可能引起速度概况与抛物线形状显著偏离。例如，非直线颈总动脉(CCA)速度概况将在单个患者的不同位置处变化，并且因此，如果不考虑该可变特征，则取决于速度概况的任何计算的准确度可能在不同测量位置处变化。
血管狭窄和钙化也可能导致径向速度概况的变化。
此外，血管迂曲度(即血管的非线性的程度)可能导致径向速度概况(作为沿血管的位置的函数)的变化。迂曲度往往随患者年龄而增大。
例如，图7A图示了相对较直(低迂曲度)的范例血管42。示出了沿该血管的一部分的三个样本径向速度概况44a、44b、44c。全部大致彼此相似，并且全部大致近似于抛物线速度概况。
通过比较的方式，图7B示出了范例血管42，其在弯曲点改变方向，并且因此具有较高迂曲度。弯曲点上游的两个范例径向速度概况44a、44b显示出非常相似的概况形状，并且大致匹配抛物线速度概况。也示出了弯曲点下游的一组44c径向速度概况。能够看出，这些概况彼此不同，并且相较于标准抛物线速度概况也有扭曲。因此，可以意识到，速度概况取决于上下游形态而变化很大。
为了更清楚地示出这一点，图8示出了一系列图形，其指示相较于抛物线速度概况54，在沿迂曲血管的不同位置处的径向速度概况52。y轴示出了速度(m/s)，而x轴示出了从动脉中心点测量的在动脉截面上的径向位置。图8a示出了针对具有直线流入路径和直线流出路径的动脉段的速度概况52a。概况与抛物线速度概况54非常相似。图8b示出了针对具有小水平角度的流入和直线流出的动脉段的速度概况52b。图8c示出了针对具有直线流入路径和小水平角度处的流出路径的动脉段的速度概况52c。图8d示出了针对具有小水平角度处的流入和小水平角度处的流出的速度概况52d。能够看出，具有非直线流入和/或流出的速度概况的径向速度概况更大程度地偏离抛物线速度概况54。
根据以上观察结果，与本申请相关联的本发明人提出，在心动过周期期间采集血管的径向截面上的多普勒数据，并且获得在血管径向横截面上的不同径向位置处的血液速度测量结果，以由此导出径向血液速度概况。提出使用从该概况提取的特征作为对传递函数的附加输入，所述传递函数被配置用于将各个血管流量/几何输入映射到血液动力学参数输出。
图9以框图形式概述了根据一个或多个实施的范例计算机实施的方法60的步骤。在以范例实施例的形式进一步解释之前，将简要叙述这些步骤。
所述方法60用于导出对象的一个或多个血液动力学参数。
所述方法包括接收62来自对象的血管(例如动脉)的2D超声数据(“U/S数据”)，其中，所述2D超声数据包括B模式数据、脉冲波多普勒数据和彩色多普勒数据。
所述方法还包括使用接收到的彩色多普勒数据来导出64针对血管的径向速度概况，所述径向速度概况对应于在测量位置处的作为所述血管的径向轴上的径向位置的函数的血液速度。径向轴意指例如在测量位置处相对于动脉的纵向/轴向轴法向取向的(横截面)平面的径向轴。例如，径向轴从这样的平面的中心点延伸到其外周(即，到动脉的壁)。径向轴有时被称为动脉的短轴，而纵向轴有时被称为动脉的长轴。
所述方法还包括根据接收到的2D超声数据来导出66血液速度-时间波形，所述血液速度-时间波形表示在时间窗口上在测量位置处的血管的血液速度(作为时间的函数)。优选地，所述时间窗口横跨至少一个完整的心动周期，例如多个心动周期。这可以根据脉冲波多普勒(PWD)数据来导出。血液速度波形可以由在时间窗口上以规律时间间隔针对测量位置的血液速度测量样本的数据系列来表示。脉冲波多普勒数据是针对单个测量位置采集的，所述测量位置根据采集装置的门控设置来定义。
所述方法还包括根据接收到的2D超声数据来导出68动脉直径波形，所述动脉直径波形表示在时间窗口上在测量位置处的至少一个血管的直径或正比于所述直径的参数(作为时间的函数)。这可以根据对B模式数据的处理导出。提取直径测量结果可以基于自动分割算法或基于另一图像处理算法。本领域技术人员将认识到用于从2D超声数据提取直径测量结果的适当的技术手段。
所述方法还包括计算参数的第一集合，包括：根据径向速度概况来计算70一个或多个预定义速度概况参数；根据血液速度波形来计算72预定义血液速度参数；以及，根据动脉直径波形来计算74预定义动脉直径参数。例如，所述参数可以是各自波形的特征。在一些范例中，所述参数可以是统计参数。
所述方法还包括提取预定义传递函数，所述预定义传递函数被配置为接收参数的所述第一集合作为输入，并且生成一个或多个血液动力学参数作为输出。所述方法还包括利用传递函数处理76参数的第一集合，以导出针对所述一个或多个血液动力学参数的值。
所述方法还可以包括生成反映一个或多个血液动力学参数的数据输出78。在一些范例中，该数据输出可以被传送到用户接口，例如患者监视器系统。其可以使用显示设备来显示。其可以被传送到数据存储单元以供随后提取。其可以经由网络或因特网链路被传送到远程计算机或远程数据存储。
如上所述，方法60也可以体现为硬件形式，例如以处理单元或设备的形式，所述处理单元或设备被配置为执行根据本文件中描述的任意范例或实施例或根据本申请的任一权利要求的方法。
为了进一步帮助理解，图10呈现了对被配置为执行根据本发明的一个或多个实施例的方法的范例处理设备82的示意性表示。在包括处理设备的系统80的背景中示出处理设备。处理设备单独表示本发明的一方面。系统80是本发明的另一方面。所提供的系统不必然包括全部所图示的硬件部件；其可以仅包括它们的子集。
处理设备包括一个或多个处理器86，处理器86被配置为执行根据上文概述的方法，或根据本文件中或本申请的任一权利要求中描述的任一实施例的方法。在所图示的范例中，处理单元还包括通信接口或输入部/输出部84。
在图10所图示的范例中，系统80还包括超声扫描装置92，超声扫描装置92包括至少一个换能器单元94和处理单元96，所述至少一个换能器单元94用于采集对象的至少一个血管的超声回波信号数据，处理单元96用于处理回波数据以导出B模式数据、脉冲波多普勒数据和彩色多普勒数据。后文参考图15更详细地描述用于执行这种处理的方法。在一些实施例中，换能器单元可以包括超声探头。在一些实施例中，换能器单元包括可穿戴超声贴片，所述可穿戴超声贴片包括集成在贴片中的超声换能器阵列，所述贴片可被贴附到患者身体的表面，以达到监测目的。例如，可以将贴片应用在感兴趣血管(例如颈总动脉)之上。
当然，系统并非必须包括全部上文提及的硬件部件。可以提供根据本发明的系统为不包括这些部件或仅包括这些部件中的一个或多个。
系统80还可以包括存储器88，用于存储计算机程序代码(例如计算机可执行代码或指令)，所述计算机程序代码被配置用于使处理设备82的一个或多个处理器86执行如上概述的方法，或根据本公开中描述的任一实施例的方法，或根据任一权利要求的方法。
如前文提及的，本发明也可以体现为软件形式。因此，本发明另一方面是一种包括代码的计算机程序产品，所述代码被配置为当在处理器上运行时，使处理器执行根据本公开中描述的本发明的任一范例或实施例的方法，或根据本专利申请的任一权利要求的方法。
尽管脉冲波多普勒(PWD)数据可以产生高时间分辨率的血液速度信息，但其仅能采集针对动脉中的单个样本体积的测量结果，该体积与动脉的直径相比通常很小。
相比而言，彩色多普勒可以用于获得横跨动脉的整个管腔的样本点处的速度测量结果(在整个径向轴上，例如在整个半径或整个直径上)，由此提供速度概况。要指出，在本公开中设想二维(2D)彩色多普勒。通过从该速度概况提取(一个或多个)特定特征，可以利用直接或间接指示与抛物线流量概况的偏离的信息来对传递函数进行补充。这是关于流过动脉的独特空间信息，这是不可从PWD和B模式数据中获得的，并且该信息可以改善传递函数性能。这提供了显著的改善，尤其是在非直线动脉的情况下。非直线动脉路径既可能是自然解剖特征，也可能是由诸如动脉硬化的斑块形成造成的。
所述方法对于患有心率失常的患者也有特别的好处。在心率失常期间，常常观察到的不是心脏的协调收缩，而是颤动动作，伴随心脏充盈不足，这可能导致不规则的血流。因此，血流行为表现为较高的脉动性(尽管具有较低的峰值流速)。
图11示意性地示出了血管42，其具有沿血管的纵向轴z的血流。示出了血管的径向轴的方向r。血流沿血管的纵向方向z具有速度v。图12示出了沿图11中指示的线X的径向横截面。示出了半径r和周向轴方向。在该示意性图示中，血管42管腔具有总半径R和直径2R。可以从血管管腔的中心点154测量径向尺寸，从而管腔直径从在一侧的径向位置-R延伸到另一侧的+R。
如上概述，本发明的实施例涉及获得针对血管的径向速度概况，所述径向速度概况对应于作为在测量位置处的血管的径向轴r上的径向位置的函数的血液速度。在该情况下，测量位置意指在沿血管的纵向轴的位置，血管的纵向轴意指与血流同向的轴。例如，可以取测量位置为如图11中指示的位置X，从而获得指示纵向方向z上的血液速度(作为沿血管的径向轴r的径向位置的函数)的径向速度概况。
如上提及的，在至少一些实施例中提出根据彩色多普勒数据获得径向速度概况。可以使用超声扫描装置在位置X处采集彩色多普勒数据。
优选地，与血流的方向成角度地采集多普勒超声数据，否则会获得零速度测量结果(无多普勒频移)。在第一实例中，这产生速度数据，其作为成角度扫描平面上的径向位置的函数。然后可以将该速度数据投影到垂直于流量方向(即法向于动脉纵向轴)的平面上。
因此，在一些实施例中，导出所述径向速度概况可以包括：接收横跨相对于血管的纵向轴成斜角取向的扫描平面的彩色多普勒数据。例如，如图13中所图示的，可以沿方向Y采集扫描平面A。所述方法还可以包括导出第一血液速度概况，其作为扫描平面上的位置的函数。所述方法然后还可以计算第一血液速度概况到平面B的投影，平面B法向于血管的纵向轴并且与血管的径向轴平行，以由此导出径向速度概况，所述径向速度概况对应于作为径向轴上的径向位置的函数的血液速度。
如图13中所图示的，例如，提出首先测量沿椭圆短轴的径向速度概况，所述椭圆是在利用超声扫描平面以相对于纵向轴的角度对动脉进行切片的情况下生成的。
为了将在椭圆平面A上测量的速度概况投影到法向于血管长轴的平面B上，所述方法包括估计所述扫描平面相对于法向于纵向轴的平面的角度ψ。然后可以通过根据关系VA(rA)→VB(rB)＝VB(cosψrA)对速度测量结果进行重采样，将来自斜平面A的速度概况投影到垂直平面B上，其中，VA是作为在成角度的平面A的径向轴上的径向位置rB的函数而测量的速度概况，而VB是作为在法向于血管纵向轴的平面上的径向位置rB的函数而测量的速度概况。换言之，如果初始速度概况VA包括在成角度的平面的径向轴上的一系列径向位置rA处的多个血液速度测量结果，则投影到垂直平面上包括将每个速度测量结果VA(rA)重采样到针对法向平面在VB(rB＝cosψrA)处的新测量样本。
在操作中，当采集超声数据时，在焦斑/点的2D网格上采集彩色多普勒测量结果，这些焦斑/点共同定义扫描平面。在操作中，可以操作超声扫描装置，使得该扫描平面以相对于血管纵向轴成斜角地横切目标血管。可以由操作者操纵超声换能器单元的取向来手动调节扫描平面的角度，或者可以使用射束转向来电动调节扫描平面的角度。然后，一旦已经针对每个测量点的网格采集到测量数据，则将椭圆拟合到彩色多普勒流量图像，并识别该椭圆的主要几何参数(轴、取向)。可以基于椭圆的长轴和短轴的长度，使用以下方程，计算扫描平面相对于法向于纵向轴的平面的角度ψ：
然后，如上讨论的，可以通过将沿椭圆长轴的坐标乘以cosψ，将扫描平面径向轴上(例如椭圆的长轴上)的每个速度测量点映射到针对法向平面的速度测量结果。
如上讨论的，还提出获得除了彩色多普勒数据以外的脉冲波多普勒(PWD)超声数据。脉冲波多普勒数据可以用于导出血液速度-时间波形，所述血液速度-时间波形表示在时间窗口上在血管的测量位置处的血液速度。脉冲波多普勒数据通常仅在单个相对小的测量位置处采集，例如在血管的中心处。与彩色多普勒(多个射束)相比，脉冲波多普勒数据使用较小孔径(单个射束)来采集。PWD实现了以较高重复率(较高采样频率)在(小)体积内进行采样，这允许速度测量结果中优异的统计数据和更高的SNR成为可能。因此，相较于具有较高空间分辨率和SNR的彩色多普勒，PWD表现为以较小的空间采样面积以代价的权衡。
如上讨论的，还提出获得B模式超声数据。该B模式超声数据可以用于导出动脉直径波形，所述动脉直径波形表示在时间窗口上在测量位置处的血管的直径或正比于所述直径的参数。B模式数据包括在扫描平面上采集的扫描线的序列。B模式扫描平面可以是与彩色多普勒扫描平面相同的平面。在一些实施例中，B模式扫描平面可以垂直于彩色多普勒扫描平面。因此，根据本公开的B模式超声数据是2D B模式超声数据。
在一些实施例中，三种模式超声采集用于在测量时间窗口上以交错的方式共同采集彩色多普勒数据、脉冲波多普勒数据和B模式数据。在三种模式中，彩色多普勒帧(以较低帧率)与PWD帧(其帧率较高)同步。PWD帧沿(由样本体积或门控限定的)某个深度处的单条扫描线探询流动速度和方向。彩色血流多普勒沿扫描线的阵列同时探询多个样本体积(每个像素表示样本体积)。
在一些实施例中，可以基于脉冲波多普勒(PWD)数据修改或调节所导出的径向速度概况，以提高准确度。如上提及的，PWD速度测量结果具有较高的SNR(信噪比)。在一些实施例中，可以基于至少一个PWD导出的速度测量结果来导出归一化常数，用于调节每个速度测量点。
例如，调节根据彩色多普勒数据集导出的径向速度概况可以包括以下步骤。首先，识别与彩色多普勒数据集在时间上最接近的PWD速度测量结果。PWD速度测量结果将对应于特定的门控位置，例如血管的中心。然后，导出归一化常数C_归一化＝(PWD_门控位置)/(在PWD门控位置处的彩色多普勒速度)。例如，如果PWD门控位置是血管的中心，则将对应于该同一位置的彩色多普勒测量结果用作分母。
然后，将径向速度概况中的每个速度值乘以归一化常数C_归一化，以导出经调节的径向速度概况。
如上讨论的，所述方法涉及：根据径向速度概况来计算一个或多个预定义速度概况参数；根据血液速度波形来计算预定义血液速度参数；以及，根据动脉直径波形来计算预定义动脉直径参数。有关所计算出的血液速度参数、动脉直径参数和速度概况参数存在不同选项，它们充当对传递函数的输入。
关于血液速度参数、动脉直径参数和速度概况参数，这些标签的意义在于，这些参数分别是根据血液速度波形、动脉直径波形和径向速度概况来计算或提取的。换言之，它们是血液速度-导出的参数和动脉直径-导出的参数以及径向速度概况-导出的参数。例如可以将它们改称为第一参数、第二参数和第三参数。
现在将讨论针对径向速度概况参数的不同选项。导出径向速度概况参数的目的是以可以充当对传递函数的输入的形式提供对概况的定量表示。
优选地，所提取的特征每个都表示速度概况与抛物线速度概况的偏差程度。
计算一个或多个预定义速度概况参数包括计算速度概况的偏斜度。例如，可以将该偏斜度计算为在速度概况的“左”与“右”部之下的面积之间的绝对差。左部是指横跨小于中心位置值的径向位置值的速度概况的部分，而右部是指横跨大于中心位置值的位置值的速度概况的部分。换言之，可以将其计算为在位置中心点两侧的速度概况下各自的面积之间的差。
在一些实施例中，计算一个或多个预定义速度概况参数包括计算速度概况中的速度最大值的径向位置。例如，这可以包括计算速度最大值相对于血管的中心线的径向位置Δr。例如，Δr等于速度最大值与血管的径向中心的径向距离。在一些实施例中，这可以通过血管的半径R进一步进行归一化，即一个或多个预定义速度概况参数可以包括Δr/R的值。
在一些实施例中，计算一个或多个预定义速度概况参数包括计算速度概况的曲线下面积。
在一些实施例中，计算一个或多个预定义速度概况参数包括计算曲线的左侧下的面积与曲线的右侧下的面积的比率，其中，左侧是指曲线在血管的径向中心点左边的部分，而曲线的右侧是指曲线在曲线的径向中心点右边的部分。
在一些实施例中，所述方法包括导出在时间窗口上针对一系列时间点的径向速度概况，以由此导出作为时间的函数的径向速度概况。
在一些实施例中，计算一个或多个预定义速度概况参数包括计算在时间窗口上的径向速度概况的标准偏差。在一些实施例中，计算一个或多个预定义速度概况参数包括针对每个时间点(即每一帧)计算在时间窗口上的径向速度概况的标准偏差，并且然后计算在全部时间点上的标准偏差值的平均值。
该情况下的概念是通过评估针对每一帧的速度概况的标准偏差来定量地捕获速度概况随时间的变化。该方法可以由此捕获湍流血流，包括因心率失常引起的湍流血流。
在一些实施例中，前文提及的时间窗口包括收缩期和舒张期。在一些实施例中，计算一个或多个预定义速度概况参数包括计算在收缩期内的时间点处的速度概况与舒张期内的时间点处的速度概况之间的差。
可以通过识别独特波形特征来在速度-时间波形中识别收缩期和舒张期。例如，波谷到波峰二重波谷对应于收缩期，而二重波谷到随后的波谷对应于舒张期。在一些实施例中，可以计算速度概况在收缩期的平均值，并且可以计算速度概况在舒张期的平均值。这些平均值可以被包括在所计算的速度概况参数中。
在一些实施例中，作为更一般的原理，一个或多个预定义速度概况参数中的至少一个表示速度概况的至少一个特征与抛物线速度函数的偏差。
在一些实施例中，计算一个或多个预定义速度概况参数中的至少一个包括：从速度概况提取特征，并计算所提取的特征与抛物线速度函数的对应特征的偏差。
通过图示的方式，图14示出了理想抛物线径向速度概况54，与模拟中在61个帧上的范例测量径向速度概况52相比较。线162指示动脉(半径为R)的径向中心，而线164指示测量到的径向速度概况52的速度最大值的径向位置。在一些实施例中，计算一个或多个预定义速度概况参数可能包括计算测量到的速度概况的速度最大值的径向位置164与血管的径向中心162(其对应于抛物线速度概况的速度最大值的径向位置)之间的径向距离Δr。
这仅表示一个范例。更一般地，提出导出测量到的径向速度概况的特征，其独立地并彼此联合地表征速度概况与抛物线的偏差。举例来说，这些特征可能包括上文提及的特征中的任一个。可以将这些特征中的一个或多个提供为对传递函数的输入。在一些实施例中，可以明确计算相对于抛物线速度概况的对应特征的差，并将其用作对传递函数的输入。
本文中已参考的抛物线速度概况。由此，该抛物线速度概况是指指示作为在血管横截面上的位置r的函数的血液速度v的概况，其具有抛物线函数的形式，例如
v(x)＝b0+b1r+b2r 2
其中，b2一般为负，因为血液速度一般在血管的中心附近最大，并且其中，b0可能等于血管上的最大血液速度值。
关于速度参数和直径参数，现在将参考下表2来讨论不同选项，表2列出了这些参数的各种不同的可能选项。参数1和3-6是速度参数的范例，而参数2和7是直径参数的范例。
表2
关于血液速度参数，通过一组非限制性范例的方式，该参数可以是以下中的任意一个或多个：
速度波形在时间窗口上的区间范围(表2中的IDRVelWave)；
血液速度在时间窗口上的平均值(表2中的meanVelWave)；
峰值收缩速度在时间窗口上的平均值(表2中的PSV)；
血液速度在时间窗口上的平均值，其通过时间窗口所横跨的心脏周期的数量进行归一化(表2中的meanVelNormPerBeat)；
速度波形在时间窗口上相对于时间的积分，其通过时间窗口所横跨的心脏周期的数量进行归一化(表2中的VTINormPerBeat)。
在一些实施例中，这些参数中的两个或更多个的组合可以被用作对传递函数的输入。
关于动脉直径参数，根据一组非限制性范例，该参数可以是以下中的一个或多个：
动脉直径在时间窗口上的平均值(表2中的Dia)；
至少一个血管的横截面积在时间窗口上的平均值(表2中的CSArea)。
在一些实施例中，传递函数可以适于接收对象的一个或多个人口统计特征作为另外的输入，例如年龄、性别和/或体重指数(BMI)。
表2提供对一组非限制性范例参数的总结，它们中的一些或全部可以被选择为要获得并要提供给传递函数的输入，以便导出一个或多个血液动力学参数。
关于所导出的一个或多个血液动力学参数，通过非限制性范例的方式，这些参数可以包括以下中的一个或多个：心输出量、心搏出量和心搏出量变化。
在一些实施例中，所述方法还可以包括获得在时间窗口上针对对象的至少一个预定义的另外的参数，并且其中，所述传递函数还被配置为接收针对对象的预定义的另外的参数作为另外的输入(除了上文已讨论过的参数的第一集合70、72、74以外)。
通过非限制性范例的方式，下表3列出了可用于本背景的一组范例预定义的另外的参数。
在下文进一步解释之前，表中简要介绍这些参数。
表3
尤其地，关于至少一个另外的参数，在一些范例中，这可以包括对象的心率(表3中的HR)。在一些实施例中，所述方法可以包括接收至少一个血管的多普勒超声数据，并且处理所述多普勒超声数据，以导出对对象的心率的度量。
在一些范例中，至少一个另外的参数可以包括根据对心搏出量波形进行处理导出的参数。例如，所述方法可以包括处理速度波形和动脉直径波形，以导出动脉心搏出量波形。动脉心搏出量波形可以通过以下操作来计算：处理速度波形以导出在单个心脏周期上的波形下面积(例如，通过对波形在单个完整心脏周期上的速度-时间积分的计算)；以及，处理直径波形以导出在同一心脏周期上的横截面积波形。心搏出量波形可以基于速度波形下的面积并基于横截面积波形来导出。
举例来说，至少一个另外的参数可以包括在时间窗口上动脉心搏出量波形下的面积，其是通过时间窗口所横跨的心脏周期的数量归一化(上表3中的ArtSVNormperBeat)的。
额外地或备选地，至少一个另外的参数可以包括动脉心搏出量波形在时间窗口上的平均，其是通过时间窗口所横跨的心脏周期的数量归一化(分别为上表3中的meanArtSVWaveNormPerBeat和meanArtSVWave)的。
在一些范例中，至少一个另外的参数可以包括在时间窗口上的平均动脉血流值(每单位时间的体积流量)。该参数对应于上表3中的meanArtFlow。该参数可以通过以下操作来计算：处理动脉直径波形以导出针对时间窗口上的动脉横截面积波形；基于计算速度波形与动脉横截面积波形的积，导出针对时间窗口上的动脉血流波形；以及，处理所述动脉血流波形以导出在时间窗口上的平均动脉流量值。
在一些范例中，至少一个另外的生理参数可以包括一个或多个生命体征，例如：心率、呼吸速率和/或血压。在一些范例中，这些参数可以根据从一个或多个生理参数传感器接收到的传感器信号获得。
因此，上文已描述了用于获得参数的第一集合的过程，参数的所述第一集合包括：一个或多个预定义速度概况参数；至少一个预定义血液速度参数；以及，至少一个预定义动脉直径参数。如所提及的，可选地，可以导出至少一个另外的参数，并且将其用作对传递函数的额外输入，但这是可选的。
如上讨论的，所述方法还包括：提取预定义传递函数，所述预定义传递函数被配置为接收至少参数的所述第一集合作为输入，并且生成一个或多个血液动力学参数作为输出；以及，利用传递函数处理参数的第一集合以导出一个或多个血液动力学参数的值。
根据一些实施例，处理这些参数以导出一个或多个血液动力学参数可以使用机器学习模型来执行，机器学习模型包括已被训练为将预定义输入参数集映射到一个或多个血液动力学参数的集合的一个或多个机器学习算法。
机器学习算法是处理输入数据以产生或预测输出数据的任意自我训练算法。这里，输入数据至少包括血液速度参数、动脉直径参数以及一个或多个速度概况参数(即参数的第一集合)，而输出数据包括一个或多个血液动力学参数。可选地，输入数据可以额外地包括上文联系表3讨论的另外的参数中的一个或多个。
在本发明中采用的合适的机器学习算法对本领域技术人员而言将使明显的。合适的机器学习算法的范例包括线性回归算法、决策树算法和人工神经网络。诸如逻辑回归、支持向量机或朴素贝叶斯模型的其他机器学习算法是合适的备选。
在下文提供的范例中，使用以多参数线性回归模型形式的机器学习算法来演示本发明概念的原理。然而，要理解，在每个范例中，机器学习模型都可以由不同类型的机器学习模型代替，而不影响有利的技术效果。
尤其是对于多参数线性回归模型，通过以下操作来建立所述模型：首先构建模型或算法，其并入期望的输入参数中的每个作为模型的(自变量)参数，所述参数具有对应的系数或权重；其次基于训练数据集训练所构建的模型，以由此拟合模型系数或权重，从而提供训练数据集的输入参数与训练数据集的对应输出参数之间的最佳拟合。期望的输入参数形成模型的自变量，而目标血液动力学参数是模型的因变量。该模型将估计的相关血液动力学参数表示为常数项(截距)以及与各自的权重或系数相乘的每个因变量的线性和。
训练数据集将包括训练输入数据项和对应的训练输出数据项。在该情况下，训练输入数据项对应于预选的血液速度参数、动脉直径参数以及一个或多个速度概况参数的范例值。可选地，训练输入数据项可以额外地包括上文联系表3讨论的另外的参数中的一个或多个。训练输出数据项对应于预定的一个或多个血液动力学参数。
将初始化的机器学习算法应用到每个输入数据项，以生成预测的输出数据项。预测的输出数据项与对应的训练输出数据项之间的误差用于修改机器学习算法。可以重复该过程直到误差收敛，并且预测的输出数据项与训练输出数据项足够相似(例如±1％)。这通常被称作监督学习技术。
针对多参数回归模型，训练过程是将模型权重/系数拟合到训练数据集的过程。一旦训练或拟合过程完成，则可以使用在训练或拟合过程中获得的权重或系数来部署所述模型，以将输入参数(自变量)映射到输出血液动力学参数。
训练后，可以通过在测试数据集上运行生成的机器学习模型，并评估由模型生成的输出预测值与实际基础真值之间的误差，来评估该模型的性能或准确性。例如，针对线性回归模型，性能测量结果可以包括线性回归的拟合优度(R2)、根据相关性散点图获得的均方根误差(RMSE)以及根据布兰-阿尔特曼图获得的重现性系数(rpc)。
根据一个或多个实施例，所述方法还可以包括基于径向速度概况的使用来导出血流的度量，所述径向速度概况的推导已在上文讨论过。
在一些实施例中，所述方法可以包括生成实时瞬时流量信号，其表示测量位置处的瞬时血流的度量(作为时间的函数)。在本公开的背景中，流量是指每单位时间流过测量点的流体的体积。
根据多普勒数据确定血流的度量一般涉及：计算针对测量位置的血液速度值，并且将该值乘以测量位置处的血管的横截面积的值。该操作然后提供每单位时间流过测量位置的血液体积的估计度量。
如果仅采集PWD数据，则仅在测量位置获得单个速度值，并且然后可以将该值乘以横截面积，或者基于假设的抛物线速度概况根据PWD测量结果来计算估计平均速度值，并且将该平均值乘以横截面积。
在本发明的方法的背景中，所导出的径向速度概况提供一种获得对通过血管的平均速度(意指血管径向截面上的平均速度)的更准确估计的方式。尤其地，根据一个或多个实施例，提出：以上文已讨论过的方式计算并存储径向速度概况；接收针对血管中的门控位置(例如血管的中心)的实时PWD数据；提取所存储的径向速度概况；基于瞬时PWD速度测量结果来缩放速度概况；使用径向速度概况来计算血管直径上的平均速度(即速度概况的速度值取平均)；以及，通过将计算出的平均速度乘以测量位置处的血管横截面积的度量来计算平均瞬时流量。可以根据所测量的血管直径来计算横截面积，根据上文讨论的B模式数据来获得血管直径。
在一些实施例中，可以存储多个径向速度概况，例如针对横跨至少一个心脏周期的多个时间点中的每个存储一个径向速度概况。在一些实施例中，可以基于心脏周期的瞬时相位来确定提取到的特定速度概况。由于径向速度概况可能在心脏周期上的不同时间点发生变化，因此这改善了瞬时血流度量的准确度。
在一些实施例中，可以定期更新所存储的径向速度概况，例如可以针对采集到的每个新的彩色多普勒帧来更新它。如果存储对应于心脏周期的不同相位点的多个概况，则可以针对心脏周期中的对应相位点采集的每个新的彩色多普勒帧来更新每个概况。
在一些实施例中，可以定义传递函数，其允许在预定义门控位置处采集的PWD速度测量结果与估计的径向速度概况之间的映射。可以针对多个心脏周期相位点中的每个存在不同的传递函数。
可以如下理解上文提到的基于瞬时PWD测量结果对速度概况进行缩放。目的是要维持概况的形状或形态，但要调节绝对值，从而使在动脉的PWD门控位置处测量的PWD值匹配在该相同门控位置处由经缩放的概况指示的速度值。
在一些实施例中，可以计算针对每个心脏周期的平均流量值。这可以通过针对在心脏周期上采集的每个彩色多普勒帧(即，针对横跨心脏周期的一系列时间点中的每个)执行上述过程来实现。可以通过对针对每个心脏周期上每个经缩放的彩色多普勒帧以上述方式计算的瞬时流量值取平均来计算针对每个心脏周期的平均流量值。径向速度概况可能随着变化的流量而变化。因此，通过在横跨心脏周期的多个时间点上取平均，可以计算更准确的流量值。
为了实现该特征，优选地将彩色多普勒数据采集的帧率设置为大于每次心跳10帧的值。额外地或备选地，在一些实施例中，可以针对收缩期计算至少一个径向速度概况，并且针对舒张期计算至少一个径向速度概况，并且其中，可以以上述方式至少使用这两种速度概况来计算心脏周期上的平均流量。
如上所述，根据本发明的实施例的方法可以有利地应用于对对象的血液动力学的连续或持续监测。所述法可以包括：生成数据输出，所述数据输出指示由模型生成的估计的一个或多个血液动力学参数；以及，将所述数据输出传输到患者监测器系统，并且其中，所述患者监测器系统包括显示设备，并适于在所述显示设备上显示所导出的一个或多个血液动力学参数的视觉表示。额外地或备选地，所述患者监测器系统可以(在本地或远程地)存储或缓存所导出的血液动力学参数。其可以将参数导出到远程系统，例如机构网站或服务器。
根据本发明的另一方面，提供一种提供用于导出一个或多个血液动力学参数的机器学习模型的方法。所述方法包括生成初始机器学习模型，所述初始机器学习模型适于接收预定义参数集作为输入，并处理接收到的参数以生成对一个或多个血液动力学参数的估计。所述预定义输入参数集包括：根据血液速度-时间波形计算的参数，所述血液速度-时间波形表示在时间窗口上至少一个血管的测量位置处的血液速度；从动脉直径-时间波形提取的参数，所述动脉直径-时间波形表示在时间窗口上测量位置处的所述至少一个血管的直径；以及，根据径向速度概况导出的一个或多个参数，所述径向速度概况表示作为测量位置处的血管的径向轴上的位置的函数的血液速度。
所述方法还包括提供训练数据集，所述训练数据集包括多个训练输入数据项和对应的多个训练输出数据项，所述训练输入数据项均都包括针对预定义输入参数集中的每个的值，并且所述训练输出数据项均都包括针对一个或多个血液动力学参数的对应值。
所述方法还包括将机器学习算法应用于训练输入数据项，并且调节机器学习模型的内部参数，以使所生成的模型的输出与训练输出数据项之间的误差最小化。
如上所述，某些实施例可以包括超声扫描装置92，和/或用于处理超声回波数据以导出另外的数据的装置。
通过进一步更详细地解释，现在将参考图15来描述示范性超声系统的一般操作。
所述系统包括阵列换能器探头104，其具有用于发射超声波并接收回波信息的换能器阵列106。换能器阵列106可以包括CMUT换能器；由诸如PZT或PVDF的材料形成的压电换能器；或是任意其他合适的换能器技术。在该范例中，换能器阵列106是换能器108的二维阵列，其能够扫描感兴趣区域的2D平面或三维体积。在另一范例中，换能器阵列可以是1D阵列。
换能器阵列106被耦合到微射束成形器112，微射束成形器112控制换能器元件对信号的接收。微射束成形器能够对由换能器的子阵列(一般称作“组”或“片”)接收到的信号进行至少部分射束成形，如在美国专利5,997,479(Savord等人)、6,013,032(Savord)和6,623,432(Powers等人)中描述的。
应注意，微射束成形器一般是完全可选的。另外，所述系统包括发射/接收开关116((T/R开关116)，微射束成形器112可以被耦合到T/R开关116，并且T/R开关116在发射和接收模式之间切换阵列，并在不使用微射束成形器而是由主系统射束成形器直接操作换能器阵列的情况下保护主射束成形器120免受高能发射信号的影响。超声射束从换能器阵列106的发射由换能器控制器118导向，换能器控制器118通过T/R开关116和主发射射束成形器(未示出)被耦合到微射束成形器，换能器控制器118可以接收来自对用户接口或控制面板138的用户操作的输入。控制器118可以包括发射电路，发射电路被布置为在发射模式期间(或直接或经由微射束成形器)驱动换能器阵列106的换能器元件。
在该范例系统中，根据本发明的实施例，可以通过超声控制器来帮助实现控制面板的功能。
在典型的逐行成像序列中，探头内的射束成形系统可以进行如下操作。在发射期间，射束成形器(根据实施方式其可以是微射束成形器或主系统射束成形器)激活换能器阵列或换能器阵列的子孔径。子孔径可以是一维换能器行或较大阵列内的二维换能器片。在发射模式中，如下所述地控制由阵列或阵列的子孔径生成的超声射束的聚焦和转向。
在接收来自对象的后向散射回波信号的情况下，接收到的信号经历接收射束成形(如下所述)，以便对齐接收到的信号，以及在使用子孔径的情况下，然后使子孔径移位例如一个换能器元件。然后激活移位后的子孔径，并重复该过程直到换能器阵列的全部换能器元件都已被激活。
针对每一行(或子孔径)，用于形成最终超声图像中关联行的总接收信号将是在接收期期间由给定子孔径中的换能器元件测量的电压信号的和。在后续射束成形过程之后，得到的行信号通常被称作射频(RF)数据。由各个子孔径生成的每个行信号(RF数据集)然后经历额外的处理，以生成最终超声图像中的行。行信号的幅度随时间的变化将贡献于超声图像的亮度随深度的变化，其中，高幅度峰值将对应于最终图像中的明亮像素(或像素的集合)。出现在行信号起始附近的峰将表示来自浅结构的回波，而在该行信号中逐渐靠后出现的峰将表示来自对象体内的逐渐增加深度处的结构的回波。
由换能器控制器118控制的功能之一是使射束转向和聚焦的方向。可以使射束转向为(正交于)换能器阵列的正前方，或而以不同的角度转向以实现更宽的视场。发射射束的转向和聚焦可以被控制为换能器元件激活时间的函数。
在一般的超声数据采集中可以区分两种方法：平面波成像和“射束转向”成像。这两种方法的区别在于发射模式(“射束转向”成像)和/或接收模式(平面波成像和“射束转向”成像)时射束形成的存在。
首先来看聚焦功能，通过同时激活全部的换能器元件，换能器阵列生成平面波，该平面波随着其行进穿过对象而发散。在该情况下，超声波的射束保持为非聚焦的。通过向换能器的激活引入位置相关的延时，有可能引起射束的波前汇聚在期望点(被称作焦点区)。焦点区被定义为横向射束宽度小于发射射束宽度的一半处的点。以此方式，改善了最终超声图像的横向分辨率。
例如，如果延时使换能器元件顺序地激活，起始于换能器元件最外面的元件并结束于(一个或多个)中心元件，则焦点区将会形成在距探头给定距离处，与所述(一个或多个)中心元件对齐。焦点区距探头的距离将根据每个后续一轮换能器元件激活之间的延时而改变。射束在经过焦点区之后，其将开始发散，形成远场成像区域。应注意，对于位于靠近换能器阵列的焦点区，超声射束将在远场快速发散，导致最终图像中的射束宽度伪影。通常，位于换能器阵列与焦点区之间的近场由于大的超声射束重叠而几乎不显示细节。因此，改变焦点区的位置可能导致最终图像质量上的显著变化。
应注意的是，在发射模式，仅可以定义一个焦点，除非超声图像被划分成多个焦点区(它们中的每个可以具有不同的发射焦点)。
此外，在接收到来自对象体内的回波信号的情况下，有可能执行上述过程的逆过程，以执行接收聚焦。换言之，传入信号可以由换能器元件接收，并在被传送到系统中进行信号处理之前，经历电子延时。该操作最简单的范例被称作延迟求和射束成像。有可能根据时间动态调节换能器阵列的接收聚焦。
现在来看射束转向功能，通过对换能器元件正确应用延时，有可能随着超声射束离开换能器阵列而赋予其期望角度。例如，通过激活换能器阵列的第一侧的换能器，随后依次激活剩余的换能器，结束于阵列的对侧，射束的波前将向第二侧倾斜。相对于换能器阵列的法线的转向角的大小取决于后续换能器元件激活之间的延时的大小。
另外，有可能聚焦经转向的射束，其中，应用于每个换能器元件的总延时是聚焦和转向时延二者的和。在该情况下，换能器阵列被称作相控阵列。
在CMUT换能器(其需要DC偏压用于其激活)的情况下，换能器控制器118可以被耦合以控制针对换能器阵列的DC偏压控制145。DC偏压控制145设置被应用于CMUT换能器元件的(一个或多个)DC偏压。
针对换能器阵列中的每个换能器元件，模拟超声信号(通常被称作信道数据)通过接收信道进入系统。在接收信道中，由微射束成形器112根据信道数据产生部分射束成形信号，并然后将部分射束成形信号传送到主接收射束成形器120，在主接收射束成形器中，来自换能器的各个片的部分射束成形信号被组合为完全射束成形信号(称作射频(RF)数据)。每个阶段处执行的射束成形可以如上所述来执行，或者可以包括附加功能。例如，主射束成形器120可以有128个信道，每个信道接收来自具有几十个或几百个换能器元件的片的部分射束成形信号。以此方式，由换能器阵列的上千个换能器接收到的信号可以有效贡献于单个射束成形信号。
经射束成形的接收信号被耦合到信号处理器122。信号处理器122可以以各种方式处理接收到的回波信号，例如：带通滤波、抽取、I和Q分量分离；以及谐波信号分离，其用于分离线性和非线性信号，从而实现对从组织和微泡返回的非线性(基频的高次谐波)回波信号的识别。信号处理器也可以执行额外的信号增强，例如斑点减少、信号复合和噪声消除。信号处理器中的带通滤波器可以是跟踪滤波器，随着从增加的深度接收到回波信号，跟踪滤波器的通频带从较高频带滑到较低频带，由此滤除来自更大深度的较高频率的噪声(该噪声通常不含解剖信息)。
用于发射和用于接收的射束成形器在不同的硬件中实施，并且可以具有不同的功能。当然，接收器射束成形器被设计为考虑到发射射束成形器的特性。在图15中，为了简单起见，仅示出了接收器射束成形器。在完整的系统中，还将存在具有发射微射束成形器和主发射射束成形器的发射链。
微射束成形器112的功能是提供信号的初步组合，以减少模拟信号路径的数量。这通常在模拟域中执行。
最终的射束成形是在主射束成形器120中完成的，并且通常在数字化之后。
发射和接收信道使用具有固定频带的相同的换能器阵列106。然而，发射脉冲占据的带宽可能根据使用的发射射束成形而改变。接收信道可以捕获整个换能器带宽(这是经典方法)，或者通过使用带通处理，其可以仅提取包含期望信息(例如主谐波的谐波)的带宽。
RF信号然后可以被耦合到B模式(即亮度模式，或2D成像模式)处理器126和多普勒处理器128。B模式处理器126对接收到的超声信号执行幅度检测，用于对身体中的结构(例如器官组织和血管)进行成像。在逐行成像的情况下，每一行(射束)由相关联的RF信号来表示，其幅度用于生成要被分配给B模式图像中的像素的亮度值。像素在图像内的确切位置由沿RF信号的相关联幅度测量的位置以及RF信号的行(射束)数确定。这样的结构的B模式图像可以以谐波或基波图像模式或是二者的组合来形成，如在美国专利6,283,919(Roundhill等人)和美国专利6,458,083(Jago等人)中描述的。多普勒处理器128处理由组织移动和血流产生的时间上不同的信号，用于检测移动的物质，例如图像场中的血细胞的流动。多普勒处理器128通常包括壁滤波器，其参数设置为通过或滤除从身体中的选定类型的材料返回的回波。
由B模式和多普勒处理器产生的结构和运动信号被耦合到扫描转换器132和多平面重构器144。扫描转换器132将回波信号布置在空间关系中，根据所述空间关系，以期望的图像格式接收所述回波信号。换言之，扫描转换器作用为将来自圆柱坐标系的RF数据转换到适用于在显示器140上显示超声图像的笛卡尔坐标系。在B模式成像的情况下，给定坐标处的像素的亮度正比于从该位置接收到的RF信号的幅度。例如，扫描转换器可以将回波信号布置为二维(2D)扇形格式或锥体三维(3D)图像。扫描转换器可以将颜色叠加在B模式结构图像上，所述颜色对应于在图像场中的点处的运动，其中多普勒估计速度用于产生给定颜色。组合的B模式结构图像与彩色多普勒图像描绘结构图像场内的组织和血流的运动。多平面重构器将从身体的体积区域中的公共平面内的点接收到的回波转换为该平面的超声图像，如在美国专利6,443,896(Detmer)中描述的。体积渲染器142将3D数据集的回波信号转换为从给定参考点观察的投影3D图像，如在美国专利6,530,885(Entrekin等人)中描述的。
2D或3D图像从扫描转换器132、多平面重构器144和体积渲染器142被耦合到图像处理器130，以进一步增强、缓存或临时存储，用于在显示器140上的可选显示。图像处理器可以适于从最终超声图像去除某些成像伪影，例如：声影，例如由强衰减或折射引起的；后方增强，例如由弱衰减引起的；回声伪影，例如在非常接近高反射性组织界面处；等等。此外，图像处理器可以适于处理某些减斑功能，以改善最终超声图像的对比度。
除了被用于成像以外，由多普勒处理器128产生的血流值和由B模式处理器126产生的组织结构信息被耦合到量化处理器134。量化处理器产生对不同流动状况的度量，例如除了诸如器官大小和胎龄的结构测量结果以外的血流的体积速率。量化处理器可以接收来自用户控制面板的输入，例如图像的解剖结构中进行测量的点。
来自量化处理器的输出数据被耦合到图形处理器136，用于测量图形和值与图像一起在显示器140上的复现，以及用于来自显示器140的音频输出。图形处理器136也可以生成图形叠加层以供与超声图像一起显示。这些图形叠加层可以包含标准识别信息，例如患者姓名、图像的日期和时间、成像参数等。出于这些目的，图形处理器接收来自用户接口的输入，例如患者姓名。用户接口也被耦合到发射控制器118，以控制超声信号从换能器阵列106的生成，以及因此由换能器阵列和超声系统产生的图像。控制器118的发射控制功能仅是所执行的功能之一。控制器118还考虑操作的模式(由用户给定)以及相应所需的发射器配置和接收器模数转换器中的带通配置。控制器118可以是具有固定状态的状态机。
用户接口也被耦合到多平面重构器144，用于选择和控制多个多平面重构的(MPR)图像的平面，其可以用于在MPR图像的图像场中执行定量测量。
上述超声系统可以与前述处理设备82操作耦合。处理装置可以从上述超声系统接收多普勒超声数据和空间超声数据(例如B模式)。例如，在一些范例中，上述超声系统可以用于实施图10中所示的系统80的超声扫描装置92。
上文描述的本发明的实施例采用处理设备。处理设备一般可以包括单个处理器或多个处理器。其可以位于单个容纳设备、结构或单元中，或者其可以分布在多个不同的设备、结构或单元之间。因此对适于或被配置为执行特定步骤或任务的处理设备的引用可以对应于由多个处理部件中的任意一个或多个单独或组合地执行的该步骤或任务。本领域技术人员将理解可以如何实施这样的分布式处理设备。所述处理设备包括通信模块或输入部/输出部，用于接收数据并且将数据输出到另外的部件。
处理器设备的一个或多个处理器可以利用软件和/或硬件以多种方式来实施，以执行所需要的各个功能。处理器通常采用一个或多个微处理器，微处理器可以使用软件(例如微代码)被编程为执行所需要的功能。可以将处理器实施为执行一些功能的专用硬件与执行其他功能的一个或多个编程微处理器及关联电路的组合。
本公开的各个实施例中可以采用的电路的范例包括，但不限于，常规微处理器、专用集成电路(ASIC)以及现场可编程门阵列(FPGA)。
在各种实施方式中，处理器可以与一个或多个(非暂时性)存储介质相关联，例如易失性或非易失性计算机存储器，如RAM、PROM、EPROM和EEPROM。存储介质可以编码有一个或多个程序，当在一个或多个处理器和/或控制器上运行该程序时，执行所需要的功能。各个存储介质可以固定在处理器或控制器内，可以是便携式的或者可以是按需提供的(例如经由云)，使得存储于其上的一个或多个程序可以被加载到处理器或控制器中。
本领域技术人员在实践要求保护的发明时，根据对附图、公开内容和所附权利要求的研究，能够理解并实现对所公开实施例的变型。在权利要求中该，词语“包括”不排除其他元件或步骤，并且不定冠词“一”或“一个”不排除多个。
单个处理器或其他单元可以实现权利要求中记载的若干项目的功能。
互不相同的权利要求中记载了特定措施这一仅有事实并不指示不能利用这些措施的组合。
计算机程序可以被存储/分布在合适的(非暂时性)计算机可读介质上，例如与其他硬件一起或作为其他硬件的部分提供的光学存储介质或固态介质，但备选地可以分布为其他形式，例如经由因特网或者其他有线或无线电信系统。
如果权利要求或说明书使用了术语“适于”，要注意术语“适于”意图等同于术语“被配置为”。
权利要求中的任何附图标记都不应被解释为对范围的限制。

Claims (17)

1.一种用于导出对象的一个或多个血液动力学参数的计算机实施的方法(60)，所述方法包括：
接收来自所述对象的血管的2D超声数据，其中，所述2D超声数据包括B模式数据、脉冲波多普勒数据和彩色多普勒数据；
使用接收到的彩色多普勒数据来导出针对所述血管的径向速度概况，所述径向速度概况对应于在测量位置处的作为所述血管的径向轴上的径向位置的函数的血液速度；
根据接收到的2D超声数据来导出血液速度-时间波形，所述血液速度-时间波形表示在时间窗口上在所述测量位置处的所述血管的血液速度；
根据接收到的2D超声数据来导出动脉直径波形，所述动脉直径波形表示在所述时间窗口上所述测量位置处的所述血管的直径或正比于所述直径的参数；
计算参数的第一集合，包括：
根据所述径向速度概况来计算一个或多个预定义速度概况参数，其中，计算所述一个或多个预定义速度概况参数包括至少计算速度概况的偏斜度；
根据所述血液速度-时间波形来计算预定义血液速度参数；以及
根据所述动脉直径波形来计算预定义动脉直径参数；
提取预定义传递函数，所述预定义传递函数被配置为接收参数的所述第一集合作为输入，并且生成所述一个或多个血液动力学参数作为输出；以及
利用所述传递函数来处理参数的所述第一集合，以导出针对所述一个或多个血液动力学参数的值。
2.如权利要求1所述的方法，其中，计算所述一个或多个预定义速度概况参数还包括计算以下中的一个或多个：(i)所述速度概况中的速度最大值的径向位置，(ii)所述速度概况的曲线下面积。
3.如权利要求1或2所述的方法，其中，所述方法包括导出针对在所述时间窗口上的一系列时间点的径向速度概况，以由此导出作为时间的函数的径向速度概况。
4.如权利要求3所述的方法，其中，计算所述一个或多个预定义速度概况参数包括计算在所述时间窗口上的所述径向速度概况的标准偏差。
5.如权利要求3所述的方法，其中，所述时间窗口包括所述对象的心脏周期的收缩期和舒张期，并且其中，计算所述一个或多个预定义速度概况参数包括计算在所述收缩期内的时间点处的所述速度概况与在所述舒张期内的时间点处的所述速度概况之间的差。
6.如权利要求4所述的方法，其中，所述时间窗口包括所述对象的心脏周期的收缩期和舒张期，并且其中，计算所述一个或多个预定义速度概况参数包括计算在所述收缩期内的时间点处的所述速度概况与在所述舒张期内的时间点处的所述速度概况之间的差。
7.如权利要求1或2所述的方法，其中，所述一个或多个预定义速度概况参数中的至少一个表示所述速度概况的至少一个特征与抛物线速度函数的偏差。
8.如权利要求7所述的方法，其中，计算所述一个或多个预定义速度概况参数中的至少一个包括：从所述速度概况提取特征；以及，计算所提取的特征与抛物线速度函数的对应特征的偏差。
9.如权利要求1或2所述的方法，其中，所述血液速度参数包括以下中的至少一个：
所述速度-时间波形在所述时间窗口上的区间范围；
血液速度在所述时间窗口上的平均值；
峰值收缩速度在所述时间窗口上的平均值；
所述血液速度在所述时间窗口上的平均值，其通过所述时间窗口所横跨的心脏周期的数量进行归一化；
所述速度-时间波形在所述时间窗口上相对于时间的积分，其通过所述时间窗口所横跨的心脏周期的所述数量进行归一化。
10.如权利要求1或2所述的方法，其中，所述动脉直径参数包括以下中的至少一个：
所述动脉直径在所述时间窗口上的平均值；
所述血管的横截面积在所述时间窗口上的平均值。
11.如权利要求1或2所述的方法，其中，导出所述径向速度概况包括：
接收彩色多普勒数据，所述彩色多普勒数据横跨相对于所述血管的纵向轴成斜角取向的扫描平面；
导出作为所述扫描平面上的位置的函数的第一血液速度概况；以及
计算所述第一血液速度概况到法向于所述血管的纵向轴并与所述血管的径向轴平行的平面的投影，以由此导出所述径向速度概况，所述径向速度概况对应于作为径向轴上的径向位置的函数的血液速度。
12.如权利要求1或2所述的方法，其中，所述一个或多个血液动力学参数包括以下中的一个或多个：心输出量、心搏出量和心搏出量变化。
13.如权利要求1或2所述的方法，其中：
所述传递函数为机器学习模型；和/或
所述传递函数为线性回归模型。
14.一种计算机程序产品，包括指令，所述指令在由合适的计算机或处理器运行时，使所述计算机或处理器执行如权利要求1-13中的任一项所述的方法。
15.一种处理设备(82)，包括：
输入部/输出部(84)；以及
一个或多个处理器(86)，其适于执行如权利要求1至13中的任一项所述的步骤。
16.如权利要求15所述的处理设备(82)，其中，所述一个或多个处理器(86)还适于生成指示所述一个或多个血液动力学参数的数据输出。
17.一种系统，包括：
如权利要求15或16所述的处理设备(82)；以及
超声扫描装置(92)，其包括至少一个换能器单元(94)和处理单元(96)，所述至少一个换能器单元(94)用于采集所述对象的所述血管的超声回波信号数据，所述处理单元(96)用于处理所述超声回波信号数据以导出B模式数据、脉冲波多普勒数据和彩色多普勒数据；
其中，所述处理设备的所述输入部/输出部(84)与所述超声扫描装置的输出部操作耦合，用于接收所述B模式数据、脉冲波多普勒数据和彩色多普勒数据。
CN202380022039.0A 2022-12-02 2023-11-30 血液动力学参数估计 Active CN118695816B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
EP22210995.1A EP4378394A1 (en) 2022-12-02 2022-12-02 Hemodynamic parameter estimation
EP22210995.1 2022-12-02
EP22212312.7A EP4382052A1 (en) 2022-12-08 2022-12-08 Determining a flow profile in an artery based on ultrasound imaging data
EP22212312.7 2022-12-08
PCT/EP2023/083693 WO2024115640A1 (en) 2022-12-02 2023-11-30 Hemodynamic parameter estimation

Publications (2)

Publication Number Publication Date
CN118695816A CN118695816A (zh) 2024-09-24
CN118695816B true CN118695816B (zh) 2025-05-13

Family

ID=88923697

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202380022039.0A Active CN118695816B (zh) 2022-12-02 2023-11-30 血液动力学参数估计
CN202380019642.3A Active CN118660670B (zh) 2022-12-02 2023-11-30 基于超声成像数据确定动脉中的流量概况

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202380019642.3A Active CN118660670B (zh) 2022-12-02 2023-11-30 基于超声成像数据确定动脉中的流量概况

Country Status (5)

Country Link
US (2) US20250281160A1 (zh)
EP (2) EP4444187B1 (zh)
JP (1) JP2025536413A (zh)
CN (2) CN118695816B (zh)
WO (2) WO2024115640A1 (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101208045A (zh) * 2005-05-06 2008-06-25 威索诺瓦公司 用于血管内装置导向和定位的方法和设备
WO2021250234A2 (en) * 2020-06-11 2021-12-16 Koninklijke Philips N.V. Method for estimating hemodynamic parameters

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3402703B2 (ja) * 1993-12-21 2003-05-06 株式会社東芝 超音波診断装置
US6283919B1 (en) 1996-11-26 2001-09-04 Atl Ultrasound Ultrasonic diagnostic imaging with blended tissue harmonic signals
US6458083B1 (en) 1996-11-26 2002-10-01 Koninklijke Philips Electronics N.V. Ultrasonic harmonic imaging with adaptive image formation
US6530887B1 (en) * 1996-12-24 2003-03-11 Teratech Corporation Ultrasound probe with integrated electronics
US6013032A (en) 1998-03-13 2000-01-11 Hewlett-Packard Company Beamforming methods and apparatus for three-dimensional ultrasound imaging using two-dimensional transducer array
US5997479A (en) 1998-05-28 1999-12-07 Hewlett-Packard Company Phased array acoustic systems with intra-group processors
US6176830B1 (en) * 1999-07-27 2001-01-23 Siemens Medical Systems, Inc. Method and system for pre-determining spectral doppler user parameters
US6530885B1 (en) 2000-03-17 2003-03-11 Atl Ultrasound, Inc. Spatially compounded three dimensional ultrasonic images
US6443896B1 (en) 2000-08-17 2002-09-03 Koninklijke Philips Electronics N.V. Method for creating multiplanar ultrasonic images of a three dimensional object
US6468216B1 (en) 2000-08-24 2002-10-22 Kininklijke Philips Electronics N.V. Ultrasonic diagnostic imaging of the coronary arteries
US20050228282A1 (en) * 2004-04-06 2005-10-13 Siemens Medical Solutions Usa, Inc. Image quality compensation for duplex or triplex mode ultrasound systems
DE102007057553B4 (de) * 2007-11-30 2012-02-16 Siemens Ag Verfahren zur Untersuchung eines menschlichen oder tierischen Körpers sowie medizinische Bildgebungsvorrichtung hierfür
IT1395277B1 (it) * 2009-08-11 2012-09-05 London Equitable Ltd In Its Capacity As Trustee Of The Think Tank Trust Sistema per rilevare anomalie nel flusso venoso a livello extracranico
US8622913B2 (en) * 2010-09-28 2014-01-07 General Electric Company Method and system for non-invasive monitoring of patient parameters
US20130184580A1 (en) * 2012-01-13 2013-07-18 General Electric Company Color flow image and spectrogram ultrasound signal sharing
US9247927B2 (en) * 2013-03-15 2016-02-02 B-K Medical Aps Doppler ultrasound imaging
US11020093B2 (en) * 2016-03-23 2021-06-01 Koninklijke Philips N.V. Method and apparatus for improving the measurement of flow velocity of blood
US11471063B2 (en) 2016-11-10 2022-10-18 Auburn University Information processing method, device, and system for evaluating blood vessels
JP7252131B2 (ja) 2017-03-30 2023-04-04 コーニンクレッカ フィリップス エヌ ヴェ 超音波ベクトルフローイメージングを使用した血流の同時視覚化及び定量化のためのシステム及び方法
US11398023B2 (en) * 2017-05-04 2022-07-26 Koninklijke Philips N.V. System and method for concurrent visualization and quantification of wall shear stress in blood vessels
EP3524165A1 (en) 2018-02-08 2019-08-14 Koninklijke Philips N.V. Monitoring blood distribution in a subject
US11666311B2 (en) * 2019-07-24 2023-06-06 Clarius Mobile Health Corp. Method and system for switching between a spectral doppler mode and a two-dimensional (2D) ultrasound imaging mode in an ultrasound imaging system
US11278313B2 (en) * 2020-02-24 2022-03-22 AerWave Medical, Inc. Transeptal puncture procedure
EP4008267A1 (en) 2020-12-01 2022-06-08 Koninklijke Philips N.V. Blood velocity determination
EP4378394A1 (en) * 2022-12-02 2024-06-05 Koninklijke Philips N.V. Hemodynamic parameter estimation

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101208045A (zh) * 2005-05-06 2008-06-25 威索诺瓦公司 用于血管内装置导向和定位的方法和设备
WO2021250234A2 (en) * 2020-06-11 2021-12-16 Koninklijke Philips N.V. Method for estimating hemodynamic parameters

Also Published As

Publication number Publication date
JP2025536413A (ja) 2025-11-05
US20250281160A1 (en) 2025-09-11
EP4444187B1 (en) 2024-12-25
WO2024115640A1 (en) 2024-06-06
US20250281159A1 (en) 2025-09-11
CN118695816A (zh) 2024-09-24
CN118660670B (zh) 2025-06-27
US12496046B2 (en) 2025-12-16
WO2024115639A1 (en) 2024-06-06
CN118660670A (zh) 2024-09-17
EP4429562B1 (en) 2024-11-06
EP4444187A1 (en) 2024-10-16
EP4429562A1 (en) 2024-09-18

Similar Documents

Publication Publication Date Title
EP4164501B1 (en) Method for estimating hemodynamic parameters
US11103211B2 (en) Ultrasonic medical monitoring device and method
US11617561B2 (en) Ultrasound imaging system and method
Beulen et al. Toward noninvasive blood pressure assessment in arteries by using ultrasound
CN103747742B (zh) 使用超声成像的脉管表征
US9320496B2 (en) Volumetric is quantification for ultrasound diagnostic imaging
US20090012399A1 (en) Ultrasonic diagnostic apparatus
US20220160328A1 (en) Fluid Flow Analysis
US20130245441A1 (en) Pressure-Volume with Medical Diagnostic Ultrasound Imaging
US20100130866A1 (en) Method for determining flow and flow volume through a vessel
JP7407821B2 (ja) 対象者から生理学的尺度を取得するための方法及びシステム
JP2016027835A (ja) 超音波撮像装置及び方法
Park et al. Ultrasound deep learning for monitoring of flow–vessel dynamics in murine carotid artery
US8298143B2 (en) Ultrasonograph that determines tissue properties utilizing a reference waveform
JP2022515086A (ja) 心臓の機能を監視する方法及びシステム
Xu et al. Online continuous measurement of arterial pulse pressure and pressure waveform using ultrasound
EP4378394A1 (en) Hemodynamic parameter estimation
CN118695816B (zh) 血液动力学参数估计
US20090299179A1 (en) Method For Detecting Cardiac Transplant Rejection
JP2022527564A (ja) 頭蓋内血圧の推定方法および装置
Tavoni Development of New Techniques for Clinical Applications of Jugular Venous Pulse with Ultrasound Devices

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant