CN102686150A - 监测受检者的心血管系统的特性 - Google Patents
监测受检者的心血管系统的特性 Download PDFInfo
- Publication number
- CN102686150A CN102686150A CN2010800598227A CN201080059822A CN102686150A CN 102686150 A CN102686150 A CN 102686150A CN 2010800598227 A CN2010800598227 A CN 2010800598227A CN 201080059822 A CN201080059822 A CN 201080059822A CN 102686150 A CN102686150 A CN 102686150A
- Authority
- CN
- China
- Prior art keywords
- signal
- cardiac pulses
- pulse
- data
- time
- 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.)
- Granted
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/021—Measuring pressure in heart or blood vessels
- A61B5/0215—Measuring pressure in heart or blood vessels by means inserted into the body
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M1/00—Suction or pumping devices for medical purposes; Devices for carrying-off, for treatment of, or for carrying-over, body-liquids; Drainage systems
- A61M1/36—Other treatment of blood in a by-pass of the natural circulatory system, e.g. temperature adaptation, irradiation ; Extra-corporeal blood circuits
- A61M1/3621—Extra-corporeal blood circuits
- A61M1/3639—Blood pressure control, pressure transducers specially adapted therefor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M1/00—Suction or pumping devices for medical purposes; Devices for carrying-off, for treatment of, or for carrying-over, body-liquids; Drainage systems
- A61M1/36—Other treatment of blood in a by-pass of the natural circulatory system, e.g. temperature adaptation, irradiation ; Extra-corporeal blood circuits
- A61M1/3621—Extra-corporeal blood circuits
- A61M1/3643—Priming, rinsing before or after use
- A61M1/3644—Mode of operation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M1/00—Suction or pumping devices for medical purposes; Devices for carrying-off, for treatment of, or for carrying-over, body-liquids; Drainage systems
- A61M1/36—Other treatment of blood in a by-pass of the natural circulatory system, e.g. temperature adaptation, irradiation ; Extra-corporeal blood circuits
- A61M1/3621—Extra-corporeal blood circuits
- A61M1/3643—Priming, rinsing before or after use
- A61M1/3644—Mode of operation
- A61M1/3646—Expelling the residual body fluid after use, e.g. back to the body
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M1/00—Suction or pumping devices for medical purposes; Devices for carrying-off, for treatment of, or for carrying-over, body-liquids; Drainage systems
- A61M1/36—Other treatment of blood in a by-pass of the natural circulatory system, e.g. temperature adaptation, irradiation ; Extra-corporeal blood circuits
- A61M1/3621—Extra-corporeal blood circuits
- A61M1/3653—Interfaces between patient blood circulation and extra-corporal blood circuit
- A61M1/3656—Monitoring patency or flow at connection sites; Detecting disconnections
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M1/00—Suction or pumping devices for medical purposes; Devices for carrying-off, for treatment of, or for carrying-over, body-liquids; Drainage systems
- A61M1/36—Other treatment of blood in a by-pass of the natural circulatory system, e.g. temperature adaptation, irradiation ; Extra-corporeal blood circuits
- A61M1/3621—Extra-corporeal blood circuits
- A61M1/3643—Priming, rinsing before or after use
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2205/00—General characteristics of the apparatus
- A61M2205/33—Controlling, regulating or measuring
- A61M2205/3331—Pressure; Flow
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2230/00—Measuring parameters of the user
- A61M2230/04—Heartbeat characteristics, e.g. ECG, blood pressure modulation
- A61M2230/06—Heartbeat rate only
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Heart & Thoracic Surgery (AREA)
- Vascular Medicine (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Cardiology (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Pathology (AREA)
- Hematology (AREA)
- Anesthesiology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- External Artificial Organs (AREA)
Abstract
一种装置(25)被配置成监测受检者的心血管特性。该装置(25)获取来自被设置成检测体外流体回路(20)中的压力波的主压力波传感器(4a-4c)的测量数据,体外流体回路(20)与受检者的心血管系统按流体连通方式连接。该装置具有信号处理器(29),该信号处理器(29)被配置成,基于测量数据生成时间相关监测信号,使监测信号包括心脏脉冲序列,其中各个心脏脉冲表示源自受检者中的心搏的压力波;确定针对监测信号中的各个心脏脉冲的搏动分类数据;以及至少部分地基于搏动分类数据,来计算表示心血管特性的参数值。搏动分类数据可以区分源自正常心搏的心脏脉冲与源自异位心搏的心脏脉冲。心血管特性可以是心血管系统的动脉状态、心血管系统的钙化程度、用于将体外流体回路(20)连接至心血管系统的血管通路的状态、心率变化性、心率、心率扰动、异位搏动计数或异位搏动源。该装置(25)可接合至透析机或作为其一部分。
Description
技术领域
本发明总体上涉及用于监测受检者的心血管系统的一个或更多个特性的技术。本发明例如可应用于用于体外血液处理的装置中。
背景技术
本领域中已知测量人或动物受检者的心血管系统的不同特性。然而,已知技术需要安装分离且专用的仪器和传感器来测量特定特性。
发明内容
本发明的目的是至少部分地克服现有技术的一个或更多个局限。具体来说,目的是提供用于监测连接至用于体外血液处理的设备的受检者的心血管特性的另选或补充技术。
根据以下描述将呈现的该目的和其它目的至少部分地通过根据独立权利要求所述的装置、血液处理设备、方法以及计算机可读介质来实现,本发明的实施方式根据从属权利要求来限定。
本发明的第一方面是一种用于监测受检者的心血管特性的装置。所述装置包括输入部,该输入部被配置成获取来自被设置成检测体外流体回路中的压力波的主压力波传感器的测量数据,所述体外流体回路与受检者的心血管系统按流体连通方式连接。所述装置还包括信号处理器,该信号处理器被配置成执行以下步骤:基于所述测量数据生成时间相关监测信号,以使得所述监测信号包括心脏脉冲的序列,其中,各个心脏脉冲表示源自受检者心搏的压力波;确定针对所述监测信号中的各个心脏脉冲的搏动分类数据;以及至少部分地基于所述搏动分类数据来计算指示所述心血管特性的参数值。
本发明的第二方面是一种用于监测受检者的心血管特性的装置。所述装置包括:用于获取来自被设置成检测体外流体回路中的压力波的主压力波传感器的测量数据的装置,所述体外流体回路与受检者的心血管系统按流体连通方式连接;用于基于所述测量数据生成时间相关监测信号的装置,以使得所述监测信号包括心脏脉冲的序列,其中,各个心脏脉冲表示源自受检者心搏的压力波;用于确定针对所述监测信号中的各个心脏脉冲的搏动分类数据的装置;以及用于至少部分地基于所述搏动分类数据来计算指示所述心血管特性的参数值的装置。
本发明的第三方面是一种用于血液处理的设备。该设备包括体外血流回路以及根据第一方面或第二方面所述的装置,该体外血流回路被设置为连接至受检者的血管系统,并且可操作地使来自受检者的血液循环通过血液处理装置并返回至该受检者。
本发明的第四方面是一种用于监测受检者的心血管特性的方法。所述方法包括以下步骤:获取来自被设置成检测体外流体回路中的压力波的主压力波传感器的测量数据,所述体外流体回路与所述受检者的心血管系统按流体连通方式连接;基于所述测量数据生成时间相关监测信号,以使得所述监测信号包括心脏脉冲的序列,其中,各个心脏脉冲表示源自受检者心搏的压力波;确定针对所述监测信号中的各个心脏脉冲的搏动分类数据;以及至少部分地基于所述搏动分类数据来计算指示所述心血管特性的参数值。
本发明的第五方面是一种包括计算机指令的计算机可读介质,该计算机指令在通过处理器执行时使该处理器执行根据第四方面所述的方法。
根据下面的详细描述,根据所附权利要求书以及根据附图,将呈现本发明的其它目的、特征、方面以及优点。
附图说明
将参照所附的示意性附图来更详细地描述本发明的示例性实施方式。
图1是包括体外血流回路的、用于血液透析处理的系统的示意图。
图2(a)是包含泵脉冲和心脏脉冲信号这二者的压力信号在时域中的标绘图,图2(b)是对应信号在频域中的标绘图。
图3是用于监测受检者的心血管系统的特性的处理的流程图。
图4是实现图3的处理的监视装置的框图。
图5是包括在图3的处理中的步骤的扩展流程图。
图6是包括在图5的处理中的步骤的扩展流程图。
图7(a)-7(b)分别是在静止条件和90度直立倾斜(head-up tilt)期间从正常受检者获取的心率信号的功率谱。
图8是例示了指示心率扰动的各种参数的RR间隔血流速度图(tachogram)。
图9(a)-(b)是用于例示动脉僵硬度的影响的平均心脏脉冲。
图10是用于对在图1的系统构造中获取的压力信号进行信号分析的处理的流程图。
图11是从图1的系统中的静脉压力传感器获得的压力信号的泵脉冲的基准轮廓的标绘图。
图12是用于获取预测的信号轮廓的处理的流程图。
图13是例示了用于生成预测的信号轮廓的外推处理的标绘图。
图14(a)是例示了用于生成预测的信号轮廓的内插处理的标绘图,图14(b)是图14(a)的放大图。
图15(a)表示在一个流率(flow rate)下泵脉冲的频率谱,图15(b)表示针对三个不同流率的对应频率谱,其中,各个频率谱按对数标度给出并且映射至谐波数,图15(c)是图15(b)中的数据在线性标度下的标绘图,图15(d)是与图15(a)中的频率谱相对应的相位角谱。
图16是可操作地基于预测的信号轮廓对压力信号进行滤波的自适应滤波器结构的示意图。
图17(a)-17(d)例示了在基准信号中识别出候选脉冲以生成时序数据的处理。
具体实施方式
下面,参照体外血流回路来对实施方式进行描述。具体来说,对用于监测连接至这种回路的患者的心血管特性的示例性实施方式进行描述。还对用于检测和提取指示这种心血管特性的信号的实施方式进行描述。在全部以下描述中,相似部件用相同标号指定。
I、体外回路的示例
图1示出了体外血流回路20的示例,该体外血流回路20是血液处理设备(在这种情况下,为透析机)的一部分。体外回路20通过连接系统C连接至患者的心血管系统。该连接系统C包括用于血液抽取的动脉接入装置1(在这里采用动脉针的形式)、连接导管部分2a和连接器C1a。该连接系统C还包括用于血液再引入的静脉接入装置14(在这里采用静脉针的形式)、连接导管部分12b以及连接器C2a。连接器C1a、C2a被设置成提供与回路20中的对应连接器C1b、C2b的可释放或永久性接合,以分别形成回路20与动脉针1和静脉针14之间的血液路径。连接器C1a、C1b、C2b、C2b可以是任何已知的类型。
在所示的示例中,体外回路20包括连接器C1b、动脉导管部分2b以及可以为蠕动型的血泵3,如图1所示。在泵的入口处有压力传感器4a(此后称为动脉传感器),该压力传感器测量动脉导管部分2b中的泵之前的压力。该血泵3经由导管部分5将血液推动至透析仪6的血液侧。在许多透析机中,该回路20附加地设置有测量血泵3与透析仪6之间的压力的压力传感器4b。血液经由导管部分10从透析仪6的血液侧通向静脉滴注室或除气室11,接着从那里经由静脉导管部分12a和连接器C2b返回至连接系统C。压力传感器4c(下面称为静脉传感器)被设置成测量透析仪6的静脉侧的压力。在所示的示例中,压力传感器4c测量静脉滴注室11中的压力。动脉针1和静脉针14这两者通过血管通路而连接至人或动物患者的心血管系统。该血管通路可以是任何合适类型,例如,瘘管、斯克里布纳分流器(Scribner graft)、移植物等。根据血管通路的类型,可以代替针使用其它类型的接入装置,例如,导管。
在此,体外回路20的“静脉侧”指位于血泵3的下游的血液路径的一部分,而体外回路20的“动脉侧”指位于血泵3上游的血液路径的一部分。在图1的示例中,静脉侧由导管部分5、透析仪6的血液侧、导管部分10、滴注室11以及导管部分12a组成,动脉侧由导管部分2b组成。
该透析机还包括透析流体回路35,该透析流体回路35仅在图1中部分地示出,并被操作以制备、调节透析流体,并使该透析流体经由导管部分15、16循环通过透析仪6的透析流体侧。
在图1中,此外还设置有控制单元23,以通过控制血泵3的转速来控制回路20中的血流。
监视/监测装置25连接至透析机并且被配置成监测患者的心血管系统的特性。在图1的示例中,监视装置25电连接成接收来自压力传感器4a-4c中的一个或更多个的测量数据。如以下部分中详细描述的,该监测基于心脏脉冲,这些心脏脉冲在测量数据中被识别并且被分析以计算表示患者的心血管特性的一个或更多个参数的值。
如图1所示,装置25还可以连接至控制单元23。另选地或者另外地,装置25可以连接至泵传感器26,如旋转编码器(例如,导电式、光学或磁性的)等,以指示血泵3的频率和/或相位。装置25系接至或无线地连接至本地或远程装置27,以基于所计算的值(或根据所计算的值推论的诊断)生成可听/可视/可触知的警报或警告信号,来显示所计算的值和/或存储由装置25生成的所计算的值。监视装置25和/或警报/显示/存储装置27可以合并为透析机110的一部分,或者作为独立的组件。
应当明白,监视装置25可以执行任何数量的其它功能。监视装置25可以例如执行安全功能,其中,监视装置25获取并分析透析机中的许多专用或通用传感器的输出信号,以识别或预防一个或更多个故障条件。一个这种故障条件是从血管通路移出静脉接入装置1或动脉接入装置14,即,该接入装置从患者的心血管系统松开。另一故障条件是静脉接入装置1或动脉接入装置14典型地分别因连接器C1a、C1b和C2a、C2b破裂/有缺陷的耦接/拆开而从回路20断开。
在图1的示例中,监视装置25包括输入/输出(I/O)部28,该输入/输出部用于对来自包括在透析机中或者另外与透析机相关联的各种传感器的测量数据进行采样,并且用于向包括在透析机中或者另外与透析机相关联的各种组件发送控制信号。I/O部28还可以被配置成对测量数据进行预处理。例如,I/O部28可以包括具有所需的最小采样率和分辨率的A/D转换器以及一个或更多个信号放大器。一般来说,测量数据是数据样本的时间序列,各个数据样本表示瞬时传感器值。I/O部28生成多个测量信号(例如,一个或更多个压力信号),这些测量信号作为输入被提供给执行对心血管特性进行实际监测的数据分析部29。根据实现,监视装置25可以使用数字组件或者模拟组件或者它们的组合,以获取、处理以及分析测量数据。
II、心脏脉冲分析
本发明的实施方式涉及用于监测连接至体外回路的患者的心血管系统的一个或更多个特性的技术。该心血管系统是在患者体内分送血液的循环系统,并且由心脏、血液以及血管形成。下面,所监测的特性被表示为心血管参数的值,其由此涉及患者的心脏或血管的特性。在特定的实施方式中,该参数值可以表示血管的动脉状态(动脉僵硬度)、血管的钙化程度以及血管通路的状态中的一个或更多个。在其它实施方式中,该参数值可以表示心率变化性(HRV)、心率(HR)、心率扰动(HRT)、异位搏动率(异位搏动计数,EBC)或异位搏动源(例如,心房/心室)中的一个或更多个。
如图1例示的,该体外回路20可以连接至患者的心血管系统,以使来自该患者的血液循环通过血液处理装置6并返回至该患者。基于对监测信号的“心脏脉冲分析”来监测该心血管特性。该监测信号源自从体外回路中(或接合至体外回路)的压力波传感器获取的测量信号。压力波传感器被设置成检测源自患者的心搏的压力波。如在此使用的,“压力波”是采用通过材料或物质行进或传播的扰动的形式的机械波。在以下示例的上下文中,压力波按典型地处于大约3m/s-20m/s的范围中的速度,在从心脏向压力波传感器延伸的流体系统中传播,该压力波传感器与该流体系统直接或间接液压接触。具体来说,压力波在从心脏起延伸的血液路径中传播通过心血管系统的一部分、连接系统C,接着进入体外回路20中。
压力波传感器生成形成针对各个压力波的压力脉冲的测量数据。“压力脉冲”由此是限定时间相关测量信号(“压力信号”)内的信号幅度的局部增加或减少(根据实现)的一组数据样本。对应地,“心脏脉冲”是源自患者心搏的压力脉冲。一般来说,心脏脉冲按与心脏的搏动速率成比例的速率出现。
该压力波传感器可以是任何可想到的类型,例如,根据电阻性、电容性、电感性、磁性、声学或光学感测操作,并且使用一个或更多个隔膜、波纹管(bellow)、波登管(Bourdon tube)、压电组件、半导体组件、应变计、谐振线、加速度计等。例如,该压力波传感器可以实现为常规压力传感器、生物阻抗传感器、光电容积描记仪(PPG)传感器等。
在图1的示例中,体外回路20中的现有压力传感器4a-4c中的任一个都可以被用作压力波传感器。
该压力波传感器还可以检测源自除了患者心脏以外的其它脉冲发生器的压力波。这些其它脉冲发生器由此生成压力信号中的干扰脉冲。
这些干扰脉冲可以源自血液处理设备中的泵和其它机械脉冲发生器,例如,源自体外回路20或透析流体回路35中的泵和其它机械脉冲发生器。这种类型的干扰脉冲在以下描述中统指“压力伪像”或“泵脉冲”。
图2(a)示出了时域中压力信号的示例,图9(b)示出了对应的能量谱密度,即,作为频率的函数的信号振幅。该压力信号从图1中的体外回路20中的静脉压力传感器4c获取。该能量谱密度展现了所检测的压力信号包含源自血泵3的多个不同的频率分量。在所示的示例中,存在处于血泵的基频(f0)(在该示例中在1.5Hz)及其谐波2f0、3f0以及4f0处的频率分量。基频(下面还称作泵送频率)是在体外血流回路中产生脉冲波的泵冲程的频率。例如,在图1所示的类型的蠕动泵中,针对转子3′的每个完整旋转产生两个泵冲程,即,每个转子3a、3b一个泵冲程。图2(b)还指示了在泵送频率的一半(0.5f0)及其谐波处(在该示例中,至少为f0、1.5f0、2f0和2.5f0)存在的频率分量。图2(b)还示出了心脏信号(在1.1Hz),该示例中的心脏信号比基频f0处的血泵信号弱大约40倍。在图2的示例中,该压力信号由此包含心脏脉冲和泵脉冲,并且压力信号中以泵脉冲为主。
另选地或者另外地,这些干扰脉冲可以源自患者受检者(心脏除外)中的一个或更多个生理现象。这种生理现象可以是偶然性的、重复性的或循环性的(即,周期性的)。偶然性的生理现象包括反射、打喷嚏、自主肌肉收缩以及非自主肌肉收缩。周期性的生理现象包括呼吸(breathing)(呼吸(respiration))系统、用于血压调节的自主系统以及用于体温调节的自主系统。
如上说明的,该监测处理作用于一个或更多个“监测信号”。在一个实施方式中,从压力波传感器获取的压力信号被用作监测信号。然而,如果该压力信号包含干扰脉冲,则该监测信号可以通过处理该压力信号以去除或至少抑制这些干扰脉冲,同时基本上保留心脏脉冲来获取。适当地,该信号处理获得包含心脏脉冲的监测信号并且基本上没有干扰脉冲。“基本上没有”指的是从压力信号中去除干扰脉冲,以达到能够检测并分析心脏脉冲以用于监测目的的程度。下面,在III-V部分中,对用于去除/抑制干扰脉冲的不同信号处理技术进行讨论。
图3是包括在监测处理的实施方式中的心脏脉冲分析的流程图。在所示的示例中,心脏脉冲分析通过步骤302–312的序列来迭代。各个迭代作用于监测信号中的评估片段,并得到表示患者的心血管特性的参数值。由此,连续监测(重复迭代)典型地涉及基于监测信号中的评估片段的时间序列来计算参数值的时间序列。这些评估片段在时间上可以交叠或者不交叠。
在步骤302中,该处理输入来自监测信号的评估片段。该评估片段对应于监测信号中的时间窗,该时间窗可以被选择成包括一个心脏脉冲的至少一部分。在以下示例中,假定该时间窗被选择成使得各个评估片段包括心脏脉冲的序列,即,两个或更多个心脏脉冲。
在步骤304中,该处理输入指示针对评估片段中的各个心脏脉冲的时间点的时序数据(在此还指“主时序数据”)。该主时序数据可以例如被表示为心脏脉冲的出现时间的序列或者心脏脉冲之间的时间差的序列。下面,在VI部分中,对用于获取主时序数据的不同技术的示例进行描述。
在步骤306中,基于主时序数据来处理评估片段,以提取针对该评估片段中的各个心脏脉冲的形状数据。主时序数据被用于确定评估片段中的各个心脏脉冲的位置。该形状数据可以表示心脏脉冲的任何形状特征。可以提取的形状特征的示例包括心脏脉冲的振幅/幅度(例如,脉冲的最大振幅或者脉冲下的积分区域)、心脏脉冲内局部最大值/最小值的数量、心脏脉冲中第一最大振幅与第二最大振幅(假设存在两个或更多个局部最大值)之间的比率、心脏脉冲的上升时间(例如,到达最大值的时间)、心脏脉冲的下降时间(例如,从最大值器下降的时间)、心脏脉冲的指数式衰减(例如,通过拟合至心脏脉冲的后端的指数函数获得)、心脏脉冲的宽度(例如,在最大振幅的指定百分比处)等。在进一步的变型例中,该形状数据是心脏脉冲的整个时间信号轮廓的表示,例如,指定为评估片段中的信号值的子集、这些信号值的上采样(up-sampled)或下采样形式或者拟合至信号值的曲线。
在步骤308中,评估片段中的各个心脏脉冲基于形状数据和/或主时序数据来分类。如果仅使用主时序数据,则可以省略前一步骤306。该分类的目的在于识别心脏脉冲当中的异位搏动,即,确定各个心脏脉冲是源自正常心搏还是源自异位搏动(或者可能地,确定心脏脉冲既不源自正常心搏也不源自异位搏动)。由此,步骤308可以得到包含搏动类别的分类数据:例如,[正常,异位]或[正常,其它]或[正常,异位,其它]。还可想到的是,该分类可操作为区分不同类型的异位搏动(例如,心房或心室的),并且分类数据可以包含对应的搏动类别。应当明白,一个搏动类别可以是固有的,以使得缺乏针对心脏脉冲的分类将暗指该心脏脉冲的特定搏动类别。
在步骤310中,针对各个心脏脉冲的分类数据被用于计算各自表示患者的心血管特性的一个或更多个参数值。
在步骤312中,输出该参数值,并且处理返回至步骤302以进行新的迭代。
本发明的实施方式还涉及实现监测的监视装置(例如,图1中的装置25)的结构。图4是用于例示这种监视装置25的实施方式的框图。该装置25包括数据获取部400,该数据获取部被配置成对来自例如体外回路20(图1)的静脉压力传感器4c的数据采样,并生成压力信号。数据分析部29包括接收并处理压力信号以生成监测信号的模块401。该监测信号包含心脏脉冲,并且合适地基本上没有干扰脉冲(如泵脉冲和来自除心脏以外的其它生理现象的脉冲)。例如,模块401可以被配置成实现用于下面在III-V部分中描述的信号处理、或另一信号处理的任何实施方式。数据分析部29还可以包括模块402,该模块402顺序地获取来自模块401的评估片段,并且生成针对该评估片段中的各个心脏脉冲的形状数据(例如,根据图3中的步骤306)。模块402使用主时序数据,该主时序数据(在这个示例中)经由数据获取部400输入。模块403被设置成作用于主时序数据和来自模块402的形状数据,以例如根据图3中的步骤308,生成针对评估片段中的各个心脏脉冲的分类数据。模块404被配置成基于(在这个示例中)来自模块403的分类数据、从模块401获取的评估片段以及主时序数据来计算心血管参数值。由此,模块404可以例如实现图3中的步骤310。该装置25还包括数据输出部405,该数据输出部405接收并输出该参数值。应当明白,数据获取部400和数据输出部405可以形成图1的I/O部28的一部分。要强调的是,图4中的数据的使用和流动仅出于例示的目的而给出。例如,模块403可以作用于形状数据或主时序数据或者这两者,以生成分类数据。在另一个示例中,模块404可以在存取或者不存取主时序数据的情况下作用于形状数据而不是评估片段(或者除了作用于评估片段以外),以生成心血管参数值。在又一个示例中,模块404可以单独作用于主时序数据和分类数据。
在图4中,数据获取部29还包括脉冲预测模块410,该脉冲预测模块实现用于获取作为在体外回路中生成的泵脉冲的预测时间轮廓的脉冲轮廓的步骤。脉冲预测模块410可以作用于来自数据库DB(基准库)的数据。所得到的脉冲轮廓可以提供给模块401,该模块401可以被配置成使用用于时域滤波的脉冲轮廓,如下面将在III-V部分中详细描述的。
数据分析部29和由此的模块401-404以及410可以通过由处理装置(如通用或专用计算机装置或经编程的微处理器)执行的软件指令来实现。然而,可想到的是,如本领域公知的,一些或全部模块完全或部分通过专用硬件(如FPGA、ASIC或离散电子组件(电阻器、电容器、运算放大器、晶体管等)的组装件)来实现。技术人员认识到模块400-405、410不需要彼此直接检索/提供数据,而是相反,可以存储和检索来自中间电子存储部(如计算机存储器)的数据。
下面,对分类步骤308(并由此对模块403中的功能的至少一部分)和参数计算步骤310(并由此对模块404中的功能的至少一部分)的不同实施方式进行例示和更详细描述。
心脏脉冲的分类(步骤308/模块403)
心脏脉冲的分类可以按照许多不同方式(例如借助于主时序数据和/或形状数据)来进行。
使用主时序数据
在平静状态下的健康者,心律的变化(心率变化,HRV(Heart Rate Variability))可以为15%那么大。非健康者可经历严重的心脏状况,例如心房纤维性颤动和室性异位搏动,这可能导致20%以上的HRV和室性异位搏动,其中对于室性异位搏动,HRV可能超过60%。这些心脏状况在例如透析患者中并非罕见。由此,不同的心脏脉冲的标注可以基于涉及心律的分类标准。
例如,表示心脏脉冲的出现时间的主时序数据可以被用于检查心脏脉冲之间的时间间隔是“正常”还是“异常”。为了确定时间间隔是正常还是异常,可以使用基于间隔的准则,其中,该准则例如可以被定义成如果一间隔比以前的间隔的均值大20%,则将该间隔分类为异常。如果该时间间隔被确定为异常,则可以将关联心脏脉冲分类为异位。
使用形状数据
如果该形状数据是相应心脏脉冲的整个时间信号轮廓(称为“心脏脉冲轮廓”)的表示,则可以通过将该心脏脉冲轮廓匹配至一组模板,而将各个心脏脉冲轮廓分类为源自正常心搏或异位搏动。该组模板可以表示不同搏动类别的一个或更多个时间信号轮廓(形状),并且该匹配可以利用包括互相关的任何合适卷积方法来进行。接着,可以基于该匹配的结果(例如,最大相关系数),来将该心脏脉冲轮廓按可用搏动类别之一分类。如果希望,各个心脏脉冲轮廓可以进行线性相位、带通滤波,以便去除对于分类来说不太必要的频率(例如,利用分别具有1Hz和35Hz的截止频率的3-dB滤波器)。上述模板典型地被固定并预定。
因为异位脉冲在形状上可能改变很多,所以希望可以允许使用不固定和预定的模板。在这种变型例中,心脏脉冲轮廓利用基于互相关(CC)的方法(或任何其它卷积方法)来分类,该基于互相关的方法涉及心脏脉冲轮廓和评估片段中的相应心脏脉冲之前的局部信噪比(SNR)的度量。CC方法可以自适应,并且通过利用评估片段中的第一心脏脉冲轮廓作为模板来初始化。随后,可以通过计算对应的CC系数来比较当前心脏脉冲轮廓与当前一组模板,其中,各个系数通过相对于当前一组模板中的各个模板移位当前心脏脉冲轮廓直到发现最佳相关为止来计算。当CC系数下降得低于SNR相关阈值时,可以根据当前心脏脉冲轮廓来创建新模板。可以连续更新和测量SNR,作为包含在评估片段中的相应心脏脉冲之前的间隔中的经高通滤波的样本的均方根值(或等效值)。被分类与当前模板类似的心脏脉冲轮廓通过例如利用具有遗忘因子的指数平均的平均来更新该模板。
应当明白,各个心脏脉冲轮廓的仅一部分可能与上述变型例中的任一个中的模板组匹配。
如果针对各个心脏脉冲的形状数据包含N个不同的形状特征(N≥1),则该心脏脉冲可以在由N个不同的形状特征扩展的N维空间中表示。不同类型的心脏脉冲(例如,源自正常心搏、不同的异位搏动以及可能源自其它搏动结构)可以在该N维空间中形成独特的或者至少可区别的群集。由此,各个心脏脉冲的形状数据可以限定N维空间中的指定位置,并由此,可以基于从该位置至不同群集的距离来对心脏脉冲进行分类。例如,该心脏脉冲可以被赋予N维空间中的最近群集的分类(根据任何合适度量来赋予)。当然,可以存在其它方法来基于形状数据中的(对于例如基于特征提取的经典分类理论的领域的技术人员显见的)形状特征来分类心脏脉冲。
技术人员还认识到,可以使用主时序数据和形状数据的组合,以便例如通过在N维空间中包括主时序数据(或由其导出的特征),或者通过利用主时序数据以易于/改进匹配或CC计算,来分类心脏脉冲。
参数值的计算(步骤310/模块404)
图5还例示了参数值的计算,图5例示了可以基于先前分类步骤(图3中的308)的结果来执行的不同的计算过程。如果该分类数据指示在评估片段中不存在异位脉冲,则判定步骤502引导计算处理执行计算过程504、506以及508中的一个或更多个。如果该分类数据指示在评估片段中存在异位脉冲,则引导计算处理执行计算过程510、512、514中的一个或更多个。
概念上,判定标准502还涉及生成次时序数据的步骤,该次时序数据指示要在计算过程504-516中使用的心脏脉冲的时序。在多数例示的计算过程中,该次时序数据与主时序数据相同。在这些情况下,如果已经获取了主时序数据(例如,在图3的示例中的步骤304中),则该主时序数据可以被用作次时序数据;否则,如果在特定计算过程中需要,则可以根据在VI部分中给出的示例来获取次时序数据。然而,如以下所描述的,在计算过程514的特定实现中,可以生成次时序数据,以替换在计算参数值时的主时序数据。因为计算参数值的步骤310涉及步骤502,该步骤502分析该分类数据并生成次时序数据,所以可以说,步骤310涉及基于分类数据来生成次时序数据而与下游计算过程无关的预备步骤。
如图5所示,计算过程504、510以及512都涉及将正常心脏脉冲(过程504和510)或者异位心脏脉冲(过程512)平均化的步骤。这种平均化过程可以涉及利用次时序数据(并且在过程512中,涉及分类数据),以从评估片段提取一组心脏脉冲片段(各个心脏脉冲片段典型地包含单个心脏脉冲),基于次时序数据在时域中将心脏脉冲片段对齐以及基于在时域中针对各个时间值的对齐的信号值来生成平均表示。如果该形状数据采用心脏脉冲轮廓的形式,则可以对这些心脏脉冲轮廓而不是对心脏脉冲片段进行平均化处理。各组所对齐的信号值例如可以被处理,以生成和、平均值或中值。技术人员认识到,还存在用于处理所对齐的信号值以实现平均表示的等效方法。图5还指示计算过程504、510以及512中的每一个与计算过程516相组合,该计算过程516执行针对该平均表示的心脏形状分析以生成参数值。还应明白,该平均表示可以在心脏脉冲分析(参照图3中的300)期间重复地计算,得到平均表示的序列,各个平均表示得到一心血管参数。可以组合任何数量的心脏脉冲(两个或更多个)以生成该平均表示。在特定实施方式中,该平均表示可以通过组合在大部分处理期期间(例如,在几个小时期间)获取的心脏脉冲来获取。
计算过程506涉及对评估片段中的(正常)心脏脉冲的心率变化性(HRV)分析。计算过程508涉及对评估片段中的(正常)心脏脉冲的心率(HR)分析。计算过程514涉及对评估片段中的异位心脏脉冲的异位搏动分析。
下面,对计算过程506、508、514以及516中的每一个进行更详细的例示。
HRV分析(计算过程506)
心率中的变化利用可广泛接受的术语心率变化性(HRV)来描述。心率受导致心率改变的副交感神经和交感神经活动影响。由此,对HRV的分析是一种用于导出与患者中的ANS(自主神经系统)的状态有关的信息的有用的非侵害性工具,该信息反映了副交感神经活动与交感神经活动之间的平衡。
存在用于特征化HRV的两种主要方法,即,时域方法和频域方法(还称为频谱分析)。
时域方法提供一种简单方法来存取心率的自主神经张力(autonomic tone)。大量的参数值可以通过按各种方式应用针对心脏脉冲之间的时间差(定义为RR间隔)的均值和标准偏差(例如,正常至正常RR间隔的标准偏差(还已知为SDNN)和5分钟正常至正常RR间隔均值的标准偏差(还已知为SDANN))来获取。用于计算参数值的其它时域方法基于相邻RR间隔之间的差别,如pNN50(该差别>50ms的RR间隔的比例)和pNN6.25%(该差别为均值心脏时段的6.25%的RR间隔的比例)。在许多时域参数之间存在大的正相关。
其它时域方法是所谓的几何方法,例如,直方图和庞加莱(Poincaré)标绘图。常用的直方图包括RR间隔持续时间的样本密度直方图和连续RR间隔之间的差异的样本密度直方图。所谓的庞加莱标绘图分析是公知的用于评估HRV的动力学的非线性时域方法。庞加莱标绘图是时间系列进入笛卡儿平面的表示,其中,各个RR间隔被标绘为前一RR间隔的函数。对庞加莱标绘图的分析可以通过对标绘图的形状和几何形状的简单可视检查来执行。对HRV的量化分析可以通过将二维标绘图转换成各种一维视图(例如,通过将椭圆拟合至标绘图形状)来获取。如果应用该技术,则可以获取三个流行参数值:瞬时搏动至搏动RR间隔变化性的标准偏差(SD)(椭圆的短轴或SD1)、长期RR间隔变化性的SD(椭圆的长轴或SD2)以及轴比率(SD1/SD2)。
HRV的简单特征化由RR间隔血流速度图(即,作为搏动数的函数的RR间隔)来提供。因为血流速度图被观察为规则采样信号,所以接着根据离散傅里叶变换(DFT)容易地获取HRV参数值。然而,所得到的频谱估算未以Hz为单位来表达,因为血流速度图未按秒钟给出。如果代替地使用间隔函数(该间隔函数作为其出现时间的函数而根据RR间隔来定义),则可以按Hz来表达频谱估算。为了获取HRV的频谱估算,可能必须在使用DFT之前进行内插和再采样,因为该间隔函数通常为不规则采样信号。另选的是,可以采用用于不均衡采样信号的技术,例如,伦(Lomb)方法。
用于导出对HRV的估算的另一方法基于逆间隔函数,即,作为其出现时间的函数的瞬时心率(RR间隔的倒数)。心率的连续表示(即,心率信号)可以通过对逆间隔函数进行内插来获取。对心率信号进行再采样跟着使用DFT生成对HRV的估算。通常使用心率信号,以便获取对HRV的估算。心率信号的再采样形式可以按快速且容易的方式来获取。另选的是,针对不均衡采样信号的技术可以直接针对逆间隔函数采用。
用于HRV分析的又一方法是采用基于模型的方法,该方法基于窦房结的特定生理特性。一种这样的方法是心脏时序(HT)信号,其基于公知的积分脉冲频率调制(IPFM)模型。
如前提到,在执行频谱分析之前,重要的是考虑因心脏的生理特性而造成的心率信号的局限性。心率通常为不规则采样信号,其中,该心率本身是采样率。因此,至少对于使用搏动出现时间的HRV方法来说,所有频域方法都应当考虑在大约一半均值心率处的混叠。在具有60bpm(或者等效于1Hz)的均值心率的评估片段中,不应分析0.5Hz以上的频率。该频谱通常被划分成两个子频带:低频(LF)频带(0.04Hz-0.15Hz)和高频(HF)频带(0.15Hz-0.40Hz)。通常使用附加子频带:甚低频(VLF)频带(低于0.04Hz)。
呼吸活动以及血压和体温调节按心率中的自发变化产生振荡行为。呼吸峰值通常在范围为0.2Hz-0.4Hz的间隔中出现,由此影响HF频带。LF频带受具有大约0.1Hz的血压峰值的压力感受性反射影响,并且可以在VLF频带中发现根据体温调节的峰值。该振荡行为(尤其是来自血压和体温调节的振荡行为)通常不太显著,以显出频谱中的峰值。因自主平衡的变化而造成的对HRV的影响已经在多项研究中进行了研究,主要结论是,LF频带受交感性活动影响,而副交感神经活动影响HF频带。这还在图7中进行了例示,图7示出了通过将第七阶自回归(AR)模型拟合至在(a)静止条件和(b)90度直立倾斜期间从正常受检者获得的心率信号而获取的功率谱。直立倾斜增加了交感神经活动,如由0.1Hz处的增加峰值所反映的。0.25Hz处的峰值可以归因于如受副交感神经活动控制的呼吸。由此,谱功率比率(所谓LF/HF比率)反映了自主平衡。频谱的总功率等于对应时域信号的方差,进而与时域变量SDNN相关联。而且,该时域变量pNN50与HF功率相关联。
心率变化性在各种医学领域具有重要的临床意义,尤其是在心脏相关疾病领域方面。如上提到,正常心率与钟表机构规律性不相关联,而是与例如因呼吸、运动以及物理或精神性应激而造成的变化性相关联。不存在这种变化性被证明是急性心肌梗塞(包括所有死因死亡率(all-cause mortality)、心脏纤维性颤动以及心源性猝死)后的不利后果的有效预测。与正常控制相比,心率变化性在急性心源性猝死幸存者中也显著减少。而且,公知的是,HRV在具有心力衰竭的患者中减少,并且HRV在心脏移植之后的患者和其它心血管疾病中改变。HRV在胎儿监测中的临床重要性完全被接受。胎儿心脏的HRV是胎儿健康的最可靠指示,例如,监测胎儿ANS发育或胎儿行为状态(安静或有效睡眠(active sleep)、存在或不存在呼吸运动)。心率变化性分析还被用于很可能影响心血管系统的非心脏性失调(如在糖尿病患者中用于诊断目的),以及用于诸如变老、阿尔茨海默氏症(Alzheimer’s disease)、南美锥虫病(Chagas’disease)的宽泛范围中。
还结合血液透析对心率变化性进行了广泛研究。研究已经表明血液透析患者的HRV的减少,并且减少的HRV在长期血液透析患者中可能具有独立预报值,因为可以识别具有针对所有死因死亡率和急性心源性猝死的增加风险的患者。已经研究了血液透析期间的自主机能障碍以及血液透析患者的HRV的确定因素。还研究了血液透析期间HRV与血压之间的关系。然而,关于正好在低血压事件之前和期间出现的ANS的活动的变化所知甚少。在低血压倾向和耐低血压尿毒症患者中,大部分注意力都集中于LF/HF比率。已经有结论,LF/HF比率可以被用作血液透析患者的低血压标记,因为LF/HF比率的显著增加在没有低血压的透析期期间被观察,而在虚脱时,LF/HF比率在低血压期间显著下降。还提出了,LF/HF比率可以揭示具有不同低血压倾向的人群之间的差异,进而获得对透析期间自主控制的深入了解,并且提供用于区分低血压倾向与耐低血压患者的有用索引。
本发明人还认识到,即使已经在监测信号中去除了对应干扰脉冲,在步骤506中经由HRV获取的HRV度量也包括来自泵和血液处理设备中的其它机械脉冲发生器的扰动。源自心脏的压力波的传导时间受传送压力波的血液管路中的平均压力影响。例如,因为该平均压力根据血泵3的泵冲程来调节,所以HRV度量可以包括因泵的操作而造成的传导时间变化。在一个实施方式中,心脏脉冲分析包括补偿步骤,该补偿步骤被设计成全部或部分补偿血泵(和其它机械脉冲发生器)对所得到的HRV度量的影响。这种补偿步骤可以按许多不同方式实现。
在一个实施方式中,在时域中进行补偿,并且涉及调节从监测信号导出的主时序数据(心脏脉冲的出现时间)。该调节可以借助于相关血液管路中的当前绝对压力(例如,从压力传感器4a-4c中的任一个获取的)来进行。该绝对压力影响脉冲的传导时间,由此,可以例如借助于将绝对压力与传导时间关联的查寻表来及时调节该出现时间。在补偿步骤之后,HRV度量可以利用时域或频域方法来计算。
在另一实施方式中,获取表示HRV扰动的补偿度量,作为血泵停止时的第一时段和血泵运行时的第二时段中的所计算的HRV度量之间的差异。可以计算HRV扰动的能量/幅度和频率内容两者。该补偿度量可以例如在处理期开始时和/或在处理期期间通过间歇地停止血泵来获取。
在另一实施方式中,该补偿度量在实验室设置中获取,该实验室设置允许在血泵运行时以恒定速率(即,没有HRV)生成心脏脉冲。在该实验室设置中,因为所计算的HRV度量单独因血泵而造成,所以补偿度量可以通过在针对指定恒速心率的不同血流处计算HRV度量来获取。在处理期间,将补偿度量从所计算的HRV中减去,其中,该补偿度量基于例如根据控制单元23(图1)的设置值或者根据泵传感器26的输出信号给出的当前血液流率来选择。
在又一实施方式中,该补偿度量在处理期间获取,作为在时间上接近的两个不同血液流率处的所计算的HRV度量之间的差异。这两个HRV度量之间的相似性为“真实的”HRV,并且该差异因血泵而造成。
在另一实施方式中,该补偿度量在处理期间通过比较基于根据来自静脉传感器4a和动脉传感器4c(图1)的同时获取的测量数据而生成的监测信号计算出的HRV度量来获取。应当明白,血泵在静脉管路和动脉管路中不同地影响传导时间,并且HRV度量之间的差异指示HRV扰动。
在又一实施方式中,该补偿涉及例如基于血泵的速度和当前心率来估算受血泵影响的一个或更多个频带。接着,在利用频域方法计算HRV度量时,可以不理会(抑制)频带中的能量。
HR分析(计算过程508)
心率可以根据上面结合HRV分析给出的描述来计算。可以计算该参数值,以表示例如在预定时段(例如,在一个评估片段内,或者在多个评估片段)的平均心率和/或瞬时心率。
异位搏动分析(计算过程514)
该异位搏动分析514可以涉及一个或更多个计算过程602、604、606、608,如图6例示的。计算过程602涉及修正评估片段中的异位搏动的处理和执行对这样修正的评估片段中的心脏脉冲的心率变化性(HRV)分析的处理。HRV分析可以根据上述计算过程506来执行。计算过程604还涉及修正评估片段中的异位搏动的处理和执行对这样修正的评估片段中的心脏脉冲的心率(HR)分析的处理。HR分析可以根据上述计算过程508来执行。计算过程606涉及对评估片段中的异位脉冲的异位搏动计数(EBC)分析。计算过程608涉及基于评估片段中的异位脉冲的心率扰动(HRT)分析。
下面,对计算过程602和604的异位搏动修正以及计算过程606和608进行更详细的例示。
异位搏动修正(计算过程602、604)
存在的异位搏动扰乱了由窦房结启动的冲激图案,由此在HRV和HR分析中引入了误差。这些误差由RR间隔系列中的、由与异位搏动相邻的RR间隔引入的冲激状伪像构成。延长的RR间隔、错过或错误检测的搏动引入了RR间隔系列中的类似冲激状伪像,从而意味着这些RR间隔既不能用于HRV分析也不能用于HR分析。因为异位搏动可以发生在正常受检者和有心脏疾病的患者两者中,所以它们的存在表示在对评估片段中的心脏脉冲进行频谱或时域分析之前应当处理的误差源。如果未经处理,则对包含异位搏动的RR间隔系列的分析可以导致具有寄生频率分量的功率谱。已经开发了多个技术来处理存在的异位搏动,所有技术都遵照应当仅处理具有偶然性异位脉冲的评估片段的限定。包含频繁异位脉冲或者更糟糕地包含一连串异位脉冲的评估片段扰乱了基本窦性节律,并由此应当被排除出进一步的分析。用于修正偶然性异位搏动的过分简单的方法是从该RR间隔系列中删除异常的RR间隔。然而,间隔删除不试图填充应当存在而没有出现异位搏动的间隔变化,并且结果,“修正的”间隔系列依然不太适于HRV和HR分析。然而,间隔删除可以在时域方法中成功采用,因为时域方法通常不使用搏动至搏动水平的变化。
用于异位搏动修正的其它技术努力再现应当存在而没有出现异位搏动的间隔变化。通常使用内插,以便按上述非基于模型的方法(例如,心率信号)来修正存在的异位搏动。在该修正技术中,在因异位搏动而造成的间隙上执行特定类型的内插,以便获取与正常心脏脉冲的相邻值对齐的值。通常采用低阶内插,其中,按覆盖与异位搏动相邻的受扰动信号值的间隔来执行内插。对存在的异位搏动的补偿还可以按上述基于IPFM的方法来获取。
由此,应当明白,因为消除或者至少减少了异位搏动的影响,所以异位搏动修正起作用以生成通常不同于主时序数据的次时序数据(参照图3中的步骤304)。
EBC分析(计算过程606)
异位搏动可以按照它们出现的频繁程度来分析,只是需要它们的出现时间是可用的。它们的出现时间通过分类数据(其识别异位心脏脉冲)结合次时序数据(其识别各个心脏脉冲的出现时间)而得出。
EBC分析可以检测异位搏动的出现时间的行为变化,即,强度变化。因为异位搏动的瞬间强度可以与大的方差相关联,所以可以将时间窗期间的均值强度用作参数。接着,通过在该评估片段上滑动该时间窗来执行分析。如果在该时间窗内假定固定的强度,则可以获取描述异位搏动的强度的按块(blockwise)更新趋势。
用于测量窗口内的异位搏动的强度的最容易的方式将简单地对该窗口内存在的异位搏动的数量进行计数。
表示异位搏动的强度的另一参数可以通过根据随机点处理或计数处理(其描述直到指定时间(即,该点处理的积分)为止的异位搏动的数量)对这些出现时间进行建模来获取。该计数处理可以通过最少信息统计分布(即,泊松(Poisson)过程)来进行建模。因此,相继的出现时间之间的间隔长度可以彼此独立,并且完全通过利用强度参数的指数概率密度函数(PDF)来表示特征。可以导出该强度参数的最大似然性估算(MLE),其表示异位搏动的强度。
HRT分析(计算过程608)
心率中的、跟随心室异位搏动(VEB)的短期波动被称为心率扰动(HRT)。在正常受检者中,该心率首先增加并接着恰好在VEB之后减小至基线。假设心率的增加是由于对因VEB诱发并且随后被压力感受器感测到的血压突然下降进行补偿而造成的。一旦恢复血压,心率就返回至基线,以便维持血压。受检者用于从血压的局部减小恢复的能力通过扰动的强度来反映。因为LF频带受压力感受性反射影响,并且血压峰值通常出现在大约0.1Hz,所以HRT的频谱内容通常处于LF频带(0.04Hz-0.15Hz)中。HRT的不存在反映了自主机能障碍。已经例证了HRT是对急性心肌梗塞后的死亡率的强有力预测。分析HRT同样在其它领域(例如,充血性心力衰竭、糖尿病以及血液透析患者的低血压)提供了相当大的潜力。
已经提出了用于HRT特征化的多个参数,其中,扰动发作(TO)和扰动斜率(TS)尤其最通常采用。图8是用于正常受检者的RR间隔血流速度图,其中,搏动数3和4是被VEB(耦合间隔和补偿暂停)诱发的缩短和延长RR间隔。在图8中,还例示了两个HRT参数TO和TS。
参数TO是心率中初始加速度的度量,而TS是心率返回至基线的减速度的度量。参数TO是根据VEB之前和之后的两个正常RR间隔的平均值的相对差限定的、围绕VEB的RR间隔的相对变化。因为TO测量了RR间隔的相对变化,所以TO的负值暗示VEB之后的心率加速,而正值暗示心率减速。参数TS根据在VEB之后的前15个RR间隔中的5个相继RR间隔期间观察到的最陡斜率来定义,参见图8。在计算TO和TS之前,根据可用VEB确定平均RR间隔血流速度图。多项研究已经表明,TS比TO在临床上更强大,例如,作为急性心肌梗塞后的死亡率的预测。然而,TS具有特定的缺陷。首先,TS在低信噪比(SNR)(即,当将很少的VEB用于平均化时或者在基础HRV相当大时)被过高估计。其次,TS导致HRT与心率之间的结构性相关。正由于TS的定义,低心率产生大的TS,而相反,高心率产生小的TS。
除TO和TS以外,已经提出了多个其它HRT参数,其中,多数与TO和TS密切相关,如组合TO和TS分析以及针对心率或平均搏动数的调节TS参数。而且,确定TS(即,观察到RR间隔的最陡斜率)的5个RR间隔序列的第一搏动数被称为扰动时序。TS的相关系数被定义为拟合至TS的5个RR间隔的回归线的相关系数。其它参数为被定义为相邻RR间隔之间的最大差的扰动跳跃以及量化TS与心率之间的相关性的扰动动力学。另一参数是将正弦函数拟合至补偿暂停之后的RR间隔而产生的扰动频率减小。已经对HRT与心率之间的关系进行了分析,其中,多项研究表明了它们之间的相关性;低心率与大HRT相关联,并且高心率与小HRT相关联。该相关性可能由于因VEB诱发的血压缩减程度受心率影响而造成。已经提出了HRT与心率之间的关系在被量化为扰动动力学(即,相关性的陡度)时具有诊断值;强相关性被认为是健康的。
而且,已经提出了广义似然比测试(GLRT)统计,以检测和特征化心率扰动(HRT),其中,一组卡亨南-拉维(Karhunen-Loève)基本函数对HRT进行建模。检测器结构基于扩展积分脉冲频率调制(IPMF)模型,该模型解释存在的异位搏动和HRT。在一个变型例中,该测试统计考虑有关HRT形状的先验信息,而另一变型例使用GLRT检测器,该GLRT检测器单独依赖信号子空间中包含的能量。
平均表示的心脏形状分析(计算过程516)
如结合图5提到,心脏形状分析可以针对正常心脏脉冲的平均表示或异位心脏脉冲的平均表示来执行。
正常心脏脉冲的平均表示
例如,可以使用正常心脏脉冲的平均形状,以便确定动脉僵硬度和/或钙化程度和/或流率。
动脉僵硬度:
心脏脉冲波形具有两个阶段:脉冲的上升沿和下降沿(升线和降线阶段)。心脏收缩主要与第一阶段相关联,而第二阶段与心脏舒张和来自周边的波反射相关联。具有健康顺从动脉的受检者在降线阶段通常具有重搏切迹(dicrotic notch)。图9(a)是健康年轻人的归一化平均心脏脉冲的、展示重搏切迹的标绘图。已经示出了,在健康受检者中,动脉的硬化/僵硬过程可能从生命的大约第一个或第二个十年开始,并且可能因包括肾病和糖尿病的医疗情况而加速。动脉僵硬度与高血压、中风危险度以及心脏病相关联。肾病患者的常见死亡原因是心源性猝死,其中,冠心病是最主要的原因。动脉僵硬导致重搏切迹和心脏脉冲信号中的更高谐波频率将要减少。由此,血管老化导致归一化心脏脉冲形状中的三角部分。这在图9(b)中进行了例示,图9(b)是老年肾病患者的归一化平均心脏脉冲的标绘图。
明显地,可以基于该平均心脏脉冲的形状来计算参数值,以表示动脉僵硬的程度。
钙化:
在透析患者中,钙化是常见的共病现象。在钙化与动脉僵硬度之间存在高度相关性,因为钙化可以导致动脉僵硬。由此,表示动脉僵硬度的参数值还可以用于表示钙化程度。
狭窄:
在钙化/动脉僵硬度与狭窄之间存在相关性。由此,表示动脉僵硬度的参数值还可以用于指示例如血管通路中狭窄的上升风险。
心血管流率:
监测心血管流量(特别是结合体外处理)可以提供许多益处。一种心血管流量是心输出量,其是心脏每分钟泵送到主动脉中的血量,即,受检者循环系统中的总血流量。监测心输出量例如可以结合透析而有益,因为在透析期间的水去除(即,超滤)可以缩减心输出量,这可以造成经历处理的受检者遭受低血压的风险增加。原因在于心输出量取决于返回至心脏的静脉血流量,其又可以在按比血管重填充率更高的速率进行超滤之后随着总血量的减少(相对血量减少)而减少。
连续或间歇测量心输出量在适当地调节超滤速率以缩减低血压风险方面是重要的。另外,处理或过长时段之间的心输出量变化可以是心脏状况的指示,心脏状况可能需求进一步的医学调查。另外,假设心血管系统的其它特性随着时间的过去而保持恒定,例如,未形成狭窄,校准心输出量测量可以保持有效,并且被用于监测心输出量的长期变化。
另一心血管流量是通路流量,其是经过血管通路的血流量。通路流量测量对于临床医生确定透析患者的血管通路是否能够提供充足血流量以允许适当的透析处理可能是重要的。正常情况下,通路流量测量利用专用设备有规律地进行(例如,一月一次),以便检测低值或下降趋势。这种指示可以催促医生通过血管成形术(angioplasty)或外科手术来执行通路介入,以减轻状况。
本受让人已经发现,体外回路中的压力变化可能因心血管系统中的压力和流量变化而造成。由此,例如心输出量和通路流量这两者的变化导致评估片段中的心脏脉冲的变化,例如显示为振幅、形状以及相位的变化。因此,通过监测体外回路中的压力变化并且使这些变化涉及相关心血管关系,可以确定表示特定心血管流率的参数值。这些变化可以针对评估片段中的单个正常心脏脉冲来监测,但还可以按平均表示来识别。
例如,已经发现心血管流率选择性地影响心脏脉冲的频率分量的阻尼和延迟,并且由此,影响正常心脏脉冲的形状。由此,指示心血管流率的参数值可以通过针对一组预定心脏信号轮廓映射正常心脏脉冲的平均表示来获取,各个预定心脏信号轮廓表示特定心血管流率。另选的是,该参数值可以根据该平均表示的幅度(例如,最大振幅)导出,因为该幅度可以与心血管流率成比例。
除了上述以外,还引用了2009年12月28日提交的题名为“Device and method formonitoring a fluid flow rate in a cardiovascular system”的美国临时申请No.61/290,319,并且通过该引用将其全部内容并入于此。
异位心脏脉冲的平均表示
例如,可以使用异位心脏脉冲的平均形状,以便确定异位搏动的源和/或动脉僵硬度和/或钙化程度和/或流率。
异位搏动的源:
平均异位脉冲的形状可以用于识别异位搏动的源,因为异位脉冲的形状被获知根据异位的源显著改变。和在心室异位脉冲(源自心室的异位脉冲)与正常心脏脉冲之间相比,在室上性异位脉冲(源自心房的异位脉冲)与正常心脏脉冲之间的形状方面通常存在更大的相似性。而且,不同心室异位脉冲的形状还可以根据心室中异位搏动开始而改变。异位脉冲的源可以根据上述基于形状数据的分类技术来确定。从医疗的观点来看,重要的是获知异位搏动的源。根据该源,可以采取不同的判定(例如,药物治疗、外科手术、追踪调查、继续附加测试),以便保证患者健康。
动脉僵硬度:
如同正常心脏脉冲,平均异位心脏脉冲的形状可以根据动脉的僵硬度而改变。该形状变化类似于平均正常心脏脉冲的形状变化,即,异位心脏脉冲信号中的更高谐波频率可以随着动脉僵硬度的增加而减少。
钙化:
在钙化与动脉僵硬度之间存在高度相关性,因为钙化可以导致动脉僵硬。由此,表示动脉僵硬度的参数值也可以被用于表示钙化程度。
狭窄:
在钙化/动脉僵硬度与狭窄之间存在相关性。由此,表示动脉僵硬度的参数值还可以被用于指示例如血管通路中的狭窄的上升风险。
心血管流率:
如同正常心脏脉冲,异位心脏脉冲的振幅、形状以及相位可以根据该流率而改变。由此,这些心血管特性可以按针对正常心脏脉冲的相同方式,基于异位心脏脉冲的平均表示来进行评估(尽管可以基于不同的标准来评估)。
III、压力信号的信号处理
这部分描述了用于去除/抑制通过对来自诸如图1中的透析机的装置中的压力波传感器的测量数据进行采样而获取的、压力信号中的泵脉冲的不同技术。更进一步,如上说明的,患者中的一个以上的生理现象可以引起压力信号中的压力脉冲。这种生理现象包括呼吸系统、用于血压调节的自主系统以及用于体温调节的自主系统。在特定情况下,由此可能希望处理该压力信号,以隔离其它生理脉冲当中的心脏脉冲。
图10是例示了根据本发明的实施方式的信号分析处理1000的步骤的流程图。这些步骤通过例如从静脉或动脉压力传感器(图1中的4a、4c)获取压力信号而开始(步骤1001),该压力信号包括多个压力波诱发信号分量。该信号分析处理可以划分成多个主要步骤:预处理步骤1002、信号提取步骤1003以及分析步骤1004。该预处理步骤1002包括消除或减少信号噪声,如偏移、高频噪声以及电源电压扰动。该信号提取步骤1003可以概念上分离成两个子步骤:消除或减少源自体外流体系统中(或与其相关联)的脉冲发生器的压力伪像(泵脉冲)(步骤1003′)和隔离源自心搏的压力数据(步骤1003″)。在本公开的上下文中,该信号提取步骤1003指示生成没有或基本上没有任何不想要的压力调制的时间相关信号(在此还称为“监测信号”)的处理。
应注意到,步骤1002、1003′、1003″可以按照任何次序执行,并且还应注意到,一个步骤的功能可以包括在另一步骤中。例如,全部或部分消除信号噪声和信号偏移(即,步骤1002)以及全部或部分消除压力伪像(步骤1003′)可以被包括在用于压力数据隔离的算法(步骤1003″)中。例如,可以按照从压力信号中消除信号噪声和/或信号偏移和/或压力伪像的方式来对该压力信号进行带通滤波或低通滤波以隔离心脏脉冲。而且,根据信号干扰的量和所得到的监测信号的所需质量,可以省略步骤1002、1003′以及1003″中的任一个。
在分析步骤1004中,应用专用信号分析算法,以提取参数值,举例来说,如在以上II部分中所述。由此,步骤1004可以对应于图3中的步骤302-310。在与图3中的步骤312相对应的步骤1005中,输出参数值。
下面,将对信号提取步骤1003的不同实施方式进行例证并进行更详细的描述。
消除伪像(部分1003′)
在最简单的情况下,在数据获取期间,在连接至患者的体外回路20(图1)中不存在泵或其它压力伪像源。例如,该血泵3已经被关闭。在这种情况下,可以省略步骤1003′。
然而,在一般情况下,在数据获取期间,运行有一个或更多个泵,或者存在其它的周期性源或非周期性源、重复的或不重复的伪像。有关周期性扰动的信息可以从外部源(例如,其它传感器(例如,图1中的泵传感器26))获知,或者可以根据系统参数来估计或重构。
周期性压力伪像可能源自操作一个或更多个血泵,并且进一步地,可能源自操作诸如透析流体泵的泵、瓣膜的重复性致动以及平衡室中的隔膜的移动。根据结合本发明的发现,伪像还可能源自系统组件的机械谐振(如血液管路的例如由泵激励的摇摆移动)。血液管路移动的频率通过导管长度及其谐波并且通过任何所涉及的频率之间(即,不同的自身振荡与泵频率之间)的差拍(beating)给出。这些频率可以在静脉线与动脉线之间不同。血液管路的机械固定和其它自由组件可以弥补机械谐振的问题。另选的是,可以指示操作人员触摸或摇动血液管路以识别与这些血液管路相关联的固有频率,该信息可以用于为了更好地去除不属于所关注的压力数据的组件而进行的分析。
非周期性伪像的示例是受检者移动、瓣膜致动、导管的移动等。
消除伪像例如可以通过以下步骤来提供:
-控制体外流体系统中的诸如泵的脉冲发生器
○通过临时关闭该脉冲发生器;
○移位脉冲发生器的频率;
-低通滤波、带通滤波或高通滤波;
-频谱分析和频域上的滤波;
-时域滤波。
控制脉冲发生器
可以通过临时关闭(禁用)脉冲发生器或者通过将脉冲发生器的频率移位以远离心搏的频率来避免来自体外回路中的诸如泵的脉冲发生器的伪像。
针对(例如,从附于患者的专用脉冲传感器获取的,或者经由对心脏脉冲分析的一个或更多个先前迭代中的HR分析而获取的(结合图5中的计算过程508或者图6中的计算过程604参照图3))心率的反馈控制可以被用于最佳地设置泵频率,以检测心脏脉冲。因此,可以操作图1中的控制单元23来控制泵频率,以便易于检测心脏脉搏,例如,可以控制泵频率以使泵脉冲与心脏脉冲之间在频率上的任何交叠最小化。例如,泵频率可以在交叠频率附近周期性地增加和减小,以保持总体血流速率。在变型例中,代替地控制泵频率,以使泵脉冲的速率与心脏脉冲的速率同步,同时在泵脉冲与心脏脉冲之间施加相位差。由此,泵脉冲和心脏脉冲将在时间上分离,并且心脏脉冲可以在时域中检测,甚至不需要去除泵脉冲。该相位差可以为大约180°,因为这可以在时域中使泵脉冲和心脏脉冲的分离最大化。这种所谓的锁相技术可以在检测到心脏脉冲的速率接近泵脉冲的速率时激活,反之亦然。
在一个实施方式中,监视装置25作为控制者进行操作,并由此能够指令控制单元23使血泵3的频率移位,或者临时关闭血泵3。在另一实施方式中,血泵3的控制独立于监视装置25来执行,例如,通过控制单元23或透析机中的另一控制器来执行,该控制单元23或透析机中的另一控制器在适当地控制了血泵3时,触发监视装置25针对压力信号执行信号分析处理1000。
应用低通滤波器、带通滤波器或高通滤波器
可以将去往步骤1003′的输入信号馈送到具有诸如频率范围和/或频率范围的中心的频率特性的例如数字的或模拟的滤波器中,而这些频率特性与由体外回路中的诸如血泵3(图1)的脉冲发生器产生的频率匹配。例如,在血泵工作在1Hz的频率范围内的情况下,可以应用合适的低通滤波器,以便去除高于1Hz的压力伪像,同时保留心脏脉冲的低于1Hz的频率分量。对应地,可以应用高通滤波器以保留高于该脉冲发生器的频率的心脏脉冲的频率分量。另选的是,可以利用一个或更多个陷波滤波器等,来去除/削弱一个或更多个限制范围中的频率。
频谱分析和频域中的滤波
去往步骤1003′的输入信号可以经受频谱分析,例如通过应用傅立叶变换技术(如FFT(快速傅里叶变换))来将该输入信号转换到频域中。接着,所得到的能量谱(振幅谱)可以乘以合适的滤波器函数,并接着重新变换到时域。存在技术人员可获得的许多另选和等同的滤波技术。
时域滤波
下面,在IV和V部分中进一步公开并例证了通过在时域中进行滤波的伪像消除。除了IV和V部分以外,还参照WO2009/156175,并通过该引用将其全部内容并入于此。
通过在时域中对压力信号进行滤波,即使伪像和心脏脉冲在频域中交叠或几乎交叠,并且即使心脏脉冲在振幅方面比伪像更小,也可以基本上消除伪像。“基本上消除”指的是从压力信号中去除伪像,以达到可以检测并分析心脏脉冲以用于监测患者的心血管特性的目的的程度。
频率交叠不是不可能的(例如,如果伪像和心脏脉冲中的一个或两个由多个频率或频率范围的组合构成)。
而且,伪像和心脏脉冲的频率、振幅和相位内容可随时间改变。例如,已知这种变化出现在心律中,如在以上II部分中说明的。
任何频率交叠使得不能或者至少难于通过频域中的常规滤波来去除伪像。而且,因为频率交叠可以随时间变化,所以频率变化可能使得更加难于成功去除伪像。即使没有任何频率交叠,频率变化使得可能难以在频域中定义滤波器。
更进一步,时域滤波使得可以针对单个心脏脉冲去除伪像,并由此,与在频域中滤波(其可能需要作用于压力信号中的伪像序列和心脏脉冲)相比,可以改进响应时间。
隔离来自心搏的压力数据(步骤1003″)
将源自一个或更多个心搏的压力数据隔离可以通过以下步骤中的任何一个或其组合来提供:
-低通滤波、带通滤波或高通滤波;
-频谱分析和频域中的滤波;或者
-时域滤波。
应用低通滤波器、带通滤波器或高通滤波器
可以将去往步骤1003″的输入信号馈送到具有诸如频率范围和/或频率范围的中心的频率特性的例如数字的或模拟的滤波器中,而这些频率特性与心脏脉冲的频率匹配。通常,这种滤波可以使范围在大约0.5Hz-3Hz的频率通过。
根据另选例,监视装置25被配置成至少部分基于例如在同一患者的早期治疗中获得的患者专属信息(patient-specific information)(即,该患者的现有数据记录),来设置滤波器的截止频率或多个频率。患者专属信息可以存储在监视装置25的内部存储器中、监视装置可访问的外部存储器上或者患者卡上,其中患者卡上的信息例如通过RFID(射频识别)无线传输至监视装置。
频谱分析和频域中的滤波
输入信号可以经受频谱分析,例如通过应用傅立叶变换技术(如FFT(快速傅里叶变换))来将该输入信号转换到频域中。接着,所得到的能量谱(振幅谱)可以乘以合适的滤波器函数,并接着重新变换到时域。存在技术人员可获得的许多另选和等同的滤波技术。
时域滤波
可以提取源自心搏的压力数据,作为自适应滤波器的误差信号。向自适应滤波器馈送输入信号和周期性扰动的预测信号轮廓这两者。该周期性扰动可以是来自任何其它生理现象(例如,呼吸)的一个或更多个压力脉冲。特别地讲,源自患者的呼吸系统的重构压力轮廓可以被输入至自适应滤波器。下面,在V部分中进一步公开并例示了用于从测量信号中去除不希望的信号分量的这种和其它时域滤波技术。虽然V部分涉及消除源自体外回路中的诸如泵送装置的脉冲发生器的压力伪像,但其同样适用于例如消除源自不希望的生理现象的脉冲,只要可以获得不希望的脉冲的预测信号轮廓即可。技术人员认识到这种预测信号轮廓可以按照等同于以下IV部分所述的那些方法的方法来获得。这种方法包括以下步骤:利用例如通过模拟或基准测量固定和预定的信号轮廓,利用基于基准测量间歇性地更新的信号轮廓,利用基于一个或更多个当前系统参数值从基准库获取的信号轮廓以及利用通过基于一个或更多个当前系统参数值来修改预定轮廓而获取的信号轮廓。该系统参数值可以涉及心脏/呼吸脉冲的速率。
IV、获取泵轮廓
这部分描述用于预测或估计在此讨论的系统构造中的任一构造中的泵脉冲的信号轮廓的不同的实施方式。预测的信号轮廓通常被指定为在与血泵3的至少一个完整泵周期(泵冲程)正常对应的时间段内的压力值的序列。
图11例示了针对图1中系统的预测的信号轮廓u(n)的示例,并且具体来说,针对从静脉压力传感器4c获取的压力信号的示例。由于血泵3是蠕动泵,其中,两个辊子3b、3b在转子3′的完整旋转期间与导管部分衔接,所以压力轮廓由两个泵冲程构成。例如由于在辊子3a、3b与导管部分之间衔接的轻微的不同,泵冲程可引起不同的压力值(压力轮廓P1、P2),并且因此可以期望预测的信号轮廓表示两个泵冲程。如果可以容许低精确度的预测的信号轮廓,例如,如果随后的去除处理(参见V部分)的输出是可接受的,则预测的信号轮廓可以仅表示一个泵冲程。
通常,预测的信号轮廓可以通过流体系统的数学仿真,在基准测量中,或者其组合来获得。
基准测量
用于获取预测的信号轮廓的方法的第一主要组(first main group),基于从系统中的压力波传感器(通常(但非必要)从同一压力波传感器)得来的时间相关的基准压力信号(“基准信号”),该同一压力波传感器提供要处理以去除泵脉冲的测量信号(压力信号)。在该基准测量期间,通过隔离压力波传感器与由心搏生成的脉冲波,来防止心脏脉冲到达相关压力波传感器。例如,可在启动阶段执行基准测量,在启动阶段,体外回路20与患者分离,并且通过血液管路泵入启动液。另选的是,基准测量可在使用血液或任何其它流体的模拟治疗中执行。可选的是,基准测量可能涉及将多个泵脉冲进行平均以降低噪声。例如,可在基准信号中识别多个相关信号片段,因此将这些片段对齐以实现在不同片段中泵脉冲的适当交叠,并接着将这些片段加在一起。识别相关信号片段可以至少部分地基于表示各个泵脉冲在基准信号中的预期位置的时序信息(“泵脉冲时序”)。泵脉冲时序可从泵传感器26的输出信号中、控制单元23的控制信号中或者来自压力传感器4a-4c中另一个的压力信号中的触发点获得。例如,基于触发点和产生基准信号的压力传感器之间的已知时间延迟,可以计算泵脉冲在基准信号中的预测时间点。在变型例中,如果泵脉冲是周期性的,则可通过识别基准信号与给定的信号电平之间的交叉点来识别相关信号片段,其中,相关信号片段被识别为在任何各交叉点对之间延伸。
在第一实施方式中,预测的信号轮廓在体外回路20连接至患者之前的基准测量中直接获得,并接着用作后续的去除处理的输入,其在监测处理期间执行(例如,图3中的心脏脉冲分析)。在这个实施方式中,因此假定,当体外回路20连接至患者时,预测的信号轮廓代表泵脉冲。适当地,在基准测量期间以及在监测处理期间使用相同的泵频率/速度。也期望其它相关系统参数保持基本上恒定。
图12是第二实施方式的流程图。在第二实施方式中,首先基于基准测量建立基准库或数据库(步骤1201)。得到的基准库通常存储在监视装置25的存储器单元中,例如RAM、ROM、EPROM、HDD、闪存等(参照图4中的DB)。在该基准测量期间,针对体外回路的多个不同的操作状态获得基准压力信号。每个操作状态由系统参数值的唯一组合表示。针对每个操作状态,生成基准轮廓以表示泵脉冲的信号轮廓。接着,基准轮廓以及相关联的系统参数值存储在基准库中,基准库由例如列表、查寻表、搜索树等可搜索数据结构实现。
在实际监测处理期间,即当要从压力信号中消除泵脉冲时,表示体外回路20的当前操作状态的当前状态信息,可从系统(例如从泵传感器26、控制单元23或其它)中获得(步骤1202)。当前状态信息可包括一个或更多个系统参数的当前值。接着,将当前值与基准库中的系统参数值相匹配。基于该匹配,选择一个或更多个基准轮廓(步骤1203),并使用该一个或更多个基准轮廓来制作预测的信号轮廓(步骤1204)。
一般来说,前述系统参数表示整个系统的状态,包括但不限于透析机或其组件的结构、设置、状况和变量。在图1的系统中,示例性系统参数可以包括:
与泵相关的参数:直接或间接(例如在用于透析仪的流体制备系统中)连接至体外回路的有效泵的数目、使用的泵的类型(滚子泵、薄膜泵等)、流率、泵的旋转速度、泵致动器的轴位置(例如角位置或者线性位置)等。
透析机设置:温度、超滤速率、模式变化、瓣膜位置/变化等。
一次性透析设备/材料:关于泵室/泵部分的信息(材料、几何结构和损耗状况)、血液管路的类型(材料和几何结构)、透析仪的类型、接入装置的类型和几何结构等。
透析系统变量:系统中血泵上游和下游的实际绝对压力,例如静脉压力(来自传感器4c)、动脉压力(来自传感器4a)和系统压力(来自传感器4b)、陷在流路径中的气体体积、血液管路悬架、流体类型(例如血液或透析流体)等。
患者状况:血液出入口特性、血液特性例如血细胞比容、血浆蛋白浓度等。
应当理解,任何数目的系统参数或者其组合可存储在基准库中和/或用作监测处理期间基准库中的搜索变量。
下面,将结合多个示例进一步解释第二实施方式。在所有的这些示例中,泵旋转频率(“泵频率”)或相关参数(例如,血液流率)用于指示监测处理期间体外回路20的当前操作状态。换句话说,泵频率用作基准库中的搜索变量。例如泵频率可以由从控制单元23输出的血液流率的设置值指定,或者由泵传感器26的输出信号指定。另选的是,可以通过对流体系统操作期间来自传感器4a-4c(图1)中任意传感器的压力信号进行频率分析,来获得泵频率。这种频率分析可以通过对压力信号应用任何形式的谐波分析(例如傅里叶或小波分析)来实现。如图2(b)中所示,可在得到的功率谱中识别泵的基频f0。
下面,给出了用于通过接入这种基准库来生成预测的信号轮廓的技术的三个示例。
在第一示例中,存储在基准库中的基准轮廓是时间轮廓。搜索基准库以检索与最接近当前泵频率的泵频率相关联的基准轮廓。如果没有发现与当前泵频率的精确匹配,则执行外推处理以产生预测的信号轮廓。在外推处理中,基于当前泵频率和与检索的基准轮廓相关联的泵频率之间的已知的差(“泵频率差”),按照当前的泵周期对检索到的基准轮廓在时间上进行缩放。例如基于作为泵频率函数的已知振幅函数,也可调整振幅标度以补偿由于泵频率引入的振幅变化。图13例示了在470ml/min的流率下获得的基准轮廓r1(n)以及通过将基准轮廓缩放至480ml/min的流率而获得的预测的信号轮廓u(n)。仅仅用作比较,还示出了在480ml/min下获得的基准轮廓ractual(n),以示例外推处理确实可生成正确预测的信号轮廓。
在第二示例中,存储在基准库中的基准轮廓是时间轮廓。基于当前泵频率重新搜索基准库。如果没有发现与当前泵频率的精确匹配,则执行组合处理以生成预测的信号轮廓。这里,检索与两个最接近匹配的泵频率相关联的基准轮廓,并将其组合。该组合可以通过将检索到的基准轮廓的泵周期时间重新缩放到当前的泵频率并且经由对重新缩放后的基准轮廓进行内插来计算预测的信号轮廓来进行。例如,在当前泵频率ν下的预测的信号轮廓u(n)可表示为:
u(n)=g(v-vi)·ri(n)+(1-g(v-vi))·rj(n),
其中ri(n)和rj(n)表示在泵频率νi和vj下分别获得的并重新缩放至当前泵频率v的两个检索到的基准轮廓,而g是以频率差(ν-νi)的函数给出的松弛参数,其中,νi≤ν≤vj以及0≤g≤1。本领域技术人员可以实现,通过组合多于两个基准轮廓来生成预测的信号轮廓u(n)。
图14(a)说明了在当前流率320ml/min下从图1的系统中的静脉传感器4c获得的压力信号的预测的信号轮廓u(n)。将在300ml/min的流率下从静脉传感器获得的基准轮廓r1(n)和在340ml/min的流率下从静脉传感器获得的基准轮廓r2(n)进行平均,可计算出预测的信号轮廓u(n)。仅仅用作比较,还示出了在320ml/min下获得的基准轮廓ractual(n),以示例组合处理确实可生成正确预测的信号轮廓。事实上,差异如此小,以至于差异仅仅在图14(b)的放大后的视图中勉强可见。
例如,通过如果泵频率差小于一定限度则执行第一个示例的外推处理,否则执行第二个示例的组合处理,可以将第一个示例和第二个示例结合。
在第三实施方式中,与图12中所示的第二实施方式类似,在基准测量中获得多个基准信号,其中针对系统参数值的特定组合获得每个基准信号。接着处理基准信号以生成基准谱,基准谱表示作为频率函数的能量和相位角。例如这些基准谱可通过对基准信号进行傅里叶分析或等效分析而获得。接着,相应的能量和相位数据与相关联的系统参数值存储在基准库中(参照图12中的步骤1201)。基准库的实现可与第二实施方式中相同。
在实际监测处理期间,即当要从压力信号中消除泵脉冲时,从体外回路获得一个或更多个系统参数的当前值(参照图12的步骤1202)。接着,将当前值与基准库中的系统参数值相匹配。基于该匹配,可从基准库中检索一组特定的能量和相位数据,用于生成预测的信号轮廓(参照图12的步骤1203)。预测的信号轮廓可以是时间性的,并且可以根据检索到的能量和相位数据,通过将适当的频率、振幅和相位的正弦曲线相加来生成(参照图12的步骤1204)。
一般而言,而非限制本发明的公开范围,当泵脉冲(要被去除的)包含仅一个或少量基频(以及其谐波)时,根据能量和相位数据生成预测的信号轮廓可能是有利的,因为预测的信号轮廓可由小的数据集(包含针对基频和谐波的能量和相位数据)表示。另一方面,当泵脉冲的功率谱更复杂时,例如许多基频的混合,相反更好的是根据一个或更多个时间基准轮廓生成预测的信号轮廓。
图15(a)表示了在图1的系统中在300ml/min流率下获取的基准信号的能量谱。在这个示例中,基准信号实质上由在1.2Hz的基础泵频率(f0,一次谐波)和该频率的一组谐音(二次和更高次谐波)构成。与图2(b)的功率谱相比,用于生成图15(a)-15(d)中曲线图的压力信号不包含在0.5f0和其谐波处的任何重要的频率分量。图15(a)中的曲线图显示了相对能量分布,其中能量值对于0-10Hz范围内的频率按总能量进行了归一化。图15(b)表示了在图1的系统中在三个不同流率下获取的基准信号的能量谱。能量谱以相对于谐波数(一次、二次等)的对数标度的形式表示。如图所示,对于前四至五个谐波数,可以认为对数能量和谐波数之间是近似线性关系。这表示每个能量谱可由相应指数/多项式函数表示。图15(c)以线性标度示出了图15(b)的数据,其中已用相应的多项式函数对该数据进行了拟合。如图15(a)-15(c)中所示,能量谱可在基准库中以不同的形式表示,例如作为与离散频率值或谐波数相关联的一组能量值,或者作为表示能量与频率/谐波数关系的能量函数。
图15(d)示出了例如对于300ml/min的流率与图15(a)的能量谱一起获取的相位角的谱。图15(d)中的曲线图示出了作为频率的函数的相位角,并且已用线性函数对该数据进行了拟合。在另选的表示(图中未显示)中,相位谱可以给出为谐波数的函数。与能量谱类似,相位谱可以在基准库中以不同的形式表示,例如作为与离散频率值或谐波数相关联的一组相位角的值,或者作为代表相位角与频率/谐波数关系的相位函数。
根据上述内容,应当理解,存储在基准库中的能量和相位数据可用于生成预测的信号轮廓。在能量数据中的每个能量值对应于具有给定频率(与该能量值相关联的频率)的正弦曲线的振幅,其中给定频率的相位值表示正弦曲线正确的相位角。通过组合(通常是相加)适当的频率、振幅和相位角的正弦曲线制作预测的信号轮廓的方法使得预测的信号轮廓在所需的频率范围内包括泵频率的所有谐波。
当要生成预测的信号轮廓时,首先,基于一个或更多个系统参数的当前值,例如当前的泵频率,来搜索基准库。如果在基准库中没有发现精确的匹配,则可执行组合处理,以生成预测的信号轮廓。例如,在基准库中可识别出两个最接近匹配的泵频率,可以检索相关联的能量和相位数据并进行组合,以形成预测的轮廓。可通过对能量数据和相位数据进行内插来进行组合。在图15(a)-15(d)的示例中,可以针对每个谐波数来计算内插后的能量值,并且类似地,可以针对每个谐波数计算内插后的相位值。可使用任何类型的内插函数,线性的或者非线性的。
在第一实施方式、第二实施方式和第三实施方式中,一个压力波传感器和同一压力波传感器可以适当地用于基准测量和实际监测处理两者中。另选的是,假设不同的压力波传感器对泵脉冲产生相同的信号响应或者可使用已知的数学关系来匹配该信号响应,则可使用不同的压力波传感器。
为了进一步改善第一实施方式、第二实施方式和第三实施方式,生成预测的信号轮廓的处理可以还涉及对在基准测量和当前操作状态之间不同的其它潜在的相关因素进行补偿。这些所谓的混杂因素可以包括上面所列的一个或更多个系统参数,例如静脉绝对平均压和动脉绝对平均压、温度、血细胞比容/血粘度、气体体积等。可以使用预定义的补偿公式或查寻表进行该补偿。
在进一步的变型中,第二和第三实施方式可以结合,例如基准库中不仅存储能量和相位数据也存储与系统参数值相关联的基准轮廓。当在库中发现精确的匹配时,可以从库中检索到基准轮廓并将该基准轮廓用作预测的信号轮廓,否则如第三实施方式中所述的,通过检索并组合(例如内插)能量和相位数据来获得预测的信号轮廓。在一变型例中,在当前泵频率v下的预测的信号轮廓u(n)通过如下获得:
u(n)=ri(n)-rf i(n)+rf(n),
其中ri(n)表示在基准库中与最接近匹配的泵频率νi相关联的基准轮廓,rf i(n)表示根据基准库中与最接近匹配的泵频率νi相关联的能量和相位数据重构的基准轮廓,而rf(n)表示在当前泵频率ν下估计的基准轮廓。可以通过应用基于与最接近匹配的泵频率νi相关联的能量和相位数据在当前泵频率ν下分别估计能量和相位数据的预定函数,来获得估计的基准轮廓rf(n)。参照图15(b)-15(c),这种预定函数可以因此表示不同流率之间能量数据的变化。另选的是,如第三实施方式所述的,可以通过针对两个最接近匹配的泵频率νi和vj检索并组合(例如内插)能量和相位数据,来获得估计的基准轮廓rf(n)。
在进一步的变型例中,代替在正常工作之前(例如在启动或用血液模拟处理期间)进行的任何基准测量或者除了在正常工作之前进行的任何基准测量以外,在体外回路20的正常工作期间进行基准测量。该基准测量可以通过获取来自压力波传感器的基准信号来进行,该压力波传感器基本上与源自患者心脏的压力波隔离,并使用用于生成预测的信号轮廓(可选地在针对混杂因素中的差异进行了调节/修改之后)的基准信号,该预测信号轮廓接着被用于从压力信号中去除泵脉冲。例如,该基准信号可以从系统传感器4b(图1)获取,该系统传感器4b可以基本上与源自患者心脏的压力波隔离。
模拟
作为使用基准测量的替代,预测的信号轮廓可通过模拟直接获得,即,基于表示系统的当前操作状态的当前状态信息,使用体外回路20的数学模型进行计算。这种当前状态信息可以包括一个或更多个上述系统参数的当前值。模型可以基于系统组件的已知的物理关系(或经由等效表示,例如通过将系统表示为具有分别以电流和电压表示的流体流动和压力的电子电路)。该模型可以用解析术语隐式或显式地表达。另选的是,可使用数值模型。该模型可以是从系统的完整物理描述到简单函数的任何一种。在一个示例中,这种简单函数可以使用经验或理论数据,将关于泵转子3′的瞬时角速度的数据转换为预测的信号轮廓。这种关于瞬时角速度的数据可以从图1的泵传感器26获得。
在另一实施方式中,模拟可用于生成系统不同操作状态的基准轮廓。接着,这些基准轮廓可存储在基准库中,可以以与上述第二和第三实施方式相同的方式访问和使用该基准库。也应当理解,通过模拟获得的基准轮廓(和/或相应的能量和相位角数据)可以与通过基准测量获得的基准轮廓(和/或相应的能量和相位角数据)一起存储。
V、时域滤波
存在多种不同方式来使用泵脉冲的预测的信号轮廓(例如,如上面IV部分中所述获取的)从压力/输入信号中去除一个或更多个泵脉冲。这里,将描述两种不同的去除处理:单个减法和自适应滤波。当然,本领域技术人员显而易见的是,去除处理和其实现的描述并不是全面的(不论是不同的替代还是其实现)。
根据实现,预测的信号轮廓可按原样输入至去除处理,或者可以复制预测的信号轮廓以构建长度适合去除处理的输入信号。
单个减法
在该去除处理,从压力信号中减去单个预测信号轮廓。预测的信号轮廓可以任何方式在时间上移位或缩放并缩放振幅,例如以使去除的误差最小化。针对这种自动缩放可以使用不同的最小化准则,例如使误差的平方和最小,或者使绝对误差和最小。另选地或者另外地,基于所述提到的泵脉冲时序(参照IV部分),即,表示泵脉冲在压力信号中的预期时序的时序信息,在时间上平移预测的信号轮廓。
该去除处理的一个潜在限制是预测的信号轮廓中不同频率之间的关系总是相同,因为该处理仅仅对预测的信号轮廓进行了移位和缩放。由此,不可能改变不同谐波频率之间的关系,也不可能使用预测的信号轮廓中仅一些频率内容并抑制其它频率。为克服此限制,可使用自适应滤波,因为自适应滤波在减法之前使用线性滤波器,例如下面所述的。
自适应滤波
图16是自适应滤波器160和自适应滤波器结构的示意性概览图,自适应滤波器结构设计为接收预测的信号轮廓u(n)和压力信号d(n),并输出误差信号e(n),该误差信号e(n)形成了已去除了泵脉冲的前述的监测信号。
自适应滤波器是根据优化算法自调节其传递函数的公知电子滤波器(数字的或模拟的)。具体来说,自适应滤波器160包括可变滤波器162,其通常是具有长度为M的滤波器系数w(n)的有限冲激响应(FIR)滤波器。
即使自适应滤波器是本领域已知的,但自适应滤波器并非能容易地应用于消除压力信号d(n)中的泵脉冲。在所示实施方式中,这已经通过输入预测的信号轮廓u(n)至可变滤波器162和自适应更新算法164实现了,其中可变滤波器162处理预测的信号轮廓u(n)以生成估计信号自适应更新算法164基于预测的信号轮廓u(n)和误差信号e(n)计算可变滤波器162的滤波器系数。误差信号e(n)由压力信号d(n)与估计信号之间的差给出。
基本上,计算该误差信号e(n)涉及从压力信号d(n)中减去预测的信号轮廓u(n),因为每个滤波器系数工作,以平移以及可能重新缩放预测的信号轮廓u(n)的振幅。因此,作为从压力信号d(n)中减去以生成误差信号e(n)的估计信号形成为M个平移并且振幅缩放的预测的信号轮廓u(n)的线性组合。
自适应更新算法164可用多种不同的方式实现,下面将描述其中的一些。本公开绝不限制于这些示例,技术人员应该根据下面的描述毫无困难地获得其它替代方式。
有两种主要的自适应滤波的方法:随机的和确定性的。不同之处在于通过更新算法164使误差信号e(n)的最小化,其中假定e(n)为随机的还是确定性的,来获得两种不同的最小化准则。随机法通常在最小化准则中使用具有期望值的代价函数J,而确定性方法通常使用平均值。当最小化e(n)时在代价函数中通常使用平方后的误差信号e2(n),因为这样产生一个全局极小值。在某些情况下,绝对误差|e(n)|可用于最小化中以及约束最小化的不同形式中。当然,可使用任何形式的误差信号,然而,并非总能保证向全局极小值收敛,最小化并非总是可以有解的。
在信号的随机描述中,通常代价函数可以根据:
J(n)=E{|e(n)|2},
并且在信号的确定性描述中,通常代价函数可以根据:
J(n)=∑e2(n)。
为了获得可变滤波器162的最佳的滤波器系数w(n),需要根据滤波器系数w(n)使代价函数J最小化。这可以通过代价函数梯度向量来实现,梯度向量是J关于不同滤波器系数w0、w1、…、wM-1的导数。最陡下降是用于获得使代价函数J最小化的最优滤波器系数的递归方法(非自适应滤波器)。通过给出滤波器系数的初始值,通常设置为0,即w(n)=0,开始递归方法。接着根据下式更新滤波器系数:
其中w由下式给出:
w=[w0 w1...wM-1]T M×1。
而且,梯度向量指向代价生长最快的方向。由此,滤波器系数沿与梯度相反的方向进行修正,其中通过步长参数μ影响修正长度。因为最陡下降算法包含反馈,因此该算法总存在收敛风险。为了确保收敛,设置步长参数μ的边界。可以示出,最陡下降算法的稳定性准则由下式给出:
其中,λmax是R的最大特征值,预测的信号轮廓u(n)的相关矩阵R由下式给出:
如果使用均方误差(mean squared error,MSE)代价函数(由J=E{|e(n)|2}定义),则可以示出根据下式更新滤波器系数:
其中e(n)由下式给出:
当信号的统计信息已知时,最陡下降算法是用于计算最优滤波器系数的递归算法。然而,该信息通常是未知的。最小均方(Least Mean Squares,LMS)算法是基于与最陡下降算法相同原理的方法,但可以连续地估计统计信息。由此,LMS算法是自适应滤波器,因为该算法能够适应信号统计信息中的变化(因为连续地估计统计信息),尽管梯度可能变成噪声。由于梯度中的噪声,LMS算法不可能达到最陡下降算法所达到的最小误差Jmin。在LMS算法中使用期望值的瞬时估计,即去除期望值。由此,对于LMS算法,滤波器系数的更新式变为:
LMS算法的收敛准则与最陡下降算法的相同。在LMS算法中,步长与预测的基准轮廓u(n)成比例,也就是说,当预测的基准轮廓很强时梯度噪声被放大。该问题的一个解决方法是以下式来正归化滤波器系数的更新:
滤波器系数的新的更新式称为正归化LMS,并且表示为:
对LMS算法,存在修正了步长的许多不同备选。其中一个备选是使用可变的适应步长:
其中α(n)例如可以是:
其中c是正常数。也可以在LMS算法中针对每个滤波器系数选择独立的适应步长,例如根据下式:
其中A由下式给出:
如果替代地,使用以下代价函数:
J(n)=E{|e(n)|}
则更新式变为:
该自适应滤波器称为符号LMS,其可用在对低计算复杂度具有极高要求的应用中。
另一种自适应滤波器是泄漏式LMS,其使用具有以下代价函数的约束最小化:
J(n)=E{|e(n)|2}+α||w(n)||2。
该约束与犹如将方差为α的白噪声加入至预测的信号轮廓u(n)具有相同的效果。结果,增加了预测的信号轮廓u(n)中的不确定性,而这趋向于抑制滤波器系数。当u(n)的相关矩阵R具有一个或更多个等于零的特征值时,优选地使用泄漏式LMS。然而,在没有噪声的系统中,泄漏式LMS使性能更差。对于泄漏式LMS,滤波器系数的更新式由下式给出:
递归最小二乘(Recursive Least Squares,RLS)自适应滤波器算法使以下代价函数最小化,而不是如上所述使MSE代价函数最小化:
其中λ称为遗忘因子,0<λ≤1,并且该方法称为指数加权最小二乘(ExponentiallyWeighted Least Squares)。可以示出,对于RLS算法,经过以下初始化后:
w(0)=0M×1
P(0)=δ-1qIM×M
其中,IMxM是单位矩阵MxM,滤波器系数的更新式根据下式给出:
w(n)=w(n-1)+k(n)ξ(n)
其中,对于高信噪比(Signal-to-Noise Ratio,SNR),δ是小的正常数,对于低SNR,δ是大的正常数,δ<<0.01σu 2,而ξ(n)对应于前述算法中的e(n)。在初始化阶段期间因为使用初始值P(0)=δ-1I,则作为代替,使以下代价函数最下化:
RLS算法在大约2M次迭代时收敛,而这已远远快于LMS算法。另一个优点是RLS算法的收敛与R的特征值无关,而对于LMS算法并非如此。
并行运行的几个RLS算法可使用不同的λ和δ,不同的λ和δ可以组合以改善性能,即,λ=1也可以使用在具有多个不同的δ:s的算法(稳态解)中。
要注意的是,LMS算法和RLS算法均可以用定点运算实现,使得可以在没有浮点单元的处理器(例如低成本的嵌入式微处理器或微控制器)中运行。
与实现无关,可通过将自适应滤波器160转换为静态模式,进一步改善自适应滤波器160的性能,在静态模式中更新算法164被禁用,因此滤波器162的滤波器系数被锁定在当前一组值。自适应滤波器160的转换可由外部处理来控制,该外部处理分析误差信号e(n)中的心脏脉冲(典型地与上述泵脉冲时序有关),其可以根据压力信号、基准信号(参见上述)、专用脉冲传感器、用于血泵的控制单元等获得。如果外部处理表明心脏脉冲的速率开始接近泵脉冲的速率和/或心脏脉冲的振幅非常弱(与绝对限度相关、或者与由泵脉冲振幅给出的限度有关),则自适应滤波器160可转换至静态模式。自适应滤波器160可以在静态模式保持预定时间段,或直到被该外部处理释放为止。
在变型例中,心脏脉冲的预测的信号轮廓(称为“预测的心脏轮廓”)被用作针对自适应滤波器160的输入信号(代替泵脉冲的预测的信号轮廓),并且监测信号根据估计信号(代替误差信号e(n))形成。针对自适应滤波器的前述讨论同样适用于该变型例。
下面,在VI部分中,与用于获取在监测中使用的主时序数据的技术(参照图3中的步骤304)一起,公开了用于获取这种预测的心脏轮廓的技术的不同实施方式和示例。除了VI部分以外,还参照了WO2009/156174,并通过该引用将其全部内容并入于此。
VI、获取时序数据和预测的心脏轮廓
时序数据
时序数据(参照图3中的步骤304)可以按多个不同方法来获取。所有这些方法通常涉及检测输入信号中的脉冲和估计该输入信号中的各个脉冲的出现时间。本质上,可以使用任何已知脉冲检测技术(数字的或者模拟的)。这些技术包括但不限于:卷积/与静态或动态脉冲模板匹配、峰值检测(例如,经由检测局部最大值/最小值)以及阈值化。可以使用许多不同输入信号,如下面例示的。
例如,可以从耦接至患者的脉冲传感器的输出信号中提取出时序信息。输出信号可以表示单个心脏脉冲或心脏脉冲之间的平均时间。在任一情况下,基于脉冲传感器的输出信号以及脉冲传感器与产生压力信号的压力波传感器之间的已知的到达时间差,可以计算心脏脉冲在压力信号中的预测时间点。脉冲传感器可以感测由心搏在患者的心血管系统中产生的压力波,或者其可以直接反映患者的心脏中的搏动发生过程。在这种应用中,时序数据可以通过任何常规脉冲传感器(例如,脉冲表、诸如脉搏血氧仪的光电容积描记仪(PPG)、心电图仪(ECG)等)提供。
另选的是,时序数据可以通过顺序地识别监测信号中的心脏脉冲来获取。这种处理可以但不需要涉及基于两个最近检测的心脏脉冲之间的时间差来预测针对随后心脏脉冲的时间点的步骤。
另选的是,可以根据源自体外回路中的基准传感器的一个或更多个基准信号获得时序数据。基准传感器可以感测由心搏在患者的心血管系统中产生并且传播到体外回路中的压力波,或者其可以直接反映患者的心脏中的搏动发生过程。
这种基准传感器的一个示例是ECG设备,该ECG设备被配置成检测经由血液、经由导电血液管道或其它导电路径从接入装置1、14向连接系统C或体外回路20中的专用电极发送的患者电压。出于检测接入装置从患者的血管通路断开的目的而使用的这种ECG设备在US2007/0000847中进行了公开,其通过该引用并入于此。
这种基准传感器的另一示例是体外回路20(图1)中的压力波传感器。例如,如果监测信号根据从压力传感器4a-4c中的一个获取的压力信号生成,则基准信号可以从压力传感器4a-4c中的另一个获取。可以处理该基准信号以检测至少一个心脏脉冲(例如,根据III部分)。然后,可以使用基准传感器与提供用于监测的压力信号的压力传感器之间的脉冲到达/传导时间的已知/测量差,将检测到的心脏脉冲在基准信号中的时间点转换成在监测信号/评估片段中的预测时间点。由此,在一个实施方式中,传导时间差由固定的预定值给出。
在另一实施方式中,基于可以由体外回路中的任何合适传感器(包括压力传感器4a-4c)得出的实际动脉和静脉压力(绝对值、相对值或平均值),确定体外回路20中的动脉侧血液管路与静脉侧血液管路之间的传导时间差。如果压力增大,则传导时间缩短,即,高压力等效于短传导时间。在体外回路20操作期间,静脉压力应该高于动脉压力,因此静脉血液管路中的传导时间应该比动脉血液管路中的传导时间短。可以基于例如物理模型或查寻表来确定传导时间差。该模型或表可以不仅包括关于压力的信息(绝对值、相对值或平均值),而且还包括关于以下各项的信息:材料(弹性、塑性等)、几何形状(长度、直径、壁厚度等)、温度(流体温度和环境温度)、机械因素(夹具、张力、制动器、纽结/梗塞等)、流体特性(粘度、水/血液、化学组成等)等。然后,可以将由此确定的传导时间差用于将检测到的心脏脉冲在来自动脉/静脉压力传感器的基准信号中的时间点与在源自静脉/动脉压力传感器的监测信号/评估片段中的预测时间点相关联。
在变型例中,可以通过对齐并组合第一基准信号(例如,由静脉/动脉压力信号得出的)与第二基准信号(例如,由动脉/静脉压力信号得出的),由此计算出具有改善SNR的平均时间相关的基准信号,从而获得改进的时序数据估计。将第一基准信号和第二基准信号适当地滤波来去除干扰脉冲(例如,根据III部分)。可以基于由实际动脉和静脉压力(绝对值、相对值或平均值)给出的上述传导时间差进行对齐。通过识别出平均基准信号中的一个或更多个心脏脉冲,可以获得改进的时序数据估计。
另选地或者另外地,为了潜在提高时序数据的精确度,时序数据可以在适当时通过间歇性地停止体外回路20中的脉冲发生器,同时识别监测信号、基准信号或第一基准信号和第二基准信号中的至少一个心脏脉冲来获取。
可选的是,基于识别出的心脏脉冲(在监测信号或基准信号中)获得时序数据的处理可以涉及根据时间准则验证识别出的心脏脉冲(候选脉冲)。这种时间准则可以(例如)表示该候选脉冲与一个或更多个之前识别出的(并被适当地验证的)心脏脉冲的时间点之间的时间差的上限和/或下限。这些限度可以是固定的,或者它们可以根据之前的时间差来动态设置。可以去除/丢弃违反该时间准则的任何候选脉冲,而不将它们用于获得时序数据。
图17例示了用于处理候选脉冲的这种验证方法。在所示的示例中,假定各个候选脉冲与概率值相关联,该概率值指示候选脉冲为心脏脉冲的似然性。该概率值可以根据候选脉冲的幅度(例如,最大振幅、积分区域等)或者由识别处理得出的度量(例如,相关值)给出。图17(a)示出了设置在时间轴上的候选脉冲的序列(用X标示)以及之前的心脏脉冲的序列(用Y标示)。在第一验证步骤中,基于心脏脉冲Y计算预测的时间点(图17(b)中的↓箭头)。在第二验证步骤中,应用第一时间准则,以去除/丢弃距离测时间点太远的任何候选脉冲,还如图17(b)所示。在第三验证步骤中,应用第二时间准则,以在彼此过于靠近的任何候选脉冲之中仅保留具有最大概率值的候选脉冲,如图17(c)所示。
在全部上述实施方式和示例中,监测信号和基准信号可以在被处理以确定时序数据之前被上采样(up-sampled)(例如,通过内插)。这可以增加时序数据的准确度。
预测的心脏轮廓
预测的心脏轮廓可以生成为心脏脉冲的多个记录的平均。例如,预测的心脏轮廓可以在监测处理之前和/或期间,通过对齐并组合(相加、求平均等)监测信号/评估片段中的多个心脏脉冲片段来生成。该求平均可以使用或者不使用时序数据来对齐心脏脉冲片段。
为了改进预测的心脏轮廓的信号质量,在求平均或不求平均的情况下,可以在使血泵停止的同时获取压力信号,由此压力信号不包含泵脉冲。由此,在用于计算心脏脉冲的更新后的信号轮廓的监测处理期间,可以间歇性地停止血泵。
在另一变型例中,预测的心脏轮廓根据上述基准信号来获取,该基准信号可以被用于导出时序数据。
另选的是,预测的心脏轮廓可以例如通过对来自多个相似体外回路的心脏脉冲的记录进行平均而预先生成。可选的是,通过应用考虑了结构特定参数(例如,血管通路的类型、连接系统、流率、流体特性等)的数学模型,这种预先生成的信号轮廓可以适于要被用于监测的体外回路的具体情况。另选的是,通过基于结构特定参数的数学建模可以完全获得预测的心脏轮廓。根据又一另选例,将标准轮廓用作预测的心脏轮廓,例如,诸如高斯分布函数的钟形函数。
本发明主要参照少数实施方式进行了以上描述。然而,如本领域技术人员容易清楚的,除了以上公开的实施方式以外的其它实施方式在本发明的范围和精神内同样是可能的,本发明的范围和精神仅通过所附专利权利要求书来限定和限制。
上述针对步骤1003′和/或步骤1003″描述的一些滤波技术可以通过对压力信号下采样而自动实现,因为希望的滤波可以通过被包括在下采样(down-sampling)信号处理算法中的抗混叠(anti-aliasing)滤波器来实现。另外,还可以通过选择适当的采样频率(即,由在采样之前应用的抗混叠滤波器所导致的采样频率)来在诸如模数转换器(A/D)的硬件中直接实现以上描述的多个滤波技术中的一些滤波技术。
体外回路可以包括任何类型的泵送装置,不仅是如上公开的旋转的蠕动泵,还可以是其它类型的容积泵,例如线性蠕动泵、隔膜泵以及离心泵。
本发明的实施方式还适用于在连接系统包括单个接入装置时,如在所谓的单个针处理中。
本发明的实施方式适用于所有类型的体外血流回路,在体外血流回路中,血液从患者的全身血液回路中取出,以在血液返回患者之前对血液进行处理。这些血流回路包括用于血液透析、血液滤过、血液透析滤过、血浆除去、血液成分部分清除(aphaeresis)、体外膜肺氧合、辅助血液循环、体外肝支持/透析以及捐赠血液的血液馏分分离(例如,细胞)的回路。本发明的技术同样适用于监测其它类型的体外流体回路,例如用于输血、输液以及心肺机的回路。
而且,该监测处理可以作用于一个以上的监测信号,并且各个监测信号可以根据从相应压力波传感器获取的压力信号来生成。在所有实施方式中,各个监测信号可以根据一个以上的压力信号来生成,例如通过组合(例如平均化)(举例来说,如上涉及第一基准信号和第二基准信号所述的)(已滤波的)压力信号中的对应心脏脉冲来生成。
在具体实施方式中,监测技术可以基于压力信号/监测信号/基准信号中的泵脉冲和/或心脏脉冲的幅度来进行动态调节。该动态调节例如可以影响用于获取时序数据的处理、用于计算参数值的处理或者用于去除干扰脉冲的处理。在一个示例中,该监视装置接收两个或更多个压力信号(来自不同的压力波传感器),并且监测各个压力信号中的心脏脉冲的幅度。该监视装置可以被配置成基于不同压力信号中的心脏脉冲的幅度,来动态地选择一个或更多个压力信号,以用于生成监测信号和/或用于确定时序数据和/或用于确定预测的心脏脉冲。该心脏脉冲的幅度可以与预定绝对限度相比较,或者这些心脏脉冲的幅度可以在不同的压力信号之间比较。在另一个示例中,该监视装置基于压力信号/监测信号中的心脏脉冲的幅度,来动态地选择用于去除干扰脉冲的技术。在又一个示例中,该监视装置基于压力信号/监测信号中的心脏脉冲的幅度,来动态地选择要计算的参数值和/或用于计算参数值的过程。在上述示例中,如果泵脉冲和心脏脉冲的幅度是协变实体,则可以另选地基于泵脉冲的幅度或者泵脉冲与心脏脉冲的组合的幅度来进行动态调节。
在一个实施方式中,规则地(间歇性地或周期性地)停止血泵,并且分析压力信号和/或基准信号,以确定心脏脉冲的形状、振幅、频率以及相位(时序)中的至少一个。该实施方式例如可以被用于动态控制监测技术,如上所述。另选地或者另外地,如果在该停止期间检测到的心脏脉冲的幅度小于特定限度(被选择为具有安全检测的余量),则可以发出“不确定检测”的警告。另选的是,如果该幅度小于另一个限度,则可以主动控制血泵,使其按特定时间间隔停止,其中在各次停止期间获得的信息可以用于变更监测技术。例如,由此获得的信息可以用于改变(或添加)在计算参数值的过程中的阈值,或者用于确定是应当计算另选的参数值,还是应当使用另选的计算过程。在另一个示例中,如果由此获得的信息表示心脏脉冲的脉冲率,则(例如,中心为由此获得的脉冲率的)专用带通滤波器可以对基准/压力信号进行操作,以进一步改进针对用于获得时序数据的处理和/或用于基于监测信号计算参数值的处理的输入。在一个实施方式中,如果发现泵脉冲和心脏脉冲的速率的差超过特定限度,例如大约10%,则应用这种带通滤波器。
上述监测处理可以通过监视装置(参照图1中的25)来执行,该监视装置可以通过运行在一个或更多个通用或专用计算装置上的专用软件(或固件)来实现。关于这点,应当明白,这种计算装置中的各个“部件”或“装置(means)”是指方法步骤的概念性等同物;在部件/装置与特定硬件或软件例程之间总是存在一一对应关系。一个硬件通常包括不同装置/部件。例如,处理单元在执行一个指令时用作一个部件/装置,而在执行另一指令时用作另一部件/装置。另外,一个部件/装置在一些情况下可以通过一个指令来实现,而在一些其它情况下通过多个指令来实现。这种软件控制计算装置可以包括一个或更多个处理单元,例如,CPU(“中央处理单元”)、DSP(“数字信号处理器”)、ASIC(“专用集成电路”)、离散模拟和/或数字组件,或一些其它可编程逻辑器件,如FPGA(“现场可编程门阵列”)。该监视装置还可以包括系统存储器和系统总线,该系统总线将包括系统存储器的各种系统组件耦接至处理单元。该系统总线可以是多种类型的总线结构中的任一种,这些总线结构包括存储器总线或存储器控制器、外围总线以及利用各种总线架构中的任一种的局部总线。该系统存储器可以包括采用易失性和/或非易失性存储器形式的计算机存储介质,如只读存储器(ROM)、随机存取存储器(RAM)以及闪速存储器。专用软件和调节因子可以存储在系统存储器中,或者存储在被包括在计算装置或可由计算装置存取的其它可去除/非可去除易失性/非易失性计算机存储介质上,如磁性介质、光学介质、闪速存储器卡、数字带、固态RAM、固态ROM等。监视装置可以包括一个或更多个通信接口(如串行接口、并行接口、USB接口、无线接口、网络接口等)以及一个或更多个数据获取装置(如A/D转换器)。可以通过任何合适的计算机可读介质(包括记录介质、只读存储器或电载波信号)将该专用软件提供给该监视装置。
还可想到的是,如本领域所公知的,一些(或全部)方法步骤完全或部分地由专用硬件实现,如由FPGA、ASIC或离散电子元件(电阻器、电容器、运算放大器、晶体管、滤波器等)的组合来实现。
下面,引述一组项目来对如前述公开的本发明的一些方面和实施方式进行总结。
项目1、一种用于监测受检者的心血管特性的装置,其中,所述装置包括输入部(28),该输入部(28)被配置成获取来自被设置成检测体外流体回路(20)中的压力波的主压力波传感器(4a-4c)的测量数据,所述体外流体回路(20)与受检者的心血管系统按流体连通方式连接,其中,所述装置还包括信号处理器(29),该信号处理器(29)被配置成执行以下步骤:
基于所述测量数据生成时间相关监测信号,以使所述监测信号包括心脏脉冲的序列,其中,各个心脏脉冲表示源自受检者中的心搏的压力波;
确定针对所述监测信号中的各个心脏脉冲的搏动分类数据;以及
至少部分地基于所述搏动分类数据,来计算指示所述心血管特性的参数值。
项目2、根据项目1所述的装置,其中,所述搏动分类数据区分源自正常心搏的心脏脉冲与源自异位心搏的心脏脉冲。
项目3、根据项目1或2所述的装置,其中,所述信号处理器(29)被配置成基于主时序数据和形状数据中的至少一个来确定所述搏动分类数据,所述主时序数据表示所述监测信号中的各个心脏脉冲的出现时间,所述形状数据表示所述监测信号中的各个心脏脉冲的形状。
项目4、根据项目3所述的装置,其中,所述信号处理器(29)被配置成通过处理所述监测信号以提取表示各个心脏脉冲的时间形状的至少一个形状特征,来确定所述搏动分类数据。
项目5、根据项目3或4所述的装置,其中,所述信号处理器(29)被配置成基于从各个心脏脉冲提取的多个不同形状特征的组合来确定所述搏动分类数据。
项目6、根据项目3-5中的任一项所述的装置,其中,所述信号处理器(29)被配置成通过提取各个心脏脉冲的时间轮廓的至少一部分,并且将该时间轮廓的所述至少一部分与一组模板匹配,来确定所述搏动分类数据。
项目7、根据项目3-6中的任一项所述的装置,其中,所述信号处理器(29)被配置成通过基于所述主时序数据获取所述监测信号中的心搏之间的时间差,并且针对时间间隔标准评估各个时间差,来确定所述搏动分类数据。
项目8、根据项目3-7中的任一项所述的装置,其中,所述信号处理器(19)被配置成,通过以下中的至少一个处理来获取所述主时序数据:处理所述监测信号以识别心脏脉冲;以及处理经由所述输入部(28)从所述体外回路(20)中或所述受检者上的基准传感器(4a-4c)获取的基准信号。
项目9、根据项目8所述的装置,其中,所述基准传感器是压力波传感器。
项目10、根据项目9所述的装置,其中,所述信号处理器(29)被配置成通过调节所述基准传感器(4a-4c)与所述主压力波传感器(4a-4c)之间的传导时间的差来获取所述主时序数据。
项目11、根据项目10所述的装置,其中,所述传导时间通过预定值来指定。
项目12、根据项目10所述的装置,其中,所述信号处理器(29)被配置成基于所述基准传感器(4a-4c)的位置与所述主压力波传感器(4a-4c)的位置之间的流体压力的差来计算所述传导时间。
项目13、根据项目8所述的装置,其中,所述基准传感器是ECG传感器。
项目14、根据项目8-12中的任一项所述的装置,其中,所述信号处理器(19)被配置成通过以下步骤来获取所述主时序数据:识别所述监测信号或所述基准信号中的一组候选心脏脉冲;基于该组候选心脏脉冲导出候选时间点的序列;针对时间准则验证候选时间点的该序列;以及作为候选时间点的这样验证的序列的函数计算所述时序数据。
项目15、根据任一前述项目所述的装置,其中,所述信号处理器(29)被配置成通过基于所述搏动分类数据生成次时序数据来计算所述参数值,所述次时序数据表示所述心脏脉冲的出现时间,以用于计算所述参数值。
项目16、根据项目15所述的装置,其中,所述信号处理器(29)被配置成,如果所述搏动分类数据识别源自异位心搏的心脏脉冲,并且如果满足选择标准,则通过估算针对被分类为源自异位心搏的各个心脏脉冲的修正时间点,来生成所述次时序数据。
项目17、根据项目16所述的装置,其中,所述选择标准指示所述参数值是心率和心率变化性中的至少一个。
项目18、根据项目15-17中的任一项所述的装置,其中,所述信号处理器(29)被配置成处理所述次时序数据,以计算所述参数值,作为心率变化性和心率中的至少一个的度量。该信号处理器(29)可以被配置成通过至少部分地补偿源自受检者中的心搏的压力波的传导时间的变化来计算心率变化性的度量,所述变化源自体外流体回路(20)中的、因体外流体回路(20)中的至少一个泵送装置(3)而造成的压力变化。
项目19、根据项目15-18中的任一项所述的装置,其中,所述信号处理器(29)被配置成,如果所述搏动分类数据识别源自异位心搏的心脏脉冲,则处理所述搏动分类数据和所述次时序数据,以计算所述参数值,作为心率扰动的度量。
项目20、根据项目15-19中的任一项所述的装置,其中,所述信号处理器(29)被配置成,如果所述搏动分类数据识别源自异位心搏的心脏脉冲,则基于所述搏动分类数据,选择所述监测信号中的心脏脉冲的子集,并且生成所述参数值,作为所选择的子集的平均时间形状的度量。
项目21、根据项目20所述的装置,其中,所述信号处理器(29)被配置成,通过基于所述次时序数据,使所述心脏脉冲的所述子集对齐并进行组合,来生成所述平均时间形状。
项目22、根据任一前述项目所述的装置,其中,所述信号处理器(29)被配置成,如果所述搏动分类数据识别源自异位心搏的心脏脉冲,则处理所述搏动分类数据,以计算所述参数值,作为异位心搏的计数。
项目23、根据任一前述项目所述的装置,其中,所述测量数据包括所述心脏脉冲的序列和至少一个干扰脉冲,其中,所述信号处理器(29)被配置成,通过处理所述测量数据以基本上消除所述至少一个干扰脉冲,来生成所述监测信号。
项目24、根据项目23所述的装置,其中,所述信号处理器(29)被配置成,获取作为所述干扰脉冲的预测时间信号轮廓的脉冲轮廓(u(n)),并且利用所述脉冲轮廓(u(n))在时域中对所述测量数据进行滤波,以基本上消除所述干扰脉冲并同时保留所述心脏脉冲的序列。
项目25、根据项目24所述的装置,其中,所述信号处理器(29)被配置成从所述测量数据中减去所述脉冲轮廓(u(n))。
项目26、根据项目25所述的装置,其中,所述信号处理器(29)被配置成,在减去所述脉冲轮廓(u(n))之前,针对所述测量数据调节所述脉冲轮廓(u(n))的振幅、时间标度以及相位中的至少一个。
项目27、根据项目26所述的装置,其中,所述信号处理器(29)被配置成,使所述脉冲轮廓(u(n))与所述测量数据之间的差最小化。
项目28、根据项目25-27中的任一项所述的装置,其中,所述至少一个干扰脉冲源自所述体外流体回路(20)中的至少一个泵送装置(3),并且其中,所述信号处理器(29)被配置成,通过与所述测量数据有关地调节所述脉冲轮廓(u(n))的相位来减去所述脉冲轮廓(u(n)),其中,所述相位由从泵速率传感器(25)和控制器(24)中的至少一个获取的相位信息来指示,所述泵速率传感器(25)耦接至所述至少一个泵送装置(3),所述控制器(24)用于所述至少一个泵送装置(3)。
项目29、根据项目24所述的装置,其中,所述信号处理器(29)包括自适应滤波器(160),该自适应滤波器(160)被设置成,基于所述脉冲轮廓(u(n))和形成为所述测量数据与估算信号之间的差的误差信号(e(n)),来生成所述估算信号由此,所述自适应滤波器(160)被设置成基本上消除所述误差信号(e(n))中的所述至少一个干扰脉冲。而且,所述自适应滤波器(160)可以被配置成,生成作为M个移位脉冲轮廓(u(n))的线性组合的所述估算信号而且具体来说,所述自适应滤波器(160)可以被配置成,线性地组合由所述自适应滤波器(30)在振幅和相位方面适当地调节的、所述脉冲轮廓(u(n))的M个实例。
项目30、根据项目29所述的装置,其中,所述自适应滤波器(160)包括有限冲激响应滤波器(162)和自适应算法(164),所述有限冲激响应滤波器(162)的滤波器系数作用于所述脉冲轮廓(u(n)),以生成所述估算信号所述自适应算法(164)将所述滤波器系数优化为所述误差信号(e(n))和所述脉冲轮廓(u(n))的函数。
项目31、根据项目29或30所述的装置,其中,所述信号处理器(29)被配置成,基于所述心脏脉冲的速率和/或振幅与限度值的比较,来控制所述自适应滤波器(160)锁定所述滤波器系数。
项目32、根据项目24-31中的任一项所述的装置,其中,所述至少一个干扰脉冲源自所述体外流体回路(20)中的至少一个泵送装置(3),并且其中,所述信号处理器(29)被配置成,在基准测量中,使所述至少一个泵送装置(3)生成至少一个干扰脉冲,并且根据由基准传感器(4a-4c)生成的基准信号来获取所述脉冲轮廓(u(n))。
项目33、根据项目32所述的装置,其中,所述至少一个泵送装置(3)进行操作以在所述基准测量期间生成干扰脉冲的序列,并且其中,所述脉冲轮廓(u(n))通过识别并组合所述基准信号中的一组干扰脉冲来获取。
项目34、根据项目32或33所述的装置,其中,所述信号处理器(29)被配置成,间歇性地实现所述基准测量,以在所述体外流体回路(20)的操作期间更新所述脉冲轮廓(u(n))。
项目35、根据项目24-31中的任一项所述的装置,其中,所述至少一个干扰脉冲源自所述体外流体回路(20)中的至少一个泵送装置(3),并且其中,所述信号处理器(29)被配置成,基于预定信号轮廓来获取所述脉冲轮廓(u(n))。
项目36、根据项目35所述的装置,其中,所述信号处理器(29)被配置成,基于所述体外流体回路(20)的一个或更多个系统参数的当前值来根据数学模型修改所述预定信号轮廓。
项目37、根据项目24-31所述的装置,其中,所述至少一个干扰脉冲源自所述体外流体回路(20)中的至少一个泵送装置(3),并且其中,所述信号处理器(29)被配置成,获取所述体外流体回路(20)的一个或更多个系统参数的当前值,并且获取作为所述当前值的函数的所述脉冲轮廓(u(n))。
项目38、根据项目37所述的装置,其中,所述信号处理器(29)被配置成,通过基于所述当前值,识别基准数据库(DB)中的一个或更多个时间基准轮廓(r1(n),r2(n));以及基于所述一个或更多个时间基准轮廓(r1(n),r2(n))获取所述脉冲轮廓(u(n)),来获取所述脉冲轮廓(u(n))。
项目39、根据项目38所述的装置,其中,所述一个或更多个系统参数指示所述至少一个泵送装置(3)的泵送速率。
项目40、根据项目38或39所述的装置,其中,所述基准数据库(DB)中的各个时间基准轮廓(r1(n),r2(n))是通过针对所述一个或更多个系统参数的相应值在所述体外流体回路(20)中进行基准测量而获取的。
项目41、根据项目37所述的装置,其中,所述信号处理器(29)被配置成,通过基于所述当前值,识别基准数据库(DB)中的能量数据和相位角数据的一个或更多个组合;以及基于能量数据和相位角数据的所述一个或更多个组合获取所述脉冲轮廓(u(n)),来获取所述脉冲轮廓(u(n))。
项目42、根据项目41所述的装置,其中,所述信号处理器(29)被配置成,通过组合一组不同频率的正弦曲线来获取所述脉冲轮廓(u(n)),其中,各个正弦曲线的振幅和相位角由能量数据和相位角数据的所述一个或更多个组合给出。
项目43、根据项目37所述的装置,其中,所述信号处理器(29)被配置成,通过将所述当前值输入到基于所述体外流体回路(20)的数学模型计算所述主压力波传感器(4a-4c)的响应的算法中来获取所述脉冲轮廓(u(n))。
项目44、根据项目23所述的装置,其中,所述信号处理器(29)被配置成,获取作为所述心脏脉冲的预测时间信号轮廓的脉冲轮廓(u(n)),并且利用所述脉冲轮廓(u(n))在时域中对所述测量数据进行滤波,以基本上消除所述干扰脉冲并同时保留所述心脏脉冲的序列。
项目45、根据项目44所述的装置,其中,所述信号处理器(29)包括自适应滤波器(160),该自适应滤波器被设置成,基于所述脉冲轮廓(u(n))和形成为所述测量数据与估算信号之间的差的误差信号(e(n)),来生成所述估算信号由此,所述自适应滤波器(160)被设置成基本上消除所述估算信号中的所述至少一个干扰脉冲。所述自适应滤波器(160)可以被配置成,生成作为M个移位脉冲轮廓(u(n))的线性组合的所述估算信号而且具体来说,所述自适应滤波器(160)可以被配置成,对由所述自适应滤波器(30)在振幅和相位方面适当地调节的、所述脉冲轮廓(u(n))的M个实例进行线性组合。
项目46、根据任一前述项目所述的装置,其中,所述信号处理器(29)实现用于生成所述监测信号的第一处理、用于获取主时序数据的第二处理以及用于计算所述参数值的第三处理,其中,所述信号处理器(29)还被配置成,评估所述监测信号中的、或者从基准传感器(4a-4c)获取的基准信号中的心脏脉冲的幅度,并且基于所述心脏脉冲的所述幅度,选择性地控制所述第一处理、所述第二处理以及所述第三处理中的至少一个。
项目47、根据任一前述项目所述的装置,其中,所述测量数据包括所述心脏脉冲的序列和至少一个干扰脉冲,所述至少一个干扰脉冲源自所述体外流体回路(20)中的至少一个泵送装置(3),其中,所述信号处理器(29)还被配置成,计算所述监测信号中的、或者从基准传感器(4a-4c)获取的基准信号中的心脏脉冲的速率,并且使得与所述心脏脉冲的速率有关地控制所述至少一个泵送装置(3)的泵送频率。
项目48、根据项目47所述的装置,其中,所述泵送频率被控制成使干扰脉冲的速率移位,远离心脏脉冲的速率。
项目49、根据项目47所述的装置,其中,所述泵送频率被控制成使干扰脉冲的速率与心脏脉冲的速率同步,同时应用所述干扰脉冲与所述心脏脉冲之间的指定相位差。
项目50、根据项目1-47中的任一项所述的装置,其中,所述体外流体回路(20)包括至少一个泵送装置(3),所述至少一个泵送装置(3)在处于操作状态时,在所述测量数据中生成干扰脉冲,其中,所述装置被配置成,在将所述至少一个泵送装置(3)间歇性地设置为禁用状态的同时,获取所述测量数据。
项目51、根据任一前述项目所述的装置,其中,所述心血管特性是以下中的至少一个:受检者的所述心血管系统的动脉状态、受检者的所述心血管系统的钙化程度、用于将所述体外流体回路(20)连接至受检者的所述心血管系统的血管通路状态、心率变化性、心率、心率扰动、异位搏动计数以及异位搏动源。
项目52、一种用于监测受检者的心血管特性的装置,所述装置包括:
用于获取来自被设置成检测体外流体回路(20)中的压力波的主压力波传感器(4a-4c)的测量数据的装置(400),所述体外流体回路(20)与受检者的心血管系统按流体连通方式连接;
用于基于所述测量数据生成时间相关监测信号的装置(401),以使所述监测信号包括心脏脉冲的序列,其中,各个心脏脉冲表示源自受检者中的心搏的压力波;
用于确定针对所述监测信号中的各个心脏脉冲的搏动分类数据的装置(403);以及
用于至少部分地基于所述搏动分类数据来计算指示所述心血管特性的参数值的装置(404)。
项目52所述的装置的实施方式可以对应于项目2-51所述的装置的实施方式。
项目60、一种用于血液处理的设备,该设备包括体外血流回路(20)和根据项目1-52中的任一项所述的装置,该体外血流回路(20)被设置为连接至受检者的血管系统,并且可操作为使来自受检者的血液循环通过血液处理装置(6)并返回至该受检者。
项目70、一种用于监测受检者的心血管特性的方法,所述方法包括以下步骤:
获取来自被设置成检测体外流体回路(20)中的压力波的主压力波传感器(4a-4c)的测量数据,所述体外流体回路(20)与受检者的心血管系统按流体连通方式连接;
基于所述测量数据生成时间相关监测信号,以使所述监测信号包括心脏脉冲的序列,其中,各个心脏脉冲表示源自受检者中的心搏的压力波;
确定针对所述监测信号中的各个心脏脉冲的搏动分类数据;以及
至少部分地基于所述搏动分类数据,来计算指示所述心血管特性的参数值。
项目71、根据项目69所述的方法,其中,所述搏动分类数据区分源自正常心搏的心脏脉冲与源自异位心搏的心脏脉冲。
项目72、根据项目70或71所述的方法,其中,基于主时序数据和形状数据中的至少一个来确定所述搏动分类数据,所述主时序数据表示所述监测信号中的各个心脏脉冲的出现时间,所述形状数据表示所述监测信号中的各个心脏脉冲的形状。
项目73、根据项目72所述的方法,其中,通过处理所述监测信号以提取表示各个心脏脉冲的时间形状的至少一个形状特征,来确定所述搏动分类数据。
项目74、根据项目72或73所述的方法,其中,基于从各个心脏脉冲提取的多个不同形状特征的组合来确定所述搏动分类数据。
项目75、根据项目72-74中的任一项所述的方法,其中,通过提取各个心脏脉冲的时间轮廓的至少一部分,并且将该时间轮廓的所述至少一部分与一组模板匹配,来确定所述搏动分类数据。
项目76、根据项目72-75中的任一项所述的方法,其中,通过基于所述主时序数据获取所述监测信号中的心脏脉冲之间的时间差,并且针对时间间隔标准评估各个时间差,来确定所述搏动分类数据。
项目77、根据项目72-76中的任一项所述的方法,所述方法还包括以下步骤:通过处理所述监测信号以识别心脏脉冲,并且处理经由所述输入部(28)从所述体外回路(20)中或受检者上的基准传感器(4a-4c)获取的基准信号的处理中的至少一个,来获取所述主时序数据。
项目78、根据项目77所述的方法,其中,所述基准传感器是压力波传感器。
项目79、根据项目78所述的方法,其中,所述获取所述主时序数据的步骤包括:调节所述基准传感器(4a-4c)与所述主压力波传感器(4a-4c)之间的传导时间的差。
项目80、根据项目79所述的方法,其中,所述传导时间通过预定值来指定。
项目81、根据项目79所述的方法,所述方法还包括以下步骤:基于所述基准传感器(4a-4c)的位置与所述主压力波传感器(4a-4c)的位置之间的流体压力的差来计算所述传导时间。
项目82、根据项目77所述的方法,其中,所述基准传感器是ECG传感器。
项目83、根据项目77-81中的任一项所述的方法,其中,通过以下步骤来获取所述主时序数据:识别所述监测信号或所述基准信号中的一组候选心脏脉冲;基于该组候选心脏脉冲导出候选时间点的序列;针对时间准则验证候选时间点的该序列;以及作为候选时间点的这样验证的序列的函数来计算所述时序数据。
项目84、根据项目70-83中的任一项所述的方法,其中,所述计算所述参数值的步骤包括:基于所述搏动分类数据生成次时序数据,所述次时序数据表示所述心脏脉冲的出现时间,以用于计算所述参数值。
项目85、根据项目84所述的方法,所述方法还包括以下步骤:如果所述搏动分类数据识别源自异位心搏的心脏脉冲,并且如果满足选择标准,则通过估算针对被分类为源自异位心搏的各个心脏脉冲的修正时间点,来生成所述次时序数据。
项目86、根据项目85所述的方法,其中,所述选择标准指示所述参数值是心率和心率变化性中的至少一个。
项目87、根据项目84-86中的任一项所述的方法,所述方法还包括以下步骤:处理所述次时序数据,以计算所述参数值作为心率变化性和心率中的至少一个的度量。所述处理可以包括以下步骤:通过至少部分地对源自受检者中的心搏的压力波的传导时间的变化进行补偿来计算心率变化性的度量,所述变化源自体外流体回路(20)中的、因体外流体回路(20)中的至少一个泵送装置(3)而造成的压力变化。
项目88、根据项目84-87中的任一项所述的方法,所述方法还包括以下步骤:如果所述搏动分类数据识别源自异位心搏的心脏脉冲,则处理所述搏动分类数据和所述次时序数据,以计算所述参数值,作为心率扰动的度量。
项目89、根据项目84-88中的任一项所述的方法,所述方法还包括以下步骤:如果所述搏动分类数据识别源自异位心搏的心脏脉冲,则基于所述搏动分类数据,选择所述监测信号中的心脏脉冲的子集,并且生成所述参数值,作为所选择的子集的平均时间形状的度量。
项目90、根据项目89所述的方法,其中,所述生成所述参数值的步骤包括以下步骤:基于所述次时序数据,使所述心脏脉冲的所述子集对齐并进行组合。
项目91、根据项目70-90中的任一项所述的方法,所述方法还包括以下步骤:如果所述搏动分类数据识别源自异位心搏的心脏脉冲,则处理所述搏动分类数据,以计算所述参数值,作为异位心搏的计数。
项目92、根据项目70-91中的任一项所述的方法,其中,所述测量数据包括所述心脏脉冲的序列和至少一个干扰脉冲,并且其中,所述生成所述监测信号的步骤包括:处理所述测量数据以基本上消除所述至少一个干扰脉冲。
项目93、根据项目92所述的方法,所述方法还包括以下步骤:获取作为所述干扰脉冲的预测时间信号轮廓的脉冲轮廓(u(n)),并且利用所述脉冲轮廓(u(n))在时域对所述测量数据进行滤波,以基本上消除所述干扰脉冲并同时保留所述心脏脉冲的序列。
项目94、根据项目93所述的方法,所述方法还包括以下步骤:从所述测量数据中减去所述脉冲轮廓(u(n))。
项目95、根据项目94所述的方法,所述方法还包括以下步骤:在减去所述脉冲轮廓(u(n))之前,针对所述测量数据调节所述脉冲轮廓(u(n))的振幅、时间标度以及相位中的至少一个。
项目96、根据项目95所述的方法,所述方法还包括以下步骤:使所述脉冲轮廓(u(n))与所述测量数据之间的差最小化。
项目97、根据项目94-96中的任一项所述的方法,其中,所述至少一个干扰脉冲源自所述体外流体回路(20)中的至少一个泵送装置(3),并且其中,所述减去所述脉冲轮廓(u(n))的步骤包括:从泵速率传感器(25)和控制器(24)中的至少一个获取相位信息,所述泵速率传感器(25)耦接至所述至少一个泵送装置(3),所述控制器(24)用于所述至少一个泵送装置(3);以及基于所述相位信息,与所述测量数据有关地调节所述脉冲轮廓(u(n))的相位。
项目98、根据项目93所述的方法,所述方法还包括以下步骤:操作自适应滤波器(160),以基于所述脉冲轮廓(u(n))和形成为所述测量数据与估算信号之间的差的误差信号(e(n)),来生成所述估算信号以使所述自适应滤波器(160)基本上消除所述误差信号(e(n))中的所述至少一个干扰脉冲。所述自适应滤波器(160)可以操作为生成作为M个移位脉冲轮廓(u(n))的线性组合的所述估算信号(d(n)),而且具体来说,所述自适应滤波器(160)可以操作为将由所述自适应滤波器(30)在振幅和相位方面适当地调节的、所述脉冲轮廓(u(n))的M个实例线性组合。
项目99、根据项目98所述的方法,其中,所述自适应滤波器(160)包括有限冲激响应滤波器(162)和自适应算法(164),所述有限冲激响应滤波器(162)的滤波器系数作用于所述脉冲轮廓(u(n)),以生成所述估算信号所述自适应算法(164)将所述滤波器系数优化为所述误差信号(e(n))和所述脉冲轮廓(u(n))的函数。
项目100、根据项目98或99所述的方法,所述方法还包括以下步骤:基于所述心脏脉冲的速率和/或振幅与限度值的比较,来控制所述自适应滤波器(160)锁定所述滤波器系数。
项目101、根据项目93-100中的任一项所述的方法,其中,所述至少一个干扰脉冲源自所述体外流体回路(20)中的至少一个泵送装置(3),其中,所述方法还包括以下步骤:在基准测量中,使所述至少一个泵送装置(3)生成至少一个干扰脉冲,并且根据由基准传感器(4a-4c)生成的基准信号来获取所述脉冲轮廓(u(n))。
项目102、根据项目101所述的方法,所述方法还包括以下步骤:操作所述至少一个泵送装置(3),以在所述基准测量期间生成干扰脉冲的序列,其中,所述获取所述脉冲轮廓(u(n))的步骤包括:识别并组合所述基准信号中的一组干扰脉冲。
项目103、根据项目101或102所述的方法,所述方法还包括以下步骤:间歇性地实现所述基准测量,以在所述体外流体回路(20)的操作期间更新所述脉冲轮廓(u(n))。
项目104、根据项目93-100中的任一项所述的方法,其中,所述至少一个干扰脉冲源自所述体外流体回路(20)中的至少一个泵送装置(3),其中,基于预定信号轮廓来获取所述脉冲轮廓(u(n))。
项目105、根据项目104所述的方法,所述方法还包括以下步骤:基于所述体外流体回路(20)的一个或更多个系统参数的当前值来根据数学模型修改所述预定信号轮廓。
项目106、根据项目93-100所述的方法,其中,所述至少一个干扰脉冲源自所述体外流体回路(20)中的至少一个泵送装置(3),其中,所述获取所述脉冲轮廓(u(n))的步骤包括:获取所述体外流体回路(20)的一个或更多个系统参数的当前值,并且获取作为所述当前值的函数的所述脉冲轮廓(u(n))。
项目107、根据项目106所述的方法,其中,所述获取所述脉冲轮廓(u(n))的步骤包括:基于所述当前值,识别基准数据库(DB)中的一个或更多个时间基准轮廓(r1(n),r2(n));以及基于所述一个或更多个时间基准轮廓(r1(n),r2(n))来获取所述脉冲轮廓(u(n)。
项目108、根据项目107所述的方法,其中,所述一个或更多个系统参数指示所述至少一个泵送装置(3)的泵送速率。
项目109、根据项目107或108所述的方法,其中,所述基准数据库(DB)中的各个时间基准轮廓(r1(n),r2(n))是通过针对所述一个或更多个系统参数的相应值在所述体外流体回路(20)中进行基准测量而获取的。
项目110、根据项目106所述的方法,其中,所述获取所述脉冲轮廓(u(n))的步骤包括:基于所述当前值,识别基准数据库(DB)中的能量数据和相位角数据的一个或更多个组合;以及基于所述能量数据和相位角数据的所述一个或更多个组合获取所述脉冲轮廓(u(n))。
项目111、根据项目110所述的方法,其中,所述获取所述脉冲轮廓(u(n))的步骤包括:组合一组不同频率的正弦曲线,其中,各个正弦曲线的振幅和相位角由所述能量数据和相位角数据的所述一个或更多个组合给出。
项目112、根据项目106所述的方法,其中,所述获取所述脉冲轮廓(u(n))的步骤包括:将所述当前值输入到基于所述体外流体回路(20)的数学模型计算所述主压力波传感器(4a-4c)的响应的算法中。
项目113、根据项目92所述的方法,所述方法还包括以下步骤:获取作为所述心脏脉冲的预测时间信号轮廓的脉冲轮廓(u(n)),并且利用所述脉冲轮廓(u(n))在时域对所述测量数据进行滤波,以基本上消除所述干扰脉冲被同时保留所述心脏脉冲的序列。
项目114、根据项目113所述的方法,所述方法还包括以下步骤:操作自适应滤波器(160),以基于所述脉冲轮廓(u(n))和形成为所述测量数据与估算信号之间的差的误差信号(e(n)),来生成所述估算信号以使所述自适应滤波器(160)基本上消除所述估算信号中的所述至少一个干扰脉冲。所述自适应滤波器(160)可以操作为生成作为M个移位脉冲轮廓(u(n))的线性组合的所述估算信号而且具体来说,所述自适应滤波器(160)可以操作为将由所述自适应滤波器(30)在振幅和相位方面适当地调节的、所述脉冲轮廓(u(n))的M个实例线性组合。
项目115、根据项目70-114中的任一项所述的方法,所述方法包括以下处理:用于生成所述监测信号的第一处理、用于获取主时序数据的第二处理以及用于计算所述参数值的第三处理,其中,所述方法还包括以下步骤:评估所述监测信号中的、或者从基准传感器(4a-4c)获取的基准信号中的心脏脉冲的幅度,以及基于所述心脏脉冲的所述幅度,来选择性地控制所述第一处理、所述第二处理以及所述第三处理中的至少一个。
项目116、根据项目70-115中的任一项所述的方法,其中,所述测量数据包括所述心脏脉冲的序列和至少一个干扰脉冲,所述至少一个干扰脉冲源自所述体外流体回路(20)中的至少一个泵送装置(3),其中,所述方法还包括以下步骤:计算所述监测信号中的、或者从基准传感器(4a-4c)获取的基准信号中的心脏脉冲的速率,并且使得与所述心脏脉冲的速率有关地控制所述至少一个泵送装置(3)的泵送频率。
项目117、根据项目116所述的方法,其中,所述泵送频率被控制成使干扰脉冲的速率移位,以远离心脏脉冲的速率。
项目118、根据项目116所述的方法,其中,所述泵送频率被控制成使干扰脉冲的速率与心脏脉冲的速率同步,同时应用所述干扰脉冲与所述心脏脉冲之间的指定相位差。
项目119、根据项目70-116中的任一项所述的方法,其中,所述体外流体回路(20)包括至少一个泵送装置(3),所述至少一个泵送装置在处于操作状态时,在所述测量数据中生成干扰脉冲,其中,在将所述至少一个泵送装置(3)间歇性地设置为禁用状态的同时,获取所述测量数据。
项目120、根据项目70-119中的任一项所述的方法,其中,所述心血管特性是以下中的至少一种:受检者的所述心血管系统的动脉状态、受检者的所述心血管系统的钙化程度、用于将所述体外流体回路(20)连接至受检者的所述心血管系统的血管通路状态、心率变化性、心率、心率扰动、异位搏动计数以及异位搏动源。
项目130、一种包括计算机指令的计算机可读介质,所述计算机指令在由处理器执行时,使得该处理器执行根据项目70-120中的任一项所述的方法。
Claims (29)
1.一种用于监测受检者的心血管特性的装置,其中,所述装置包括输入部(28),该输入部(28)被配置成获取来自被设置成检测体外流体回路(20)中的压力波的主压力波传感器(4a-4c)的测量数据,所述体外流体回路(20)与所述受检者的心血管系统按流体连通方式连接,其中,所述装置还包括信号处理器(29),该信号处理器(29)被配置成:
基于所述测量数据生成时间相关监测信号,以使得所述监测信号包括心脏脉冲的序列,其中,各个心脏脉冲表示源自所述受检者中的心搏的压力波;
确定针对所述监测信号中的各个心脏脉冲的搏动分类数据;以及
至少部分地基于所述搏动分类数据,来计算指示所述心血管特性的参数值。
2.根据权利要求1所述的装置,其中,所述搏动分类数据区分源自正常心搏的心脏脉冲与源自异位心搏的心脏脉冲。
3.根据权利要求1或2所述的装置,其中,所述信号处理器(29)被配置成基于主时序数据和形状数据中的至少一个来确定所述搏动分类数据,所述主时序数据表示所述监测信号中的各个心脏脉冲的出现时间,所述形状数据表示所述监测信号中的各个心脏脉冲的形状。
4.根据权利要求3所述的装置,其中,所述信号处理器(29)被配置成通过处理所述监测信号以提取表示各个心脏脉冲的时间形状的至少一个形状特征,来确定所述搏动分类数据。
5.根据权利要求3或4所述的装置,其中,所述信号处理器(29)被配置成,基于从各个心脏脉冲提取的多个不同形状特征的组合来确定所述搏动分类数据。
6.根据权利要求3-5中的任一项所述的装置,其中,所述信号处理器(29)被配置成,通过提取各个心脏脉冲的时间轮廓的至少一部分,并将所述时间轮廓的所述至少一部分与一组模板进行匹配,来确定所述搏动分类数据。
7.根据权利要求3-6中的任一项所述的装置,其中,所述信号处理器(29)被配置成,通过基于所述主时序数据获取所述监测信号中的心搏之间的时间差,并针对时间间隔标准评估各个时间差,来确定所述搏动分类数据。
8.根据权利要求3-7中的任一项所述的装置,其中,所述信号处理器(19)被配置成,通过以下中的至少一个处理来获取所述主时序数据:处理所述监测信号以识别心脏脉冲;以及处理经由所述输入部(28)从所述体外回路(20)中或所述受检者上的基准传感器(4a-4c)获取的基准信号。
9.根据任一前述权利要求所述的装置,其中,所述信号处理器(29)被配置成,通过基于所述搏动分类数据生成次时序数据来计算所述参数值,所述次时序数据表示所述心脏脉冲的所述出现时间,以用于计算所述参数值。
10.根据权利要求9所述的装置,其中,所述信号处理器(29)被配置成,如果所述搏动分类数据识别源自异位心搏的心脏脉冲,并且如果满足选择标准,则通过估算针对被分类为源自异位心搏的各个心脏脉冲的修正时间点,来生成所述次时序数据。
11.根据权利要求10所述的装置,其中,所述选择标准指示所述参数值是心率和心率变化性中的至少一个。
12.根据权利要求9-11中的任一项所述的装置,其中,所述信号处理器(29)被配置成,处理所述次时序数据,以计算所述参数值作为心率变化性和心率中的至少一个的度量。
13.根据权利要求9-12中的任一项所述的装置,其中,所述信号处理器(29)被配置成,如果所述搏动分类数据识别源自异位心搏的心脏脉冲,则处理所述搏动分类数据和所述次时序数据,以计算所述参数值作为心率扰动的度量。
14.根据权利要求9-13中的任一项所述的装置,其中,所述信号处理器(29)被配置成,如果所述搏动分类数据识别源自异位心搏的心脏脉冲,则基于所述搏动分类数据,选择所述监测信号中的所述心脏脉冲的子集,并且生成所述参数值作为所选择的子集的平均时间形状的度量。
15.根据权利要求14所述的装置,其中,所述信号处理器(29)被配置成,通过基于所述次时序数据使所述心脏脉冲的所述子集对齐并进行组合,来生成所述平均时间形状。
16.根据任一前述权利要求所述的装置,其中,所述信号处理器(29)被配置成,如果所述搏动分类数据识别源自异位心搏的心脏脉冲,则处理所述搏动分类数据,以计算所述参数值作为异位心搏的计数。
17.根据任一前述权利要求所述的装置,其中,所述测量数据包括所述心脏脉冲的序列和至少一个干扰脉冲,其中,所述信号处理器(29)被配置成,通过处理所述测量信号以基本上消除所述至少一个干扰脉冲,来生成所述监测信号。
18.根据权利要求17所述的装置,其中,所述信号处理器(29)被配置成,获取作为所述干扰脉冲的预测时间信号轮廓的脉冲轮廓(u(n)),并且利用所述脉冲轮廓(u(n))在时域中对所述测量数据进行滤波,以在保留所述心脏脉冲的序列的同时基本上消除所述干扰脉冲。
19.根据权利要求17所述的装置,其中,所述信号处理器(29)被配置成,获取作为所述心脏脉冲的预测时间信号轮廓的脉冲轮廓(u(n)),并且利用所述脉冲轮廓(u(n))在时域中对所述测量数据进行滤波,以在保留所述心脏脉冲的序列的同时基本上消除所述干扰脉冲。
20.根据任一前述权利要求所述的装置,其中,所述信号处理器(29)实现用于生成所述监测信号的第一处理、用于获取主时序数据的第二处理以及用于计算所述参数值的第三处理,其中,所述信号处理器(29)还被配置成,评估所述监测信号中的、或者从基准传感器(4a-4c)获取的基准信号中的所述心脏脉冲的幅度,并且基于所述心脏脉冲的所述幅度来选择性地控制所述第一处理、所述第二处理以及所述第三处理中的至少一个。
21.根据任一前述权利要求所述的装置,其中,所述测量数据包括所述心脏脉冲的序列和至少一个干扰脉冲,该至少一个干扰脉冲源自所述体外流体回路(20)中的至少一个泵送装置(3),其中,所述信号处理器(29)还被配置成,计算所述监测信号中的、或者从基准传感器(4a-4c)获取的基准信号中的心脏脉冲的速率,并且使得与所述心脏脉冲的速率有关地控制所述至少一个泵送装置(3)的泵送频率。
22.根据权利要求21所述的装置,其中,所述泵送频率被控制成使干扰脉冲的速率移位,以远离所述心脏脉冲的速率。
23.根据权利要求21所述的装置,其中,所述泵送频率被控制成,在将给定相位差施加在所述干扰脉冲与所述心脏脉冲之间的同时,使所述干扰脉冲的速率与所述心脏脉冲的速率同步。
24.根据任一前述权利要求所述的装置,其中,所述心血管特性是所述受检者的所述心血管系统的动脉状态、所述受检者的所述心血管系统中的钙化程度、用于将所述体外流体回路(20)连接至所述受检者的所述心血管系统的血管通路的状态、心率变化性、心率、心率扰动、异位搏动计数以及异位搏动源中的至少一个。
25.根据任一前述权利要求所述的装置,其中,所述体外流体回路(20)包括至少一个泵送装置(3),该至少一个泵送装置(3)在处于操作状态时,在所述测量数据中生成干扰脉冲,其中,所述装置被配置成,在将所述至少一个泵送装置(3)间歇性地设置为禁用状态的同时,获取所述测量数据。
26.一种用于监测受检者的心血管特性的装置,所述装置包括:
用于获取来自被设置成检测体外流体回路(20)中的压力波的主压力波传感器(4a-4c)的测量数据的装置(400),所述体外流体回路(20)与所述受检者的心血管系统按流体连通方式连接;
用于基于所述测量数据来生成时间相关监测信号,以使得所述监测信号包括心脏脉冲的序列的装置(401),其中,各个心脏脉冲表示源自所述受检者中的心搏的压力波;
用于确定针对所述监测信号中的各个心脏脉冲的搏动分类数据的装置(403);以及
用于至少部分地基于所述搏动分类数据来计算指示所述心血管特性的参数值的装置(404)。
27.一种用于血液处理的设备,该设备包括体外血流回路(20)以及根据权利要求1-26中的任一项所述的装置,所述体外血流回路(20)被设置为连接至受检者的血管系统,并且可操作为使来自所述受检者的血液循环通过血液处理装置(6)并返回至所述受检者。
28.一种用于监测受检者的心血管特性的方法,所述方法包括以下步骤:
获取来自被设置成检测体外流体回路(20)中的压力波的主压力波传感器(4a-4c)的测量数据,所述体外流体回路(20)与所述受检者的所述心血管系统按流体连通方式连接;
基于所述测量数据来生成时间相关监测信号,以使得所述监测信号包括心脏脉冲的序列,其中,各个心脏脉冲表示源自所述受检者中的心搏的压力波;
确定针对所述监测信号中的各个心脏脉冲的搏动分类数据;以及
至少部分地基于所述搏动分类数据,来计算指示所述心血管特性的参数值。
29.一种包括计算机指令的计算机可读介质,所述计算机指令在由处理器执行时,使得该处理器执行根据权利要求28所述的方法。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US29030609P | 2009-12-28 | 2009-12-28 | |
US61/290,306 | 2009-12-28 | ||
SE0951027 | 2009-12-28 | ||
SE0951027-2 | 2009-12-28 | ||
PCT/EP2010/070551 WO2011080189A1 (en) | 2009-12-28 | 2010-12-22 | Monitoring a property of the cardiovascular system of a subject |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102686150A true CN102686150A (zh) | 2012-09-19 |
CN102686150B CN102686150B (zh) | 2014-12-10 |
Family
ID=44246922
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201080059822.7A Active CN102686150B (zh) | 2009-12-28 | 2010-12-22 | 监测受检者的心血管系统的特性 |
Country Status (7)
Country | Link |
---|---|
US (1) | US10478076B2 (zh) |
EP (1) | EP2519145B1 (zh) |
KR (1) | KR101773217B1 (zh) |
CN (1) | CN102686150B (zh) |
AU (1) | AU2010338285B2 (zh) |
CA (1) | CA2785764C (zh) |
WO (1) | WO2011080189A1 (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104619246A (zh) * | 2013-09-09 | 2015-05-13 | 甘布罗伦迪亚股份公司 | 压力信号中干扰脉冲与生理脉冲的分离 |
CN105764412A (zh) * | 2013-10-18 | 2016-07-13 | 加州理工学院 | 用于左心室射血分数或心搏量确定的固有频率分析 |
CN109310356A (zh) * | 2016-06-22 | 2019-02-05 | 皇家飞利浦有限公司 | 心血管波形的基于模板的分析和分类 |
CN109414536A (zh) * | 2016-06-24 | 2019-03-01 | 弗雷塞尼斯医疗保健控股公司 | 用于管理夜间治疗的系统和方法 |
CN109805918A (zh) * | 2018-12-28 | 2019-05-28 | 北京津发科技股份有限公司 | 一种基于环形多点压力测量脉搏波形的设备 |
CN109843349A (zh) * | 2016-10-19 | 2019-06-04 | 阿比奥梅德欧洲股份有限公司 | 心室辅助装置控制 |
CN110461224A (zh) * | 2016-12-15 | 2019-11-15 | 薇心健康有限公司 | 可穿戴脉搏波形测量系统和方法 |
CN110769748A (zh) * | 2017-04-18 | 2020-02-07 | 皇家飞利浦有限公司 | 伪迹宽容的脉搏率变异性测量 |
CN111372512A (zh) * | 2017-11-22 | 2020-07-03 | 皇家飞利浦有限公司 | 脉搏波速度确定 |
CN111727065A (zh) * | 2018-02-16 | 2020-09-29 | 甘布罗伦迪亚股份公司 | 过滤来自医疗设备的压力信号 |
CN112292072A (zh) * | 2018-06-22 | 2021-01-29 | 华为技术有限公司 | 用于获取生物信息的设备和方法 |
CN113040784A (zh) * | 2021-04-21 | 2021-06-29 | 福州大学 | 一种心电信号的肌电噪声滤波方法 |
CN113557052A (zh) * | 2019-03-12 | 2021-10-26 | 心脏器械股份有限公司 | 监测具有植入式血泵的患者的健康状况的方法 |
CN113677272A (zh) * | 2019-03-27 | 2021-11-19 | 威廉·E·巴特勒 | 重建血管造影数据中的心搏频率现象 |
CN113557052B (zh) * | 2019-03-12 | 2024-05-28 | 心脏器械股份有限公司 | 监测具有植入式血泵的患者的健康状况的方法 |
Families Citing this family (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10089443B2 (en) | 2012-05-15 | 2018-10-02 | Baxter International Inc. | Home medical device systems and methods for therapy prescription and tracking, servicing and inventory |
EP2519276B1 (en) * | 2009-12-28 | 2015-03-18 | Gambro Lundia AB | Controlling an apparatus for fluid transfer to and/or from a subject |
EP2552303B1 (en) * | 2010-03-29 | 2015-06-17 | Csem Sa | Sensor device and method for measuring and determining a pulse arrival (pat) time |
JP6038910B2 (ja) | 2011-06-30 | 2016-12-07 | ガンブロ・ルンディア・エービーGambro Lundia Ab | 時間依存性圧力信号のフィルタリング |
TW201309263A (zh) * | 2011-08-19 | 2013-03-01 | 中原大學 | 影像式脈波傳導速度之量測裝置及其量測方法 |
AU2013201556B2 (en) | 2012-07-13 | 2014-06-05 | Gambro Lundia Ab | Filtering of pressure signals for suppression of periodic pulses |
AU2013360918B2 (en) * | 2012-12-18 | 2017-10-19 | Gambro Lundia Ab | Detecting pressure pulses in a blood processing apparatus |
EP2976006B1 (en) | 2013-03-20 | 2022-04-27 | Gambro Lundia AB | Monitoring of cardiac arrest in a patient connected to an extracorporeal blood processing apparatus |
GB201421785D0 (en) * | 2014-12-08 | 2015-01-21 | Oxehealth Ltd | Method and apparatus for physiological monitoring |
EP3073400B1 (en) * | 2015-03-25 | 2022-05-04 | Tata Consultancy Services Limited | System and method for determining psychological stress of a person |
US20180296745A1 (en) | 2015-06-25 | 2018-10-18 | Gambro Lundia Ab | Device and method for generating a filtered pressure signal |
US10231673B2 (en) | 2015-07-16 | 2019-03-19 | Samsung Electronics Company, Ltd. | Stress detection based on sympathovagal balance |
KR102501837B1 (ko) | 2015-11-09 | 2023-02-21 | 삼성전자주식회사 | 신호 특징 추출 방법 및 장치 |
US10470717B2 (en) | 2016-02-18 | 2019-11-12 | Capsule Technologies, Inc. | Pulse validation |
US9968274B2 (en) * | 2016-04-29 | 2018-05-15 | Infobionic, Inc. | Systems and methods for processing ECG data |
US11076813B2 (en) * | 2016-07-22 | 2021-08-03 | Edwards Lifesciences Corporation | Mean arterial pressure (MAP) derived prediction of future hypotension |
US11039753B2 (en) | 2016-12-15 | 2021-06-22 | Baxter International Inc. | System and method for monitoring and determining patient parameters from sensed venous waveform |
KR20230110374A (ko) * | 2017-01-19 | 2023-07-21 | 히그흐딤 게엠베하 | 살아있는 대상체의 심장 기능을 결정하기 위한 장치및 방법 |
EP3369367A1 (en) * | 2017-03-03 | 2018-09-05 | Digital for Mental Health | Method, device and computer program to measure a blood pulse-related parameter of a user |
JP7056002B2 (ja) * | 2017-03-15 | 2022-04-19 | オムロンヘルスケア株式会社 | 血圧測定装置、方法及びプログラム |
DE102017117337B4 (de) * | 2017-07-31 | 2019-02-07 | Redwave Medical GmbH | Verfahren zum Betreiben einer Blutdruckmessvorrichtung und Anordnung zum Messen des Druckes in einem Blutgefäß |
JP6965066B2 (ja) * | 2017-09-12 | 2021-11-10 | オムロン株式会社 | 脈波測定装置、血圧測定装置、機器、脈波測定方法、および血圧測定方法 |
US10946126B2 (en) * | 2017-10-04 | 2021-03-16 | University Of Louisiana At Lafayette | Electrocardiography triggered piston pump |
CN108309261B (zh) * | 2018-02-11 | 2020-05-22 | 西安交通大学 | 一种猝死预警方法及装置和系统 |
GB201803506D0 (en) * | 2018-03-05 | 2018-04-18 | Univ Oxford Innovation Ltd | Method and apparatus for monitoring a human or animal subject |
US11389071B2 (en) * | 2018-04-24 | 2022-07-19 | Covidien Lp | Surgical device including system for sensing tissue properties and methods thereof |
US11039754B2 (en) | 2018-05-14 | 2021-06-22 | Baxter International Inc. | System and method for monitoring and determining patient parameters from sensed venous waveform |
WO2020102133A1 (en) * | 2018-11-15 | 2020-05-22 | Medtronic, Inc. | Method of estimating heart rate and detecting tachyarrhythmia |
CN113712565B (zh) * | 2020-05-20 | 2023-08-22 | 华为技术有限公司 | 早搏检测方法及其电子设备和介质 |
CN111481187B (zh) * | 2020-05-27 | 2023-06-23 | 童心堂健康科技(北京)有限公司 | 一种基于动脉压力波特征的人工智能检测心律失常的方法 |
CN111603151B (zh) * | 2020-06-17 | 2023-05-16 | 深圳智领人工智能健康科技有限公司 | 一种基于时频联合分析的无创血液成分检测方法及系统 |
WO2022075671A1 (ko) * | 2020-10-06 | 2022-04-14 | 주식회사 스카이랩스 | 생체신호 분석방법 및 장치 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6376789B2 (en) * | 2000-04-14 | 2002-04-23 | Fujitsu Takamisawa Component Ltd. | Key switch and keyboard |
US20060167359A1 (en) * | 2005-01-27 | 2006-07-27 | Bennett Tommy D | System and method for detecting cardiovascular health conditions using hemodynamic pressure waveforms |
WO2009127683A1 (en) * | 2008-04-17 | 2009-10-22 | Gambro Lundia Ab | Method and devices for monitoring flow circuits |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3731680A (en) * | 1971-10-21 | 1973-05-08 | F Wright | Pressure regulating controller |
US3882861A (en) * | 1973-09-24 | 1975-05-13 | Vital Assists | Auxiliary control for a blood pump |
US4519395A (en) | 1982-12-15 | 1985-05-28 | Hrushesky William J M | Medical instrument for noninvasive measurement of cardiovascular characteristics |
US5390679A (en) * | 1993-06-03 | 1995-02-21 | Eli Lilly And Company | Continuous cardiac output derived from the arterial pressure waveform using pattern recognition |
SE508374C2 (sv) | 1995-09-12 | 1998-09-28 | Gambro Med Tech Ab | Förfarande och anordning för detektering av tillståndet hos en blodkärlsaccess |
JPH09173310A (ja) | 1995-11-29 | 1997-07-08 | Hewlett Packard Co <Hp> | Ecg波形の心搏を分類する方法および装置 |
DE19901078C1 (de) | 1999-01-14 | 2000-02-17 | Polaschegg Hans Dietrich | Verfahren und Vorrichtung zur Erkennung von Stenosen bei der extrakorporalen Blutbehandlung |
US7169352B1 (en) * | 1999-12-22 | 2007-01-30 | Gambro, Inc. | Extracorporeal blood processing methods and apparatus |
US6718197B1 (en) * | 2000-11-02 | 2004-04-06 | Cardiac Pacemakers, Inc. | LV ectopic density trending |
DE10230413B4 (de) | 2002-07-06 | 2004-07-22 | Fresenius Medical Care Deutschland Gmbh | Vorrichtung zur Bestimmung des Blutvolumens während einer extrakorporalen Blutbehandlung |
WO2005004950A1 (ja) * | 2003-07-10 | 2005-01-20 | Nikkiso Co., Ltd. | 脈拍数測定方法、血圧測定方法、及び血管アクセス監視方法、並びにそれらを用いた医療装置 |
US8060190B2 (en) | 2004-09-13 | 2011-11-15 | Gambro Lundia Ab | Detection of drastic blood pressure changes |
US7530962B2 (en) | 2005-06-16 | 2009-05-12 | Edward Allan Ross | Method for detecting the disconnection of an extracorporeal device using a patient's endogenous electrical voltages |
US20070023298A1 (en) | 2005-07-27 | 2007-02-01 | Max Mackenzie | Disposable baby food packaging |
US7785463B2 (en) * | 2006-03-17 | 2010-08-31 | Children's Hospital Medical Center | Extracorporeal renal replacement modeling system |
US8862214B2 (en) | 2008-04-04 | 2014-10-14 | Draeger Medical Systems, Inc. | Cardiac condition detection system |
EP2303356B1 (en) | 2008-06-26 | 2016-03-23 | Gambro Lundia AB | Methods and devices for monitoring the integrity of a fluid connection |
US8315694B2 (en) * | 2008-10-16 | 2012-11-20 | Biotronik Crm Patent Ag | Method and apparatus for ectopic beat detection |
WO2010149726A2 (en) | 2009-06-26 | 2010-12-29 | Gambro Lundia Ab | Devices, a computer program product and a method for data extraction |
-
2010
- 2010-12-22 KR KR1020127020003A patent/KR101773217B1/ko active IP Right Grant
- 2010-12-22 US US13/519,532 patent/US10478076B2/en active Active
- 2010-12-22 CA CA2785764A patent/CA2785764C/en active Active
- 2010-12-22 WO PCT/EP2010/070551 patent/WO2011080189A1/en active Application Filing
- 2010-12-22 CN CN201080059822.7A patent/CN102686150B/zh active Active
- 2010-12-22 EP EP10799034.3A patent/EP2519145B1/en active Active
- 2010-12-22 AU AU2010338285A patent/AU2010338285B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6376789B2 (en) * | 2000-04-14 | 2002-04-23 | Fujitsu Takamisawa Component Ltd. | Key switch and keyboard |
US20060167359A1 (en) * | 2005-01-27 | 2006-07-27 | Bennett Tommy D | System and method for detecting cardiovascular health conditions using hemodynamic pressure waveforms |
WO2009127683A1 (en) * | 2008-04-17 | 2009-10-22 | Gambro Lundia Ab | Method and devices for monitoring flow circuits |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10314965B2 (en) | 2013-09-09 | 2019-06-11 | Gambro Lundia Ab | Separation of interference pulses from physiological pulses in a pressure signal |
CN104619246A (zh) * | 2013-09-09 | 2015-05-13 | 甘布罗伦迪亚股份公司 | 压力信号中干扰脉冲与生理脉冲的分离 |
CN105764412A (zh) * | 2013-10-18 | 2016-07-13 | 加州理工学院 | 用于左心室射血分数或心搏量确定的固有频率分析 |
CN105764412B (zh) * | 2013-10-18 | 2018-12-07 | 加州理工学院 | 用于左心室射血分数或心搏量确定的固有频率分析 |
CN109310356A (zh) * | 2016-06-22 | 2019-02-05 | 皇家飞利浦有限公司 | 心血管波形的基于模板的分析和分类 |
CN109414536A (zh) * | 2016-06-24 | 2019-03-01 | 弗雷塞尼斯医疗保健控股公司 | 用于管理夜间治疗的系统和方法 |
CN109843349A (zh) * | 2016-10-19 | 2019-06-04 | 阿比奥梅德欧洲股份有限公司 | 心室辅助装置控制 |
US11285311B2 (en) | 2016-10-19 | 2022-03-29 | Abiomed Europe Gmbh | Ventricular assist device control |
CN110461224A (zh) * | 2016-12-15 | 2019-11-15 | 薇心健康有限公司 | 可穿戴脉搏波形测量系统和方法 |
CN110769748A (zh) * | 2017-04-18 | 2020-02-07 | 皇家飞利浦有限公司 | 伪迹宽容的脉搏率变异性测量 |
CN110769748B (zh) * | 2017-04-18 | 2023-08-29 | 皇家飞利浦有限公司 | 伪迹宽容的脉搏率变异性测量 |
CN111372512A (zh) * | 2017-11-22 | 2020-07-03 | 皇家飞利浦有限公司 | 脉搏波速度确定 |
CN111727065A (zh) * | 2018-02-16 | 2020-09-29 | 甘布罗伦迪亚股份公司 | 过滤来自医疗设备的压力信号 |
CN112292072A (zh) * | 2018-06-22 | 2021-01-29 | 华为技术有限公司 | 用于获取生物信息的设备和方法 |
CN109805918A (zh) * | 2018-12-28 | 2019-05-28 | 北京津发科技股份有限公司 | 一种基于环形多点压力测量脉搏波形的设备 |
CN113557052A (zh) * | 2019-03-12 | 2021-10-26 | 心脏器械股份有限公司 | 监测具有植入式血泵的患者的健康状况的方法 |
CN113557052B (zh) * | 2019-03-12 | 2024-05-28 | 心脏器械股份有限公司 | 监测具有植入式血泵的患者的健康状况的方法 |
CN113677272A (zh) * | 2019-03-27 | 2021-11-19 | 威廉·E·巴特勒 | 重建血管造影数据中的心搏频率现象 |
CN113677272B (zh) * | 2019-03-27 | 2023-11-24 | 威廉·E·巴特勒 | 用于提取心搏频率血管造影现象的方法、系统和存储介质 |
CN113040784A (zh) * | 2021-04-21 | 2021-06-29 | 福州大学 | 一种心电信号的肌电噪声滤波方法 |
Also Published As
Publication number | Publication date |
---|---|
CA2785764C (en) | 2020-04-07 |
EP2519145B1 (en) | 2019-05-15 |
KR101773217B1 (ko) | 2017-08-31 |
CN102686150B (zh) | 2014-12-10 |
AU2010338285A1 (en) | 2012-08-16 |
US20130023776A1 (en) | 2013-01-24 |
EP2519145A1 (en) | 2012-11-07 |
KR20120099150A (ko) | 2012-09-06 |
WO2011080189A1 (en) | 2011-07-07 |
CA2785764A1 (en) | 2011-07-07 |
AU2010338285B2 (en) | 2014-01-16 |
US10478076B2 (en) | 2019-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102686150B (zh) | 监测受检者的心血管系统的特性 | |
CN102791306B (zh) | 用于检测抽出和返回装置的构造的方法和装置 | |
CN104189968B (zh) | 用于处理时间相关的测量信号的方法及装置 | |
KR101720823B1 (ko) | 급속 증후성 혈압 감소의 예측을 위한 장치 및 방법 | |
CN102740902B (zh) | 用于监测心血管系统中的流体流速的装置和方法 | |
KR101707701B1 (ko) | 데이터 적출용 장치, 컴퓨터 프로그램 제품 및 방법 | |
CN103108585B (zh) | 用于自动处理血压信号的方法与装置 | |
KR20100092809A (ko) | 심장 기능을 모니터링하는 방법 및 장치 | |
AU2014233568B2 (en) | Method and device for processing a time-dependent measurement signal | |
ES2735990T3 (es) | Monitorización de una propiedad del sistema cardiovascular de un sujeto |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |