CN105122273B - 用于电生理学信号的非局域均值滤波 - Google Patents

Abstract

一种方法可以包括存储至少表示从患者采集的给定电生理学信号的输入电信号数据。可以将所述给定电生理学信号应用非局域均值滤波器，所述非局域均值滤波器包括空间滤波器部件和强度滤波器部件。所述方法还可以包括响应于控制输入控制参数，从而建立对空间滤波器部件和强度滤波器部件的每个的加权。可以在所述应用和所述控制的基础上存储经滤波的信号数据。

Description

用于电生理学信号的非局域均值滤波

相关申请

本申请要求2013年1月17日提交的发明名称为“用于生理信号的非局域平均滤波”的美国临时专利申请No.61/753803的权益，通过参考将其全部内容并入本文。

技术领域

本公开涉及用于电生理学信号的非局域平均滤波。

背景技术

在包括脑电描记法、心电描记法、肌电描记法、眼电描记法等的各种应用当中感测电生理学信号。在一些应用中，线路滤波器(line filter)可能无法去除某些影响因素(例如，频移等)导致的噪声。由于大多数现有的方案针对选定的小间隔使用基于频率的方案，因而来自间隔边界的伪像(artifact)可能污染跨整个间隔的滤波结果。随着从信号提取的信息的电平的增大，这一污染倾向于更加不利。

发明内容

本公开涉及用于电生理学信号的非局域均值滤波。

在一个范例中，一种非暂态计算机可读介质具有可由处理器执行的指令，所述指令被编程为执行一种方法。所述方法可以包括向给定电生理学信号应用非局域均值滤波器，以提供第一恢复信号和第一残余信号。所述方法还可以包括向第一恢复信号和第一残余信号中的一个应用非局域均值滤波器，以提供特征信号和第二残余信号。所述方法还可以包括使第一恢复信号与特征信号合并以提供给定电生理学信号的经滤波的版本。

作为另一范例，所述滤波器系统可以包括非局域均值滤波器，该非局域均值滤波器包括被配置为对给定电生理学信号的每个样本的邻域内的相邻样本进行自适应求平均的空间滤波器部件和强度滤波器部件。可以将滤波器控制配置为对空间参数数据进行设置从而根据给定电生理学信号的采样空间内的距离对空间滤波器部件加以配置，并且将所述滤波器控制配置为对强度参数数据进行设置从而根据给定电生理学信号中的样本之间的强度差对强度滤波器部件的加权加以配置。

作为又一范例，一种方法可以包括存储至少表示从患者采集的给定电生理学信号的输入电信号数据。可以向所述给定电生理学信号应用非局域均值滤波器，所述非局域均值滤波器包括根据给定电生理学信号的每个样本与其相邻样本之间的距离提供给定电生理学信号的空间域内的空间滤波的空间滤波器部件。所述滤波器还可以包括强度滤波器部件，从而根据给定电生理学信号的每个样本与其相邻样本之间的强度差提供给定电生理学信号的强度域内的滤波。所述方法还可以包括响应于控制输入从而建立对空间滤波器部件和强度滤波器部件的每个的加权的控制参数。可以在所述应用和所述控制的基础上存储经滤波的信号数据。

附图说明

图1描绘了一种NLM滤波器系统的范例。

图2描绘了利用NLM滤波来去噪的范例。

图3说明了去噪信号和原始信号的范例。

图4描绘了尖峰去除的范例。

图5描绘了尖峰去除的另一范例。

图6描绘了能够实施NLM滤波的绘图系统的范例。

具体实施方式

本公开涉及能够从感测到的电生理学信号当中减少噪声的非局域均值(NLM)滤波。如文中公开的，NLM滤波可以指基于强度的对生理信号进行滤波的方案。例如，可以将NLM滤波器配置为去除白噪声(例如，高斯噪声)、固定频率噪声(例如，电源线噪声)和/或瞬态噪声(例如，尖峰噪声)。

文中所公开的系统和方法能够在应用于信号的非局域平均滤波应用的基础上识别和处理给定几何表面的电生理学信号。例如，可以将文中公开的非局域均值滤波应用于重构到几何表面(例如，心内膜表面或心外膜表面)上的或者以其它方法从信号测量导出的信号。在其他范例中，可以将文中公开的非局域均值滤波应用于直接从患者组织的表面测得的电生理学信号。

例如，可以将文中公开的系统和方法用作诊断和/或处理工作流的部分，从而在向患者采集的电活动的基础上促进对肌肉纤维颤动机制的识别和治疗。在一些范例中，患者的电活动可以包括对体表电活动的非侵入式体表测量结果。或者或此外，患者的电活动可以包括对心脏电活动的侵入式测量结果，包括心外膜测量和/或心内膜测量结果。尽管在本中中很多范例是在心脏电信号的背景下描述的，但是应当理解文中公开的方案同样适用于其他电生理学信号，例如，脑电描记法、肌电图学、眼电描记法等。

图1描绘了能够实施用于处理输入电数据14的NLM滤波器12的滤波器系统10的范例。输入电数据14可以对应于电生理学信号，例如，可以对应于由一个或多个电极获得的生理信号。能够应用电极对电活动进行非侵入式测量，例如，可以将电极置于患者的体表上，例如，患者的头部(例如，用于脑电描记法等)、患者的胸部(例如，用于心电描记法而言)或者其他非侵入位置上。在其他范例中，可以由(例如)一个或多个置于患者体内的(例如，在EP研究等过程中置于引线或篮式导管上的)电极非侵入式地采集输入电数据14。在其他范例中，输入电数据14既可以包括以非侵入方式采集的电信号，又可以包括以侵入方式采集的电信号。

在一些范例中，在实施NLM滤波器12之前，可以对原始信号实施初始线路滤波，例如，低通滤波或其他滤波，以提供对应的输入电数据14。也可以使用额外的信号处理技术提供这样的输入电数据14。作为范例，所述的信号处理技术可以包括，例如通过基于在体表上测得的电数据以及几何数据求解反解，来向心外膜或其他包膜(envelope)上进行电描记图重构。

将NLM滤波器12配置为在每个样本的邻域内对输入信号(例如，输入电数据14提供的)的每个进行空间和/或时间上的自适应求平均，从而滤除噪声，并提供输入信号的经滤波的版本，其被示出为经滤波的信号数据16。可以将滤波器系统10配置为向每个输入信号应用滤波，其包括但不限于应用NLM滤波器12，并且在经滤波的信号数据16中提供对应的经滤波的输出信号。将这样的其他滤波示意性地示出为一个或多个其他滤波器26。

NLM滤波器12被配置为通过结合在输入信号中提供的空间信息和强度信息来执行去噪声。如文中使用的，空间信息可以表示几何距离(例如，二维或三维几何结构中的距离)和/或时间距离(例如，一个或多个信号的采样点的时间标引(time index)之间的时间距离)。如图1中所示出的，NLM滤波器12包括空间滤波器部件18和强度滤波器部件20。空间滤波器部件18能够使NLM滤波器12考虑给定信号中的点的空间和/或时间距离。例如，所述空间滤波器部件可以被配置为根据在信号的给定采样点和相对于这样的信号采样点的对应样本邻域内的一个或者多个信号的其它点之间的相对时间特性(例如，绝对时间或时间差)，来对应用于所述信号的滤波器进行加权。或者或此外，空间滤波器部件18能够使NLM滤波器12根据给定信号的位置与跨几何表面的一个或多个其他信号之间(例如，在二维或三维几何结构当中)的几何距离来施加滤波器中的加权。强度滤波器部件20基于信号样本点和每个样本点的邻域内的对应样本的相对幅值来实施加权。因而，利用所述邻域内的样本的相对强度和幅度来执行对输入信号的平滑处理和去噪。

能够基于对于一个或多个参数的设置，来针对由输入电数据14所表示的每个输入信号或者针对每个相应信号的选定部分对NLM滤波器12进行编程。所述可编程参数可以包括空间滤波器部件18的参数和强度滤波器部件20的参数。如上所述，由输入电数据14所表示的每个输入电信号可以表示跨患者组织的几何表面的不同空间位置处的电活动。

为了对空间滤波器部件18和/或强度滤波器部件20加以配置，滤波器系统10包括对应的滤波器控制22。在图1的范例中，滤波器控制22包括被编程为对NLM滤波器12进行配置的滤波器配置功能24。滤波器配置功能24被编程为对一个或多个其他滤波器26进行配置。滤波器控制22和配置功能能够用于响应于控制输入32对NLM滤波器12和/或其他滤波器26加以配置，如文中所公开的。

在图1的范例中，滤波器配置功能部24能够对空间参数数据28和强度参数数据30进行设置，从而分别对空间滤波器部件18和强度滤波器部件20加以配置。通过将空间参数数据28和强度参数数据30应用于NLM滤波器12，所述NLM滤波器能够基于由输入电数据14所表示的输入电信号中的空间距离和强度差这两者来执行去噪和/或其他滤波器操作。在这一语境下以及在文中公开的很多范例当中，空间参数对应于与输入信号相关的时间距离(例如，时间距离)，从而使得样本点和样本邻域内的样本之间的距离对应于各个样本中的每个的时间差。在其他范例中，所述空间参数可以对应于在一个位置采样的给定信号与几何表面的其他位置上的一个或多个其他信号之间的几何距离(例如，空间域的二维或三维几何结构)。因此，可以根据是否希望对空间和/或强度滤波施以提高的加权来针对不同的应用对所述NLM滤波器做出不同的配置。例如，可以利用不同的空间参数来控制在应用滤波时将如何对相邻样本之间的距离加以强调或去强调。或者或此外，可以实施不同的强度参数(例如，基于强度差)，以控制将响应于NLM滤波在给定信号中去除或者保持幅度差异的程度。

作为范例，滤波器配置功能24能够根据控制输入32对空间参数数据28和/或强度参数数据30加以配置。可以根据应用要求来对控制输入32加以设置。例如，可以响应于选择将实施的滤波类型的用户输入来提供控制输入32。在其他范例中，可以响应于为空间参数数据28和强度数据参数数据30之一或两者选择值的用户输入来提供控制输入32。在其他范例中，能够提供控制输入32，以通过另一应用或功能(未示出)(例如，基于信号特性分析或者其他自动化功能)来自动地设置空间参数数据28和强度数据参数数据30中的一者或两者。

作为另一个范例，滤波器系统10能够提供用户接口，用户能够通过该用户接口设置空间和强度参数中的一者或两者。或者或此外，滤波器配置功能24能够建立在NLM滤波器12中使用的样本邻域的尺寸(即，移动时间窗口)。所述邻域可以是固定尺寸邻域或者可以是(例如)响应于控制输入32而变化的。滤波器控制22还可以根据正在实施的滤波的应用要求来控制NLM滤波器12的应用及其配置。

此外，滤波器控制22能够应用NLM滤波器12的一个或多个实例来处理给定输入信号，可以根据应用要求来迭代地应用所述实例。例如，滤波器控制22能够向输入信号应用NLM滤波器12的给定实例，以提供经滤波的恢复信号以及对应于被NLM滤波器的滤波去除了的信号部分的残余信号。接着，滤波器控制22能够对残余信号分量应用信号分析34，从而从所述残余当中有效地取回显著特征，可以将其取回并重新加到恢复信号上以提供能够在经滤波的信号数据16处存储的对应的去噪输出信号。

在一些范例中，随后应用的NLM滤波器12的实例可以是相同的实例，即，具有相同的空间参数数据28和相同的强度参数数据30。在其他范例中，滤波器控制22可以基于信号分析34或者基于NLM滤波器12的预定义应用来设置不同的滤波器参数，从而为随后的针对由NLM滤波器的在先应用所生成的一个或多个信号分量应用NLM滤波器来进行对空间参数数据28和/或强度参数数据30的调整。

作为另一范例，信号分析34可以包括用于对被滤波的输入信号进行分析的一个或者多个功能，滤波器配置功能24可以应用所述分析的结果来对滤波器参数28和30进行设置。例如，信号分析34可以包括尖峰检测器36，其被配置为识别可能存在于给定输入信号(或者恢复信号分量或残余信号分量)当中的一个或多个尖峰。可以将尖峰的位置提供给滤波器配置功能24，从而向以检测到的尖峰位置为中心的邻域应用不同的滤波器配置参数。所检测到的尖峰可以对应于自然发生的生物学事件(例如，诸如肌肉纤维震颤的心律不齐)或者所述尖峰可以是由(例如)装置诱发的起搏尖峰。

作为另一范例，信号分析34可以包括残余分析功能38，其被配置为对残余信号进行分析以判断残余信号中是否可能存在应当被重新俘获从而被插回到相关的恢复滤波器信号当中的任何显著特征。所述显著特征可以是跨残余信号的共同特性或者其可以包括能够由分析功能34识别并且通过对应的不同NLM滤波器的应用而重新俘获的不同特性。例如，在残余信号中可能存在对于给定应用而言应当被重新俘获的一个或多个尖峰的情况下，所述滤波器配置功能24可以使用残余分析38和尖峰检测器36的功能以相对高于空间参数数据28的权重值来设置强度参数数据30，从而从残余信号恢复尖峰，继而将检测到的尖峰加到先前恢复的信号上。

在一些范例中，可以对对应时间间隔之内的全部输入样本来应用NLM滤波器的应用。在其他范例中，滤波器配置功能24可以将NLM滤波器配置为在输入样本的一个或多个空间(例如，时间)区域上应用所述NLM滤波器，例如，所述区域是由信号分析功能34的空间区域计算器40确定的。例如，所述空间区域计算机40可以相对于一个或多个显著信号特征来指定目标空间区域，例如，以尖峰或其他特征为中心的空间区域。如所提到的，滤波器控制22可以应用NLM滤波器12的一个或多个实例作为迭代过程的部分，以去除噪声或者根据应用要求以其它方式来对信号滤波，由此提供对应的经滤波的信号数据16。

作为另一个范例，可以将NLM滤波器12配置为对每个样本的邻域内的信号自适应地求均值，从而滤除噪声。对于被噪声污染的给定信号S(i)，i＝1，...，n，而言，NLM滤波器能够通过下述公式提供平滑化结果

其中，N(i)是样本S(i)的邻域，w(i，j)是对样本S(j)所施加的加权因数，其满足

可以由常规类型的高斯滤波器导出NLM滤波器12的示范性实施例，所述高斯滤波器可以被如下来表达：

其中，σ是高斯内核的标准偏差。

在高斯平滑化的范例中，对于将被平滑处理的每个给定样本而言，相邻样本的影响仅仅根据被平滑处理的样本和相邻样本之间的距离来被加以控制。其使得对于这样的高斯平滑化而言可能难以保持清晰的边缘。

所述NLM滤波器12既考虑相邻样本之间的空间距离又考虑其间的强度差，例如，其表达方式为：

其中，σ₁和σ₂分别表示在空间(例如，时间)域和强度域内定义的标准偏差。

可以根据应用要求对参数σ1和σ2进行调整，例如，通过滤波器配置功能24对空间参数28和强度参数30进行设置。例如，空间参数28可以表示方程(5)中的标准偏差σ1，且强度参数30可以表示方程(5)中的标准偏差σ2。此外，可以将给定样本i与它的一组相邻样本j之间的距离确定为(i-j)²，可以使用σ1对所述距离进行加权，如方程(5)的范例中所示，其中，i和j是各样本的时间。此外，可以针对所述样本中的每个来确定给定样本s(i)的强度和它的一组相邻样本s(j)的强度之间的差，且通过σ2对所述差进行加权，如方程(5)的范例中所示。如文中所公开的，空间参数28和强度参数30可以被设为固定值，或者是能够响应于控制输入32来被编程的。也可以基于不同的应用向给定输入信号多次应用NLM滤波器12，其可以包括相同的或者不同的空间和强度参数28和30。

在一些范例中，为了帮助提高性能，可以使用另一种类型的加权，例如根据下述表达式，来反映对相邻样本当中的空间距离(例如，(i-j)²)和强度差(例如，(s(i)-s(j))²)两者的考量：

应当理解，如文中所公开的，空间距离可以对应于被滤波的信号当中的时间距离和/或几何距离。

例如，图2描绘了能够通过使用NLM滤波实施去噪的范例。作为范例，可以将NLM滤波器12应用于初始噪声信号50，例如，可以将NLM滤波器12配置为具有大的σ1，从而容许对相邻样本的有效平均，但是保持小的σ2，以缓解(mitigate)所得到的经滤波的信号中的尖峰。在图2的范例中，通过NLM滤波器12对初始信号50进行处理，该应用得到了对应的经滤波的信号56、58、60和62，如其中所示。在下述对图2的描述当中还使用字母(a)、(b)、(c)、(d)、(e)来表示信号50、56、58、60、62。

例如，在第一次应用NLM滤波器12之后，可以通过下述组成部分来表示初始信号(a)：

(a)＝(b)+(c)

其中，(a)是初始信号50，

(b)是通过去噪来生成的恢复信号56，

(c)是残余信号58。

由残余信号(c)能够确定有一个或多个不应去除的特征。在本范例中，可以进一步向残余信号58应用相同的NLM滤波器12，以提供(c)的去噪版本。基于向信号(c)应用NLM滤波器12，能够将信号38的特征和残余表达为：

(c)＝(c)′+(e)

其中，(c)′是所提取的特征，而(e)是(c)的残余。

如前所述，由上式取代(c)，能够将原始信号50表达为如下：

(a)＝(b)+(c)＝(b)+(c)′+(e).

因而能够合并(b)和(c)′的信号特征，以提供(d)。即(d)＝(c)′+(b)。因而，在图2中，信号60包括原始信号(a)的预期特征。因而，在不存在其他噪声的情况下能够将原始信号50表达为：

(a)＝(d)+(e)。

重新参照图1，能够应用残余分析38以确定由NLM滤波器12的第二次应用所得到的图2中的残余信号62未显示出任何显著特征。相应地，能够将信号60(被示出为(d))视为最终生成信号处理，可以将所述信号存储成经滤波的信号数据16(图1)。

图3是噪声信号和滤波信号两者的曲线图70，其示出了能够实施的去噪NLM滤波器的有效性。如图3所示，曲线图70示出了与去噪结果重叠的噪声数据。此外，由于能够将NLM滤波实现为纯粹的基于强度的方案，因此将不会受到噪声当中的频率变化的影响。因而，如文中公开的，如果希望的话，可以使用额外的滤波26去除基于频率的噪声。

尽管图2和图3的范例示出了使用被配置为对输入信号去噪的NLM滤波器12，但是也可以将NLM滤波器12实施为从电生理(例如，电描记图)信号去除瞬态特征(例如，尖峰)。例如，为了去除尖峰，可以参考(例如)方程(6)将NLM滤波器12配置为具有大的σ1(例如，空间参数28)，从而容许相邻样本的有效平均，并且具有大的σ2(例如，幅值参数30)。

图4示出了应用被配置为去除尖峰的NLM滤波器12的范例。在图4的范例中，初始信号80包括尖峰82。通过NLM滤波器12对初始信号进行处理，以提供恢复信号84和残余信号86。通过NLM滤波的另一迭代做进一步处理将提供恢复信号88和总残余信号90。在图4的范例中，也可以分别通过字母(A)、(B)、(C)、(D)、(E)表示信号80、84、86、88、90。由于NLM滤波器12被实现为从电生理学信号去除尖峰特征，因而在这一范例中，这一方案中的NLM滤波器的工作流和应用与图2的去噪范例中应用的方案有些不同。具体而言，在图4的范例中，不是像在图2的范例中那样在第二次迭代中对残余信号86应用NLM滤波器12，而是对信号84的恢复部分应用NLM滤波器12。对恢复信号84应用NLM将导致在信号88中基本上没有尖峰信号，其中其他的尖峰存在于残余90中。

在图5的范例中示出了可以通过NLM滤波器12实施的用以缓解瞬态信号特征(例如，尖峰)的第二示范性方案。在本范例中，不再对原始信号的每个样本实施滤波，滤波器控制能够有选择地向信号的被识别为含有尖峰(例如，通过图1的尖峰检测器36)的区域应用NLM滤波器12。如图5的范例中所示出的，原始信号100(为了与图2和图4保持一致也将其称为信号(A))包括尖峰102。NLM滤波器12可以被配置为去噪声，例如，相对于图2所公开的，以恢复对应的去噪声信号110(为了和图2和图4保持一致也将其称为信号(B))。可以通过具有信号分析功能的尖峰检测器来识别去噪信号中的含有尖峰的区域。可以识别出对应的时间标引，从而为去噪信号110中的尖峰的每个来设置时间窗口112，例如，图5的范例中所示出的。NLM滤波器12或者另一滤波器26可以被配置为使尖峰区域的每个附近的时间窗口112的每个内的样本平滑化，以提供预期的去噪无尖峰信号(为了与图2和图4保持一致也将其称为信号(D))。例如，可以向所识别出的尖峰区域112内的样本应用各种类型的平滑滤波器功能(例如，Savitzky-Golay或其他平滑滤波器)。

可以实施图5中示出的用于执行尖峰去除的方案，以缓解过度平滑的无尖峰区域。此外，图5的范例中的方案可能需要更少的处理资源(例如，其能够更快地进行计算)，因为能够向选定部分而非如在其它范例中的整个样本来应用平滑滤波器，以实现尖峰去除。

本公开提供了一种新的非局域均值滤波器在去噪和尖峰去除方面的应用的一些初步结果。可以将其应用于电生理学数据，例如，包括心房肌肉纤维震颤(AF)情况——尤其是应用于在选定间隔的开始和结束没有扩展伪像的间隔。

还可以对所产生的去噪和/或去尖峰的信号做进一步处理，并利用其生成图形显影，从而在一个或多个生理学图形绘图(graphical map)中呈现在空间和时间上一致的信息(例如，根据色标或灰度呈现)。

图6描绘了能够实施本文所公开的NLM滤波的电生理学监测系统200的范例。系统200可以包括使用滤波器系统204的分析系统202，所述滤波器系统可以是如文中所公开的(例如，对应于图1的滤波器系统10)。系统的滤波器系统204诸如在对患者212的电生理学研究过程中能够实时地应用NLM滤波器205，或者可以结合所存储的以前针对给定患者所采集的电测量数据来实施NLM滤波器205。在一些范例中，可以基于所感测的电活动来使用所感测到的电活动以生成一个或多个图形表示(例如，电解剖学活动的图形绘图)，可以将所述图形表示提供给显示器220。

可以将分析系统202实现为包括计算机，例如，膝上型计算机、台式计算机、服务器、平板电脑、工作站等。分析系统202可以包括用于存储数据和机器可读指令的存储器206。可以将存储器206实现为(例如)非暂态计算机存储介质，例如，易失性存储器(例如，随机存取存储器)、非易失性存储器(例如，硬盘驱动器、固态驱动器、闪速存储器等)或其组合。可以将所述指令编程为执行一种或多种方法，如文中结合图1、图2、图4和图5的范例所公开的方法。

分析系统202还可以包括处理单元208，以访问存储器206，并运行存储在存储器内的机器可读指令。例如，可以将处理单元208实现为一个或多个处理器芯。在当前的范例当中，尽管将分析系统202的部件示为实现在同一系统上，但是在其他范例中，不同的部件可以跨不同的系统分布并通过(例如)网络通信。

系统200可以包括采集患者212的电生理学信息的测量系统210。在图6的范例中，传感器阵列214包括用于记录患者电活动的一个或多个电极。作为一个范例，传感器阵列214可以对应于体表电极的布置，所述体表电极在患者胸部上面且围绕患者胸部分布，以测量与患者心脏有关的电活动(例如，作为ECM过程的部分)。在一些范例中，在阵列214中可以有大约200个或更多传感器(例如，大约252个传感器)，每个传感器对应于定义相应信道的节点。在2009年11月10日提交的国际申请No.PCT/US2009/063803中示出并且描述了可以使用的非侵入式传感器阵列的范例，通过引用将其并入本文。这一非侵入式传感器阵列对应于可以包括一个或多个感测区带的整套(full complement)传感器的一个范例。作为另一范例，传感器阵列208可以包括对应于单个感测区带或多个分立的感测区带的针对特定应用的电极布置，如2012年10月12日提交的国际申请No.PCT/US2012/059957中所公开的，通过引用将该国际申请并入本文。或者或此外，传感器阵列214可以包括能够通过(例如)导管或其他探测装置插入到患者体内的侵入式传感器。

测量系统210从对应的阵列传感器208接收感测到的电信号。测量系统210可以包括适当的控制及信号处理电路(例如，滤波器和安全电路)216，以提供描述由传感器阵列214中的传感器检测到的多个输入信道中的每个的电活动的对应电测量数据218。

可以将测量数据218作为模拟或数字信息存储到存储器206内。可以使用适当的时间标记(time stamp)和信道标识符对各个测量数据218进行标引，以方便对其的评估和分析。作为范例，传感器阵列214中的传感器的每个能够同时感测体表电活动，并提供一个或多个用户选定的时间间隔的对应测量数据218。因而，测量数据218能够基于传感器214位于患者身体上和/或身体内的那个位置来表示在空间上或在时间上一致的电信息。

将分析系统202配置为对电测量数据218进行处理并生成一个或多个输出。可以将输出存储到存储器206内并将其提供给显示器220或其他类型的输出装置。如文中所公开的，输出的类型以及所呈现的信息可以根据(例如)用户的应用要求而变化。

如所提到的，将分析系统202编程为使用NLM滤波器205从测得的电活动去除噪声和/或瞬变过程(transient)，其能够使得分析系统执行的处理和分析具有提高的准确度。例如，可以将NLM滤波器205实施为执行文中公开的滤波器功能的任何功能或其组合(例如，参考图1、图2、图4、图5的对应描述)。因而，可以应用NLM滤波器205从存储器内存储的作为测量数据218的信号当中去除噪声、瞬变过程或者其他信号特征。滤波器系统204可以提供经滤波的信号数据218，其包括来自NLM滤波器205的结果，所述结果连同(例如)测量数据218和其他参数数据一起存储在存储器206内。

在一些范例中，滤波器系统204可以与作为可执行指令存储在存储器206内的图形用户界面(GUI)222交互。因而，GUI 222能够提供交互式用户界面，例如，能够用于有选择地响应于用户输入224来配置一个或多个滤波器功能。GUI 222能够提供可以在显示器220上作为交互式图形呈现的数据。例如，GUI 222能够生成GUI单元(例如，复选框(check box)、单选按钮(radio button)、滑尺等)，用户可以使用所述GUI单元激活/去激活一个或多个滤波器，其中所述一个或多个滤波器用于在测量数据218中所提供的输入信号，和/或配置激活的滤波器功能的参数。

分析系统202还可以生成以图形方式呈现在显示器220上的输出，以表示一个或多个信号的经滤波或者未经滤波的波形。如文中所公开的，所述波形可以表示各个输入信道的经滤波的或者未经滤波的图形表示，其与图2、3、4或5中示出的波形类似。或者，所述输出波形可以表示重构波形的经滤波的或者未经滤波的图形表示，例如，如文中所公开的。在一些范例中，可以基本上实时地对选定信号的波形的图形输出进行修改，以反映受到激活或者被去激活的滤波器中的变化，并且可以基于响应于用户输入224设置的参数进行所述修改。在一些范例中，可以将默认值用于滤波器参数，除非响应于用户输入224对滤波器参数做出了修改，如文中所公开的。

作为另一范例，分析系统202可以包括绘图系统230，其被编程为基于经滤波的信号数据来生成电解剖学图形。所述绘图系统230可以包括绘图生成器232，其被编程为基于测量数据218来生成表示图形(例如，电学或电解剖学图)的图形数据。绘图生成器232可以生成用以通过显示器220使这样的图形可视化的图形数据，所述图形数据将被空间叠加到解剖学结构(例如，心脏)的图形表示上。

在一些范例中，绘图系统230包括重构部件234，其被编程为通过逆计算而结合测量数据218和几何结构数据236，以重构心脏电活动。所述逆计算使用变换矩阵，并且将传感器阵列214在患者身体上感测到的电活动重构到解剖学包膜上，例如，心外膜表面、心内膜表面或其他包膜。在美国专利No.7983743和6772004中公开了能够通过重构部件234实施的逆算法的范例。重构部件234(例如)计算转移矩阵的系数，从而基于由电测量数据218表示的体表电活动来确定心脏包膜上的心脏电活动。由于向包膜上的重构可能对各个输入信道上的噪声敏感，因而滤波器系统204有助于去除各个信道的将有可能对所述过程造成不利影响的数据。

绘图生成器232可以使用通过逆方法计算的重构电数据来生成电活动的对应图形。所述图形可以在显示器220上表示患者心脏的电活动，例如，对应于重构电描记图(例如，电位图)的图形。或者或此外，分析系统202可以由重构电描记图来计算其他电特性，例如，激活图形、重极化图形、传播图形或者能够从测量数据计算出的其他电特性。可以响应于通过GUI 222所做的用户输入224来设置所述图形的类型。

鉴于上述结构和功能描述，本领域技术人员将认识到可以将文中公开的系统和方法的部分体现为方法、数据处理系统或者计算机程序产品，例如，所述计算机程序产品可以是非暂态计算机可读介质。相应地，文中公开的方案可以采取完全硬件实施例、完全软件实施例(例如，以非暂态机器可读介质为形式的)或者结合硬件和软件的实施例的形式，例如，在附录(Appendix)中所示出和描述的。此外，文中公开的系统和方法的部分可以是具有位于介质上的计算机可读程序代码的计算机可用存储介质上的计算机程序产品。可以使用任何适当的计算机可读介质，其包括但不限于静态和动态存储装置、硬盘、光学存储装置以及磁存储装置。

文中还参考方法、系统和计算机程序产品的方块图解描述了某些实施例。应当理解，可以通过计算机可执行指令实施图解中的方块以及图解中的方块的组合。可以将这些计算机可执行指令提供给通用计算机、专用计算机或者其他可编程数据处理设备(或者装置和电路的组合)的一个或多个处理器，以生成机器，从而使得所述指令在通过处理器执行时实施在一个或多个所述块中指定的功能。

还可以将这些计算机可执行指令存储到计算机可读介质内，所述指令可以指示计算机或者其他可编程数据处理设备来按照适当的方式工作，从而使得所述存储在计算机可读存储器内的指令来生成一件包含用于实施在一个或多个流程图块中指定的功能的指令的制品。还可以将所述计算机程序指令加载到计算机或其他可编程数据处理装置上，从而使一系列操作步骤得以在所述计算机或其他可编程设备上受到执行，以产生由计算机来实现的过程，从而使得该指令在所述计算机或其他可编程设备上运行时提供用于实现在一个或多个流程图块中指定的功能的步骤。

上文描述的内容只是范例。当然不可能描述结构、部件或方法的每一种可以设想的组合，但是本领域技术人员将认识到很多其他的组合和置换也是可能的。相应地，旨在使本发明涵盖落在包括所附权利要求的本申请的范围内的所有这样的变更、修改和变化。

当在本公开或权利要求中记载“一”、“一个”、“第一”、“另一个”元件，或者其等同物时，应当解释为包括一个或不只一个这样的元件，即既不要求也不排除两个或更多这样的元件。如文中所使用的，词语“包括”是指包括但不限于，词语“包含”是指包括但不限于。词语“基于”是指至少部分地基于。

Claims (24)

1.一种滤波器装置，包括：

用于向给定电生理学信号应用非局域均值滤波器以提供第一恢复信号和第一残余信号的单元；

用于向第一恢复信号和第一残余信号中的一个应用非局域均值滤波器以提供特征信号和第二残余信号的单元；以及

用于使第一恢复信号与特征信号合并以提供给定电生理学信号的经滤波的版本的单元。

2.根据权利要求1所述的滤波器装置，其中，所述非局域均值滤波器还包括空间域滤波部件，从而根据在非局域均值滤波器的应用过程中的空间参数数据对正在应用的非局域均值滤波器进行空间加权。

3.根据权利要求2所述的滤波器装置，其中，所述非局域均值滤波器还包括强度滤波器部件，从而根据在非局域均值滤波器的应用过程中使用的强度参数数据基于样本点的相对幅值来应用加权。

4.根据权利要求3所述的滤波器装置，还包括用于将所述空间参数数据和强度参数数据配置为对于非局域均值滤波器向给定电生理学信号的应用的每个而言都相同的单元。

5.根据权利要求3所述的滤波器装置，还包括用于将所述空间参数数据和强度参数数据配置为对于非局域均值滤波器向给定电生理学信号的应用的每个而言不同的单元。

6.根据权利要求3所述的滤波器装置，还包括用于响应于控制输入来配置所述空间参数数据和强度参数数据的至少其中之一的单元。

7.根据权利要求6所述的滤波器装置，其中，所述控制输入是基于用户输入的。

8.根据权利要求3所述的滤波器装置，所述滤波器装置还包括：

用于对第一恢复信号和第一残余信号的至少其中之一进行分析的单元；

用于基于所述分析有选择地配置空间参数数据和强度参数数据的至少其中之一的单元。

9.根据权利要求1所述的滤波器装置，其中，所述给定电生理学信号包括表示与患者组织的几何表面相关的电活动的多个电生理学信号中的一个，

其中，相对于多个电生理学信号的每个的至少一部分执行所述应用和所述合并，其中所述一部分是相对于一个或多个信号特征的目标部分。

10.根据权利要求9所述的滤波器装置，其中，所述多个电生理学信号中的每个是由以侵入方式采集的患者的电测量结果或者以非侵入方式采集的患者的电数据的至少其中之一导出的。

11.根据权利要求1所述的滤波器装置，还包括：

用于识别给定电生理学信号中的至少一个瞬态特征的单元；

用于确定与每个所识别出的瞬态特征相关的时间窗口的单元；以及

用于根据所确定的时间窗口有选择地向给定电生理学信号、第一恢复信号和第一残余信号的至少其中之一应用滤波，以去除每个所识别出的瞬态特征的单元。

12.根据权利要求11所述的滤波器装置，其中，用于有选择地应用滤波的单元还包括应用被配置为去除瞬态特征的非局域均值滤波器的单元或者应用平滑功能的单元中的一个。

13.根据权利要求11所述的滤波器装置，其中，被应用于给定电生理学信号的非局域均值滤波器被配置为对给定电生理学信号去噪，从而使得第一恢复信号包括去噪信号，所述去噪信号包括至少一个瞬态特征；并且

其中，对去噪信号执行有选择地应用滤波。

14.根据权利要求1所述的滤波器装置，其中，所述滤波器装置还包括用于基于给定电生理学信号的经滤波的版本来生成图形输出的单元。

15.一种滤波器系统，其包括：

非局域均值滤波器，包括被配置为对给定电生理学信号的每个样本的邻域内的相邻样本自适应地求平均的空间滤波器部件和强度滤波器部件；以及

滤波器控制，被配置为对空间参数数据进行设置以根据给定电生理学信号的采样空间内的距离对空间滤波器部件进行配置，并且被配置为对强度参数数据进行设置以根据给定电生理学信号中的样本之间的强度差对强度滤波器部件的加权进行配置。

16.根据权利要求15所述的系统，其中，滤波器控制被配置为向给定电生理学信号应用非局域均值滤波器，以提供恢复信号和残余信号，所述系统还包括信号分析功能，所述信号分析功能被配置为对恢复信号和残余信号的至少其中之一进行分析，所述滤波器控制基于信号分析来配置空间参数数据和强度参数数据的至少其中之一。

17.根据权利要求16所述的系统，其中，所述信号分析还包括尖峰检测器，所述尖峰检测器被配置为识别给定电生理学信号中的至少一个瞬态特征，所述滤波器控制有选择地向给定电生理学信号中的每个所识别出的瞬态特征的区域内的信号应用滤波。

18.根据权利要求17所述的系统，其中，所述信号分析还包括被配置为确定每个所识别出的瞬态特征的区域作为与每个所识别出的瞬态特征相关的时间窗口的空间区域计算器。

19.根据权利要求17所述的系统，其中，滤波器控制被配置为有选择地将滤波应用为被配置为去除瞬态特征的非局域均值滤波器或者另一滤波器功能中的一个。

20.根据权利要求16所述的系统，其中，所述信号分析还包括分析残余信号的残余分析功能，所述滤波器控制还被配置为基于残余分析功能来控制向给定电生理学信号应用非局域均值滤波器的多个迭代。

21.根据权利要求15所述的系统，其中，滤波器控制还被配置为响应于控制输入来设置空间参数数据和强度参数数据的至少其中之一。

22.根据权利要求15所述的系统，其中，所述给定电生理学信号包括表示与患者组织的几何表面相关的电活动的多个电生理学信号中的一个，

其中，滤波器控制还被配置为向所述多个电生理学信号的每个的至少一部分应用非局域均值滤波器，以提供对应的经滤波的信号数据，其中所述一部分是相对于一个或多个信号特征的目标部分。

23.根据权利要求22所述的系统，还包括：

被配置为从患者采集电测量数据的测量系统，所述电测量数据表示多个电生理学信号；以及

被配置为基于经滤波的信号数据来提供图形表示的显示器。

24.一种用于滤波的方法，包括：

存储至少表示从患者采集的给定电生理学信号的输入电信号数据；

向所述给定电生理学信号应用非局域均值滤波器，所述非局域均值滤波器包括空间滤波器部件，所述空间滤波器部件根据给定电生理学信号的每个样本与其相邻样本之间的距离在给定电生理学信号的空间域内提供空间滤波，所述非局域均值滤波器还包括强度滤波器部件，所述强度滤波器部件根据给定电生理学信号的每个样本与其相邻样本之间的强度差在给定电生理学信号的强度域内提供滤波；以及

控制参数以响应于控制输入来建立空间滤波器部件和强度滤波器部件的每个的加权；以及

基于所述应用和所述控制来存储经滤波的信号数据。