CN113727653A - 胎儿超声处理单元 - Google Patents
胎儿超声处理单元 Download PDFInfo
- Publication number
- CN113727653A CN113727653A CN202080030661.2A CN202080030661A CN113727653A CN 113727653 A CN113727653 A CN 113727653A CN 202080030661 A CN202080030661 A CN 202080030661A CN 113727653 A CN113727653 A CN 113727653A
- Authority
- CN
- China
- Prior art keywords
- ultrasound
- signal
- depth
- statistical
- metric
- 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.)
- Pending
Links
- 210000003754 fetus Anatomy 0.000 title description 3
- 238000009210 therapy by ultrasound Methods 0.000 title description 2
- 238000002604 ultrasonography Methods 0.000 claims abstract description 244
- 238000012545 processing Methods 0.000 claims abstract description 84
- 238000000034 method Methods 0.000 claims abstract description 46
- 238000012544 monitoring process Methods 0.000 claims abstract description 31
- 230000001605 fetal effect Effects 0.000 claims abstract description 23
- 210000002458 fetal heart Anatomy 0.000 claims abstract description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 40
- 239000000523 sample Substances 0.000 claims description 19
- 230000003595 spectral effect Effects 0.000 claims description 5
- 238000012804 iterative process Methods 0.000 claims description 3
- 238000000527 sonication Methods 0.000 claims 3
- 238000009826 distribution Methods 0.000 description 17
- 230000008569 process Effects 0.000 description 8
- 239000000203 mixture Substances 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 238000012880 independent component analysis Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000000059 patterning Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000008774 maternal effect Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 208000034702 Multiple pregnancies Diseases 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 210000000709 aorta Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000035606 childbirth Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000035935 pregnancy Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000005309 stochastic process Methods 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/02—Measuring pulse or heart rate
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
- A61B8/0866—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving foetal diagnosis; pre-natal or peri-natal diagnosis of the baby
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/48—Diagnostic techniques
- A61B8/488—Diagnostic techniques involving Doppler signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
- A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/58—Testing, adjusting or calibrating the diagnostic device
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Gynecology & Obstetrics (AREA)
- Pregnancy & Childbirth (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Cardiology (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
提供了用于在超声胎儿监测中使用的超声处理单元和方法。所述处理单元被配置为接收对应于胎儿区域内的一个或多个初始试验深度窗口的多普勒超声数据。从所述多普勒超声数据中提取针对每个试验深度窗口的超声信号。与现有技术的基于信号强度来寻求最优深度范围的方法不同,在本公开内容中,针对每个深度信号计算所述信号的定义的统计结构度量,其中,所述统计结构度量对应于所述信号的固有统计属性或特性。然后基于选择被估计为使从新窗口导出的超声信号的所述统计结构度量最大化的窗口来选择新记录窗口以用于采集胎儿心率信号。
Description
技术领域
本发明提供了超声处理单元,特别提供了用于识别多普勒超声数据内的各个心率信号的超声处理单元。
背景技术
电子胎儿监测(EFM)包括在妊娠和分娩期间记录胎儿的生命体征(例如,脉冲速率)的不同方法。EFM系统使用的常用方法是通过多普勒超声检测胎儿心率(FHR)。
这通常是通过以下操作来执行的:将多普勒超声换能器放置在母体腹部上并调整换能器的位置,使得胎儿脉冲速率来源(例如,胎儿心脏或胎儿大动脉)在由换能器发射的超声脉冲所覆盖的体积内部。发射的超声脉冲从移动的内部结构反射回来。通过检测反射信号中的频移(多普勒频移),生成了胎儿脉冲信号。然后可以通过EFM系统来分析胎儿脉冲信号,并且可以显示和/或记录检测到的胎儿脉冲速率。
用于此目的的超声(US)多普勒换能器通常利用未聚焦的近似圆柱形的超声波束场。波束体积的范围是由特性接收时间窗口限定的。在该窗口期间,US换能器被设置为采集来自任何移动的解剖结构的反射信号。
特别地,通常超声换能器在两种模式之间快速相继地交替:发射模式,其包括生成超声脉冲;以及接收模式,其包括接收先前发射的超声脉冲的反射。其间可能存在延迟或暂停时段。
通过修改发射阶段的结束和接收阶段的开始之间的延迟并且通过修改发射阶段或接收阶段的持续时间,能够将对反射超声的接收限制到特定深度范围。这能够例如用于将接收限制到包含一个或多个脉冲信号来源的深度,并且排除不包含任何脉冲信号来源但对所记录的信号的噪声水平有贡献的深度范围。
记录信号的深度范围也被称为“窗口”。窗口通常是总深度范围(“总超声视场”)的换能器能够从中接收信号的子集。
在图1中图示了对深度窗口的调整过程,图1示意性地描绘了对处于不同深度处的胎儿区的US观察结果。图1(a)示意性地描绘了深观察区,并且图1(b)描绘了浅观察区。对于图(a),相对于US发射的定时和持续时间来调整超声换能器12的接收窗口的定时和持续时间,使得检测来自较大深度的US反射。结果,获得了更深的观察体积14。相反,在图1(b)中,调整接收窗口,使得检测来自较浅深度的US反射,从而产生较浅的深度体积14。
通常,用于调整超声窗口的大小和深度的算法将寻求尽可能使窗口的大小最小化,因为较小的接收窗口使得所记录的信号中的噪声较少。例如,US 4984576描述了一个这样的示例深度选择算法。
现有技术的EFM单元(诸如,这种EFM单元)可以使用迭代方法来确定要使用的最优深度范围。特别地,迭代方法可以寻求包含最大量的信号强度的深度范围,同时排除贡献噪声或较弱的信号分量的区。例如在图1中,图1(b)的较浅的深度范围提供了较强的信号,因为它包括胎儿心脏,但是排除了可能存在于胎儿心脏以下的深度的任何噪声。
迭代方法通常可以使用两个具有可独立调整的开始深度和结束深度的单独的接收窗口。一个窗口用于实际信号采集。另一个窗口用于探查是否可以通过包括更大的深度范围来提高信号强度和/或减小深度范围是否将显著降低信号强度。通常,接收窗口范围优选尽可能小,因为较小的窗口通常使得噪声降低。
当在总超声视场内仅有单个脉冲速率来源时,现有技术的深度选择算法(例如,这些深度选择算法)能够最优地工作。然而,取决于波束场的取向和大小,在视场中可以存在一个以上的脉冲信号来源:一个脉冲信号来源对应于母体脉冲速率,并且一个脉冲信号来源对应于一个(或在多胎妊娠的情况下为多个)胎儿脉冲速率来源。
上述这种迭代方法无法区分在换能器单元的视场中捕获的不同的脉冲信号来源,例如,两个胎儿心脏;或母体心脏和胎儿心脏。相反,它通常包括在其计算中的所有可检测的脉冲速率来源,并且尝试在所选择的深度窗口内包括所有这些脉冲速率来源。结果,调整流程会引起采集到作为两个或更多个脉冲速率来源的混合物的多普勒超声信号。这种混合物难以分析,特别是在两个脉冲速率来源具有相似的幅度或功率的情况下。这可能导致胎儿心率记录丢失或记录错误的心率。
减小的胎儿心率(FHR)值或错误的FHR值可能导致对受损的胎儿健康的诊断延迟或对这种情况的不正确的诊断。
因此,提供能够区分输入数据内的不同心率来源的改进的多普勒超声处理方法将会是有利的。
发明内容
本发明由权利要求来限定。
根据本发明的一个方面的示例,提供了一种用于在胎儿监测中隔离接收到的多普勒超声数据内的各个心率来源的超声处理单元,所述单元被配置为:
接收输入多普勒超声数据,所述输入多普勒超声数据对应于对象的子宫区域内的至少一个试验深度区域,所述区域具有限定的高度和深度;
从对应于所述至少一个试验深度区域的所述超声数据中提取超声信号,并且确定所述信号的特定的统计结构度量;
应用选择算法以确定从中收集超声信号以用于测量胎儿心率的所述对象内的新记录区域的深度和高度,所述选择算法被配置为基于所确定的针对所述试验区域的统计结构度量并基于使从所述新记录区域采集的信号的所述统计结构度量最大化来选择窗口。该算法由此寻求选择仅包含单个(胎儿)心率来源的新纪录深度区域。
本发明的实施例基于使用在统计信号处理中的技术。实施例基于根据对信号的一个或多个统计属性的分析来调整从中采集超声(US)信号的记录深度窗口。
统计结构度量优选对应于超声信号的固有统计属性或特性。
统计信号处理是这样一种方法:其将信号视为随机过程,从而利用其统计属性来执行信号处理任务或导出信息。统计技术广泛用于信号处理应用中。例如,在图像处理的不同领域中,可以对拍摄图像时引起的噪声的概率分布进行建模,并且基于该模型来构建技术以减少结果得到的图像中的噪声。参见例如:Scharf、Louis L的“Statistical signalprocessing:detection,estimation,and time series analysis”(Boston:Addison–Wesley,1991年)。
本发明的实施例包括确定统计结构度量。统计结构度量优选是超声信号的固有属性。因此,优选仅基于对超声信号的参考(例如基于对超声信号的处理)而不参考任何外部实体(例如,任何外部信号或信息或参考)来确定统计结构度量。
针对所采用的特定度量存在不同的选项,这将在下面进行进一步解释。通常,统计结构度量指的是信号的统计属性或特性。它指的是信号的统计结构度(统计结构的程度)。统计结构度量实质上指的是信号的非随机性度量或统计模式化程度。例如,信号的术语“统计结构度量”和“非随机性度量”可以互换地使用。
第一结构概念涉及来自具有相同均值和方差的等效正态分布(或“高斯分布”)的信号的概率分布函数的离差度。这种类型的统计结构可以被称为“非高斯度”。
第二统计结构度量适用于时间系列的信号,即,在已知时间点处获取并因此被排序的样本。在这种情况下,统计结构(或非随机性)对应于根据已知的先前值能够至少部分地预测某个点处的值的程度。这种结构度量可以被称为“由线性自协方差给出的”结构。例如,还通过功率谱密度来捕获这种统计结构度量。
第三统计结构度量也适用于对应于时间系列的信号,但是特别地,这些信号表现出不稳定的方差,即这些信号的方差随时间缓慢改变。这里,统计结构度量对应于能够基于先前的样本组来预测方差变化的程度。这里,虽然根据先前值来预测单个样本的值是不可能的,但是能够通过考虑更大的邻接样本组来跟踪方差的变化。
因此,这些统计结构度量各自涉及信号的统计模式化或非随机性的程度。然而,每个统计结构度量都有效地独立于其他统计结构度量。每个统计结构度量既不意味着其他统计结构度量,也不预设其他统计结构度量的存在。一个信号通常会表现出一种、两种或所有三种类型的统计结构。
在某些示例中,所导出的信号结构度量可以涉及或者对应于一种主要类型的统计结构,或者可以例如涉及或表示信号中存在的所有类型的结构。
本发明基于以下领悟:信号的统计结构度量比信号幅度/强度/功率提供了更好的方法来确定超声接收窗口(深度区域)的参数,并且允许电子胎儿监测(EFM)系统调整深度窗口高度和深度参数,使得在超声接收窗口中仅包括一个脉冲信号来源,即使在可能的超声视场中存在多个独立的脉冲速率来源的情况下也是如此。
能够以信号的不同的具体属性或特性或者不同表示的特性来表达信号的统计结构。例如,能够以概率密度函数、线性自协方差、功率谱密度函数或信号的方差的不稳定性来表达信号的统计结构。这些仅是示例,并且下面将概述另外的示例。
使用准则来分析不是基于信号强度而是基于信号结构的统计度量的试验超声接收窗口信号解决了现有技术的选择算法中的上述问题,在现有技术的选择算法中,该算法趋向于选择包含多个独立的脉冲速率来源的深度窗口。如上面所讨论的,出现此问题的原因是已知的算法使用信号强度作为关键参数,这会导致具有高信号强度的窗口,但是其中,这可能是由于存在的多个脉冲来源。
使用其他选项来代替(优选地,固有)统计特性(特别是所采集的信号的统计结构或非随机性的程度)避免了这个问题。它允许电子胎儿监测系统设置超声接收窗口参数而使得在该窗口中只包括一个脉冲信号来源(即使在总视场中存在若干来源的情况下也是如此)并且记录多普勒超声信号,根据该多普勒超声信号能够毫无疑义地导出脉冲速率。
通过选择算法执行的流程可以有不同的选项。
在一个实施例集合中,处理单元可以被配置为收集来自多个试验深度区域的超声信号,并且其中,选择算法确定针对每个超声信号的统计结构度量。
处理单元可以被配置为执行比较过程以达到新记录窗口的高度和深度。针对每个信号计算相同的统计结构度量,使得可以直接比较这些度量。
比较过程可以包括对不同的超声信号彼此比较统计结构度量。然后可以选择具有最大度量值的信号的深度区域作为新记录区域或窗口。
替代地,比较过程可以包括将度量中的每个度量与针对参考窗口信号导出的度量进行比较。再次地,基于该比较,可以选择与参考相比其信号实现了统计结构度量的最大值的窗口作为新记录区域或窗口。
额外地或替代地,选择算法可以被配置为执行迭代过程,其包括:迭代地收集来自相继的试验深度区域的信号,针对每个信号导出统计结构度量,并且将所导出的度量与针对一个或多个先前试验的窗口导出的度量进行比较。这种方法与上述方法的不同之处在于:信号是从不同的深度区域一次一个地收集的,并且分析是在对每个信号的收集之后执行的。在上述方法中,从不同的深度区域收集多个信号,然后使用例如整个组来执行比较过程。
选择算法可以包括:从收集超声数据的一个或多个试验深度区域中选择新记录区域。
虽然上面提到的示例是从多个试验深度区域收集超声信号的,但是在一些情况下,对新深度区域的选择能够基于仅来自一个试验深度区域的数据。
例如,可以预先存储针对统计结构度量的预定义阈值。可以将针对至少一个试验深度区域提取的超声信号所导出的统计结构度量与预定义阈值进行比较。选择算法可以被配置为取决于针对试验深度区域的统计结构度量是达到、超出还是落在预定阈值的某个定义的接近区域内来选择试验深度区域。
可以预先计算预定义阈值,作为被估计为使超声信号的统计结构度量最大化的阈值。换句话说,如果针对试验深度区域的统计结构度量达到或落入阈值的定义的接近区域,则该统计结构度量很大可能是或接近最大统计结构度量。这可以基于例如经验测试。
预定义阈值可以基于针对参考深度区域预先采集的统计结构度量。例如,上面提到的参考深度区域可以是预先确定了其统计结构度量的深度区域,并且其中,将针对至少一个试验深度区域导出的统计结构度量与这个预先存储的度量进行比较以用于选择新记录区域的深度和高度。
以上仅表示可能的示例的非限制性选择。
针对每个信号计算的统计结构度量可以有不同的选项。
给定的信号的所述统计结构度量可以包括:针对所述信号的概率密度函数的一个或多个特性;针对所述信号的线性互协方差的一个或多个特性、针对所述信号的功率谱密度函数的一个或多个特性,和/或所述信号的方差的不稳定性的度量。
将在下一章节中更详细地描述上述选项中的每个选项。
所述统计结构度量可以包括以下各项中的一项或多项的近似结果:峰度或其导出项、负熵、自协方差、自协峰度。将在下一章节中更详细地描述这些选项。
所述超声处理单元在使用时能与超声换能器单元操作性耦合,以用于采集所述多普勒超声数据并用于调整所述换能器单元的采集设置,从而调整从中采集超声信号的深度区域。
采集设置可以包括发射脉冲的开始定时和停止定时和持续时间,以及超声换能器单元所包括的超声换能器的接收窗口。
根据本发明的另外的方面的示例提供了一种超声装置,所述超声装置包括:根据以上概述或以下描述的任何示例或实施例的或者根据本申请的任何权利要求所述的超声处理单元;以及一个或多个超声换能器,其被操作性耦合到所述超声处理单元,以用于向所述超声处理单元提供所述多普勒超声数据,并且任选地具有可调整的采集设置,以用于固定所采集的超声数据的深度窗口。
替代地,对数据进行选通以选择特定的深度窗口可以由处理单元来执行,而不是在超声换能器单元处本地执行。
所述装置可以包括超声探头单元,所述探头单元包含所述超声处理单元和所述一个或多个超声换能器。探头单元可以是手持式超声探头。处理单元被集成在探头中,并且信号处理因此是在探头本地执行的。
探头单元可以例如具有壳体,超声处理单元和一个或多个超声换能器被包括在壳体内。
根据本发明的另外的方面的示例提供了一种患者监测系统,所述患者监测系统包括:根据以上概述或以下描述的任何示例或实施例的或者根据本申请的任何权利要求所述的超声处理单元;以及连接接口,其用于在使用时连接到超声换能器单元。
连接接口可以是有线连接器,或者可以是用于连接到无线超声探头的无线连接接口。
患者监测系统还可以包括超声换能器单元,所述超声换能器单元被耦合到所述连接接口。
例如,换能器单元可以是超声探头。
超声换能器单元可以仅是发射/接收单元,即,包括一个或多个用于发射和感测超声信号的超声换能器。这里,超声处理单元包括所有信号处理部件(包括用于数字化和解调由换能器单元输出的模拟信号的部件),以分离针对一个或多个不同深度区域的信号。在这种情况下,模拟信号经由通信接口从换能器单元被传送到超声处理单元。
在其他示例中,超声换能器单元可以额外地包括本地或现场信号处理部件,这些信号处理部件用于执行对信号的数字化和解调并实现对深度通道的分离。在这种情况下,结果得到的表示经分离的信号通道的数字数据从超声换能器单元被传送到超声处理单元。
患者监测系统可以包括基站或基本单元,至少超声换能器单元(例如,超声探头)能够被连接到该基站或基本单元。基站可以包括显示器,该显示器用于显示由超声处理单元执行的处理的结果。
患者监测系统还可以包括控制器,所述控制器适于控制由连接的换能器单元在使用时对超声数据的采集。
控制器可以控制超声换能器单元的发射和接收电路,以采集表示不同深度的超声信号。控制器可以控制发射脉冲和接收窗口的持续时间以及发射脉冲与接收窗口之间的定时。控制器可以在定义的时间窗口上控制对输入多普勒信号数据的选通,从而分离对应于对象的组织内的一个或多个不同深度区域的信号。
根据本发明的另外的方面的示例提供了一种用于在胎儿监测中隔离接收到的多普勒超声数据内的各个心率来源的超声处理方法,所述方法包括:
接收输入多普勒超声数据,所述输入多普勒超声数据对应于对象的子宫区域内的至少一个试验深度区域,所述区域具有限定的高度和深度;
从对应于所述至少一个试验深度区域的所述超声数据中提取超声信号,并且确定所述信号的统计结构度量;
应用选择算法以确定从中收集超声信号以用于测量胎儿心率的所述对象内的新记录区域的深度和高度,所述选择算法被配置为基于所确定的针对所述试验区域的统计结构度量并基于使从所述新记录区域采集的信号的所述统计结构度量最大化来选择窗口。
该方法可以是计算机实施的方法,例如用于由合适的处理器、控制器或计算机来实施的方法。
统计结构度量优选对应于信号的固有统计属性或特性。
可以根据上面提供的对由本发明的装置方面(即,超声处理单元方面)的说明和描述来理解和解读针对上述步骤中的每个步骤的实施选项和详细信息。
关于本发明的装置方面(关于超声处理单元)描述的任何示例、选项或实施例特征或细节可以被应用或组合或结合到本发明的方法方面中。
参考下文描述的(一个或多个)实施例,本发明的这些方面和其他方面将是显而易见的并且得到阐明。
附图说明
为了更好地理解本发明并且为了更清楚地示出如何将本发明付诸实践,现在将仅通过示例的方式参考附图,在附图中:
图1图示了用于基于迭代地调整所采集的信号的深度来采集胎儿心率数据的已知方法;
图2是根据本发明的一个或多个实施例的由示例处理单元执行的步骤的框图;并且
图3示出了根据一个或多个实施例的示例超声系统。
具体实施方式
将参考附图来描述本发明。
应当理解,详细描述和具体示例虽然指示装置、系统和方法的示例性实施例,但这仅用于说明的目的且并不旨在限制本发明的范围。根据以下描述、权利要求和附图将更好地理解本发明的装置、系统和方法的这些和其他特征、方面和优点。应当理解,这些附图仅仅是示意性的且并未按比例绘制。还应当理解,在整个附图中使用相同的附图标记来指示相同或相似的部件。
本发明提供了用于在超声胎儿监测中使用的超声处理单元和方法。所述处理单元被配置为接收对应于胎儿区域内的一个或多个初始试验深度区域(深度窗口)的多普勒超声数据。从所述多普勒超声数据中提取针对每个试验深度区域的超声信号。针对每个深度信号计算所述信号的至少一个特定的统计结构度量。然后基于选择被估计为使从新窗口导出的超声信号的所述统计结构度量最大化的窗口来选择新记录窗口以用于采集胎儿心率信号。
本发明的目的是识别用于记录仅包含单个胎儿心率来源的超声信号的深度窗口。这避免了捕获多个心率来源的混合信号(这会导致不准确)。
本领域已知的现有方法基于寻求使信号幅度或功率最大化的深度窗口。然而,这并不适用于隔离单个心率来源,因为具有多个来源的区域会倾向于生成更高强度的信号,因此会倾向于受到这些已知的选择算法的青睐。
本发明的不同之处在于并不基于信号幅度而是基于信号的统计结构度的程度(在效果上为可归属到信号的统计非随机性的程度,或能在信号中识别的统计模式化的强度)来选择新深度窗口。与多个心率信号的混合物相比,单个心率来源将得到更强烈的统计结构化的信号。因此,与利用信号幅度或功率的方法相比,统计结构或模式化或非随机性的准则提供了用于选择具有隔离的心率来源的深度窗口的更有效且更可靠的准则。
根据本发明的第一方面的一个示例提供了用于在胎儿监测中隔离接收到的多普勒超声数据内的各个心率来源的超声处理单元。所述处理单元被配置为在使用时执行多个步骤。
图2以框图形式示出了由超声处理单元执行的步骤。现在将先简要概述这些步骤,然后再更详细地解释这些步骤。
超声处理单元被配置为接收32输入多普勒超声数据,该输入多普勒超声数据对应于对象的子宫区域内的至少一个试验深度区域,该区域具有限定的高度和深度。
超声处理单元还被配置为:从对应于至少一个试验深度区域的超声数据中提取34超声信号,并且根据所述超声信号来确定36信号的定义的统计结构度量。
处理单元还被配置为应用38选择算法以确定从中收集超声信号以用于测量胎儿心率的对象内的新记录区域的深度和高度。新记录区域形成试验区域的部分。选择算法被配置为基于针对试验窗口的导出的统计结构度量并基于寻求其中收集的超声信号被估计为具有最大化的统计结构度量的窗口来选择新深度窗口(其是对应于试验区域的先前窗口的子部分)。
因此,选择算法可以执行最大化流程,以识别新记录深度区域(其通常小于试验深度区域)的高度和深度参数,该高度和深度参数使将从窗口导出的信号的统计结构度量最大化。这是基于针对一个或多个试验区域的计算的统计结构度量来完成的。
由处理单元执行的方法基于导出一个或多个试验深度区域的至少一个预定义的统计结构测度。它还基于然后选择使针对从其导出的US信号的这一相同的统计结构度量最大化的记录深度区域。
如上面简要讨论的那样,所采用的特定度量有不同的选项。通常,统计结构度量指的是信号的统计属性或特性。它指的是信号的统计结构度(统计结构的程度)。统计结构度量实质上指的是信号的非随机性度量或统计模式化程度。例如,信号的术语“统计结构度量”和“非随机性度量”可以互换地使用。
通过非限制性示例的集合,信号结构的统计度量可以是高阶累积量(例如,偏斜或峰度或其组合),或者可以是非多项式量(例如,负熵或其近似结果),或者它们可以与信号的时间结构有关(例如,自协方差或自协峰度)。统计结构度量能够用于区分非结构化信号(例如,高斯噪声或没有时间结构的噪声)与较小的结构化信号(例如,多个脉冲速率来源的混合物),继而区分非结构化信号(例如,高斯噪声或没有时间结构的噪声)与高度结构化信号(单个脉冲速率来源)。
根据一个或多个另外的非限制性示例,给定的信号的统计结构度量可以包括:针对信号的概率密度函数的一个或多个特性、针对信号的功率谱密度函数的一个或多个特性,和/或信号的方差的不稳定性的度量。
现在将更详细地解释这些示例统计结构度量中的某些示例统计结构度量。
峰度是从输入信号的概率密度函数导出的属性。通过计算下式能够获得具有长度N的信号x的峰度的估计结果:
其中,m是x的平均值,并且σ是x的标准偏差。对于具有高斯分布的信号x,该估计结果接近值3,而具有非高斯分布的信号具有大于3或小于3的值。
因此,针对具有高斯分布的信号,从估计结果中减去3并然后求平方会产生为零的量,而针对大多数具有非高斯分布的信号,从估计结果中减去3并然后求平方会产生非零的量。因此,可以将该量用作信号的统计结构度量:该值越高,信号从正态分布的偏离就越大,因此该信号就更具非随机性或更加统计结构化。
术语[峰度(x)-3]有时在文献来源中被称为“过量峰度”。然而,该术语在某些其他来源中也可以被简单地称为“峰度”。
该准则(峰度)与信号x的概率密度函数有关。
统计结构度量的另外的示例是负熵。负熵也与信号的概率密度函数有关。可以通过计算下式来获得信号x的负熵J的估计结果:
应当注意,由于在该计算中使用了信号x的三次幂或四次幂,因此该近似结果以及上面概述的峰度的估计结果会对信号中的异常值略微敏感。
在上面的公式中,任选地,可以省去第一项,因为对于任何对称概率分布来说,第一项为零。这样就剩下了基于过量峰度的平方值的单个项。这可以被认为是负熵的最简单的估计器,并且在示例实施例中可以被用作统计结构度量。
负熵具有以下属性:负熵对于具有高斯分布的信号来说为零,而对于任何具有非高斯分布的信号来说大于零。此外,负熵的非零值的增长与针对信号x的概率分布偏离高斯分布的程度直接相关。因此,该度量直接量化了非高斯性。因此,该度量提供了直接的信号的统计结构度量。
然而,通常,只能针对信号估计负熵,并且常常不能直接计算负熵。
例如,针对负熵J(x)的一个简单的估计器例如为:
能够使负熵的估计器达到任意的准确度,但代价是随着准确度的提高复杂性也会增大。因此,针对应用选取估计器通常是所要求的准确度与可用的计算能力之间的折中。
信号的统计结构度量的另一示例是线性自协方差。
基于线性自协方差的简单示例度量如下:
这个公式也可以在Oja等人的书籍“Independent component analysis”中找到(参见第18章“Methods using time structure”)。
对于该示例,如果信号的两个相邻样本不相关,则度量C(x)的值为零,如果信号的两个相邻样本存在某种程度的相关,则度量C(x)的值为非零。为了比较两条输入信号通道,首先通过从这两个信号通道向量减去各自的平均值并除以各自的标准偏差来对这两个信号通道向量进行归一化(这消除了结果中的每条通道的功率对C(x)的任何影响)。
对于包含多个来源心率信号的混合物的输入信号通道,C(x)的绝对值将低于针对个体心率信号来源的C(x)的最高绝对值。
在本发明的背景中,选择算法可以被配置为搜索对象内的具有C(x)的最高绝对值的记录区域。
然而,应当注意,在存在若干心率来源并且具有完全相同的对应的C(x)的情况下,这种方法可能不是完全有效的(因为无法将这若干心率来源相互区分)。然而,这种情况很少发生。
统计结构度量的另外的示例是信号的方差的不稳定性。
可以使用四阶累积量(其是自协峰度矩阵的部分)来量化信号x的方差不稳定性:
对于在区间N中方差变化较大的信号x,该表达式的值较大,而在方差更接近常数的情况下,该表达式的值较小。
因此,这个表达式量化了信号的这种不稳定性。通常,心率信号来源的混合物比单独的个体心率信号来源更不稳定。因此,方差不稳定性提供了直接的信号的统计结构度量。在示例中,选择算法可以搜索对象内的从中采集的信号表现出最大量的方差不稳定性的记录区域。
为了比较不同的输入信号通道,这再次要求首先将每个信号x归一化到总样本范围内的零均值和单位方差。
通常,该公式的第一项相对于下面两项起主导作用,因此可以省去最后两项以简化计算。
这个公式也可以在A.J.Karhunen和E.Oja的书籍“Independentcomponent analysis”中找到(参见第18章“Methods using time structure”)。
通过解释,如果随机过程的有限维度分布在时间平移下是不变的,则可以说该随机过程是稳定的。这种类型的随机过程能够用于描述处于稳定状态但仍经历随机波动的物理系统。稳定性的概念是:随着时间的推移,稳定的随机过程的分布保持不变。
这些函数的确切计算要求无限数量的信号样本。因此,在实践中可以使用近似结果,或者可以使用包含关于底层概率分布的某种信息的多个可用样本来计算量。
通过以图示方式提供的另外的非限制性示例,对于已经预处理的信号x具有零平均值(即,零基线)和单位方差(即,幅度为1,即,归一化信号),信号的统计度量的示例包括:
峰度:kurt(x)=E(x4)-3(E(x2))2
平方峰度:(kurt(x))2=[E(x4)-3(E(x2))2]2
负熵的另外的替代近似结果:[E(log(cosh(x))-c2]2
其中,E()表示期望值运算符,并且c1、c2表示在x是高斯分布的情况下对应于第一项的值的常数。
优选地,选择算法包括:收集来自多个试验深度区域的超声信号,并且确定针对每个试验区域信号的至少一个统计结构度量。
在一些实施例中,选择算法可以包括将针对每个试验区域信号导出的统计结构度量进行比较。可以将针对不同试验区域的度量彼此比较,或者可以将针对不同试验区域的度量全部与针对一个或多个参考深度区域导出的一个或多个度量进行比较。
通过将试验深度窗口的(一个或多个)统计结构度量与参考深度窗口的(一个或多个)统计结构度量进行比较,超声处理单元能够确定应在多大程度上调整试验区域的高度和深度参数,以便使记录窗口中的信号的统计结构最大化。
在试验多个深度区域并将其信号结构度量彼此比较的情况下,提供了不同的统计结构值和产生这些不同的统计结构值的对应的深度参数的谱。这允许导出统计结构度量与高度和深度参数中的每个参数之间的关系。根据这种关系能够导出(例如,外推或者内插)可能产生具有最大信号结构的超声信号的参数集合。
替代地,选择算法可以包括迭代过程,其中,从相继的试验深度区域一次一个地收集超声信号。针对每个新试验深度区域,针对超声信号导出统计结构度量。然后可以将该统计结构度量与针对一个或多个先前试验的深度区域的信号的统计结构度量进行比较,并且基于该结果,该算法确定是否应当调整针对下一试验区域的高度和深度参数以及以何种方式调整针对下一试验区域的高度和深度参数,以便提高从其导出的信号的统计结构度量。
基于与一个或多个先前区域的比较,选择算法可以针对每个新试验区域确定当前区域是否已经使统计结构度量最大化。这可以例如基于标绘或者以其他方式计算作为递增的试验区域索引的函数的统计结构度量的持续变化。当检测到统计结构度量已经达到转折点(例如,所述计算的函数的二阶导数为零或近似为零)时,选择算法可以简单地将当前试验深度区域的高度和深度参数用于新记录区域。
替代地,选择算法可以针对每个新试验区域检测针对该区域的统计结构度量是否在针对先前的试验区域的统计结构度量的某个阈值接近区域内,在这种情况下,针对最终的记录深度区域选择针对新区域的高度和深度参数。
本发明的实施例涉及控制对象内的从中提取超声信号的深度区域。现在将简要概述执行此操作的一般流程。
使用超声换能器单元来获得多普勒超声数据。这可以由超声处理单元来控制,或者可以单独执行。在优选的示例中,本发明的超声处理单元在使用时能与超声处理单元操作性耦合,并且适于控制换能器单元以采集超声数据。处理单元优选能操作用于调整对超声换能器单元的采集或其他声学设置,从而调整从中采集超声信号的深度区域。
换能器单元可以包括多个超声换能器或单个换能器。接收到的超声数据通常表示目标身体内的多个不同深度。根据该数据,可以提取对应于针对被扫描的身体中的一个或多个特定深度的信号的一条或多条信号通道。
更详细地,在操作中,超声脉冲可以由超声接收/发射单元发射到被探查的身体(即,对象的子宫区域)中。在定义的发射窗口或反复出现的发射窗口集合上以定义的频率发射脉冲。接收/发射单元包括用于生成和感测超声信号的一个或多个超声换能器。它是超声换能器单元的一种形式,但是不包括信号处理部件(在该示例中,信号处理部件在该单元的外部)。
然后在超声接收-发射单元处接收反射的超声信号。取决于信号在哪个深度被反射,将在不同时间点在接收-发射单元处接收到反射。由于已知超声在组织中的传播速度(约1000米/秒),因此可以将发射与接收之间的时间延迟映射到超声脉冲已经行进的距离。然后,该距离与深度成比例。
在一些示例中,在单个方向上发射信号,并且接收和选通对应于结果得到的单个圆柱形波束场内的不同深度的超声信号。
在另外的示例中,超声换能器单元可以包括个体超声发射器的阵列,并且其中,控制单元被配置为使用该阵列来施加波束形成以控制生成的超声波束的方向性。
在任一种情况下,结果得到的超声数据都可以由放大器放大,然后被分成多条信号通道,其对应于对象内的不同深度区域。替代地,如果仅寻求单个深度区域,则可以从该通道集合中提取对应于所述单个深度区域的通道。
例如,可以通过在不同的时间接收窗口上选通传入的信号来分离对应于不同深度的信号,每个选通信号然后提供对应于不同深度的不同输入信号通道。
在一些示例中,可以调整发射脉冲和接收窗口的持续时间以及发射脉冲与接收窗口之间的定时,使得能够获得来自特定期望深度的信号,然后在适当的时间窗口上选通这些信号以在每条深度通道上提供不同的深度信号。
任选地,可以通过在接收-发射(或超声换能器)单元中包括的数字逻辑单元(例如,微控制器、FPGA等)来产生针对通道的选通脉冲。随后可以利用模数转换器对选通信号进行采样。可以使用相对较低的采样率(例如,数百至数千Hz)。
本领域技术人员将意识到众多用于选通信号的方法,以提取对应于被探测的身体内的不同深度的通道。
这一个或多个选通深度信号各自提供相应的输入信号通道(或“深度通道”)。
将预处理步骤应用于这一条或多条深度信号通道中的每条深度信号通道。可以在分离不同的输入信号通道之后或之前应用这些预处理步骤。
特别地,可以将解调和信号积分应用于每条输入信号通道的输入信号。与原始发射信号相比,解调生成具有等于测量的多普勒信号的多普勒(频率)移位的频率的信号。
可以将带通滤波应用于每条深度信号通道。滤波被配置为选择传入信号的在期望用于胎儿心跳测量的频率范围内的频率分量。这确保了仅保留数据的相关频率分量,从而降低了整体噪声。
在一些示例(未示出)中,可以额外地应用包络解调器。对于每条深度信号通道,该操作提供了针对所选择的(经滤波的)频率范围的对应于信号强度(例如,强度或方差)的变化(作为时间的函数)的包络信号。
在某些示例中,解调功能可以被结合到超声换能器单元所包括的数字微处理器中,在这种情况下,可以利用模数转换器以高采样率(发射的超声脉冲的频率的数倍(例如,若干MHz)对所发射的脉冲的反射进行采样,并且换能器单元中的数字逻辑单元或软件可以对接收到的信号进行解调并且计算针对每条深度通道的信号值。这可以使得不需要选通脉冲和模拟解调电路。
提供能够以所要求的分辨率和速度进行模数转换的数字微处理器以与信号采集同步地提供处理,这对于当前的微处理器技术来说会具有挑战性。在替代示例中,可以替代地使用在超声换能器单元中包括的专用模数(A/D)转换器来执行对深度通道的划分。A/D转换器在这种情况下应同步操作,这意味着超声频率匹配A/D转换频率(优选地,与A/D转换频率完全相同)。
现在将简要概述超声处理单元的一个示例实施例。
提供如上所述的超声处理单元,并且该超声处理单元在使用时与超声换能器单元操作性耦合。与换能器单元组合的超声处理单元能操作用于记录来自给定的对象内的至少两个深度区域的多普勒超声信号。深度区域可以具有可调整的高度和深度参数,或者可以具有固定的高度和深度参数。
超声处理单元记录来自每个深度区域的多普勒超声信号,并且计算针对每个多普勒超声信号的统计结构度量。基于对每个信号的(一个或多个)值的比较,处理单元要么调整所记录的深度区域的大小和深度参数(要么对应地调整开始深度和结束深度),以便提高针对将从中采集胎儿心率(FHR)的最终记录窗口的结构程度。替代地,该单元可以简单地选择可用深度窗口通道中具有最大统计结构度量的一个深度窗口通道,以用作用于收集用于FHR计算的信号的新记录窗口。
超声处理器可以使用诸如归一化峰度或负熵之类的信号结构准则(或上面概述的其他示例准则中的任一项)来比较不同的深度信号通道。这些度量不受信号的(平均)幅度的影响,因此能够使用该度量来区分仅包含或主要包含一个独立脉冲速率信号的通道与包含脉冲速率信号的混合物或根本不包含任何脉冲速率信号的通道。
举一个示例,通过寻求使深度通道信号的近似负熵最大化,选择算法将具有调整窗口大小和深度位置的效果,直到记录仅一个独立脉冲速率信号为止。
根据本发明的另外的方面的示例提供了超声装置,所述超声装置包括:根据以上概述或以下描述的任何示例或实施例的或者根据本申请的任何权利要求所述的超声处理单元;以及一个或多个超声换能器76,其被操作性耦合到超声处理单元,用于向超声处理单元提供多普勒超声数据,并且任选地具有可调整的采集设置,以用于固定所采集的超声数据的深度窗口。
该装置可以例如包括超声探头单元,探头单元包含超声处理单元以及一个或多个超声换能器。例如,探头可以包括包含一个或多个超声换能器以及超声处理单元的壳体。
根据本发明的另外的方面的示例提供了患者监测系统。图3示出了根据一个或多个实施例的示例患者监测系统70。
患者监测系统70包括根据上面概述或下面描述的任何示例或实施例的或者根据本申请的任何权利要求所述的超声处理单元。在所示的示例中,超声处理单元被并入在基站单元72内部。然而,在其他示例中,超声处理单元可以在本地被并入在超声换能器单元76内,基站单元(能)与超声换能器单元76相连接。
患者监测系统70还包括呈输入连接器端口74的形式的连接接口,该连接接口用于在使用时连接到超声换能器单元76,所述超声换能器单元76用于接收输入多普勒超声数据或由其导出的数据。图3示出了用于在使用时连接到基站的超声换能器单元76的示例。换能器单元包括输出连接器78,所述输出连接器78被整形为与基站的输入连接器74相接合。
在基站72中包括超声处理单元的情况下,输入连接器74可以被耦合到超声处理单元以传送接收到的超声数据。
在图3中,连接器74被示为有线连接器端口。在其他示例中,连接器可以包括用于连接到无线超声探头的无线连接接口。
患者监测系统70还可以包括被耦合到所述输入连接器的超声换能器单元76。例如,换能器单元均可以是超声探头。
本示例中的患者监测系统还包括显示器80,所述显示器80被操作性耦合到基站72的超声处理单元,以用于显示所执行的分析流程的结果,例如显示一个或多个第二输出信号的视觉表示。
患者监测系统70还可以包括控制器,所述控制器适于控制由连接的换能器单元在使用时对超声数据的采集。
控制器可以控制超声换能器单元的发射和接收电路以采集表示不同深度的超声信号。控制器可以控制发射脉冲和接收窗口的持续时间以及发射脉冲与接收窗口之间的定时。控制器可以在定义的时间窗口上控制对输入多普勒信号数据的选通,从而分离或提取对应于对象的组织内的一个或多个特定深度的不同输入信号通道。
在一些示例中,所述控制器可以在本地被包括在超声换能器单元内,或者由所述控制器执行的控制步骤可以在超声换能器单元处本地执行。
如上面所提到的,超声换能器单元可以包括超声处理单元。它可以是超声探头单元,例如包含一个或多个超声换能器以及与处理单元操作性耦合的超声处理单元。超声换能器单元可以在本地执行上述超声数据预处理步骤和/或控制步骤的至少子集。
患者监测系统可以采用与上述形式不同的形式。例如,患者监测系统可以包括监测站(例如,推车型监测站),该监测站包括显示器并且能与超声换能器单元相连接。
在任何示例中,患者监测系统能够与任何数量的用于监测同一患者或不同患者的其他传感器或数据来源相连接。
根据本发明的另外的方面的示例提供了用于在胎儿监测中隔离接收到的多普勒超声数据内的各个心率来源的超声处理方法,所述方法包括:
接收32输入多普勒超声数据,所述输入多普勒超声数据对应于对象的子宫区域内的至少一个试验深度区域,所述区域具有限定的高度和深度;
从对应于所述至少一个试验深度区域的所述超声数据中提取34超声信号,并且确定36所述信号的定义的统计结构度量;
应用38选择算法以确定从中收集超声信号以用于测量胎儿心率的所述对象内的新记录区域的深度和高度,所述选择算法被配置为基于所确定的针对所述试验区域的统计结构度量并基于使从所述新记录区域采集的信号的所述统计结构度量最大化来选择所述新记录区域。
本领域技术人员通过研究附图、公开内容以及权利要求,在实践请求保护的发明时能够理解并实现对所公开的实施例的变型。在权利要求中,“包括”一词不排除其他元件或步骤,并且词语“一”或“一个”不排除多个。单个处理器或其他单元可以实现在权利要求中记载的若干项的功能。虽然某些措施被记载在互不相同的从属权利要求中,但是这并不指示不能有利地使用这些措施的组合。如果计算机程序在上面被讨论过,则该计算机程序可以被存储/分布在合适的介质上,例如与其他硬件一起或作为其他硬件的部分而供应的光学存储介质或固态介质,但是也可以被以其他形式分布,例如经由互联网或其他有线或无线的电信系统分布。如果在权利要求或说明书中使用了术语“适于”,则应当注意,该术语“适于”旨在等同于术语“被配置为”。权利要求中的任何附图标记都不应被解释为对范围的限制。
Claims (14)
1.一种用于在胎儿监测中隔离接收到的多普勒超声数据内的各个心率来源的超声处理单元,所述单元被配置为:
接收(32)输入多普勒超声数据,所述输入多普勒超声数据对应于对象的子宫区域内的至少一个试验深度区域,所述区域具有限定的高度和深度;
从对应于所述至少一个试验深度区域的所述超声数据中提取(34)超声信号,并且确定(36)所述信号的定义的统计结构度量,所述统计结构度量对应于所述信号的固有统计属性或特性;并且
应用(38)选择算法以确定从中收集超声信号以用于测量胎儿心率的所述对象内的新记录区域的深度和高度,所述选择算法被配置为基于所确定的针对所述试验区域的统计结构度量并基于使从所述新记录区域采集的信号的所述统计结构度量最大化来选择所述新记录区域。
2.如权利要求1所述的处理单元,其中,所述选择算法包括:从多个试验深度区域收集超声信号,并且确定针对每个试验区域信号的所述定义的统计结构度量。
3.如权利要求2所述的处理单元,其中,所述选择算法包括:对针对每个试验区域信号导出的所述统计结构度量的比较。
4.如权利要求3所述的处理单元,其中,所述比较包括将针对彼此不同的超声信号的所述统计结构度量进行比较,并且/或者包括将针对每个试验区域的所述统计结构度量与针对参考深度区域信号导出的另外的度量进行比较。
5.如权利要求2所述的处理单元,其中,所述选择算法包括迭代过程,所述迭代过程包括:从相继的试验深度区域迭代地收集信号,针对每个信号导出统计结构度量,并且将所导出的度量与针对一个或多个先前试验的窗口导出的度量进行比较。
6.如权利要求1-5中的任一项所述的处理单元,其中,给定的信号的所述统计结构度量包括:针对所述信号的概率密度函数的一个或多个特性;针对所述信号的功率谱密度函数的一个或多个特性,和/或所述信号的方差的不稳定性的度量。
7.如权利要求1-6中的任一项所述的处理单元,其中,所述统计结构度量包括以下各项中的一项或多项的近似结果:峰度或其导出项、负熵、自协方差、自协峰度。
8.如权利要求1-7中的任一项所述的处理单元,其中,所述超声处理单元在使用时能与超声换能器单元操作性耦合,以用于采集所述多普勒超声数据并用于调整所述换能器单元的采集设置,从而调整从中采集超声信号的深度区域。
9.一种超声装置(70),包括:
如权利要求1-8中的任一项所述的超声处理单元;以及
一个或多个超声换能器(76),其被操作性耦合到所述超声处理单元,以用于向所述超声处理单元提供所述多普勒超声数据,并且任选地具有可调整的采集设置,以用于固定所采集的超声数据的深度窗口。
10.如权利要求9所述的超声装置,其中,所述装置包括超声探头单元,所述探头单元包含所述超声处理单元和所述一个或多个超声换能器。
11.一种患者监测系统,包括:
如权利要求1-8中的任一项所述的超声处理单元;以及
连接接口,其用于在使用时连接到超声换能器单元。
12.如权利要求11所述的患者监测系统,还包括超声换能器单元,所述超声换能器单元被耦合到所述连接接口。
13.如权利要求11或12所述的患者监测系统,还包括控制器,所述控制器适于控制由连接的换能器单元在使用时对超声数据的采集。
14.一种用于在胎儿监测中隔离接收到的多普勒超声数据内的各个心率来源的超声处理方法,所述方法包括:
接收(32)输入多普勒超声数据,所述输入多普勒超声数据对应于对象的子宫区域内的至少一个试验深度区域,所述区域具有限定的高度和深度;
从对应于所述至少一个试验深度区域的所述超声数据中提取(34)超声信号,并且确定(36)所述信号的定义的统计结构度量,所述统计结构度量对应于所述信号的固有统计属性或特性;
应用(38)选择算法以确定从中收集超声信号以用于测量胎儿心率的所述对象内的新记录区域的深度和高度,所述选择算法被配置为基于所确定的针对所述试验区域的统计结构度量并基于使从所述新记录区域采集的信号的所述统计结构度量最大化来选择所述新记录区域。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP19170870.0A EP3730059A1 (en) | 2019-04-24 | 2019-04-24 | Fetal ultrasound processing unit |
EP19170870.0 | 2019-04-24 | ||
PCT/EP2020/061112 WO2020216753A1 (en) | 2019-04-24 | 2020-04-22 | Fetal ultrasound processing unit |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113727653A true CN113727653A (zh) | 2021-11-30 |
Family
ID=66251700
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080030661.2A Pending CN113727653A (zh) | 2019-04-24 | 2020-04-22 | 胎儿超声处理单元 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20220296209A1 (zh) |
EP (2) | EP3730059A1 (zh) |
JP (1) | JP2022530001A (zh) |
CN (1) | CN113727653A (zh) |
WO (1) | WO2020216753A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115944318A (zh) * | 2022-12-29 | 2023-04-11 | 深圳市捷美瑞科技有限公司 | 一种自动调节最佳测量深度的方法及系统 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230125779A1 (en) * | 2021-10-25 | 2023-04-27 | EchoNous, Inc. | Automatic depth selection for ultrasound imaging |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130158407A1 (en) * | 2011-12-20 | 2013-06-20 | General Electric Company | Maternal contribution detection during fetal heart monitoring |
CN103747724A (zh) * | 2011-07-05 | 2014-04-23 | 皇家飞利浦有限公司 | 用于确定感兴趣动脉在变化的压力下,动脉的状态从开放切换到闭合以及从闭合切换到开放的时刻的方法、设备和系统 |
US20140276070A1 (en) * | 2013-03-13 | 2014-09-18 | General Electric Company | Method and Device for Fetal Heart Rate Monitoring with Maternal Contribution Detection |
CN106691505A (zh) * | 2016-12-27 | 2017-05-24 | 深圳先进技术研究院 | 一种处理超声影像均匀性和对比度的方法和装置 |
KR20180033793A (ko) * | 2016-09-26 | 2018-04-04 | 지멘스 메디컬 솔루션즈 유에스에이, 인크. | 초음파 에코신호를 증폭시키는 방법 및 초음파 시스템 |
CN109069121A (zh) * | 2016-05-12 | 2018-12-21 | 皇家飞利浦有限公司 | 用于ctg超声换能器的定位支持和胎儿心率配准支持 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3518967A1 (de) | 1985-05-25 | 1986-11-27 | Hewlett-Packard GmbH, 7030 Böblingen | Schaltungsanordnung zum erfassen der herzschlagsbewegung |
GB8816198D0 (en) * | 1988-07-07 | 1988-08-10 | Kirk D L | Apparatus for monitoring fetal heart rate |
JP5771200B2 (ja) * | 2009-06-09 | 2015-08-26 | コーニンクレッカ フィリップス エヌ ヴェ | 超音波を使って動いている解剖学的構造を認識する方法および装置 |
EP3349661B1 (en) * | 2015-09-15 | 2019-07-10 | Koninklijke Philips N.V. | Device and method for determining fetal heart rate |
-
2019
- 2019-04-24 EP EP19170870.0A patent/EP3730059A1/en not_active Withdrawn
-
2020
- 2020-04-22 WO PCT/EP2020/061112 patent/WO2020216753A1/en unknown
- 2020-04-22 US US17/606,130 patent/US20220296209A1/en active Pending
- 2020-04-22 JP JP2021562379A patent/JP2022530001A/ja active Pending
- 2020-04-22 CN CN202080030661.2A patent/CN113727653A/zh active Pending
- 2020-04-22 EP EP20719447.3A patent/EP3958745A1/en active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103747724A (zh) * | 2011-07-05 | 2014-04-23 | 皇家飞利浦有限公司 | 用于确定感兴趣动脉在变化的压力下,动脉的状态从开放切换到闭合以及从闭合切换到开放的时刻的方法、设备和系统 |
US20130158407A1 (en) * | 2011-12-20 | 2013-06-20 | General Electric Company | Maternal contribution detection during fetal heart monitoring |
US20140276070A1 (en) * | 2013-03-13 | 2014-09-18 | General Electric Company | Method and Device for Fetal Heart Rate Monitoring with Maternal Contribution Detection |
CN109069121A (zh) * | 2016-05-12 | 2018-12-21 | 皇家飞利浦有限公司 | 用于ctg超声换能器的定位支持和胎儿心率配准支持 |
KR20180033793A (ko) * | 2016-09-26 | 2018-04-04 | 지멘스 메디컬 솔루션즈 유에스에이, 인크. | 초음파 에코신호를 증폭시키는 방법 및 초음파 시스템 |
CN106691505A (zh) * | 2016-12-27 | 2017-05-24 | 深圳先进技术研究院 | 一种处理超声影像均匀性和对比度的方法和装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115944318A (zh) * | 2022-12-29 | 2023-04-11 | 深圳市捷美瑞科技有限公司 | 一种自动调节最佳测量深度的方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
JP2022530001A (ja) | 2022-06-27 |
EP3730059A1 (en) | 2020-10-28 |
EP3958745A1 (en) | 2022-03-02 |
WO2020216753A1 (en) | 2020-10-29 |
US20220296209A1 (en) | 2022-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8790263B2 (en) | Automated movement detection with audio and visual information | |
JP5815705B2 (ja) | 胎児モニタリング中に超音波信号の不明確性を削減する方法 | |
US8837798B2 (en) | Signal and image analysis method and ultrasound imaging system | |
US8050476B2 (en) | Heart rate demodulation of periodic movement in ultrasound data for object identification | |
JP4266659B2 (ja) | スペクトル・ドプラ・イメージングの自動制御のための方法及び装置 | |
EP2967489B1 (en) | Method and device for fetal heart rate monitoring with maternal contribution detection | |
EP2790588B1 (en) | Automated doppler pulse cycle selection | |
JP7102630B2 (ja) | 心拍信号を分離するための胎児超音波処理ユニット | |
CN113727653A (zh) | 胎儿超声处理单元 | |
KR20170055307A (ko) | 초음파 도플러 태아감시 장치의 심박 검출 신호처리 방법 | |
US20220192525A1 (en) | Fetal ultrasound processing unit for separating heart rate signals | |
KR102270544B1 (ko) | 실시간 무선 호흡 측정 시스템 및 방법 | |
CN110368020A (zh) | 一种心音信号预处理方法及装置 | |
RU2762818C9 (ru) | Способ обнаружения движения плода из доплеровского ультразвукового сигнала | |
KR100884248B1 (ko) | 초음파 영상을 형성하는 초음파 시스템 및 방법 | |
US20060122505A1 (en) | M-Mode presentation of an ultrasound scan | |
CN112957022A (zh) | 一种ppg信号快速自适应获取装置及获取方法 | |
Hertzog et al. | Auto correlation on ultrasonic Doppler signals for pregnancy determination in sheep |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |