CN113747857B - 瓣叶分组系统 - Google Patents
瓣叶分组系统 Download PDFInfo
- Publication number
- CN113747857B CN113747857B CN202080016602.XA CN202080016602A CN113747857B CN 113747857 B CN113747857 B CN 113747857B CN 202080016602 A CN202080016602 A CN 202080016602A CN 113747857 B CN113747857 B CN 113747857B
- Authority
- CN
- China
- Prior art keywords
- leaflet
- leaflets
- index
- qun
- group
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 claims abstract description 147
- 238000003860 storage Methods 0.000 claims description 80
- 230000004044 response Effects 0.000 claims description 35
- 210000003709 heart valve Anatomy 0.000 claims description 29
- 230000015654 memory Effects 0.000 claims description 27
- 230000000007 visual effect Effects 0.000 claims description 15
- 230000001186 cumulative effect Effects 0.000 claims description 14
- 238000012935 Averaging Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 7
- 230000036512 infertility Effects 0.000 claims description 4
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 239000007788 liquid Substances 0.000 claims description 3
- 238000001514 detection method Methods 0.000 description 22
- 238000010586 diagram Methods 0.000 description 17
- 238000003491 array Methods 0.000 description 16
- 238000004458 analytical method Methods 0.000 description 14
- 238000005259 measurement Methods 0.000 description 14
- 238000011156 evaluation Methods 0.000 description 8
- 238000007689 inspection Methods 0.000 description 8
- 238000013528 artificial neural network Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000007704 transition Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 239000000654 additive Substances 0.000 description 4
- 230000000996 additive effect Effects 0.000 description 4
- 238000002372 labelling Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000007665 sagging Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 239000002783 friction material Substances 0.000 description 3
- 238000010191 image analysis Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000017531 blood circulation Effects 0.000 description 2
- 238000002513 implantation Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 206010067171 Regurgitation Diseases 0.000 description 1
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 description 1
- 239000004809 Teflon Substances 0.000 description 1
- 229920006362 Teflon® Polymers 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000010923 batch production Methods 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000010252 digital analysis Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 210000004115 mitral valve Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003516 pericardium Anatomy 0.000 description 1
- -1 polytetrafluoroethylene Polymers 0.000 description 1
- 229920001343 polytetrafluoroethylene Polymers 0.000 description 1
- 239000004810 polytetrafluoroethylene Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 210000000591 tricuspid valve Anatomy 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Abstract
提供一种将人工瓣膜瓣叶的一集合的多个人工瓣膜瓣叶(30)分组的方法。对于所述集合的每个瓣叶,使用一计算机处理器(40),因应于所述瓣叶的一图像参数,并导出一瓣叶柔韧性数值(318)。所述处理器提供一群组大小值。使用所述处理器,基于所述集合(326)的每个瓣叶的各自瓣叶柔韧性数值之间的相似性,将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组。每个所述瓣叶群组包括等于所述群组大小值的多个瓣叶的一数量。使用所述处理器,输出所述多个被指定的瓣叶群组的一指示(328)。还描述了其他实施例。
Description
相关申请的交叉引用
本申请涉及Kislev等人于2019年9月16日提交的标题为“瓣叶检测设备”的PCT申请案IL2019/051031,其主张于2018年9月17日提交的标题为“瓣叶检测设备”的美国专利临时申请案16/132,937的优先权,并且为该案的延续案。
上述每个申请案都通过引用的方式并入本文中。
技术领域
本发明的一些应用一般涉及人工心脏瓣膜(prosthetic heart valves)。更具体地,本发明的一些应用涉及对用于人工心脏瓣膜的人工瓣叶进行适当分组的技术。
背景技术
人工心脏瓣膜可由附接有多个人工瓣叶的一框架构成,所述多个瓣叶通过响应于在一第一方向上的血流而打开,以及响应于在一第二方向上的血流而关闭,以提供止回阀的功能。为了抑制所述多个闭合的瓣叶之间的血液在所述第二方向上泄漏(“返流”),使所述多个瓣叶彼此之间良好地接合很重要。促进多个瓣叶在一人工心脏瓣膜中接合的一因素为多个瓣叶的柔韧性。
发明内容
本发明的一些应用旨在对用于人工心脏瓣膜的人工瓣叶进行适当分组。可根据瓣叶的柔韧性指定多个瓣叶群组,例如,将瓣叶与具有相似柔韧性的其他瓣叶进行分组。瓣叶群组通常包括一固定数量的瓣叶,例如,根据一给定瓣叶瓣膜所需的瓣叶数量。
本发明的多个方面包括用于通过对一图像进行数字分析来以计算的方式将指示出多个瓣叶的瓣叶柔韧性的多个数值进行分配的一种设备及多种方法,所述图像包括垂挂在多个棒件上的多个瓣叶。
对于一些应用,生成包括第一瓣叶批次及第二瓣叶批次的一瓣叶集合,并且基于所述集合的所述多个瓣叶的多个瓣叶柔韧性数值之间的相似性,从所述集合的多个瓣叶中指定多个群组。对于一些应用,通过检测每个瓣叶批次生成所述多个瓣叶集合,并且以保持每个瓣叶的个体特征的方式在一存储阵列中存储每个批次。对于一些应用,所述阵列与多个指示器相关,所述多个指示器以指示所述多个指定群组的方式而被启动。例如,所述阵列可限定多个单元、用于每个瓣叶集合的一个单元以及用于每个单元的一个指示器。
因此,根据本发明的一应用中,提供一种将人工瓣膜瓣叶的一集合的多个人工瓣膜瓣叶分组的方法,所述方法包括使用一计算机处理器的以下步骤:
对于所述集合的每个瓣叶,因应于所述瓣叶的一图像参数,导出一瓣叶柔韧性数值;
接收一群组大小值;
(i)基于所述集合的每个瓣叶的各自瓣叶柔韧性数值之间的相似性,将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组,以及(ii)使得每个所述被指定的瓣叶群组包括一数量的多个瓣叶,等于所述群组大小值;以及
输出所述多个被指定的瓣叶群组的一指示。
在一应用中:
所述方法还包括接收一组内公差(intra-group tolerance),所述组内公差表示一给定瓣叶群组中的任意两个瓣叶的所述瓣叶柔韧性数值之间的一最大允许差值;以及
将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组的步骤包括:将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组,使得对于每个所述被指定的瓣叶群组,所述被指定的瓣叶群组中的每个瓣叶的所述柔韧性数值相对于所述被指定的瓣叶群组中的每个其他瓣叶的所述瓣叶柔韧性数值而言在所述组内公差的范围内。
在一应用中,输出所述多个被指定的瓣叶群组的所述指示的步骤包括:使用与所述计算机处理器通信的至少一个指示器来指示所述多个被指定的瓣叶群组。
在一应用中,所述群组大小值为3,并且其中接收所述群组大小值包括:接收为3的所述群组大小值。
在一应用中,所述群组大小值为2,并且其中接收所述群组大小值包括:接收为2的所述群组大小值。
在一应用中,所述群组大小值为4,并且其中接收所述群组大小值包括:接收为4的所述群组大小值。
在一应用中,将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组的步骤包括:将少于80%的所述集合的所述多个瓣叶指定为多个被指定的瓣叶群组。
在一应用中,将少于80%的所述集合的所述多个瓣叶指定为多个被指定的瓣叶群组的步骤包括:将10至80%的所述集合的所述多个瓣叶指定为多个被指定的瓣叶群组。
在一应用中,将少于80%的所述集合的所述多个瓣叶指定为多个被指定的瓣叶群组的步骤包括:将少于50%的所述集合的所述多个瓣叶指定为多个被指定的瓣叶群组。
在一应用中,将少于50%的所述集合的所述多个瓣叶指定为多个被指定的瓣叶群组的步骤包括:将10至50%的所述集合的所述多个瓣叶指定为多个被指定的瓣叶群组。
在一应用中,将少于50%的所述集合的所述多个瓣叶指定为多个被指定的瓣叶群组的步骤包括:将少于30%的所述集合的所述多个瓣叶指定为多个被指定的瓣叶群组。
在一应用中,所述方法还包括:在导出多个瓣叶的所述集合的每个瓣叶的所述瓣叶柔韧性数值之前,通过数字分析一个或多个数字图像,从而计算所述集合的每个瓣叶的所述图像参数,其中所述数字图像包括所述集合的所述多个瓣叶。
在一应用中,计算所述集合的每个瓣叶的所述图像参数的步骤包括:针对所述集合的每个瓣叶,计算一第一瓣叶尖端的一位置与一第二瓣叶尖端的一位置之间的一直接距离。
在一应用中,计算所述集合的每个瓣叶的所述图像参数的步骤包括:针对所述集合的每个瓣叶,计算一第一瓣叶尖端的一位置与一第二瓣叶尖端的一位置之间沿着一水平轴线的一轴向距离。
在一应用中,所述方法还包括:在计算所述集合的每个瓣叶的所述图像参数之前,使用一图像感测器获取所述一个或多个数字图像。
在一应用中,多个瓣叶的所述集合包括一第一瓣叶批次及一第二瓣叶批次,以及获取所述一个或多个数字图像的步骤包括:
获取一第一数字图像,所述第一数字图像包括所述第一瓣叶批次;以及
获取一第二数字图像,所述第二数字图像包括所述第二瓣叶批次。
在一应用中:
所述第一数字图像包括所述第一瓣叶批次的全部的所述瓣叶,以及获取所述第一数字图像的步骤包括:获取包括所述第一瓣叶批次的全部的所述瓣叶的所述数字图像;以及
所述第二数字图像包括所述第二瓣叶批次的全部的所述瓣叶,以及获取所述第二数字图像的步骤包括:获取包括所述第二瓣叶批次的全部的所述瓣叶的所述数字图像。
在一应用中,所述方法还包括:在获取所述第一数字图像的步骤之后,针对所述第一瓣叶批次的每个瓣叶,指示一存储阵列的一各自部分,其中临时存储所述第一瓣叶批次的所述瓣叶。
在一应用中,输出所述被指定的瓣叶群组的所述指示的步骤包括:指示所述存储阵列的所述各自部分,从所述各自部分将所述第一瓣叶批次的多个瓣叶分组到所述多个被指定的瓣叶群组中。
在一应用中,所述方法还包括:在指定的步骤之前:
为每个所述瓣叶柔韧性数值分配一各自索引,每个所述索引代表所述多个瓣叶的一各自瓣叶并且具有所述多个瓣叶的所述各自瓣叶的所述瓣叶柔韧性数值;
接收一组内公差,所述组内公差代表一给定瓣叶群组中的任意两个瓣叶的所述瓣叶柔韧性数值之间的一最大允许差值;
在确定可从所述多个索引中获得的多个公差范围内索引组(within-toleranceindex groups)的一最大数量之后,一公差范围内索引组为一索引组,(i)所述索引组包括等于所述群组大小值的多个索引的一数量,以及(ii)相对于所述索引组中的每个其他索引的的所述瓣叶柔韧性数值,所述索引组中的每个索引的所述柔韧性数值在所述组内公差的范围内;以及
在存储所述最大数量之后;
其中将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组的步骤包括:将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组,使得:
对于每个所述被指定的瓣叶群组,所述被指定的索引组中的每个所述索引的所述柔韧性数值相对于所述被指定的索引组中的每个其他索引的所述瓣叶柔韧性数值而言在所述组内公差的范围内;以及
所述多个被指定的索引组的一总数是所述存储的最大数量的至少一半。
在一应用中:
为每个所述瓣叶柔韧性数值分配所述各自索引的步骤包括:以一有序序列排列所述多个索引,其中所述多个索引根据所述各自瓣叶柔韧性数值的一数量级进行排序;以及
确定所述最大数量的步骤包括反复地:
识别至少等于所述群组大小值的多个连续的剩余索引的一数量,每个剩余索引未被计算为一公差范围内索引组的一索引;
从所述多个连续的剩余索引中选择一潜在索引组,使得:
一潜在索引组的一最低索引是所述潜在索引组的所述索引,所述索引具有所述潜在索引组的所述多个索引的一最低瓣叶柔韧性数值,
以及所述潜在索引组的一最高索引是所述潜在索引组的所述索引,所述索引具有所述潜在索引组的所述多个索引的一最高瓣叶柔韧性数值;
所述潜在索引组包括等于所述群组大小的多个连续的索引的一数量;以及
所述潜在索引组的所述最低索引是最低的剩余索引;
计算所述潜在索引组的一群组差分,所述群组差分为(i)所述潜在索引组的所述最高索引的所述瓣叶柔韧性数值与(ii)所述潜在索引组的所述最低索引的所述瓣叶柔韧性数值之间的一差值;
确定所述潜在索引组的所述群组差分是否大于或不大于所述组内公差,并且相应地:
如果所述潜在索引组的所述群组差分不大于所述组内公差,则将所述潜在索引组计算为一公差范围内索引组;以及
如果所述潜在索引组的所述群组差分大于所述组内公差,则不将
所述潜在索引组计算为一公差范围内索引组;
因应于(i)计算所述潜在索引组的步骤,以及(ii)识别所述多个连续的剩余索引的所述数量,选择性地选择包括一剩余索引的一连续的潜在索引组,其中选择性地选择所述连续的浅在索引组的步骤包括:
如果一先前的浅在索引组被计算为一公差范围内索引组,以及所述多个连续的剩余索引的所述数量至少等于所述群组大小值,则选择所述连续的浅在索引组,其中所述连续的浅在索引组的所述最低索引紧接着所述先前的浅在索引组的所述最高索引;
如果所述先前的浅在索引组被计算为一公差范围内索引组,以及所述多个连续的剩余索引的所述数量小于所述群组大小值,则终止并确定所述最大数量;
如果所述先前的浅在索引组不被计算为一公差范围内索引组,以及所述多个连续的剩余索引的所述数量至少等于所述群组大小值,则选择所述连续的浅在索引组,其中所述连续的浅在索引组的所述最低索引紧接着所述先前的浅在索引组的所述最低索引;
如果所述先前的浅在索引组不被计算为一公差范围内索引组,并且没有识别剩余的索引,则终止并确定所述最大数量;
直到所述多个连续的剩余索引的所述数量小于所述群组大小值为止。
在一应用中,根据所述多个数值的一数量级来编制所述多个索引的步骤包括:根据所述多个数值的一递增数量级来编制所述多个索引。
在一应用中,根据所述多个数值的一数量级来编制所述多个索引的步骤包括:根据所述多个数值的一递减数量级来编制所述多个索引。
在一应用中:
通过将多个瓣叶柔韧性数值之间的差值平均,所述多个瓣叶柔韧性数值分配给包括所述索引组的每对索引,来计算一给定索引组的一平均差值;
将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组的步骤包括:将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组,使得:
通过平均每个所述被指定的索引组的所述平均差值而计算的所述多个被指定的索引组的一累积平均差值小于:
通过平均每个所述公差范围内索引组的所述平均差值而计算的所述多个公差范围内索引组的所述累积平均值。
在一应用中,将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组包括:将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组,使得所述多个被指定的索引组的一总数是:
所述存储的最大数量的至少一半;以及
不大于所述存储的最大数量。
在一应用中,将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组包括:将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组,使得所述多个被指定的索引组的一总数至少为所述存储的最大数量的60%。
在一应用中,将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组的步骤包括:将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组,使得所述多个被指定的索引组的一总数至少为所述存储的最大数量的70%。
在一应用中,将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组的步骤包括:将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组,使得所述多个被指定的索引组的一总数至少为所述存储的最大数量的80%。
在一应用中,将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组的步骤包括:将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组,使得所述多个被指定的索引组的一总数至少为所述存储的最大数量的90%。
在一应用中,将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组的步骤包括:将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组,使得所述多个被指定的索引组的一总数等于所述存储的最大数量。
在一应用中,将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组的步骤包括:将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组,使得所述多个被指定的瓣叶群组的一总数至少为所述存储的最大数量的60%。
在一应用中,将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组的步骤包括:将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组,使得所述多个被指定的瓣叶群组的一总数至少为所述存储的最大数量的70%。
在一应用中,将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组的步骤包括:将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组,使得所述多个指定被指定的瓣叶群组的一总数至少为所述存储的最大数量的80%。
在一应用中,将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组的步骤包括:将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组,使得所述多个被指定的瓣叶群组的一总数至少为所述存储的最大数量的90%。
在一应用中,将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组的步骤包括:将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组,使得所述多个被指定的瓣叶群组的一总数等于所述存储的最大数量。
在一应用中:
为每个所述瓣叶柔韧性数值分配所述各自索引的步骤包括:以一有序序列排列所述多个索引,其中所述多个索引根据所述各自瓣叶柔韧性数值的一数量级进行排序;以及
将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组包括反复地:
识别至少等于所述群组大小值的多个连续的剩余索引的一数量,每个剩余索引未被选为一初步索引组的一索引;
从所述多个连续的剩余索引中选择一初步索引组,使得:
所述初步索引组的一最低索引是所述初步索引组的所述索引,所述索引具有所述初步索引组的所述多个索引的一最低瓣叶柔韧性数值,以及所述初步索引组的一最高索引是所述初步索引组的所述索引,所述索引具有所述初步索引组的所述多个索引的一最高瓣叶柔韧性数值;
所述初步索引组包括等于所述群组大小的多个连续的索引的一数量;以及
所述初步索引组的所述最低索引是最低的剩余索引;
确定所述初步索引组的每个索引的所述柔韧性数值相对于所述初步索引组的每个其他索引的所述瓣叶柔韧性数值而言是否在所述组内公差的范围内;
因应于所述确定的步骤,反复地且选择性地从一索引簇中选择一索引组,所述索引簇包括所述初步索引组及一预定数量的连续索引,其中所述初步索引组的所述最低索引为所述索引簇的所述最低索引,以及选择性地选择所述索引组的步骤包括:
如果所述初步索引组的每个索引的所述柔韧性数值被确定为相对于所述初步索引组的每个其他索引的所述瓣叶柔韧性数值而言在所述组内公差的范围内,则:
从所述索引簇中识别一最佳匹配索引组,所述最佳匹配索引组具有来自所述索引簇的最紧密的索引;
确定与所述最大数量相比,指定所述最佳匹配索引组是否会减少可从所述多个索引中获得的公差范围内索引组的一总数;
因应于所述确定指定所述最佳匹配索引组是否会减少可从所述多个索引中获得的公差范围内索引组的所述总数,选择性地指定所述最佳匹配索引组,其中选择性地指定所述最佳匹配索引组的步骤包括:
如果确定指定所述最佳匹配索引组不会减少公差范围内索引组的所述总数,则指定所述最佳匹配索引组;以及
如果确定指定所述最佳匹配索引组会减少公差范围内索引组的所述总数,则从所述索引簇中识别一下一个最佳匹配索引组,所述下一个最佳匹配索引组相较于所述最佳匹配索引组具有多个较不紧密的索引;
直到从所述索引簇中指定了不会减少公差范围内索引组的所述总数的所述最佳匹配索引组;以及
如果所述初步索引组的每个索引的所述柔韧性数值被确定为相对于所述初步索引组的每个其他索引的所述瓣叶柔韧性数值而言不在所述组内公差的范围内,以及一剩余索引被识别,则选择一后续初步索引组,所述后续初步索引组包括等于所述群组大小值的索引的数量,其中所述剩余索引是所述后续初步索引组的所述最高索引;以及
如果所述初步索引组的每个索引的所述柔韧性数值被确定为相对于所述初步索引组的每个其他索引的所述瓣叶柔韧性数值而言不在所述组内公差的范围内,以及没有剩余索引被识别,则终止从所述索引簇选择性地指定所述最佳匹配索引组的步骤;
直到所述连续的剩余索引的数量小于所述群组大小值。
在一应用中:确定相较于所述最大数量,指定所述最佳匹配索引组是否会减少可从所述多个索引中获得的公差范围内索引组的所述总数的步骤,包括:
在假设指定所述最佳匹配索引组后,计算可从所述多个索引获得的公差范围内索引组的一数量,其中在假设指定所述最佳匹配索引组后,计算可从所述多个索引获得的公差范围内索引组的所述数量的步骤包括,反复地:
从所述多个索引选择一后续索引组,所述后续索引组包括等于所述群组大小值的所述索引的数量;
确定所述后续索引组的每个索引的所述柔韧性数值相对于所述后续索引组的每个其他索引的所述瓣叶柔韧性数值而言是否在所述组内公差的范围内;
响应于所述确定所述后续索引组的每个索引的所述柔韧性数值相对于所述后续索引组的每个其他索引的所述瓣叶柔韧性数值而言是否在所述组内公差的范围内,选择性地将所述后续索引组计算为一公差范围内索引组,其中选择性地计算的步骤包括:
如果所述后续索引组的每个索引的所述柔韧性数值被确定为相对于所述后续索引组的每个其他索引的所述瓣叶柔韧性数值而言在所述组内公差的范围内,则将所述后续索引组计算为在假设指定所述最佳匹配索引组后可获得的一索引组,以及
如果所述后续索引组的每个索引的所述柔韧性数值被确定为相对于所述后续索引组的每个其他索引的所述瓣叶柔韧性数值而言不在所述组内公差的范围内,则从所述索引簇中选择一第二后续索引组;
直到终止在假设指定所述最佳匹配索引组后,计算可从所述多个索引获得的公差范围内索引组的所述数量的步骤;
将在假设指定所述最佳匹配索引组后的可从所述多个索引获得的公差范围内索引组的所述数量与公差内组的所述最大数量进行比较;以及
因应于所述比较的步骤,选择性地指定所述最佳匹配组,其中选择性地指定的步骤包括:
如果在假设指定所述最佳匹配索引组后的可从所述多个索引获得的公差范围内索引组的所述数量不小于公差内组的所述最大数量,则指定所述最佳匹配索引组;以及
如果在假设指定所述最佳匹配索引组后的可从所述多个索引获得的公差范围内索引组的所述数量小于公差内组的所述最大数量,
则不指定所述最佳匹配索引组。
在一应用中,从所述索引簇识别所述最佳匹配索引组包括:
针对每个索引组,计算可从所述索引簇中获得的一参数,其中所述索引组包括等于所述群组大小值的索引的一数量;
将具有一最低参数值的所述多个索引组中的一个索引组识别为所述最佳匹配索引组。
在一应用中,针对每个索引组,计算所述参数包括:针对每个索引组,计算一群组差分,所述群组差分为(i)所述潜在索引组的所述最高索引的所述瓣叶柔韧性数值与(ii)所述潜在索引组的所述最低索引的所述瓣叶柔韧性数值之间的一差值。
在一应用中,针对每个索引组,计算所述参数的步骤包括:针对每个索引组,通过将瓣叶柔韧性数值之间的差值平均来计算一平均差值,所述瓣叶柔韧性数值被分配给包括所述索引组的每对索引。
在一应用中,针对每个索引组,计算所述参数的步骤包括:针对每个索引组,计算瓣叶柔韧性数值之间的一差值的一平方和,所述瓣叶柔韧性数值被分配给包括所述索引组的多对索引中的每一对的各自索引。
根据本发明的一应用中,本发明还提供一种用于多个人工瓣膜瓣叶的系统,所述系统包括:
一存储阵列,所述存储阵列包括:
多个单元,每个单元被配置为正好包含一个瓣叶;以及
多个指示器,每个指示器与所述多个单元中的一相应的单元相关联;以及
电路,与所述多个指示器通信,并且配置用以:
接收一群组大小值,
使用一个或多个瓣叶柔韧性数值,每个瓣叶柔韧性数值对应于所述多个瓣叶中的一各自的瓣叶,将至少部分的所述瓣叶指定为多个瓣叶群组,每个所述瓣叶群组包括等于所述群组大小值的多个瓣叶的一数量;以及
针对每个所述瓣叶群组,驱动所述多个指示器以指示哪个所述单元包含被指定为所述瓣叶群组的瓣叶。
在一应用中,对于所述多个瓣叶中的每个各自的瓣叶,所述电路配置用以:
接收一数字图像;
通过数字分析所述数字图像,计算出所述瓣叶的一图像参数,以及
从所述图像参数中导出与所述瓣叶对应的所述一个或多个瓣叶柔韧性数值。
在一应用中,所述系统还包括:一图像感测器,与所述电路通信,所述图像感测器配置为针对所述多个瓣叶中的每个各自的瓣叶获取所述数字图像,并将所述所述数字图像传送到所述电路。
在一应用中,所述多个指示器包括一用户介面,所述用户介面配置为便于从指示哪个所述单元包含被指定为一第一瓣叶组的多个瓣叶切换到指示哪个所述单元包含被指定为一第二瓣叶组的多个瓣叶。
在一应用中,每个单元都可填充一无菌液体。
在一应用中,所述多个指示器包括一用户介面,所述用户介面配置为便于从指示将至少部分的所述瓣叶指定为一第一瓣叶组切换到指示将至少部分的所述瓣叶指定为一第二瓣叶组。
在一应用中,所述多个指示器包括:每个单元的一各别指示器,每个所述各别指示器是所述存储阵列的一组成部件。
在一应用中:
所述多个指示器包括每个单元的一各别指示器,每个指示器配置为相对于每个瓣叶提供一各别视觉提示,以及
所述存储阵列配置为与所述多个指示器并置,并且所述存储阵列是至少部分透明的,使得相对于每个瓣叶,由每个指示器指示的所述视觉提示能够通过所述存储阵列而被看见。
在一应用中,每个单元都标有一唯一标识符,每个唯一标识符对应于:
一给定瓣叶批次,以及
所述给定瓣叶批次的一给定瓣叶。
在一应用中,所述存储阵列包括多个区域,每个区域:
对应于一给定瓣叶批次,以及
包括多个单元的一数量,等于包括所述批次的多个瓣叶的一数量。
在一应用中,所述存储阵列配置为放置在所述多个指示器上,使得相对于每个瓣叶,由每个指示器提供的所述视觉提示能够通过所述存储阵列的一地板而被看见。
在一应用中,所述多个指示器及所述存储阵列以有助于所述存储阵列与所述多个指示器集成的一方式互补地成形,使得相对于每个瓣叶,由每个指示器提供的所述视觉提示能够通过含有各自瓣叶的所述单元而被看见。
根据本发明的一应用中,本发明还提供一种用于多个人工瓣膜瓣叶的分组方法,所述方法以下步骤:
将一第一瓣叶批次的每个瓣叶定位在一图像感测器对面;
随后,由所述图像感测器开始获取包括所述第一批次的全部的所述瓣叶的一第一数字图像;
随后,以便于追踪所述第一批次的每个瓣叶的一个体特征的一方式,将所述第一批次的每个瓣叶移到一存储阵列中;
将一第二瓣叶批次的每个瓣叶定位在所述图像感测器对面;
随后,由所述图像感测器开始获取包括所述第二批次的的全部的所述瓣叶的一第二数字图像;
随后,以便于追踪所述第二批次的每个瓣叶的所述个体特征的一方式,将所述第二批次的所述多个瓣叶移到所述存储阵列中,从而将所述第一批次的所述多个瓣叶及所述第二批次的所述多个瓣叶整合到一瓣叶集合中;
随后,操作软件以:
接收所述第一数字图像及所述第二数字图像,
针对所述第一数字图像及所述第二数字图像中包括的每个所述瓣叶,通过数字分析所述第一数字图像及所述第二数字图像:
计算所述瓣叶的一图像参数,以及
从所述图像参数导出所述瓣叶的一瓣叶柔韧性数值,
接收一群组大小值,
将所述瓣叶集合的至少部分的所述多个瓣叶指定为一个或多个被指定的瓣叶群组:
基于所述集合的每个瓣叶的各自瓣叶柔韧性数值之间的相似性,以及使得每个所述瓣叶群组包括等于所述群组大小值的多个瓣叶的一数量,以及
输出所述一个或多个被指定的瓣叶群组的一指示;以及
响应于所述指示,将所述瓣叶集合的所述至少部分的瓣叶分组为所述一个或多个被指定的瓣叶群组。
在一应用中,所述方法还包括:将所述瓣叶集合的所述至少部分的瓣叶分组为所述一个或多个被指定的瓣叶群组的步骤之后,将每个被指定的瓣叶群组的所述多个瓣叶缝合到一各自的人工心脏瓣膜中。
在一应用中,所述方法还包括:在将所述第一瓣叶批次的每个瓣叶定位在所述图像感测器对面的步骤之前:
根据厚度,将一批瓣叶中的多个瓣叶分类为多个厚度等级;以及
从所述多个厚度等级的一单个厚度等级中选择所述第一瓣叶批次及所述第二瓣叶批次。
在一应用中,所述方法还包括:在将所述第一瓣叶批次的每个瓣叶定位在所述图像感测器对面的步骤之前:
根据每个各自瓣叶的所述瓣叶柔韧性数值,将一批瓣叶中的多个瓣叶分配成多个瓣叶柔韧性类别;以及
从所述多个瓣叶柔韧性类别的一单个瓣叶柔韧性类别中选择所述第一瓣叶批次及所述第二瓣叶批次。
在一应用中:
操作所述软件以基于所述集合的每个所述瓣叶的各自瓣叶柔韧性数值之间的相似性,将所述瓣叶集合的至少部分的所述多个瓣叶指定为一个或多个被指定的瓣叶群组的步骤,包括:操作所述软件以基于一组内公差将所述瓣叶集合的所述至少部分的瓣叶指定为一个或多个被指定的瓣叶群组,所述组内公差代表一瓣叶群组的多个索引的多个瓣叶柔韧性数值之间的一最大允许差值;以及
操作所述软件还包括:在输出所述一个或多个被指定的瓣叶群组的所述指示之前,操作所述软件以显示与所述一个或多个被指定的瓣叶群组相关的一预览;以及
所述方法还包括:在将所述瓣叶集合的所述至少部分的瓣叶分组为所述一个或多个被指定的瓣叶群组之前,调整所述组内公差响应于与所述一个或多个被指定的瓣叶群组相关的所述预览。
在一应用中:
操作所述软件以显示与所述一个或多个被指定的瓣叶群组相关的所述预览的步骤包括:操作所述软件以显示与多个初步瓣叶群组的一产量相关的所述预览;以及
调整所述组内公差响应于与所述被指定的瓣叶群组相关的所述预览的步骤包括:调整所述组内公差响应于与所述多个初步瓣叶群组的所述产量相关的所述预览。
在一应用中:
操作所述软件以显示与所述一个或多个被指定的瓣叶群组相关的所述预览的步骤包括:操作所述软件以显示与初步瓣叶群组的一契合度(closeness of fit)相关的所述预览;以及
调整所述组内公差响应于与所述多个被指定的瓣叶群组相关的所述预览的步骤包括:调整所述组内公差响应于与所述多个初步瓣叶群组的所述契合度相关的所述预览。
在一应用中,将所述第一批次的所述多个瓣叶及所述第二批次的所述多个瓣叶整合到所述瓣叶集合中的步骤,包括:以有利于维护一个或多个特性的一方式,在所述存储阵列中临时存储所述集合的每个瓣叶,所述特性选自于由所述多个瓣叶的含水量及每个瓣叶的无菌性所组成的群组。
在一应用中,所述方法还包括:操作所述软件以在至少一个指示器上指示所述存储阵列的一各别部分,其中所述集合的每个瓣叶被暂时地存储在所述各别部分中;以及
暂时地将所述集合的每个瓣叶存储在所述存储阵列中的步骤包括:暂时地将所述瓣叶存储在所述存储阵列的所述各别部分中。
在一应用中:
所述存储阵列包括多个存储单元,
操作所述软件以在至少一个指示器上指示所述存储阵列的一各别部分,其中所述集合的每个瓣叶被暂时地存储在所述各别部分中的步骤,包括:操作所述软件以指示所述多个存储单元的一各别存储单元,其中所述集合的每个瓣叶被暂时地存储在所述各别部分中;以及
暂时地将所述集合的每个瓣叶存储在所述存储阵列中的步骤包括:暂时地将所述集合的每个瓣叶存储在所述各别存储单元中。
在一应用中,将所述第一批次的所述多个瓣叶及所述第二批次的所述多个瓣叶整合到所述瓣叶集合中的步骤包括:将40个以上的瓣叶以及400个以下的瓣叶整合到所述瓣叶集合中。
在一应用中,将所述第一批次的所述多个瓣叶及所述第二批次的所述多个瓣叶整合到所述瓣叶集合中的步骤包括:将40个以上的瓣叶以及100个以下的瓣叶整合到所述瓣叶集合中。
在一应用中,将所述第一批次的所述多个瓣叶及所述第二批次的所述多个瓣叶整合到所述瓣叶集合中的步骤包括:将81个瓣叶整合到所述瓣叶集合中。
在一应用中,操作软件以输出所述一个或多个被指定的瓣叶群组的所述指示的步骤包括:操作软件以在至少一个指示器上输出所述一个或多个被指定的瓣叶群组的所述指示。
在一应用中,操作软件以在至少一个指示器上输出所述一个或多个被指定的瓣叶群组的所述指示的步骤包括:操作软件以在指示被指定为一第一个被指定的瓣叶群组的多个瓣叶与指示被指定为一第二个瓣叶群组之间切换。
在一应用中,操作软件以在至少一个指示器上输出所述一个或多个被指定的瓣叶群组的所述指示的步骤包括:使用针对所述瓣叶集合中的每个瓣叶的一各别指示器,操作软件以输出所述瓣叶集合的每个瓣叶被指定到所述被指定的瓣叶群组中的所述指示。
在一应用中,使用针对所述瓣叶集合中的每个瓣叶的所述各别指示器,操作软件以输出所述瓣叶集合的每个瓣叶被指定到所述被指定的瓣叶群组中的所述指示的步骤,包括:使用针对所述瓣叶集合中的每个瓣叶的所述各别指示器,提供一视觉提示,所述视觉提示用于指示被指定到所述各别被指定的瓣叶群组中的所述瓣叶集合的每个瓣叶。
在一应用中,将所述瓣叶集合的所述至少部分的瓣叶分组为所述一个或多个被指定的瓣叶群组的步骤,包括:从所述存储阵列,将所述瓣叶集合的至少部分的瓣叶分组为所述一个或多个被指定的瓣叶群组,因应于所述瓣叶集合的每个瓣叶被指定到所述被指定的瓣叶群组中的所述指示。
在一应用中:
将所述第一瓣叶批次的每个瓣叶定位在所述图像感测器对面的步骤,包括:将所述第一瓣叶批次的每个瓣叶垂挂在与所述图像感测器相对的多个棒件的一各别棒件上;以及
将所述第二瓣叶批次的每个瓣叶定位在所述图像感测器对面的步骤,包括:将所述第二瓣叶批次的每个瓣叶垂挂在与所述图像感测器相对的所述多个棒件的一各别棒件上。
在一应用中:
将所述第一瓣叶批次的每个瓣叶垂挂在所述多个棒件的所述各别棒件上的步骤,包括:将所述第一瓣叶批次的每个瓣叶以一第一方向垂挂在所述多个棒件的所述各别棒件上;
将所述第二瓣叶批次的每个瓣叶垂挂在所述多个棒件的一各别棒件上的步骤,包括:将所述第二瓣叶批次的每个瓣叶以所述第一方向垂挂在所述多个棒件的所述各别棒件上;
操作所述软件以接收所述第一数字图像及所述第二数字图像的步骤,包括:在所述第一方向上,操作所述软件以在所述多个棒件的所述各别棒件上接收所述第一瓣叶批次的一第一个第一方向数字图像,以及在所述第一方向上,在所述多个棒件的所述各别棒件上接收所述第二瓣叶批次的一第二个第一方向数字图像;
通过数字分析所述第一数字图像及所述第二数字图像,操作所述软件以计算每个瓣叶的一图像参数的步骤,包括:通过数字分析所述第一个第一方向数字图像及所述第二个第一方向数字图像,操作所述软件以计算每个瓣叶的一第一方向图像参数;
操作所述软件以从所述图像参数导出每个瓣叶的一瓣叶柔韧性数值的步骤,包括:操作所述软件以从所述第一方向图像参数导出每个瓣叶的一第一方向瓣叶柔韧性数值;以及
所述方法还包括:将所述瓣叶集合中的所述至少部分的瓣叶分组为所述多个瓣叶群组的步骤之后,并且通过以下方式验证所述多个瓣叶:
将所述至少部分的瓣叶的每个瓣叶以一第二方向垂挂在所述多个棒件的一各别棒件上,其中所述第二方向与所述第一方向相反;
操作所述软件,从而:
接收以所述第二方向垂挂在所述各别棒件上的所述至少部分的瓣叶的一第二方向数字图像;
通过数字分析所述第二方向数字图像,计算所述至少部分的瓣叶中的每个瓣叶的一第二方向图像参数;
从所述第二方向图像参数,导出所述至少部分的瓣叶中的每个瓣叶的一第二方向瓣叶柔韧性数值;
针对至少部分的瓣叶的每个瓣叶,比较所述第一方向瓣叶柔韧性数值及所述第二方向瓣叶柔韧性数值;
因应于所述比较步骤,选择性地将所述至少部分地瓣叶的一给定瓣叶计算为一经验证的瓣叶,其中所述选择性地计算的步骤包括:
对于所述给定瓣叶,如果所述第一方向瓣叶柔韧性数值及所述第二方向瓣叶柔韧性数值之间的一差值低于一预定的阈值,则将所述瓣叶计算为一经验证的瓣叶,以及
关于所述给定瓣叶,如果所述第一方向瓣叶柔韧性数值及所述第二方向瓣叶柔韧性数值之间的所述差值高于所述预定的阈值,则抛弃所述瓣叶。
在一应用中:
将所述第一瓣叶批次的每个瓣叶以所述第一方向垂挂在所述多个棒件的所述各别棒件上的步骤,包括:将所述第一瓣叶批次的每个瓣叶垂挂在所述多个棒件的所述各别棒件上,其中所述多个棒件的所述瓣叶的一粗糙侧面向上;
将所述第二瓣叶批次的每个瓣叶以所述第一方向垂挂在所述多个棒件的所述各别棒件上的步骤,包括:将所述第二瓣叶批次的每个瓣叶垂挂在所述多个棒件的所述各别棒件上,其中所述多个棒件的所述瓣叶的一粗糙侧面向上;以及
将所述至少部分的瓣叶中的每个瓣叶以与所述第一方向相反的所述第二方向垂挂在所述多个棒件的所述各别棒件上的步骤,包括:将所述至少部分的瓣叶中的每个瓣叶垂挂在所述多个棒件的所述每个棒件上,其中所述多个棒件的所述瓣叶面向上的一平滑侧面向上。
根据本发明的一应用中,本发明还提供一种用于将一人工瓣膜瓣叶集合的多个人工瓣膜瓣叶分组的方法,所述人工瓣膜瓣叶集合包括一第一人工瓣膜瓣叶批次及一第二人工瓣膜瓣叶批次,所述方法包括以下步骤:
获取一第一数字图像,包括所述第一批次的全部的所述瓣叶;
获取一第二数字图像,包括所述第二批次的全部的所述瓣叶;
通过数字分析所述第一数字图像及所述第二数字图像,计算所述集合的每个瓣叶的一图像参数;
因应于所述图像参数,针对所述集合的每个瓣叶,导出一瓣叶柔韧性数值;
接收一群组大小值;
将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组,(i)基于所述集合的每个瓣叶的所述各自瓣叶柔韧性数值之间的相似性,以及(ii)使得每个所述瓣叶群组包括等于所述群组大小值的多个瓣叶的一数量;以及输出所述被指定的瓣叶群组的一指示。
通过下面结合多个附图来详细描述本发明的多个应用,将更全面地理解本发明,其中::
附图说明
图1A至1B分别为根据本发明的一些应用的一第一状态及一提高状态下的一种用于检测多个人工心脏瓣膜瓣叶的柔韧性的检测器的示意图;
图2为根据本发明的一些应用的所述检测器的一替代实施例的示意图;
图3A至3C分别为根据本发明的一些应用的所述第一状态下的所述检测器的侧视、前视及俯视示意图;
图4A至4C为根据本发明的一些应用显示出具有多个导引部的一平台相对于一瓣叶的布置的示意图;
图5A至5C为根据本发明的一些应用显示出多个平台相对于多个棒件及衣架台的布置,以及显示出举起多个棒件以使每个棒件支撑一瓣叶,其中所述瓣叶垂挂在所述棒件上的示意图;
图6A至6C为根据本发明的一些应用显示出所述检测器的用法的示意图;
图7A至7C为根据本发明的一些应用显示出多个图像参数的示意图,所述多个图像参数可通过电路计算出,以便取得一柔韧性数值;
图8A至8B为根据本发明的一些应用的多个不合适的瓣叶的示意图;
图9A至9B为根据本发明的一些应用的多个瓣叶的示意图,所述多个瓣叶的多个图像参数及/或多个瓣叶柔韧性数值可能无法使电路准确地将多个瓣叶分配至一瓣叶柔韧性类别;
图10为根据本发明的一些应用的示出一瓣叶存储单元的示意图,其中所述瓣叶存储单元包括多个腔室;
图11为根据本发明的一些应用的基于所述多个瓣叶的瓣叶柔韧性数值,使用所述检测器将所述多个瓣叶指定为多个瓣叶群组的示意图;
图12A至12B为根据本发明的一些应用的表示一组瓣叶的多个瓣叶柔韧性数值之间的关系,以及相同的多个瓣叶所分配到的多个瓣叶柔韧性类别或群组的图示;
图13A至13B及图14A至14B为根据本发明的一些应用的示出使用瓣叶存储阵列以指示被指定为一特定瓣叶群组的多个个别瓣叶的示意图;
图15为根据本发明的一些应用的示出一过程的示意图,其中所述多个瓣叶被存储在多个类别,并且随后被指定为多个瓣叶群组;
图16为根据本发明的一些应用的示意性地说明一种用于将所述多个瓣叶分组为多个瓣叶群组的方法的至少部分步骤的流程图;以及
图17、图18、图19、图20A至20D、图21A至21J、图22及图23A至23B为根据本发明的一些应用的说明用于指定多个瓣叶群组的流程图及示意图。
具体实施方式
参考图1A至1B、图2及图3A至3C,其为根据本发明的一些应用显示出一种用于检测多个人工心脏瓣膜瓣叶的检测器20的示意图。
图1A至1B分别为一第一状态及一提高状态下的检测器20的立体图。图2为检测器20的一替代实施例的一立体图。图3A至3C分别为所述第一状态下的检测器20的侧视图、前视图及俯视图。
根据本发明的一些应用,检测器20包括多个水平棒件22,所述多个水平棒件22可移动地与一垂直架台24相连接。通常,如所示,每个棒件22沿着一各自的棒件轴线D26延伸远离架台24(例如,垂直地远离所述架台),每个棒件轴线位在一各自的垂直棒件平面D28上。
检测器20具有一第一状态(图1A、图3A至3C)及一提高状态(图1B)。对于一些应用,如所示,多个棒件22为圆柱形的。对于其他应用,多个棒件22可为一替代的形状(例如,矩形棱柱、六角形棱柱,或八角形棱柱)。通常,一致动器46的致动使检测器20在所述第一状态与所述提高状态之间可逆地转换。致动器46被显示为一手动操作的(例如,机械的)致动器。对于一些应用(图2),可替代地使用一电的(例如,电动的)致动器62。
如图1A至1B所示,检测器20在所述第一状态与所述提高状态之间的转换包括:每个棒件22沿着其垂直棒件平面相对于一平台48垂直移动。通常,致动器46使多个棒件22相对于检测器20的其余部分向上移动,而平台48保持静止。然而,本发明的范围包括:在多个棒件20保持静止时,致动器46使平台48相对于检测器20的其余部分向下移动。通常,如所示,所述平台与所述架台24相连接,使得每个棒件平面D28与所述平台相交。
检测器20进一步包括一图像感测器32,所述图像感测器位于架台24对面,并面向多个棒件22及所述架台。面向架台24及多个棒件22的图像感测器32的方向有助于所述图像感测器获取一图像,所述图像包括垂挂在多个棒件22上的多个瓣叶30(例如,所有的所述瓣叶)。通常,如所示,检测器20进一步包括一感测器托架34,所述感测器托架将图像感测器32可移动地与检测器20的其余部分(例如,架台24)连接。通常,感测器托架有助于图像感测器32沿着一感测器轴线D38移动,使得所述图像感测器朝向或远离架台24移动。感测器托架34通常有助于图像感测器32(例如,沿着感测器轴线D38)在(i)所述图像感测器可获取包括有所有瓣叶30的一图像的一位置与(ii)感测器20为更紧密(compact)(例如,当所述感测器未使用时)的一位置之间移动。通常,操作检测器20使得感测器32获取包括有所述多个垂挂在多个棒件22上的瓣叶的一图像。发明人假设,获取及处理包括有多个瓣叶的一图像增加工作生产力(work throughput)及/或提高瓣叶柔韧性检测的准确度。
通常,如所示,架台24一般为平坦的,而多个棒件22一般为彼此互相平行。对于一些应用,架台24可朝向感测器32为凹陷的,而多个棒件尖端被布置成与所述架台的所述凹陷表面相对应,例如指向所述感测器。发明人假设,对于一些应用,架台24为凹陷的可有助于所有的瓣叶30及棒件尖端68从一单一角度的可视化,意即通过感测器32。
本发明的一些实施例可包括多个图像感测器32。例如,所述多个图像感测器32的数量可对应于多个棒件22的数量。
参考图4A至4C,其为根据本发明的一些应用显示出具有多个导引部的一平台相对于一瓣叶的布置的示意图。通常,如所示,多个棒件22彼此相互平行地延伸远离架台24。对于一些应用,如所示,多个棒件22相对于所述架台被排列成多行58多列60。对于一些应用,其中多个棒件22以多行的方式排列(意即,使多个棒件22堆迭在至少一列中),多个棒件22可相对于架台24排列,使得一特定列中的所述多个棒件的所述棒件平面D28为共平面的(意即,设置在一共同的棒件平面D28中),如图所示。
虽然在本文中所提及的多个附图描绘出具有排列成三行58三列60的多个棒件22的检测器20的一实施例,但此描绘并非旨在排除其他可能的具有更少或更多行数58或列数60的多个棒件22的排列方式。对于一些应用,如所示,九个棒件22可被排列成多行多列,使得图像感测器32可获取包括有九个瓣叶30的一图像,每个瓣叶垂挂在一各自的棒件上。
对于一些应用,检测器20可包括相对于架体24布置的更多或更少数量的棒件22,其可在细节上作必要的修改(mutatis mutandis)。对于一些应用,所述多个棒件22的数量(即最大批次数量)是3的倍数,例如,使在单一批次中的所有被检测的所述瓣叶可被指定为多个具有3个配对瓣叶的群组,每个群组用于一各自的三瓣叶人工瓣膜中。
通常,如所示,平台48具有一上表面50,所述上表面包括一导引部52,所述导引部52限定与瓣叶30的一瓣叶轮廓56相对应的一导引轮廓54。在一些应用中,导引部52处的上表面50可包括一低摩擦材料。例如,所述低摩擦材料可包括聚四氟乙烯(例如,特氟隆(TM))。可替代地或另外,所述上表面50的质地可在导引部52处进行修改。例如,所述上表面50的质地可在导引部52处变的更光滑(例如,经抛光过)。发明人假设,将低摩擦材料及/或质地用于导引部52的上表面50有助于在棒件22将瓣叶举起远离所述表面时,从所述表面释放所述瓣叶30,从而有助于检测器20的使用。
进一步参考图5B至5C,其为根据本发明的一些应用显示出举起多个棒件22以使每个棒件支撑瓣叶30,其中所述瓣叶垂挂在所述棒件上的示意图。通常,如所示,棒件22相对于平台48具有一初始位置(图5A),在所述初始位置中,瓣叶30可被放置成跨越所述棒件,使得所述瓣叶与上表面50相接处,且表面50支撑所述瓣叶,例如,以一平坦配置的方式(图5B)。例如,在所述初始位置中,棒件22可设置在上表面50的下方。
对于一些应用,多个瓣叶30为非各向同性柔韧的(non-isotropicallyflexible)。例如,一瓣叶在所述瓣叶的一第一侧朝上的情况下来垂挂在棒件22上时,可具有一第一柔韧性,而在所述瓣叶的相对侧朝上的情况下来垂挂在棒件22上时,可具有一不同的柔韧性。对于这类的应用,多个瓣叶30通常垂挂在多个棒件22上,以使所述多个瓣叶在使用时它们将弯曲的方向上弯曲。通常,检测仪20上的所述瓣叶朝上的侧面为所述瓣叶将面向所述功能性人工瓣膜上游的侧面。
例如,多个瓣叶30可包括具有不同侧面(例如,一粗糙侧面及一光滑侧面)的心包。对于这类的应用,所述粗糙侧面通常面向所述功能性人工瓣膜的上游。因此,对于这些应用,所期望的是将多个瓣叶30定向在多个各自的导引部52上,并使所述粗糙侧面朝上,如此在致动器致动时,每个瓣叶将垂挂在各自的棒件22上,且所述粗糙侧面朝上。
可替代地,所期望的是将多个瓣叶30定向在多个各自的导引部52上,并使所述光滑侧面朝上,如此在致动器致动时,每个瓣叶将垂挂在各自的棒件22上,且所述光滑侧面朝上。发明人假设,多个瓣叶30在导引部52上的均匀定向可增加瓣叶柔韧性检测与所述多个瓣叶在所述人工瓣膜中的性能的相关性。
通常,相对于棒件22来设置平台48,使得棒件平台D28将导引轮廓54一分为二(图4B至4C)。进一步典型地,如所示,相对于棒件22来设置平台48,使得棒件平面D28将导引轮廓54对称地一分为二。如图5C所示,在检测器20的所述提高状态中,每个棒件22沿着所述各自的棒件轴线D26支撑所述各自的瓣叶30,使得所述瓣叶垂挂在所述棒件上。
对于一些应用,架台24可具有一强烈的颜色(strong color)。对于一些应用,棒件尖端68可具有一第二强烈的颜色。对于一些应用,平台48可具有一第三强烈的颜色。例如,平台48的一平台表面36可具有所述第三强烈的颜色。需注意的是,术语“强烈的颜色”(包括说明书及多个权利要求)涉及颜色饱和度。例如,多种原色可用作为所述多个强烈的颜色。假设对架台24、棒件尖端68及/或平台36使用各自的强烈颜色有助于通过促进这些部件与瓣叶30之间的区分性及这些部件彼此之间的区分性来分析所述图像。
参考图6A至6C,其为根据本发明的一些应用显示出检测器20的用法的示意图。
如上文所描述,图像感测器32获取一图像,所述图像包括垂挂在其各自的棒件上的所述多个瓣叶30。
在一些应用中(例如,图6B至6C所显示的那些应用),配置用以接收所述图像的电路40与检测器20相连接(例如,安装在上面)。通常,电路40进一步配置用以分析所述图像,使得对于被包括在所述图像中的每个瓣叶30,所述电路取得指示出所述瓣叶的柔韧性的一对应的柔韧性数值。下文将更详细地描述所述柔韧性数值的取得。
对于一些应用,电路40未安装在检测器20上。对于这类的应用,检测器20可包括一影像输出装置(例如,一端口或无线收发器)64(图6A)。通常,输出装置64配置成与一不同的计算机100(例如,一通用计算机)对接,因此,装置64通常根据一公认标准,例如USB或蓝牙,来运作。对于这类的应用,提供在计算机100上运行的软件,因此,所述计算机的所述电路用作为电路40。
对于一些应用,如下文所更详细地描述,电路40进一步配置成响应于所述柔韧性数值,将一类别分配给所述多个瓣叶的每一个。通常,如图6B至6C所示,检测器20包括至少一指示器66,所述指示器66与电路40进行通信,并指示出分配给每个瓣叶30的所述各自的类别。对于一些应用,检测器20包括单个指示器(例如显示器),所述单个指示器指示出所有的所述瓣叶的类别(例如,如图6B所示)。对于其他应用,检测器20包括针对每个瓣叶30的一各自的指示器66,所述指示器配置用以指示出分配给所述瓣叶的所述类别。例如,指示器66可被设置成邻近于支撑所述各自的瓣叶30的所述各自的棒件22(例如,如图6C所示)。对于多个应用,其中一不同的计算机接收所述图像并取得所述数值,所述计算机(例如所述计算机的一显示器)也可用作为指示所述多个类别的所述指示器(例如,如图6A所示)。
对于一些应用,利用一校准例行程序对电路40进行预编程,使得所有包括在由感测器32所获取的所述图像中的瓣叶30被正确地分析,例如,即使每个瓣叶相对于所述图像感测器被设置在一不同的位置处。对于一些应用,校准例行程序包括获取包括一个或多个(例如:全部)棒件尖端68的图像,并分析该图像,以便确定感测器32相对于所述多个棒件的一位置。对于一些应用,所述校正例行程序是自动执行的,例如,使用包括多个瓣叶的相同图像,电路40将对所述图像进行分析以导出各自的瓣叶柔韧性数值。替代地,校准例行程序可与将瓣叶放置在检测器20的棒件22上分开进行(例如:之前)。
对一些应用,感测器托架34包括一电致动器,电路40可与所述电致动器对接,以移动图像感测器32(例如,沿着感测器轴线D38)。对于一些这类的应用,此移动用于促进所述校准例行程序。所述图像感测器32的校准可调整图像感测器32的一视野,使得所述图像感测器获取包括所有瓣叶30的一图像。
参考图7A至7C、图8A至8B及图9A至9B,其根据本发明的一些应用显示出多个图像参数的示意图,所述多个图像参数可通过电路40进行计算,以取得一柔韧性数值。电路40通常通过对由感测器32所获取的所述图像进行数字分析来取得多个瓣叶30的柔韧性数值。电路40可响应于单个图像参数或多个图像参数的组合来取得所述多个柔韧性参数,例如,如下文所描述。
图7A显示出具有高柔韧性的一瓣叶30a。图7B显示出具有中等柔韧性的一瓣叶30b。图7C显示出具有低柔韧性的一瓣叶30c。
如上文所描述,多个棒件22配置成沿着棒件轴线D26支撑瓣叶30,使得所述瓣叶垂挂在所述棒件上。如所示,一第一瓣叶尖端70被设置在所述棒件的一第一侧72上的所述棒件的下方,而一第二瓣叶尖端74被设置在所述棒件的第二侧76上的所述棒件的下方。例如,第一瓣叶尖端70可为第一侧72上的瓣叶30的一最低部分,而第二瓣叶尖端74可为第二侧76上的瓣叶30的一最低部分。在一些应用中,电路40配置用以识别所述获取的图像中的第一瓣叶尖端70及第二瓣叶尖端74,并且至少部分响应于第一瓣叶尖端70的一第一瓣叶尖端位置D96及第二瓣叶尖端74的一第二瓣叶尖端位置D98来取得所述瓣叶柔韧性数值。
通过电路40进行计算以取得多个瓣叶柔韧性数值的多个图像参数可包括以下的一个或多个::
(i)在第一瓣叶尖端位置D96与第二瓣叶尖端位置D98之间的一直接距离。需注意的是,术语“直接距离”(包括说明书及多个权利要求)意思为两个位点之间的一最短线段的长度(例如,D96与D98之间的D82、D96与棒件尖端68之间的D84,或D98与棒件尖端68之间的D86)。
(ii)由一瓣叶的垂挂轮廓线78与一AUC闭合线D102所限定的一曲线下面积(AUC)D80。
(iii)分别在(a)第一瓣叶尖端位置D96及/或第二瓣叶尖端位置D98与(b)棒件尖端68之间沿着一垂直轴线的一轴向高度D88或D90。
(iv)分别在(a)第一瓣叶尖端位置D96或第二瓣叶尖端位置D98与(b)棒件尖端68之间沿着一水平轴线的一轴向距离D92或D94。
(v)沿第一瓣叶尖端位置D96与第二瓣叶尖端位置D98之间的一水平轴线的一轴向距离D95。虽然D95可能等于D92及D94之和,但D95通常独立于D92及D94而导出,因为D95独立于识别棒件尖端68的位置。在一些情况下(例如,对称垂挂的瓣叶),D95可能等于各自瓣叶尖端之间的直接距离D82。
(vi)(a)在棒件尖端68与第一瓣叶尖端位置96之间及(b)在棒件尖端68与第二瓣叶尖端位置98之间的所述瓣叶的垂挂轮廓线78的一长度。
发明人假设,使用多个图像参数来取得多个瓣叶柔韧性数值相较于从单个参数取得更准确地反映瓣叶的柔韧性。例如,一低的AUC可能替代地指出一高度柔韧或高度僵硬的瓣叶。将AUC及第一瓣叶尖端位置D96与第二瓣叶尖端位置D98之间的直接距离D82整合可有助于取得一瓣叶柔韧性数值,所述瓣叶柔韧性数值更准确地反映所述瓣叶的柔韧性。
在一些应用中,多个瓣叶柔韧性数值可用于促进将所述多个瓣叶分类成多个瓣叶柔韧性类别。例如,可通过检测器20(例如,其电路40)将高柔韧性瓣叶30a分配至一柔韧性类别“1”,中等柔韧性瓣叶30b可被分配至一柔韧性类别“2”,及低柔韧性瓣叶30c可被分配至一柔韧性类别“3”,并且使用者可根据所述多个分配的类别来分类所述多个瓣叶。如上文所描述,通常通过指示器66来指示每个瓣叶的所述类别,例如,如图6A至6C所示。
多个瓣叶30也可被分配到“重检测”类别或“抛弃”类别,例如,如下文所述。通常,该过程是一分批过程,其中将多个瓣叶放置在检测器20上,并进行检测,接着进行分类。
可将被分配至所述“重检测”类别的多个瓣叶重新放置在相同或不同的导引部52中,以进行重新检测(例如,在随后的批次中)。可替代地,可将被分配至一“重检测”类别的多个瓣叶30收集到一“重检测”容器中,以便随后进行重新检测(例如,在一专用的重检测批次中)。
图8A至8B为根据本发明的一些应用的多个不合适的瓣叶的示意图。图8A示意性地说明一瓣叶30d的柔韧性不足以用于一人工心脏瓣膜。响应于所取得的柔韧性数值,电路40通常将所述瓣叶分配至一适当的类别(例如,一“不合适的”或“抛弃”类别)。这在图6A至6C中被表示为类别“x”。例如,图12A显示出类别“x”横跨一柔韧性数值范围D162,并通过阈值106将范围D162与类别“3”的柔韧性数值范围D144分开。在范围D162内的多个瓣叶柔韧性数值可将多个瓣叶表征为不适合用于一人工心脏瓣膜中。虽然图6A至6C描绘出不合适的类别“x”的多个瓣叶是由于过度僵硬而不适用,但此描绘并非意味着排除多个过度柔韧的瓣叶可被分配至具有过度柔韧的瓣叶的一替代的类别“y”的可能性。例如,图12显示出类别“y”横跨一柔韧性数值范围D164,并通过阈值124将范围D164与类别“1”的柔韧性数值范围D148分开。在范围D164内的多个瓣叶柔韧性数值可将多个瓣叶表征为不适合用于一人工心脏瓣膜中。通常,被分配至类别“x”或“y”的多个不合适的瓣叶会被抛弃。
需注意的是,虽然图7A至7C及图8A中的多个瓣叶30对称地垂挂,但本发明的范围包括:针对不对称垂挂的一瓣叶(至少达到一定程度的不对称),取得多个瓣叶柔韧性数值及/或分配类别。图8B显示出一非各向同性柔韧的瓣叶30e,所述瓣叶30e由于其非各向同性的柔韧性而不对称地垂挂。
电路40可配置用以对如上所述的多个非各向同性柔韧的瓣叶进行分类,其至少达一不对称垂挂的阈值程度。例如,如图8B所示,非各向同性的柔韧性的瓣叶可以不对称地垂挂,使得直接距离D82不等于水平距离D95。因此,电路40可用于通过比较直接距离D82与水平距离D95来识别非各向同性的柔韧性的瓣叶。对于一些应用,针对其垂挂不对称性大于一不对称性的阈值程度的一瓣叶,电路40可将所述瓣叶分配至一适当的类别(例如,一“不合适的”或“抛弃”类别),例如上文所述的类别“x”。
对于一些应用,电路40通过计算轴向距离D92与轴向距离D94之间的差值来识别一瓣叶30的非各向同性的柔韧性。可替代地或另外,电路40通过计算轴向距离D88与轴向距离D90之间的差值来识别一瓣叶30的非各向同性的柔韧性。发明人假设,相较于各向同性柔韧的瓣叶,非各向同性柔韧的瓣叶的D92与D94之间的差值及/或D88与D90之间的差值更大,从而便于识别多个非各向同性柔韧的瓣叶。
如上文所述,电路40可配置用以侦测不对称的垂挂。在此例子中,所述不对称的垂挂为所述瓣叶的非各向同性的柔韧性所引起的不对称的垂挂,并且其指示出所述瓣叶的非各向同性的柔韧性。电路40还可配置用以侦测不对称的垂挂,所述不对称的垂挂是由未适当地放置欲检测的瓣叶所引起的,并且指示出未适当地放置欲检测的瓣叶,例如,由所述使用者未适当地放置所述瓣叶,及/或所述瓣叶在提高所述棒件的期间的滑动所引起的。响应于侦测这类不适当的放置,电路40通常将所述瓣叶分配至一“重检测”类别。
将一瓣叶分配至所述“重检测”类别的一示例性原因是量测误差。在上下文中,术语“量测误差”用于指多个图像参数及/或多个瓣叶柔韧性数值可能无法使电路40准确地将瓣叶30分配至一瓣叶柔韧性类别的情况。在这类的例子中,指示器66可指示出重复所述量测及/或调整多个瓣叶柔韧性量测条件的需求。例如,图9A至9B显示出两种量测误差类型,其中多个瓣叶30可被分配至所述“重检测”类别,所述“重检测”类别指示出重新检测所述多个瓣叶的需求。这在图6A至6C中以“0”来表示。
图9A显示出由瓣叶30在棒件20上的次佳位置所引入的量测误差。量测误差的另一潜在来源可能是瓣叶30附着在导引部52上,如图9B所示,其可能造成在提高所述棒件期间,所述瓣叶在所述棒件上滑动。图9B显示出一附着位置104,瓣叶30在所述附着位置104处已经附着在平台48上(例如,其导引部52),使得当棒件22被提高时,将所述瓣叶从所述棒件上拉到一侧。如上文关于不对称垂挂瓣叶所述,其可在细节上作必要的修改,水平距离D95与直接距离D82的比较也可用于指示测量误差。响应于(i)在第一瓣叶尖端位置D96与棒件尖端68之间的一直接距离D84及(ii)在第一瓣叶尖端位置D98与所述棒件尖端之间的一直接距离D86之间的差值,可替代地或额外地识别测量误差。发明人假设,当瓣叶30被不适当的放置及/或发生滑动时,直接距离D84与D86之间的所述差值可能更大。发明人进一步假设,直接距离D84与D86之间的所述差值与量测误差的相关性比与一瓣叶的非各向同性的柔韧性的相关性更强,从而有助于区别量测误差及瓣叶柔韧性的适当量测。
对于一些应用,响应于垂直轴向距离d88与垂直轴向距离d90之间的差值来识别量测误差。对于一些应用,响应于水平轴向距离d92与水平轴向距离d94之间的差值来识别量测误差。
对于一些应用,电路40可响应于多个图像参数,例如通过多个图像参数的交叉验证,来侦测多个量测误差的例子。例如,电路40可将D88及D90之间的差值与D92及D94之间的差值进行比较。可替代地或另外,电路40可将D88及D92之间的差值与D90及D94之间的差值进行比较。除了这些比较中的一个或两个之外,电路40还可考虑多个直接距离D84及D86。发明人假设,响应于一个以上的图像参数来取得多个瓣叶柔韧性数值有利地促进识别多个量测误差,例如,区别(i)量测误差所引起的不对称垂挂及(ii)非各向同性的柔韧性所引起的不对称垂挂。
因此,发明人假设,使用多个图像参数来取得多个瓣叶柔韧性数值增加了多个瓣叶30所分配到的多个瓣叶柔韧性类别的有效性及临床效用。
参考图10,图10为根据本发明的一些应用的示出一瓣叶存储单元的示意图,其中所述瓣叶存储单元110包括多个腔室108。对于一些应用,根据所分配的瓣叶柔韧性类别,瓣叶30被分类到存储单元110中。以此方式,可以根据瓣叶柔韧性类别将多个瓣叶批次30分类到存储单元110中,每个瓣叶批次包括多个瓣叶。即,每个腔室108可包含相同瓣叶柔韧性类别的多个瓣叶30。通常,对于此类应用,为了随后制造一人工心脏瓣膜,随后从一给定腔室108中选择一瓣叶群组30,该瓣叶群组的数量由人工心脏瓣膜所需的瓣叶数量确定。
通常,存储单元110有助于存储多个瓣叶30,同时保持:(i)瓣叶的水分含量,(ii)瓣叶的无菌性,及/或(iii)将分配给不同瓣叶柔韧性类别的瓣叶分开。在所示的示例中,存储单元110分为五个腔室108,其中腔室108b、108c、108d分别专用于存储分配给本文所述的瓣叶柔韧性类别中的一个类别(例如:“3”、“2”、“1”)的瓣叶。腔室108a及108e分别专用于抛弃类别“x”及“y”的瓣叶。腔室108f专用于“重检测”类别,在本特定示例中,该类别被命名为“0”。可定期对腔室108f中的任何瓣叶进行重检测,例如,当腔室内具有足够数量的瓣叶时。
参考图11,图11为根据本发明的一些应用的基于所述多个瓣叶的瓣叶柔韧性数值,使用检测器20将多个瓣叶30指定为多个瓣叶群组的示意图。
图11显示出多个瓣叶30垂挂在多个棒件22上,且多个指示器66指示出根据多个瓣叶各自的瓣叶柔韧性数值的相似性将所述多个瓣叶分为多个群组“A”、“B”及“C”的分组关系。在所显示的示例中,同时检测九个瓣叶以及将九个瓣叶分为三个群组使得能够从每次的检测环节中建构三个三瓣叶人工心脏瓣膜。在所显示的示例中,从群组A中的所述三个瓣叶建构一种三瓣叶瓣膜,从群组B中的那些瓣叶建构一种三瓣叶瓣膜,及从群组C中的那些瓣叶建构一种三瓣叶瓣膜。发明人假设,将具有相近的瓣叶柔韧性数值的多个瓣叶30进行归类(例如,在一人工心脏瓣膜中被缝合在一起)可有助于制备多个功能正常的人工心脏瓣膜。
参考图12A至12B,图12A至12B为根据本发明的一些应用的表示一组瓣叶的多个瓣叶柔韧性数值之间的关系,以及相同的多个瓣叶所分配到的多个瓣叶柔韧性类别或群组的图示。如上文所述,对于一些应用,基于瓣叶柔韧性数值,将瓣叶30分配至多个瓣叶柔韧性类别。瓣叶柔韧性类别通常是分类变量(categorical variables)。例如,可将所述多个类别命名为类别“1”、“2”及“3”,如上文所描述。多个瓣叶柔韧性数值通常为连续的数字变量。例如,多个瓣叶柔韧性数值可横跨介于10至40的一范围,如所示。
通常,如所示,每个瓣叶柔韧性类别由多个阈值瓣叶柔韧性数值所限定,每个阈值瓣叶柔韧性数值位在所述类别的一各自的极值中,如此每个类别包括具有多个数值的多个瓣叶,所述多个数值横跨所述类别的介于上阈值及下阈值之间的一范围。以此方式,每个瓣叶柔韧性类别横跨一瓣叶柔韧性数值的范围,每个瓣叶柔韧性类别具有一较高的柔韧性数值的阈值(upper flexibility-value threshold)及一较低的柔韧性数值的阈值(lowerflexibility-value threshold)。例如,图12A显示出横跨一柔韧性数值范围D148的类别1、横跨一柔韧型数值范围D146的类别2,及横跨一柔韧型数值范围D144的类别3。多条垂直实线代表划分开所述多个瓣叶柔韧性类别的所述多个阈值。
对于一些应用,相同的阈值可以用作一第一类别的较高的柔韧性数值的阈值,并且用作一第二类别的一较低的柔韧性数值的阈值。例如,类别“3”横跨介于阈值D106与D112之间的一瓣叶柔韧性数值范围,其范围在10至20之间;类别“2”横跨介于阈值D112与D118之间的一瓣叶柔韧性数值范围,其范围在20至30之间;及类别“1”横跨介于阈值D118与D124之间的一瓣叶柔韧性数值范围,其范围在30至40之间。以此方式,阈值D112用作类别“3”的较高的瓣叶柔韧性数值,并用作类别“2”的较低的瓣叶柔韧性数值。类似地,阈值D118用作类别“2”的较高的瓣叶柔韧性数值,并用作类别“1”的较低的瓣叶柔韧性数值。
需注意的是,图12A至12B所显示的所述多个瓣叶柔韧性数值及多个瓣叶柔韧性类别的阈值仅出于说明性的目的。所述多个数值、多个范围及多个阈值为任意的,且并非旨在排除可替代的多个瓣叶柔韧性的数值、范围或阈值。
在图12A至12B中,多个空心圆138、140及142代表将被分配至瓣叶柔韧性类别1的三个瓣叶,其具有横跨介于30至40的一范围的多个瓣叶柔韧性数值;多个空心圆132、134及136代表将被分配至瓣叶柔韧性类别2的三个瓣叶,其具有横跨介于20至30的一范围的多个瓣叶柔韧性数值;及多个空心圆126、128、130代表将被分配至瓣叶柔韧性类别3的三个瓣叶,其具有横跨介于10至20的一范围的多个瓣叶柔韧性数值。
发明人假设,将多个瓣叶30分配至多个柔韧性类别可使通过它们的柔韧性数值来分类多个瓣叶能够更有效率地进行。然而,对于一些应用,单纯通过这样的分类技术来分类多个瓣叶可能导致不一定具有最相近的柔韧性数值的多个瓣叶被分类至相同的类别。例如,图12A显示出瓣叶130(将被分类为类别“3”)的柔韧性数值最接近多个瓣叶132及134(将被分类为类别“2”)的柔韧性数值。这种由于多个瓣叶相近的柔韧性数值位于一类别阈值数值的不同侧所导致的不同类别中的多个瓣叶之间的相似性的潜在模糊性在本文中被称为“阈值伪像(threshold artifact)”。下文描述了在多个瓣叶被分配至多个柔韧性类别时,说明阈值伪像的多个替代或补充策略。
对于一些应用,柔韧性数值的阈值(例如:较高的柔韧性数值的阈值及/或较低的柔韧性数值的阈值)可响应于多个瓣叶的瓣叶柔韧性数值而调整。例如,在指示每个瓣叶的瓣叶柔韧性类别之前,可由电路40(例如:自动地)调整柔韧性数值的阈值。替代地,操作员可以手动调整柔韧性阈值。发明人假设,调整柔韧性数值的阈值可增加将具有类似柔韧性的瓣叶30分配到每个各别瓣叶柔韧性类别的可能性。
对于一些应用,电路40配置用以提交某些瓣叶30,以便手动分配(例如,通过人类专家)至多个柔韧性类别。对于一些应用,电路40可将具有特别接近所述多个阈值数值的多个柔韧性数值的多个瓣叶30指定给多个过渡类别(transition categories。例如,电路40可配置以使每个阈值具有一裕度(margin),并将其多个柔韧性数值落于一阈值的一裕度内的多个瓣叶分配至一过渡类别。图12A进一步显示出多条垂直虚线,所述多条垂直虚线标定了各个阈值的裕度:D108标定阈值D106的一上裕度150,D110标定阈值D112的一下裕度,D114标定阈值D106的一上裕度154,D116标定阈值D118的一下裕度,D120标定阈值D118的一上裕度,及D122标定阈值D124的一下裕度。例如,在图12A中,以符号130、132及134表示的所述多个瓣叶落于这类的裕度中,因此被指定给多个过渡类别。将被指定给多个过渡类别的多个瓣叶称为“过渡类别瓣叶”(例如,类别“1-2”、类别“2-3”或类别“3-x”),接着可被提交给一人员(例如,一专家),以便手动分配至一柔韧性类别。
对于一些应用,如所示,电路40未配置具有阈值106的一下裕度及/或阈值D124的一上裕度。对于一些这类的应用,将其柔韧性数值低于阈值D106或高于阈值D124的多个瓣叶提交给一人员,以进行手动评估(例如,手动分配至一柔韧性类别)。对于一些这类的应用,这类的瓣叶被自动分配至对应的所述“抛弃”类别“x”或“y”,例如,通过降低将一不合适的瓣叶提交给一专家进行手动分类的可能性来增加效率。对于一些这类的应用,将其柔韧性数值低于阈值D106的多个瓣叶提交给一人员,以进行手动评估,反之,将其柔韧性数值高于阈值D124的多个瓣叶自动分配至所述对应的“抛弃”类别。对于一些这样的应用,将其柔韧性数值高于阈值D124的多个瓣叶提交给一人员,以进行手动评估,反之,将其柔韧性数值低于阈值D106的多个瓣叶自动分配至所述对应的“抛弃”类别。
可替代地,电路40配置具有阈值D106的一下裕度及/或阈值D124的一上裕度,例如,类似于其他阈值的多个裕度。
对于一些应用,检测器20可简单地指出一特定的瓣叶需要手动分类。对于一些应用,检测器20可通过指示出所述瓣叶的柔韧性数值所落入的多个类别来促进手动分类。例如,检测器20的指示器66可针对其柔韧性数值落于类别2的较低阈值的裕度154内的一瓣叶,或落于类别3的较高阈值的裕度154内的一瓣叶来显示出“2-3”。
对于一些应用,多个过渡类别瓣叶可被指定为进行第二次检测。发明人假设:(1)将多个过渡类别瓣叶手动分配置多个柔韧性类别,及/或(2)重新检测多个过渡类别瓣叶,可增加多个瓣叶所分配到的多个瓣叶柔韧性类别的有效性及临床效用。
对于一些应用,根据多个柔韧性数值的相似性,可通过电路40及/或通过使用者来对多个瓣叶进行分组,例如,在不需使用多个柔韧性类别的情况下。接着,相同群组的多个瓣叶30可一起被包括在一个别的人工心脏瓣膜中。因此,电路40可将多个瓣叶30分成多个具有一期望尺寸的群组(例如,用于一种双瓣叶瓣膜的多个具有两个瓣叶的群组,或用于一种三瓣叶瓣膜的多个具有三个瓣叶的群组)。例如,在图12B中,椭圆形166及168指示出这类的分组关系。
意即,对于本发明的一些应用,检测器20(例如,其电路40)配置用以将多个瓣叶30(例如,位在检测器20上的所有瓣叶)分成多个群组,这是基于在(i)所述多个瓣叶的每个瓣叶的柔韧性数值与(ii)所述多个瓣叶的其他瓣叶的柔韧性数值之间的相似性来进行,所述多个群组的每一个包括一预定的瓣叶数量。对于一些应用,使用电路40来接收预定数量的瓣叶(例如,作为来自操作员的输入)。
椭圆形168表示三个瓣叶(138、140及142)的一群组,假如使用分类技术(例如,如图12A所示),这些瓣叶将被分配到相同的类别(类别1)。在这种情况下,根据这三个瓣叶30各自的瓣叶柔韧性数值的相似性对其进行分组将产生与将瓣叶分类为瓣叶柔韧性类别的结果相似的结果。
相反地,椭圆形166指示出具有三个瓣叶(130、132及134)的一群组,假如使用所述分类技术,则在所述群组中,所述多个瓣叶的其中两个(132及134)将被分配至一类别(类别2),而所述多个瓣叶的其中一个(130)将被分配至一不同的类别(类别3)(例如,如图12A所示)。相较于一人工心脏瓣膜具有被分类至类别3或类别2的多个瓣叶,将这三个瓣叶30归类成一起被包括在一个别的人工心脏瓣膜中会产生一人工心脏瓣膜拥有具有更相近的瓣叶柔韧性数值的多个瓣叶。
参考图13A至13B及图14A至14B,其为根据本发明的一些应用的示出使用瓣叶存储阵列104及204以指示被指定为一特定瓣叶群组的多个个别瓣叶的示意图。对于一些应用,可能需要追踪属于不同批次的瓣叶的个体特征(individual identities),例如,在将瓣叶指定为瓣叶群组之前,可以检测多个批次的瓣叶。发明人假设,在指定瓣叶群组之前分析大量瓣叶可有利地增加一给定群组内瓣叶之间的同质性(homogeneity)。图13A至13B及图14A至14B示出了各自的存储阵列104及204,所述存储阵列104及204用于以便于追踪(即保持跟踪)瓣叶的个体特征的方式存储瓣叶30。在所示的示例中,阵列104及204是网格。然而,应当理解,本发明的范围包括各种布置的阵列。如图所示,每个阵列104和204分别包括多个存储单元106或206,每个单元通常配置为存储单个瓣叶30(即正好一个瓣叶)。
通常,所述阵列被标记用以为其每个单元提供一唯一标识符。图13A至13B的阵列104使用一特定的标签制度(labelling regime),阵列204通常与阵列104相同,只是它使用不同的标签制度。
阵列104具有标有字母的多个单元106的多个行112,其通常对应于不同批次的检测瓣叶30。(标记第一行112a及第二行112b)。在每行中,单元1至9对应于特定批次的九个单独瓣叶30,该数字表示在检测期间被每个瓣叶垂挂的棒件(例如,根据图3B中的标签18)。在这个说明性示例中,九个批次(每个批次由九个瓣叶30组成)可存储在阵列104的各别单元106中。
阵列204的示例性标签制度使得每个瓣叶批次存储在一区域214中,该区域214具有与该瓣叶批次的数量相等的单元206的数量(标记第一区域214a及第二区域214b)。给定区域的每个单元标记有(i)对应于一瓣叶批次的字母,以及(ii)对应于该瓣叶批次的各别瓣叶的一数字,例如,表示在检测期间被每个瓣叶垂挂的棒件(例如:根据图3B中的标签18)。如图所示,一区域214内的多个单元206的设置通常对应于检测器20的多个棒件22的设置。发明人假设,以这种方式标记存储阵列204的多个单元206有助于以手动方式将每个瓣叶从检测器转移到所述存储阵列。
需注意的是,本发明的范围不限于字母数字字符,还包括追踪瓣叶30的个体特征的多种替代方法(例如:非字母数字字符、符号、颜色编码等)。
对于一些应用,每个单元106或206可填充一无菌液体(例如:等渗盐水16)。发明人假设,在阵列104、204的各别存储单元106、206内存储瓣叶30(例如:包含经检测的瓣叶30的多个批次的集合)有助于维持瓣叶的水分含量及/或瓣叶的无菌性。
在将多个瓣叶批次30放置在存储阵列104、204中之后,所述多个瓣叶通常被指定为多个瓣叶群组,然后被分组为多个瓣叶群组。对于一些此类应用,电路40基于所述多个瓣叶的瓣叶柔韧性数值之间的相似性(例如,如下文参考图16至图22所述),将所述多个瓣叶的集合指定为多个瓣叶群组。对于一些此类应用,电路40通常还使用一个或多个指示器指示哪些瓣叶应分组到哪个群组。一个或多个指示器通常以电子方式耦合(例如:通过电缆124、224)及/或以无线方式连接到电路40,并且通常进一步耦合到并且/或者安装在所述存储阵列上。
对于一些应用,使用至少一个指示器120、220指示(例如,向操作员指示)所述多个瓣叶集合的每个瓣叶30被指定的瓣叶群组。对于一些此类应用,指示器120、220配置为提供一视觉提示。例如,如图13A至13B及图14A至14B所示,指示器120、220可选择性地指示被指定为一特定瓣叶群组的各别瓣叶。
对于一些应用,连接到电路40(例如,图6A中所示的计算机100)的一用户介面有助于操作员使用指示器120、220。例如,所述用户介面有助于操作员在指示各种瓣叶群组之间切换所述指示器,例如,从指示被指定为一第一瓣叶群组的多个瓣叶切换到指示被指定为一第二瓣叶组的多个瓣叶等。
图13A及图14A显示阵列104、204及指示器120、220,而所述指示器未点亮。图13B及图14B显示相同的阵列及指示器,而指示器选择性地指示三个单元(那些单元被标记为“A4”、“E6”及“I8”),指示这些单元包含被指定为一特定瓣叶群组的多个瓣叶30(例如,指示将多个指定瓣叶分组到一被指定的瓣叶群组的各别单元)。
对于一些应用,指示器120、220是存储阵列104、204的一组成部件。
替代地,如图所示,所述指示器可以是一分离器件,并且所述存储阵列可以与所述指示器并置(例如:放置在所述指示器上),使得所述视觉提示可以通过所述阵列(例如:通过阵列的一地板)而被看见。例如,(i)对于所述视觉提示,阵列104、204可以是至少部分透明的,并且(ii)以与指示器120、220的尺寸相对应的方式成形(例如,指示器限定了可放置阵列的表一面)。以此方式,操作员可以通过阵列104、204从指示器120、220接收所述视觉提示、并且对来自各自单元106、206的瓣叶30进行分组,而无需在存储阵列及表示所述瓣叶群组指定结果的一单独显示器之间进行交互参考。
对于一些应用,指示器120、220及存储阵列(104、204)以有助于所述阵列与所述指示器集成的一方式互补地成形,使得阵列相对于所述指示器处于一正确的方向。即阵列104、204相对于指示器120、220的适当方向确保相对于每个瓣叶30指示的视觉提示能够通过包含各别瓣叶的单元106、206而被看见。发明人假设,当操作员将多个瓣叶30分组到多个瓣叶群组中时,将指示器120、220集成到阵列104、204中能够降低人为错误的风险。同时,阵列104、204与指示器120、220的可分离性可有助于连续使用具有一给定指示器的多个存储阵列(例如,指示被指定到多个瓣叶群组的多个瓣叶集合的瓣叶群组)。对于一些应用,存储阵列是一次性的,而指示器是可重复使用的。
替代地,除了通过指示被指定为各种瓣叶群组的瓣叶来便于进行步骤332之外,指示器120、220还可以通过指示存储阵列104、204的一部分(例如:单元106、206)来便于进行步骤322,在检测之后,多个瓣叶30被临时存储在所述存储阵列104、204的一部分中。例如,指示器120、220可与上文参考图13A至13B及图14A至14B所述的每个单元106、206的唯一标识符结合使用。
参考图15,图15为根据本发明的一些应用的示出一过程的示意图,其中所述多个瓣叶被存储在多个类别,并且随后被指定为多个瓣叶群组。
对于一些应用,多个瓣叶30首先被指定为多个类别,随后被指定为多个瓣叶群组。对于此类应用,(i)将多个瓣叶30放在检测器20上,根据分类技术进行检测,并根据其类别进行分类,例如,归入多个集合,以及(ii)随后,将单个类别的多个瓣叶重新放在检测器20上,并根据分组技术进行重检测。发明人假设,根据其瓣叶柔韧性数值,分配给相同瓣叶柔韧性类别的瓣叶30的分组可使瓣叶分组为具有高度相似柔韧性的瓣叶组。
对于一些应用,被分配到一瓣叶柔韧性类别的多个瓣叶(例如:分类到存储单元110中的多个瓣叶)经历柔韧性检测的一第二次重复(second iteration)。在第二次重复检测中,如上文所述,对瓣叶30进行重检测,以便将瓣叶30指定为多个瓣叶群组。以此方式,将瓣叶30分配到多个类别可作为一初始库的初步瓣叶筛选(参见图15中的箭头,其表示被指定为瓣叶群组“A”、“B”及“C”的瓣叶柔韧性类别2的各个瓣叶)。发明人假设,将先前分配并分类为相同瓣叶柔韧性类别的瓣叶指定为多个瓣叶群组,可能会增加识别紧密匹配的瓣叶的可能性(具有相似瓣叶柔韧性数值的多个瓣叶),这些瓣叶优选地被指定为相同的群组。
参考图16,图16为根据本发明的一些应用的示意性地说明一种用于将所述多个瓣叶分组为多个瓣叶群组的方法的至少部分步骤的流程图。通常,使用检测器20及/或上文描述的技术执行所述方法300。对于一些应用,使用存储阵列104、204执行方法300。图16的流程图大致指示方法300的哪些步骤是由人类操作员执行的(流程图的左侧),哪些步骤是由电路40执行的(流程图的右侧)。然而,应当理解,本发明的范围包括指示为由操作员执行、由电路(或检测器20的其他部件)执行或反之亦然的一些步骤,其可在细节上作必要的修改。还需注意的是,可提供(或使其可远程访问)执行本文所述由电路40执行的步骤的软件。
为了使用检测器20,将多个瓣叶30垂挂在检测器的各个棒件22上(步骤310)。然而,可以事先执行几个可选的步骤(以虚线方框表示)。
在可选的步骤302及304中,瓣叶30库存的多个瓣叶最初根据其厚度分类(步骤302),然后根据其厚度选择(步骤304),从而使得将使用检测器20检测的瓣叶为单一厚度等级。对于此类应用,在根据其厚度进行初始“粗略”分类之后,使用检测器20进行的检测可根据瓣叶30的柔韧性进行第二次“精细”分类。发明人假设,对已经预先分类为单一厚度的瓣叶进行柔韧性检测可以进一步改善用于一人工瓣膜的瓣叶的匹配。
替代地或除了根据其厚度对瓣叶30进行初步分类之外,方法300可以使用先前分配到一瓣叶柔韧性类别的瓣叶来执行,例如,如上文参考图15所述,其可在细节上作必要的修改。
在可选的步骤306中,图像感测器32可在检测器20上检测瓣叶30之前(重新)定位(例如:如上文所述)。
在可选的步骤308中,在将瓣叶放置在检测器20的棒件22上之前,启动电路40以执行一专用校准例行程序(例如:如上文所述)。(对于一些应用,作为步骤318的后续图像分析的一部分,可选地或另外地执行一校准。)
将多个瓣叶30放置在多个棒件22上(步骤310)之后,相对于平台48,提高多个棒件,以使所述多个瓣叶30垂挂在所述多个棒件上(步骤312)。然后,操作员通过图像感测器32(步骤316)启动一数字图像的获取(步骤314),该图像包括垂挂在多个棒件22上的多个瓣叶。
通常,在此阶段,电路40执行获取的图像的分析(步骤318),该分析通常包括计算一个或多个图像参数,并针对每个瓣叶30导出一瓣叶柔韧性数值,例如,如上文所述。
对于一些应用,电路40执行一图像质量检查例行程序(步骤320),该例行程序可以是图像分析的一部分(步骤318),也可以是不同的步骤。对于一些此类应用,在导出每个瓣叶的瓣叶柔韧性数值之前,运行该图像质量检查例行程序。对于一些应用,图像质量检查例行程序包括计算每个瓣叶的图像参数。例如,在图像质量检查例行程序中导出的参数可以是一第一瓣叶尖端位置与第二瓣叶尖端位置之间的直接距离D82(图8B)。替代地或附加地,水平距离D95可以作为图像质量检查例行程序的一部分导出。发明人假设,计算水平距离D95有助于识别次优位置的瓣叶30(图9A至图9B),如上文所述。例如,水平距离D95低于一预定阈值的瓣叶可被识别为处于次优位置。
对于一些应用,如果成功计算图像中所有瓣叶的图像参数,则该图像通过图像质量检查例行程序。图像可能无法通过图像质量检查例行程序的示例包括:图像不清晰、遮挡一个或多个瓣叶的障碍物、不正确放置的瓣叶、电路40无法识别瓣叶的两个瓣叶尖端及/或未预期的或不合逻辑的图像参数值。
在图像未通过图像质量检查的情况下,将瓣叶30再次放置在棒件22上(例如:调整瓣叶的放置),重新提高棒件,并重新获取图像。在图像通过图像质量检查的情况下,多个瓣叶30通常以便于追踪瓣叶的个体特征的方式存储,例如,通过将瓣叶放置在存储阵列104、204中(步骤322)。
如果要检测附加批次的瓣叶30(步骤324),则针对附加的瓣叶重复进行步骤310至322(例如,直到存储阵列104、204装满,或直到所有瓣叶都已检测为止)。因此,在阵列上组装包含多个瓣叶批次的瓣叶集合。通常,对于此类应用,集合包含至少9个及/或少于400个瓣叶,例如:9至400个瓣叶(例如:9至100个瓣叶或40至400个瓣叶),例如:40至100个瓣叶。例如,如图所示,集合可包括81个瓣叶。对于一些应用,在电路40将多个瓣叶指定为多个瓣叶群组之前,针对瓣叶的整个集合进行检测。发明人假设,在将多个瓣叶批次指定为瓣叶群组之前,检测瓣叶30的集合的柔韧性,增加将紧密匹配的瓣叶指定为每个群组的可能性。
虽然已在上文中描述方法300(并且在图16中示出),但在将下一个瓣叶批次放置在检测器20的多个棒件上之前,对每个瓣叶批次执行图像分析步骤318,对于一些应用,在每个步骤316期间获取的图像(例如:第一数字图像及第二数字图像)被存储(例如:在电路40的存储器中),并且在获取所有瓣叶批次的所有图像之后,针对多个这样的图像进行分析。
通常,当瓣叶集合30被存储在存储阵列104或204中时,基于瓣叶集合的每个瓣叶的各自瓣叶柔韧性数值之间的相似性,将多个瓣叶指定为各别瓣叶组(步骤326)。
通常,分组根据两个标准进行优化:(i)应将尽可能多的瓣叶从瓣叶集合中指定为一瓣叶群组(即,最大限度地提高产量并且/或者减少浪费),(ii)被指定给一瓣叶群组的多个瓣叶应具有可达到的最相似的瓣叶柔韧性数值(例如:多个瓣叶应为“最佳匹配”瓣叶)。因此,理想情况下,需要一最大数量的最佳匹配的瓣叶。这些标准之间通常存在权衡。如果组内公差(intra-group tolerance)非常低(例如:仅将非常匹配的瓣叶指定为一群组),则公差范围内的瓣叶群组的总数(即产量)可能低得令人无法接受。同样,确保完整瓣叶群组的一最大产量可能需要将彼此不够相似的瓣叶指定为相同群组。如下文所述,参考图17及图18,图17及图18是促进优化瓣叶分组及/或实现可接受权衡的技术。
通常,将多个瓣叶30指定为多个瓣叶群组是在不进一步移动或以其他方式操纵瓣叶的情况下完成的(例如,当多个瓣叶被存储在存储阵列104中时,如上文参考图13A至13B及图14A至14B所述)。电路40通常将集合的多个瓣叶指定为多个瓣叶群组(步骤326),并向操作员指示所述多个被指定的瓣叶群组(步骤328)。对于一些应用,如上文参考图13A至13B及图14A至14B所述,使用指示器120、220指示被指定的瓣叶群组。
因应于这种指示,操作员随后可以将多个瓣叶分组为多个群组(即以物理方式收集瓣叶),并利用多个瓣叶群组(步骤332),例如,通过将多个瓣叶组装在一人工心脏瓣膜中。
如上文关于步骤326所述,组内公差确定哪些瓣叶可以被指定为与其他瓣叶一起的群组。通常,这意味着一群组内的每个瓣叶的柔韧性数值必须至少在该群组内每个其他瓣叶的柔韧性数值的组内公差的范围内。通常使用电路40接收组内公差(例如:作为来自操作员的输入),下文将对此进行更详细的描述。
参考图17、图18、图19、图20A至20D、图21A至21J、图22及23A至23B,其为根据本发明的一些应用的说明用于指定多个瓣叶群组的流程图及示意图。对于一些应用,这些图代表方法300的步骤326。
图17是示意性地示出方法400的至少一些步骤的流程图,对于一些应用,该方法400更详细地表示方法300的步骤326。图18是示意性地示出方法500的至少一些步骤的流程图,对于一些应用,该方法500更详细地表示方法400(从而表示步骤326)。因此,图16至图18可以被认为是相互“嵌套(nested)”的。
如下文中关于图18及图19的更详细描述的内容,方法400的第一步骤402包括将数值(例如:瓣叶柔韧性数值)组织成一系列索引。即,每个索引(index)表示集合中的一瓣叶,并且其数值是(或代表)该瓣叶的瓣叶柔韧性数值,使得一给定的被指定的瓣叶群组由一相应的被指定的索引组表示。
通常,如所示,多个索引按照顺序排列(例如,按照其数值的一数量级排列)。对于其他应用,可能不需要对多个索引进行排序。因此,步骤402由图17中的虚线方框指示为可选的。然而,在下文的描述中,对索引进行排序有助于随后对索引进行分组。
然后,确定符合所述组内公差(此后称为“公差范围内(within-tolerance)”索引组)的索引组的最大数量,其可从索引系列获得(步骤404)。对于一些应用,如果(i)索引组包括一预定数量的索引,所述索引的数值符合一组内公差,并且(ii)索引组的每个索引的柔韧性数值相对于索引组的每个其他索引的瓣叶柔韧性数值而言在组内公差范围内,则一索引组符合组内公差。即所述组内公差限定一公差范内索引组的多个数值之间的一最大允许差值。关于图18、19及图20A至20D,也对步骤404进行了更详细的描述。
随后,将索引指定为索引组(步骤406)。如下文中关于图18、21A至21J及图22中更详细描述的内容,最佳匹配索引(例如:具有最相似值的索引)可被指定为一索引组。
然而,与步骤404中确定的最大数量相比,如果这样做将减少公差内组的总数,则执行一重复过程(iterative process),检测下一个最佳匹配瓣叶,直到分组不减少公差内组的总数。
图18通过示出一方法500提供了根据本发明的一些应用中,关于方法300的步骤326的进一步细节(例如,关于方法400的步骤402、404及406的进一步细节)。
例如,使用电路40获得瓣叶柔韧性数值(步骤502)。例如,在如上所述导出瓣叶柔韧性数值之后,可以从电路40的存储器中检索瓣叶柔韧性数值。此外,操作员也可以输入瓣叶柔韧性数值(例如,使用用户介面)。
然后将瓣叶柔韧性数值按数量级排列为一系列索引(步骤504),随后将对所述索引进行分析。通常,电路40为每个瓣叶柔韧性数值分配一各自的索引号。如图19所示,表示示例性瓣叶集合的瓣叶柔韧性数值被排列成一示例性索引系列i1至i23,每个索引具有其特定值(例如:其特定的瓣叶柔韧性数值)(图19)。
例如,如图19所示,可以根据一递增数量级排列索引系列,使得第一索引(i1)被分配为最低值(在这种情况下,数值为21),第二索引(i2)被分配为随后值(在这种情况下,数值为22),以及第三索引(i3)被分配为后续值(在这种情况下,数值为25)等。替代地,可以根据一递减数量级排列索引系列。发明人假设,最初根据一数量级排列索引有助于随后将索引系列分组为多个索引组,如下所述。
方法500的步骤502及504一起可对应于方法400的步骤402。即,步骤402可包括步骤502及504。
随后,确定可从索引序列获得的索引组的最大数量(步骤404)。每个索引组包括一预定数量的索引。在下文的描述中,索引组中的预定数量的索引是三个(对应于瓣叶群组的三个瓣叶)。因此,术语“三元组(trio)”从此用作参考图17至18的一具体示例。虽然三元组的瓣叶通常适合植入一原生二尖瓣的一人工心脏瓣膜,这并不意味着排除以下情况,即可能需要将瓣叶30指定为包含较少(例如,通常需要用于植入天然三尖瓣的人工心脏瓣膜的两个瓣叶)或更多(例如:四个)瓣叶的群组。
每个被指定的索引组符合一预定的组内公差。即一个索引组内的所有索引的一数值必须在该索引组内所有其他索引的组内公差范围内。因此,每个索引组必须至少(i)包含一预定数量的索引,并且(ii)包含仅在彼此的组内公差范围内的索引。
在所示的示例中,组内公差定义为2。因此,数值相差不超过2的索引可以包含在三元组的索引中。
确定公差范围内三元组的最大数量(步骤404)从选择潜在三元组(步骤505)开始,从第一个三元组T1开始,其包括索引i1、i2及i3(图20A)。在整个应用过程中,每个三元组根据该三元组的第一个索引进行编号,使得三元组TN包括索引iN及随后的两个索引。因此,三元组T2包括索引i2、i3及i4;三元组T3包括索引i3、i4及i5等。
对于一些应用,计算等于三元组的最高值及三元组的最低值之间的一差值的一索引组差分(例如:索引的三元组差分),以确定三元组是否符合组内公差(步骤506)。如果三元组差分等于或小于组内公差,则三元组被视为符合组内公差,因此被计算为一公差范围内三元组(within-tolerance trio)。对于按照递增数量级排序的索引的一些应用,通过从三元组的最后一个索引中减去三元组的第一个索引来计算三元组的三元组差分“delta_t”的数值。图20A显示了潜在三元组T1的delta_t1的计算,其计算为4。由于delta_t1大于2,三元组t1不符合组内公差。也就是说,由于三元组差分大于组内公差,因此三元组T1不算作一公差范围内三元组。
确定公差范围内三元组的最大数量的下一步骤是确定是否保留一足够的随后索引,以便评估一随后的潜在三元组(步骤508)。如果答案为“是”(在这种情况下,因为至少为是),则通过推进序列中的一个索引(步骤509)继续进行分析,并且选择潜在的三元组T2(步骤505,图20B)(需注意的是,图20B显示了推进一个索引,因为在这个特定的例子中,先前的浅在三元组(T1)不符合组内公差)。类似于三元组T1,三元组T2的三元组差分delta_t2被计算为4。因为delta_t2大于2,三元组T2也不符合组内公差(步骤506)。
再次,保留足够的后续索引,以便评估一后续潜在三元组(步骤508)。也就是说,至少有一个索引尚未被选择。因此,通过推进序列中的一个索引(步骤509)继续进行分析,并选择潜在的三元组T3(步骤505)。如图20C所示,发现三元组T3的三元组差分delta_t3为2。因此,三元组T3符合组内公差(步骤506),因此被计算为(即,添加到公差范围内群组的计数,步骤510)为一公差范围内三元组。在图20C中,指示三元组T3的虚线方框被粗体化,以表示该三元组被计数。
在对公差范围内三元组T3进行计数后,仍然保留足够的后续索引,以便评估一后续潜在三元组T3(步骤512)。因此,通过推进多个索引(步骤513)来继续进行分析。
因为三元组T3被视为符合组内公差,所以分析按照三个索引推进(与三元组不符合组内公差的情况下的一个索引相反)。即因为索引i3、i4及i5已经属于公差范围内三元组,在步骤404中不评估包括这三个索引中任何一个的其他三元组。因此,方法400随后返回到步骤505,如上文所述,其可在细节上作必要的修改,下一个待评估的潜在三元组为T6。即在这个阶段,步骤505的“当前索引”将是i6。
通过这种方式,执行连续迭代,确定公差范围内三元组的数量,直到没有剩余的待评估的三元组。图20D示意性地示出了通过对一组内公差为2、群组大小值为3的该示例性索引系列执行步骤404将获得的结果。
将待评估的三元组中的每一个都由虚线方框表示。符合组内公差的三元组中的那些以粗体的虚线方框表示。如图所示,在该示例性系列中,符合可从该系列中获得的组内公差的三元组的最大数量为五个。此时,该最大数量被存储,以下称为“存储的最大数量”,例如:存储在电路40的存储器中(步骤514)。
总之,方法500的步骤505、506、508、509、510、512、513及514可对应于方法400的步骤404。即,步骤404可包括步骤505、506、508、509、510、512、513及514。
在确定并存储可从序列中获得的符合组内公差的三元组的最大数量(步骤404)之后,将多个索引指定为多个索引组(步骤406),如下文详细所述。
首先,选择一索引组(例如:第一个三元组T1)进行评估(步骤516)。发现三元组T1不符合组内公差(步骤517,图21A)。
由于存在至少一个剩余的未评估的三元组(步骤519),通过将一个索引(步骤521)推进到三元组T2(步骤516,图21B)来继续进行分析。因此,索引i1不再分析该系列的索引。因此,尽管非连续索引表示的瓣叶不会与当前瓣叶集合中的其他瓣叶一起被包含在瓣叶群组中,但非连续的瓣叶可以被存储(例如:存储在存储阵列104中)以供后续使用(例如:作为另一个瓣叶集合的一部分)。
三元组T2也被发现不符合组内公差(步骤517,图21B),因此索引i2也不再进行进一步评估。
由于存在至少一个剩余的未经评估的三元组(步骤519),通过将一个索引(步骤521)推进到三元组T3(步骤516,图21C)来继续进行分析。
三元组T3被发现符合组内公差,因此三元组T3是一公差范围内三元组(步骤517),在图21C中以粗体的虚线方框标记。通过从公差范围内三元组T3(即,在步骤517中发现符合公差的三个)开始的一索引簇(cluster of indices)中,识别其中具有最相似的瓣叶柔韧性数值的三元组T3(即“最佳匹配的三元组”),继续对三元组T3进行评估。索引簇通常包括公差范围内三元组(在本例中为T3)及随后的两个索引(在本例中为T4及T5)。这也可以表示为包括公差范围内三元组(在本例中为T3,对应于索引i3)及对应于公差范围内三元组中包含的其他索引的后续三元组(在本例中为T4和T5)的簇。更通常地(例如,包含除了3以外的群组大小值),所述簇通常包括公差范围内索引组(即,在步骤517中发现符合公差的索引组)及对应于公差范围内索引组中包含的其他索引的索引组。因此,所述簇中的索引组的数量等于包括每个索引组的索引数量,例如,将组合在一人工瓣膜中的瓣叶数量。
为了识别簇C3的最佳匹配三元组(步骤518),通常针对该簇的每个三元组(图21D)计算delta_t值(如上文参考图20A至20D所述,其可在细节上作必要的修改)。更通常地,然后比较每个三元组的delta_t值,以识别在三合组的簇中具有一最低三元组差分的一最佳匹配三元组。
例如,如图21D所示,三元组T4及三元组T5的delta_t值分别计算为2和1。因此,三个三元组中三元组T5具有最低的delta_t值,因此被识别为簇C3的最佳匹配三元组(步骤518)。应当理解,该过程经必要修改后比照适用于其他大小的群组。
对于一些应用,可以计算其他参数,以便通过比较组成簇的每个三元组的瓣叶之间的契合度来识别簇的最佳匹配三元组。
对于一些此类应用,可计算一加性差分值(additive differential value)。一个特定三元组的加性差分(“sum_delta_t”)是该三元组中每个三对索引之间的差值之和。例如,三元组T3的加性差分(sum_delta_t3)被计算为(i4-i3)+(i5-i4)+(i5-i3)=(26-25)+(27-26)+(27-25)=1+1+2=4。
对于一些此类应用(例如,如果预定的索引群组大小为2或3),索引组的sum_delta_t值可能等于这些相同索引组的delta_t值。对于其他应用(例如,如果预定的索引群组大小为4或更大),索引组的sum_delta_t值可能不等于这些索引组的delta_t值。对于一些此类应用,sum_delta_t值可以比delta_t值更准确地反映一给定瓣叶群组内瓣叶的瓣叶柔韧性数值之间彼此匹配的程度。因此,发明人假设,对于预定索引群组大小为4或更大的应用,当识别索引组中的最佳匹配索引组时,使用sum_delta_t值可能特别有利。
替代地或附加地,可以计算特定索引组的一平均差值(“avg_delta_t”),以通过平均该索引组内的每对索引之间的差值来比较所述簇的每个索引组内的索引之间的拟合接近度。例如,avg_delta_t3可计算为(1+1+2)/3=1.33。
替代地或附加地,可计算该索引组内每对索引之间(sum^_delta_t)差值的平方和,以比较该簇的每个索引组内的索引之间的契合度。例如,sum^_delta_t3可计算为1^2+1^2+2^2=6。需注意的是,本发明的范围还包括使用其他适当的数学函数来表示索引组的各自差值。
继续对簇C3进行评估,通过确定将簇的最佳匹配三元组(在本例中为T5)指定为随后在步骤328(图16)中指示的一索引组是否会减少可从系列中获得的公差范围内三元组的总数,从而减少来自集合的瓣叶的总产量(步骤520)。可从该系列的剩余部分获得的附加的公差范围内三元组的数量可经由上文参考图20D所述的相同方式进行计算(其可在细节上作必要的修改),但在假设已经指定了三元组T5之后开始计算。这如图21E所示,其中三元组T5以点划线勾勒出来,从而表示T5是当前正在评估其指定的三元组。如图21E所示,如果实际指定了三元组T5,则可以获得四个附加的公差范围内三元组(三元组T8、T11、T15及T20,以粗体虚线方框标记)。这导致总共有五个三元组,其等于在步骤404中确定并在步骤514中存储的存储最大数量。(因此,指定最佳匹配的三元组T5不会减少来自集合中的瓣叶群组的总产量。)因此,三元组T5实际上被指定为一索引组(步骤524)。
由于至少还有其他索引的三元组待评估(步骤526),因此通过推进三个索引来继续进行分析,即在先前指定的三元组T5之后,分析与第一索引相对应的三元组(步骤528)。因此,在这种情况下,选择三元组T8(包括索引i8、i9及i10)进行评估(步骤516)。发现三元组T8是一公差范围内三元组(步骤517,图21F)。因此,下一步骤是从簇C8中识别最佳匹配的三元组,其包括三元组T8、T9及T10(图21G)。发现三元组T10的delta_t值在簇C8的三元组中是最低的,从而识别三元组T10是簇C8的最佳匹配三元组(步骤518)。
因此,下一步骤是确定指定最佳匹配三元组T10是否会将公差范围内三元组的总数减少到低于步骤404(步骤520)中确定的最大数量。因此,可从该系列的剩余部分获得的附加的公差范围内三元组的数量可经由上文所述的相同方式进行计算(其可在细节上作必要的修改),但在假设已经指定了三元组T10之后开始计算。如图21H所示,如果实际指定了三元组T10,则可以获得两个附加的公差范围内三元组(三元组T15及T20,以粗体虚线方框标记)。这将导致总共有四个三元组,其小于存储的最大数量(因此,指定最佳匹配的三元组T10将减少可从集合中获得的公差范围内瓣叶群组的总数。)因此,三元组T10不被指定为一索引组(步骤524)。相反的,从簇C8中识别下一个最佳匹配三元组(步骤522)来继续进行分析。
如图21G所示,簇C8的剩余三元组是三元组T8及T9,其中每个三元组具有为4的三元组差分,这意味着在该特定情况下,存在两个下一个最佳匹配三元组。
值得注意的是,在此使用索引i1至i23的说明性示例中,瓣叶柔韧性数值是整数,这增加了相同簇的两个三元组可能具有相同三元组差分的可能性。然而,在现实中,瓣叶柔韧性数值通常包括小数或分数(即,瓣叶柔韧性数值通常为“浮点数(floats)”),因而降低了两个三元组具有相同三元组差分的可能性。
对于一些应用,必须从具有相等三元组差分的两个三元组中识别下一个最佳三元组,随后出现在索引系列中的三元组(例如:三元组T9,图21I)被识别为下一个最佳匹配三元组。对于其他应用,本系列先前出现的三元组就是由此方式确定的。
如图21I所示,通过确定指定三元组T9是否会减少公差范围内三元组的总数来评估下一个最佳匹配三元组T9(步骤520)。类似于上文参考图21H中的三元组T10所述,在假设指定下一个最佳匹配三元组T9之后,计算可从序列的剩余部分获得的附加的公差范围内三元组的数量。如图21I所示,如果实际指定了三盒一组T9,则可以获得两个附加的公差范围内三元组(三元组T15及T20,以粗体虚线方框标记)。这将导致总共有四个三元组,其小于存储的最大数量(因此,指定下一个最佳匹配三元组T9将减少瓣叶群组的总数。)因此,三元组T9(在这种情况下,第一个下一个最佳匹配三元组)不被指定为一索引组(步骤524)。相反的,从簇C8中识别其他(例如:第二个)下一个最佳匹配三元组(三元组T8)来继续进行分析(步骤522,图21J)。
如图21J所示,通过确定指定三元组T8是否会减少公差范围内三元组的总数来评估下一个最佳匹配三元组T8(步骤520)。类似于上文参考三元组T10及T9所述的内容,在假设指定下一个最佳匹配三元组T8之后,计算可从系列的剩余部分获得的附加公差范围内三元组的数量。如图21J所示,如果实际指定了三元组T8,则可以获得三个附加的公差范围内三元组(三元组T11、T15及T20,以粗体虚线方框标记)。这将导致总共有五个三元组,其相当于存储的最大数量(因此,指定最佳匹配三元组T8不会减少瓣叶群组的总数。)因此,三元组T8被指定为一索引组(步骤524)。
由于至少还有其他索引的三元组待评估(步骤526),因此通过推进三个索引来继续进行分析,即在先前指定的三元组T8之后,分析与第一索引相对应的三元组(步骤528)。因此,在这种情况下,选择三元组T8(包括索引i11、i12及i13)进行评估(步骤516)。
对于一些应用,通过沿着索引推进来识别剩余索引,从而可以组合步骤512及513。即通过尝试推进三个索引(步骤513)来确定是否有保留足够的后续索引以评估一后续潜在的三元组(步骤512)。例如,三个索引的成功推进表明,仍然保留足够的索引以评估一后续潜在的三元组。相反的,未能推进三个索引则表明,未保留足够的索引来评估一后续潜在的三元组。然而,为了清楚起见,将推进三个索引(步骤513)并且确定是否保留足够的索引以便这样做(步骤512)描述为不连续步骤(discrete steps)。类似地,可以分别组合附加成对的步骤(例如:步骤508及509、步骤519及521、步骤526及528)。为了清楚起见,将上述这些成对的步骤描述为不连续步骤。
如上文参考图21A至21C及21F所述,评估三元组T11以确定三元组是否符合公差(步骤517),如上文所述,继续分析索引,直到没有剩余的三元组T11为止(步骤519、526)。
总之,方法500的步骤516、517、518、519、520、521、522、524、526及528可对应于方法400的步骤406。即步骤406可包括步骤516、517、518、519、520、521、522、524、526及528。
以此方式,执行步骤406的连续迭代,直到没有待评估的三元组为止。图22示意性地示出了通过对一预定组内公差为2、群组大小为3的示例性索引系列执行步骤406而获得的结果。由实心矩形指示每个将被指定的三元组(T5、T8、T11、T15及T20)。需注意的是,通过执行步骤406指定的这五个三元组与为确定公差范围内三元组的最大数量而计数的五个三元组(T3、T6、T9、T15及T20)不同(步骤404,图20D)。还需注意的是,通过平均每个被指定的三元组的avg_delta_t值((2+4+0+2+4)/5=2.4)而计算的被指定的三元组的一累积平均差“cumul_avg_delta_t”值低于为确定最大数量而计数的五个三元组的cumul_avg_delta_t值(步骤404,(4+2+4+2+4)/5=3.2)。这说明了根据本发明的一些应用中,指定瓣叶群组的这种方法的优点。因此,对于一些应用,被指定的三元组的累积平均差值低于先前被计数以确定存储的最大数量的公差范围内索引组的累积平均差值。
需注意的是,在一些情况下(例如,由于一瓣叶集合的多个瓣叶具有具有特定相似性及/或顺序的瓣叶柔韧性数值),被指定的三元组的累积平均差值可能等于公差范围内索引组的累积平均差值。
然后将被指定的索引组指示给操作员(图16的步骤328),以表示被指定的瓣叶群组,如上文所述,从这里继续进行方法300。这种指示(例如,来自电路40的输出)可能会立即出现,或者被指定的三元组可存储在存储器中以供后续指示。
在所示的示例中,在图23中可见的23个索引中,只有15个被指定为索引组。即23个可见的索引的产率(yield)约为65%。对于一些应用,典型产率小于被指定为瓣叶群组的一给定集合的瓣叶的80%(例如,小于50%,诸如小于30%)及/或至少10%(例如,10至80%,诸如10至50%)。
对于一些应用,可能需要调整用作指定多个索引组的一基础的组内公差,例如,为了在索引组内的产率及契合度之间获得一理想的(例如:最佳)权衡。这在图16中由步骤330表示。如图所示,步骤330通常在被指定的索引组的实际(例如:最终)指示(步骤328)之前执行,操作员将使用该指示将多个瓣叶分组为多个瓣叶群组(步骤332)。
现在还参考了图23A至23B,其各自显示了根据本发明的一些应用中,由替代的组内公差产生的示例性替代的瓣叶群组产率的图形化表示。此类图形化表示可以显示在一显示器上。对于一些应用,显示替代的瓣叶群组名称,如图23A至23B所示,有利地帮助操作员选择是否调整公差(步骤330)。对于一些应用,电路40有助于进行步骤330,电路40提供与被指定的瓣叶群组(例如,初步索引组的产量)相关的一预览(例如,在显示器上),该预览将由于使用不同的组内公差而产生。例如,基于专业医疗或技术培训及/或基于当前的制造或供应考量,预览中显示的信息可为操作员提供一个进行判断的机会(例如,关于获得(i)更多的公差范围内的瓣叶群组数及(ii)如上所述的每个瓣叶群组的瓣叶的一更高契合度之间的权衡)。
对于一些此类应用,操作员选择多个替代产量中的一个,使得操作员可以通过选择源自除了预定公差以外的一组内公差的一替代产量来修改组内公差。例如,组内公差可响应于指定多个公差范围内瓣叶群组的一不理想的低产量而增加,所述多个公差范围内瓣叶群组由使用预定的公差与一特定的瓣叶集合而产生。
图23A示出使用为2的预定公差将产生总共五个瓣叶群组。除此之外,通过将公差提高为3,使得能够在同一瓣叶群组中包含较不紧密的瓣叶,以此方式,将增加1个瓣叶群组的产量,达到6个公差范围内瓣叶群组。另一方面,将公差降低为1以要求瓣叶群组只包括更紧密的瓣叶,从而使得产量减少为3个瓣叶组。发明人假设,表示组内公差及公差范围内瓣叶群组的数量之间的这种关系有利地为操作员提供选择是否调整公差的机会(步骤330)。
对于一些应用,除了公差范围内瓣叶群组的替代数量外,可能需要包括反映每个替代瓣叶群组产量的平均契合度的一参数。除了图23A所示的组内公差及和瓣叶群组产量之间的关系外,图23B还包括替代索引组的累积平均差“cumul_avg_delta_t”值,其表示替代瓣叶群组的平均契合度。图23B示出了使用为2的预定公差可获得的五个三元组具有2.4((2+4+0+2+4)/5=2.4)的累积平均差值,而使用为1的组内公差可获得的三个三元组将更紧密地匹配,具有1.2((2+2+2)/3=1.2)的累积平均差值,而使用为3的组内公差可获得的六个三元组,其契合度较低,累积平均差值为3.7((4+2+4+6+2+4)/6=3.7)。如上文参考图23A所述,可以调整组内公差(步骤330)。发明人假设,指示瓣叶群组数量以及替代瓣叶群组产量的累积平均差值,可进一步有助于对实现最大产量的公差范围内瓣叶群组及包括“最佳匹配”瓣叶的每个瓣叶群组之间的权衡进行判断,如上文所述。
因应于操作员在步骤330中选择是否修改公差,然后向操作员指示最终指定(例如:瓣叶的三元组的特征)(步骤328),操作员随后响应于最终瓣叶群组的指定结果,从而对瓣叶进行分组(步骤332)。更通常地,对于此类应用,如果操作员选择来自预定的组内公差的瓣叶群组指定结果,则向操作员指示该指定结果,因此能够有效地跳过可选步骤330。对于一些应用,完全跳过步骤330,并且步骤328中指示的瓣叶组指定结果是源自步骤326中预先确定的组内公差的指定结果。
对于一些应用,分组的瓣叶30在被分组到其瓣叶群组之后经历一验证步骤334。例如,虽然瓣叶30通常已经在一第一个方向上进行了柔韧性检测(例如,粗糙面朝上),但可能需要在第二方向上通过检测瓣叶群组的瓣叶来验证瓣叶,该第二方向与第一个方向相反(例如,光滑面朝上)。
例如,验证可能需要在必要时重复步骤310至322(其可在细节上作必要的修改),瓣叶30以第二方向垂挂在棒件22上。例如,在通过在第一方向上对瓣叶30的一第一方向数字图像进行数字分析来计算第一方向图像参数之后,得到一第一瓣叶柔韧性数值(步骤310至318),可以通过在第二方向上对瓣叶30的第二方向数字图像进行数字分析来计算第二方向图像参数,从而得到第二瓣叶柔韧性数值。
例如,如果第二瓣叶柔韧性数值被认为与第一瓣叶柔韧性数值足够相似,则一瓣叶30可以通过验证。该比较可由人工操作员或电路40进行。例如,可计算第一瓣叶柔韧性数值及第二瓣叶柔韧性数值之间的一差值,使得如果该差值低于一预定阈值,则瓣叶可被视为已验证。替代地或附加地,可通过计算反映第一瓣叶柔韧性数值与第二瓣叶柔韧性数值的相关程度的一对称索引(symmetry index)来促进比较。
未通过验证的瓣叶30通常被抛弃。对于一些应用,用户介面可用于向用户指示哪些瓣叶未通过验证,从而可抛弃那些失败的瓣叶。
如果一被指定的瓣叶的三元组中的一瓣叶未通过验证,则通常会抛弃该瓣叶。对于一些应用,然后在整体集合上重复步骤326,但不包括失败的瓣叶及其柔韧性数值。替代地,失败的瓣叶群组中的多个经验证的瓣叶(现在是“孤立的”)可被存储以供将来使用(例如,在另一个集合中进行评估)。
步骤336表示瓣叶群组的利用方式,例如,通过将瓣叶群组装在一人工心脏瓣膜中,或通过将瓣叶群组存储在单独的容器中以供后续使用。此步骤可由评估瓣叶的个人执行。替代地或附加地,步骤336包括将瓣叶群组发送至不同的个人,例如,将多个瓣叶组装在人工心脏瓣膜中的个人。
在上文中,通常将群组大小描述为等于将在一给定的人工心脏瓣膜中使用(例如:缝入)的瓣叶的数量(例如,对于三叶瓣,群组大小为3)。对于一些应用,群组大小可能大于将在一给定人工心脏瓣膜中使用的瓣叶数量,例如,以便在一给定瓣叶群组中的一个瓣叶出现问题(例如:损坏)时提供一备用的瓣叶,例如,因此不必抛弃一群组中的所有瓣叶,以因应仅使用该瓣叶群组中的一个瓣叶的问题。例如,当对三叶瓣的瓣叶进行分组时,可以使用为4的一群组大小。
本文描述的本发明的多个应用可以采用可从一计算机可用或计算机可读介质(例如:非暂时性计算机可读介质)访问的一计算机程序产品的形式,该形式提供可供计算机使用或与计算机结合使用的程序代码或任何指令执行系统,例如:电路40。
对于一些应用,人工神经网络有助于将多个瓣叶30指定为多个群组,例如,人工神经网络执行步骤326及/或方法400。对于一些此类应用,训练数据(例如:数字图像、图像参数及/或瓣叶柔韧性数值)与上文所述的瓣叶群组指定结果一起使用。
对于使用人工神经网络将多个瓣叶30指定给多个瓣叶群组的一些应用,在向操作员指示最终结果(步骤328)之后,可由人工神经网络执行步骤326及330。对于一些此类应用,在实现公差范围内瓣叶群组的一最大数量及包括“最佳匹配”瓣叶的每个瓣叶群组之间的上述权衡由人工神经网络考虑。发明人假设,使用人工神经网络来考虑上述权衡可以帮助操作者决定是否调整组内公差(步骤330)。发明人进一步假设,通过人工神经网络执行步骤330可至少部分地消除操作员的专业医疗或技术培训。
为了本描述的目的,计算机可用或计算机可读介质可以是任何设备,该设备可以包括、存储、通信、传播或传输程序以供指令执行系统、设备或装置使用或与之结合使用。介质可以是电子、磁性、光学、电磁、红外或半导体系统(或设备或装置)或传播介质。通常,计算机可用或计算机可读介质是非暂时性计算机可用或计算机可读介质。
计算机可读介质的示例包括一半导体或固态存储器、磁带、可移动计算机软盘、随机存取存储器(RAM)、只读存储器(ROM)、硬磁盘及光盘。目前的光盘示例包括光盘只读存储器(CD-ROM)、光盘读/写器(CD-R/W)及DVD。对于一些应用,使用云存储及/或远程服务器中的存储器。
适于存储及/或执行程序代码的数据处理系统将包括通过系统总线直接或间接耦合到存储器元件的至少一个处理器(例如:电路40)。存储器元件可包括在程序代码的实际执行期间使用的本地存储器、大容量存储器及高速缓存存储器,其提供至少一些程序代码的临时存储,以便减少在执行期间必须从大容量存储器检索代码的次数。所述系统可以读取程序存储设备上的发明指令,并遵循这些指令来执行本发明实施例的方法。
网络适配器可耦合到处理器以使处理器能够通过介入私有或公共网络而耦合到其他处理器或远程打印机或存储装置。调制解调器、电缆调制解调器及以太网卡只是目前可用的几种网络适配器。
执行本发明操作的计算机程序代码可以以一种或多种编程语言的任何组合来编写,包括面向对象的编程语言,如java、SimalTalk、C++等,以及常规的程序化编程语言,例如C编程语言或类似的编程语言。
应当理解,本文描述的方法可以通过计算机程序指令来实现。这些计算机程序指令可提供给一通用计算机、专用计算机或其他可编程数据处理设备的一处理器以生产一机器,使得经由计算机的处理器(例如,电路40)或其他可编程数据处理设备执行的指令创建用于实现在本申请中描述的方法中指定的功能/动作的装置。
这些计算机程序指令还可以存储在一计算机可读介质(例如:非暂时性计算机可读介质)中,该计算机可读介质可以指示一计算机或其他可编程数据处理设备以特定方式运作,使得存储在计算机可读介质中的指令产生包括一制品,该制品包括实现本申请所述方法中规定的功能/动作的指令装置。计算机程序指令还可以加载到一计算机或其他可编程数据处理设备上,以使得在计算机或其他可编程设备上执行一系列操作步骤,从而产生一计算机实现程序,使得在计算机或其他可编程设备上执行的指令提供用于实现在本申请中描述的方法中指定的功能/动作的程序。
电路40通常包括用计算机程序指令编程以产生计算机处理器的一硬件装置。例如,当编程以执行本文所述的方法时,所述计算机处理器通常充当一专用计算机处理器。通常,本文中描述的由计算机处理器执行的操作根据所使用的存储器的技术将存储器(该存储器是真实实体物品)的物理状态转换为具有不同的磁极性、电荷等。
本领域技术人员将理解,本发明不限于上文已经具体示出及描述的内容。而是,本发明的范围包括上文所描述的各种特征的组合及子组合,以及本领域技术人员在阅读前述说明后将想到的不属于现有技术的其多个变型及修改。
Claims (75)
1.一种将一人工瓣膜瓣叶的集合的多个人工瓣膜瓣叶分组的方法,其特征在于:所述方法包括使用一计算机处理器的以下步骤:
对于所述集合的每个瓣叶,因应于所述瓣叶的一图像参数,导出一瓣叶柔韧性数值;
接收一群组大小值;
(i)基于所述集合的每个瓣叶的各自瓣叶柔韧性数值之间的相似性,将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组,以及(ii)使得每个所述被指定的瓣叶群组包括一数量的多个瓣叶,等于所述群组大小值;以及
输出所述多个被指定的瓣叶群组的一指示。
2.如权利要求1所述的方法,其特征在于:所述方法还包括接收一组内公差,所述组内公差表示一给定瓣叶群组中的任意两个瓣叶的所述瓣叶柔韧性数值之间的一最大允许差值;以及
将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组的步骤包括:将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组,使得对于每个所述被指定的瓣叶群组,所述被指定的瓣叶群组中的每个瓣叶的所述柔韧性数值相对于所述被指定的瓣叶群组中的每个其他瓣叶的所述瓣叶柔韧性数值而言在所述组内公差的范围内。
3.如权利要求1所述的方法,其特征在于:输出所述多个被指定的瓣叶群组的所述指示的步骤包括:使用与所述计算机处理器通信的至少一个指示器来指示所述多个被指定的瓣叶群组。
4.如权利要求1所述的方法,其特征在于:所述群组大小值为3,并且其中接收所述群组大小值包括:接收为3的所述群组大小值。
5.如权利要求1所述的方法,其特征在于:所述群组大小值为2,并且其中接收所述群组大小值包括:接收为2的所述群组大小值。
6.如权利要求1所述的方法,其特征在于:所述群组大小值为4,并且其中接收所述群组大小值包括:接收为4的所述群组大小值。
7.如权利要求1所述的方法,其特征在于:将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组的步骤包括:将少于80%的所述集合的所述多个瓣叶指定为多个被指定的瓣叶群组。
8.如权利要求1至7任一项所述的方法,其特征在于:将少于80%的所述集合的所述多个瓣叶指定为多个被指定的瓣叶群组的步骤包括:将10至80%的所述集合的所述多个瓣叶指定为多个被指定的瓣叶群组。
9.如权利要求1至7任一项所述的方法,其特征在于:将少于80%的所述集合的所述多个瓣叶指定为多个被指定的瓣叶群组的步骤包括:将少于50%的所述集合的所述多个瓣叶指定为多个被指定的瓣叶群组。
10.如权利要求9所述的方法,其特征在于:将少于50%的所述集合的所述多个瓣叶指定为多个被指定的瓣叶群组的步骤包括:将10至50%的所述集合的所述多个瓣叶指定为多个被指定的瓣叶群组。
11.如权利要求9所述的方法,其特征在于:将少于50%的所述集合的所述多个瓣叶指定为多个被指定的瓣叶群组的步骤包括:将少于30%的所述集合的所述多个瓣叶指定为多个被指定的瓣叶群组。
12.如权利要求1至7任一项所述的方法,其特征在于:所述方法还包括:在导出多个瓣叶的所述集合的每个瓣叶的所述瓣叶柔韧性数值之前,通过数字分析一个或多个数字图像,从而计算所述集合的每个瓣叶的所述图像参数,其中所述数字图像包括所述集合的所述多个瓣叶。
13.如权利要求12所述的方法,其特征在于:计算所述集合的每个瓣叶的所述图像参数的步骤包括:针对所述集合的每个瓣叶,计算一第一瓣叶尖端的一位置与一第二瓣叶尖端的一位置之间的一直接距离。
14.如权利要求12所述的方法,其特征在于:计算所述集合的每个瓣叶的所述图像参数的步骤包括:针对所述集合的每个瓣叶,计算一第一瓣叶尖端的一位置与一第二瓣叶尖端的一位置之间沿着一水平轴线的一轴向距离。
15.如权利要求12所述的方法,其特征在于:所述方法还包括:在计算所述集合的每个瓣叶的所述图像参数之前,使用一图像感测器获取所述一个或多个数字图像。
16.如权利要求15所述的方法,其特征在于:多个瓣叶的所述集合包括一第一瓣叶批次及一第二瓣叶批次,以及获取所述一个或多个数字图像的步骤包括:
获取一第一数字图像,所述第一数字图像包括所述第一瓣叶批次;以及
获取一第二数字图像,所述第二数字图像包括所述第二瓣叶批次。
17.如权利要求16所述的方法,其特征在于:
所述第一数字图像包括所述第一瓣叶批次的全部的所述瓣叶,以及获取所述第一数字图像的步骤包括:获取包括所述第一瓣叶批次的全部的所述瓣叶的所述数字图像;以及
所述第二数字图像包括所述第二瓣叶批次的全部的所述瓣叶,以及获取所述第二数字图像的步骤包括:获取包括所述第二瓣叶批次的全部的所述瓣叶的所述数字图像。
18.如权利要求17所述的方法,其特征在于:所述方法还包括:在获取所述第一数字图像的步骤之后,针对所述第一瓣叶批次的每个瓣叶,指示一存储阵列的一各自部分,其中临时存储所述第一瓣叶批次的所述瓣叶。
19.如权利要求18所述的方法,其特征在于:输出所述被指定的瓣叶群组的所述指示的步骤包括:指示所述存储阵列的所述各自部分,从所述各自部分将所述第一瓣叶批次的多个瓣叶分组到所述多个被指定的瓣叶群组中。
20.如权利要求1至7任一项所述的方法,其特征在于:所述方法还包括:在指定的步骤之前:
为每个所述瓣叶柔韧性数值分配一各自索引,每个所述索引代表所述多个瓣叶的一各自瓣叶并且具有所述多个瓣叶的所述各自瓣叶的所述瓣叶柔韧性数值;
接收一组内公差,所述组内公差代表一给定瓣叶群组中的任意两个瓣叶的所述瓣叶柔韧性数值之间的一最大允许差值;
在确定可从多个索引中获得的多个公差范围内索引组的一最大数量之后,一公差范围内索引组为一索引组,(i)所述索引组包括等于所述群组大小值的多个索引的一数量,以及(ii)相对于所述索引组中的每个其他索引的的所述瓣叶柔韧性数值,所述索引组中的每个索引的所述柔韧性数值在所述组内公差的范围内;以及
在存储所述最大数量之后;
其中将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组的步骤包括:将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组,使得:
对于每个所述被指定的瓣叶群组,所述被指定的索引组中的每个所述索引的所述柔韧性数值相对于所述被指定的索引组中的每个其他索引的所述瓣叶柔韧性数值而言在所述组内公差的范围内;以及
所述多个被指定的索引组的一总数是所述存储的最大数量的至少一半。
21.如权利要求20所述的方法,其特征在于:
为每个所述瓣叶柔韧性数值分配所述各自索引的步骤包括:以一有序序列排列所述多个索引,其中所述多个索引根据所述各自瓣叶柔韧性数值的一数量级进行排序;以及
确定所述最大数量的步骤包括反复地:
识别至少等于所述群组大小值的多个连续的剩余索引的一数量,每个剩余索引未被计算为一公差范围内索引组的一索引;
从所述多个连续的剩余索引中选择一潜在索引组,使得:
一潜在索引组的一最低索引是所述潜在索引组的所述索引,所述索引具有所述潜在索引组的所述多个索引的一最低瓣叶柔韧性数值,以及所述潜在索引组的一最高索引是所述潜在索引组的所述索引,所述索引具有所述潜在索引组的所述多个索引的一最高瓣叶柔韧性数值;
所述潜在索引组包括等于所述群组大小的多个连续的索引的一数量;以及
所述潜在索引组的所述最低索引是最低的剩余索引;
计算所述潜在索引组的一群组差分,所述群组差分为(i)所述潜在索引组的所述最高索引的所述瓣叶柔韧性数值与(ii)所述潜在索引组的所述最低索引的所述瓣叶柔韧性数值之间的一差值;
确定所述潜在索引组的所述群组差分是否大于或不大于所述组内公差,并且相应地:
如果所述潜在索引组的所述群组差分不大于所述组内公差,则将所述潜在索引组计算为一公差范围内索引组;以及
如果所述潜在索引组的所述群组差分大于所述组内公差,则不将所述潜在索引组计算为一公差范围内索引组;
因应于(i)计算所述潜在索引组的步骤,以及(ii)识别所述多个连续的剩余索引的所述数量,选择性地选择包括一剩余索引的一连续的潜在索引组,其中选择性地选择所述连续的浅在索引组的步骤包括:
如果一先前的浅在索引组被计算为一公差范围内索引组,以及所述多个连续的剩余索引的所述数量至少等于所述群组大小值,则选择所述连续的浅在索引组,其中所述连续的浅在索引组的所述最低索引紧接着所述先前的浅在索引组的所述最高索引;
如果所述先前的浅在索引组被计算为一公差范围内索引组,
以及所述多个连续的剩余索引的所述数量小于所述群组大小值,
则终止并确定所述最大数量;
如果所述先前的浅在索引组不被计算为一公差范围内索引组,以及所述多个连续的剩余索引的所述数量至少等于所述群组大小值,则选择所述连续的浅在索引组,其中所述连续的浅在索引组的所述最低索引紧接着所述先前的浅在索引组的所述最低索引;
如果所述先前的浅在索引组不被计算为一公差范围内索引组,并且没有识别剩余的索引,则终止并确定所述最大数量;
直到所述多个连续的剩余索引的所述数量小于所述群组大小值为止。
22.如权利要求21所述的方法,其特征在于:所述多个索引根据所述各自瓣叶柔韧性数值的一数量级进行排序的步骤包括:根据所述多个数值的一递增数量级来编制所述多个索引。
23.如权利要求21所述的方法,其特征在于:所述多个索引根据所述各自瓣叶柔韧性数值的一数量级进行排序的步骤包括:根据所述多个数值的一递减数量级来编制所述多个索引。
24.如权利要求21所述的方法,其特征在于:
通过将多个瓣叶柔韧性数值之间的差值平均,所述多个瓣叶柔韧性数值分配给包括所述索引组的每对索引,来计算一给定索引组的一平均差值;
将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组的步骤包括:将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组,使得:
通过平均每个所述被指定的索引组的所述平均差值而计算的所述多个被指定的索引组的一累积平均差值小于:
通过平均每个所述公差范围内索引组的所述平均差值而计算的所述多个公差范围内索引组的所述累积平均差值。
25.如权利要求24所述的方法,其特征在于:将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组包括:将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组,使得所述多个被指定的索引组的一总数是:
所述存储的最大数量的至少一半;以及
不大于所述存储的最大数量。
26.如权利要求25所述的方法,其特征在于:将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组包括:将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组,使得所述多个被指定的索引组的一总数至少为所述存储的最大数量的60%。
27.如权利要求26所述的方法,其特征在于:将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组的步骤包括:将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组,使得所述多个被指定的索引组的一总数至少为所述存储的最大数量的70%。
28.如权利要求27所述的方法,其特征在于:将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组的步骤包括:将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组,使得所述多个被指定的索引组的一总数至少为所述存储的最大数量的80%。
29.如权利要求28所述的方法,其特征在于:将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组的步骤包括:将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组,使得所述多个被指定的索引组的一总数至少为所述存储的最大数量的90%。
30.如权利要求29所述的方法,其特征在于:将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组的步骤包括:将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组,使得所述多个被指定的索引组的一总数等于所述存储的最大数量。
31.如权利要求20所述的方法,其特征在于:将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组的步骤包括:将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组,使得所述多个被指定的瓣叶群组的一总数至少为所述存储的最大数量的60%。
32.如权利要求31所述的方法,其特征在于:将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组的步骤包括:将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组,使得所述多个被指定的瓣叶群组的一总数至少为所述存储的最大数量的70%。
33.如权利要求32所述的方法,其特征在于:将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组的步骤包括:将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组,使得所述多个被指定的瓣叶群组的一总数至少为所述存储的最大数量的80%。
34.如权利要求33所述的方法,其特征在于:将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组的步骤包括:将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组,使得所述多个被指定的瓣叶群组的一总数至少为所述存储的最大数量的90%。
35.如权利要求34所述的方法,其特征在于:将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组的步骤包括:将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组,使得所述多个被指定的瓣叶群组的一总数等于所述存储的最大数量。
36.如权利要求21所述的方法,其特征在于:
为每个所述瓣叶柔韧性数值分配所述各自索引的步骤包括:以一有序序列排列所述多个索引,其中所述多个索引根据所述各自瓣叶柔韧性数值的一数量级进行排序;以及
将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组包括反复地:
识别至少等于所述群组大小值的多个连续的剩余索引的一数量,每个剩余索引未被选为一初步索引组的一索引;
从所述多个连续的剩余索引中选择一初步索引组,使得:
所述初步索引组的一最低索引是所述初步索引组的所述索引,所述索引具有所述初步索引组的所述多个索引的一最低瓣叶柔韧性数值,以及所述初步索引组的一最高索引是所述初步索引组的所述索引,所述索引具有所述初步索引组的所述多个索引的一最高瓣叶柔韧性数值;
所述初步索引组包括等于所述群组大小的多个连续的索引的一数量;以及
所述初步索引组的所述最低索引是最低的剩余索引;
确定所述初步索引组的每个索引的所述柔韧性数值相对于所述初步索引组的每个其他索引的所述瓣叶柔韧性数值而言是否在所述组内公差的范围内;
因应于所述确定的步骤,反复地且选择性地从一索引簇中选择一索引组,所述索引簇包括所述初步索引组及一预定数量的连续索引,其中所述初步索引组的所述最低索引为所述索引簇的所述最低索引,以及选择性地选择所述索引组的步骤包括:
如果所述初步索引组的每个索引的所述柔韧性数值被确定为相对于所述初步索引组的每个其他索引的所述瓣叶柔韧性数值而言在所述组内公差的范围内,则:
从所述索引簇中识别一最佳匹配索引组,所述最佳匹配索引组具有来自所述索引簇的最紧密的索引;
确定与所述最大数量相比,指定所述最佳匹配索引组是否会减少可从所述多个索引中获得的公差范围内索引组的一总数;
因应于所述确定指定所述最佳匹配索引组是否会减少可从所述多个索引中获得的公差范围内索引组的所述总数,选择性地指定所述最佳匹配索引组,其中选择性地指定所述最佳匹配索引组的步骤包括:
如果确定指定所述最佳匹配索引组不会减少公差范围内索引组的所述总数,则指定所述最佳匹配索引组;以及
如果确定指定所述最佳匹配索引组会减少公差范围内索引组的所述总数,则从所述索引簇中识别一下一个最佳匹配索引组,所述下一个最佳匹配索引组相较于所述最佳匹配索引组具有多个较不紧密的索引;
直到从所述索引簇中指定了不会减少公差范围内索引组的所述总数的所述最佳匹配索引组;以及
如果所述初步索引组的每个索引的所述柔韧性数值被确定为相对于所述初步索引组的每个其他索引的所述瓣叶柔韧性数值而言不在所述组内公差的范围内,以及一剩余索引被识别,则选择一后续初步索引组,所述后续初步索引组包括等于所述群组大小值的索引的数量,其中所述剩余索引是所述后续初步索引组的所述最高索引;以及
如果所述初步索引组的每个索引的所述柔韧性数值被确定为相对于所述初步索引组的每个其他索引的所述瓣叶柔韧性数值而言不在所述组内公差的范围内,以及没有剩余索引被识别,则终止从所述索引簇选择性地指定所述最佳匹配索引组的步骤;
直到所述连续的剩余索引的数量小于所述群组大小值。
37.如权利要求36所述的方法,其特征在于:确定相较于所述最大数量,指定所述最佳匹配索引组是否会减少可从所述多个索引中获得的公差范围内索引组的所述总数的步骤,包括:
在假设指定所述最佳匹配索引组后,计算可从所述多个索引获得的公差范围内索引组的一数量,其中在假设指定所述最佳匹配索引组后,计算可从所述多个索引获得的公差范围内索引组的所述数量的步骤包括,反复地:
从所述多个索引选择一后续索引组,所述后续索引组包括等于所述群组大小值的所述索引的数量;
确定所述后续索引组的每个索引的所述柔韧性数值相对于所述后续索引组的每个其他索引的所述瓣叶柔韧性数值而言是否在所述组内公差的范围内;
响应于所述确定所述后续索引组的每个索引的所述柔韧性数值相对于所述后续索引组的每个其他索引的所述瓣叶柔韧性数值而言是否在所述组内公差的范围内,选择性地将所述后续索引组计算为一公差范围内索引组,其中选择性地计算的步骤包括:
如果所述后续索引组的每个索引的所述柔韧性数值被确定为相对于所述后续索引组的每个其他索引的所述瓣叶柔韧性数值而言在所述组内公差的范围内,则将所述后续索引组计算为在假设指定所述最佳匹配索引组后可获得的一索引组,以及
如果所述后续索引组的每个索引的所述柔韧性数值被确定为相对于所述后续索引组的每个其他索引的所述瓣叶柔韧性数值而言不在所述组内公差的范围内,则从所述索引簇中选择一第二后续索引组;
直到终止在假设指定所述最佳匹配索引组后,计算可从所述多个索引获得的公差范围内索引组的所述数量的步骤;
将在假设指定所述最佳匹配索引组后的可从所述多个索引获得的公差范围内索引组的所述数量与公差内组的所述最大数量进行比较;以及
因应于所述比较的步骤,选择性地指定所述最佳匹配组,其中选择性地指定的步骤包括:
如果在假设指定所述最佳匹配索引组后的可从所述多个索引获得的公差范围内索引组的所述数量不小于公差内组的所述最大数量,则指定所述最佳匹配索引组;以及
如果在假设指定所述最佳匹配索引组后的可从所述多个索引获得的公差范围内索引组的所述数量小于公差内组的所述最大数量,则不指定所述最佳匹配索引组。
38.如权利要求36所述的方法,其特征在于:从所述索引簇识别所述最佳匹配索引组包括:
针对每个索引组,计算可从所述索引簇中获得的一参数,其中所述索引组包括等于所述群组大小值的索引的一数量;
将具有一最低参数值的所述多个索引组中的一个索引组识别为所述最佳匹配索引组。
39.如权利要求38所述的方法,其特征在于:针对每个索引组,计算所述参数包括:针对每个索引组,计算一群组差分,所述群组差分为(i)所述潜在索引组的所述最高索引的所述瓣叶柔韧性数值与(ii)所述潜在索引组的所述最低索引的所述瓣叶柔韧性数值之间的一差值。
40.如权利要求38所述的方法,其特征在于:针对每个索引组,计算所述参数的步骤包括:针对每个索引组,通过将瓣叶柔韧性数值之间的差值平均来计算一平均差值,所述瓣叶柔韧性数值被分配给包括所述索引组的每对索引。
41.如权利要求38所述的方法,其特征在于:针对每个索引组,计算所述参数的步骤包括:针对每个索引组,计算瓣叶柔韧性数值之间的一差值的一平方和,所述瓣叶柔韧性数值被分配给包括所述索引组的多对索引中的每一对的各自索引。
42.一种用于多个人工瓣膜瓣叶的系统,其特征在于:所述系统包括:
一存储阵列,所述存储阵列包括:
多个单元,每个单元被配置为正好包含一个瓣叶;以及
多个指示器,每个指示器与所述多个单元中的一相应的单元相关联;以及
电路,与所述多个指示器通信,并且配置用以:
接收一群组大小值,
使用一个或多个瓣叶柔韧性数值,每个瓣叶柔韧性数值对应于所述多个瓣叶中的一各自的瓣叶,将至少部分的所述瓣叶指定为多个瓣叶群组,每个所述瓣叶群组包括等于所述群组大小值的多个瓣叶的一数量;以及
针对每个所述瓣叶群组,驱动所述多个指示器以指示哪个所述单元包含被指定为所述瓣叶群组的瓣叶。
43.如权利要求42所述的系统,其特征在于:对于所述多个瓣叶中的每个各自的瓣叶,所述电路配置用以:
接收一数字图像;
通过数字分析所述数字图像,计算出所述瓣叶的一图像参数,以及
从所述图像参数中导出与所述瓣叶对应的所述一个或多个瓣叶柔韧性数值。
44.如权利要求43所述的系统,其特征在于:所述系统还包括:一图像感测器,与所述电路通信,所述图像感测器配置为针对所述多个瓣叶中的每个各自的瓣叶获取所述数字图像,并将所述所述数字图像传送到所述电路。
45.如权利要求42所述的系统,其特征在于:所述多个指示器包括一用户介面,所述用户介面配置为便于从指示哪个所述单元包含被指定为一第一瓣叶组的多个瓣叶切换到指示哪个所述单元包含被指定为一第二瓣叶组的多个瓣叶。
46.如权利要求42所述的系统,其特征在于:每个单元都可填充一无菌液体。
47.如权利要求42所述的系统,其特征在于:所述多个指示器包括一用户介面,所述用户介面配置为便于从指示将至少部分的所述瓣叶指定为一第一瓣叶组切换到指示将至少部分的所述瓣叶指定为一第二瓣叶组。
48.如权利要求42所述的系统,其特征在于:所述多个指示器包括:每个单元的一各别指示器,每个所述各别指示器是所述存储阵列的一组成部件。
49.如权利要求42所述的系统,其特征在于:
所述多个指示器包括每个单元的一各别指示器,每个指示器配置为相对于每个瓣叶提供一各别视觉提示,以及
所述存储阵列配置为与所述多个指示器并置,并且所述存储阵列是至少部分透明的,使得相对于每个瓣叶,由每个指示器指示的所述视觉提示能够通过所述存储阵列而被看见。
50.如权利要求42所述的系统,其特征在于:每个单元都标有一唯一标识符,每个唯一标识符对应于:
一给定瓣叶批次,以及
所述给定瓣叶批次的一给定瓣叶。
51.如权利要求42所述的系统,其特征在于:所述存储阵列包括多个区域,每个区域:
对应于一给定瓣叶批次,以及
包括多个单元的一数量,等于包括所述批次的多个瓣叶的一数量。
52.如权利要求49所述的系统,其特征在于:所述存储阵列配置为放置在所述多个指示器上,使得相对于每个瓣叶,由每个指示器提供的所述视觉提示能够通过所述存储阵列的一地板而被看见。
53.如权利要求52所述的系统,其特征在于:所述多个指示器及所述存储阵列以有助于所述存储阵列与所述多个指示器集成的一方式互补地成形,使得相对于每个瓣叶,由每个指示器提供的所述视觉提示能够通过含有各自瓣叶的所述单元而被看见。
54.一种用于多个人工瓣膜瓣叶的分组方法,其特征在于:所述方法包括以下步骤:
将一第一瓣叶批次的每个瓣叶定位在一图像感测器对面;
随后,由所述图像感测器开始获取包括所述第一批次的全部的所述瓣叶的一第一数字图像;
随后,以便于追踪所述第一批次的每个瓣叶的一个体特征的一方式,将所述第一批次的每个瓣叶移到一存储阵列中;
将一第二瓣叶批次的每个瓣叶定位在所述图像感测器对面;
随后,由所述图像感测器开始获取包括所述第二批次的的全部的所述瓣叶的一第二数字图像;
随后,以便于追踪所述第二批次的每个瓣叶的所述个体特征的一方式,将所述第二批次的多个瓣叶移到所述存储阵列中,从而将所述第一批次的所述多个瓣叶及所述第二批次的所述多个瓣叶整合到一瓣叶集合中;
随后,操作软件以:
接收所述第一数字图像及所述第二数字图像,
针对所述第一数字图像及所述第二数字图像中包括的每个所述瓣叶,通过数字分析所述第一数字图像及所述第二数字图像:
计算所述瓣叶的一图像参数,以及
从所述图像参数导出所述瓣叶的一瓣叶柔韧性数值,
接收一群组大小值,
将所述瓣叶集合的至少部分的所述多个瓣叶指定为一个或多个被指定的瓣叶群组:
基于所述集合的每个瓣叶的各自瓣叶柔韧性数值之间的相似性,以及
使得每个所述瓣叶群组包括等于所述群组大小值的多个瓣叶的一数量,以及
输出所述一个或多个被指定的瓣叶群组的一指示;以及
响应于所述指示,将所述瓣叶集合的所述至少部分的瓣叶分组为所述一个或多个被指定的瓣叶群组。
55.如权利要求54所述的方法,其特征在于:所述方法还包括:将所述瓣叶集合的所述至少部分的瓣叶分组为所述一个或多个被指定的瓣叶群组的步骤之后,将每个被指定的瓣叶群组的所述多个瓣叶缝合到一各自的人工心脏瓣膜中。
56.如权利要求54所述的方法,其特征在于:所述方法还包括:在将所述第一瓣叶批次的每个瓣叶定位在所述图像感测器对面的步骤之前:
根据厚度,将一批瓣叶中的多个瓣叶分类为多个厚度等级;以及
从所述多个厚度等级的一单个厚度等级中选择所述第一瓣叶批次及所述第二瓣叶批次。
57.如权利要求54所述的方法,其特征在于:所述方法还包括:在将所述第一瓣叶批次的每个瓣叶定位在所述图像感测器对面的步骤之前:
根据每个各自瓣叶的所述瓣叶柔韧性数值,将一批瓣叶中的多个瓣叶分配成多个瓣叶柔韧性类别;以及
从所述多个瓣叶柔韧性类别的一单个瓣叶柔韧性类别中选择所述第一瓣叶批次及所述第二瓣叶批次。
58.如权利要求54所述的方法,其特征在于:
操作所述软件以基于所述集合的每个所述瓣叶的各自瓣叶柔韧性数值之间的相似性,将所述瓣叶集合的至少部分的所述多个瓣叶指定为一个或多个被指定的瓣叶群组的步骤,包括:操作所述软件以基于一组内公差将所述瓣叶集合的所述至少部分的瓣叶指定为一个或多个被指定的瓣叶群组,所述组内公差代表一瓣叶群组的多个索引的多个瓣叶柔韧性数值之间的一最大允许差值;以及
操作所述软件还包括:在输出所述一个或多个被指定的瓣叶群组的所述指示之前,操作所述软件以显示与所述一个或多个被指定的瓣叶群组相关的一预览;
所述方法还包括:在将所述瓣叶集合的所述至少部分的瓣叶分组为所述一个或多个被指定的瓣叶群组之前,调整所述组内公差响应于与所述一个或多个被指定的瓣叶群组相关的所述预览。
59.如权利要求58所述的方法,其特征在于:
操作所述软件以显示与所述一个或多个被指定的瓣叶群组相关的所述预览的步骤包括:操作所述软件以显示与多个初步瓣叶群组的一产量相关的所述预览;以及
调整所述组内公差响应于与所述被指定的瓣叶群组相关的所述预览的步骤包括:调整所述组内公差响应于与所述多个初步瓣叶群组的所述产量相关的所述预览。
60.如权利要求58所述的方法,其特征在于:
操作所述软件以显示与所述一个或多个被指定的瓣叶群组相关的所述预览的步骤包括:操作所述软件以显示与初步瓣叶群组的一契合度相关的所述预览;以及
调整所述组内公差响应于与所述多个被指定的瓣叶群组相关的所述预览的步骤包括:调整所述组内公差响应于与所述多个初步瓣叶群组的所述契合度相关的所述预览。
61.如权利要求54所述的方法,其特征在于:将所述第一批次的所述多个瓣叶及所述第二批次的所述多个瓣叶整合到所述瓣叶集合中的步骤,包括:
以有利于维护一个或多个特性的一方式,在所述存储阵列中临时存储所述集合的每个瓣叶,所述特性选自于由所述多个瓣叶的含水量及每个瓣叶的无菌性所组成的群组。
62.如权利要求54至61任一项所述的方法,其特征在于:所述方法还包括:操作所述软件以在至少一个指示器上指示所述存储阵列的一各别部分,其中所述集合的每个瓣叶被暂时地存储在所述各别部分中;以及
暂时地将所述集合的每个瓣叶存储在所述存储阵列中的步骤包括:暂时地将所述瓣叶存储在所述存储阵列的所述各别部分中。
63.如权利要求62所述的方法,其特征在于:
所述存储阵列包括多个存储单元,
操作所述软件以在至少一个指示器上指示所述存储阵列的一各别部分,其中所述集合的每个瓣叶被暂时地存储在所述各别部分中的步骤,包括:操作所述软件以指示所述多个存储单元的一各别存储单元,其中所述集合的每个瓣叶被暂时地存储在所述各别部分中;以及
暂时地将所述集合的每个瓣叶存储在所述存储阵列中的步骤包括:暂时地将所述集合的每个瓣叶存储在所述各别存储单元中。
64.如权利要求54至61任一项所述的方法,其特征在于:将所述第一批次的所述多个瓣叶及所述第二批次的所述多个瓣叶整合到所述瓣叶集合中的步骤包括:将40个以上的瓣叶以及400个以下的瓣叶整合到所述瓣叶集合中。
65.如权利要求64所述的方法,其特征在于:将所述第一批次的所述多个瓣叶及所述第二批次的所述多个瓣叶整合到所述瓣叶集合中的步骤包括:将40个以上的瓣叶以及100个以下的瓣叶整合到所述瓣叶集合中。
66.如权利要求65所述的方法,其特征在于:将所述第一批次的所述多个瓣叶及所述第二批次的所述多个瓣叶整合到所述瓣叶集合中的步骤包括:将81个瓣叶整合到所述瓣叶集合中。
67.如权利要求54至61任一项所述的方法,其特征在于:操作软件以输出所述一个或多个被指定的瓣叶群组的所述指示的步骤包括:操作软件以在至少一个指示器上输出所述一个或多个被指定的瓣叶群组的所述指示。
68.如权利要求67所述的方法,其特征在于:操作软件以在至少一个指示器上输出所述一个或多个被指定的瓣叶群组的所述指示的步骤包括:操作软件以在指示被指定为一第一个被指定的瓣叶群组的多个瓣叶与指示被指定为一第二个瓣叶群组之间切换。
69.如权利要求67所述的方法,其特征在于:操作软件以在至少一个指示器上输出所述一个或多个被指定的瓣叶群组的所述指示的步骤包括:使用针对所述瓣叶集合中的每个瓣叶的一各别指示器,操作软件以输出所述瓣叶集合的每个瓣叶被指定到所述被指定的瓣叶群组中的所述指示。
70.如权利要求69所述的方法,其特征在于:使用针对所述瓣叶集合中的每个瓣叶的所述各别指示器,操作软件以输出所述瓣叶集合的每个瓣叶被指定到所述被指定的瓣叶群组中的所述指示的步骤,包括:使用针对所述瓣叶集合中的每个瓣叶的所述各别指示器,提供一视觉提示,所述视觉提示用于指示被指定到各自被指定的瓣叶群组中的所述瓣叶集合的每个瓣叶。
71.如权利要求69所述的方法,其特征在于:将所述瓣叶集合的所述至少部分的瓣叶分组为所述一个或多个被指定的瓣叶群组的步骤,包括:从所述存储阵列,将所述瓣叶集合的至少部分的瓣叶分组为所述一个或多个被指定的瓣叶群组,因应于所述瓣叶集合的每个瓣叶被指定到所述被指定的瓣叶群组中的所述指示。
72.如权利要求54至61任一项所述的方法,其特征在于:
将所述第一瓣叶批次的每个瓣叶定位在所述图像感测器对面的步骤,包括:
将所述第一瓣叶批次的每个瓣叶垂挂在与所述图像感测器相对的多个棒件的一各别棒件上;以及
将所述第二瓣叶批次的每个瓣叶定位在所述图像感测器对面的步骤,包括:
将所述第二瓣叶批次的每个瓣叶垂挂在与所述图像感测器相对的所述多个棒件的一各别棒件上。
73.如权利要求72所述的方法,其特征在于:
将所述第一瓣叶批次的每个瓣叶垂挂在所述多个棒件的所述各别棒件上的步骤,包括:将所述第一瓣叶批次的每个瓣叶以一第一方向垂挂在所述多个棒件的所述各别棒件上;
将所述第二瓣叶批次的每个瓣叶垂挂在所述多个棒件的一各别棒件上的步骤,包括:将所述第二瓣叶批次的每个瓣叶以所述第一方向垂挂在所述多个棒件的所述各别棒件上;
操作所述软件以接收所述第一数字图像及所述第二数字图像的步骤,包括:
在所述第一方向上,操作所述软件以在所述多个棒件的所述各别棒件上接收所述第一瓣叶批次的一第一个第一方向数字图像,以及在所述第一方向上,在所述多个棒件的所述各别棒件上接收所述第二瓣叶批次的一第二个第一方向数字图像;
通过数字分析所述第一数字图像及所述第二数字图像,操作所述软件以计算每个瓣叶的一图像参数的步骤,包括:通过数字分析所述第一个第一方向数字图像及所述第二个第一方向数字图像,操作所述软件以计算每个瓣叶的一第一方向图像参数;
操作所述软件以从所述图像参数导出每个瓣叶的一瓣叶柔韧性数值的步骤,包括:操作所述软件以从所述第一方向图像参数导出每个瓣叶的一第一方向瓣叶柔韧性数值;以及
所述方法还包括:将所述瓣叶集合中的所述至少部分的瓣叶分组为所述多个瓣叶群组的步骤之后,并且通过以下方式验证所述多个瓣叶:
将所述至少部分的瓣叶的每个瓣叶以一第二方向垂挂在所述多个棒件的一各别棒件上,其中所述第二方向与所述第一方向相反;
操作所述软件,从而:
接收以所述第二方向垂挂在所述各别棒件上的所述至少部分的瓣叶的一第二方向数字图像;
通过数字分析所述第二方向数字图像,计算所述至少部分的瓣叶中的每个瓣叶的一第二方向图像参数;
从所述第二方向图像参数,导出所述至少部分的瓣叶中的每个瓣叶的一第二方向瓣叶柔韧性数值;
针对至少部分的瓣叶的每个瓣叶,比较所述第一方向瓣叶柔韧性数值及所述第二方向瓣叶柔韧性数值;
因应于所述比较步骤,选择性地将所述至少部分地瓣叶的一给定瓣叶计算为一经验证的瓣叶,其中所述选择性地计算的步骤包括:
对于所述给定瓣叶,如果所述第一方向瓣叶柔韧性数值及所述第二方向瓣叶柔韧性数值之间的一差值低于一预定的阈值,则将所述瓣叶计算为一经验证的瓣叶,以及
关于所述给定瓣叶,如果所述第一方向瓣叶柔韧性数值及所述第二方向瓣叶柔韧性数值之间的所述差值高于所述预定的阈值,则抛弃所述瓣叶。
74.如权利要求73所述的方法,其特征在于:
将所述第一瓣叶批次的每个瓣叶以所述第一方向垂挂在所述多个棒件的所述各别棒件上的步骤,包括:将所述第一瓣叶批次的每个瓣叶垂挂在所述多个棒件的所述各别棒件上,其中所述多个棒件的所述瓣叶的一粗糙侧面向上;
将所述第二瓣叶批次的每个瓣叶以所述第一方向垂挂在所述多个棒件的所述各别棒件上的步骤,包括:将所述第二瓣叶批次的每个瓣叶垂挂在所述多个棒件的所述各别棒件上,其中所述多个棒件的所述瓣叶的一粗糙侧面向上;以及
将所述至少部分的瓣叶中的每个瓣叶以与所述第一方向相反的所述第二方向垂挂在所述多个棒件的所述各别棒件上的步骤,包括:将所述至少部分的瓣叶中的每个瓣叶垂挂在所述多个棒件的所述每个棒件上,其中所述多个棒件的所述瓣叶面向上的一平滑侧面向上。
75.一种用于将一人工瓣膜瓣叶集合的多个人工瓣膜瓣叶分组的方法,所述人工瓣膜瓣叶集合包括一第一人工瓣膜瓣叶批次及一第二人工瓣膜瓣叶批次,其特征在于:所述方法包括以下步骤:
获取一第一数字图像,包括所述第一批次的全部的所述瓣叶;
获取一第二数字图像,包括所述第二批次的全部的所述瓣叶;
通过数字分析所述第一数字图像及所述第二数字图像,计算所述集合的每个瓣叶的一图像参数;
因应于所述图像参数,针对所述集合的每个瓣叶,导出一瓣叶柔韧性数值;
接收一群组大小值;
将所述集合的至少部分的所述多个瓣叶指定为多个被指定的瓣叶群组,(i)基于所述集合的每个瓣叶的各自瓣叶柔韧性数值之间的相似性,以及(ii)使得每个所述瓣叶群组包括等于所述群组大小值的多个瓣叶的一数量;以及
输出所述被指定的瓣叶群组的一指示。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/IL2020/050315 WO2021186424A1 (en) | 2020-03-17 | 2020-03-17 | Leaflet-grouping system |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113747857A CN113747857A (zh) | 2021-12-03 |
CN113747857B true CN113747857B (zh) | 2024-06-25 |
Family
ID=
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101801314A (zh) * | 2007-07-26 | 2010-08-11 | 波士顿科技有限公司 | 循环瓣膜、系统和方法 |
CN102791223A (zh) * | 2010-03-05 | 2012-11-21 | 爱德华兹生命科学公司 | 小外形心脏瓣膜及递送系统 |
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101801314A (zh) * | 2007-07-26 | 2010-08-11 | 波士顿科技有限公司 | 循环瓣膜、系统和方法 |
CN102791223A (zh) * | 2010-03-05 | 2012-11-21 | 爱德华兹生命科学公司 | 小外形心脏瓣膜及递送系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA3122187C (en) | Leaflet-grouping system | |
US11491011B2 (en) | Leaflet-grouping system | |
EP1348334B1 (en) | Method and apparatus for determining the sex of a fertilized egg | |
ES2882791T3 (es) | Sistema y procedimiento de visualización y revisión de muestras | |
KR102324240B1 (ko) | 모발 식별 장치 및 이를 구비하는 자동 모낭 분리 장치 | |
CN107369151A (zh) | 基于大数据深度学习的胃肠间质瘤病理诊断支持系统和方法 | |
CN112215117A (zh) | 一种基于宫颈细胞学图像的异常细胞识别方法及系统 | |
EP2596456B1 (en) | Method and system for analyzing optical coherence tomography (oct) results using color reflectivity discretization analysis | |
WO2012109571A1 (en) | Systems and methods for object identification | |
JP2014021973A (ja) | 画像処理装置 | |
CN107766695B (zh) | 一种获取外周血基因模型训练数据的方法及装置 | |
McClure | Computer vision sorting of potatoes | |
CN113747857B (zh) | 瓣叶分组系统 | |
KR20200126849A (ko) | 딸기 품질 판별장치 및 이를 이용한 딸기 품질 판별방법 | |
Cinar et al. | Identification of corneal ulcers with pre-trained AlexNet based on transfer learning | |
CN110188592B (zh) | 一种尿液有形成分细胞图像分类模型构建方法及分类方法 | |
Valiente et al. | Non-destructive image processing analysis for defect identification and maturity detection on avocado fruit | |
WO2019082202A1 (en) | EARTHQUAKE IMAGE QUALITY ASSESSMENT SYSTEM | |
KR102473282B1 (ko) | 인공지능을 활용한 영상 분석 기반 영양정보 제공 시스템 및 방법 | |
Priyanka et al. | Segmentation of optic disc in fundus images using convolutional neural networks for detection of glaucoma | |
Ahmad et al. | Morphological features analysis for erythrocyte classification in IDA and thalassemia | |
KR102473284B1 (ko) | 인공지능을 활용한 영상 분석 기반 음식 검출을 이용한 영양정보 제공 시스템 및 방법 | |
CN112149682B (zh) | 基于深度学习的悬钩子植物自动识别方法、存储介质和装置 | |
Kumar et al. | A Neoteric Procedure for Spotting and Segregation of Ailments in Mediciative Plants using Image Processing Techniques. | |
KR102473283B1 (ko) | 인공지능을 활용한 영상 분석을 기반으로 중량 정보를 고려한 영양정보 제공 시스템 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |