CN114449947B - 用于确定呼吸信号和/或心源性信号的方法和设备 - Google Patents

用于确定呼吸信号和/或心源性信号的方法和设备 Download PDF

Info

Publication number
CN114449947B
CN114449947B CN202080069300.9A CN202080069300A CN114449947B CN 114449947 B CN114449947 B CN 114449947B CN 202080069300 A CN202080069300 A CN 202080069300A CN 114449947 B CN114449947 B CN 114449947B
Authority
CN
China
Prior art keywords
signal
sig
sum
heartbeat
processing unit
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202080069300.9A
Other languages
English (en)
Other versions
CN114449947A (zh
Inventor
L·卡尔
P·罗斯塔斯基
E·彼得森
J·格拉索夫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Draegerwerk AG and Co KGaA
Original Assignee
Draegerwerk AG and Co KGaA
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Draegerwerk AG and Co KGaA filed Critical Draegerwerk AG and Co KGaA
Publication of CN114449947A publication Critical patent/CN114449947A/zh
Application granted granted Critical
Publication of CN114449947B publication Critical patent/CN114449947B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/40ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/02Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • A61B5/318Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • A61B5/318Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346Analysis of electrocardiograms
    • A61B5/349Detecting specific parameters of the electrocardiograph cycle
    • A61B5/355Detecting T-waves
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • A61B5/318Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346Analysis of electrocardiograms
    • A61B5/349Detecting specific parameters of the electrocardiograph cycle
    • A61B5/366Detecting abnormal QRS complex, e.g. widening
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235Details of waveform analysis
    • A61B5/7253Details of waveform analysis characterised by using transforms
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235Details of waveform analysis
    • A61B5/7264Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271Specific aspects of physiological measurement analysis
    • A61B5/7278Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Cardiology (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Pulmonology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Urology & Nephrology (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

本发明涉及一种计算机实施的方法和一种信号处理单元(5),以便以计算方式从和信号(SigSum)中确定心源性信号(Sigkar,est)或者呼吸信号(Sigres,est),所述和信号(SigSum)通过患者(P)的心脏活动和呼吸的叠加造成。在训练阶段中,生成信号估计单元(6),该信号估计单元(6)供应形状参数作为传输通道参数(LF)的值。为此,使用对每次心跳分别具有一个抽样元素的抽样。在使用阶段中,针对每次心跳测量传输通道参数,通过应用信号估计单元(6)来计算形状参数值,并且利用所述形状参数值来计算所估计的心源性信号部段(SigHz,kar,LF)或者所估计的呼吸信号部段。心源性信号部段(SigHz,kar,LF)被组合成心源性信号(Sigkar,est)。或者,呼吸信号部段被组合成呼吸信号(Sigres,est)。或者,从和信号(SigSum)中减去心源性信号部段(SigHz,kar,LF)。

Description

用于确定呼吸信号和/或心源性信号的方法和设备
技术领域
本发明涉及一种方法和一种设备,以便从借助测量值获得的信号中确定针对呼吸信号和/或心源性信号的估计,所述从借助测量值获得的信号通过患者的心脏活动和呼吸和/或通气的叠加而得出。
背景技术
在下文,“信号”应被理解为可直接地或者间接地测量的和随时间变化的变量在时域中或者也在频域中的变化过程,所述变量与物理变量关联。在本发明,这些物理变量与患者的心脏活动和/或自主(自己的)呼吸相互联系,和/或与患者的人工通气相互联系,而且由在患者身体内的至少一个信号源或者由通气设备来产生。“呼吸信号”与患者的自主呼吸和/或人工通气关联,“心源性信号”与患者的心脏活动关联。
呼吸信号尤其是针对呼吸压力的量度,或者是针对相对于患者肺部的呼吸空气流的量度,其中这种呼吸空气流由呼吸压力产生,而且呼吸压力和因此还有呼吸空气流通过患者的自主呼吸、通过通气设备的人工通气或者通过自主呼吸和人工通气的叠加来造成。例如在呼吸道中、在食道中或者在胃中的压力或者肌电图可以被用作针对呼吸压力的量度,在通常情况下可以被用作相对于环境压力的压力差。呼吸空气流引起患者肺部的充盈水平随时间变化。
本发明的一个可能的应用是操控通气设备。这种通气设备辅助患者的自主呼吸。通气设备应与患者的自主呼吸同步地执行通气行程(Beatmungshuebe),以便患者不对抗通气设备地呼吸。为了使通气设备自动地与患者的自主呼吸同步,需要呼吸信号。
在许多情景中,这种呼吸信号可以不与心源性信号隔绝地被测量。更确切地说,可以仅获得和信号(Summen-Signal),该和信号由患者的呼吸和/或通气与心脏活动的叠加而得出。因此,在这种应用中,至少近似地要以计算方式来补偿心脏活动对和信号的影响。
相反,经常期望获得并使用心源性信号、例如经过改进的EKG信号。即使在该任务的情况下,常常也只提供和信号,该和信号来自患者的心脏活动与呼吸和/或通气的叠加。在这种应用中,应至少近似地补偿呼吸和/或通气对和信号的影响。即使患者完全镇静并仅仅被人工通气,亦即强烈地或者甚至完全减少该患者自己的自主呼吸,通气也影响心源性信号。
在第一种应用中,呼吸信号是有用信号,而心源性信号是以计算方式要至少近似地进行补偿的干扰信号。在第二种应用中,心源性信号是有用信号,而呼吸信号是干扰信号。
用于从患者的和信号中产生有用信号的方案在M.Ungureanu和W.M.Wolf的“BasicAspects Concerning the Event-Synchronous Interference Canceller”(IEEETransactions on Biomedical Engineering,第53卷第11期(2006年),第2240-2247页)中被描述。
在DE 10 2015 015 296 A1中描述了一种方法和一种设备,以便产生两个数据信号,其中第一数据信号描述负责吸入的肌肉的活动,而第二数据信号描述对于呼出重要的肌肉的活动。两个表面肌电传感器(Oberflaechen-Myographie-Sensoren)检测两个EMG信号。EMG信号中的心脏信号分量以计算方式得到抑制。此外,确定患者的呼吸活动。基于探测到的呼吸活动,计算单元探测,患者何时吸入并且该患者何时呼出。基于这两个EMG信号,确定第一分解信号和第二分解信号。
在DE 10 2007 062 214 B3中描述了一种方法,以便自动地控制通气系统。在从DE10 2007 062 214B3中已知的方法中,利用在胸腔的表面上的电极来记录呼吸活动信号uEMG(t)。为了使所记录的电极信号成为代表呼吸活动的肌电信号,必须使电极信号经历预先处理,尤其是必须去除从信号高度来在整个信号中占主导的EKG信号成分。为此,可以进行滤波以及包络线探测。优选地,通过对电极信号进行数值计算(Betragsbildung)或者平方化,并且紧接着进行低通滤波,执行包络线探测。在这种预先处理之后,存在代表呼吸活动的肌电信号,所述肌电信号可以被用于控制通气系统的通气驱动器,如例如在DE 102007062 214B3中描述的那样。
在DE 10 2009 035 018 A1中描述了一种医学传感器设备11。在患者的胸腔上的电极12产生电信号,从所述电信号中产生肌电图(sEMG)。具有加速度传感器6和麦克风7的装置产生肌动图(MMG,Mechanomyogramm)。所测量的信号包含EKG成分,通过滤波以计算方式抑制所述EKG成分。图10示出了EKG信号71和呼吸信号70。图11示出了EMG/MMG信号72和呼吸信号70。
在WO 2005/096924 A1中描述了一种通气系统(positive pressure ventilationdevice(正压通气设备)),该通气系统根据EMG信号给患者进行通气。在患者皮肤上的电极(skin surface electrode(皮肤表面电极))供应如下信号:在所述信号中,所寻找的EMG信号与EKG信号叠加。从所测量的信号中以计算方式计算出EKG成分,使得产生经过清理的EMG信号(moving average electromyogram signal(移动平均肌电图信号))。示出(displaying)该信号。
在US2007/0191728 A1中描述了一种方法,以便在子宫中产生胎儿的信号、尤其是胎儿的心跳活动(fetal heart rate(胎心率))。在准妈妈腹部上的电极20、21和22测量EKG信号和EMG信号的叠加。EKG信号与EMG信号以计算方式分开,并且胎儿的信号与准妈妈的信号以计算方式来区分。EP 2371412 A1表明了一种用于给患者进行人工通气或者也进行麻醉的设备。在患者皮肤上的sEMG传感器6检测患者的呼吸肌的肌电的肌肉活动。
在US 6,411,843 B1中描述了一种方法和一种设备,以便从如下所测量的信号中获得经过预处理的(aufbereitetes)EMG信号(模型EMG信号):所述所测量的信号由患者的EMG信号和EKG信号的叠加形成。从所测量的信号中,计算包络线(first envelope signal(第一包络信号))。此外,在所测量的信号中探测心跳时间点。从所产生的包络线和探测到的心跳时间点中产生经过预处理的EMG信号。从所测量的EMG信号中导出第一逻辑信号和第二逻辑信号,在该第一逻辑信号中计算出P波、QRS复合体和T波,在该第二逻辑信号中包含有P波、QRS复合体或者T波。此外,从所测量的EMG信号中导出第一包络线。被建模的EMG信号一方面从第一包络线和第一逻辑信号中被导出,而另一方面从与第二逻辑信号有关的信号中被导出。
在DE 10 2012 003 509 A1中描述了具有控制装置和具有患者模块的通气系统。患者模块的电极从患者胸腔的表面导出电极信号。在电极信号中,控制装置抑制EKG成分,并首先导出EKG信号。代表EKG的数据一方面以数字形式被引至数字EKG输出端,而另一方面被转换成模拟信号,所述模拟信号被提供用于显示。
在WO 2018001929 A1中建议了,通过如下方式从生理信号中减少不期望的第一信号分量:从生理信号减去不期望的信号的模型。借此成为剩余信号。滤波器单元在该剩余信号中通过如下方式减少了不期望的第二信号:带阻滤波器(notch filter(陷波滤波器))产生经过滤波的信号。门控(Gating)被应用于经过滤波的信号。
发明内容
本发明所基于的任务是,提供一种方法和一种信号处理单元,与已知的方法和信号处理单元相比,该方法和该信号处理单元更好地从如下和信号中确定针对心源性信号和/或呼吸信号的估计:该和信号借助对在患者身体内生成的信号的测量来产生,并且该和信号由患者的心脏活动与患者的自主呼吸和/或人工通气的叠加而得出。
通过根据本发明的方法,并且通过根据本发明的信号处理单元,解决该任务。有利的构建方案在下文予以说明。根据本发明的方法的有利的构建方案也是根据本发明的信号处理单元的有利的构建方案,反之亦然。
根据本发明,确定所估计的心源性信号和/或所估计的呼吸信号。所确定的呼吸信号与自主呼吸和/或人工通气关联,并且尤其是与相对于患者肺部的呼吸空气流关联。这种呼吸空气流可能仅仅通过患者的自主呼吸引起,可能仅仅人工地通过借助通气设备进行人工通气引起(例如患者完全镇静),或者可能通过经人工通气辅助的自主呼吸来引起。所确定的呼吸信号也包含由心脏活动造成的成分。但是,该成分在通常情况下小于由于测量产生的和信号中的成分。相对应地,所确定的心源性信号是针对患者的心脏活动的量度。心源性信号包含由呼吸或者通气造成的成分,其中所述成分比和信号中的成分小。
根据本发明的方法包括训练阶段和随后的使用阶段,并且在使用根据本发明的信号处理单元的情况下自动地来执行。
在训练阶段中,信号处理单元接收至少一个和信号传感器的测量值。该或者至少一个和信号传感器测量在患者身体内产生的信号。可选地,信号处理单元在使用阶段中也接收该或者至少一个和信号传感器的测量值。
在训练阶段中,信号处理单元产生和信号。所产生的和信号通过患者的心脏活动与自主呼吸和/或与人工通气的叠加造成。为了产生和信号,信号处理单元使用该或者至少一个和信号传感器已供应的测量值的相应的时间变化过程。可选地,信号处理单元在使用阶段中也产生和信号。
在训练阶段中,信号处理单元探测患者在训练阶段中执行的多次心跳,优选地探测每次心跳。信号处理单元产生包括多个抽样元素的抽样。抽样中的每个抽样元素都分别涉及在训练阶段中探测到的心跳。
为了产生针对心跳的抽样元素,信号处理单元执行下列步骤:
-信号处理单元确定和信号的属于该心跳的部段。
-信号处理单元确定至少一个形状参数值。每个参数值都是形状参数在该心跳的情况下所取的值。该或者每个形状参数都影响心源性信号和/或呼吸信号的变化过程。换言之:心源性信号和/或呼吸信号的变化过程与该或者每个形状参数值有关。如果给该形状参数或者给形状参数分配另外的值,则心源性信号和/或呼吸信号在图形图示中改变它的形状。
-信号处理单元确定针对预先给定的第一传输通道参数的至少一个值,并且可选地确定针对其他预先给定的传输通道参数的值。第一传输通道参数和可选的其他传输通道参数分别与人类学变量对传输通道的作用关联。该传输通道从在患者身体内的信号源(尤其是从呼吸肌和/或心肌)通到该或者至少一个和信号传感器。人类学变量在患者身体内产生,并且尤其是与患者的自主呼吸和/或与患者的人工通气或者与患者的心脏活动中的不规则性相互关联。
-在第一替选方案中,信号处理单元确定针对第一传输通道参数的值的步骤包括信号处理单元接收所述值的步骤。已由在患者上的其他传感器测量该值,并向信号处理单元传送该值。在第二替选方案中,信号处理单元计算针对第一传输通道参数的值,其中信号处理单元评估该和信号。
-信号处理单元产生针对该心跳的抽样元素,使得该抽样元素包括下列内容:针对该心跳已计算的该形状参数或者每个形状参数的相应的值,以及在该心跳的情况下已确定(亦即已接收或者已计算)的第一传输通道参数的该值或者值。
信号处理单元在训练阶段中生成信号估计单元。根据(als Funktion)第一传输通道参数,并可选地根据至少一个其他传输通道参数,所生成的信号估计单元供应所述形状参数或者每个形状参数。针对该生成,信号处理单元使用带有抽样元素的抽样。
在使用阶段中,信号处理单元探测患者在使用阶段的变化过程中执行的至少一次心跳。优选地,信号处理单元在使用阶段中或者至少在使用阶段的时期内探测每次心跳。
在使用阶段中,针对至少一次探测到的心跳、优选地针对每次探测到的心跳,信号处理单元执行下列步骤:
-信号处理单元探测心跳的表征性时间点和/或时段。
-信号处理单元确定第一传输通道参数在该心跳的情况下所取的值。在确定所述值的步骤的第一替选方案中,信号处理单元从该传感器或者其他传感器接收该值,该传感器或者其他传感器在该心跳的情况下已测量第一传输通道参数。在第二替选方案中,信号处理单元通过如下方式计算该值:所述信号处理单元也在使用阶段中产生和评估和信号。
-针对所述形状参数或者每个形状参数,信号处理单元分别计算该形状参数在该心跳的情况下所取的值。为了计算在该心跳的情况下的所述形状参数值或者每个形状参数值,信号处理单元将所生成的信号估计单元应用于第一传输通道参数的所确定的值,并且可选地应用于每个其他传输通道参数的分别确定的值。
-信号处理单元计算针对该心跳的所估计的心源性信号部段和/或所估计的呼吸信号部段。所述信号部段与患者在心跳的变化过程中的心脏活动关联和/或与患者在心跳的变化过程中的自主呼吸和/或人工通气关联,而且因此近似描述了在心跳的变化过程中的心源性信号和/或呼吸信号。为了计算所估计的信号部段,信号处理单元使用该所计算的形状参数值或者每个所计算的形状参数值。
在本发明的第一替选方案中,信号处理单元在使用阶段中确定所估计的心源性信号。在这种情况下,信号处理单元将针对在使用阶段中探测到的心跳的所估计的心源性信号部段组合成所估计的心源性信号。在本发明的第二替选方案中,信号处理单元在使用阶段中确定所估计的呼吸信号。在这种情况下,信号处理单元将针对在使用阶段中探测到的心跳的所估计的呼吸信号部段组合成所估计的呼吸信号。在本发明的第三替选方案中,信号处理单元在使用阶段中同样确定所估计的呼吸信号,但是不同于第二替选方案,通过计算方式的补偿来确定所估计的呼吸信号。通过补偿进行的确定包括下列步骤:
-也在使用阶段中,信号处理单元产生和信号。为此,信号处理单元使用接收到的测量值,该和信号传感器或者至少一个和信号传感器已测量所述接收到的测量值。
-信号处理单元对在使用阶段中探测到的至少一次心跳对在使用阶段中产生的和信号的相应影响进行补偿。优选地,信号处理单元对每次探测到的心跳的相应影响进行补偿。为了补偿心跳的影响,信号处理单元使用针对该心跳的所估计的心源性信号部段。优选地,所述信号处理单元从和信号减去所估计的心源性信号部段。
由于本发明,不需要通过直接测量来产生呼吸信号或者心源性信号。这在通常情况下是完全不可能的,或者虽然可能但是不期望,例如因为为此所需的传感器和/或在通气设备运行时的操纵可能会给患者加上极大负担。更确切而言,根据本发明从该和信号传感器或者至少一个和信号传感器的测量值中产生和信号,并且在使用该和信号的情况下以计算方式确定呼吸信号和/或心源性信号。
根据本发明,自动地生成信号估计单元,为此使用在训练阶段中产生的具有多个抽样元素的抽样。因为以经验为依据产生并且紧接着使用抽样,所以不需要分析模型,尤其是不需要以分析方式描述心脏活动或者呼吸/通气的影响的模型。这种模型常常根本不能被建立和被验证及被适配于患者,或者只能以不合理高的开销来建立和验证及适配于患者。但是,本发明可以在多个构建方案中与分析模型相组合地被采用。
根据本发明,在使用测量值的情况下产生抽样,所述测量值在训练阶段中在如下那个患者上被测量:对于所述患者,也执行随后的使用阶段的步骤。因而,本发明避免了如下错误:如果在训练阶段中会在至少一个患者上执行测量,并且在使用阶段中会将训练阶段的结果应用于另外的患者,则在通常情况下会出现所述错误。这种错误也常常会在如下情况下发生:如果在训练阶段中可能会在多个患者上执行测量并且可能会关于所述测量求平均。
因为根据本发明为了生成信号估计单元而使用多个抽样元素,所以异常值的影响直至一定程度地达到平均值(heraus gemittelt)。
同一和信号传感器既可以被使用在训练阶段中,又可以被使用在使用阶段中。根据本发明避免的在两个阶段中使用不同的传感器可能会造成可能的其他错误。本发明避免了这种可能的错误源。
根据本发明,在训练阶段中生成的信号估计单元在使用阶段中分别供应针对至少一次、优选地每次探测到的心跳的所估计的信号部段。所供应的所估计的信号部段可能因心跳的不同而不同。本发明考虑下列情形:人类学变量、尤其是患者的自主呼吸和/或人工通气影响从引起心脏活动和/或自主呼吸的神经和/或肌肉到所述和信号传感器或者和信号传感器的相应的传输通道。因而,自主呼吸附加地作为干扰变量作用于心源性信号,并且由此也作用于和信号。自主呼吸的影响在通常情况下因心跳的不同而变化。患者的人工通气也影响这种传输通道,其中该影响可能因心跳的不同而变化。根据本发明所考虑的第一传输通道参数与如下作用关联:自主呼吸或者人工通气或者别的人类学变量对到所述和信号传感器或者和信号传感器的传输通道有所述作用,并且可以测量根据本发明所考虑的第一传输通道参数。所述传输通道完全或者至少部分位于患者身体中。通过测量第一传输通道参数和评估所测量的参数值,可以至少近似地考虑呼吸和/或通气或者别的人类学变量对传输通道的作用,并且因此可以至少近似地考虑呼吸和/或通气或者别的人类学变量对心源性信号的作用。
在另外的应用中,人类学变量可能与患者的心脏活动关联,并且作为干扰变量可能作用于呼吸信号,而且由此可能作用于和信号。在这些应用中,本发明也能够实现,以计算方式补偿干扰变量的影响。
在使用阶段中,信号估计单元为至少一次探测到的心跳、优选地为每次探测到的心跳分别供应所估计的信号部段。所估计的信号部段涉及单次探测到的心跳的时段。根据本发明,针对心跳的所估计的信号部段与在该心跳期间针对第一传输通道参数已测量的该值或者至少一个值有关。因此,由信号估计单元所计算的所估计的信号部段至少近似地考虑在该心跳的情况下人类学变量对传输通道的作用、尤其是自主呼吸或者人工通气或者还有心脏活动对传输通道的作用。
而如果对于每次心跳都可能会使用相同的所估计的或者预先给定的信号部段、例如预先给定的标准信号部段(例如所谓的EKG模板),则可能会不能考虑或者至少只能明显更差地考虑尤其是呼吸或者通气对传输通道的变化的影响。
在使用阶段中所计算的针对心跳的所估计的信号部段与如下所述值或者至少一个值有关:所述值或者至少一个值在使用阶段中在该心跳期间针对第一传输通道参数已被测量。因而,所估计的信号部段与人类学变量适配——更准确地说,适配于在患者身体内的人类学变量在该心跳期间对从在患者身体内的至少一个肌肉或者别的信号源朝所述或者至少一个所使用的和信号传感器的传输通道的影响。到和信号传感器的传输通道在其中开始的信号源例如是心肌或者呼吸系统的肌肉。
根据本发明,在使用阶段中,信号估计单元在该心跳的时段内供应所估计的信号部段。在训练阶段中,该信号估计单元自动地借助抽样来生成,其中该抽样的每个抽样元素都包括至少一个传输通道参数值和至少一个所分配的形状参数值。
在本发明的替选方案中,所估计的信号部段描述了所估计的心源性信号在该心跳的变化过程中的部段。在使用阶段中,信号处理单元将所述部段组合成心源性信号。在另外的替选方案中,信号处理单元使用针对心跳的至少一个部段(所估计的心源性信号),以便例如通过从和信号减去所述部段,以计算方式来补偿心脏活动在该心跳的情况下对和信号的影响。在其他替选方案中,所估计的信号部段描述了所估计的呼吸信号在该心跳的变化过程中的部段。在构建方案中,信号处理装置将所述部段组合成呼吸信号。
在构建方案中,针对心跳的抽样元素的形状参数值的整体规定了要确定的呼吸或者心源性信号在该心跳的变化过程中的部段。形状参数值例如是参考信号部段在心跳的变化过程中的据点。
在另外的构建方案中,预先给定标准参考信号部段,该标准参考信号部段对于每次心跳都有效,并且优选地对于每个患者都有效,而且与至少一个形状参数有关,和优选地描述心脏活动。形状参数值或者形状参数值的整体与该标准参考信号部段一起在训练阶段中规定和信号在该心跳的变化过程中的部段,而在使用阶段中规定所估计的信号部段。在该应用中,所估计的信号部段优选地描述心源性信号的部段。
在构建方案中,预先给定与该形状参数或者与至少一个形状参数有关的改变规则。信号估计单元在使用阶段中为每个部段分别供应至少一个形状参数值,并将所述至少一个形状参数值用于改变规则。信号处理单元为每次心跳都确定和信号的属于该心跳的部段。信号估计单元将针对该心跳被参数化的改变规则应用于所确定的部段。借此,信号估计单元为该心跳供应所估计的信号部段。所估计的信号部段可以描述要确定的呼吸信号或者心源性信号的部段。
在其他构建方案中,形状参数值或者形状参数值的整体详细说明了计算规则,以便从针对该心跳的和信号的在使用阶段中确定的部段中计算针对该心跳的所估计的信号部段。
在构建方案中,在训练阶段中生成具有多个参考信号部段的计算机可支配的库,其中每个参考信号部段都涉及第一传输通道参数的一个类别的可能的值和可选地至少一个其他传输通道参数的一个类别的可能的值,并且描述所估计的心源性或者呼吸信号在心跳期间的部段。在使用至少一个、优选地多个抽样元素的情况下,产生每个参考信号部段,所述抽样元素的参数值属于该类别,其中和信号的所属的部段适当地被组合成参考信号。在使用阶段中,针对探测到的心跳,在该心跳的情况下测量第一传输通道参数的该值或者至少一个值,并且可选地分别测量每个其他传输通道参数的值。根据所测量的参数值,在库中选出至少一个参考信号部段,并根据所述所选出的参考信号部段或者每个所选出的参考信号部段,产生所估计的信号部段。
例如,选出如下那两个参考信号:所述两个参考信号属于与第一传输通道参数的所测量的值相邻的那两个参数值,并且所估计的信号部段作为关于这两个所选出的参考信号部段的加权平均值来产生。例如,权重因子被计算为使得,所估计的信号部段是在两个参考信号之间的内插。
具有库的构建方案导致,在使用阶段中,快速计算针对探测到的心跳的所估计的信号部段,并且需要相对少的存储空间。
在构建方案中,多个类别涉及第一或者其他传输通道参数的常规范围的子范围,并且至少一个其他类别涉及“异常值”:所述“异常值”在不寻常的情景中出现,例如当患者咳嗽或者具有肌肉痉挛时或者作出极大努力或者他的心跳表明自发的不规则性时出现。
在构建方案中,预先给定和考虑多个传输通道参数,其中这些传输通道参数影响至该和信号传感器或者和信号传感器的该传输通道或者分别至少一个传输通道。在训练阶段中,生成信号估计单元,使得所述信号估计单元根据多个传输通道参数来供应在心跳的变化过程中的所估计的信号部段。该构建方案能够实现,同时考虑对一个传输通道的多个不同的影响因子。可能的,但是由于本发明并不必要的是,事先以计算方式确定彼此无关的这种参数。这可能是耗费计算的和/或是耗时的。
训练阶段包括多次心跳,优选地包括在20到60次之间的心跳。优选地,使用阶段直接在训练阶段结束之后开始。
在构建方案中,训练阶段在预先给定的数目的心跳之后和/或在预先给定的时段之后结束。也可能的是,一测量了针对第一或者针对每个传输通道参数的足够多个不同的值,就结束训练阶段。
根据本发明,在使用阶段中测量心跳的相应的表征性时间点和/或时段。在构建方案中,所述和信号传感器或者至少一个和信号传感器供应电信号,并充分利用如下事实:由单次心跳造成的电信号通常具有包括P波、QRS波和T波的变化过程。这些波和所属的峰值也可以在和信号中被确定,因为心源性信号在P波和T波之间的成分是呼吸信号的成分的多倍。名称P直至T在文献中已经确立。作为心跳的表征性时间点,优选地使用该心跳的Q峰值、R峰值或者S峰值,特别优选地使用R峰值。在另外的构建方案中,在使用阶段中针对每次心跳分别确定心跳时段,其中心跳在该时段中发生和/或所确定的时段包括该心跳。心跳时段例如从P波延伸到T波。例如,通过评估和信号来确定心跳时段。至少当借助电传感器的测量值已确定和信号时,那么在和信号中,心跳的影响是呼吸活动的影响的多倍。作为心跳的表征性时间点,优选地探测在所确定的心跳时段中的如下那个时间点:该和信号在该时间点处取最大值或者最小值。
在本发明的替选方案中,如果要确定呼吸信号,那么以计算方式补偿至少一次探测到的心跳(优选地每次探测到的心跳)对和信号的影响。如何能够执行补偿的不同构建方案是可能的。在一个构建方案中,针对探测到的心跳,确定心跳时段。为此,使用和信号和表征性心跳时间点。例如,心跳时段覆盖P波、QRS波和T波。在心跳时段中,从和信号减去针对该心跳的所估计的信号部段——或者减去与因子相乘和/或移位了时间延迟的被所估计的信号部段。
根据本发明,针对每次心跳都测量如下至少一个值:在该心跳的情况下,第一传输通道参数取所述至少一个值。可选地,在该心跳的情况下,分别测量至少一个其他传输通道参数的值。术语“值”可以标明唯一的数字、亦即标量,或者也可以标明向量。例如,和信号传感器相对于心脏或者相对于在患者身体中的别的参考点的位置被用作传输通道参数。该相对位置与当前的肺部充盈水平有关。该传输通道参数的每个值优选地都是具有三个分量的向量、例如在三维笛卡尔坐标系中的具有三个分量的向量。
在构建方案中,可以借助被动工作的测量电极来产生和信号,所述测量电极被定位在患者身体上或者患者身体内,并分别供应电测量值(尤其是表面肌电图或者身体内(例如食道内或者胃内)的肌电图)。每个电测量值都与隔膜肌的当前活动有关,以及与呼吸辅助肌的活动有关,并且必要时与患者的人工通气有关。测量电极的测量值可以被评估,这导致电的和信号。
在许多情况下,基于根据本发明已从电的和信号中确定的呼吸信号,可以比利用另外的方法更好地对患者做出预测,例如可以预测呼吸率。基于根据本发明已从电的和信号中确定的心源性信号,例如可以更好地预测心率。
在构建方案中,电阻抗断层扫描带(EIT带)被用作和信号传感器,和/或被用作针对传输通道参数的传感器。这种EIT带被安置在患者皮肤上,并且包括多个信号单元,所述信号单元可以选择性地作为信号源或者信号接收器运行。在任何时间点,正好有一个信号单元是信号源,而其余的信号单元是信号接收器。信号源产生高频信号、优选地在好几千赫兹的范围中的高频信号,所述高频信号对于患者没有危险并且穿透到患者身体中。EIT带测量患者身体内的在信号源与信号接收器之间的相应的电阻抗。在用空气填充的身体部分(尤其是肺部)中的电阻抗是在用含盐的并且因而导电的溶液填充的组织中的电阻抗的多倍。
因此,EIT带在患者身体内产生随时间变化的肺部影像。如果患者的肺部充盈水平是所述传输通道参数或者是传输通道参数,则信号处理单元能够从肺部影像中确定当前肺部充盈水平,例如通过图像处理来确定当前肺部充盈水平。也可能的是,信号处理单元将随时间变化的肺部影像用作和信号。
在构建方案中,肺部影像被划分为多个区域,所述区域分别表明肺部的一个区域。例如,该影像被划分为四个象限,或者被划分为多个像素(Pixel)。每个影像区域都分别被用作为和信号。通过评估该和信号或者这些和信号,信号处理单元能够探测到心跳。也可能的是,信号处理单元从其他传感器接收测量值,所述其他传感器探测心跳时间点和/或心跳时段。
由心肌引起的电测量值是由呼吸肌引起的测量值的多倍。心脏活动引起在毫伏范围中的电压,呼吸活动引起在微伏范围中的电压。但是,心脏活动的较高电压基本上只是暂时出现,即在心跳的变化过程中暂时出现,并且不在剩下的变化过程中以及在心跳之间出现。因此尤其是可能的是,从和信号中获得呼吸信号。
根据本发明,针对每次心跳都确定相应的值,每个形状参数在该心跳的情况下都取所述相应的值。优选地,和信号的属于该心跳的部段被用于进行确定。尤其是,当和信号是电信号时,那么在心跳的情况下,和信号基本上等于心源性信号。当生成信号估计单元时,呼吸信号的影响常常关于多个抽样元素达到平均值。
也可能的是,借助至少一个气动传感器来获得和信号,其中该传感器例如测量针对进入或者离开患者肺部的气体流和/或针对呼吸道压力的量度。例如在与患者相连的通气设备上或者在患者的嘴部处测量该流。例如,在患者与通气设备之间的流体连接中测量体积流和所达到的通气压力。在患者肺部与所连接的通气设备之间的时间延迟被预先给定或者被估计,并且该时间延迟被用于,以便在时间上对在通气设备上已执行的测量进行修正并且在这种情况下对该延迟以计算方式进行补偿。
在构建方案中,该和信号传感器或者和信号传感器包括探针或者球囊或者导管和电的或者气动的测量值记录器,所述探针或者球囊或者导管被置于患者身体内、例如被置于食道内。也可能的是,借助用于肌动图或者振动肌电图(Vibromyogramm)的传感器来测量呼吸肌。在构建方案中,至少一个导管被用作和信号传感器,所述至少一个导管测量食道压力或者胃内压(den gastritischen Druck)。
在其他构建方案中,所述和信号传感器或者至少一个和信号传感器包括对准患者的图像摄取设备。成像方法被应用于该图像摄取设备的信号。这种构建方案省去了将和信号传感器定位在患者上或者甚至定位在患者内的必要性。更确切而言,在患者与和信号传感器之间保持空间距离。这种构建方案导致在和信号传感器相对于患者的目标位置与实际位置之间有偏差的情况下较大的容差。
也可能的是,将不同类型的传感器彼此相组合。在该构建方案中,从不同传感器的测量值中产生和信号。
根据本发明,信号处理单元接收所述和信号传感器或者至少一个和信号传感器的测量值。优选地,预处理(例如放大和/或平滑)所述测量值,和/或从所述测量值中滤出干扰性影响。此外优选地,模拟测量值被转换成数字测量值。如果测量电极被定位到患者皮肤上并且被用作和信号传感器,则优选地以计算方式来补偿电化学效应(基线去除(BaselineRemoving)、基线滤波(Baseline Filtering)),所述电化学效应因在测量电极与皮肤之间的接触而出现,尤其是因在电极的银与皮肤上的汗水之间的接触而出现,并且补偿其他电位差。信号处理单元从经过这样预处理的测量值中产生和信号,并且尤其是将经过预处理的测量值用作和信号。
根据本发明,在每次心跳的情况下,分别测量针对第一传输通道参数的至少一个值。所测量的传输通道参数与至少一个人类学变量关联,所述人类学变量影响从在患者身体内的信号源到所述和信号传感器或者至少一个和信号传感器的传输通道。在构建方案中,所述人类学变量或者人类学变量是患者身体的当前几何形状。在许多情况下,身体几何形状与患者肺部的当前充盈水平有关。因此,第一传输通道参数与患者肺部的充盈水平关联。
在构建方案中,机械的或者气动的或者光学传感器测量针对身体几何形状的量度,例如测量针对进入肺部和/或离开肺部的呼吸空气的流或者患者在如下这种测量位中的体围的量度:即体围随着肺部的充盈水平而变化。光学传感器尤其是包括图像摄取设备和图像评估单元,所述图像评估单元应用成像方法。变化的身体几何形状影响从心脏或者呼吸肌的部分到所述和信号传感器或者至少一个和信号传感器的传输通道,例如因为间距变化而影响所述传输通道。
在构建方案中,患者的当前身体姿势或者体位被用作所述传输通道参数或者传输通道参数,例如患者在床上的位置或者患者的上半身是直立还是弯曲被用作所述传输通道参数或者传输通道参数。身体姿势也影响传输通道。
在构建方案中,人类学变量引起,在两次相继的心跳之间的时间间距变化,并且例如具有在至少两次心跳上延伸的周期性或者是不规则的。该间距是针对在心跳之后心肌又多快地恢复的量度。或者,在和信号的两个峰值之间的时间间距受到人类学变量影响,其中在心跳的变化过程中达到这些峰值。人类学变量例如是患者的身体姿势,或者也是心脏活动中的不规则性。在两次相继的心跳之间的时间间距或者在同一心跳的变化过程中的两个峰值之间的时间间距(例如该心跳的幅度)被用作第一或者其他传输通道参数。信号估计单元根据心跳间距来供应所估计的信号部段。该构建方案不要求针对第一传输通道参数的附加传感器。更确切而言,和信号传感器的测量值或者和信号传感器的装置的测量值既供应和信号,又供应传输通道参数的值。或者,通过评估和信号来计算传输通道参数的值。
在构建方案中,使用关于在心跳的变化过程中的所寻找的信号的先验知识。这种先验知识例如已借助对多个患者的多个抽样而获得。在构建方案中,给根据本发明的方法预先给定了以如下标准参考信号部段为形式的先验知识:该标准参考信号部段在心跳的变化过程中由心脏活动造成,并且所述标准参考信号部段与所述形状参数或者至少一个形状参数有关。在训练阶段中,信号处理单元生成信号估计单元,所述信号估计单元根据所述所使用的或者每个所使用的传输通道参数来供应标准参考信号部段的所述形状参数或者每个形状参数。在使用阶段中,信号处理单元将针对每个探测到的心跳的信号估计单元应用于所述所测量的传输通道参数值或者每个所测量的传输通道参数值,这分别供应每个形状参数的值。在使用这些形状参数值的情况下,信号处理单元针对每次探测到的心跳重新适配预先给定的标准参考信号部段,例如其方式是:信号处理单元将形状参数值插入到标准参考信号部段中。以这种方式适配的标准参考信号充当针对该心跳的所估计的信号部段,或者所估计的信号部段以另外的方式与所适配的标准参考信号部段有关。所述形状参数或者形状参数例如可以是时间移位、沿着时间轴的压缩因子/拉伸因子或者信号增益因子。所述形状参数或者形状参数可能影响整个标准参考信号部段,或者也可能只影响标准参考信号部段的至少一个确定的区段、例如具有大斜率的区段或者具有小斜率的区段。
具有如下标准参考信号部段的该构建方案在许多情况下节省了计算时间和/或存储空间:所述标准参考信号部段对于每次心跳都有效并且被参数化。为了规定和信号传感器的部段,在通常情况下需要比存在形状参数实质上更多的点。常常最多五个形状参数就够了,有时甚至仅仅三个形状参数就够了。
在构建方案中,使用唯一的这样的标准参考信号部段。在另外的构建方案中,第一传输通道参数和/或其他传输通道参数的值域事先被划分为多个类别。给每个类别都分别分配一个标准参考信号部段,所述标准参考信号部段与所述一个或者多个形状参数有关。在训练阶段中,信号处理单元针对每个类别并且因此针对每个标准参考信号部段都分别生成一个信号估计单元。在使用阶段中,信号处理单元针对探测到的心跳判定,第一或者其他传输通道参数的在该心跳的情况下获得的所测量的值属于哪个类别,选出所分配的标准参考信号部段以及匹配的信号估计单元,并通过应用所选出的信号估计单元来适配所选出的标准参考信号部段。
在构建方案中,信号处理单元在时域中执行所有方法步骤。在另外的构建方案中,信号处理单元在训练阶段中针对每次心跳将和信号的属于该心跳的部段从时域变换到频域。根据第一传输通道参数和在构建方案中附加地至少一个其他传输通道参数,所生成的信号估计单元供应频域中的所估计的信号部段。在使用阶段中,信号处理单元针对至少一次探测到的心跳计算频域中的所估计的信号部段,将所述频域中的所估计的信号部段变换到时域中的所估计的信号部段,并以根据本发明的方式使用时域中的所估计的信号部段。也可能的是,通过在使用阶段中应用根据本发明的方法,从在时域中产生的和信号中产生频域中的呼吸或者心源性信号,并且使用频域中的呼吸或者心源性信号。
在训练阶段中将和信号的部段变换到频域中的构建方案能够实现,在频域中应用信号处理的确定的方法,例如以便去除具有确定的频率的干扰信号,并且从频域中的和信号的经过清洁的部段中产生抽样元素。例如,信号处理单元应用低通滤波器、高通滤波器和/或别的带通滤波器,去除在确定范围内的频率,例如去除在电网电压的范围(在德国为50Hz)中的频率,或者应用小波去噪(Wavelet Denoising)或者基于经验模态分解的去噪(Empirical-Mode-Decomposition-based Denoising)。在构建方案中,预先给定至少一个第一频率范围,在一个实施形式中预先给定多个优选地互不相交的第一频率范围。信号处理单元产生总和信号。对于每个预先给定的第一频率范围,信号处理单元分别确定处于第一频率范围中的那个信号成分。此外,针对所述第一频率范围或者每个第一频率范围,该信号处理单元分别确定呼吸信号成分和/或心源性信号成分。在这种情况下,针对所述第一频率范围或者每个第一频率范围,信号处理单元重新应用根据本发明的方法,其中信号处理单元使用在该第一频率范围内的信号成分作为和信号。紧接着,信号处理单元确定呼吸信号,并且对此使用所述呼吸信号成分或者每个呼吸信号成分,所述呼吸信号成分或者每个呼吸信号成分处于所述第一频率范围内或者处于第一频率范围内,并且通过应用根据本发明的方法已被确定。例如,所述信号处理单元将这些呼吸信号成分相加。或者,信号处理单元确定心源性信号,并为此使用在所述第一频率范围或者第一频率范围内的所述心源性信号成分或者每个心源性信号成分。
根据本发明,针对所述第一传输通道参数并且可选地针对至少一个其他的传输通道参数来测量,相应的传输通道参数在心跳的情况下取哪个值。信号处理单元接收这些传输通道参数值。在构建方案中,针对每个传输通道参数并且针对每次心跳,分别测量一个值。在另外的构建方案中,预先给定了将心跳时段以对于每次心跳有效的方式分解为至少两个心跳时段阶段。例如,预先给定了,分解为具有P波或者P峰值的第一阶段、具有QRS波或者QRS峰值的第二阶段和具有T波或者T峰值的第三阶段。
在该构建方案中,针对每个探测到的心跳和针对每个传输通道参数,信号处理单元对该心跳的每个心跳时段阶段都分别接收一个值。在训练阶段中,信号处理单元针对每次探测到的心跳的每个心跳时段阶段分别产生一个抽样元素。如果训练阶段例如包括50次心跳并且预先给定了三个心跳时段阶段,则信号处理单元对每个阶段产生50个抽样元素,亦即总共产生50×3等于150个抽样元素。
在使用阶段中,针对探测到的心跳、优选地针对每次探测到的心跳并且针对该心跳的每个心跳时段阶段,信号处理单元分别计算形状参数值,或者在多个形状参数值的情况下,计算一组形状参数值。在十个形状参数和三个预先给定的心跳时段阶段的情况下,这对于每个探测到的心跳为10×3等于30个形状参数值。在使用针对心跳时段阶段的形状参数值(亦即例如30个形状参数值)的情况下,信号处理单元计算针对该心跳的所估计的信号部段。
优选地,在训练阶段中,针对每个心跳时段阶段,信号处理单元分别产生一个信号阶段估计单元。该估计单元对于该心跳时段阶段有效,并且如同信号估计单元那样,根据所述传输通道参数或者每个传输通道参数来供应所述形状参数或者每个形状参数。为了产生该信号阶段估计单元,信号处理单元使用属于该心跳时段阶段的那些抽样元素。
在该构建方案中,针对每次探测到的心跳,信号处理单元将针对心跳时段阶段的每个信号阶段估计单元应用于所述传输通道参数值或者每个传输通道参数值,所述传输通道参数值或者每个传输通道参数值在该心跳的心跳时段阶段中已被获得。借此,计算如下信号部段:所述信号部段描述在该心跳的心跳时段阶段中的呼吸或者心源性信号。在使用针对该心跳的阶段的所有信号部段的情况下,信号处理单元产生针对该心跳的所估计的信号部段。例如,信号处理单元将针对心跳时段阶段的信号部段组合成所估计的信号部段。
在构建方案中,信号处理单元在训练阶段期间已生成的信号估计单元在整个使用阶段中不改变地被使用。而在优选的构建方案中,信号估计单元在使用阶段中至少一次、优选地持续地被适配于在使用阶段中迄今获得的测量值。在该优选的构建方案中,信号处理单元也在使用阶段中产生和信号。在使用阶段中,信号处理单元此外产生至少一个其他抽样元素,所述至少一个其他抽样元素涉及在使用阶段中的心跳,优选地分别涉及针对每次在使用阶段中探测到的心跳的至少一个其他抽样元素。在使用所述其他抽样元素或者其他抽样元素的情况下,在训练阶段中生成的信号估计单元在使用阶段中被适配至少一次。优选地,所述信号估计单元持续地被适配于迄今在使用阶段中产生的所有其他抽样元素。例如,重复地重新生成信号估计单元,即借助由训练阶段的抽样元素和所述迄今在使用阶段期间产生的抽样元素或者至少数个迄今在使用阶段期间产生的抽样元素构成的抽样,生成信号估计单元。
换言之:在该构建方案中,训练阶段充当用于生成信号估计单元的起动阶段,而使用阶段与针对信号估计单元的改进阶段或者适配阶段重叠。
尤其是,该构建方案能够实现,在使用阶段的变化过程中至少近似地考虑下列影响因子:
-和信号传感器相对于患者的位置改变。例如,测量电极改变其在患者皮肤上的位置。
-患者运动,例如在床上翻身,或者改变他的身体姿势。
-例如因为患者咳嗽或者不一样地身体上用力,人类学变量以另外的方式改变其对传播通道的影响。
-改变在给患者进行人工通气时的运行参数、例如PEEP压力(呼气终末正压)。
在构建方案中,在使用阶段中确定呼吸信号。该呼吸信号例如可被用于下列应用:
-借助通气设备(Ventilator),给患者进行通气。该通气设备执行通气行程。每个通气行程都自动地并且根据在使用阶段中迄今所确定的呼吸信号被触发,更确切而言优选地以如下目标被触发:通气行程与患者自己的呼吸活动同步地被执行。
-测量通气设备信号。该信号描述在通气设备与患者之间的气体流,其中气体流由通气设备执行的通气行程引起。该通气设备信号与呼吸信号进行比较。在偏差在界限之上时,识别出不同步、亦即尤其是在通气设备的通气行程与患者的呼吸活动之间的相移。输出相对应的警报。作为对输出警报的反应,用户可以将加工设备的运行参数设定到另外的值。或者,信号处理单元促使,通气设备参数自动地被设定到另外的值。
-借助至少一个电的和信号传感器,产生电的和信号。借助至少一个机械的或者气动的和信号传感器,产生机械的或者气动的和信号。通过两次应用本方法,产生电的呼吸信号和机械的或者气动的呼吸信号。
-从这两个呼吸信号中,推导出在呼吸肌的机械或者气动活动与所述一个或者多个电的和信号传感器的测量值之间的函数关系,所述呼吸肌的机械或者气动活动通过该组机械的或者气动的和信号传感器来测量。尤其是,推导出描述如下神经机械效率的耦合因子:亦即电信号在患者身体内如何好地被转化为肌肉活动。
-一方面,这种函数关系可以对此被使用,以便规定患者的呼吸肌是否正确地将身体自身的电信号转化成呼吸行程。此外,电信号可以被换算成机械或者气动信号,反之亦然,使得此后仅需要一种类型的和信号传感器。
-例如在呼吸肌的所产生的压力或者所施加的力方面,确定患者的呼吸肌的当前状态。优选地,信号处理单元确定所确定的呼吸信号的幅度和/或幅度的时间变化过程,并将该幅度与预先给定的下界限进行比较。
-尤其是识别,患者的呼吸肌是否疲劳,并且如果是的话,以何种程度疲劳,(疲劳识别)。-通过应用适当的信号处理方法,可以自动发现呼吸肌的异常收缩,例如发现痉挛或者咳嗽或者打嗝。
-在构建方案中,根据呼吸肌的识别出的疲劳来设定通气设备,并在需要时改变设定。
-患者的呼吸肌肉被训练,以便能够尽可能迅速地结束给患者的人工通气。在这种情况下,既必须阻止对呼吸肌的要求过低,又必须阻止对呼吸肌的过分要求。呼吸信号被使用,以便训练呼吸肌,并在这种情况下遵守边界条件。
代替传统确定的EKG信号,可以使用根据本发明产生的心源性信号,其中可以继续使用相同的测量电极。心源性信号近似补偿了所述人类学变量或者至少一个人类学变量的影响,尤其是近似补偿了呼吸活动对所测量的信号的影响。
附图说明
在下文,依据实施例来描述本发明。在这种情况下:
图1示意性地示出了,多个测量电极如何定位在患者处,并且多个其他传感器如何定位在患者处和在患者上方,其中由通气设备来给患者进行通气;
图2示意性地示出了从和信号中确定呼吸和心源性信号;
图3示意性地示出了,心源性信号如何由针对单次心跳的所估计的信号部段组成;
图4示意性地示出了,在图2的装置中如何考虑传输通道参数的影响;
图5示出了一个构建方案,即在图4的装置中如何考虑两个传输通道参数;
图6示例性地示出了在使用阶段中执行的步骤;
图7示出了在只有一次的心跳的变化过程中的电的心源性信号;
图8示例性地示出了,如何产生抽样元素,并且如何从这些抽样元素中产生信号估计单元,而且如何产生所估计的信号部段,并且如何将这些信号部段组合成所估计的心源性信号;
图9示出了在图8中所示的方案的变型方案,其中肺部充盈水平通过气动传感器来确定;
图10示出了,在图9的变型方案中,在训练阶段中,如何由分别属于心跳和肺部充盈水平的部段形成在心跳的变化过程中的一个类别的相应的所估计的信号部段;
图11示出了在图8中所示的方案的其他变型方案,其中肺部充盈水平通过评估图像序列来确定;
图12示出了其他变型方案,其中只考虑在确定的频率范围内的信号;
图13示出了,在图12的变型方案中,在训练阶段中,如何针对四个肺部充盈水平来计算四个形状参数值(平均最大值)。
图14示出了在图8中所示的方案的其他变型方案,其中奇异值分解(SVD,SingularValue Decomposition)被应用于信号部段,以便对信号部段进行分类;
图15示出了,在图14的变型方案中,在训练阶段中如何应用奇异值分解;
图16示出了,在图14的变型方案中,在训练阶段中如何计算四个形状参数值(平均信号部段);
图17示出了一种可能的方法,以便在训练阶段中从和信号部段中计算参考信号部段;
图18、图19、图20、图21、图22、图23示出了一种变型方案,其中按照小波变换(Wavelet-Transformation)发现不同的波段。
具体实施方式
在一种应用中,对此使用根据本发明的方法,以便自动操控通气设备。该通气设备辅助患者的自主呼吸,或者如果患者镇静,则完全替换自主呼吸。通气设备的工作、尤其是通气行程的时间点和幅度(如果存在,则)应与患者的自主呼吸同步。
图1示意性地示出了
-要进行通气的患者P,
-该患者P的食道Sp,
-该患者P的横隔膜Zw,
-用于给患者P进行通气的通气设备1,
-第一组测量电极2.1,该第一组测量电极2.1在患者P的胸部上安置在靠近心脏和远离横隔膜的位置,
-第二组测量电极2.2,该第二组测量电极2.2在患者P的腹部上安置在远离心脏和靠近横隔膜的位置,
-在患者P的嘴部之前的气动传感器3,所述气动传感器3测量进入和离开呼吸道的气体流Vol',亦即测量每单位时间的体积,并且可选地测量呼吸道压力Paw
-可选地,在患者P的食道Sp中的气动传感器16,以及
-可选的视频摄像机4,该视频摄像机4从上部对准患者P的胸部区域和/或腹部区域,并且非接触地产生图像序列形式的测量值,从所述测量值中可以凭图像处理来确定患者P的当前肺部充盈水平。
借助传感器2.1和2.2和/或气动传感器3和/或光学传感器4的测量值,信号处理单元5产生和信号SigSum,所述信号处理单元5优选地属于通气设备1。该和信号SigSum由呼吸信号Sigres和心源性信号Sigkar的叠加形成。在该应用中,呼吸信号Sigres描述了患者P自己的呼吸活动。该呼吸信号Sigres被用于操控通气设备1,并且是有用信号。心源性信号Sigkar由患者P的心脏活动造成,并且在该应用中是干扰信号。患者P的通过呼吸信号Sigres来描述的自主呼吸以及通过通气设备1进行的人工通气产生患者P的整个呼吸和通气,所述整个呼吸和通气通过总信号Sigges来描述。
图2示意性地和简化地示出了,如何从和信号Sigsum中确定呼吸信号Sigres和心源性信号Sigkar。在该实例中,从和信号SigSum减去所估计的心源性信号Sigkar,est,并且差被用作所估计的呼吸信号Sigres,est。在图2中未示出对本发明重要的组成部分。信号处理单元5供应针对呼吸信号Sigres的估计Sigres,est和针对心源性信号Sigkar的估计Sigkar,est。按理想来说,估计与实际信号相一致,亦即按理想来说适用Sigres=Sigres,est和Sigkar=Sigkar,est。此外,按理想来说适用:SigSum=Sigkar+Sigres=Sigkar,est+Sigres,est,亦即按理想来说适用Sigres=SigSum-Sigkar,est
患者P的呼吸肌AM产生呼吸活动。心肌HM产生心脏活动。在患者P的身体中,自己的呼吸活动经由传输通道Tss被传输到求和点Σ,其中(简化地来说)呼吸信号Sigres出现在传输通道Tss之后。心源性信号Sigkar经由传输通道Tns被传输到求和点Σ,其中心源性信号Sigkar出现在传输通道Tns之后。因此,传输通道Tss和Tns影响所测量的呼吸活动和所测量的心脏活动。信号Sigres和Sigkar在该求和点Σ(简化地来说)叠加。此外,示出了传输通道Tnn。索引s标明有用信号,索引n(噪声(noise))标明干扰信号。
传感器2.1和2.2分别产生电测量值,在通常情况下产生电压。具有放大器和模数转换器的信号预处理器13对这些电测量值进行预处理。优选地,信号预处理器13此外执行基线滤波,尤其是以便以计算方式来补偿在患者P的皮肤上的测量电极2.1和2.2中的电化学过程和另外的低频电位差。这些经过预处理的测量值在该实施例中充当所述和信号Sigsum或者和信号Sigsum。因而,在本发明的意义上,传感器2.1和2.2是和信号传感器。气动传感器3和光学传感器4也供应测量值,在本发明的变型方案中,从这些测量值中产生和信号,并且在另外的变型方案中,从这些测量值中产生别的参数值。
信号处理单元5从该和信号Sigsum中确定针对所寻找的呼吸信号Sigres的估计Sigres,est,该信号处理单元5优选地属于通气设备1。为此,信号处理单元5确定针对心源性信号Sigkar的估计Sigkar,est,所述心源性信号Sigkar在本应用中充当干扰信号。在另外的应用中,所估计的心源性信号Sigkar,est被用作有用信号,而呼吸信号Sigres是干扰信号。或者,两个信号Sigres和Sigkar都是有用信号。
图3示出了在使用阶段Np中如何以计算方式来补偿心源性信号Sigkar对和信号SigSum的影响的原理。在图3中,也没有示出本发明的重要组成部分。
心源性信号部分SigHz,kar描述了心源性信号在只有一次的心跳的变化过程中的所估计的部段。心跳时间点探测器7探测第n次探测到的心跳的相应时间点H_Zp(n)(n=1,2,3,……)。该心跳时间点探测器7例如探测在和信号SigSum中或者也在如下信号中的所谓的R峰值或者也为QRS变化过程:所述信号仅仅从靠近心脏的该组测量电极2.1的测量值中获得,参见图7。在使用探测到的心跳时间点H_Zp(x)、H_Zp(x+1)、……的情况下,重建器8将这些所估计的信号部段SigHz,kar组合成被重建的心源性信号Sigkar,est,所述被重建的心源性信号Sigkar,est被用作针对心源性信号Sigkar的估计Sigkar,est。按理想来说,被重建的心源性信号Sigkar,est等于由患者P的心肌HM产生的实际心源性信号Sigkar。补偿器9以计算方式补偿心源性信号Sigkar对和信号SigSum的影响。例如,补偿器9从和信号SigSum减去被重建的心源性信号Sigkar,est。在理想情况下,补偿器9供应所寻找的呼吸信号Sigres,亦即按理想来说适用Sigres等于SigSum-Sigkar,est
呼吸信号Sigres和/或心源性信号Sigkar分别受到在患者P的身体中的至少一个人类学变量影响。如下可测量的参数与所述人类学变量或者至少一个人类学变量关联:所述可测量的参数对至少一个上面描述的传输通道Tss、Tns产生影响,并且因而被称为传输通道参数。在图2和图3中没有考虑该影响。在下文描述了,根据本发明,如何考虑该影响。
在图4中,示例性地示出了对从呼吸肌AM到传感器2.1、2.2的传输通道Tns的影响,所述呼吸肌AM是呼吸信号Sigres的信号源,即示出了肺部充盈水平LF。患者P的肺部的当前充盈水平LF改变在呼吸肌AM与传感器2.1、2.2之间的间距,并且因此改变传输通道Tns的长度,而且也改变传输通道Tns的别的特性。当前的肺部充盈水平LF与进入和离开患者P的呼吸道的呼吸空气或者别的气体的流Vol'关联,亦即与每单位时间所输送的或者所排出的体积关联。在患者P的嘴部之前的气动传感器3能够测量该体积流Vol'。在本实施例中,所测量的体积流Vol'关于时间被从上往下积分(aufintegriert),并且此外考虑气体在传感器3与嘴部之间以及在患者P的嘴部与肺部之间的传播时间,以及可选地考虑肺部的弹性和患者P的呼吸道对抗呼吸空气的流动的阻力。以这种方式,重复地确定针对传输通道参数LF的分别为当前的值。
图5示出了,在图4中所图解说明的考虑肺部充盈水平LF的原理如何被应用于在图3中阐明的原理,以便以计算方式来补偿心源性信号Sigkar对和信号SigSum的影响。在图5中并且在随后的图中,示出了使用路径Npf和训练路径Tpf。使用路径Npf描述了在使用阶段Np期间的步骤和所使用的组成部分,训练路径Tpf描述了在训练阶段Tp和随后的适配阶段Ap期间的步骤和所使用的组成部分,所述适配阶段Ap与使用阶段Np重叠。
在图5的实例中,可选地考虑其他传输通道参数,即考虑测量电极2.1或者2.2相对于心源性信号Sigkar的信号源的位置Pos。机械传感器10(例如加速度传感器或者应变测量条)对测量电极2.1或者2.2相对于在患者P的身体内或者身体上的预先给定的参考点并且由此相对于心脏的位置Pos进行测量,亦即对测量电极2.1或者2.2相对于心源性信号Sigkar的信号源HM的位置Pos进行测量。从传感器3的测量值中,重复地分别推导出针对传输通道参数LF的值,从所述传感器10的测量值中推导出针对传输通道参数Pos的值。
可选地,考虑第三传输通道参数,所述第三传输通道参数不要求其他物理传感器,尤其是考虑心跳的长度,或者也考虑在两次相继的心跳的两个表征性时间点H_Zp(x)、H_Zp(x+1)之间的时期,或者考虑在和信号SigSum的在只有一次的心跳的变化过程中出现的那个部段Abs.x、Abs.y、……的两个信号峰值(例如P峰值和T峰值)之间的时间间距。该时期可能在时间上保持不变,或者随着时间变化。心跳时期探测器11评估和信号SigSum和探测到的心跳时间点H_Zp(x)、H_Zp(x+1)、……,并计算在两次相继的心跳时间点之间的时间间距。
心跳时间点探测器7又探测每次心跳的相应时间点H_Zp(n)(n=1,2,……)。信号估计单元6获得两个传感器3和10的测量值,并从其中计算传输通道参数LF或Pos在心跳时间点H_Zp(x)所取的相应的当前值。
根据在心跳的情况下的针对肺部充盈水平LF的所测量的值和可选地针对相对位置Pos的所测量的值,信号估计单元6在使用阶段Np中针对每次心跳分别计算心源性信号Sigkar在该心跳的变化过程中的所估计的信号部段SigHz,kar,LF,其中所估计的信号部段SigHz,kar,LF与在该心跳的情况下的肺部充盈水平LF有关,以及可选地与测量电极2.1或者2.2的位置Pos有关和/或与在两次心跳之间的时间间距RR有关。根据至少一个传输通道参数所估计的信号部段SigHz,kar,LF在通常情况下因心跳的不同而变化。在使用心跳时间点的情况下,所估计的信号部段SigHz,kar,LF被组合成所估计的心源性信号Sigkar,est
在构建方案中,每个所估计的信号部段SigHz,kar,LF都具有相同的长度。所估计的信号Sigkar,est中的间隙通过平滑被跨接。在另外的构建方案中,在使用阶段Np中测量每次心跳的相应的时段H_Zr(x)、H_Zr(x+1)、……,并且所估计的信号部段SigHz,kar,LF通过拉伸或者压缩而被适配于该心跳时段。
在构建方案中,信号估计单元6对储存在库12中的预先给定的标准参考信号部段SigHz,Ref进行读取访问。这描述了心源性信号Sigkar在单次心跳的变化过程中的平均部段。例如事先通过在不同患者上的测量已产生该标准参考信号部段SigHz,Ref。所述标准参考信号部段SigHz,Ref包含至少一个(优选地多个)形状参数,所述至少一个(优选地多个)形状参数改变参考信号部段SigHz,Ref的几何形状。间接地通过至少一个形状参数来考虑传输通道参数的影响,这进一步在下面予以描述。
针对形状参数的实例是,参见图7:
-QRS阶段的持续时间,
-QRS幅度,
-Q峰值、R峰值、S峰值的相应的幅度,和
-在P峰值与T峰值之间的时期。
通过在所述标准参考信号部段SigHz,Ref的所述形状参数或者每个形状参数中分别插入形状参数值,产生经过参数化的心源性的所估计的信号部段SigHz,kar,LF,所述经过参数化的心源性的所估计的信号部段SigHz,kar,LF描述了在单次心跳的变化过程中的所估计的心脏活动,并且在该实例中与肺部充盈水平LF有关,而且可选地与位置Pos有关。在图5的构建方案中,经过参数化的标准参考信号部段SigHz,kar,LF被用作在单次心跳的变化过程中的所预期的信号部段SigHz,kar,正如这在图3中所示出的那样。
在图5的实例中,这些形状参数值一方面与肺部充盈水平LF的当前值有关。在图5的实例中,当前的肺部充盈水平LF由至少一个气动传感器3来测量,其中该气动传感器3测量体积流Vol',并且可选地也测量呼吸道压力Paw。可选地,形状参数值此外与位置Pos有关。
在构建方案中,针对标准参考信号部段SigHz,Ref的每个形状参数并且针对每次探测到的心跳,信号估计单元6分别计算如下形状参数值:形状参数在心跳时间点H_Zp(x)或者在心跳时段H_Zr(x)中取所述形状参数值。在使用这些形状参数值的情况下,从标准参考信号部段SigHz,Ref中,信号处理单元5在使用阶段Np中针对每次心跳都产生与肺部充盈水平LF的当前值适配的和可选地与当前位置Pos和/或别的传输通道参数适配的所估计的信号部段SigHz,kar,LF,所述信号部段SigHz,kar,LF描述了在该心跳的变化过程中的所预期的或者所估计的心源性信号Sigres。这针对每次在使用阶段Np中探测到的心跳都被执行。
在另外的构建方案中,信号估计单元6在库12中确定所储存的参考信号部段SigHz,kar,LF.1或者……或者SigHz,kar,LF.4,所述参考信号部段SigHz,kar,LF.1或者……或者SigHz,kar,LF.4分配给肺部充盈水平LF.1、……、LF.4,并且可选地分配给位置Pos。根据所述所确定的参考信号部段或者每个所确定的参考信号部段,信号估计单元6供应针对心跳的所估计的信号部段SigHz,kar,LF。在该构建方案中,在训练阶段Tp期满之后,不需要标准参考信号部段SigHz,Ref。在这两个构建方案中,重建器8在使用阶段Np中将在分别一次心跳的变化过程中的所估计的心源性信号部段SigHz,kar,LF组合成所估计的心源性信号Sigkar,est,并为此使用时间点探测器7已探测到的心跳时间点H_Zp(x)、H_Zp(x+1)、……。根据本发明的所示出的构建方案,重建器8将与当前肺部充盈水平LF适配的所估计的信号部段SigHz,kar,LF组合成被重建的心源性信号Sigkar,est。优选地,一探测到新的心跳,就持续地重复这一点。
在下文,描述了如通过图4和图5阐明的根据本发明的方法的多个变型方案。所述变型方案的不同之处在于从其测量值中产生和信号SigSum的传感器、所考虑的传输通道参数和/或为了测量所考虑的传输通道参数的值的传感器。在一个变型方案中,所估计的信号部段不是被组合成心源性信号Sigkar,est,而是被组合成呼吸信号Sigres,est
图6示例性地示出了如下步骤:在使用阶段Np中执行所述步骤,以便确定所估计的呼吸信号Sigres,est。示出了下列步骤:
-测量电极2.1和2.2、气动传感器3和/或光学传感器4供应测量值。
-信号预处理器13对传感器2.1、2.2、3、4的测量值进行预处理,并供应和信号SigSum
-心跳时间点探测器7探测第n次探测到的心跳的相应心跳时间点H_Zp(n)。为此,心跳时间点探测器7评估靠近心脏的测量电极组2.1的和信号SigSum和/或测量值。
-信号估计单元6对库12进行读取访问,在所述库12中储存有针对不同的可能的肺部充盈水平LF.1、……、LF.4的不同的参考信号部段SigHz,kar,LF.1、……、SigHz,kar,LF.4
-从所测量的心跳时间点H_Zp(x1)、H_Zp(x2)、……和所测量的肺部充盈水平LF.1、LF.2、……中,信号估计单元6针对每次心跳分别确定一组形状参数值FP-W(1)、FP-W(2)、……,并由此分别确定所估计的信号部段SigHz,kar,LF(x1)、SigHz,kar,LF(x2)、……,例如其方式是:信号估计单元6将形状参数值FP-W(1)、FP-W(2)插入到标准参考信号部段SigHz,Ref中。
-重建器8将这些所估计的信号部段SigHz,kar,LF(x1)、SigHz,kar,LF(x2)、……组合成所估计的心源性信号Sigkar,est
-心跳时期探测器11可选地测量每次心跳的相应的心跳时段H_Zr(x)、H_Zr(x+1)。
-补偿器9以计算方式补偿呼吸信号Sigres对和信号SigSum的影响,例如其方式是:补偿器9从和信号SigSum减去所估计的心源性信号Sigkar,est,和/或在每个心跳时段H_Zr(x)、H_Zr(x+1)中从和信号SigSum减去针对该心跳所估计的信号部段SigHz,kar,LF(x1)、SigHz,kar,LF(x2)、……。
图7示出了在只有一次的心跳的变化过程H_Zr(n)中的电的心源性信号Sigkar的示例性部段。时间绘制在x轴上,以mV为单位的心源性信号绘制在y轴上。示出了P峰值、Q峰值、R峰值、S峰值和T峰值。心源性信号Sigkar和因而和信号SigSum也针对每次心跳在从P峰值直至T峰值的范围内近似具有相同的变化过程。
在构建方案中,R峰值被用作心跳的表征性时间点H_Zp(n)。此外,阐明了下列几何参数:
-在两次相继的心跳的R峰值之间的R-R间距RR,
-QRS幅度QRS,这是在Q峰值与S峰值之间的时段中的在最大值与最小值之间的间距,
-P-Q时间间距PQ,这是在P峰值与Q峰值之间的时期,以及
-S-T时间间距ST,这是在S峰值与T峰值之间的时期。
R-R间距RR与患者P的脉搏关联。
图8示例性地示出了,根据第一变型方案如何产生和使用抽样元素。示出了:
-训练阶段Tp,在该训练阶段Tp中,产生抽样14,可选地产生库12,并且紧接着产生初始信号估计单元6,
-随后的适配阶段Ap,在该适配阶段Ap中,信号估计单元6持续地适配于迄今在使用阶段Np中获得的抽样元素,以及
-使用阶段Np,在该使用阶段Np中,使用信号估计单元6。
适配阶段Ap与使用阶段Np重叠。在每个信号的相应的x轴上,从左向右地绘制时间。示出了下列信号的时间变化过程:
-和信号SigSum
-相应的表征性心跳时间点H_Zp,
-体积流Vol'的变化过程,和
-肺部充盈水平LF的变化过程。
在该变型方案中,通过如下方式产生和信号SigSum:评估测量电极2.1和2.2的电测量值。例如借助气动传感器3,测量体积流Vol',并且从在多个时间点的相应的体积流Vol'中导出当前的肺部充盈水平LF。在所示的实例中,区分四个类别的肺部充盈水平,即区分LF.1(肺部几乎为空的,肺部充盈水平在第一界限之下)、LF.4(肺部几乎为满的,肺部充盈水平在第二界限之上)和两个处于其间的肺部充盈水平LF.2和LF.3。当然,也可以区分另外数目的类别的肺部充盈水平LF和另外的传输通道参数。在图8中,具有如下时间变化过程的信号被称为LF_cl:所述时间变化过程显示,当前的肺部充盈水平LF属于哪个类别。
在图8的实例的构建方案中,每个抽样元素都包括和信号SigSum在单次心跳的变化过程中的部段,例如包括在具有表征性心跳时间点H_Zp(x)的心跳的变化过程中的部段Abs.x。此外,每个抽样元素都分别包括一个类别的肺部充盈水平LF,例如针对心跳时间点H_Zp(x)包括类别LF.3。在图8中,在下部借助多个箭头阐明了,如何产生四个类别LF.1直到LF.4的抽样元素。和信号SigSum的属于一个类别的抽样元素的所属的部段达到相同的长度,其方式是:以计算方式截断突出的区段,并且所述所属的部段接着时间正确地(zeitrichtig)被叠加。时间正确地叠加的部段以算术方式被求平均,或者以另外的方式被联合成参考信号部段,其分配给该类别的肺部充盈水平。经此,产生计算机可支配的库12,该库12具有心源性信号在心跳的变化过程中的(在该情况下为四个)所储存的参考信号部段SigHz,kar,LF.1、……、SigHz,kar,LF.4。每个参考信号部段SigHz,kar,LF.1、……、SigHz,kar,LF.4在库12中都被分配给可能的肺部充盈水平类别LF.1、……、LF.4。
在构建方案中,在使用阶段Np中,在第n次心跳的表征性心跳时间点H_Zp(n)确定,在时间点t=H_Zp(n)的肺部充盈水平LF(t)属于哪个类别。在构建方案中,相应的参考信号部段SigHz,kar,LF.1、……、SigHz,kar,LF.4被用作所估计的信号部段SigHz,kar,LF(n),所述参考信号部段SigHz,kar,LF.1、……、SigHz,kar,LF.4在库12中被分配给该类别。所述参考信号部段SigHz,kar,LF.1、……、SigHz,kar,LF.4描述了心源性信号在该心跳的变化过程中的部段。例如,针对时间点H_Zp(y),选出肺部充盈水平LF.3的参考信号部段SigHz,kar,LF.3,并且该参考信号部段SigHz,kar,LF.3被用作所估计的信号部段SigHz,kar,LF(y),针对时间点H_Zp(z),选出肺部充盈水平LF.4的参考信号部段SigHz,kar,LF.4作为所估计的信号部段SigHz,kar,LF(z)
在另外的构建方案中,除了参考信号部段以外,信号处理单元5针对每个类别的肺部充盈水平分别计算参考参数值,例如作为该类别的传输通道参数值(此处为:肺部充盈水平)的加权平均值,或者作为该类别的传输通道参数值(此处为:肺部充盈水平)的重心或者中值。例如,传输通道参数值的相对频度被用作加权因子。在使用阶段Np中,信号处理单元5针对每次心跳都确定如下那两个参考参数值:所述参考参数值最接近该心跳的传输通道参数值,并且通过平滑(例如内插或者回归),信号处理单元5计算针对该心跳的所估计的信号部段。
因此,信号估计单元6针对每个心跳时间点H_Zp(y)供应所估计的信号部段SigHz,kar,LF(y),所述所估计的信号部段SigHz,kar,LF(y)与四个可能的参考信号部段SigHz,kar,LF.1、……、SigHz,kar,LF.4有关。在构建方案中,心源性信号的每个所估计的信号部段SigHz,kar,LF(y)都等于库12中的参考信号部段SigHz,kar,LF.1、……、SigHz,kar,LF.4。所供应的所估计的信号部段与如下内容有关:在该心跳的情况下,肺部充盈水平LF属于这四个类别LF.1、……、LF.4中的哪个类别。
这在训练阶段Tp之后被执行,亦即当生成信号估计单元6时被执行。在训练阶段Tp结束之前,优选地针对每个心跳时间点,分别使用针对每个探测到的心跳的事先预先给定的标准参考信号部段SigHz,est
这些所估计的信号部段SigHz,kar,LF由重组器8组合成所估计的心源性信号Sigkar,est。在图8中,在变化过程LF_cl之下示出了所估计的心源性信号Sigkar,est以及所估计的呼吸信号Sigres,est。通过如下方式产生所估计的呼吸信号Sigres,est:补偿器9从所测量的和信号Sigsum减去通过组合所产生的所估计的心源性信号Sigkar,est,亦即Sigres,est=Sigsum-Sigkar,est。如可看到的那样,所估计的呼吸信号Sigres,est大多取值零,因为心率是呼吸频率的多倍,并且在心跳的P-T范围中,心源性信号Sigkar比呼吸信号Sigres强多倍。患者P的三个呼吸过程导致所估计的呼吸信号Sigres,est的三个所示出的振荡Atm.1、Atm.2、Atm.3。图9示出了在图8中所示的方案的修改方案。作为其他传输通道参数,使用在患者P的自主呼吸与心跳之间的协调,更准确地说使用如下事件:即呼出是否靠近下一次心跳的Q波之前开始。信号S_Q示出了其他传输通道参数的时间变化过程。根据两个传输通道参数(即肺部充盈水平LF和在Q近旁的呼出时间点(是/否)),形成这些类别。
在可能的构建方案中,在针对肺部充盈水平LF的四个类别LF.1、……、LF.4和针对呼出时间点的两个类别(是和否,亦即呼吸开始或呼吸不是靠近Q波之前开始)的情况下,这导致总共2×4=8个不同的类别。而在所示的构建方案中,只使用了四个类别。针对肺部填充水平LF的可能的值被分组成三个类别LF.a、LF.b、LF.c。结合呼出时间点不在Q近旁的事件,这导致三个类别LQ.a、LQ.b、LQ.c。此外,引进第四类别Q.d,即呼出时间点在Q近旁——无论肺部充盈水平LF怎样。在图9中,此外还示出了属于这四个类别LF.a、LF.b、LF.c、Q.d之一的归属性的时间变化过程,所述时间变化过程用LF_Q_cl来标明。
在该变型方案中,和信号SigSum是压力信号,所述压力信号在患者P的食道Sp(食管)内或者食道Sp(食管)之前被测量,例如利用在食道Sp内的探针或者球囊来测量。压力信号也可能会是由传感器3测量的在从通气设备1的软管到患者P的嘴部的过渡处的压力Paw。气动的和信号SigSum由通过呼吸活动引起的气动的呼吸信号Sigres与通过心脏活动引起的气动的心源性信号Sigkar的叠加而得出。
在所示的变型方案中,信号处理单元5在训练阶段Tp中并且因而在训练路径Tpf中附加地执行消除趋势(Detrending)。借此,降低了如下危险:不同趋势歪曲了时间正确地排列的和信号部段成为参考信号部段的联合。在图9中,既示出了和信号SigSum,又示出了通过消除趋势产生的经过预处理的和信号SigSum,DT
为了产生消除趋势的实施形式是下列内容:信号处理单元5针对每次心跳都确定属于该心跳的和信号部段Abs.w、Abs.x。信号处理单元5通过该和信号部段Abs.w、Abs.x计算拟合曲线、尤其是拟合直线。该拟合曲线例如通过内插来产生,或者作为从和信号部段Abs.w、Abs.x的在时间上为第一的信号值到在时间上为最后的信号值的直线。针对每次心跳,都从和信号部段Abs.w、Abs.x减去相应的拟合曲线。剩余的余项(亦即差)形成通过消除趋势产生的经过预处理的和信号部段Abs_DT.w、Abs_DT.x。每个抽样元素都包括这种经过预处理的和信号部段。这些部段供应了所估计的信号部段SigHz,kar,LF(y)、SigHz,kar,LF(z),所述所估计的信号部段SigHz,kar,LF(y)、SigHz,kar,LF(z)被组合成经过预处理的和信号SigSum,DT
在使用阶段中,信号估计单元6针对每次探测到的心跳分别供应经过预处理的和信号部段Abs_DT.w、Abs_DT.x。
在图9的变型方案中,信号估计单元6在一个构建方案中也在使用阶段Np中为每次心跳分别供应所估计的信号部段SigHz,kar,LQ,所述所估计的信号部段SigHz,kar,LQ在心源性信号Sigkar的四个可能的参考部段SigHz,kar,LQ.a、……、SigHz,kar,Q.d中间被选出,其中信号估计单元6为心跳分别供应哪个所估计的信号部段与在心跳的情况下的肺部充盈水平LF有关,并且与在心跳的情况下的呼出时间点有关。
图10阐明了,如何针对四个不同类别(肺部充盈水平和Q值)LQ.a、LQ.b、LQ.c、Q.d形成心源性信号Sigkar的四个参考信号部段SigHz,kar,LQ.a、……、SigHz,kar,Q.d。在图10的左栏中,示出了和信号SigSum的时间正确地叠加的部段,所述时间正确地叠加的部段属于同一类别,此处亦即属于同一肺部充盈水平/Q值LQ.a、LQ.b、LQ.c、Q.d。在右栏中,示出了心源性信号针对类别LF.1、……、LF.4的所属的参考信号部段SigHz,kar,LQ.a、……、SigHz,kar,Q.d,所述所属的参考信号部段SigHz,kar,LQ.a、……、SigHz,kar,Q.d通过从分别针对心跳的时间正确地叠加的信号部段中计算算术平均值而形成。右栏的内容被储存在库12中。
在图11的变型方案中,通过对图像序列进行自动图像评估来确定和信号SigSum,其中视频摄像机4对准患者P的胸部区域并供应这些图像序列。也在该变型方案中,由呼吸信号与心源性信号的叠加形成和信号SigSum,该和信号SigSum在图11的第二行中被示出。患者P的当前肺部充盈水平LF再次从气动传感器3的测量值中导出。可能的是,为了确定当前的肺部充盈水平,附加地使用视频摄像机4的信号。因为这些信号示出患者P的胸部区域,并且所述胸部区域根据呼吸上升和下降。图11的最上部的行示出了视频摄像机4已拍摄的图像序列作为测量值系列MWR。也在该变型方案中,上面描述的消除趋势被应用于和信号部段。
在图12的变型方案中,和信号SigSum再次从测量电极2.1和2.2的电测量值中被产生。气动传感器3再次测量体积流Vol',并且信号处理单元5从体积流Vol'的多个值中计算当前的肺部充盈水平LF。四个可能的肺部充盈水平LF.1、……、LF.4又被区分。在该变型方案中,不计算所估计的心源性信号Sigkar,est。更确切而言,以另外的方式,从和信号SigSum中以计算方式提取所估计的呼吸信号Sigres,est。在该变型方案中,不使用参考信号部段。预先给定至少两个频率范围,在所示的变型方案中预先给定一个较低频率的范围和一个较高频率的范围。例如,一个频率范围由其中可能出现以电的方式测量的呼吸信号(EMG)的频率得出,而另一个频率范围由其中可能出现以电的方式测量的心源性信号(EKG)的频率得出。
在所示的实例中,既在训练阶段Tp中又在使用阶段Np中,和信号SigSum被分解成每个预先给定的频率范围分别一个信号成分。例如,应用小波变换或者波段滤波器(Baenderfilter)或者低通滤波器或者高通滤波器。图12示出了针对较低频率范围的信号成分SigSum,low和针对较高频率范围的信号成分SigSum,high。针对较低频率范围的信号成分SigSum,low基本上(也就是说除了可忽略得小的余项之外)由患者P的心脏活动HM造成,并且不被用于计算所估计的呼吸信号Sigres,est。针对较高频率范围的信号成分SigSum,high由呼吸信号Sigres与心源性信号Sigkar的较高频率的成分的叠加而得出。
在信号成分SigSum,high中,在训练阶段Tp中探测在心跳的变化过程中的相应的最大值和相应的最小值。示例性地示出了两个最大值Max.1和Max.8。针对最小值执行相同的内容。示例性地示出了最小值Min.1。根据在相应的心跳的情况下的相应的肺部充盈水平LF.1、……、LF.4,这些最大值被划分为四个类别的最大值。图13在左栏(抽样14)借助四个直方图阐明了这四个类别的最大值。每个矩形都对应于一个类别。在直方图的x轴上绘制了最大值的值,在该情况下亦即为mV的说明,在y轴上绘制了该最大值在一个类别的肺部充盈水平LF.1、……、LF.4中的频度。对于每种类别的最大值,计算表征性值、例如算术平均值或者中值或者最大值。尤其是,在图13中示出了针对属于肺部充盈水平LF.1和LF.2的两个类别的两个平均值或者中值Max_MW.LF.1和Max_MW.LF.2。在图13中的右栏(库12)中示出了,如何给肺部充盈水平的每个类别LF.1、……、LF.4分别分配有被平均的最大值、亦即算术平均值或者中值或者最大值,作为形状参数值。它们被储存在库12中。此外,给每个类别都分配有被平均的最小值,所述被平均的最小值以相对应的方式已被确定。这两个形状参数值被使用,以便对改变规则(计算规则)进行参数化,这随后予以描述。
在使用阶段Np中,信号估计单元6针对每次心跳都确定和信号部段Abs.x、较高频率的信号成分部段和相应的肺部充盈水平。信号估计单元6分别确定被平均的最大值,以及分别确定被平均的最小值,对此信号估计单元6使用在该心跳的情况下的所测量的肺部充盈水平LF以及在库12中确定的最大值和最小值。信号估计单元6以计算方式在较高频率的信号成分SigSum,high的属于该心跳的那个部段中截断如下那些成分:所述成分处于被平均的最大值之上或者处于被平均的最小值之下。这些成分肯定实质上源自心源性信号Sigkar,并且不包含任何要考虑的呼吸成分。在图12中,阐明了依据两个被平均的并且储存在库12中的最大值Max_MW.LF.1和Max_MW.LF.2进行截断。剩余的成分(亦即较高频率的信号成分SigSum,high的处于被加权的最小值与被加权的最大值之间的成分)源自呼吸信号Sigres,并且优选地以计算方式被平滑。例如,由于截断形成的空隙被设置到零,或者在剩余的成分之间适当地进行内插。以这种方式,针对每次心跳都分别产生信号部段SigHz,res,LF(y)、SigHz,res,LF(z)、……,该信号部段SigHz,res,LF(y)、SigHz,res,LF(z)、……描述了在该心跳的变化过程中的所估计的呼吸信号。重建器8将这些信号部段SigHz,res,LF(y)、SigHz,res,LF(z)、……组合成所估计的呼吸信号Sigres,est
在该实例中,作为一种类别的传输通道参数值(这里为:肺部充盈水平端LF.1、……、LF.4)的形状参数值,使用被平均的最大值和被平均的最小值。在该变型方案中,对此,这些形状参数值被用来对预先给定的改变规则进行参数化。经过参数化的改变规则分别改变和信号SigSum的部段Abs.x、Abs.y——在该变型方案中:改变较高频率的信号成分SigSum,high的部段。在该变型方案中,改变包括截断在最大值之上和在最小值之下的信号成分的步骤。
也可能的是,使用附加的或者另外的算术形状参数,并且因此使用另外的改变规则,例如使用被平均的一阶导数和/或二阶导数。也可能的是,使用加权因子和/或“软阈值”。在其他构建方案中,和信号SigSum的或者信号成分的属于心跳的部段伸展到如下那些区段中:在所述区段中,和信号SigSum的斜率在预先给定的界限之下。通过在图12和图13中所示的变型方案,计算所估计的呼吸信号Sigres,est,对此使用较高频率的信号成分SigSum,high。所描述的方法也可以被应用,以便计算所估计的心源性信号Sigkar,est。对于该应用,该方法相对应地被应用于低频信号成分SigSum,low。优选地,针对每次心跳分别计算心源性信号Sigkar,est的所估计的信号部段SigHz,kar,LF。对此,低频信号成分SigSum,low的属于该心跳的部段以及如下那些范围的较高频率的信号成分SigSum,high被组合成针对心跳的信号部段SigHz,kar,LF:所述范围的较高频率的信号成分SigSum,high处于针对该心跳的被平均的最大值之上或者处于针对该心跳的被平均的最小值之下。重建器8将这些所估计的信号部段SigHz,kar,LF组合成所估计的呼吸信号Sigkar,est
在通过图12和图13所图解说明的变型方案的优选应用中,预先给定两个频率范围、即针对EKG信号(心源性信号)的从f1直到f2的频率范围和针对EMG信号(呼吸信号)的从f3直到f4的频率范围。适用:f1<f3<f2<f4,也就是说这两个频率范围在从f3直到f2的范围中重叠。和信号SigSum以计算方式被分到三个信号成分上,这三个信号成分即针对从f1直到f3的频率范围的信号成分、针对从f3直到f2的重叠频率范围的信号成分和针对从f2直到f4的频率范围的信号成分。在从f1直到f3的范围中的低频信号成分基本上是心源性信号,也就是说低频信号成分中的呼吸成分可以被忽略。在从f2直到f4的范围中的高频信号成分基本上是呼吸信号,而在从f3直到f2的范围中的中频信号成分由呼吸信号与心源性信号的要考虑的叠加而得出。只有针对从f3直到f2的重叠频率范围,执行刚才描述的方法,亦即尤其是形成两个信号成分SigSum,high和SigSum,low。所估计的呼吸信号Sigres,est由在从f2直到f4的高频范围中的成分以及正如刚才所描述的在从f3直到f2的重叠频率范围中的所获得的呼吸信号组合成。相对应地,所估计的心源性信号Sigkar,est由在从f1直到f3的低频范围中的成分以及正如刚才所描述的在从f3直到f2的重叠频率范围中的所获得的心源性信号组合成。
在刚才描述的构建方案中,信号处理单元5接收至少一个传感器的多个测量值,其中这个传感器不是和信号传感器1、2.1、2.2、3、4,并通过信号处理从这些测量值中产生该或者每个传输通道参数值。也可能的是,信号处理单元5计算至少一个传输通道参数的值,并通过信号处理单元5评估和信号SigSum,信号处理单元5经过计算来测量至少一个传输通道参数的值。因此,针对这个传输通道参数,不需要针对传输通道参数的其他传感器。在图7中示出了可能的传输通道参数,所述可能的传输通道参数可以通过计算和没有自己的物理传感器地被测量,所述可能的传输通道参数即
-R-R间距RR,
-QRS幅度QRS,
-P-Q时间间距PQ,
-P-T时间间距,和
-S-T时间间距ST。
图14至图16示出了其他变型方案,其中为了测量传输通道参数不需要附加的物理传感器。该变型方案的基本思想是,在训练阶段Tp开始之前或者也可以在训练阶段Tp中,确定至少一个参考变化过程、优选地两个或者三个参考变化过程。在使用阶段Np中,信号处理单元5针对每个和信号部段Abs.x、Abs.y、……和每个参考变化过程分别计算单独一致性量度(Einzel-Uebereinstimmungs-Mass),该单独一致性量度是针对在和信号部段与参考变化过程之间的一致性的量度。优选地,每个和信号部段Abs.x、Abs.y、……都首先被标准化。从单独一致性量度中,信号处理单元5计算整体一致性量度(Gesamt-Uebereinstimmungs-Mass)。在该变型方案中,整体一致性量度充当所述传输通道参数或者传输通道参数。如在上面描述的变型方案中那样,信号处理单元5在其他变型方案中也对库12进行读取访问,在所述库12中,针对每个类别的传输通道参数值分别储存有参考信号部段。在这种情况下,每个类别都是可能的整体一致性量度的范围。根据所计算的在针对心跳的和信号部段与所使用的参考变化过程V.1、V.2、……之间的整体一致性量度,信号处理单元5在使用阶段Np中针对每次心跳从库12中分别选出至少一个参考信号部段,并将所述至少一个参考信号部段用作针对该心跳的所估计的信号部段或者根据所选出的参考信号部段来供应所估计的信号部段/>信号处理单元5在使用心跳时间点的情况下将以这种方式供应的所估计的信号部段/>组合成所估计的心源性信号Sigkar,est,或者补偿心脏活动对和信号的影响,而且使用所供应的所估计的信号部段和心跳时间点用于补偿。
在下文,参照图14直到图16阐述了该变型方案的实施形式。又将和信号SigSum划分成和信号部段Abs.x、Abs.y、……,即针对每次心跳分别一个信号部段。这些和信号部段可以是不同长的。通过信号处理单元在需要时截断和信号部段的部分,信号处理单元产生抽样,在所述抽样中,抽样元素包括和信号SigSum的等长部段。这些信号部段的五个峰值(P峰值直到T峰值,参见图7)的相对时间点彼此相差尽可能小。这些等长的并且时间正确地排列的信号部段在下文被称为标准化信号部段,而且在图15中用Abs_std.x、Abs_std.y、……来标明。
这些标准化信号部段Abs_std.x、Abs_std.y、……被排列成矩阵M。该矩阵的每行代表心跳,每列代表采样时间点。信号处理单元在训练路径Tpf的第一部分Tpf.1中将奇异值分解(SVD)或者也将主成分分析(PCA,Principal Component Analysis)应用于这些标准化信号部段的集合上。该步骤按下降的顺序供应多个参考变化过程,其中该顺序以下降的方式与一致性量度有关。第一参考变化过程V.1与标准化信号部段最相一致,以此类推。在图15中,从上向下按下降的顺序示出了三个最重要的参考变化过程V.1直到V.3。这些标准化信号部段可以再次由这些参考变化过程来重建。
在替选的实施形式中,预先给定参考变化过程V.1、V.2。
接下来,信号处理单元5在训练路径Tpf的第二部分Tpf.2中对标准化的和信号部段Abs_std.x、Abs_std.y、……进行分类。为此,在所示的实例中,只使用两个最重要的参考变化过程V.1和V.2。也可能的是,使用两个以上的参考变化过程。信号处理单元5针对每个和信号部段Abs_std.x、Abs_std.y、……分别计算针对在该标准化的和信号部段与所用的所使用的参考变化过程V.1、V.2之间的一致性的量度。例如,所述信号处理单元5计算在标准化的和信号部段Abs_std.x、Abs_std.y、……与参考变化过程V.1、V.2之间的标量积。在图14中,示出了针对第一参考变化过程V.1的单独一致性量度的时间变化过程并且示出了针对第二参考变化过程V.2的单独一致性量度的时间变化过程/>紧接着,信号处理单元5依据两个所计算的单独一致性量度对每个标准化的和信号部段进行分类。在所示的实例中,对每个参考变化过程V.1、V.2分别使用两个类别的单独一致性量度,使得标准化的参考变化过程被编组成总共2*2=4个类别。这些类别被称作/>……、/>在图14中,此外还示出了类别划分的时间变化过程/>
图16在左栏(抽样14)示出了标准化的和信号部段Abs_std.x、Abs_std.y、……,所述标准化的和信号部段Abs_std.x、Abs_std.y、……被分到四个类别……、/>上。信号处理单元5将类别/>……、/>的标准化信号部段Abs_std.x、Abs_std.y、……聚集成每个类别分别一个参考信号部段/>……、/>例如其方式是:信号处理单元5针对每个相对采样时间点关于该类别的标准化信号部段Abs_std.x、Abs_std.y形成平均值或者中值。在右栏中示出了库12,该库12在该情况下具有四个参考信号部段……、/>在使用阶段Np中,信号处理单元5针对每次探测到的心跳从所属的和信号部段Abs.x、Abs.y、……中产生标准化的和信号部段,并计算在该标准化的和信号部段与每个参考变化过程V.1、V.2、……之间的相应的单独一致性量度,例如计算为标量积。信号处理单元5将这两个(或者三个)单独一致性量度联合成优选地二维的整体一致性量度。根据该整体一致性量度/>……、/>信号处理单元5在库12中选出标准化参考信号部段/>……、/>并将所述标准化参考信号部段/>……、/>用作所估计的信号部段/> ……。在使用探测到的心跳时间点H_Zp(1)、H_Zp(2)、……的情况下,信号处理单元5将所选出的所估计的信号部段/>组合成所估计的心源性信号Sigkar,est。优选地,信号处理单元在信号Sigkar,est中在时间上相邻的两个所估计的信号部段之间进行内插,以便填充空隙。
在刚刚所示的版本中的多个版本中,每个抽样元素都分别包括和信号部段或者经过预处理的和信号部段。根据所使用的传输通道参数的所述一个或者多个所计算的值,信号处理单元5在训练阶段Tp中将抽样元素联合成类别。针对每个类别,信号处理单元5分别产生一个参考信号部段,例如产生四个参考信号部段SigHz,kar,LF.1、……、SigHz,kar,LF.4或者……、/>如下不同的方法是可能的:即一个类别的抽样元素的和信号部段如何被组合成参考信号部段,所述参考信号部段接着被储存在库12中。图17示例性地阐明了这种方法。
在x轴上绘制时间,更准确地:绘制多个相对采样时间点。“相对”意思是:相对于信号部段的开始。在y轴上绘制所述所使用的传输通道参数或者所使用的传输通道参数,在该实例中绘制在两次相继的心跳的R峰值之间的R-R间距RR。该方法可以完全一样地也被用于另外的具有作为参数值的数字的传输通道参数,并且也被用于多个传输通道参数。在该实例中,传输通道参数的在y轴上绘制的值域划分成十个以上的类别,在极端情况下直至机器精度,亦即每个在所使用的信号处理单元5上可示出的数字一个类别。在z轴上绘制信号值、亦即和信号在该采样时间点的情况下和在该传输通道参数值的情况下的值。抽样元素的和信号部段首先已被标准化,使得标准化的和信号部段Abs_std.x、Abs_std.y都有相同的长度并且R峰值具有相同的相对采样时间点。在图17中所示的图示中,这些和信号部段时间正确地叠在一起地示出。所有R峰值都处于相对采样时间点T_R处。
在训练阶段Tp中,信号处理单元5针对每个采样时间点(x轴)通过平滑分别计算拟合曲线,所述拟合曲线在y-z平面中延伸。在图17的实例中,这针对R峰值的相对采样时间点T_R被阐明。标准化的和信号部段在该采样时间点T_R所取的那些信号值在y-z平面中在x值T_R处供应点云。信号处理单元5通过在该点云上进行平滑来产生拟合曲线,例如针对采样时间点T_R产生拟合曲线Ak(T_R)。这针对每个采样时间点被执行。借此,沿着x轴产生一系列拟合曲线。在使用阶段Np中,信号处理单元5针对每次探测到的心跳接收或者计算所述传输通道参数或者每个传输通道参数在该心跳的情况下的相应值。在图17的实例中,传输通道参数是R-R间距。信号处理单元5确定所属的类别,传输通道参数值属于所述所属的类别。在极端情况(机器精度)下,每个可能的传输通道参数值都形成自己的类别。信号处理单元5针对在该心跳的变化过程中的每个相对采样时间点确定,分配给相对采样时间点的拟合曲线在该类别中取哪个值。该确定供应了信号值。针对该类别的和针对该系列采样时间点的该系列信号值被用作针对探测到的心跳的所估计的信号部段。从几何学上讲:所属的类别规定了垂直于y轴的平面。拟合曲线与该垂直平面的交点供应所估计的信号部段。
图18直到图23示出了其他变型方案,其中从和信号中确定心源性信号,并应用小波变换。
在图18中,在最上部的行中示出了输入信号E_SigSum的时间变化过程,该输入信号E_SigSum从测量电极2.1和2.2的电测量值中被产生,并且由患者P的心跳活动和呼吸活动的叠加形成。在y轴上,绘制了以mV为单位的测量值。通过相对应的测量值预处理,据此可以产生和信号SigSum
在其下面的行H_Zp中,一方面示出了每次心跳的相应的开始以及相应的QRS区段,例如示出了第x次心跳的开始Anf_Zp(x)和QRS区段H_Zp(x)。在构建方案中,相应的QRS区段充当表征性心跳时间点。
和信号SigSum经历小波变换,其中预先给定不同的频率范围。小波变换对于每个预先给定的频率范围分别供应一个信号成分。在所示的实例中,计算三个信号成分A直到C,优选地计算三个以上的信号成分。针对每个信号成分A直到C,分别执行另外的方法,所述另外的方法在下文予以描述。
针对信号成分A,使用EMG功率(呼吸信号的功率)作为传输通道参数,这在图18中被阐明。为此,在和信号SigSum中以计算方式补偿心源性信号Sigkar的影响,对此例如使用标准信号部段(标准模板),其对于每次心跳都是有效的,或者使用进一步在上面示出的变型方案之一。补偿供应所估计的呼吸信号Sigres,est,所述所估计的呼吸信号Sigres,est还可能具有距实际呼吸信号Sigres相对大的偏差。从所估计的呼吸信号中,例如通过计算有效值(均方根(root mean square)),计算包络线(envelope),该包络线仅仅具有正的信号值。示例性地,区分EMG功率的三个类别EMG_Pow1(低)、EMG_Pow2(中等)和EMG_Pow3(高)。第三行EMG_Pow示出了,当前的EMG功率在哪些时间部段中属于这三个类别中的哪个类别。
在训练阶段中,针对每个类别分别确定界限,亦即总共确定三个界限(针对EMG_Pow1的)Max_Pow1,(针对EMG_Pow2的)Max_Pow2和(针对EMG_Pow3的)Max_Pow3。该行示出了在使用阶段中的应用。要确定信号成分A中的心源性成分。在信号成分A(用SigSum,A标明)中,如下那些值被用作为属于心源性成分:所述值的相应的数额(绝对值)处于相应的界限Max_Pow1、Max_Pow2、Max_Pow3之上。这是哪个阈值与当前的EMG功率有关。另外的信号值以计算方式被设置到零。
图19示出了针对信号成分B的方案,该信号成分B用SigSum,B来标明。该方案同样使用EMG功率,并且与针对信号成分A的方案区别如下:代替形成多个类别的EMG功率和接着针对每个类别确定界限,根据EMG功率计算随时间变化的界限Max_Pow(t)。为了使用在信号成分B中的心源性成分,针对该时间点t使用在界限Max_Pow(t)之上的信号值SigSum,B(t)。
图20和图21示出了针对信号成分C的方案,该信号成分C用SigSum,C来标明。肺部充盈水平LF被用作传输通道参数。在该实例中,区分三个类别的肺部充盈水平,即区分LF.1、LF.2、LF.3。在图20的上部行中,示出了肺部充盈水平的时间变化过程和相应的类别。在图20的中间行中,针对每次心跳,根据相应的类别LF.n分别示出经过平滑的包络线SigSum,LF.n
从信号成分中,例如通过计算有效值(均方根),计算信号功率。该计算供应了信号功率的时间变化过程。对于每次心跳,分别计算功率变化过程部段。根据在该心跳的情况下的肺部充盈水平LF.1或者LF.2或者LF.3,借此计算功率变化过程部段SigHz,Pow,LF.1或者SigHz,Pow,LF.2或者SigHz,Pow,LF.3
针对肺部充盈水平类别LF.1或者LF.2或者LF.3的功率变化过程部段时间正确地叠置。一个类别的被叠置的部段被联合、例如被求平均。借此,针对每个类别,分别形成标准功率变化过程部段。在图20的下部行中,示出了以这种方式计算的三个标准功率变化过程部段SigHz,Pow,LF.1和SigHz,Pow,LF.2及SigHz,Pow,LF.3。从这三个标准功率变化过程部段中,针对三个类别LF.1、LF.2、LF.3计算三个随时间变化的界限Max_Pow.LF.1、Max_Pow.LF.2和Max_Pow.LF.3。在构建方案中,一个类别的标准功率变化过程部段被缩放和被夹紧(geklemmt),例如其方式是:计算标准功率变化过程部段的中值:
Median_Pow.LF.n=median(SigHz,Pow,LF.n)。
接着,根据该中值,例如根据公式
Max_Pow.LF.n=min(α*Median_Pow.LF.n,β+γ*Median_Pow.LF.x/SigHz,Pow,LF,n),
计算界限Max_Pow.LF.n。在这种情况下,α、β和γ是预先给定的常数,例如α=6,β=0.01和γ=0.05。
这些界限Max_Pow.LF.1、Max_Pow.LF.2和Max_Pow.LF.3在该方案中是训练阶段Tp的结果。
在使用阶段Np中,又仅使用信号成分C的如下那些值作为属于心源性信号:所述值处在针对相应的肺部充盈水平类别的界限之上。图21在上部行中重新示出了针对三个类别的肺部充盈水平的三个界限。在第二行中示出了信号成分C,该信号成分C又用SigSum,C来标明。根据相应的肺部充盈水平类别LF.1或者LF.2或者LF.3,录入相应的界限Max_Pow.LF.1或者Max_Pow.LF.2或者Max_Pow.LF.3。
三个信号成分A、B和C中的相应的心源性成分被组合成所估计的心源性信号Sigkar,est。在第三行中示出所估计的心源性信号Sigkar,est。由和信号SigSum和所估计的心源性信号Sigkar,est构成的差供应所估计的呼吸信号Sigres,est,所述所估计的呼吸信号Sigres,est在第四行中被示出。
可能的是,使用附加的传输通道参数,即使用瞬时EMG功率,如这参照图19针对信号成分B已阐述的那样。
图22(训练阶段)和图23(使用阶段)示出了针对信号成分C的方法的修改方案。肺部充盈水平LF再次被用作传输通道参数,并再次区分肺部充盈水平的三个不同类别LF.1、LF.2、LF.3。这些类别LF.1、LF.2、LF.3的时间变化过程在图22中在最上部的行中被阐明。
在(又用SigSum,C标明的)信号成分C中,针对每次心跳都探测两个表征性心跳时间点、即P峰值的最大值和QRS区域的最大值。这些概念已参照图7进行了阐述。在图22中,示例性地示出了针对三次心跳x、y、z的三个最大P值Max_P(x)、Max_P(y)和Max_P(z)以及三个最大QRS值Max_QRS(x)、Max_QRS(y)和Max_QRS(z)。
从这些最大值中计算两个直方图,即针对最大P值的直方图Hist_P和针对最大QRS值的直方图Hist_QRS。信号值绘制在x轴上,百分比的频度绘制在y轴上。
在使用这两个直方图Hist_P和Hist_QRS的情况下,再次针对三个类别LF.1、LF.2、LF.3计算三个随时间变化的界限。这些界限用Max_PQRS.LF.1、Max_PQRS.LF.2和Max_PQRS.LF.3来标明。
针对类别LF.n的平均值Mean_QRS.LF.x通过如下方式来计算:关于属于类别LF.n的所有心跳的QRS区段的所有最大值Max_QRS(x)求算术平均或者以另外的方式求平均。相对应地,通过如下方式计算类别LF.n的平均值Mean_P.LF.x:关于属于类别LF.n的所有心跳的P峰值的所有最大值Max_P(x)求平均。这六个平均值被录入在图22中。
在使用阶段Np的开始,使用预先给定的界限。一探测到足够的心跳,就针对每个类别LF.1、LF.2、LF.3分别使用两个不同的界限,即
-在心跳的P波的时间范围中,根据如下计算规则的界限
α1-β1*Mean_P.LF.x,和
-在心跳的QRS区段的时间范围中,根据如下计算规则的界限
α2-β2*Mean_QRS.LF.x。
例如,四个预先给定的常数具有值α1=0.05、β1=0.5、α2=0.025和β2=0.05。
图23再次阐明了,在使用阶段Np中如何使用三个随时间变化的界限Max_PQRS.LF.1、Max_PQRSLF.2和Max_PQRS.LF.3,以便计算所估计的心源性信号Sigkar,est并且接着计算所估计的呼吸信号Sigres,est
附图标记列表
1 通气设备,辅助患者P的呼吸活动,包括信号处理单元5
2.1 在患者P的胸部上的靠近心脏和远离横隔膜的一组测量电极,充当一组和信号传感器
2.2 在患者P的腹部上的远离心脏和靠近横膈膜的一组测量电极,充当一组和信号传感器
3 在患者P的嘴部之前的压力传感器,充当一组和信号传感器
4 视频摄像机,该视频摄像机对准患者P的胸部区域,产生测量值系列MWR
5 信号处理单元,从和信号SigSum中产生所估计的呼吸信号Sigres,est和/或所估计的心源性信号Sigkar,est,包括信号预处理器13、心跳时间点探测器7、重建器8和补偿器9
6 信号估计单元,根据所述传输通道参数或者每个传输通道参数(这里为:肺部充盈水平LF)的所测量的值,供应所述形状参数值或者每个形状参数值,并且供应在只有一次的心跳的变化过程中的心源性信号的所期望的变化过程SigHz,kar,LF或者呼吸信号的所期望的变化过程SigHz,res,LF,所述信号估计单元对库12进行读取访问
7 信号处理单元5中的心跳时间点探测器,探测每次心跳的相应的时间点H_Zp(n)
8 信号处理单元5中的重建器,将所估计的信号部段SigHz,kar组合成所重建的(所估计的)心源性信号Sigkar,est
9 补偿器,以计算方式补偿呼吸信号Sigres对和信号SigSum的影响
10 机械传感器,该机械传感器测量针对位置Pos的量度
11 心跳时期探测器,测量在两次相继的心跳的两个表征性时间点H_Zp(x)、H_Zp(x+1)之间的时期,和/或测量每次心跳的相应的心跳时段H_Zr(x)、H_Zr(x+1)
12 库,其对每个类别分别具有所估计的信号部段SigHz,kar,LF,所述所估计的信号部段SigHz,kar,LF描述在分别一次心跳的变化过程中的所估计的心源性信号SigHz,kar,LF.1、……
13 信号预处理器,对测量电极2.1和2.2和/或气动传感器3和/或光学传感器4的电信号进行预处理,包括放大器和模数转换器,在构建方案中执行基线去除
14 具有抽样元素的抽样,所述抽样元素按照传输通道参数来分类并且分别包括在心跳的变化过程中的信号部段
16 食道Sp中的传感器
Abs.w、Abs.x、Abs.y、Abs.z 和信号SigSum在心跳的变化过程中的具有表征性时间点H_Zp(w)或H_Zp(x)或H_Zp(y)或H_Zp(z)的部段
Abs_DT.w、Abs_DT.x、Abs_DT.y 通过消除趋势产生的经过预处理的和信号部段
Abs_std.x、Abs_std.y 针对分别一次心跳的修正过的信号部段,均为等长的并且时间正确地定向
Ak(T) 针对相对采样时间点T的拟合曲线
AM 患者P的呼吸肌,是呼吸信号Sigres的来源
Ap 适配阶段,在该适配阶段中,信号估计单元6被适配于到目前为止的抽样元素,与使用阶段Np重叠
Atm.1、Atm.2、…… 通过患者P的呼吸活动引起的在所估计的呼吸信号Sigres,est中的振荡
FP-W(1)、FP-W(2)、…… 针对心跳的一组形状参数值
H_Zp(n) 第n次心跳的由心跳时间点探测器7探测到的时间点(n=1、2、……)
Hist_P 针对P峰值的最大值的直方图
Hist_QRS 针对QRS峰值的最大值的直方图
HM 患者P的心肌,是心源性信号Sigkar的来源
H_Zp(x) 第x次心跳的表征性心跳时间点
H_Zr(x) 第x次心跳的心跳时段
LF 患者P的肺部的当前充盈水平,与体积流Vol'关联,是传输通道参数
LF.1、……、LF.4 肺部充盈水平的类别,在一个构建方案中,在库12中给这些类别分别分配有参考信号部段SigHz,kar,LF.1、……、SigHz,kar,LF.4,并且在另一个构建方案中,分别分配有一组形状参数值;每个类别都被使用,以便估计在单次心跳的变化过程中的心源性信号SigHz,kar,LF或者呼吸信号SigHz,res,LF
LQ.a、LQ.b、LQ.c、Q.d 示例性分成多个类别:由针对肺部充盈水平LF的三个类别和针对呼出时间点处于Q波之前的事件的一个类别组成
Max.1、…… 在心跳的变化过程中出现在针对较高的频率范围的信号成分SigSum,high中的最大值
MWR 具有图像序列的测量值系列,该图像序列由视频摄像机4拍摄,在变型方案中供应所使用的和信号
Max_MW.LF.1、Max_MW.LF.2 信号成分SigSum,high的如下所有部段的被平均的最大值:所述部段属于肺部充盈水平LF.1、LF.2、……,所述被平均的最大值储存在库12中
Max_P(x) 第x次心跳的P峰值的最大值
Mean_P.LF.n 关于如下心跳的所有最大值Max_P(x)的平均值:在所述心跳的所有最大值Max_P(x)的情况下,肺部充盈水平属于类别LF.n
Max_Pow.LF.1、Max_Pow.LF.2、Max_Pow.LF.3 为了在信号成分C(SigSum,C)中发现心源性成分的界限,在使用阶段Np中根据针对三个类别LF.1、LF.2、LF.3的相应的EMG功率来计算
Max_PQRS.LF.1、Max_PQRS.LF.2、Max_PQRS.LF.3 针对三个类别LF.1、LF.2、LF.3的界限,以便在信号成分C(SigSum,C)中发现心源性成分,在使用阶段Np中根据两个直方图Hist_QRS和Hist_P来计算
Max_QRS(x) 第x次心跳的QRS区段的最大值
Mean_QRS.LF.n 关于如下心跳的所有最大值Max_QRS(x)的平均值:在所述心跳的所有最大值Max_QRS(x)的情况下,肺部充盈水平属于类别LF.n
Np 使用阶段,在训练阶段Tp之后,与适配阶段Ap重叠
Npf 使用路径,描述了在使用阶段Np期间的步骤和组成部分
P 患者,该患者的自己的呼吸活动由通气设备1来辅助,由测量电极2.1和2.2、由气动传感器3并且由视频摄像机4测量
Pos 测量电极2.1、2.2相对于患者P的心脏的位置,由传感器10测量,充当其他传输通道参数
Sigges 针对患者P的呼吸和通气的总信号,通过叠加患者P的自己的呼吸活动和经过通气设备1进行的人工通气来形成
Sigkar,est 所重建的(所估计的)心源性信号,在使用心跳时间点H_Zp(n)的情况下由所估计的心源性信号部段SigHz,kar组合成
SigHz,kar 所估计的信号部段:在单次心跳的变化过程中的心源性信号的部段,由信号估计单元6供应
SigHz,kar,LF 所估计的心源性信号部段,这是所估计的心源性信号Sigkar,est在只有一次的心跳的变化过程中的部段,所述所估计的心源性信号Sigkar,est与所述传输通道参数或者每个传输通道参数(这里为:肺部充盈水平LF)的当前值LF.1、……、LF.4适配,由信号估计单元6供应
SigHz,kar,LF1、……、SigHz,kar,LF.4 储存在库12中的针对肺部充盈水平LF的四个类别LF.1、……、LF.4的心源性参考信号部段
……、/> 储存在库12中的心源性参考信号部段,所述心源性参考信号部段为针对与参考变化过程V.1、V.2的四个类别/>……、/>的一致性量度的的心源性参考信号部段
所估计的心源性信号部段,由信号估计单元6根据整体一致性量度来供应
Sigkar 心源性信号,描述了患者P的心脏活动
Sigkar,est 由信号处理单元5产生的针对心源性信号Sigkar的估计
SigHz,Ref 预先给定的标准参考信号部段,在单次心跳的变化过程中的平均心源性信号部段
Sigres 呼吸信号,描述患者P的自己的呼吸活动
Sigres,est 由信号处理单元5产生的针对呼吸信号Sigres的估计
SigHz,res,LF 所估计的呼吸信号部段,这是所估计的呼吸信号在只有一次的心跳的变化过程中的部段,所述所估计的呼吸信号与所述传输通道参数或者每个传输通道参数(这里为:肺部充盈水平LF)的当前值LF.1、……、LF.4适配,由信号估计单元6根据至少一个传输通道参数值来供应
SigHz,res,LF.1、……、SigHz,res,LF.4 储存在库12中的呼吸参考信号部段,所述呼吸参考信号部段是针对肺部充盈水平LF的四个类别LF.1、……、LF.4的呼吸参考信号部段
SigSum 和信号,由和信号传感器2.1、2.2、3或者4测量,是呼吸信号Sigres和心源性信号Sigkar的叠加
SigSum,high 和信号SigSum的处于较高频率范围中的成分
SigSum,low 和信号SigSum的处于较低频率范围中的成分
S_Q 信号,该信号描述了其他传输通道参数,即患者P的呼出是否紧接在Q波之前开始
Sp 患者P的食道
Tnn 针对心源性信号Sigkar的其他传输通道,始于心肌
Tns 针对心源性信号Sigkar的传输通道,从心肌通到传感器2.1、2.2
Tss 针对呼吸信号Sigres的传输通道,从呼吸肌通到传感器2.1、2.2
Tp 训练阶段,处于适配阶段Ap之前
Tpf 训练路径,描述了在训练阶段Tp和随后的适配阶段Ap期间的步骤和组成部分
T_R 相对采样时间点,R峰值落在该相对采样时间点上
…… 整体一致性量度,与在和信号部段与参考变化过程V.1、V.2之间的一致性有关
Vol' 呼吸空气进入和离开呼吸道Aw的体积流,与肺部充盈水平LF关联,是与如下人类学变量(这里为:肺部充盈水平LF)关联的传输通道参数:所述人类学变量影响传输通道Tns
V.1、……、V.3 参考变化过程,通过奇异值分解(SVD)从标准化的和信号部段Abs_std.x、Abs_std.y、……中来产生
Zw 患者P的横隔膜。

Claims (33)

1.一种计算机实施的用于在使用信号处理单元(5)的情况下以计算方式来确定针对心源性信号(Sigkar)和/或呼吸信号(Sigres)的估计(Sigkar,est,Sigres,est)的方法,
其中所述心源性信号(Sigkar)是针对患者(P)的心脏活动的量度,并且所述呼吸信号(Sigres)是针对所述患者(P)的自己的自主呼吸和/或人工通气的量度,其中所述方法包括训练阶段(Tp)和随后的使用阶段(Np),
其中至少在所述训练阶段(Tp)中,所述信号处理单元(5)接收和处理至少一个和信号传感器(2.1,2.2)的测量值,所述和信号传感器(2.1,2.2)测量在所述患者(P)的身体内产生的信号,
其中至少在所述训练阶段(Tp)中,根据所述和信号传感器(2.1,2.2)的测量值的时间变化过程,所述信号处理单元(5)产生和信号(SigSum),所述和信号(SigSum)通过所述患者(P)的所述心脏活动和所述自主呼吸和/或人工通气的叠加造成,
其中所述信号处理单元(5)在所述训练阶段(Tp)中
-探测所述患者(P)在所述训练阶段(Tp)中执行的多次心跳,和
-产生具有多个抽样元素的抽样(14),其中每个抽样元素都分别涉及一次探测到的心跳,其中产生针对心跳的抽样元素包括以下步骤:所述信号处理单元(5)
-确定所述和信号(SigSum)的属于所述心跳的部段(Abs.w,Abs.x,Abs.y,Abs.z),
-针对至少一个形状参数,通过评估和信号部段(Abs.w,Abs.x,Abs.y,Abs.z)来确定所述形状参数在所述心跳的情况下所取的相应的值,
其中所述形状参数影响所述心源性信号(Sigkar)和/或所述呼吸信号(Sigres)的变化过程,-接收针对预先给定的第一传输通道参数(LF)的至少一个值(LF.1,……,LF.4),所述预先给定的第一传输通道参数(LF)在所述心跳的情况下已由其他传感器(3,4)测量,或者通过评估所述和信号(SigSum)计算这种值,
其中所述第一传输通道参数(LF)与人类学变量对从在所述患者(P)的身体内的信号源到所述和信号传感器(2.1,2.2)的传输通道(Tss,Tns)的作用关联,和
-产生针对所述心跳的所述抽样元素,使得所述抽样元素包括针对所述心跳所计算的所述形状参数值和所述第一传输通道参数(LF)的在所述心跳的情况下所测量的或者所计算的所述值(LF.1,……,LF.4),
其中在所述训练阶段(Tp)期间,在使用所述抽样(14)的情况下,所述信号处理单元(5)生成信号估计单元(6),所述信号估计单元(6)根据所述第一传输通道参数(LF)来供应所述形状参数,
其中在所述使用阶段(Np)期间,所述信号处理单元(5)探测所述患者(P)在所述使用阶段(Np)的变化过程中执行的至少一次心跳,
其中针对在所述使用阶段(Np)中探测到的至少一次心跳,执行如下步骤:所述信号处理单元(5)
-探测所述心跳的表征性时间点(H_Zp)或者时段(H_Zr),
-从所述其他传感器(3,4)接收所述第一传输通道参数(LF)的值(LF.1,……,LF.4),所述第一传输通道参数(LF)的所述值(LF.1,……,LF.4)在所述心跳的情况下已被测量,或者
-也在所述使用阶段(Np)中,根据所述和信号传感器(2.1,2.2)的测量值,产生和信号(SigSum),并通过评估所述和信号(SigSum)来计算这种值,
-通过将所述信号估计单元(6)应用于在所述心跳的情况下所测量的或者所计算的传输通道参数值(LF.1,……,LF.4),计算针对所述形状参数的值,并且
-在使用所计算的形状参数值的情况下,计算针对所述心跳的所估计的心源性信号部段(SigHz,kar,LF,SigHz,kar,LQ)和/或所估计的呼吸信号部段所述所估计的心源性信号部段(SigHz,kar,LF,SigHz,kar,LQ)和/或所估计的呼吸信号部段/> 近似描述在所述心跳的变化过程中的所述心源性信号(Sigkar)和/或所述呼吸信号(Sigres),
其中在所述使用阶段(Np)中此外还执行如下三个步骤中的至少一个步骤:
在使用在所述使用阶段(Np)中所测量的每个表征性心跳时间点(H_Zp)或者心跳时段(H_Zr)的情况下,所述信号处理单元(5)
-将针对所述探测到的心跳的所计算的所估计的心源性信号部段(SigHz,kar,LF,SigHz,kar,LQ)组合成所述所估计的心源性信号(Sigkar,est),
-将针对所述探测到的心跳的所计算的所估计的呼吸信号部段组合成所述所估计的呼吸信号(Sigres,est),或者
-通过以计算方式补偿所述心脏活动,确定所述所估计的呼吸信号(Sigres,est),
其中在所述使用阶段(Np)中通过以计算方式进行补偿来确定所述所估计的呼吸信号(Sigres,est)的步骤包括以下步骤:所述信号处理单元(5)
-也在所述使用阶段(Np)中,根据所述和信号传感器(2.1,2.2)的测量值来产生和信号(SigSum),和
-针对至少一次在所述使用阶段(Np)中探测到的心跳,在使用针对所述心跳的所述所估计的心源性信号部段(SigHz,kar,LF,SigHz,kar,LQ)的情况下,以计算方式补偿所述心跳对在所述使用阶段(Np)中所产生的和信号(SigSum)的影响。
2.根据权利要求1所述的方法,
其特征在于,
在使用所述抽样(14)的情况下生成所述信号估计单元(6)的步骤包括以下步骤:所述信号处理单元(5)
-依据所述抽样元素的传输通道参数值(LF.1,……,LF.4,LQ.a,……,LQ.d),将所述抽样元素分到抽样元素类别上,使得一个类别的所述抽样元素的所述传输通道参数值(LF.1,……,LF.4,LQ.a,……,LQ.d)彼此之间最多相差了预先给定的绝对的或者百分比的界限,
-针对每个类别分别计算参考传输通道参数值域和所分配的参考信号部段
其中所述信号处理单元(5)将所述类别的所述和信号部段(Abs.w,Abs.x,Abs.y,Abs.z)联合成所述参考信号部段 并且
其中所述所分配的参考信号部段 充当所述形状参数或者形状参数,并且
-产生所述信号估计单元(6),使得所述信号估计单元(6)包括具有多个参考信号部段的库(12),所述参考信号部段/>分别分配给参考传输通道参数值域,和
在所述使用阶段(Np)中将所述信号估计单元(6)应用于传输通道参数值的步骤包括以下步骤:所述信号处理单元(5)
-根据接收到的传输通道参数值,确定至少一个参考传输通道参数值域和分别所分配的参考信号部段
-根据每个所确定的参考信号部段 计算所述所估计的信号部段。
3.根据权利要求2所述的方法,
其特征在于,
在所述训练阶段(Tp)中,针对每个抽样元素类别,所述信号处理单元(5)从所述抽样元素类别的所述传输通道参数值中分别计算参考传输通道参数值,并将所述参考传输通道参数值用作所述抽样元素类别的所述参考传输通道参数值域,并且
在所述使用阶段(Np)中将所述信号估计单元(6)应用于在所述心跳的情况下所测量的传输通道参数值的步骤包括以下步骤:所述信号处理单元(5)
-在所述库(12)中确定第一和第二参考信号部段,所述第一和第二参考信号部段分配给第一和第二参考传输通道参数值作为所述第一和所述第二参考信号部段的相应的传输通道参数值域,
-其中所述第一参考传输通道参数值小于或者等于所述在所述心跳的情况下所测量的传输通道参数值,并且所述第二参考传输通道参数值大于或者等于所述在所述心跳的情况下所测量的传输通道参数值,和
-通过在第一和第二所确定的参考信号部段之间进行平滑,计算针对所述心跳所估计的信号部段
4.根据权利要求2或者3所述的方法,
其特征在于,
预先给定或者在所述训练阶段(Tp)中由所述信号处理单元(5)计算所述和信号(SigSum)在心跳的变化过程中的至少一个参考变化过程(V.1,V.2,……),和所述信号处理单元(5)在针对心跳接收或者计算所述第一传输通道参数(LF)的值的步骤中
-确定属于所述心跳的所述和信号部段(Abs.w,Abs.x,Abs.y,Abs.z),
-计算针对在所述和信号部段(Abs.w,Abs.x,Abs.y,Abs.z)与所述参考变化过程(V.1,V.2,……)之间的一致性的量度,和
-在使用所计算的一致性量度的情况下,计算针对所述心跳的所述第一传输通道参数值,
其中所述信号处理单元(5)在所述使用阶段(Np)中产生的每个类别的抽样元素分别包括可能的一致性量度的值域作为参考传输通道参数值域。
5.根据权利要求4所述的方法,
其特征在于,
在所述训练阶段(Tp)中,在使用在所述训练阶段(Tp)中所确定的所述和信号部段(Abs.w,Abs.x,Abs.y,Abs.z)的情况下,所述信号处理单元(5)计算所述参考变化过程。
6.根据权利要求2或者3所述的方法,
其特征在于,
所述信号处理单元(5)针对抽样元素类别将所述类别的所述和信号部段(Abs.w,Abs.x,Abs.y,Abs.z)联合成所述参考信号部段的步骤包括以下步骤:所述信号处理单元(5)
-以计算方式叠置所述类别的所述和信号部段(Abs.w,Abs.x,Abs.y,Abs.z),使得每个和信号部段(Abs.w,Abs.x,Abs.y,Abs.z)都涉及相同系列的相对采样时间点,
-针对每个相对采样时间点(T_R),通过应用平滑方法分别产生拟合曲线[Ak(T_R)],所述拟合曲线[Ak(T_R)]分别将参考信号值分配给一个抽样元素类别的每个传输通道参数值域,和
-针对每个传输通道参数值域,沿着所述相对采样时间点确定一系列拟合曲线值,并使用所述系列作为针对所述传输通道参数值域的所述参考信号部段。
7.根据权利要求1至3中任一项所述的方法,
其特征在于,
在确定所述所估计的呼吸信号(Sigres,est)时以计算方式补偿所探测到的心跳对所述和信号(SigSum)的影响的步骤包括以下步骤:所述信号处理单元(5)
-确定所述心跳的心跳时段(H_Zr),并且
-在所述和信号(SigSum)的处于所述心跳时段(H_Zr)中的那个部段中,在使用针对所述心跳估计的心源性信号部段(SigHz,kar,LF,SigHz,kar,LQ)的情况下,以计算方式补偿所述心跳的所述影响。
8.根据权利要求1至3中任一项所述的方法,
其特征在于,
产生针对心跳的所述抽样元素包括以下其他步骤:
所述信号处理单元(5)
-接收至少一个其他的预先给定的传输通道参数(Q,RR)的在所述心跳的变化过程中所测量的值,所述至少一个其他的预先给定的传输通道参数(Q,RR)与同一或者其他人类学变量对到所述和信号传感器(2.1,2.2)的所述传输通道或者传输通道(Tss,Tns)的作用关联,和
-产生针对所述心跳的所述抽样元素,使得所述抽样元素附加地包括每个其他传输通道参数(Q,RR)的相应的在心跳的变化过程中所测量的值,
所述信号处理单元(5)生成所述信号估计单元(6),使得所述信号估计单元(6)针对心跳根据所述第一传输通道参数(LF)和所述其他传输通道参数(Q,RR)来供应所述形状参数,并且
所述信号处理单元(5)在所述使用阶段(Np)中针对每次探测到的心跳执行以下其他步骤:所述信号处理单元(5)
-从所述其他传感器(3,4)接收分别测量的值,或者通过评估所述和信号(SigSum)来计算所述分别测量的值,所述第一传输通道参数(LF)和所述其他传输通道参数(Q,RR)在所述心跳的情况下取所述分别测量的值,并且
-通过将所述信号估计单元(6)应用于在所述心跳的情况下所测量的所述传输通道参数值,分别计算针对所述形状参数的值。
9.根据权利要求8所述的方法,
其特征在于,
所述第一传输通道参数与所述患者(P)的肺部的充盈水平(LF)关联,并且所述其他传输通道参数或者其他传输通道参数(Q)与在单次呼吸过程和/或通气过程期间的阶段关联。
10.根据权利要求1至3中任一项所述的方法,
其特征在于,
所述传输通道参数或者传输通道参数(LF)与所述患者(P)的所述身体的几何形状有关,和
所述信号处理单元(5)既在所述训练阶段(Tp)中又在所述使用阶段(Np)中接收并处理多个测量值,电传感器或者机械传感器或者气动传感器或者光学传感器已测量所述测量值,其中所述传感器的所述测量值与所述患者(P)的当前的身体几何形状关联。
11.根据权利要求10所述的方法,
其特征在于,
与所述患者(P)的所述身体的所述几何形状有关的所述传输通道参数(LF)是所述患者(P)的当前呼吸状态和/或通气状态,并且
测量值与所述患者(P)的所述当前的身体几何形状关联的传感器是呼吸状态传感器,所述呼吸状态传感器测量所述患者(P)的所述当前呼吸状态和/或通气状态。
12.根据权利要求11所述的方法,
其特征在于,
所述呼吸状态传感器测量
-进入到所述患者(P)中和/或离开所述患者(P)的所述身体的气体的流(Vol'),
-所述患者(P)的呼吸道压力(Paw),
-来自通气设备(1)或者进入到通气设备(1)的气体的流,和/或
-在所述患者(P)的皮肤上的至少一个点的当前位置、速度和/或加速度,
其中所述通气设备(1)与所述患者(P)处于流体连接。
13.根据权利要求11所述的方法,
其特征在于,
所述和信号传感器(2.1,2.2)定位在所述患者(P)的皮肤上,
其中所述信号处理单元(5)接收针对在所述皮肤上的所述和信号传感器(2.1,2.2)相对于参考点的相应的当前位置(Pos)的测量值,
其中至少一个位置传感器既在所述训练阶段(Tp)中又在所述使用阶段(Np)中测量相对位置,
其中所述信号处理单元(5)在所述训练阶段(Tp)中
-借助所述呼吸状态传感器的测量值和所述位置传感器的测量值,产生函数关系,所述函数关系根据所述患者(P)的所述呼吸状态和/或通气状态来描述在所述皮肤上的所述和信号传感器(2.1,2.2)的所述相对位置,和
-产生所述信号估计单元(6),使得所述信号估计单元(6)针对心跳根据所述和信号传感器(2.1,2.2)在所述皮肤上的相应的所测量的相对位置来供应所述形状参数,和其中所述信号处理单元(5)在所述使用阶段(Np)中针对至少一次探测到的心跳
-接收如下测量值:所述测量值与所述患者(P)在所述心跳的情况下的所述当前呼吸状态和/或通气状态关联,
-通过将所述函数关系应用于所测量的所述当前呼吸状态和/或通气状态,计算所述和信号传感器(2.1,2.2)的当前相对位置,并且
-通过将所述信号估计单元(6)应用于所计算的所述相对位置,计算针对所述心跳的所述所估计的信号部段
14.根据权利要求1至3中任一项所述的方法,
其特征在于,
所述信号处理单元(5)测量所述第一传输通道参数或者其他传输通道参数(RR)的值,其方式是:所述信号处理单元(5)评估接收到的和信号(SigSum)。
15.根据权利要求14所述的方法,
其特征在于,
所述通过评估所述和信号(SigSum)所测量的传输通道参数(RR)或者通过评估所述和信号(SigSum)所测量的传输通道参数(RR)是
-在两次相继的心跳的两个表征性时间点之间的间距(RR),或者
-在只有一次的心跳的变化过程中的两个信号峰值(R,S)之间的间距,或者
-所述和信号(SigSum)在只有一次的心跳的变化过程中的最大值(R)与最小值(S)之间的差。
16.根据权利要求1至3中任一项所述的方法,
其特征在于,
预先给定标准参考信号部段(SigHz,kar),所述标准参考信号部段(SigHz,kar)由在心跳的变化过程中的所述心脏活动造成,
其中所述标准参考信号部段(SigHz,kar)与所述形状参数或者至少一个形状参数有关,
其中产生针对心跳的所述抽样元素包括以下步骤:所述信号处理单元(5)
-通过评估所述和信号部段(Abs.w,Abs.x,Abs.y,Abs.z),分别计算针对所述标准参考信号部段(SigHz,kar)的所述形状参数的值,和
-产生针对所述心跳的所述抽样元素,使得所述抽样元素包括所述形状参数的相应的针对所述心跳所计算的值,
其中所述信号处理单元(5)生成所述信号估计单元(6),使得所述信号估计单元(6)根据所述第一传输通道参数(LF)来供应所述标准参考信号部段(SigHz,kar)的所述形状参数,并且
其中在所述使用阶段(Np)中针对探测到的心跳计算所述所估计的信号部段 的步骤包括以下步骤:所述信号处理单元(5)
-通过将所述信号估计单元(6)应用于传输通道参数(LF、Q、RR)的所述或者每个在探测到的心跳的情况下所测量的值,计算所述标准参考信号部段(SigHz,kar)的所述形状参数的相应值,
-在使用所述形状参数的相应的所计算的值的情况下,适配预先给定的标准参考信号部段(SigHz,kar);以及
-根据所适配的标准参考信号部段,计算针对所述心跳的所述所估计的信号部段
17.根据权利要求1至3中任一项所述的方法,
其特征在于,
所述信号处理单元(5)从至少一个远离心脏的和信号传感器(2.2)和至少一个靠近心脏的和信号传感器(2.1)接收测量值,所述至少一个远离心脏的和信号传感器(2.2)和至少一个靠近心脏的和信号传感器(2.1)测量在所述患者(P)的所述身体内产生的信号,
其中与所述靠近心脏的和信号传感器(2.1)相比,所述远离心脏的和信号传感器(2.2)距所述患者(P)的心肌具有更大的间距,并且
所述信号处理单元(5)
-在所述训练阶段(Tp)中,在使用所述远离心脏的和信号传感器(2.2)的测量值的情况下,产生所述和信号(SigSum),以及
-在所述使用阶段(Np)中,在使用所述靠近心脏的和信号传感器(2.1)的测量值的情况下,探测每次心跳及其表征性时间点和/或该心跳的所述心跳时段(H_Zr)。
18.根据权利要求17所述的方法,
其特征在于,
与所述靠近心脏的和信号传感器(2.1)相比,所述远离心脏的和信号传感器(2.2)距所述患者(P)的呼吸肌的肌肉具有更小的间距,
其中所述信号处理单元(5)在所述使用阶段(Np)中
-在使用所述远离心脏的和信号传感器(2.2)的测量值的情况下,产生所述和信号(SigSum),
-而不使用所述靠近心脏的和信号传感器(2.1)的所述测量值。
19.根据权利要求1至3中任一项所述的方法,
其特征在于,
所述信号处理单元(5)至少在所述训练阶段(Tp)中
-接收至少一个第一和信号传感器的测量值,所述至少一个第一和信号传感器分别在第一位置处测量在所述患者(P)的所述身体内产生的信号,和
-接收至少一个第二和信号传感器的测量值,所述至少一个第二和信号传感器分别在第二位置处测量在所述患者(P)的所述身体内产生的信号,
并且所述方法包括以下附加步骤:所述信号处理单元(5)在所述训练阶段(Tp)中
-根据所述第一和信号传感器的测量值,产生第一和信号,和
-根据所述第二和信号传感器的测量值,产生第二和信号,
在所述训练阶段(Tp)中,此外
-在使用所述第一和信号的情况下产生第一抽样,并且在使用所述第二和信号的情况下产生第二抽样,和
-在使用所述第一抽样的情况下产生第一信号估计单元,并且在使用所述第二抽样的情况下产生第二信号估计单元,而且
在所述使用阶段(Np)中,针对每次探测到的心跳
-通过应用所述第一信号估计单元来产生所估计的第一信号部段,和通过应用所述第二信号估计单元来产生所估计的第二信号部段,以及
-将所述所估计的第一信号部段和所述所估计的第二信号部段联合成针对所述心跳的所估计的信号部段
20.根据权利要求19所述的方法,
其特征在于,
产生针对心跳的所述抽样元素包括以下步骤:
所述信号处理单元(5)
-接收第一参数传感器的测量值,所述第一参数传感器测量所述第一传输通道参数(LF)的第一值,和
-接收第二参数传感器的测量值,所述第二参数传感器测量所述第一传输通道参数(LF)或者第二传输通道参数(Q)的第二值,
在所述训练阶段(Tp)中
-生成所述第一信号估计单元,使得所述第一信号估计单元根据由所述第一参数传感器所测量的所述传输通道参数(LF)来供应所述形状参数,和
-生成所述第二信号估计单元,使得所述第二信号估计单元根据由所述第二参数传感器所测量的所述传输通道参数(Q)来供应所述形状参数,并且
在所述使用阶段(Np)中,针对每次探测到的心跳
-接收所述第一参数传感器在所述心跳的情况下已测量到的第一参数值,
-接收所述第二参数传感器在所述心跳的情况下已测量到的第二参数值,
-通过将所述第一信号估计单元应用于所述第一参数值,产生所述所估计的第一信号部段,和
-通过将所述第二信号估计单元应用于所述第二参数值,产生所述所估计的第二信号部段。
21.根据权利要求1至3中任一项所述的方法,
其特征在于,
在所述训练阶段(Tp)中执行以下步骤:
所述信号处理单元(5)
-产生时域中的所述和信号(SigSum),
-针对每次心跳,将所述和信号(SigSum)的所述属于所述心跳的部段(Abs.w,Abs.x,Abs.y,Abs.z)变换到频域中的和信号,
-通过评估变换到频域中的和信号部段来确定所述形状参数值,
-产生针对心跳的每个抽样元素,使得所述抽样元素包括所述在频域中所确定的形状参数值和所述在所述心跳的情况下所测量的传输通道参数值,和
-生成所述信号估计单元(6),使得所述信号估计单元(6)根据所述传输通道参数(LF,Q,RR)来描述所述形状参数,和
在所述使用阶段(Np)中,针对至少一次探测到的心跳执行以下步骤:所述信号处理单元(5)
-通过应用所述信号估计单元(6)来计算频域中的所估计的信号部段,和
-将所述频域中的所估计的信号部段变换成时域中的所估计的信号部段
22.根据权利要求1至3中任一项所述的方法,
其特征在于,
预先给定至少一个第一频率范围,和
所述方法包括以下其他步骤:
所述信号处理单元(5)
-从所述和信号传感器(2.1,2.2)的所述测量值中产生总和信号(SigSum),
-在所述总和信号(SigSum)中分别确定如下那个信号成分(SigSum,high):所述信号成分(SigSum,high)处于所述第一频率范围中,和
-在分别处于第一频率范围中的所述信号成分(SigSum,high)中,通过应用根据上述权利要求中任一项所述的方法来确定呼吸信号成分和/或心源性信号成分,和
所述信号处理单元(5)此外
-在使用至少一个处于所述第一频率范围中或者第一频率范围中的呼吸信号成分的情况下,确定所述所估计的呼吸信号(Sigres,est),和/或
-在使用至少一个在所述第一频率范围中或者在第一频率范围中的心源性信号成分的情况下,确定所述所估计的心源性信号(Sigkar,est)。
23.根据权利要求22所述的方法,
其特征在于,
预先给定至少一个第二频率范围,使得所述总和信号(SigSum)的处于所述第二频率范围中的信号成分仅由所述患者(P)的所述自主呼吸和/或人工通气产生,或者仅由所述患者(P)的所述心脏活动产生,并且
所述信号处理单元(5)
-在使用所述总和信号(SigSum)的在所述第一频率范围中或者在第一频率范围中的所述呼吸信号成分或者至少一个呼吸信号成分和所述或者至少一个处于所述第二频率范围中或者第二频率范围中的并且由所述呼吸/通气产生的信号成分的情况下,确定所述所估计的呼吸信号(Sigres,est),或者
-在使用所述总和信号(SigSum)的在所述第一频率范围中或者在第一频率范围中的所述心源性信号成分或者至少一个心源性信号成分和所述或者至少一个处于所述第二频率范围中或者处于第二频率范围中的并且由所述心脏活动产生的信号成分,确定所述所估计的心源性信号(Sigkar,est)。
24.根据权利要求1至3中任一项所述的方法,
其特征在于,
预先给定改变规则,所述改变规则能够应用于所述和信号(SigSum)的属于心跳的部段(Abs.w,Abs.x,Abs.y,Abs.z),
其中预先给定的改变规则与所述形状参数或者至少一个形状参数有关,以及
其中所述信号处理单元(5)在所述使用阶段(Np)中
-通过应用所述信号估计单元(6),针对所述形状参数在所述预先给定的改变规则中分别计算值,并且
-在针对每次探测到的心跳计算针对所述心跳的所估计的信号部段 的步骤中,
将利用所计算的所述形状参数值来参数化的所述改变规则应用于所述和信号(SigSum)的属于所述心跳的部段(Abs.w,Abs.x,Abs.y,Abs.z),以及
通过应用于所述和信号部段(Abs.w,Abs.x,Abs.y,Abs.z),计算所述所估计的信号部段
25.根据权利要求1至3中任一项所述的方法,
其特征在于,
预先给定针对每次心跳有效地将所述心跳时段(H_Zr)划分成至少两个不同的心跳时段阶段,
既在所述训练阶段(Tp)中又在所述使用阶段(Np)中,针对所述传输通道参数(LF,Q,RR)并且针对每个心跳时段阶段,所述信号处理单元(5)分别接收由所述其他传感器(3,4)在所述心跳时段阶段中已测量的值,
所述信号处理单元(5)在所述训练阶段(Tp)中针对每次心跳并且针对所述心跳的每个心跳时段阶段分别产生抽样元素,使得所述抽样元素包括所述针对所述心跳时段阶段所计算的形状参数值和所述传输通道参数或者传输通道参数的所述在所述心跳时段阶段中所测量的值,和
所述信号处理单元(5)在所述使用阶段(Np)中针对至少一次探测到的心跳,
-针对所述心跳的每个心跳时段阶段,通过将所述信号估计单元(6)应用于所述在所述心跳时段阶段中所测量的传输通道参数值,针对所述形状参数分别计算值,和
-在使用针对所述心跳的所述心跳时段阶段的所述形状参数值的情况下,计算针对所述心跳的所述所估计的信号部段
26.根据权利要求25所述的方法,
其特征在于,
在所述训练阶段(Tp)中,针对每个心跳时段阶段,在使用针对所述心跳时段阶段所产生的抽样元素的情况下,所述信号处理单元(5)分别产生信号阶段估计单元,所述信号阶段估计单元根据所述传输通道参数来供应所述形状参数,并对于所述心跳时段阶段有效,和在所述使用阶段(Np)中,针对至少一次探测到的心跳,所述信号处理单元(5)
-针对所述心跳的每个心跳时段阶段分别计算所估计的信号部段,所述所估计的信号部段近似描述了在所述心跳的所述心跳时段阶段的变化过程中的所述心源性信号(Sigkar)或者所述呼吸信号(Sigres),并且
-在使用针对所述心跳的所述心跳时段阶段的所述所估计的信号部段的情况下计算针对所述心跳的所述所估计的信号部段而且为此使用针对所述心跳时段阶段的所述信号阶段估计单元。
27.根据权利要求26所述的方法,
其特征在于,
在所述使用阶段(Np)中,所述信号处理单元(5)将针对所述心跳时段阶段的所述所估计的信号部段组合成所述所估计的信号部段
28.根据权利要求1至3中任一项所述的方法,
其特征在于,
所述信号处理单元(5)在所述使用阶段(Np)中
-至少一次产生其他抽样元素,所述其他抽样元素涉及在所述使用阶段(Np)中探测到的心跳,和
-在使用所述或者至少一个在所述使用阶段(Np)中所产生的其他抽样元素的情况下,修改或者重新产生在所述训练阶段(Tp)中所生成的所述信号估计单元(6)。
29.根据权利要求1至3中任一项所述的方法,
其特征在于,
借助通气设备(1)给所述患者(P)进行通气,所述通气设备(1)执行通气行程,
其中根据所确定的所估计的呼吸信号(Sigres,est),触发所述通气行程。
30.根据权利要求1至3中任一项所述的方法,
其特征在于,
借助通气设备(1)给所述患者(P)进行通气,和
执行以下附加步骤:所述信号处理单元(5)在所述使用阶段(Np)中
-接收所测量的通气设备信号,所述所测量的通气设备信号描述了由所述通气设备(1)引起的在所述通气设备(1)与所述患者(P)之间的气体流,
-所述通气设备信号与所述所估计的呼吸信号(Sigres,est)进行比较,
-根据比较的结果,计算对在所述患者(P)的所述呼吸活动与由所述通气设备(1)产生的所述气体流之间的同步化的评价,以及
-如果对所述同步化的评价处于预先给定的界限之下,那么促使,自动改变所述通气设备(1)的运行参数和/或输出警报。
31.一种用于以计算方式来确定心源性信号和/或呼吸信号的信号处理单元(5),
其中所述心源性信号(Sigkar)是针对患者(P)的心脏活动的量度,并且所述呼吸信号(Sigres)是针对所述患者(P)的自己的自主呼吸和/或人工通气的量度,
其中所述信号处理单元(5)构建用于执行训练阶段(Tp)和随后的使用阶段(Np),
其中所述信号处理单元(5)构建成,至少在所述训练阶段(Tp)中接收至少一个和信号传感器(2.1,2.2)的测量值并且处理所述测量值,所述和信号传感器(2.1,2.2)能够测量在所述患者(P)的身体内产生的信号,
其中所述信号处理单元(5)构建成,至少在所述训练阶段(Tp)中,根据所述和信号传感器(2.1,2.2)的测量值的时间变化过程来产生和信号(SigSum),所述和信号(SigSum)通过所述患者(P)的所述心脏活动和所述自主呼吸和/或人工通气的叠加而造成,
其中所述信号处理单元(5)构建成,在所述训练阶段(Tp)中
-探测所述患者(P)在所述训练阶段(Tp)中执行的多次心跳,以及
-产生具有多个抽样元素的抽样(14),其中每个抽样元素都分别涉及一次探测到的心跳,其中所述信号处理单元(5)构建成,在产生针对心跳的抽样元素时执行以下步骤:
-确定所述和信号(SigSum)的属于所述心跳的部段(Abs.w,Abs.x,Abs.y,Abs.z),
-针对至少一个形状参数,通过评估和信号部段(Abs.w,Abs.x,Abs.y,Abs.z)来确定所述形状参数在所述心跳的情况下所取的相应的值,其中所述形状参数影响所述心源性信号(Sigkar)和/或所述呼吸信号(Sigres)的变化过程,
-接收针对预先给定的第一传输通道参数(LF)的至少一个值(LF.1,……,LF.4),所述针对预先给定的第一传输通道参数的至少一个值(LF.1,……,LF.4)在所述心跳的情况下已由其他传感器(3,4)来测量,或者
-也在所述使用阶段(Np)中,根据所述和信号传感器(2.1,2.2)的测量值来产生和信号(SigSum),并通过评估所述和信号(SigSum)来计算这种值,
其中所述第一传输通道参数(LF)与人类学变量对从在所述患者(P)的所述身体内的信号源到所述和信号传感器(2.1,2.2)的传输通道(Tss,Tns)的作用关联,和
-产生针对所述心跳的所述抽样元素,使得所述抽样元素包括所述针对所述心跳所计算的形状参数值和所述第一传输通道参数(LF)的在所述心跳的情况下所测量的或者所计算的所述值(LF.1,……,LF.4),
其中所述信号处理单元(5)构建成,在所述训练阶段(Tp)期间,在使用所述抽样(14)的情况下生成信号估计单元(6),所述信号估计单元(6)根据所述第一传输通道参数(LF)来供应所述形状参数,
其中所述信号处理单元(5)构建成,在所述使用阶段(Np)期间探测至少一次心跳,所述患者(P)在所述使用阶段(Np)的变化过程中执行所述心跳,
其中所述信号处理单元(5)构建成,针对至少一次在所述使用阶段(Np)中探测到的心跳,分别执行以下步骤:
-探测所述心跳的表征性时间点(H_Zp)或者时段(H_Zr),
-从其他传感器(3,4)接收所述第一传输通道参数(LF)的值(LF.1,……,LF.4),所述第一传输通道参数(LF)的值(LF.1,……,LF.4)在所述心跳的情况下已被测量,或者通过评估所述和信号(SigSum)来计算这种值,
-通过将所述信号估计单元(6)应用于在所述心跳的情况下所测量的或者所计算的传输通道参数值(LF.1,……,LF.4),分别计算针对所述形状参数的值,并且
-在使用所述所计算的形状参数值的情况下,计算针对所述心跳的所估计的心源性信号部段(SigHz,kar,LF,SigHz,kar,LQ)和/或所估计的呼吸信号部段所述所估计的心源性信号部段(SigHz,kar,LF,SigHz,kar,LQ)和/或所估计的呼吸信号部段 近似描述在所述心跳的变化过程中的所述心源性信号(Sigkar)和/或所述呼吸信号(Sigres),
其中所述信号处理单元(5)构建成,在所述使用阶段中执行以下三个步骤中的至少一个:在使用每个在所述使用阶段(Np)中所测量的表征性心跳时间点(H_Zp)或者心跳时段(H_Zr)的情况下,
-将针对探测到的心跳的所计算的所估计的心源性信号部段(SigHz,kar,LF,SigHz,kar,LQ)组合成所述所估计的心源性信号(Sigkar,est),
-将针对所述探测到的心跳的所计算的所估计的呼吸信号部段组合成所述所估计的呼吸信号(Sigres,est),或者
-通过以计算方式补偿所述心脏活动,确定所述所估计的呼吸信号(Sigres,est),
其中如果所述信号处理单元(5)构建用于通过以计算方式进行补偿而进行确定,那么所述信号处理单元(5)在补偿时执行以下步骤:
-也在所述使用阶段(Np)中,根据所述和信号传感器(2.1,2.2)的测量值,产生和信号(SigSum),和
-针对至少一次在所述使用阶段(Np)中探测到的心跳,在使用针对所述心跳的所述所估计的心源性信号部段(SigHz,kar,LF,SigHz,kar,LQ)的情况下,以计算方式来补偿所述心跳对在所述使用阶段(Np)中产生的和信号(SigSum)的影响。
32.一种计算机可读存储介质,其上存储有计算机程序,其中所述计算机程序能够实施在信号处理单元(5)上,并且
在所述信号处理单元(5)上实施时,如果所述信号处理单元(5)接收到至少一个和信号传感器(2.1,2.2)的测量值,那么所述计算机程序引起,所述信号处理单元(5)执行根据权利要求1至30中任一项所述的方法,所述和信号传感器(2.1,2.2)测量在患者(P)的身体内产生的信号。
33.一种计算机可读存储介质,其包括指令,所述指令能够实施在信号处理单元(5)上,其中如果所述信号处理单元(5)接收到至少一个和信号传感器(2.1,2.2)的测量值,那么在所述信号处理单元(5)上实施所述指令引起,所述信号处理单元(5)执行根据权利要求1至30中任一项所述的方法,所述和信号传感器(2.1,2.2)测量在患者(P)的身体内产生的信号。
CN202080069300.9A 2019-10-02 2020-08-26 用于确定呼吸信号和/或心源性信号的方法和设备 Active CN114449947B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE102019006866.1A DE102019006866A1 (de) 2019-10-02 2019-10-02 Verfahren und Vorrichtung zum Ermitteln eines respiratorischen oder eines kardiogenen Signals
DE102019006866.1 2019-10-02
PCT/EP2020/073826 WO2021063601A1 (de) 2019-10-02 2020-08-26 Verfahren und vorrichtung zum ermitteln eines respiratorischen und / oder eines kardiogenen signals

Publications (2)

Publication Number Publication Date
CN114449947A CN114449947A (zh) 2022-05-06
CN114449947B true CN114449947B (zh) 2024-03-01

Family

ID=72243136

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080069300.9A Active CN114449947B (zh) 2019-10-02 2020-08-26 用于确定呼吸信号和/或心源性信号的方法和设备

Country Status (4)

Country Link
US (1) US20220330837A1 (zh)
CN (1) CN114449947B (zh)
DE (2) DE102019006866A1 (zh)
WO (1) WO2021063601A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102020002572A1 (de) 2020-04-29 2021-11-04 Drägerwerk AG & Co. KGaA Verfahren und Signalverarbeitungseinheit zur Ermittlung eines kardiogenen Signals
DE102022106326A1 (de) 2021-03-30 2022-10-06 Drägerwerk AG & Co. KGaA Verfahren und Vorrichtung zur näherungsweisen Bestimmung von Herzschlag-Zeitpunkten
DE102023118804A1 (de) 2022-08-18 2024-02-29 Drägerwerk AG & Co. KGaA Verfahren und Signalverarbeitungseinheit zum Berechnen eines kardiogenen Referenz-Signalabschnitts

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102138789A (zh) * 2011-01-24 2011-08-03 无锡微感科技有限公司 一种动态心电和运动记录与分析系统
DE102015015296A1 (de) * 2015-11-30 2017-06-01 Drägerwerk AG & Co. KGaA Vorrichtung und Verfahren zum Bereitstellen von Datensignalen indizierend Muskelaktivitäten, welche für inspiratorische sowie exspiratorische Atemanstrengungen eines Patienten relevant sind
CN106902428A (zh) * 2015-11-03 2017-06-30 德尔格制造股份两合公司 用于对病人压力支持性地或压力控制地人工呼吸的装置
CN107530512A (zh) * 2015-04-28 2018-01-02 液体空气医疗系统公司 能够递送针对接受心脏按摩的患者的通气和监测的人工通气设备
CN109069030A (zh) * 2016-02-18 2018-12-21 皇家飞利浦有限公司 经由使用中心静脉压测压法增强呼吸参数估计和异步检测算法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6411843B1 (en) * 1999-05-28 2002-06-25 Respironics, Inc. Method and apparatus for producing a model EMG signal from a measured EMG signal
IL155955A0 (en) * 2003-05-15 2003-12-23 Widemed Ltd Adaptive prediction of changes of physiological/pathological states using processing of biomedical signal
AU2005231133A1 (en) 2004-03-29 2005-10-20 The Research Foundation Of State University Of New York Non-invasive method and device for detecting inspiratory effort
US20070191728A1 (en) 2006-02-10 2007-08-16 Adnan Shennib Intrapartum monitor patch
DE102007062214C5 (de) 2007-12-21 2017-12-21 Drägerwerk AG & Co. KGaA Verfahren zum automatischen Steuern eines Beatmungssystems sowie zugehörige Beatmungsvorrichtung
DE102009035018A1 (de) 2009-07-28 2011-02-03 Dräger Medical AG & Co. KG Medizinische Sensorvorrichtung
EP2371412B1 (de) 2010-03-30 2013-07-31 Dräger Medical GmbH Beatmungs- oder Anästhesiesystem
DE102010055253B4 (de) * 2010-12-20 2016-11-10 Drägerwerk AG & Co. KGaA Automatisch gesteuertes Beatmungsgerät
DE102012003509B4 (de) * 2012-02-22 2020-06-10 Drägerwerk AG & Co. KGaA Beatmungssystem
EP3478167B1 (en) * 2016-06-30 2024-05-01 Koninklijke Philips N.V. Processing apparatus for processing a physiological signal

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102138789A (zh) * 2011-01-24 2011-08-03 无锡微感科技有限公司 一种动态心电和运动记录与分析系统
CN107530512A (zh) * 2015-04-28 2018-01-02 液体空气医疗系统公司 能够递送针对接受心脏按摩的患者的通气和监测的人工通气设备
CN106902428A (zh) * 2015-11-03 2017-06-30 德尔格制造股份两合公司 用于对病人压力支持性地或压力控制地人工呼吸的装置
DE102015015296A1 (de) * 2015-11-30 2017-06-01 Drägerwerk AG & Co. KGaA Vorrichtung und Verfahren zum Bereitstellen von Datensignalen indizierend Muskelaktivitäten, welche für inspiratorische sowie exspiratorische Atemanstrengungen eines Patienten relevant sind
CN109069030A (zh) * 2016-02-18 2018-12-21 皇家飞利浦有限公司 经由使用中心静脉压测压法增强呼吸参数估计和异步检测算法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Basic Aspects Concerning the Event-Synchronous Interference Canceller;M. Ungureanu等;《 IEEE Transactions on Biomedical Engineering》;第2240 - 2247页 *

Also Published As

Publication number Publication date
DE102019006866A1 (de) 2021-04-08
CN114449947A (zh) 2022-05-06
WO2021063601A1 (de) 2021-04-08
DE112020000232A5 (de) 2021-09-23
US20220330837A1 (en) 2022-10-20

Similar Documents

Publication Publication Date Title
CN114449947B (zh) 用于确定呼吸信号和/或心源性信号的方法和设备
EP1642525B1 (en) Real-time monitoring of the state of the autonomous nervous system
US10945628B2 (en) Apparatus and method for processing electromyography signals related to respiratory activity
US7025729B2 (en) Apparatus for detecting sleep apnea using electrocardiogram signals
CN110072452B (zh) 用于对象的图像监测方法和设备,以及图像监测系统
US9585622B2 (en) Apparatus and method for data processing of physiological signals
JP6199312B2 (ja) チェーンストークス呼吸パターンの判別
EP3082587B1 (en) System for validating inspiratory muscle activity of a patient, and mechanical ventilation system using the same
Estrada et al. Improvement in neural respiratory drive estimation from diaphragm electromyographic signals using fixed sample entropy
US8939148B2 (en) Process for the automatic control of a respirator
US11596340B2 (en) Methods and system for processing an EMG signal
JP6709116B2 (ja) 呼吸検出装置、呼吸検出方法および呼吸検出用プログラム
JP5537543B2 (ja) 人工呼吸器による補助呼吸中の人の血行に対するストレスを評価するための装置およびその作動方法
US11779283B2 (en) Process and signal processing unit for determining a cardiogenic signal
CN109009128B (zh) 呼吸方式检测方法、装置、处理设备和系统
US11944464B2 (en) Methods and system for detecting inhalations and extracting measures of neural respiratory drive from an EMG signal
CN108175406A (zh) 一种治疗中枢性睡眠呼吸暂停症的方法及装置
CN111867468B (zh) 身体活动判定系统
US20240057880A1 (en) Process and signal processing unit for determining a cardiogenic reference signal segment
US20220323017A1 (en) Process and device for the approximate determination of heartbeat times
JP2024525037A (ja) 筋電図及び加速度計信号からのスニフの検出及びアーティファクトの区別
Sharma et al. Application of iterated Hilbert transform for deriving respiratory signal from single-lead ECG
CN118044829A (zh) 基于盲源分离与剥离策略的表面膈肌肌电去噪方法
JP2023540901A (ja) 患者と人工呼吸器との非同期の自動検出及び解決のための人工呼吸器の気道圧力と流量における心原性アーチファクトの推定
CN116764046A (zh) 用于自主呼吸开始检测的个性化和实时适应的系统和方法

Legal Events

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