CN1910593A - 使用形态描绘图检测病人的监控信号中存在假象的判决支持系统 - Google Patents

使用形态描绘图检测病人的监控信号中存在假象的判决支持系统 Download PDF

Info

Publication number
CN1910593A
CN1910593A CNA2005800025154A CN200580002515A CN1910593A CN 1910593 A CN1910593 A CN 1910593A CN A2005800025154 A CNA2005800025154 A CN A2005800025154A CN 200580002515 A CN200580002515 A CN 200580002515A CN 1910593 A CN1910593 A CN 1910593A
Authority
CN
China
Prior art keywords
convex
disturbance
subjected
convex closures
pilot signal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CNA2005800025154A
Other languages
English (en)
Other versions
CN1910593B (zh
Inventor
W·阿利
C·哈尔
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.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
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 Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN1910593A publication Critical patent/CN1910593A/zh
Application granted granted Critical
Publication of CN1910593B publication Critical patent/CN1910593B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

一种监护病人的方法(110)包括：为多个来自病人的受监控信号对确定(114)多个凸包；和确定在所述多个凸包中的一个或多个凸包中是否出现了扰动(115，116)。这种示范性实施方式(110)还可以包括：如果所述多个凸包中的各个凸包都受到了扰动，则警告操作员病人出现了临床上有意义的变化(117)。如果只有凸包的子集受到了扰动，则可能是出现了假象(118)。

Description

使用形态描绘图检测病人的监控信号中存在假象的判决支持系统
技术领域
本发明总地来说涉及专家系统，并且更加具体地讲，涉及一种用来帮助向病人提供健康护理的专家系统。
背景技术
健康护理技术(例如，生物医学传感器、监护系统和医疗卫生器材)在能力方面以及在现代重症看护病房(ICU)中的绝对普及程度(器材的数量)方面正在迅速地发展中。额外数据流的产生正在将明显的“信息过载”难题强加给健康护理人员，这些护理人员还要面对满足ICU病人群体的需要的重症看护人员的严重短缺。
因此本发明致力于开发出一种用于减少在重症看护环境下或者其它健康护理环境下必须由人工加以处理的信息量的方法和设备的问题。
发明内容
本发明通过给出一种方法和一种由智能模块组成的设备来解决这一和其它的问题，该方法和设备能够吸收来自一系列传感器和系统的多个数据流并且能够将病人状况的临床上有意义的变化与临床上无意义的变化或假象区分开来。
按照本发明的一个方面，一种监护病人的方法包括：为第一组点确定第一凸包，第一组点中的各个点的第一个坐标是第一个受监控信号在特定时刻的值，并且第二个坐标是第二个受监控信号在该特定时刻的值；为第二组点确定第二凸包，第二组点中的各个点的第一个坐标是第三个受监控信号在特定时刻的值，并且第二个坐标是第四个受监控信号在特定时刻的值。本方法还包括对第一和第二凸包进行监控，以确定在第一和第二凸包中是否出现了扰动；在第一和第二凸包中的一个凸包中检测到扰动的时候，确定在第一和第二凸包中的另一个凸包中是否出现了扰动；并且如果第一和第二凸包都已经受到了扰动，则警告操作员病人出现了临床上有意义的变化。
按照本发明的另一个方面，一种监护病人的方法包括：为多个来自病人的受监控信号对确定多个凸包；和确定在所述多个凸包中的一个或多个凸包中是否出现了扰动。这种示范性实施方式还可以包括：如果所述多个凸包中的各个凸包都受到了扰动，则警告操作员病人出现了临床上有意义的变化。
按照本发明的再另一个方面，一种监护病人的方法包括：为多个来自病人的受监控信号对确定多个凸包；和根据在所述多个凸包中的各个凸包中都出现了扰动这一判断结果，指示可能有的临床上有意义的变化。这种监护病人的方法的实施方式还可以包括：确定在所述多个凸包之一中出现了扰动；和对所述多个凸包中的一个或多个剩余凸包进行评价，以确定在所述多个凸包中的一个或多个剩余凸包中的各个凸包中是否出现了扰动；在确定在所述多个凸包中一个或多个剩余凸包中出现了扰动的时候，确定病人出现了临床上有意义的变化；并且在确定在所述多个凸包中的一个或多个剩余凸包中没有出现扰动的时候，确定在多个受监控信号对中存在假象。
按照本发明的再另一个方面，一种监护病人的方法包括：如果在多个受监控信号对的曲线的多个凸包中存在扰动，则指示病人出现了临床上有意义的变化；和如果仅在多个受监控信号对的曲线的多个凸包的子集中存在扰动，而在所述多个受监控信号对的曲线的多个凸包中剩余的凸包内不存在扰动，则指示在一个或多个受监控信号中存在假象。
按照本发明的再另一个方面，一种监护病人的设备包括处理器和存储器。多个引线将处理器与病人连接起来，各个引线接收来自病人的受监控信号。存储器存储所述多个引线中各个引线在多个时间点上的值。处理器为多个来自多个引线的信号对确定多个凸包，并且确定在所述多个凸包中的一个或多个凸包内是否出现了扰动。这种实施方式还可以包括与存储器和处理器相连的用户接口，其中如果在多个受监控信号对的多个曲线的多个凸包中存在扰动，则所述处理器向用户接口输出警告信号，指示病人出现了临床上有意义的变化，或者如果扰动仅存在于多个受监控信号对的多个曲线的多个凸包的子集中，并且在多个受监控信号对的多个曲线的多个凸包中的剩余凸包内不存在扰动，则所述警告信号指示在多个受监控信号中的一个或多个信号中存在假象。这种实施方式还可以包括与处理器相连的显示器，用来显示来自多个引线的多个信号中的各个信号，并且用来显示所述多个信号中的各个信号彼此之间相对的多个曲线。在某些情况下，显示器可以为多个曲线中的每个曲线重叠一个计算出来的凸包。
还可以将上述方法存储在计算机可读介质中，作为对处理器进行程控以监护病人的指令。
附图说明
附图1表示按照本发明的一个方面的处理多个数据流的方法的流程图的示范性实施方式。
附图2-4表示呼吸衰竭病人的II 12、V 13、ABP 14信号的矢量心电图。
附图5-7表示按照本发明的一个方面的由于可能病人发生了临床上有意义的变化而在呼吸衰竭病人的所有形态描绘图中出现相称的扰动的例子。
附图8-10表示按照本发明的另一个方面的表明存在假象的不同形态描绘图中有不一致扰动的例子。
附图11表示按照本发明的再另一个方面的监护病人的方法的示范性实施方式。
附图12表示按照本发明的更另一个方面的监护病人的方法的示范性实施方式。
具体实施方式
值得注意的是，本文中任何地方提到“一种实施方式”或“一个实施方式”都意味着，结合该实施方式介绍的特定特征、结构或特点都包含在本发明的至少一种实施方式中。说明书中各种不同的地方出现的术语“按照一种实施方式”并非必定全部指同一实施方式。
在本文中，受监控信号包括受到监控装置或系统监控的任何信号。受监控信号的例子包括但不局限于心电图信号、形态描绘图信号、脉搏率信号、呼吸信号、脑电波等。
本发明包括由智能模块组成的系统，这些智能模块能够吸收多个来源于一系列传感器和系统的数据流并且能够区分病人状态在临床上有意义的变化与在临床上无意义的变化或假象。本发明包括数据流融合的方法，这种方法能够实现多参数监控能力。
本发明还包括根据一组受监控信号(例如，形态描绘图)的集体表现检测给定受监控信号(或该组受监控信号)中的假象的方法和系统，其中一组受监控信号的集体表现代表病人的当前临床状况。
形态描绘图通过图示出时间变化的轨迹(loci)来表现两个信号之间的关系。在MRI中已经使用了形态描绘图来进行选通控制，在这种情况下，只在正确的时间点上才对图像进行采集。这用于使用MRI进行的冠状动脉疾病诊断和用于血流动力图示。
医生(或专家)验证短时间段(一般来说，监控系统每秒钟记录～125个采样，因此，几分钟的时段就足够了)内记录的血流动力信号的正确性。附图1表示这些信号的采样，这些信号被视为针对接受检查病人的有效信号。例如，附图1表示来自形态描绘图系统的MCL1 11、II 12、V 13、ABP 14、PAP 15、PLETH 16和RESP 17指示信号。这些信号表示受监控信号的实例。
对所研究的每对信号之间的关系进行绘制(对于这种情况，我们来看一下II 12、V 13和ABP 14信号)给出了每对信号之间的关系随时间变化的轨迹。
附图2-4分别表示关于呼吸衰竭病人的II 12和V 13指示以及ABP的信号对之间的关系的曲线图。对于三个感兴趣的信号，我们可以绘制出三个同步的曲线图(如附图2-4中所示)，以采集病人体内随时间发展的血流动力变化。
各条子曲线具有随时间不断重复的轮廓分明的形状，只要病人没有发生任何临床上有意义的变化。由于血流动力测量结果之间的相互关系是持续不变的图案，因此不是与其余形态描绘图子曲线中的对应变化一起发生的孤立变化(例如，单独一个子曲线/形态描绘图中的变化)反映出这条子曲线中绘制的信号有实质性问题，比如存在假象。不过，在所有这些信号的形态描绘图中都出现的对应变化(或扰动)包括病人状况在临床上有意义的变化的明确指示，而不是由假象造成的。附图5-7表示，对于同一病人，因病人状况的临床变化造成的彼此相对地绘制出的同样的II 12、V 13和ABP 14信号的扰动。
按照本发明的一个方面，可以将因病人状况发生临床变化而造成的扰动与因假象造成的扰动区分开来，因为因假象造成的扰动将仅仅出现在一些形态描绘图子曲线中，而不会出现在所有子曲线中，而由于病人的临床状况造成的扰动将发生在所有形态描绘图子曲线中。例如，病人做出的影响指示II 12而不影响其它指示的动作将会影响绘制出来自指示II 12的信号与其它信号之间的关系的曲线。因此，不止一条曲线会受到单独一个指示信号中假象的影响，但不是所有的曲线都会受到影响。
附图8-10表示来自患有肺水肿的病人的受监控信号中存在的假象对附图2-7中使用的各种不同子曲线造成的结果。附图9和10(即，第二和第三形态描述图子曲线)中出现的形状扰动与第一形态描绘图子曲线(是仅仅基于ECG的形态描绘图)的扰动不成比例。这是在第二和第三形态描绘图子曲线共有的信号(即，ABP 14信号)中存在假象的明确指示。
按照本发明的另一个方面，通过检查所关注形状的凸包，可以容易并且有效地对形状扰动进行量化。凸包是包含待裁决(at issue)点的最小凸集。我们可以将凸包想象成环绕在“外部”点周围的橡胶带。凸包是唯一的并且可以对随机数量的点有效计算凸包。
按照本发明的另一个方面，可以将检测假象的方法归纳为：
形状(凸包)在形态描述图子曲线的子集中受到了扰动吗？
如果是，则：
形状(凸包)在其余子集中也受到了扰动吗？
如果是，则没有假象，但是在临床上有意义
否则在受监控信号中检测到了假象
转到附图11，图中示出的是对病人进行监控的方法的示范性实施方式110。
在步骤111中，获得第一个时刻病人的心电图采样。例如，在时刻t1从电极1、电极2和电极3获得采样E11、E21、E31。
在步骤112中，获得另一个时刻病人的心电图采样。例如，在时刻t2从电极1、电极2和电极3获得采样E12、E22、E32。
在步骤113中，创建多个电极采样对集合。例如，由采样对创建集合S12＝{P121，P122，...，P12n}，其中P121＝(E11，E21)、P122＝(E12，E22)并且P12n＝(E1n，E2n)。创建集合S13＝{P131，P132，...，P13n}，其中P131＝(E11，E31)、P132＝(E12，E32)并且P13n＝(E1n，E3n)。创建集合S23＝{P231，P232，...，P23n}，其中P231＝(E21，E31)、P232＝(E22，E32)并且P23n＝(E2n，E3n)。对于不止三个采样的情况，将会为其它的对创建类似的集合。
在步骤114中，对点的各个集合创建凸包。可以采用任何标准技术来计算凸包。例如，一种称为礼品包装(Gift Wrapping)算法的技术按照下述方式进行运算：
(1)找到最低点A(y坐标最小的点)作为起始点。
(2)通过对所有的点进行扫描找到这样的B点：所有的点都处于AB的左侧。可以通过计算包含感兴趣的三个点(即，线AB上的两个点和感兴趣的点)的三角形的面积来确定一个点是否在线AB的左侧。三角形P0P1P2(其中P0＝(x0，y0)、P1＝(x1，y1)并且P2＝(x2，y2))的面积是：
1 2 x 0 x 1 x 2 y 0 y 1 y 2 1 1 1
如果面积是正的，则这些点是按照反时针顺序出现的并且P2处于线P0P1的左侧。如果将凸包保持为反时针顺序，则对于凸包上的任意三个连续点，这一面积都将是正的。如果面积是负的，则它们具有顺时针的顺序。最后，如果面积为零，则这三个点是共线的。
(3)找到这样的C点：所有的点都位于BC的左侧。
(4)重复步骤3，找到下一个点，如此循环往复，直到到达点A。
也可以使用其它的算法来确定凸包。
在步骤115中，对各个凸包进行监控，以确定在这些凸包中是否有任何扰动。可以通过将当前凸包与在先凸包进行比较并且辨识明显的差异(比如处于与前一个顶点有明显差异的位置上的新顶点)来确定扰动。例如，明显差异可以是偏离平均值数个标准偏差的值，或者偏离形心或其它预定阈值的某种大的百分比差异。
在步骤116中，一旦在凸包之一中发现了扰动，则对其它各个凸包检查类似的扰动。
在步骤117中，当在各个凸包中都检测到了类似的扰动时，则认定可能已经发生了临床上有意义的变化。
在步骤118中，当在其它凸包中没有检测到类似或一致的扰动时，不管是否在凸包的子集中存在扰动，都确定在心电图信号中可能存在假象。
然后只要病人还在受到监护，则继续进行该处理。在步骤117-118中的每次确定中，可以对用户进行通知，以便如果必要或希望，医生可以做出医学诊断。
转到附图12，图中示出的是按照本发明的再另一个方面的用于监护病人的设备的示范性实施方式。该设备120包括与病人相连的多根引线121或者用来获得受监控信号的其它监护器材。
然后将受监控信号馈送给处理器122，该处理器122确定各种不同的受监控信号之间的各种相互关系，如上所述。处理器还针对所确定的各个相互关系计算凸包。可以将相互关系和凸包的曲线显示在显示器124上。可以采用任何能够进行这些相对简单的计算的处理器，比如Intel Pentium处理器，或者用这一芯片作为其主CPU的计算机。
可以将程序处理器122所需要的所有程序存储在存储器123中。存储器123还可以存储处理器用来确定是否已经出现临床上有意义的事件或者假象是否在受监控信号或多个受监控信号中造成了噪声的值。存储器123还可以存储处理器122得到上面介绍的确定结果所需的中间计算结果。存储器123可以是容量足够存储数天的受监控信号采样以及处理器122和处理器122用来支持其计算的存储器所需的程序的随机存储存储器。对于这一用途，几个吉比特应该是足够的。存储器122也可以是盘驱动器、一系列记忆棒等。
用户接口包括键盘、鼠标和其它声音和影像指示装置，与对待假象的方式不同，这些指示装置警告操作员病人出现了临床上有意义的变化的，不过假象也是需要注意的。
虽然本文中具体图解说明和介绍了各种不同的实施方式，但是将会意识到，本发明的修改和变化都由上述教授内容覆盖了并且都处于所附权利要求的范围之内，而不会超出本发明的思想和范围。例如，将某些信号作为受监控信号进行了讨论，不过，其它的信号也可以用在本文的技术中，而不会超出本发明的范围。而且，本文提到了用于计算凸包的某些技术，但是其它技术也是可以满足需求的。而且，不应将这些例子理解为是对权利要求所覆盖的本发明的修改和变化的限定，而是仅仅用来说明可能的变化。

Claims (20)

1.一种监护病人的方法(50)，包括：
为第一多个点确定(54)第一凸包，第一多个点中的各个点的第一个坐标是第一个受监控信号在特定时刻的值，并且第二个坐标是第二个受监控信号在该特定时刻的值；
为第二多个点确定(54)第二凸包，第二多个点中的各个点的第一个坐标是第三个受监控信号在特定时刻的值，并且第二个坐标是第四个受监控信号在特定时刻的值；
对第一和第二凸包进行监控(56)，以确定在第一和第二凸包中是否出现了扰动；
在第一和第二凸包中的一个凸包中检测到扰动的时候，确定(57)在第一和第二凸包中的另一个凸包中是否出现了扰动；和
如果第一和第二凸包都已经受到了扰动，则警告(58)操作员病人出现了临床上有意义的变化。
2.一种监护病人的方法(50)，包括：
为多个来自病人的受监控信号对确定(54)多个凸包；和
确定(56)在所述多个凸包中的一个或多个凸包中是否出现了扰动。
3.按照权利要求2所述的方法(50)，此外还包括：
如果所述多个凸包中的各个凸包都受到了扰动，则警告(58)操作员病人出现了临床上有意义的变化。
4.一种监护病人的方法(50)，包括：
为多个来自病人的受监控信号对确定(54)多个凸包；和
根据在所述多个凸包中的各个凸包中都出现了扰动这一确定结果，指示(58)可能有的临床上有意义的变化。
5.按照权利要求4所述的方法(50)，此外还包括：
确定(56)在所述多个凸包之一中出现了扰动；和
对所述多个凸包中的一个或多个剩余凸包进行评价(57)，以确定在所述多个凸包中的一个或多个剩余凸包中的各个凸包中是否出现了扰动。
6.按照权利要求5所述的方法(50)，此外还包括：
在确定(57)在所述多个凸包中一个或多个剩余凸包中出现了扰动的时候，确定(58)病人出现了临床上有意义的变化。
7.按照权利要求5所述的方法，此外还包括：
在确定(57)在所述多个凸包中的一个或多个剩余凸包中没有出现扰动的时候，确定(59)在多个受监控信号对中存在假象。
8.一种监护病人的方法(50)，包括：
如果在多个受监控信号对的多个曲线的多个凸包中存在扰动，则指示(58)病人出现了临床上有意义的变化；和
如果仅在多个受监控信号对的多个曲线的多个凸包的子集中存在扰动，而在所述多个受监控信号对的多个曲线的多个凸包中剩余的凸包内不存在扰动，则指示(59)在多个受监控信号中的一个或多个受监控信号中存在假象。
9.一种监护病人的设备(120)，包括：
多个引线(121)，各个引线接收来自病人的受监控信号；
存储器(123)，用于存储所述多个引线(121)中各个引线在多个时间点上的值；
处理器(122)，与所述多个引线(121)中的各个引线相连，所述处理器(122)为多个来自多个引线(121)的信号对确定多个凸包，并且确定在所述多个凸包中的一个或多个凸包内是否出现了扰动。
10.按照权利要求9所述的设备(120)，此外还包括与存储器(123)和处理器(122)相连的用户接口(125)，其中如果在多个受监控信号对的多个曲线的多个凸包中存在扰动，则所述处理器(122)向用户接口(125)输出警告信号，指示病人出现了临床上有意义的变化，或者如果扰动仅存在于多个受监控信号对的多个曲线的多个凸包的子集中，并且在多个受监控信号对的多个曲线的多个凸包中的剩余凸包内不存在扰动，则所述警告信号指示在多个受监控信号中的一个或多个信号中存在假象。
11.按照权利要求9所述的设备(120)，此外还包括与处理器(122)相连的显示器(124)，用来显示来自多个引线(121)的多个信号中的各个信号，并且用来显示所述多个信号中的各个信号相对于另外多个信号中的一个信号的多个曲线。
12.按照权利要求11所述的设备(120)，其中所述显示器(124)为多个曲线中的每个曲线重叠一个计算出来的凸包。
13.一种计算机可读介质(123)，在该介质上设置有使得处理器(122)进行下述操作的指令：
为第一多个点确定(54)第一凸包，第一多个点中的各个点的第一个坐标是第一个受监控信号在特定时刻的值，并且第二个坐标是第二个受监控信号在该特定时刻的值；
为第二多个点确定(54)第二凸包，第二多个点中的各个点的第一个坐标是第三个受监控信号在特定时刻的值，并且第二个坐标是第四个受监控信号在特定时刻的值；
对第一和第二凸包进行监控(56)，以确定在第一和第二凸包中是否出现了扰动；
在第一和第二凸包中的一个凸包中检测到扰动的时候，确定(57)在第一和第二凸包中的另一个凸包中是否出现了扰动；和
如果第一和第二凸包都已经受到了扰动，则警告(58)操作员病人出现了临床上有意义的变化。
14.按照权利要求13所述的计算机可读介质(123)，其中所述指令此外还使得处理器(122)：
为多个来自病人的信号对确定(54)多个凸包；和
确定(56)在所述多个凸包中的一个或多个凸包中是否出现了扰动。
15.按照权利要求14所述的计算机可读介质(123)，其中所述指令此外还使得处理器(122)：
如果所述多个凸包中的各个凸包都受到了扰动，则警告(58)操作员病人出现了临床上有意义的变化。
16.一种计算机可读介质(123)，在该介质上编码有多个用于对处理器(122)进行程控以便监护病人的指令，所述多个指令包括：
为多个来自病人的信号对确定(54)多个凸包；和
根据在所述多个凸包中的各个凸包中都出现了扰动这一判断结果，指示(58)可能有的临床上有意义的变化。
17.按照权利要求16所述的计算机可读介质(123)，其中所述指令此外还包括：
确定(56)在所述多个凸包之一中出现了扰动；和
对所述多个凸包中的一个或多个剩余凸包进行评价(57)，以确定在所述多个凸包中的一个或多个剩余凸包中的各个凸包中是否出现了扰动。
18.按照权利要求17所述的计算机可读介质(123)，其中所述多个指令此外还包括：
在确定(57)在所述多个凸包中一个或多个剩余凸包中出现了扰动的时候，确定(58)病人出现了临床上有意义的变化。
19.按照权利要求17所述的计算机可读介质(123)，其中所述多个指令此外还包括：
在确定(57)在所述多个凸包中的一个或多个剩余凸包中没有出现扰动的时候，确定(59)在多个受监控信号对中存在假象。
20.一种计算机可读介质(123)，在该介质上编码有多个用于对处理器(122)进行程控以便监护病人的指令，所述多个指令包括：
如果在多个受监控信号对的多个曲线的多个凸包中存在扰动，则指示(58)病人出现了临床上有意义的变化；和
如果仅在多个受监控信号对的多个曲线的多个凸包的子集中存在扰动，而在所述多个受监控信号对的多个曲线的多个凸包中剩余的凸包内不存在扰动，则指示(59)在多个受监控信号中的一个或多个受监控信号中存在假象。
CN2005800025154A 2004-01-15 2005-01-12 使用形态描绘图检测病人的监控信号中存在假象的判决支持系统 Active CN1910593B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US53676404P 2004-01-15 2004-01-15
US60/536,764 2004-01-15
PCT/IB2005/050136 WO2005071600A1 (en) 2004-01-15 2005-01-12 Decision support system to detect the presence of artifacts in patients' monitoring signals using morphograms

Publications (2)

Publication Number Publication Date
CN1910593A true CN1910593A (zh) 2007-02-07
CN1910593B CN1910593B (zh) 2011-09-14

Family

ID=34807049

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2005800025154A Active CN1910593B (zh) 2004-01-15 2005-01-12 使用形态描绘图检测病人的监控信号中存在假象的判决支持系统

Country Status (5)

Country Link
US (1) US8050748B2 (zh)
EP (1) EP1709570B1 (zh)
JP (1) JP5089988B2 (zh)
CN (1) CN1910593B (zh)
WO (1) WO2005071600A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10457281B2 (en) 2017-01-23 2019-10-29 Ge Global Sourcing Llc Vehicle communication system
US11065958B2 (en) 2017-01-03 2021-07-20 Transportation Ip Holdings, Llc Control system and method

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10370012B2 (en) 2017-03-09 2019-08-06 Ge Global Sourcing Llc Adaptive vehicle control system
US8805482B2 (en) 2008-07-28 2014-08-12 General Electric Conpany System and method for signal quality indication and false alarm reduction in ECG monitoring systems
US8600493B2 (en) * 2011-07-25 2013-12-03 General Electric Company Method, apparatus and computer program product for automatic seizure monitoring
ES2951290T3 (es) 2014-02-25 2023-10-19 Icu Medical Inc Sistema de monitoreo de paciente con señal de guardían (gatekeeper) y procedimiento correspondiente
CA3105936C (en) 2015-10-19 2023-08-01 Icu Medical, Inc. Hemodynamic monitoring system with detachable display unit
US10279825B2 (en) 2017-01-10 2019-05-07 General Electric Company Transfer of vehicle control system and method

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4422458A (en) * 1980-04-28 1983-12-27 Montefiore Hospital And Medical Center, Inc. Method and apparatus for detecting respiratory distress
US5010890A (en) * 1983-08-11 1991-04-30 Vitacomm, Ltd. Vital signs monitoring system
US5474574A (en) * 1992-06-24 1995-12-12 Cardiac Science, Inc. Automatic external cardioverter/defibrillator
US5645069A (en) 1994-05-26 1997-07-08 Lg Electronics Inc. System for and method of analyzing electrocardiograms employing chaos techniques
ES2124186B1 (es) * 1997-01-20 1999-08-01 Carpe Diem Salud S L Apartado y sistema de control telematico de parametros fisiologicos de pacientes.
US6975900B2 (en) * 1997-07-31 2005-12-13 Case Western Reserve University Systems and methods for determining a surface geometry
IL136108A (en) * 1997-11-12 2005-05-17 I Flow Corp Method and apparatus for monitoring a patient
US6438409B1 (en) 1999-03-25 2002-08-20 Medtronic, Inc. Methods of characterizing ventricular operations and applications thereof
US6304775B1 (en) 1999-09-22 2001-10-16 Leonidas D. Iasemidis Seizure warning and prediction
AU2001231265A1 (en) 2000-01-31 2001-08-07 Justin D. Pearlman Multivariate cardiac monitor
US6633773B1 (en) * 2000-09-29 2003-10-14 Biosene, Inc. Area of interest reconstruction for surface of an organ using location data
US6754523B2 (en) 2000-11-28 2004-06-22 J. Gerald Toole Method of analysis of the electrocardiogram
AU2002354800A1 (en) 2001-07-05 2003-01-21 Softmax, Inc. System and method for separating cardiac signals

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11065958B2 (en) 2017-01-03 2021-07-20 Transportation Ip Holdings, Llc Control system and method
US10457281B2 (en) 2017-01-23 2019-10-29 Ge Global Sourcing Llc Vehicle communication system

Also Published As

Publication number Publication date
WO2005071600A1 (en) 2005-08-04
JP2007518486A (ja) 2007-07-12
CN1910593B (zh) 2011-09-14
US8050748B2 (en) 2011-11-01
EP1709570A1 (en) 2006-10-11
EP1709570B1 (en) 2018-09-26
US20070185408A1 (en) 2007-08-09
JP5089988B2 (ja) 2012-12-05

Similar Documents

Publication Publication Date Title
CN1910593A (zh) 使用形态描绘图检测病人的监控信号中存在假象的判决支持系统
EP3043699B1 (en) Fetal heart rate extraction from maternal abdominal ecg recordings
US7113819B2 (en) Method and apparatus for monitoring the condition of a fetus
Zhao et al. A comprehensive feature analysis of the fetal heart rate signal for the intelligent assessment of fetal state
CN107595243A (zh) 一种病症评估方法及终端设备
US20030100841A1 (en) Method for the early diagnosis of subacute, potentially catastrophic illness
US11432778B2 (en) Methods and systems for patient monitoring
US20200178903A1 (en) Patient monitoring system and method having severity prediction and visualization for a medical condition
US20110254662A1 (en) Biometric identity validation for use with unattended tests for medical conditions
Devoe Future perspectives in intrapartum fetal surveillance
JP5544365B2 (ja) マルチパラメーターモニタリングにおける改善又はマルチパラメーターモニタリングに関する改善
Xiao et al. A deep feature fusion network for fetal state assessment
Kurahashi et al. Increased fetal heart rate variability in periventricular leukomalacia
López-Justo et al. Differences in the asymmetry of beat-to-beat fetal heart rate accelerations and decelerations at preterm and term active labor
Liu et al. Automated fetal heart rate analysis for baseline determination using EMAU-Net
CN116831546A (zh) 预测胎心率曲线异常度的方法、装置、设备及存储介质
Varisco et al. Optimized detection of central apneas preceding late-onset sepsis in premature infants
Liu et al. Phase‐rectified signal averaging: correlation between two monitors and relationship with short‐term variation of fetal heart rate
US20240274294A1 (en) A method and system for risk prediction of neonatal infection
Kearney et al. Construction of a comprehensive fetal monitoring database for the study of perinatal hypoxic ischemic encephalopathy
Muniru et al. Detecting Intra Ventricular Haemorrhage in Preterm Neonates Using LSTM Autoencoders
CN117976176B (zh) 一种麻醉监护设备运行状态监测方法及系统
EP4368115A1 (en) Cardiotocographic scanning session duration
US20240282451A1 (en) Artificial intelligence to generate labor and delivery predictions
Garbern et al. A novel digital health approach to improving global pediatric sepsis care in Bangladesh using wearable technology and machine learning

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant