CN1977273A - 对病人临床趋势进行量化和监视它们的状态进展的系统和方法 - Google Patents

对病人临床趋势进行量化和监视它们的状态进展的系统和方法 Download PDF

Info

Publication number
CN1977273A
CN1977273A CNA2005800219516A CN200580021951A CN1977273A CN 1977273 A CN1977273 A CN 1977273A CN A2005800219516 A CNA2005800219516 A CN A2005800219516A CN 200580021951 A CN200580021951 A CN 200580021951A CN 1977273 A CN1977273 A CN 1977273A
Authority
CN
China
Prior art keywords
signal
patient monitoring
histories
signal histories
patient
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CNA2005800219516A
Other languages
English (en)
Inventor
W·阿利
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 CN1977273A publication Critical patent/CN1977273A/zh
Pending legal-status Critical Current

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
    • A61B5/02—Detecting, 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
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT 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
    • G16H40/60—ICT 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
    • G16H40/67—ICT 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 remote operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT 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
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT 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
    • G16H40/60—ICT 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
    • G16H40/63—ICT 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • Physiology (AREA)
  • Biophysics (AREA)
  • Cardiology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

一种便于识别在病人监视信号历史之间随时间的相关性以便作出和修正健康护理决定的系统，包括病人监视设备(144)、存储器(146)、计算装置(148)和显示装置(152)。一种便于识别在病人监视信号历史之间的时间相关性以便作出和修正健康护理决定的方法，包括指定(158)时间系，提供(160)在该时间系上两个病人监视信号历史，建立(162)在该时间系上信号历史的三维几何表面模型，以及可视地显示(164)该模型，以便于可视地识别在信号历史之间的相关性。

Description

对病人临床趋势进行量化和监视它们的状态进展的系统和方法
本公开内容涉及病人监视。更具体地，本公开内容涉及把多个病人监视信号相关。再更特别地，本公开内容涉及把这样的信号集合地表示为一种几何结构，以方便于这种相关和进一步的交叉分析。
为病人提供健康护理典型地包括监视涉及到病人状况的各个方面的多种信号，包括各种各样的内部和外部事件和状态，诸如脉搏、温度和血压，其它生物活动，药物的摄取，给药的时间等等。
健康护理专业人员监视并至少部分根据这样的信号作出健康护理决定。另外，为了尽可能作出最好的决定，健康护理专业人员常常喜欢回顾以前的信号值作为他们的监视的一部分。通常，在回顾以前的信号值时，健康护理专业人员要识别在信号值之间的相关性。健康护理专业人员然后可以根据所识别的相关性适当地修改对病人的护理。这里使用的术语“相关性”是指信号与至少一个其它的信号的相关程度。这里使用的术语“趋势”是指一种相关性，其中至少一个信号是一个时间信号，在这里该信号具有总体上一致的特性，例如增加或减小的趋势。
在关键的护理情形下，健康护理提供者工作在很大的压力下。这样的情形的例子是在治疗过程中病人经受败血症休克。常常需要快速和正确的治疗来挽救病人的生命或避免严重的健康后果。在这种情形下，健康护理提供者在回顾以前的信号值时快速地和精确地识别各种相关性是特别重要的。
病人监视装置把当前的和以前的信号值经由各种各样传统方法提供给健康护理专业人员。图1显示使用的这样的现有技术装置100，它给出与病人的状态相对应的信号值和波形102。图2给出诸如通常在现有技术中被使用来代表信号的一系列波形104。
声音报警可以被使用并且它通常一些表示特定的信号值不再被检测到或者已经超出预定的范围以外。然而，声音报警提供非常有限的信息，并且典型地不载送有关以前的信号值的信息。
可视的显示器(诸如液晶显示器)也是常用的。可视的显示器可以把当前的和以前的信号值以数字、表格、和图形等等的格式呈现给健康护理提供者。然而，可视的显示器把健康护理提供者可以考虑的信息量限制在一个或有限数目的显示器中。有限的信息量会阻止健康护理提供者快速识别相关性。而且，呈现的格式迫使健康护理提供者人工地消化所有呈现的信息，这要花费时间，而且特别是在有时间压力的情形下，由于容易出现的人为错误而损害结论的精确性。
打印装置可以提供当前的信号值，并且通常提供以前的信号值。显示以前的信号值的打印结果的一个优点是可以清楚地呈现非常大的信息量。然而，把这样大量的材料分类要花费大量时间，并且像回顾可视的显示器那样，需要健康看护提供者人工地消化所有相关的信息来识别相关性；然而，在时间压力下试图人工地消化这样的非常大量信息，其出现人为错误的机会很大。
显然需要的是一种方法和系统，用于表示病人的多个监视信号的历史，以允许健康护理专业人员容易、快速和精确地回顾病人的相应的临床状态和临床历史。
本公开内容提供这样的方法和系统。从本公开内容将会明白这些和其它优点以及附加的发明的特性。
为了更全面地了解本公开内容和它的优点，现在参考结合附图作出的以下的说明，其中相同的标号表示相同的特性。
图1显示PHILIPS MP 30INTELLIVUETM病人监视装置。
图2呈现相应于病人监视信号的一系列波形。
图3-6显示从图2的信号和相应的时间信号构建的三维(3D)几何表面。
图7显示通过使用3D图形表面表示用于获取和显示病人监视信号历史的系统的总貌。
图8显示用于得到病人信号历史的3D图形表面表示的过程。
图9显示一个具有大于一对一的体素(voxel)对像素的对应性的体素复盖区。
图10显示表面体积像素的去除和表面列表的相应的更新。
图11显示在大脑表面上散布的数据点。
图12显示与图11的散布的数据点拟合的B-样条表面。
本公开内容提供一种便于识别在病人监视信号各历史之间随时间的相关性以便作出和修正健康护理决定的系统，它包括病人监视设备144、存储器146、计算装置148、和显示装置152。本公开内容还提供一种便于识别在病人监视信号各历史之间随时间的相关性以便作出和修订健康护理决定的方法，它包括以下步骤：指定158时间系，提供160在该时间系上的两个病人监视信号历史，建立162在该时间系上信号历史的三维几何表面模型，以及可视地显示164模型，以便于可视地识别在信号历史之间的相关性。
从在结合附图时所作出的详细说明的其余部分将更明白本发明的其它方面、目的和优点。
由本公开内容教导的方法和系统允许健康护理提供者容易地、快速地和精确地回顾病人受监视的(例如，血流动力学和回波心电图)信号对于诸如药物的外部刺激以及诸如心脏节律的内部刺激的反应。这样的基于信号值相关性历史的分析给健康护理提供者提供对于了解和导引病人的治疗过程来说是重要的信息。
图1显示PHILIPS MP 30 INTELLIVUETM病人监视装置100。装置100包括能够显示多达四个波形102的可视显示器106，和能够产生信号值的纸质文件的打印模块108。
INTELLIVUE MP 30病人监视器提供监视能力和测量值。这样的监视器可以通过使用无线或有线通信技术在联网的平台上工作。INTELLIVUE MP 30包括能够显示三个或四个波形的集成的10.4英寸彩色SVGA显示器。可以跟踪三个侵入式血压和两个温度，INTELLIVUEMP 30包括集成的记录器，能够打印波形或表格信息，供以后回顾。
图2呈现相应于对II和VECG引线109和110、变动血压计(ABP)112、血流(pleth)114和呼吸信号116的血流动力学信号监视的一系列波形。这些信号将用于例如创建相应的几何结构118，如图3-6所示。由本公开内容教导的方法和系统同样地很好地适应其它信号。例如本发明的实施例可适用EEG、脉搏、温度、和任何其它可测量的生物活动性。
回到图1，INTELLI VUE MP 30与多种测量的服务器模块一起工作，该多种测量服务器模块与病人监视设备接口，以便能监视与病人状况有关的多个内部和外部事件与状态。服务器模块能够存储多达8小时的病人监视信号历史数据。
由本公开内容教导的方法和系统的结果可以通过诸如图1所示的那样的装置给出。所以，本发明的一个实施例100将包括可连接到图1所示的装置的一个模块，以便体现由本公开内容教导的方法和系统。
众所周知，人们从视觉吸收信息比起以阅读吸收更加快速和容易得多，因此熟知的说法是“一幅图像值一千个字”。因此，病人监视信号历史的图形表示比以数字格式呈现的表格式清单是更加有效的输送信息的方式。这是为什么广泛使用波形来表示与病人情况的各个方面相对应的信号的原因。
同样地，包含与两个病人监视信号的时间历史的信息和显示两个时间历史之间的相关性的单个图形表示比以两个分开的历史的图形表示(例如波形)来说对于输送该信息是更有效的，对于后者必须通过以人工方式在数值上或空间上匹配所识别的各种指示值才能识别其相关性。
图3-6显示从图2的两个血流动力学信号和相应的时间信号构建的三维(3D)几何表面120。显示了血流动力学数据点的三元组的表面模型120，它被表示为表面120的一个密封的矩形网格122。图3显示使用被病人监视设备126监视的病人124，该设备适合于以图形呈现最终得到的3D几何表面120。图4更详细地显示最终得到的表面120，而图5和6更详细地显示图形所表示的两个有关的区域。
使用了三个轴来描绘关于时间128、变动血压计(ABP)112和辅助心电图引线(VEVG引线)110的信号数据点。几何表面120是根据这三个信号建立的，以便通过把一个3D表面与由三个信号历史规定的数据点三元组拟合而便于视觉化和感知。建立一个表示在数据点三元组之间的相关性的3D表面的任何措施都将是适用的，下面给出几种方法的说明。
ABP信号中的尖峰和心跳速率的增加，反映交感神经系统调整血压的企图。曲线134的第一部分相应于ABP的下降，它支持这种解释。
交感神经系统增加心脏电活动性被ECG幅度136的增加证明。ABP的响应性的改变得到证实134，包括在一个稍微的增加的后面紧跟着一个稍微的减小。最后，病人的稳定状态由ECG和ABP信号值的数值稳定性138所表明。
图7显示一个系统的总貌140，该系统使用3D图形表面的表示来获取和显示病人监视信号的历史。病人142的情况的两个方面由病人监视设备144监视。最终得到的病人监视信号历史被存储在病人监视信号历史数据库146中。具有3D图形能力的计算装置148取出已经输入150的、相应于用户参数的想要的信号历史数据，例如时间系。计算装置148生成被取出的数据的相应的3D几何表面表示，并且把该表示提供给用于显示152该3D表面表示的装置。
图8显示用于获得这样的表示的过程。病人被监视154，然后把最终得到的病人监视信号历史存储在信号历史数据库。用户参数例如通过使用可通信地耦合到一个被配置成能访问该信号历史数据库的计算装置的控制装置而被输入158。访问该信号历史数据库，并按照用户参数从该数据库检索160两个信号历史。建立162表示信号的时间历史的3D几何表面，并把它显示164给用户。用户可视地识别166信号的各时间历史之间的在医疗上有意义的相关性，并在考虑这样的相关性后作出健康护理建议、决定或修正。
3D几何表面的呈现使得健康护理提供者能够容易地、快速地和精确地辨别在病人监视信号历史之间的重要的相关性，从而，在建议、决定或修正病人的治疗过程时考虑这些相关性。
Steinbach，E.，Girod，B.，Eisert，P.，Betz，A.，“3-Dobjectreconstruction using spatially extended voxels and multi-hypothesis voxel coloring(使用空间扩展的体素和多假设体素着色的3D对象重建)”，IEEE 15th international conference onpattern recognition，Vol.1，pp.774-777，2000(STEINBACH)提供关于3D表面与数据点三元组进行拟合的说明以及其它方法的综述。
3D模型获取技术中的一种类型包含通过记录来自物体的两个或多个视图的深度图而建立物体的3D表面模型的技术。另一类型的3D模型获取技术包含通过计算各轮廓圆锥的交截面而建立物体的3D表面模型的技术，其中这些圆锥从可得到的所有视图向后投射该对象的轮廓。
第三类型的3D模型获取技术组合上述的每个类别的各个方面，并且包含各种技术以通过给体素着色而建立物体的3D表面模型，这种着色是当体素从各个角度被观看时通过比较相应的像素的彩色而进行的。
体素可被投影到图像面成为单个点。把这与投影到图像面具有小的复盖区的“扩展的体素”作对比，有可能允许由单个体素覆盖一个以上的像素。例如，图9显示体素复盖区170，它的体素与像素的关系大于一比一。这是由体素的尺寸、它的立体形状和立体视图造成的。在每个像素172中遮蔽的程度对应于该像素被体素复盖区170覆盖的百分数。体积在所有的三维上被离散化，从而使物体可以由一组体素代表，每个体素与数据点三元组相联系。最初，所有的体素是透明的。
第k个体素的彩色由下列方程规定：
H lmn k = ( R ( X i , Y i ) , G ( X i , Y i ) , B ( X i , Y i ) )
其中H(k，lmn)是体素的彩色假设，(l，m，n)是体素的数据点的三元组，(Xi，Yi)是表示相应于投影到第i个照相机视图的体素中心(xl，ym，zn)的像素位置的数据点对，以及R，G，和B是彩色分量。另外，
X i = - f x x li z ni , Y i = - f y y mi z ni ,
其中
        (xli，ymi，zni)T＝Ri(xl，ym，zn)T+Ti.
其中Ri是在第i视图上物体的旋转，以及Ti是在第i视图上物体的平移。把像素坐标与世界坐标相联系的照相机几何形状与定标由fx和fy表示。下面表示把体素V(lmn)与H(k，lmn)相联系的条件：
| R i ( X i , Y i ) N i ( X i , Y i ) - R j ( X j , Y j ) N j ( X j , Y j ) | + | G i ( X i , Y i ) N i ( X i , Y i ) - G j ( X j , Y j ) N j ( X j , Y j ) | + | B i ( X i , Y i ) N i ( X i , Y i ) - B j ( X j , Y j ) N j ( X j , Y j ) | < &theta;
其中
         Ni(X，Y)＝Ri(X，Y)+Gi((X，Y)+Bi(X，Y).
替换地，通过如下地修改以上的条件而把对被大量阻断的体素的阈值增加约50％，则可以改进鲁棒性：
&theta; new = ( 3 2 - 1 2 F n F o ) &theta;
图10显示去除表面体素和表面列表的相应更新如下：
选择174表面体素；
去除176表面体素；
随着新暴露的体素从不可见的体素变换成表面体素，表面被更新178；
去除180新变换的体素；
紧邻着被去除的经变换的体素后面的新暴露的体素被变换182成表面体素；以及
通过去除首先变换的体素，新暴露的其它体素本身被变换成184表面体像素。
Fernand S.Cohen，Walid S.Ibrahim Ali，and ChuchartPintavirooj，“Ordering and Parameterizing Scattered 3D Datafor B-Spline Surface Approximation(对用于β样条表面近似的分散的3D数据进行排序和参数化)”IEEE tanrs.PAMI，May 2002描述建立几何表面的几个方法以对一组数据点建模，包括使用B样条的优选方法。
表面表示的一个方法是基于使用五边形或三角形单元的扩展的高斯图像(EGI)表面表示方法。然而，该方法在表示非凸的表面时遇到多对一的映射问题。
小波方法也可以被用来表示表面。小波方法提供简单的分层结构，小波的数字分析的技术已得到很好发展。
表面表示的另一个方法利用四分树，它把2D区域迭代地分解成接连的更小的象限。八分树通过把3D区域迭代地分解成接连的更小的立方单元而提供用于表示3D表面的类似的技术。八分树往往需要大量的用于描述大于最小复杂性的物体的信息，并且往往导致丢失信息。
对称轴变换(SAT)技术可被使用来表示2D和3D区域。在实践中，2D物体通过使用物体内的最大圆盘来表示，而3D物体通过使用物体内最大的球来表示。
再一个方法是所谓的“距离分布”，把表面分解成距离轮廓，它们的每个是在表面上离开被称为轮廓的“中心点”的点有固定距离的所有点的轨迹。关键点对于噪声是敏感的，但该方法对于表面旋转和平移是无变化的。
B样条表示牵涉到使用参数模型来建立一个平滑表面，它与一组散布的未排序的3D范围数据点有最好的拟合。B样条很好地适用于表面表示，因为它具有连续性、仿射不变性和局部形状可控制性。对于B样条表面结构以及找出数据点的排序所需要的参数可以根据表面的扩展的高斯映射的大地测量学来计算。一组控制点可以通过求解为表面的最佳拟合的最小均方误差问题而以分析方式来计算。该组分散的未排序的3D范围数据点可以从任何来源得到：例如，结构的光学系统(测距仪)；在一组表面截面的外部轮廓上的点坐标，例如在组织的冠状的大脑截面；或其它来源。
Walid S.Ibrahim Ali and Fernand S.Cohen，“3D GeometricInvariant Alignment of Surfaces with Application in BrainMapping(表面的3D几何不变量与大脑映射应用的匹配)”，proc IEEEconf.Computer vision and pattern recognition，CVPR 1999描述在存在仿射变换、局部畸变和噪声时对于全面或局部表面匹配的问题的解决方法。图11显示在大脑表面上散布的数据点186。图12显示与图11的散布的数据点186相拟合188的B样条表面。
所有的参考文献，包括这里阐述的文章、专利申请、和专利，在此以在同样的程度上被引用以供参考，就好像每个参考文献被单独地和具体地被表示为整体地在此引用以供参考。
在本发明的描述的实施例中术语“一个”的使用被看作为覆盖单数或多数，除非在这里另外表示或明显地反对。术语“包括”、“具有”、“包含”被看作为开放端术语(即，意味着“包括但不限于”)，除非另外指出。这里的数值的范围的阐述仅仅打算用作为个别地涉及到属于范围内的每个分开的数值的简化方法，除非这里另外指出，每个单独的数值被合并到技术说明书，就像它在这里被单独地阐述那样。这里描述的所有的方法可以以任何适当的次序执行，除非在这里另外表示或明显地反对。任何和所有的例子，或这里提供的示例性语言(例如，“诸如”)的使用，仅仅打算更好地说明本发明的实施例，而不是对于本发明的范围施加限制。在说明书中没有任何语言应当被理解为把任何非要求得到保护的元素表示为对于本发明的实践是重要的。
这里描述了本发明的优选实施例，包括本发明人认为用于实行本发明的最好模式。这些优选实施例的变例对于本领域技术人员在阅读以上的说明后是显而易见的。本发明人预期本领域技术人员在适当时利用这样的变例，本发明人打算除了这里具体地描述以外的方式实践本发明。例如，一个实施例可包括这样的系统，它被配置成显示两个信号历史的连续更新的3D几何表面表示，因为这些历史由病人监视设备实时地生成。因此，本发明包括在由可适用的法律许可的所附权利要求中阐述的主题的所有的修改方案和等同物。而且，在所有的可能的变例中上述的单元的任何组合被包括在本发明内，除非在这里另外表示或明显地反对。

Claims (20)

1.一种用于识别在病人监视信号历史之间的时间相关性的自动化的方法，该时间相关性提供足够的数据，以便呈现和/或修正健康护理的决定，该方法包括以下步骤：
指定(158)时间系，在该时间系内识别所述时间相关性；
提供(160)在时间系上的两个病人监视信号历史；
在时间系上建立(162)信号历史的三维几何表面模型；以及
可视地显示(164)该模型，以便于可视地识别在信号历史之间的相关性。
2.权利要求1的方法，其中提供两个信号历史的步骤还包括以下步骤：
从信号历史数据库检索(160)信号历史。
3.权利要求2的方法，还包括以下步骤：
接收(158)用户参数，以及其中检索信号历史的步骤还包括以下步骤：
按照用户参数从信号历史数据库检索(160)信号历史。
4.权利要求1的方法，还包括以下步骤：
监视(154)病人的状态的两个方面；
根据该两个方面的一个方面生成两个信号历史中的一个信号历史；以及
根据该两个方面中的另一个方面生成两个信号历史中的另一个信号历史。
5.权利要求5的方法，其中监视病人的状态的两个方面中的一个方面的步骤包括以下步骤之一：
a)监视病人的药物摄取量；
b)监视病人的脉搏。
6.权利要求1的方法，还包括以下步骤：
根据相关性来建议(168)健康护理。
7.权利要求1的方法，其中建立模型的步骤包括以下步骤：
通过使用B样条建立随时间的两个信号历史。
8.权利要求1的方法，其中建立模型的步骤包括以下步骤：
在三维直角坐标系统中画出数据点三元组，该系统具有：
第一轴，相应于第一病人监视信号的幅度；
第二轴，相应于第二病人监视信号的幅度；
第三轴，相应于时间。
9.权利要求1的方法，还包括以下步骤：
根据三维几何表面模型(120)建立密封的矩形网格(122)。
10.一种便于识别在病人监视信号历史之间的时间相关性的系统，该时间相关性便于作出和修正健康护理决定，该系统包括：
病人监视设备(144)，它监视病人的状况的两个方面，根据所述两个监视的方面生成两个病人监视信号历史，以及把这两个信号历史存储在可通信地耦合到病人监视设备(144)的存储器(146)中；
计算装置(148)，可通信地耦合到存储器(146)，以便从存储器(146)检索两个信号历史和生成表示随时间的两个信号历史的三维几何模型；
显示装置(152)，可通信地耦合到计算装置(148)和适合于可视地显示该模型。
11.权利要求10的系统，还包括：
输入装置，可通信地耦合到计算装置以便接收用户参数(150)，和发送参数到计算装置(148)，其中计算装置(148)适合于根据用户参数(150)从存储器(146)检索两个信号历史。
12.权利要求11的系统，其中输入装置是键盘。
13.权利要求12的系统，其中计算装置适合于使用B样条来生成模型。
14.权利要求10的系统，其中计算装置适合于通过在三维直角坐标系中画出数据点三元组而生成模型，该坐标系具有：
第一轴，相应于第一病人监视信号的幅度；
第二轴，相应于第二病人监视信号的幅度；
第三轴，相应于时间。
15.权利要求10的系统，其中计算装置适合于根据三维几何表面模型(120)生成密封的矩形网格(122)。
16.一种用于生成多个病人监视信号历史的时间相关性的图形表示的系统，由该系统建立的所述图形表示自动提供病人的临床历史和状态的全面的临床回顾，像由同一个信号历史相关性所表示的那样，该系统包括：
病人监视设备，能够显示在给定的时间系内的至少两个信号波形，从而规定至少两个信号历史；
计算装置，与病人监视设备通信，能够识别在至少两个信号历史内的相关性，并且使用在所述时间系内的信号历史来建立三维几何表面模型，其中所述相关性是容易被识别的。
17.权利要求16的系统，其中至少两个信号是用3D表示的以描述作为时间函数的信号点。
18.权利要求16的系统，还包括存储器，用于存储病人监视信号历史。
19.权利要求16的系统，还包括显示器，用于可视地传送所述图形表示。
20.权利要求16的系统，还包括用户输入装置，以便允许人工输入参数。
CNA2005800219516A 2004-06-30 2005-06-30 对病人临床趋势进行量化和监视它们的状态进展的系统和方法 Pending CN1977273A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US58420104P 2004-06-30 2004-06-30
US60/584,201 2004-06-30

Publications (1)

Publication Number Publication Date
CN1977273A true CN1977273A (zh) 2007-06-06

Family

ID=35429534

Family Applications (1)

Application Number Title Priority Date Filing Date
CNA2005800219516A Pending CN1977273A (zh) 2004-06-30 2005-06-30 对病人临床趋势进行量化和监视它们的状态进展的系统和方法

Country Status (5)

Country Link
US (1) US20080097785A1 (zh)
EP (1) EP1763815A1 (zh)
JP (1) JP4813476B2 (zh)
CN (1) CN1977273A (zh)
WO (1) WO2006003636A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102439459A (zh) * 2009-05-22 2012-05-02 比奥-雷德实验室股份有限公司 临床诊断过程的自动质量控制系统和方法
CN102844782A (zh) * 2011-02-21 2012-12-26 松下电器产业株式会社 数据处理装置、数据处理系统及数据处理方法

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102006040265A1 (de) * 2006-08-28 2008-03-13 Benq Mobile Gmbh & Co. Ohg Verfahren und EKG-Anordnung zur Darstellung eines EKGs
EP1965324A1 (en) * 2007-02-28 2008-09-03 Corporacio Sanitaria Parc Tauli Method and system for managing related-patient parameters provided by a monitoring device
US20190021667A1 (en) * 2016-10-19 2019-01-24 Tai Hing Plastic Metal Ltd. Method and device for monitoring body data based on underwear
EP3333854A1 (en) 2016-12-09 2018-06-13 Zoll Medical Corporation Tools for case review performance analysis and trending of treatment metrics
WO2018217677A1 (en) * 2017-05-22 2018-11-29 Adaptive, Intelligent And Dynamic Brain Corporation (Aidbrain) Method, module and system for analysis of brain electrical activity
US11723579B2 (en) 2017-09-19 2023-08-15 Neuroenhancement Lab, LLC Method and apparatus for neuroenhancement
US11717686B2 (en) 2017-12-04 2023-08-08 Neuroenhancement Lab, LLC Method and apparatus for neuroenhancement to facilitate learning and performance
US11478603B2 (en) 2017-12-31 2022-10-25 Neuroenhancement Lab, LLC Method and apparatus for neuroenhancement to enhance emotional response
US11364361B2 (en) 2018-04-20 2022-06-21 Neuroenhancement Lab, LLC System and method for inducing sleep by transplanting mental states
US11452839B2 (en) 2018-09-14 2022-09-27 Neuroenhancement Lab, LLC System and method of improving sleep
US11786694B2 (en) 2019-05-24 2023-10-17 NeuroLight, Inc. Device, method, and app for facilitating sleep

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5596993A (en) 1994-09-21 1997-01-28 Beth Israel Hospital Fetal data processing system and method
US6322502B1 (en) * 1996-12-30 2001-11-27 Imd Soft Ltd. Medical information system
JP2000342690A (ja) * 1999-06-09 2000-12-12 Nippon Colin Co Ltd 麻酔深度監視装置
WO2002031642A1 (en) * 2000-10-10 2002-04-18 University Of Utah Research Foundation Monitoring dynamic cardiovascular function using n-dimensional
AU2001289816B2 (en) 2000-10-26 2005-10-20 Mauser-Werke Gmbh Pallet container
US6741887B1 (en) * 2000-12-01 2004-05-25 Ge Medical Systems Information Technologies, Inc. Apparatus and method for presenting periodic data
US7054679B2 (en) * 2001-10-31 2006-05-30 Robert Hirsh Non-invasive method and device to monitor cardiac parameters

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102439459A (zh) * 2009-05-22 2012-05-02 比奥-雷德实验室股份有限公司 临床诊断过程的自动质量控制系统和方法
CN102439459B (zh) * 2009-05-22 2014-09-24 比奥-雷德实验室股份有限公司 临床诊断过程的自动质量控制系统和方法
CN102844782A (zh) * 2011-02-21 2012-12-26 松下电器产业株式会社 数据处理装置、数据处理系统及数据处理方法

Also Published As

Publication number Publication date
WO2006003636A1 (en) 2006-01-12
EP1763815A1 (en) 2007-03-21
US20080097785A1 (en) 2008-04-24
JP4813476B2 (ja) 2011-11-09
JP2008504858A (ja) 2008-02-21

Similar Documents

Publication Publication Date Title
CN1977273A (zh) 对病人临床趋势进行量化和监视它们的状态进展的系统和方法
Wagner et al. KAVAGait: Knowledge-assisted visual analytics for clinical gait analysis
US20160038092A1 (en) Applying non-real time and non-user attended algorithms to stored non-imaging data and existing imaging data for obtaining a dental diagnosis
US20190221310A1 (en) System and method for automated diagnosis and treatment
KR101957811B1 (ko) 의료 영상에 기반하여 피검체의 치매에 대한 중증도를 산출하는 방법 및 이를 이용한 장치
CN105184239A (zh) 基于患者表情识别的病房辅助医护系统及辅助医护方法
CN109313817A (zh) 用于生成医学诊断的系统和方法
EP3191991B1 (en) Image report annotation identification
US20210125727A1 (en) Machine Learning to Identify Locations of Brain Injury
CN105849773A (zh) 解剖结构的基于模型的分割
US20190214134A1 (en) System and method for automated healthcare service
US11893729B2 (en) Multi-modal computer-aided diagnosis systems and methods for prostate cancer
US20110129130A1 (en) System and method for integrated quantifiable detection, diagnosis and monitoring of disease using population related time trend data
US11861825B2 (en) Interactive coronary labeling using interventional X-ray images and deep learning
US20240029901A1 (en) Systems and Methods to generate a personalized medical summary (PMS) from a practitioner-patient conversation.
JP2022545355A (ja) 医療機器を識別、ラベル付け、及び追跡するためのシステム及び方法
EP3677179A1 (en) Medical information display device, method, and program
JP2022523162A (ja) 神経活動をモデル化するためのシステムおよび方法
CN117253580A (zh) 一种自动化患者监测护理系统、方法以及装置
CN118213092B (zh) 一种用于慢性创面疾病的远程医疗监管系统
CN109147927B (zh) 一种人机交互方法、装置、设备及介质
JP7477906B2 (ja) 認知症診断支援情報の提供装置及びその方法
US11354803B1 (en) Identifying spurious tracts in neuro-networks
EP3965117A1 (en) Multi-modal computer-aided diagnosis systems and methods for prostate cancer
CN114566275A (zh) 一种基于混合现实的院前急救辅助系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C12 Rejection of a patent application after its publication
RJ01 Rejection of invention patent application after publication

Open date: 20070606