FR2591884A1 - Procede non envahissant de diagnostic de la stenose vasculaire - Google Patents

Abstract

Procédé et dispositif permettant de diagnostiquer automatiquement et objectivement le degré de sténose d'un vaisseau à partir de données Doppler combinées en mode B et à impulsions, analysées en segments spectraux dans un analyseur de spectres à transformation rapide de Fourier en temps réel. Le dispositif comprend un ordinateur numérique convenablement programmé pour effectuer la reconnaissance de formes des segments spectraux ou d'une moyenne d'ensemble des segments spectraux pour classer le degré de sténose en fonction d'une base de données de sténoses connues en provenance de segments spectraux classés à l'avance. La figure 2 est une représentation schématique d'un signal Doppler type sur une courbe d'amplitude en fonction du temps. (CF DESSIN DANS BOPI)

Description

1. 2591884

PROCEDE NON ENVAHISSANT DE DIAGNOSTIC DE LA

STENOSE VASCULAIRE

Cette invention concerne un Drocédé automatique, objec-

tif et non envahissant d'interprétation du degré de sténose (rétrécissement)d'un vaisseau à partir des données de varia- tion de fréquence (due à l'effet Doppler) ultrasonore de la circulation du sang dans le vaisseau. Plus particulièrement, l'invention concerne un procédé empirique informatique de reconnaissance statistique des formes entre les données du patient et une base de données de spectres connus et classés à l'avance, pour diagnostiquer le degré de sténose des artères

carotides d'un patient en diverses catégories de sténose.

Le procédé fait appel à une scanographe à ultrasons, un ana-

lyseur de spectre à transformation rapide de Fourier, et un ordinateur numérique spécialisé pour effectuer l'analyse des données provenant des artères carotides primitive et interne.

La détection et l'évaluation de l'artériopathie caroti-

dienne sont importantes pour le traitement des ischémies

cérébrales transitoires et pour la prévention des attaques.

L'artériographie, méthode envahissante et coûteuse, présente des risques de morbidité et de mortalité qui limitent son emploi à des patients sélectionnés. On met actuellement au point un procédé non envahissant de diagnostic à ultrasons

en tant que solution de rechange à l'artériographie.

Pour la pathologie d'occlusion des artères carotides qui est associée aux anomalies de l'écoulement sanguin, telles qu'elles sont détectées avec un appareil à ultrasons à effet Doppler, des diagrammes d'écoulement irréguliers proches

de la zone lésée ont été étudiés par H. Keller, et al., "Non-

invasive Measurement of Velocity Profiles and Blood Flow in the Common Carotid Artery by Pulsed Doppler Ultrasound," Stroke, Juil.-Août 1976, 7(4), 370-7, et ont été en outre quantifiés par R. Rutherford et al., "The Use of Velocity Waveform Analysis in the Diagnosis of Carotid Artery Occlusive

Disease," Surgery 695-702 (1977), qui utilisaient des para-

mètres de forme d'onde mesurés à la main. Des paramètres mesurés par ordinateur, obtenus à partir de l'artère carotide

primitive, ont été utilisés par F. Greene, Jr., "A Micro-

processor Based Pattern Recognition Approach to Diagnosing Atherosclerosis," Master's Thesis, University of Washington (1979) et par S. Sheriff, "Mathematical Feature Extraction Applied to the Entire Doppler Shifted Frequency Signal Obtained from the Common Carotid Artery (Abstract), Blood Flow Theory and Practice, The Biol. Eng'g Soc., Londres (1980) 34-1, 34-4. Pour déterminer l'étendue de l'artériopathie à partir de données de variation de fréquence due à l'effet Doppler par ultrasons à partir des artères carotides primitive et interne, on utilise le procédé assisté par ordinateur de la présente invention pour reconnaître des formes ou des

structures dans les caractéristiques spectrales et tempo-

relles du signal Doppler rétrodiffusé. Cette méthodologie, appelée "reconnaissance statistique des formes", a trouvé application dans des disciplines qui vont de la recherche chimique (B. Kowalski, "Pattern Recognition in Chemical Research," Computers in Chem. and Biochem. Res., vol. 2, Academic Press, N.Y. (1976) à l'identification d'anomalies du foie à l'aide du diagnostic par ultrasons (R. Lerski et al., "Computer Analysis of Ultrasonic Signals in Diffuse

Liver Disease," Ultrasound Med. Biol., 5, 341-350 (1979).

Une telle approche convient très bien au problème de l'éva-

luation de la sténose vasculaire, dans les cas o, tandis que la nature précise des processus physiques mis en jeu n'est pas bien élucidée, on peut encore déterminer l'étendue du mal. Les algorithmes mis en jeu dans le procédé de la présente invention ont permis d'obtenir des résultats utiles du point de vue du diagnostic, avec des données cliniques obtenues dans des conditions réalistes. Le traitement mis

en jeu consiste à extraire les données de variation de fré-

quence due à l'effet Doppler, caractéristiques du degré de sténose, de l'artéfact créé par le mouvement de la paroi du vaisseau, le déplacement du volume de l'échantillon, et

les parasites de l'installation.

Traditionnellement, le diagnostic de l'artériopathie nécessitait une artériographie envahissante (angiographie

3 2591884

de contraste). Plus récemment, la scanographie par ultrasons a conduit au diagnostic du mal sur la base d'affichages des spectres de transformation de Fourier analysés par un analyseur de spectres. Une telle lecture est difficile. Les spectres enregistrés (tels qu'ils sont représentés, par exemple, dans R. Knox, et al., "Computer Based Classification of Carotid

Arterial Disease: A Prospective Assessment," Stroke, Sept.-

Oct. 1982, 13, 589-94 sont un élargissement continuel du signal à mesure que le degré de sténose augmente. Lire les spectres pour quantifier le degré de sténose exige une grande compétence et une grande expérience. Déceler un état qui

évolue lentement est presque impossible.

Mais avec la méthodologie de la présente invention, les données d'amplitude et de fréquence de la transformation rapide de Fourier discrète sont traitées dans l'ordinateur

à l'aide d'algorithmes de reconnaissance des formes. Le pro-

cédé consiste à traiter les données des spectres enregistrés en extrayant des morceaux utiles ou des caractéristiques

prédominantes des données. Avec le présent système, le diag-

nostic est obtenu objectivement et automatiquement à partir

des données matérielles, ce qui permet d'éliminer la néces-

sité d'une grande compétence ou d'une grande expérience dans l'interprétation. Un technicien peut poser immédiatement le diagnostic sans qu'un radiologue soit nécessaire pour lire le spectre,

ce qui entraînerait des retards de diagnostic. L'interpré-

tation visuelle de caractéristiques telles que la fréquence

systolique de crête, la fréquence diastolique, le degré d'élar-

gissement spectral, ou la forme globale des formes d'ondes, rend virtuellement impossible, même pour les radiologues les plus compétents, une classification objective des diverses sténoses et la quantification des caractéristiques qui sont associées à chaque degré de sténose. La reconnaissance des formes des données d'amplitude et de fréquence offre une méthodologie statistique et analytique très perfectionnée permettant de disséquer les spectres Doppler à ultrasons pour en extraire automatiquement les données importantes

pour le diagnostic.

Pour diagnostiquer automatiquement et objectivement le degré de sténose dans un vaisseau, dans l'artère carotide par exemple, un scanographe à ultrasons crée un signal Doppler à impulsions rétrodiffusé en provenance du voisinage du flux sanguin central en plusieurs emplacements le long du vaisseau

près de l'entaille dicrotique. Les fréquences de transfor-

mation de Fourier de ce signal Doppler sont analysées dans un analyseur de spectres de transformation rapide de Fourier, en temps réel. Les spectres analysés en fréquence sont en outre traités dans un ordinateur numérique spécialisé pour que la reconnaissance des formes entre une moyenne d'ensemble des spectres du patient et des spectres connus semblables et classés à l'avance dans une base de données puisse être

effectuée pour classer les données du patient dans une caté-

gorie reflétant le degré de sténose. Le système de classifi-

cation est hiérarchique,-basé sur des algorithmes de formation

qui pondèrent les mesures ou les "caractéristiques" des spec-

tres. Pour que le traitement soit efficace, on comprime d'abord

les données pour sélectionner des parties ou des caractéris-

tiques significatives du signal Doppler complet. La compression fait intervenir la création de la moyenne d'ensemble, la

sélection d'un spectre ou d'un contour représentatif d'ampli-

tude en fonction du temps, à une fréquence donnée représentative du signal Doppler véritable, et l'élargissement du spectre

représentatif avec des contours représentatifs de fréquence-

amplitude autour du contour Doppler de base.

La mise à la moyenne permet de réduire l'effet des points de données écartés, apparemment aberrants qui sinon pourraient poser un problème. Le cas échéant, on peut mettre à l'échelle les largeurs des élargissements spectraux en divisant la

largeur mesurée par le cosinus de l'angle Doppler (habituel-

lement 60 ). La mise à l'échelle permet de déterminer l'inci-

dence éventuelle de l'angle Doppler sur le diagnostic. On

peut également explorer la symétrie spectrale.

La comparaison des caractéristiques se fait avec le logiciel ARTHUR d'analyse de reconnaissance des formes,

à l'aides de méthodes statistiques qui permettent un diag-

nostic empirique du degré de sténose.

Sur les dessins ci-joints:

la figure 1 est un schéma-bloc simplifié de l'instal-

lation de diagnostic selon la présente invention; la figure 2 est une représentation schématique d'un signal Doppler type sur une courbe d'amplitude en fonction du temps; et la figure 3 est une représentation des données comprimées dans une moyenne d'ensemble. Ces données sont utilisées dans le dispositif de reconnaissance des formes pour déterminer

le degré relatif de sténose.

On utilise un scanographe à ultrasons 10, de type Duplex pour créer la base de données du patient. Le scanographe 10 est un scanographe à effet Doppler combiné en mode B et à impulsions, fonctionnant à 5 MHz, et fournit un signal Doppler en quadrature (bidirectionnel). On peut supprimer la pratique courante consistant à filtrer le signal Doppler dans un filtre passe-haut pour éliminer les parasites dus à la paroi. Les

patients souffrant d'une artériopathie ont souvent des compo-

santes du signal Doppler proches de 0 Hz, et ces signaux seraient perdus avec un filtre passe-haut. Les signaux proches de 0 Hz sont prédominants dans la période de fin de diastole ou au niveau de l'entaille dicrotique, o une inversion de circulation peut parfois être observée. L'électronique Doppler d'origine du scanographe commercial 10 avait son point 3 dB

du filtre de paroi modifié de 1 kHz à 100 Hz pour que l'infor-

mation d'écoulement ne soit pas perdue dans ces cas-là. On

obtient ainsi une sensibilité maximale aux signaux d'artério-

pathie en traitant une bande passante plus large.

D'habitude, le scanographe 10 est un scanographe du type Mark V Duplex fourni par Advanced Technology Laboratories (ATL), à Bellevue, Washington, Etats-Unis d'Amérique (division

des laboratoires Squibb). Ce scanographe utilise trois trans-

ducteurs de 5 MHz à foyer fixe qui sont incorporés à une

roue tournante, engendrant une image sectorielle bidimension-

nelle des interfaces de tissus mous. L'image obtenue en mode B est utilisée pour identifier le vaisseau intéressant, pour visualiser la calcification de la paroi, pour reconnaître

les variations anatomiques, pour placer le volume de l'échan-

6 2591884

tillon Doppler à impulsions au centre d'écoulement du vaisseau, et, ce qui est le plus important, pour maintenir un angle d'incidence Doppler type de 60 environ entre le faisceau Doppler et l'axe du vaisseau sanguin. L'image obtenue en mode B est mise en mémoire électroniquement, tandis que l'un

des transducteurs est utilisé dans le mode Doppler à impul-

sions pour contrôler la vitesse du sang à l'intérieur du volume d'échantillon. L'orientation du faisceau Doppler et l'emplacement du volume d'échantillon sont affichés sur l'image obtenue en mode B. La tête de balayage utilise habituellement des transducteurs de 6 mm de diamètre mis au point à une profondeur de 25 mm pour la saisie des données des artères carotides primitive et interne. Le volume d'échantillon pour ce transducteur est de 3 mm3 environ à cette distance focale,

assurant une bonne limite de résolution au niveau de l'écoule-

ment central o les perturbations dues à la paroi ont peu d'effet. Bien que le dispositif soit utilisable pour la plupart des vaisseaux sanguins majeurs, les recherches s'attachent surtout actuellement au diagnostic du degré de sténose dans

les artères carotides, et cette description sera limitée

à ces artères. Les emplacements anatomiques à partir desquels des diagrammes de vitesse sont couramment enregistrés pour

l'analyse des artères carotides sont l'artère carotide primi-

tive (1-CCA), l'artère carotide interne proche (p-ICA), et les emplacements situés le long de la bifurcation o des

signaux de haute fréquence sont éventuellement détectés.

En chaque emplacement, l'angle entre le faisceau Doppler et l'axe longitudinal du vaisseau est mesuré directement à partir de l'image obtenue en mode B. On obtient en même temps une information 12 de minutage d'électrocardiogramme (EGG) à l'aide d'un circuit qui se déclenche à partir de l'onde R. En plus de la voix du technicien (un canal), des signaux de quadrature Doppler (deux canaux), ainsi que le signal d'onde R d'ECG modulé en fréquence (un canal) sont enregistrés automatiquement sur bande magnétique à quatre canaux pour l'analyse hors ligne. Environ 20 à 25 cycles cardiaques consécutifs sont enregistrés sur bande à partir de chaque emplacement. Quand une artériopathie est détectée dans la partie éloignée de l'artère carotide primitive ou dans la partie proche de l'artère carotide interne (dans les deux premiers centimètres environ), c'est l'emplacement de la perturbation maximale de l'écoulement que l'on utilise pour l'analyse. Ce signal est identifié par le technicien, soit d'après une augmentation marquée des fréquences Doppler, soit d'après la "rudesse" audible du signal. Les données enregistrées sur bande sont relues par l'intermédiaire d'un analyseur de spectres en temps réel, et sa sortie numérique

est en général écrite directement sur disque.

Dans les expériences de la présente invention, des données ont été enregistrées à partir de l'écoulement central de quatre emplacements pour chaque ensemble carotidien, donnant un total de huit emplacements par sujet: les régions proche (à environ 3 cm du globe oculaire) et éloignée (à environ

1 cm du globe oculaire) de l'artère carotide primitive, l'ar-

tère carotide interne au niveau de l'écoulement perturbé audible maximal, et l'emplacement de la carotide interne à 1 ou 2 cm de ce point. Le choix de deux emplacements de

la carotide primitive était basé sur l'expérience qui indi-

quait que des différences de comportement d'écoulement pou-

vaient être constatées en différents points le long de cette

artère. Sur la base d'essais complémentaires, il a été déter-

miné que les données provenant de l'artère carotide primitive proche et de l'artère carotide interne proche sont les seules

données nécessaires pour le dispositif préféré selon la pré-

sente invention.

La décomposition spectrale du signal Doppler directionnel est effectuée dans l'analyseur de spectres 14 à l'aide d'une méthode de transformation de Fourier rapide discrète numérique (DFT). L'analyseur de spectres, tel que l'analyseur de spectres FFT en temps réel spécial qui est fourni par Honeywell, Inc. à Denver, Colorado, Etats-Unis d'Amérique, fournit 400 spectres par seconde avec une limite de résolution de fréquence de Hz. Toutes les 2,5 msec., un nouveau spectre est créé, affichant 10 msec. de fréquence Doppler. Les spectres adjacents comprennent ainsi 75 % de données anciennes et 25 % de données

8 2591884

nouvelles. L'intervalle d'analyse est de 10 kHz, 7 kHz-étant

réservés pour l'écoulement en sens direct et 3 kHz pour l'écou-

lement en sens inverse ou retour. L'existence de composants de fréquence au-delà de 7 kHz se produit régulièrement avec les sténoses sévères, et peut être déduite de la pente de

l'enveloppe des données de la transformation de Fourier dis-

crète (DFT) qui sont disponibles entre 0 et 7 kHz. D'habitude,

la pente de la DFT varie régulièrement et se rapproche suffi-

samment de zéro entre 0 et 7 kHz pour que le plus fort contenu de fréquence des données Doppler soit évident sur la base

de l'extrapolation des données de 0 à 7 kHz.

Une interface de matériel et de logiciel avec un ordina-

teur PDP 11/34 ou LSI 11/23 permet le transfert des données spectrales numérisées et de l'information de minutage de i'ECG, directement de l'analyseur de spectre sur la mémoire à disque 16. Un sous-programme de gestion de données du logiciel est conçu pour permettre d'introduire dans le fichier de données les renseignements généraux concernant le patient (identification du patient, âge, symptômes, bruits, opérations chirurgicales antérieures de la carotide, etc.), le côté et l'emplacement du signal, l'angle Doppler et, éventuellement,

d'autres informations.

La décomposition spectrale du signal Doppler en quadra-

ture se fait sous forme numérique. La précision de transfor-

mation de ce signal est de 8 bits, et la configuration permet de délivrer 100 bits d'informations de fréquence toutes les 2,5 msec. La précision de l'analyseur de spectres est de % en amplitude pour chaque bit de fréquence.

Le signal Doppler d'écoulement sanguin affiche un échan-

tillon statistique des mouvements des cellules sanguines individuelles à l'intérieur du volume d'échantillon. Chaque

pixel spectral, large de 100 Hz et long de 10 msec., repré-

sente une partie de cet échantillon statistique. La variation

et la fluctuation d'intensité d'un pixel à l'autre sont étonna-

ment grandes. La variabilité statistique de chaque pixel se reflète dans la variabilité de deux spectres adjacents,

même s'ils partagent 75 % des données.

Pour réduire la variance de l'estimation, on utilise

9 2591884

un système de mise à la moyenne spectrale. Ce système a été conçu pour préserver la limite de résolution temporelle à

l'intérieur du cycle cardiaque tout en fournissant une meil-

leure estimation de la répartition réelle des fréquences Doppler. Le procédé permet d'obtenir une famille de spectres mis à la moyenne, représentant chacun une partie différente, de 10 msec., du cycle cardiaque. La mise à la moyenne renforce les caractéristiques de la forme d'ondes qui sont constantes ou périodiques, tout en réduisant les autres caractéristiques,

non périodiques ou variant avec le temps (variations de batte-

ment à battement, parasites du dispositif non immobile, et autres artéfacts). La mise à la moyenne permet d'éviter la

prévention qui serait mise en jeu dans une sélection subjec-

tive d'un battement cardiaque "représentatif".

On effectue habituellement la mise à la moyenne spectrale

en introduisant les données de signal du disque dans l'ordi-

nateur numérique spécialisé 18, au débit de données de 40 kilo-

octets/sec. de l'analyseur de spectres, ou à tout autre débit de données convenable, en faisant la somme des signaux, et

en divisant par le nombre total de signaux. On obtient l'infor-

mation de minutage de l'ECG à l'aide d'un circuit de matériel qui se déclenche à partir de l'onde R, tout en rejetant les

variations d'amplitude et de base et les ondes P et T accen-

tuées. Les données de variation de fréquence due à l'effet

Doppler sont ainsi segmentées en cycles cardiaques correspon-

dants basés sur le minutage de l'onde R. Etant donné que le retard électromécanique myocardique est relativement constant d'un battement à l'autre, c'est

l'onde R que l'on choisit comme référence de temps pour syn-

chroniser la mise à la moyenne des données. Pour éliminer les artéfacts dus aux arythmies cardiaques, on rejette tout

signal ayant un intervalle R-R qui ou bien diffère de l'inter-

valle précédent de 110 msec. environ en plus ou en moins, ou qui est plus long de plus de 33 % environ que l'intervalle précédent. On pourrait utiliser d'autres facteurs comme règle

de séparation pour les arythmies.

Les battements rejetés peuvent être des battements arythmiques (irrégularités cardiaques) ou anormaux, tels

2591884

que contractions ventriculaires prématurées. La règle des 33 % comprend, cependant, tous les battements qui sont des variations normales du rythme cardiaque. Ici encore, on réduit la prévention de l'analyse, étant donné que l'on utilise une règle objective. On fait la somme des enregistrements spectraux obtenus à partir de plusieurs battements cardiaques par ailleurs consécutifs et acceptables, pour obtenir un spectre de moyenne d'ensemble pour le patient. On calcule la moyenne d'ensemble à l'aide de la formule: K E (f,t) = E (f,t,n)/k n=l dans laquelle: Eest l'amplitude DFT à f, t, n; f est la fréquence; t est le temps (mesuré sur 280 intervalles de 2,5 msec. après l'onde R de 1'ECG); n est le numéro d'ordre du spectre cardiaque; et K est le nombre des spectres dans la moyenne

d'ensemble (habituellement 15 à 20).

Quinze à vingt spectres individuels fournissent une moyenne stable représentative de l'état du patient. Si l'on fait la moyenne de moins de 15 spectres, il peut en résulter un diagnostic incorrect, étant donné que la variance de la moyenne risque d'être trop grande. Si l'on utilise plus de spectres, on constate une faible amélioration, et il peut

en résulter une certaine réduction de la valeur du diagnostic.

En effet, les spectres deviennent irréguliers à cause de la fatigue du technicien qui déplace le scanographe, ou à cause de modifications du patient dues à la longueur de

l'examen. Une moyenne de 20 spectres est préférable.

On fait la moyenne de spectres acceptables consécutifs pour éviter d'introduire une distorsion due à la sélection

arbitraire des spectres.

Une estimation du spectre de puissance réel du signal Doppler (obtenue en effectuant une transformation de Fourier discrète (DFT)) est sujette à erreur statistique. On peut il 2591884 étudier analytiquement le comportement de cette erreur en déduisant sa variance. Oppenheim et Schafer ont montré que pour un procédé aléatoire gaussien: Var [I(f)] = P(f)[l + (sin 2 fN)/(N sin 2 f)] = P(f)Il + sinc(2 fN) j sinc(2 f) o: P(f) est la densité spectrale de puissance estimée (périodogramme) en fonction de la fréquence f

P(f) est la densité spectrale de puissance réelle (sous-

jacente) à partir de laquelle les estimations observées [P(f)] sont engendrées N est le nombre de points de données dans la DFT

sinc(x) = sin(x)/x.

Le signal Doppler doit être gaussien étant donné qu'il est produit par un nombre assez grand de diffuseurs aléatoires (cellules sanguines). Comme: Lim Var [P(f))] = P(f), N - c l'erreur de l'estimation ne converge pas vers zéro à mesure que le nombre d'échantillons, N, augmente (c'est-àdire qu'il ne s'agit pas d'une estimation "cohérente"). On peut cependant obtenir une amélioration en faisant la moyenne d'estimations successives. En particulier, Welch a montré que: f. Var IP(f)] = P(f)/K (si N est assez grand)

o: K est le nombre de moyennes spectrales.

Comme la variance de l'estimation, à chaque fréquence, est égale au spectre de puissance réel à cette fréquence si l'on

n'effectue aucune moyenne (K = 1), la DFT peut différer nota-

blement du spectre sous-jacent réel à moins que l'on utilise une moyenne. Une variance de la nature constatée ici signifie que le spectre réel est compris entre-0 et deux fois celui

de l'estimation qui est mesurée.

La réduction de variance fait la moyenne de spectres de 20 cycles cardiaques acceptables successifs, à des instants identiques par rapport à chaque onde R. La taille du fichier de données résultant, même s'il ne représente que le 1/20 des données brutes,est telle que la mémoire à disque ne peut

encore conserver de données que pour onze patients environ.

12 2 2591r884 Une nouvelle compression de données est nécessaire, et on

va l'expliquer.

Le progiciel ARTHUR, qui est fourni par l'Université de Washington, est utilisé comme base de sous-programmes pour effectuer de la reconnaissance de formes. Ce progiciel

fournit le logiciel nécessaire pour aborder le problème géné-

ral posé par la reconnaissance des formes dans des données stochastiques, lorsqu'on ne sait rien ou presque rien de la forme des densités de probabilité sous-jacentes. On met

en oeuvre un système de gestion de base de données pour orga-

niser les grandes quantités de données qui sont mises en jeu.

L'approche reconnaissance des formes est basée sur l'uti-

lisation de données représentant des états connus de la nature

(maladie par exemple) pour "entraîner" un système de classi-

fication. On utilise ensuite cette "base de données de forma-

tion" pour mettre au point une règle de décision, que l'on

utilise pour classer des données inconnues.

La base de données de formation, qui est fournie par l'Université de Washington et la Washington Research Foundation, se compose de données provenant d'artères malades

et normales. Des patients considérés comme souffrant d'arté-

riopathie ont été évalués indépendamment par artériographie de contraste (angiographie), qui a fourni une estimation du pourcentage de réduction de diamètre à partir de la moyenne de mesures indépendantes prises par deux radiologues mais lues par un seul d'entre eux. L'estimation utilisée était % de sténose = 100 X (1 - diamètre du vaisseau non bouché) diamètre total du vaisseau L'âge des patients malades allait de 38 à 82 ans, avec une

médiane de 61 (moyenne = 61,7). On a obtenu des données nor-

males à partir de sujets qui étaient présumés non malades en raison de l'absence de symptômes et de bruits. Leur âge s'échelonnait de 21 à 43 ans, avec un âge médian de 27 (moyenne = 28,5). La base de données de formation comprend des données comprimées de spectres de moyenne d'ensemble

de chaque état connu et les données du signal Doppler à ultra-

sons complets sont disponibles pour une validation croisée

13 2591884

ou une étude élargie, si nécessaire.

La base de données de formation ne sera probablement

jamais réassemblée étant donné que l'artériographie de con-

traste n'est pas régulièrement prescrite en raison des risques qu'elle présente. Avec la suprématie des techniques de diag- nostic par ultrasons et autres techniques non envahissantes, les médecins se refusent à autoriser une artériographie de contraste qui impose aux patients des risques semblables

à une opération chirurgicale.

Les états pathologiques qui sont identifiables à l'inté-

rieur des données Doppler sont considérés comme catégoriels, plutôt que continus. S'ils sont catégoriels, l'approche de diagnostic: (1) reconnaît que des groupements naturels peuvent exister dans les données (par exemple, normal ou malade), (2) permet une estimation de la probabilité d'erreur de classification, et (3) réduit le problème d'erreur dans les lectures individuelles des artériogrammes en cherchant un groupage naturel des spectres correspondant à un état particulier des données, plutôt qu'en cherchant une varia-

tion prévisible d'une façon régulière à mesure que la sténose augmente. Des erreurs peuvent résulter, dans les spectres individuels, d'incertitudes inhérentes sur le diamètre du vaisseau non bouché, même avec la mesure par artériographie de contraste. Les estimations de la sténose sont basées sur des images planes d'une lésion tridimensionnelle irrégulière à l'intérieur du vaisseau. Une étude récente indique que des taux de désaccord entre radiologues de 17,5 % peuvent se produire quand on utilise l'artériogramme pour identifier un état pathologique comme une sténose à 0 %, 1-9 %, 10-49 %, 50-99 %, ou 100 %, ou de 12,5 % quand on identifie un état

pathologique comme une sténose à 0 %, 1-20 % ou 21-99 %.

Ces variations sont réduites avec une méthodologie catégo-

rielle de reconnaissance des formes, qui cherche tout simple-

ment un groupage étant donné que les tendances majeures sont reconnaissables même si de fins détails peuvent échapper

à l'observation.

Les données du patient sont classées selon une série hiérarchique de décisions binaires séparées, selon l'un des

14 2591884

schémas suivants: A Pour un vaisseau qui n'est pas complètement bouché, Décider s'il est normal ou malade; S'il est malade, décider si la sténose est supérieure ou inférieure à 50 %; Si la sténose est inférieure à 50 %, décider si elle

est supérieure ou inférieure à 20 %.

B Pour un vaisseau qui n'est pas complètement bouché, Décider s'il est normal ou malade (partiellement bouché); S'il est malade, décider si l'occlusion est supérieure ou inférieure à 50 %;

Si l'occlusion est inférieure à 50 %, décider si l'occlu-

sion est supérieure ou inférieure à 35 %;

Si l'occlusion est inférieure à 35 %, décider si l'occlu-

sion est supérieure ou inférieure à 15 %.

Le cas échéant, on peut réaliser une division en caté-

gories plus fines.

La décision initiale doit être: le vaisseau est-il ouvert ou complètement bouché (occlus) ?, étant donné qu'une erreur de diagnostic forcée se produira si le vaisseau est bouché et ne laisse apparaître aucun écoulement. La hiérarchie

de la décision ultérieure présume un écoulement dans le vais-

seau et impose les décisions ultérieures. On procède à la détermination initiale (ouvert ou bouché) en observant un signal d'écoulement dans l'artère carotide interne ainsi que dans l'artère carotide primitive proche. Si un écoulement est détecté dans la carotide interne, on peut utiliser pour le diagnostic le dispositif informatique de reconnaissance des formes. Si aucun écoulement n'est détecté, c'est que le vaisseau est complètement bouché, et le technicien pose le diagnostic sans utiliser la reconnaissance des formes spectrales. Quand on comprime les données mises à la moyenne, on peut extraire les informations essentielles nécessaires pour

une analyse réussie de reconnaissance des formes. Ces "infor-

mations essentielles" se composent d'estimateurs d'emplacement

2591884

et d'échelle pour les spectres Doppler, qui sont des indica-

teurs d'une fréquence à l'intérieur du signal et de l'étale-

ment du spectre associé à cette fréquence caractéristique.

Pour entamer la compression de données, il faut trouver dans les parasites reçus avec le signal rétrodiffusé, un signal Doppler représentatif de l'écoulement sanguin (et indicatif du degré de sténose). Un algorithme permettant de remplir cette fonction a été mis au point et à l'épreuve sur des données cliniques. Cet algorithme permet de trouver la fréquence de mode (amplitude maximale) du signal Doppler, après utilisation d'une statistique d'ordre croissant ou décroissant pour trouver la région du spectre contenant le signal. La statistique d'ordre croissant ou décroissant résiste à des parasites à bande passante étroite de grande

amplitude (artéfact de paroi par exemple). La fréquence d'am-

plitude maximale pour la moyenne spectrale détermine la fré-

quence de mode de signal permettant d'extraire des 280 inter-

valles de temps de la moyenne d'ensemble le signal de contour caractéristique d'amplitude en fonction du temps. Autrement dit, pour chaque intervalle de temps dans le cycle cardiaque enregistré dans les données de variation de fréquence Doppler, on utilise l'amplitude de la fréquence d'amplitude maximale

pour définir le contour de signal de mode en trouvant l'ampli-

tude du signal à cette fréquence dans chacun des 280 inter-

valles de temps (pixels) d'un bout à l'autre du spectre.

On détermine la fréquence d'amplitude maximale en traçant une courbe de l'amplitude en fonction de la fréquence à partir des données de variation de fréquence Doppler-. En tant que telles, l'amplitude maximale et sa fréquence correspondante

sont faciles à extraire.

Il est commode d'estimer l'échelle ou la largeur du signal d'écoulement de variation de fréquence Doppler pour le contour caractéristique en ajustant des contours à 3 db (les points de demi-puissance du signal) et à 9 db du contour de signal de mode. On améliore les estimations du contour de signal de mode et du contour d'étalement en utilisant dans le calcul un filtre de médiane courante. Cette approche s'est révélée insensible à la plupart des cas d'artéfacts

16 2591884

de paroi, de bruits de fond, et d'interférences de canal

en quadrature. Bien entendu, on peut utiliser d'autres tech-

* niques de mise à l'échelle ou d'élargissement.

Etant donné que l'information d'écoulement en fin de diastole est susceptible d'être intéressante dans l'analyse, on a besoin d'une méthode d'obtention de cette information à partir du spectre de moyenne d'ensemble. La méthode doit être insensible aux intervalles R-R, variant largement, qui sont observés entre des patients différents. Mais, en incluant 100 msec. de données précédant immédiatement chaque spectre

d'onde R acceptable dans la moyenne d'ensemble, on peut aisé-

ment inclure l'information de fin de diastole, dans les con-

tours comprimés représentatifs de la bande passante de fré-

quence et d'amplitude des données de variation de fréquence

Doppler complètes.

Les données comprimées (fig. 3) comprennent cinq lignes de contour représentant l'amplitude Doppler en fonction du temps pour chaque fréquence. La ligne de contour centrale. 100 (fig. 3) représente la fréquence médiane ou fréquence de signal de mode qui représente le mieux l'écoulement sanguin au centre du vaisseau. La paire de lignes ou de "contours d'échelle" 200 ou 300 entourant immédiatement le contour de signal de mode 100 signale les points à 2 db, et la paire extérieure extrême 400 et 500 représente les points

à 9 db par rapport au mode. Ces contours compriment les don-

nées à 1400 octets par emplacement ([4 contours + 1 model x [280 intervalles de temps! = 1400 octets). On obtient une nouvelle réduction de données de vingt à un. Les données comprimées pour plusieurs centaines de patients peuvent s'adapter sur un seul disque, ce qui facilite l'analyse des données.

Le système de reconnaissance des formes permet de compa-

rer des caractéristiques de trois types généraux: (1) celles qui font intervenir des relations avec le temps de la forme d'onde de vitesse; (2) celles qui font intervenir la largeur du spectre en des points choisis à l'avance le long du cycle

cardiaque; et (3) celles qui font intervenir une décomposi-

tion de fréquence de la forme d'onde de fréquence moyenne

17 2591884

estimée. La forme d'onde de fréquence moyenne ou la ligne de contour de mode est analysée dans une transformation de Fourier discrète à fenêtre pour extraire les composantes

de fréquence Doppler principales entre 1 et 20 Hz. Quatre.-

vingt-quatorze caractéristiques ont été initialement iden-

tifiées comme des caractéristiques potentielles pour compa-

raison, et sont décrites dans le tableau I.

TABLEAU I

Caractéristiques potentiellement importantes de reconnaissance des formes On a mis à l'échelle ou transformé certaines de ces caractéristiques, à l'aide de fonctions logarithmiques ou de puissance, pour obtenir les caractéristiques utilisées

effectivement dans les équations discriminantes.

I. Artère carotide primitive proche (1) Aire sous la forme d'onde d'écoulement moyenne (2) Cos (E) (3) Sin (0) (4) Aire sous le pic systolique/cos (0) intervalles

de 15 msec.

A. Caractéristiques de fréquence de mode (5) Fin de diastole (50 msec. avant l'onde R de 1'ECG) (6) Pic systolique (7) Premier point de pente zéro après le pic systolique (8) Encoche dicrotique (9) Diminution de fréquence du pic systolique au premier point de pente zéro après le pic systolique/cos (0) B. Caractéristiques de débit diastolique (10) 125 msec. après l'encoche dicrotique/cos (0) (11) 50 msec. après l'onde R/cos (0)

(12) Fréquence d'amplitude maximale dans la transforma-

tion de Fourier discrète à fenêtre (WDFT) entre harmoniques 4 et 9 (13) Fréquence d'amplitude maximale dans la WDFT entre les harmoniques 5 et 9 (14) Fréquence d'amplitude maximale dans la WDFT entre les harmoniques 6 et 9 (15) Rapport de Pourcelot (16) Fréquence systolique de mode/fréquence de début de diastole de mode C. Caractéristiques reflétant la présente ou l'absence d'une "fenêtre systolique" (18) Fréquence maximale inférieure à 3 db entre t = (systole - 30 msec.) et t = (systole + 50 msec.) (19) Fréquence maximale inférieure à 9 db entre t =

(systole - 30 msec.) et t = (systole + 50 msec.).

D. Caractéristiques d'information de phase (annoncées) (20) Phase du second harmonique (21) Phase du troisième harmonique (22) Phase du quatrième harmonique E. Caractéristiques basées sur un élargissement spectral (Pour les contours de 3 db et 9 db, respectivement) (23-26) Fin de diastole (27-30) Systole

(31-34) Premier point de pente zéro après le pic systo-

lique (35-35) 100 msec. après la systole (39-42) Systole/cos (0) (43-46) 75 msec. après la systole/cos (0)

(47-50) 100 msec. après la systole/cos (8).

II. Caractéristiques de la carotide interne proche (1) Aire sous la forme d'onde d'écoulement moyenne (2) Cos O (3) sin 8 (4) Aire sous le pic systolique/cos (0) intervalles de

msec.

A. Caractéristiques de valeur de mode (5) Fin de diastole (50 msec. avant l'onde R de 1'ECG) (6) Pic systolique B. Caractéristiques maximales (7) Fréquence 3 db de crête r (8) Fréquence 9 db de crête (9) Degré de décélération suivant la systole/cos (0)

(10) Energie de l'amplitude maximale entre les harmo-

niques 5 et 9 (11) Fréquence d'amplitude minimale dans la WDFT de 2 au maximum précédent (12) Rapport de Pourcelot = (systole - ler point de pente zéro)/moyenne), en utilisant la forme d'onde de mode (13) Rapport = (systole - ler point de pente zéro)/systole), en utilisant la forme d'onde de contour de 9 dB supérieure (14) Rapport = (systole, en utilisant la forme d'onde moyenne estimée)/fin de diastole, en utilisant la forme d'onde de 9 dB supérieure C. Caractéristiques reflétant la présence ou l'absence d'une "fenêtre systolique" (15) Fréquence maximale 3 db inférieure entre t = (systole - 30 msec.) et t = (systole + 50 msec.) (16) Fréquence maximale 9 db inférieure entre t = (systole - 30 msec.) et t = (systole + 50 msec.) D. Caractéristiques basées sur un élargissement spectral

(Pour les contours de 3dB et 9dB, respectivement).

(17-20) Fin de diastole (50 msec. avant l'onde R) (21-24) Pic systolique (25-28) 50 msec. après le pic systolique (29-32) 100 msec. après le pic systolique (33-36) Pic systolique/cos (0) (41-41) 100 msec. après le pic systolique/cos (0) o 0 est l'angle formé par le faisceau Doppler avec l'axe

du vaisseau. -

Pour les caractéristiques faisant intervenir des rela-

tions avec le temps, on a encore comprimé le spectre de moyenne de l'ensemble de 5 contours en un seul contour moyen pondéré, les poids étant affectés en fonction des amplitudes relatives du contour en question, selon la formule: f(t) = {m(t) + 2 [Ul (t) + L1 (t)] + b[U2(t) + L2(t)l}/ (1 + 2 [a + b]) dans laquelle: m(t) est le mode spectral au temps t; Ul(t) est la fréquence 3 dB supérieure au temps t; Ll(t) est la fréquence 3 db inférieure au temps t; U2(t) est la fréquence 9 dB supérieure au temps t;

2591884

L2(t) est la fréquence 9 dB inférieure au temps t; a = 10-3/20; et b = 109/20 On a situé le pic systolique et la première inflexion du pic systolique à l'aide de la première dérivée lissée médiane

du contour 100 de fréquence (ou de mode) d'amplitude maximale.

On a lissé ce contour selon la méthode de Mosteller et Tukey.

Pour les caractéristiques faisant intervenir la largeur du spectre, on a mesuré la largeur du contour de mode au contour d'échelle voulu et on en a fait la moyenne pour une fenêtre de 12,5 msec. (5 intervalles) centrée sur le temps specifié. Comme le dispositif de reconnaissance des formes pondère les caractéristiques de façon linéaire, il est important de transformer de façon non linéaire les "caractéristiques brutes" (celles qui sont choisies dans le tableau I) pour tenter de porter au maximum leur efficacité dans les équations discriminantes linéaires. Par conséquent, on a calculé des fonctions exponentielles et de puissance des caractéristiques

de base, et on a tracé les courbes correspondantes pour véri-

fier leur linéarité. Pour la commodité et la simplicité de la présente invention, on a utilisé une régression linéaire pas à pas pour sélectionner les caractéristiques, et cette

méthode s'est révélée adéquate dans la-mesure o les carac-

téristiques sélectionnées contiennent des informations uniques

et non des informations redondantes.

On a remis à l'échelle les caractéristiques pour obtenir une variance nulle de la moyenne et des unités. Par analyse discriminante pas à pas des 94 caractéristiques, on a opéré

une classification des vaisseaux connus dans la base de don-

nées (ensemble de formation) en utilisant la meilleure combi-

naison de 5 caractéristiques sélectionnées parmi les 94 pour chaque décision hiérarchique. Ensuite, on n'utilise que ces caractéristiques pour diagnostiquer le degré de sténose

à partir de la moyenne d'ensemble d'un patient. Les 5 carac-

téristiques utilisées pour chaque décision hiérarchique (à savoir normal ou malade; sténose supérieure ou inférieure à 50 %, etc.) sont sélectionnées séparément par l'analyse

21 2591884

discriminante parmi l'ensemble des 94 caractéristiques d'ori-

gine, par rapport aux données des états artériens connus.

Bien entendu, on pourrait utiliser d'autres caractéristiques ou des caractéristiques supplémentaires, sélectionnées de façon différente. On préfère utiliser 5 caractéristiques car elles semblent fournir un haut degré de précision. On

obtient un équilibre assez acceptable pour que chaque carac-

téristique soit significative, sans que soient introduites

des caractéristiques relativement peu significatives ou redon-

dantes. Bien que la méthode puisse être orientée dans un sens ou dans l'autre par-la sélection de caractéristiques

sur la base de cette analyse discriminante, l'évidence empi-

rique montre que ce format représente un outil extrêmement

précis, automatique et objectif pour diagnostiquer correcte-

ment la sténose des artères carotides.

Les caractéristiques préférées sélectionnées pour chaque décision sont:

TABLEAU II

1. Normal ou malade 20. in (de la valeur de l'écoulement moyen de début de diastole dans l'artère carotide primitive/cose) - [variation postsystolique de fréquence/cos e]4 au niveau de l'artère carotide primitive ln (mode de la forme d'onde DFT) au niveau de l'artère carotide interne (point 9 dB inférieur de la forme d'onde)4 au niveau de l'artère carotide interne ln (écoulement moyen de fin de diastole/cos e) au niveau de l'artère carotide primitive 2. Sténose supérieure ou inférieure à 50 %

[fréquence 9 dB de crête]2 au niveau de l'artère caro-

tide interne

[fréquence 9 dB inférieure maximale entre 50 msec.

du pic systoliquel4 au niveau de l'artère carotide interne -[variation post-systolique de fréquence/cos e Il au niveau de l'artère carotide interne in [premier minimum de la forme d'onde DFTI au niveau

22 2591884

de l'artère carotide interne Ilargeur 9 dB supérieure 50 msec. après la systole]4 au niveau de l'artère carotide interne 3. Sténose supérieure ou inférieure à 35 % 5. fréquence 9 dB de crête au niveau de l'artère carotide interne ln Ifréquence 125 msec. avant l'encoche dicrotique de l'artère carotide primitive] in [variation de la fréquence systolique au niveau de l'artère carotide interne/cos 0] in [forme d'onde DFT 9 dB inférieure] au niveau de l'artère carotide interne 4. Sténose supérieure ou inférieure à 15 %

in [aire située sous le pic pour la période 37,5 msec.

autour de la systole] au niveau de l'artère carotide primitive ln [fréquence 9 dB de crête] au niveau de l'artère carotide interne fréquence 9 dB de crête au niveau de l'artère carotide interne largeur 9 dB supérieure 125 msec. après la diastole au niveau de l'artère carotide primitive in [largeur 3 dB inférieure 125 msec. après la diastolel au niveau de l'artère carotide interne 5. Sténose supérieure ou inférieure à 20 %

in faire située sous le pic pour la période 35,5 msec.

autour de la systole] au niveau de l'artère carotide primitive in [fréquence 9 dB de crête] au niveau de l'artère carotide primitive fréquence 9 dB de crête au niveau de l'artère carotide interne largeur 9 dB inférieure 100 msec. après la systole au niveau de l'artère carotide primitive 35. in [mode de la forme d'onde DFT] au niveau de l'artère

carotide primitive.

Cette détermination de 20 % de sténose-est apparemment assez précise si l'on utilise un essai redondant en ce qui

23 2591884

concerne la fréquence 9 dB de crête.

S'il est souhaitable de déterminer si la sténose vascu-

laire est supérieure ou inférieure à 80 %, les caractéris-

tiques préférées sont: 6. Sténose supérieure ou inférieure à 80 % ln [largeur 9 dB supérieure, à la systole] au niveau de l'artère carotide interne ln [fréquence 3 dB maximale entre 50 msec. du pic systolique] au niveau de l'artère carotide interne 10. in [premier moment du pic systolique/fréquence 9 db supérieure 125 msec. après la diastole] au niveau de l'artère carotide primitive in [mode de la forme d'onde DFT] au niveau de l'artère

carotide interne.

On utilise une méthode de résolution hyperplane de la reconnaissance des formes basée sur l'analyse de régression linéaire dans le logiciel ARTHUR. La méthode préférée selon Pietrantonio et Jurs (généralement connue sous le nom de Pjurs) consiste à minimiser de façon itérative la fonction: K [Y - tanh(Wo + Z wiXi) i=1 dans laquelle Y = +1 si l'on sait que les données se trouvent dans la catégorie 2 = -1, si l'on sait que les données se trouvent dans la catégorie 1 Y = catégorie prédite K = nombre de caractéristiques Wi = poids de la caractéristique Xi = valeur mesurée de la caractéristique i

wo = constante.

Pour s'assurer un plus haut degré de précision, on uti-

lise une validation croisée. La validation croisée consiste

à diviser la base de données de formation en deux sous-

ensembles pour chaque catégorie de sténose expérimentée, à "entraîner" ou former le classificateur sur la base d'un

sous-ensemble, puis à réessayer la règle de décision du clas-

sificateur en utilisant le classificateur sur le second sous-

ensemble de données. On a choisi un nombre choisi au hasard

24 2591884

des données spectrales comprimées, comprenant 50 % environ de la base de données, à chaque itération du processus de validation croisée, dans un système de validation croisé

dit 'demi-échantillon plus corplément". On a restreint les sous-

S ensembles pour éviter de surestimer la véritable précision de la règle de classification, comme cela pourrait se produire

si le sous-ensemble choisi représentait une partie plus impor-

tante de la base de données.

La précision estimée du classificateur obtenu avec ce procédé de validation croisée est le pourcentage moyen correct

dans les ensembles d'essai. A chaque décision dans la hiérar-

chie du format A, le pourcentage correct était de 97 % pour la première décision (normal ou malade), de 95 % pour la deuxième décision (sténose supérieure ou inférieure à 50 %), et de 84,3 % pour la troisième décision (sténose supérieure

ou inférieure à 20 %). On a utilisé la somme des 5 caracté-

ristiques pondérées pour déterminer le repère discriminant

de chaque décision.

Le système de classification actuellement utilisé passe

par quatre décisions binaires séparées dans un ordre hiérar-

chique, à savoir: (1) Décider si le vaisseau est normal ou malade;

(2) s'il est malade, décider si la sténose est supé-

rieure ou inférieure à 50 %; (3) si la sténose est inférieure à 50 %, décider si elle est supérieure ou inférieure à 35 %; et (4) si la sténose est inférieure à 35 %, décider si

elle est supérieure ou inférieure à 15 %.

On établit de la sorte six catégories, à savoir: (1) Vaisseau non malade, (2) sténose de 0 à 15 %, (3) sténose de 16 à 35 %, (4) sténose de 36 à 50 %, (5) sténose de plus de 50 %, et (6) vaisseau complètement bouché (sténose de %). Ces catégories sont arbitraires pour les divisions intermédiaires, et ont été choisies sur la base de l'étendue des données obtenues à partir d'artériographes, et du désir d'obtenir une finesse relativement grande d'évaluation de la progression de la maladie. On pourrait établir d'autres points de rupture, tel que le format 0-20, 2050 et plus de 50 %, déjà exposé. La démarcation entre une sténose supérieure ou inférieure à 15 % donne un avertissement précoce de la progression dangereuse de la maladie. Le radiologue a posé le premier diagnostic évalué à 15 % d'occlusion ou moins, aussi ce point est-il la première étape de la progression

du mal qui peut être obtenue avec cette base de données.

Mais l'essai ultime des performances du classificateur consiste à évaluer les données de patients souffrant d'une sténose connue, mais dont les données n'ont pas été utilisées dans la conception du classificateur. Les patients d'essai analysés pour essayer le classificateur se composaient de neuf volontaires, qui étaient présumés normauxlet de 95 pat tients atteints d'une artériopathie extracranienne évaluée par angiographie. Dans l'ensemble du groupe, il y avait 170 côtés convenant à l'étude. Les 38 autres côtés n'ont pas été inclus dans l'analyse pour les raisons suivantes: (1) 16 côtés présentaient une occlusion de l'artère carotide interne; (2) 12 côtés avaient subi une endartériectomie avant l'étude aux ultrasons; et (3) 10 côtés ont été perdus à

cause d'une défaillance mécanique du dispositif d'enregis-

trement des données.

On a procédé à un essai en double aveugle dans lequel le radiologue, qui lisait les artériogrammes de contraste biplans, n'était pas au courant du diagnostic fourni par l'analyse informatique, et le technicien Doppler n'était

pas au courant du diagnostic du radiologue.

On a calculé la statistique Kappa telle qu'elle est utilisée par Cohen Fleiss et Langlois, pour mesurer le degré d'accord entre deux spécialistes évaluant indépendamment la base de données. Compte tenu du hasard dans le diagnostic ou la décision, la formule devient: Kappa = (Po - Pe)/(l - Pe) o Po est la probabilité d'accord observée et Pe est l'accord qui interviendrait sur la base du seul hasard. La quantité - Pe mesure le degré d'accord qui peut être obtenu par rapport et au-delà de celui qui serait prédit du simple fait du hasard. Le degré d'accord effectivement atteint en plus du hasard est égal à Po - Pe- Si l'accord observé est

26 2591884

supérieur ou égal à l'accord résultant du hasard, Kappa sera

supérieur ou égal à zéro, une valeur maximale de + 1 corres-

pondant à un accord parfait. De même, si l'accord observé est inférieur à l'accord résultat du hasard, la valeur de Kappa sera négative. Aux fins de ce calcul, on a supposé que la taille de l'échantillon était grande. D'après les

résultats empiriques, cette hypothèse semble acceptable.

L'accord entre les résultats de l'ordinateur et l'angio-

graphie était de 96,5 % (164/170) pour la décision normal

ou malade, de 93 % (158/170) pour la décision sténose supé-

rieure ou inférieure à 50 %, et de 93 % (158/170) pour la décision sténose supérieure ou inférieure à 20 %. Des 29 côtés normaux, 27 (93 %) ont été correctement classés. Les deux autres côtés ont été classés dans la catégorie 1-20 %, et provenaient tous deux des sujets présumés normaux (âgés

de 17 et 34 ans), qui en fait n'avaient jamais subi d'angio-

graphie de contraste. Par conséquent, ils pouvaient effecti-

vement souffrir d'une sténose mineure.

Des 54 côtés classés dans la catégorie 10 à 20 % de sténose, 44 (81,5 %) ont été correctement classés. Des 10 côtés restants, 4 ont été classés comme normaux et 6 dans la catégorie 21-50 %. Des 37 côtés classés dans la catégorie 21-50 %, 29 (78 %) ont été correctement classés. Des 8 côtés restants, 5 ont été mal classés dans la catégorie 1 à 20 %, et 3 dans la catégorie 51 à 99 % (pour tous les trois, on avait diagnostiqué par angiographie une réduction de diamètre de 50 %). Des 50 côtés classés dans la catégorie 51 à 99 %, 41 (82 %) ont été correctement classés. Des 9 côtés restants, 1 a été mal classé dans la catégorie 1 à 20 %, et 8 dans

la catégorie 21 à 50 %.

La précision globale de la classification informatique par catégorie était de 83 % (141/170). La sensibilité de la méthode ou la faculté de reconnaître la présence de la maladie était de 97 % (137/141) et la spécificité de 93 % (27/29). Le degré d'accord entre la reconnaissance des formes et l'angiographie, mesuré par la statistique Kappa, était:

K = 0,769 0,039 (erreur type).

Seize côtés, atteints d'occlusion d'après l'angiographie,

27 2591884

ont été omis. Le diagnostic d'une occlusion a été reconnu par l'absence de signal dans l'artère carotide interne, excluant ainsi une analyse par ordinateur. En aucun cas, un signal n'a été soumis à l'analyse par ordinateur quand l'artère avait été dite occluse d'après l'angiographie, étant donné

que le classificateur ne pouvait que trouver un certain écou-

lement dans le vaisseau. Mais aucun vaisseau n'a été omis dans l'analyse par ordinateur du simple fait qu'une occlusion avait été diagnostiquée au scanographe Duplex mais pas par

angiographie.

On peut éventuellement ajouter à la hiérarchie de déci-

sion la décision vaisseau complètement bouché ou vaisseau ouvert, en effectuant la recherche par ordinateur pour un

signal de variation de fréquence Doppler dans l'artère caro-

tide interne. De la sorte, toutes les décisions seraient prises parl'ordinateur, et aucun jugement ne serait laissé

au technicien.

Comme la variation de fréquence due à l'effet Doppler est directement proportionnelle au cosinus de l'angle Doppler par rapport à l'écoulement sanguin, on ne peut procéder à un calcul de la vitesse d'écoulement que lorsque cet angle

Doppler est connu. La calcification de la paroi et des varia-

tions anatomiques (dont on sait qu'elles modifient toutes

deux le signal d'écoulement) sont faciles à évaluer par l'ima-

gerie en mode B. Un appareil Doppler à impulsions, par déclenchement périodique entre bornes, permet d'interroger l'écoulement

à des profondeurs spécifiques le long de l'axe du faisceau.

L'expérience clinique antérieure a montré qu'un scanographe ayant un point focal situé à environ 2 cm au-dessous de la

surface de la peau convient pour étudier les artères caro-

tides. D'autre part, un petit volume d'échantillon par rapport

au diamètre du vaisseau permet l'échantillonnage de l'écoule-

ment à partir d'un emplacement central, ce qui permet d'éviter les gradients de vitesse près de la paroi du vaisseau. Le

scanographe avait une distance focale de 25 mm, et on utili-

sait un volume d'échantillon de 3 mm3 à son foyer pour obte-

nir la limite de résolution voulue. L'image du scanographe permettait d'établir des repères anatomiques utilisés pour la normalisation des emplacements d'échantillonnage. Ces repères étaient essentiels pour comparer les états de patients différents ou pour comparer des études successives sur le même patient.

Etant donné que dans le procédé de classification pré-

féré il n'a pas été choisi de caractéristiques provenant

des artères carotides internes éloignées ou de l'artère caro-

tide primitive haute (qui serait sujette à erreur de classi-

fication, si elle était sélectionnée, les seules données que l'on a réellement besoin de recueillir de chaque patient peuvent être réduites aux données de variation de fréquence Doppler de l'artère carotide primitive basse (2 cm environ au-dessus de la ligne de partage) et de l'artère carotide interne proche, au lieu des données provenant des quatre emplacements qui ont été utilisés dans les expériences de

la présente invention. Ainsi, les données peuvent être com-

primées encore davantage.

S'il présente plusieurs avantages sur les autres sys-

tèmes, le format de données comprimées utilisé dans la pré-

sente invention peut ne pas être le meilleur. Ce système permet: (1) une évaluation sensible des variations rapides qui se produisent dans le signal Doppler avec le temps;

(2) une interprétation aisée du spectre; (3) une représen-

tation adéquate de l'asymétrie habituelle de la densité spec-

trale du signal; (4) une façon sure de suivre le signal en présence de parasites en bande large et en bande étroite,

d'intensité variable; (5) une réduction de données suffi-

sante pour faciliter la mise en mémoire, le traitement et l'analyse; et (6) des données adéquates pour l'extraction

et l'identification de caractéristiques instructives néces-

saires à une bonne différenciation de l'état d'avancement

de la maladie.

Une forme d'onde type pour l'écoulement sanguin dans l'artère carotide primitive proche d'une artère carotide

interne normale se caractérise par un pic systolique pro-

noncé, pointu et étroit, avec peu ou pas d'encoches dans la phase de décélération, et une circulation diastolique

29 2591884

à pic prononcé. Une forme d'onde type pour l'écoulement san-

guin dans l'artère carotide primitive proche d'une artère carotide interne très peu atteinte révèle un pic systolique

beaucoup plus bas, plus large et "arrondi", une encoche mar-

quée au début de la phase de décélération, et une circulation diastolique plus amortie. Ces différences générales peuvent être analysées catégoriellement, évaluées et classées avec le format de données comprimées et de reconnaissance de formes selon la présente invention. La première décision (normal ou malade) et la deuxième (sténose supérieure ou inférieure à 50 %) semblent importantes pour prendre une décision sur le traitement du patient. Mais les raisons qu'il y a à définir d'autres catégories de sténose sont moins évidentes. Un point de décision au premier niveau (15 ou 20 % d'occlusion) était initialement basé sur: (1) la nécessité de graduer la maladie mieux que par une sténose simplement supérieure ou inférieure à 50 %, pour permettre une évaluation de la progression du mal; (2) le fait évident que l'accord entre radiologues lisant les mêmes artériographes est meilleur au niveau de 20 % qu'au niveau de 10 %; et (3) le fait qu'un minimum

naturel se présentait dans la répartition de la base de don-

nées de formation au niveau de 20 %. Accroitre la taille de la base de données peut permettre une meilleure gradation

dans la catégorie de 51 à 99 %. Bien qu'une meilleure discri-

mination soit possible dans la catégorie de 51 à 99 %, il ne semble pas réaliste d'affiner encore le programme de façon à distinguer des variations de 15 % environ en plus ou en moins, compte tenu du manque de précision de l'interprétation

des artériogrammes réels.

Dans les expériences réelles, on s'est efforcé d'évaluer l'importance du technicien pour l'obtention d'un diagnostic correct quant au degré de sténose. Les essais de la présente invention consistent à prélever des données Doppler à ultrasons sur le même patient dans trois hôpitaux différents, et à analyser ces données [obtenues par des techniciens différents] avec l'ordinateur numérique dans le système de reconnaissance de formes qui est décrit dans cette invention. On a constaté que dans environ 90 % des cas, les diagnostics par ordinateur

2591884

sont les mêmes ou se retrouvent dans la même catégorie. Autre-

ment dit, si nous classons le degré de sténose dans la caté-

gorie de 36 à 50 % d'occlusion, dans 90 % des cas un techni-

cien d'un autre hôpital participant à l'essai trouvera que le degré de sténose est de 15 à 35 %, de 36 à 50 % ou de plus de 50 % (à l'intérieur d'une même catégorie). Ainsi,

le système s'est avéré concluant en tant qu'outil non enva-

hissant pour identifier la maladie et pour, tout au moins

grossièrement, spécifier le degré de sténose.

Le système de classification selon la présente invention est discret et ne tient pas compte des désaccords éventuels rencontrés lors de chaque décision. Il impose une décision pour une catégorie. Par exemple, une artère classée comme normale dans la première décision pourrait très bien, dans

la seconde décision, être classée comme présentant une sté-

nose de plus de 50 %. Selon l'ensemble de formation réel et l'ensemble d'essai envisagé, il n'y a pas plus de 2,5 %

de chances pour qu'une artère présente plus de 20 % d'occlu-

sion ou de sténose après avoir été qualifiée de normale dans la première décision. De même, aucun vaisseau présentant moins de 20 % de sténose n'a été classé comme ayant plus

de 50 % de sténose avec le classificateur réel. Le classifi-

cateur ne se trompe généralement que d'une catégorie.

Une erreur de classification résulte le plus souvent de sténoses très prononcées chez des patients dont les données étaient caractérisées par un type de diagramme d'écoulement

quasi-permanent et non pulsatile. Ce type de diagramme d'écou-

lement est mal représenté dans la base de données de formation.

A mesure qu'un plus grand nombre de données de ce type devien-

dront disponibles, il ne fait pas de doute que l'algorithme de classification sera modifié, étant donné que la base de données de formation aura une meilleure base sur laquelle

prendre les décisions de classification. Des diagrammes d'écou-

lement de ce type seront ajoutés à la base de données pour

améliorer celle-ci ainsi que la prise de décisions.

Le niveau d'accord entre le diagnostic par ordinateur et l'angiographie, tel qu'il est mesuré par la statistique Kappa, est égal à 0,77 0,04 (erreur type). Ce niveau d'accord

31 2591884

se compare favorablement avec le niveau d'accord qui peut être atteint par des radiologues différents lisant les mêmes

artériogrammes, aussi le système appara t-il comme très pro-

metteur. Pour encore accentuer les distinctions et affiner le

système à l'intérieur de la catégorie 51-99 %, une surveil-

lance plus adéquate de la progression de l'artériopathie

sera nécessaire au cours d'études de suivi à long terme.

Pour déterminer avec précision l'emplacement d'échantillon-

nage à l'intérieur du vaisseau et pour réduire la variabilité éventuelle impliquée par l'endroit o se trouve le volume d'échantillon Doppler à impulsions, on explorera également

la possibilité d'utiliser un dispositif de repérage des posi-

tions tridimensionnelles. On s'attend à ce que cette méthode, en permettant l'échantillonnage de l'écoulement à plus ou moins 1 mm d'un emplacement déjà échantillonné, trouve une application particulière quand des études Duplex en série

sont effectuées.

Le logiciel suivant représente le codage préféré actuel-

lement utilisé pour effectuer les calculs nécessaires pour analyser les caractéristiques au niveau des emplacements des artères carotides primitive et interne, et pour identifier des repères importants dans les données, tels que systole,

minima relatifs, ou maxima relatifs. Les observations rela-

tives au logiciel et au codage FORTRAN classiques illustreront, pour l'homme du métier, le format de calcul utilisé pour

situer les caractéristiques.

32 2591884

TITRE MAXAMR

ENABL LC

*GLOBL MAXAMR

GLOBL SRKMBA, PRCENT, MEDIAN, SWABTS, GTBYT

GLOBL SRTMIF

MAXAMR --

Sous-programme FORTRAN pourant être appelé pour fournir une estimation reésistante du mode (tend à ignorer les

valeurs écartées, d'une façon non linéaire). Il fonc-

10. ; tionne comme suit: 1) Trier le spectre sur les données d'entrée, après avoir mis l'ordre original dans l'octet supérieur de

chaque mot.

2) Prendre les éléments "NROBUS" supérieurs ou bien ; jusqu'à ce que le niveau "BRUIT" soit atteint, ou bien jusqu'à ce que le pourcentage "LIMITE"' du maximum global

soit atteint, et...

3)... Fournir la médiane de ce groupe en tant que mode.

A l'entrée --

; Le fichier d'entrée est supposé être positionné au début

du spectre (ou autre) à examiner.

2(R5) est l'adresse de la rangée comportant le spectre.

e4(R5) est le nombre d'éléments (mots) dans la rangée.

C6(R() est le "degré de robustesse" voulu. Il déterminera ; le nombre maximal de points de données à considérer pour

effectuer l'estimation.

A la sortie --

L'estimation en nombre entier est retournée e8.(R5).

Le fichier d'entrée est avancé à l'octet suivant la

; rangée qui vient d'être analysée.

Constantes d'assembleur.

LIMITE = 50.

BRUIT = 5.

MAXAMR:

; Forcer à des valeurs raisonnables pour les paramètres d'entrée.

TST 54(R5)

BGE 1i 2$: Forcer la valeur "R" à R4, o

MOV 06(R5), R4

Mettre des index de fréquence

de la rangée d'entrée.

MOV 2(R5), R1; Rl

MOV &4(R5), R2; R2

CLR

SETKY:

MOVB SWAB BIS SWAB

INC

MOV SOB

MOV

Trier la MOV MOV

APPELE

; Calculer MOV DEC MOVB MOV R3 R3 (Rl),RO RO R3,RO RO R3

RO,(R1)+

R2,SETKY

elle restera.

dans les octets supérieurs : = adresse de la rangée : = nombre d'éléments de la rangée.

: = index de fréquence.

donnée suivante à RO mettre octet supérieur en position masque dans l'index de fréquence rétablir ordre fréquence suivante mettre en mémoire résultat dans rangée tourner sur boucle jusqu'à ce que ce soit fait

Rl, -(SP); sauvegarder le point final.

rangée du plus petit au plus grand.

2(R5),R1

C4(R5),R2

ER SRKMBA

l'amplitude de troncature (SP),R2; Rétablir fin de rangée R2 -11.(R2),Rl; Rl: = amplitude maximale BRUIT, R3; R3: = niveau au-dessous duquel les données sont du bruit

MOV * LIMITE,RO

APPELER PRCENT; RO: = amplitude de seuil.

Descendre en suivant la liste.

CLR TST BGE CLR

C4(R5)

6(R5)

-6(R5)

MOV -l(R2),Rl

MOVB R1,R2

ASH - -2,R2

ADD R2,R4

MOV R4,R2

MOV (SP)+,R1

DESCND:

TST -(R1)

CMPB (R1),R3

BLE ESTIMA

CMPB (Ri), RO

BLE ESTIMA

SOB R2,DESCND

Calculer l'estimation.

est arrêtée. R4 +1 -R2 mation.

SUB R4,R2

NEG R2

INC

APPELER

R2

SWABTS

R2: amp. max./8 augmenter "R" de (amp. max.)/8 R2: = nombre de points à considérer départ au maximum au-dessous du bruit ? oui au-dessous du seuil ? oui R1 adresse le point o la descente

donne le nombre de points dans l'esti-

R2: = nombre de points dans l'estimation s'assurer qu'il yen a au moins un permuter toutes les paires d'octets Trier en fonction de fréquence

APPELER SRKMBA

Fournir la médiane

APPELER MEDIAN

BIC f177400,RO

MOVB RO,RO

MOV RO,68. (R5)

RETOUR

FIN

TITRE LIMITES

ENABL LC

GLOBL LIMITES

GLOBL SRKMBA, MEDIAN, SVABTS, WINEST

LIMITES --

Calcule une estimation "robuste" des contours haut et

bas d'un spectre autour du point d'implantation.

A l'entrée --

2(R5) = Estimateur d'emplacement ; C4(R5) = Niveau de seuil ou de contour 6(R5) = Adresse la rangée nombre entier avec le spectre ; ayant des index de fréquence dans les octets

; supérieurs de chaque élément.

8(R5) = Nombre d'éléments dans la rangée du spectre.

; C10(R5) = Robustesse.

A la sortie --

12(R5) = limite inférieure 14(R() = limite supérieure

Constantes d'assembleur.

BRUIT = 1

LIMITES:

Mettre le seuil dans R3

MOV C4(R5),R3

CMP R3, BRUIT; seuil dans marge de bruit ? BGE l1; non

MOV i BRUIT,R3; oui, hausser le seuil.

Calculer adresse du point d'implantation.

MOVB e2(R5),R1

ASL Rl; transformer en nombre d'octets.

ADD 6(R5),R1

MOV R1,R2; RI et R2 adressent tous deux le point d'implantation Rechercher à partir du point d'implantation en descendant ; pour trouver la limite inférieure

MOVB C 2(R5),R4

BEG LOWDNE

TST (Rl)+ ADD *2,R4; R4 = Distance à moins

LOWSEA:

DEC R4

BLT LOWDNE; rechercher la fin du

DEC R1

CMPB -(R1),R3

BGE LOWSEA

LOWFND:

Contrôler la cohérence dans le point suivant.

MOV R1,R0

DEC R0

CMPB -(R0),R3; point suivant < seuil BGE LOWSEA; non, continuer à cher

LOWDBE:

; Rechercher à partir du point d'implantation en m pour trouver la limite supérieure

MOV C8.(R5),R4

MOVB C2(R5),R0

SUB RO,R4

SUB 42,R4; R4: = Distance à plus

BEG HIDNE

TST -(R2)

l'infini. tampon cher. cher. rontant l'infini.

HISEA:

DEC BLT TST CMPB BGE

HIFND:

R4 HIDNE (R2)+

(R2),R3

HISEA

rechercher la fin du tampon.

avancer l'index au mot suivant.

au-dessous du seuil ?

non, contrôler le mot suivant.

Contrôler la cohérence dans le point suivant.

DEC R4

BLT HIDNE; rechercher la fin du tampon.

TST (R2)+; avancer l'index au mot suivant CMPB eR2,R3; point suivant < seuil ?

BGE HISEA; non, continuer à chercher.

TST -(R2); oui, corriger pour extra-incrément.

HIDNE:

Transformer R1 et R2 en valeurs d'index.

SUB 6(R5),R2

SUB 6(R5),R1

Fournir limites inférieure etsupérieure.

ASR Ri; transformer d'octet en..

ASR R2;... nombre d'éléments.

MOV Rl,e12.(R5)

MOV R2,C14. (R5)

RETOUR

FIN

38 2591884

SOUS-PROGRAMME "REPERES" (BUFF, NPTS, NDELX, NX, NY,

XSCALE, YSCALE, et NIMAX1, NlMIN1, NlZROl, RlARE1, NSYSTO,

R1ARE2)

OCTET BUFF (1)

C Calcule une certaine information de repère intéressante C à partir de la séquence "BUFF" qui est supposée contenir

C une première fonction dérivée.

C Trouver le point d'accélération maximale dans la région systolique. APPELER EXTBYT(BUFF(50), 120, NlMINl, NlMAXl) N1MINl = NlMIN+50 NlMAS1 = NlMAXl+50 C Trouver le pic systolique supposé. Celui-ci est défini comme

C le premier point de pente proche de zéro après NlMAXl.

FAIRE 400, NSYSTO=NlMAXl,NlMINl SI ( (BUFF(NSYSTO). LE. BUFF(NlMINl)+l)

&.OU. (BUFF(NSYSTO).LT. 1)) ALLER A 500

400 CONTINUER

500 CONTINUER

C Trouver d'autres extrêmes maintenant que NSYSTO est défini

NSEARC = NSYSTO+10

APPELER EXTBYT (BUFF(NSEARC),65,NlMIN1, NlMAXl) NlMINl= NlMINl+NSEARC N1MAXl= N1MAXi+NSEARC

APPELER EXTBYT(BUFF((NPTS/2)+1), NPTS/2, N1MAX2)

N1MIN2= NlMIN2+NPTS/2 NlMAX2= NlMAX2+NPTS/2 C Trouver le premier point de pente zéro après le point C de décélération maximale (NlMIN1), que l'on espère être

C le premier point de pente zéro après la systole.

FAIRE 600, NlZROl=NlMINl, 200 SI (BUFF(NlZROl).GT. -1) ALLER A 700

600 CONTINUER

700 CONTINUER

C Calculer l'aire sous la courbe de décélération post-

C systolique au point de décélération maximale.

RlAREl=0

39 2591884

RlARE2=0 FAIRE 300, I=NlMINl-10, NlMINl+10

II=BUFF (I)

SI(II.LT. 0) R1ARE2= R1ARE2 + II

300 RlARE1=R1AREl+BUFF(I) RlAREl= R1ARE1/FLOAT(NDELX)

R1ARE2= R1ARE2/FLOAT(NDELX)

C Ecrire barres sur la courbe pour que les gens puissent

voir ce qui s'est passé.

APPELER BRAKIT(NX,NY,NlMIN1,NlMAXl,90,SXCALE,YSCALE)

APPELER BRAKIT(NX,NY,NSYSTON1ZR01,100,XSCALZ,YSCALE)

FIN

2591884

SOUS-PROGRAMME BFEATU(LOCBUF,SC.L BUF,

& NPTS, YSCALE,NXO,NYO,CBUFF1,CBUFF2,NROBUS, NCYCMX,PATNAM)

COMMUN/REPERES/NOMINl1,NOMAXl,NOM-N2,NOMAX2,N1MINl,NlMAX1, & N1MIN2, N1MAX2,NSYSTO,NtZROI

COMMUN/PARAMS/AIRE,COSANG(3),SINANG(3),

& R0VAL1,ROVAL2,ROAREi,ROARE2, & RlVAL1,R]VAL2,RlARE!,RlARE2,

& RMVAL1,RMVAL2,RMAREI,RMARE2,

& RPVAL1,RPVAL2,RPARE1,RPAPE2,

& PENTE

COMMUN/RANGEES/SCR1,SCR2,SCR3,RTIME,RMAG,RPHASE

CBUFFl(l),CBUFF2(1) VIRTUELS

CBUFF!, CBUFF2,CTEMP COMPLEXES

RTIME(512),RMAG(512),RPHASE(512),FEATS(1) REELS

OCTET PATNAM(1)

OCTET LOCBUF(l),SCLBUF(NPTS,l) OCTET SCRl(512),SCR2(512),SCR3(512), NOTCHS(2)

PI2= 3,14159265*2

NPTP2=512

XECHELLE=YECHELLE/3.

C Copier les données d'emplacement pour effacer les tam-

C pons 1, réels, et complexes.

APPELER ST COPIE (LOCBUF,SCR1,NPTS)

C Forcer la fin réelle des données à se produire à t=0,5

sec.

APPELER INIBYT(LOCBUF(240),41,LOCBUF(240)

APPELER INIBYT(SCLBUF(240,1),41,SCLBUF(241,1))

APPELER INIBYT(SCLBUF(240,2),41,SCLBUF(240,2))

APPELER INIBYT(SCLBUF(240,3),41,SCLBUF(240,3))

APPELER INIBYT(SCLBUT(240,4),41,SCLBUF(240,4))

C Soustraire le décalage DC dans les données d'entrée.

APPELER ADDBYT(SCR1,NPTS,-30)

APPELER ADDBYT(LOCBUF,NPTS,-30)

FAIRE 100,I=1,4

100 APPELER ADDBYT(SCLBUF(1,I),NPTS,-30)

C Enlever la pointe de déclenchement de l'ECG SCRl(41)= SCRl(40)

LOCBUF(41)= LOCBUF (40)

41 259 1884

FAIRE 110, I=1,4

SCLBUF (41,I)= SCLBUF(40,I)

APPELER DOTIME(LOCBUF,SCLBUF,NPTS,RTIME,NPTP2,AIRE,

PATNAM)

*-SI (AIRE.GT. 0.0.) ALLER A 120

IMPRIMER 111,(PATNAM(I),I=1,8)

111 FORMAT(' BFEATU-W-',8A1, "a énergie nulle")

ALLER A 5000

CONTINUER

C Tracer la courbe des données d'emplacement.

APPELER PLTRE1(NXO,NYO,O,IFIX(30*YECHELLE),

& XECHELLE,YECHELLE,RTEMPS,280,NROBUS,NCYCMX,PATNAM)

C Initialiser les coordonnées de traçage.

NXLO=NXO+NPTS+40

NYLO=NYO- 30*YECHELLE

APPELER SCAIRE(RTEMPS,512,1./AIRE)

APPELER REACOM(RTEMPS,NPTP2,CBUFF1)

C Trouver des repères dans la forme d'onde de vitesse.

C (Utiliser les données "SCR1" pour les extrêmes étant

donné qu'elles ont des données de + 6 sec. intactes).

APPELER EXTBYT(SCRl,(NPTS/2)+30,NOMINl1,NOMAXl)

APPELER EXTBYT(SCR1( (NPTS/2)+1),NPTS/2,NOMIN2,NOMAX2)

NOMIN2= NOMIN2+ NPTS/2

NOMAX2= NOMAX2+ NPTS/2

APPELER BRAKIT(NXO,NYO,(NOMAXl-l), (NOMIN2-1),35,XECHELLE,

YECHELLE)

C Calculer la première dérivée et laisser dans le brouillon 3.

NDELX=9! Instaurer delta X.

APPELER DERIV(LOCBUF,NPTS,NDELX,SCR2)

APPELER LISSE(SCR2,NPTS,4,SCR3)

APPELER REPERES(SCR3,NPTS,NDELX,NXLO,NYLO,1.,YECHELLE,

& N1MAXl,NlMIN1,NlZROl1,RlAREl,NSYSTO,RlARE2) APPELER BRAKIT(NXO,NYO, NSYSTO,NlZROl,40,XECHELLE,YECHELLE)

APPELER SCABYT(SCR3,NPTS,2,5)

APPELER ADDBYT(SCR3,NPTS,50)

APPELER PLTBYT(SCR3,NPTS,NXLO,NYLO,1.,YECHELLE)

NXFIL= NXO

NYFIL= NYO-100*YECHELLE-20

42 2591884

C Calculer la DFT et afficher la grandeur.

APPELER HAMEND(CBUFF1,NPTP2)

APPELER FFTFOR(NPTS,CBUFF1)

C Mettre en phase sur "RPHASE"

FAIRE 200, I=1,NPTP2

RPHASE(I)= AIMAG( CLOG( 1.OE-6+CBUFFl(I)))

C Annoncer la phase.

FAIRE 400, I=1,511

NDIFF= (ABS(RPHASE(I+1)-RPHASE(I))/PI2) +0,5

IF ( RPHASE(I+1).LT. RPHASE(I)) NDIFF= -NDIFF

400 RPHASE(I+l)=RPHASE(I+l) - PI2*NDIFF PENTE= -2*RPHASE( (NPTP2/2)+l)

FAIRE 450, I=1, NPTP2

450 RPHASE(I)= RPHASE(I) + PENTE*(I-1)/NPTP2

C APPELER REAREA(RPHASE,NPTP2,RMAG)

C APPELER EXTREA(RPHASE,NPTP2,RMIN,RMAX)

C APPELER SCAREA(RPHASE,NPTP2,50./(AMAX1(ABS(RMAX),ABS

C (RMIN)))

APPELER ADDREA(RPHASE,NPTP2,50.)

C NXLO=NXLO+NPTS+40

C APPELER PLTREA(RPHASE,NPTP2,NXLO,NYLO0,55,YECHELLE)

C APPELER REAREA(RMAG,NPTP2,RPHASE)

C Et maintenant pour la grandeur.

APPELER COMMAG(CBUFF1, NPTS/4,RMAG)

APPELER AREREA(RMAG(6+1),5,RMARE1)

APPELER EXTREA(RMAGNPTS/4,RMIN,RMAX)

APPELER SCAREA(RMAG,NPTS/4,100./RMAX)

NXLO= NXLO+NPTS +40

NYLO= NYLO-YECHELLE*100- 30

APPELER BRAKIT(NXLO,NYLO,5,9,30,8., YECHELLE

APPELER PLTREA(RMAG,NPTS/8,NXLO,NYLO,8.,YECHELLE

C Laisser l'origine de la courbe en bas à gauche de la

rangée suivante.

5000 NXO= 30

NYO= NYO- YECHELLE*100 - 60

D TYPE *,'COSANG[1,2,3] = ',(COSANG(I),I=1,3)

D TYPE *, 'NSYSTO= ',NSYSTO

FIN

SOUS-PROGRAMME BMAKC1(FEATUR,LOCBUF,SCLBUF,NPTS, IFEAT,

NMAX,ITERAT,DIALOG)

C &e a6 eec, @.tét tC t t&t u C Définit et calcule toutes les caractéristiques pour C l'emplacement n l de carotide primitive.

C A l'entrée --

C COMMUN bloque DATAP,REPEREEPARAMS, et RANGEES contient C des informations valables pour cet emplacement. On peut

C les définir par un appel au sous-programme BFEATU.

C LOCBUF,SCLBUF ont l'information d'emplacement et d'échelle

pour cet emplacement.

C NPTS= nombre de points valides dans LOCBUF/SCLBUF C FEATUR= rangée réelle dans laquelle les caractéristiques

C ("features") seront écrites.

C IFEAT= décalage dans la rangée FEATUR pour la première

caractéristique de ce module.

C NMAX= dimension de la rangée FEATUR pour contrôler les

C bornes de la rangée.

C A la sortie --

C SI il reste assez de place dans FEATUR C les nouvelles caractéristiques de ce module y auront

C été laissées.

C IFEAT= IFEAT[ à l'entrée]+ (nombre de nouvelles

caractéristiques introduites).

C SINON, sortir.

C (t L. eta e e t- ttCe è eettC t o t

RTIME(512),RMAG(512),RPHASE(512),FEATUR(1) REELS

OCTET LOCBUT(NPTS),SCLBUF(NPTS,l),SCRl(512),SCR2(512),

SCR3(512)

DIALOGUE LOGIQUE, PUPITRE

COMMUN/DATAP/NVERSI,NVRMAX,NVRSCL,NCYCMX, NCYCSC

COMMUN/REPERES/NOMIN1,NOMAX1,NOMIN2,NOMAX2,NlMINl1,NlMAXl, & NlMIN2, NlMAX2,NSYSTO,NlZROl COMMUN/INDMRK/NASYST,NAlZRl1,NBSYST,NBlZRl1,NCSYST, NClZRI

COMMUN/PARAMS/AIRE,COSANG(3),SINANG(3),

& ROVAL1,ROVAL2,ROARE1,ROARE2,

& RlVAL1,RlVAL2,RlARE1,RlARE2, & RMVALt,RMVAL2,RMARE1,RMARE2,

44 2591884

& RPVAL1,RPVAL2,RPARE1,RPARE2,

& PENTE

COMMUN/RANGEES/SCRI,SCR2,SCR3,RTIME,RMAG,RPHASE

COMMUN/BMACKl/AMIMOD,AMXMOD,AMIUP8,AMXYP8,POSTDC C e C- C Constantes de module ELON= 1.OE-10! Zéro de machine NUMFEA= 50! Nombre de caractéristiques dans BMAKCl

IBRO1=22! Index de la première caractéris-

tique d'élargissement spectral.

C

SI ((ITERAT.EQ. O).ET. DIALOG)

& IMPRIMER *, 'BMACKl-I- Décalage d'index de caractéris-

tiques = ',IFEAT

C S'assurer qu'il y a assez de place dans le tampon.

SI ((IFEAT+NUMFEA).LE. NMAX) ALLER A 10

SI (ITERAT.EQ. O)

& IMPRIMER *, 'BMAKCl-F-Tampon trop petit.'

RETOUR

CONTINUER

APPELER INIREA(FEATUR:NUMFEA,0.0)

SI (AIRE.EG. O.O) ALLER A 5000

C Calculer les caractéristiques de la forme d'onde de

vitesse.

C Etablir des repères pour cette artère.

NASYST= NSYSTO

NAlZRl= NlZROl

C DDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDD

C Définir toutes les caractéristiques de cette artère

le mieux possible.

FEATUR(l+IFEAT)= AIRE

FEATUR(2+IFEAT)= COSANG(1)

FEATUR(3+IFEAT)= SINANG(l)

C Données de contour à la systole.

C Aire sous le pic systolique (+/- 15 intervalles).

SYSARE= FFARER(RTIME,NPTS,NSYSTO-15,NSYSTO+15)

FEATUR(4+IFEAT)= SYSARE*AREA/COSANG(1)

2 5 9 1 8 8 4

C Valeurs de mode.

FEATUR(5+IFEAT)= FFAVGB(LOCBUF,NPTS,20,5)! Fin de diastole

FEATUR(6+IFEAT)= LOCBUF(NSYSTO)! Pic systolique.

FEATUR(7+IFEAT)= LOCBUF(NlZROl)! Premier point de pente zéro

FEATUR(8+IFEAT)= LOCBUF(NOMIN2)! Encoche dicrotique.

C Degré de décélération suivant la systole.

FEATUR(9+IFEAT)=RlAREl/COSANG(1) C Débit diastolique

FEATUR(10+IFEAT)= RTIME(MINO(NOMIN2+50,280))*AIRE COSANG(1)

FEATUR(ll+IFEAT)= RTIME(20)*AIRE/COSANG(1) C Fréquence d'amplitude maximale dans la WFT entre les

harmoniques 4 et 9.

APPELER EXTRE2(RMAG,NPTS,4,9, IMIN, IMAX)

FEATUR(12+IFEAT)= IMAX

C Fréquence d'amplitude maximale dans la WFT entre les

harmoniques 5 et 9.

APPELER EXTRE2(RMAG,NPTS,5,9,IMIN,IMAX1)

FEATUR(13+IFEAT)= IMAX1! Caractéristique originale 13.

C Fréquence d'amplitude maximale dans la WFT entre les

harmoniques 6 et 9.

APPELER EXTRE2(RMAG,NPTS,6,9,IMIN,IMAX)

SI (IMAX.EQ. (IMAXl+l)) IMAX=IMAX1 FEATUR(14+IFEAT)= IMAX! Version affinée de l'ancienne

caractéristique 13.

C Fréquence d'amplitude minimale dans la WFT entre 2 et

le maximum précédent.

C I=IMAX

C APPELER EXTRE2(RMAG,NPTS,2,I,IMIN,IMAX)

C FEATUR(15+IFEAT)= IMIN

C Index de pulsatilité, rapport magique, etc.

POSTDI= FFAVGB(SCLBUF(1,4),NPTS,20,10)

SI (POSTDI.LE. O) POSTDI= 1

FMEAN= FFAVGR(RTIME,NPTS,160,120)

SI (FMEAN. LE. O) FMEAN= 1

FSYSTO= RTIME(NSYSTO)

FEATUR(15+IFEAT)= (FSYSTO-RTIME(NlZROl)/ & FMEAN! Rapport de Pourcelot C Rapport d'Yve

FEATUR(16+IFEAT)= (FLOAT(SCLBUF(NSYSTO,4)-SCLBUF

& (N1ZRO1,4))/(SCLBUF(NSYSTO,4)-29,5))+

0,5

FEATUR(17+IFEAT)= FSYSTO/POSTDI

C Ce qui suit reflète la présence ou l'absence d'une

"fenêtre systolique".

APPELER EXTBYT(SCLBUF(l,l),NPTS,NSYSTO-12,20,IMIN,IMAX)

FEATUR(18+IFEAT)= SCLBUF(IMAX,1)-30! 3 dB inférieur.

APPELER EXTBYT(SCLBUF(1,3),NPTS,NSYSTO-12,20,IMIN,IMAX)

FEATUR(19+IFEAT)= SCLBUF(IMAX,3)-30! 9 dB inférieur.

C Information de phase.

FEATUR(20+IFEAT)= RPHASE(2)

FEATUR(21+IFEAT)= RPHASE(3)

FEATUR(22+IFEAT)= RPHASE( C Caractéristiques basées sur l'élargissement spectral

(il y en a actuellement 28).

C Fin de diastole.

FAIRE 800, I=1,4

800 FEATUR(IBROl+0+I+IFEAT)=

& FADIFB(LOCBUF,SCLBUF(1,I),NPTS,20,5)

C Systole.

FAIRE 900 I=1 4

900 FEATUR IBROi+4+I+IFEAT)=

& FADIFB(LOCBUF,SCLBUF(1,I),NPTS,NSYSTO,5)

C Premier point de pente zéro.

FAIRE 1000, I=1,4

1000 FEATUR(IBROl+8+I+IFEAT)= & FADIFB(LOCBUF,SCLBUF(1,I),NPTS,NlZROl,5)

C 100 msec. après la systole.

FAIRE 1600, I=1,4

1600 FEATUR(IBROl+12+I+IFEAT)=

& FADIFB(LOCBUF,SCLBUF(1,I),NPTS,NSYSTO+40,5)

FAIRE 1650, I=1,4

1650 FEATUR(IBROl+16+I+IFEAT)=

& FADIFB(LOCBUF,SCLBUF(1,I),NPTS,NSYSTO,5)/COSANG(1)

FAIRE 1700, I=1,4

1700 FEATUR(IBRO1+20+I+IFEAT)=

& FADIFB(LOCBUF,SCLBUF(1,I),NPTS,NSYSTO+30)/COSANG(1)

2 2591884

FAIRE 1900, I=1,4

1900 FEATUJR(IBRO14-24+I+IFEAT)=

& FADIFB(LOCBUF, SCLBUF(l,I),NPTS,NSYSTO+40)/COSANG(l) C Enregistrer certaines valeurs intéressantes pour la postérité.

POSTDC= POSTDI! Fin d'écoulement diastolique.

C DDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDD

C IFEAT= nombre de caractéristiques actuelles, et est également laissé en évidence à la fin de la liste des

caractéristiques.

5000 IFEAT= IFEAT-NUMFEA

SI (NUMFEA.NE. (IBROl+28) & IMPRIMER *, "Les caractéristiques définies et engendrées

par BMACK1-W ne correspondent pas".

FIN

48 2591884

SOUS-PROGRAMME BMAKII(FEATUR,LOCBUF,SCLBUF,NPTS,IFEAT,

NMAX,ITERAT, DIALOG)

C C Définit et calcule toutes les caractéristiques pour C l'emplacement n 1 de la carotide interne.

C A l'entrée --

C COMMUN bloque DATAP,REPERES,PARAMS, et RANGEES contient C des informations valides pour cet emplacement. On peut

C les définir en appelant le sous-programme BFEATU.

C LOCBUF,SCLBUF ont l'information d'emplacement et d'échelle

pour cet emplacement.

C NPTS= nombre de points valides dans LOCBUF/SCLBUF C FEATUR= rangée réelle dans laquelle les caractéristiques

seront écrites.

C IFEAT= décalage dans la rangée FEATUR pour la première

caractéristique de ce module.

C NMAX= dimension de la rangée FEATUR pour contrôler les

bornes de la rangée.

C A la sortie --

C SI il reste assez de place dans FEATUR C les nouvelles caractéristiques de ce module y auront

C été laissées.

C IFEAT= IFEAT[àl'entréeI +(nombre de nouvelles caracté-

C ristiques introduites)

C SINON, sortir.

RTIME(512),RMAG(512),RPHASE(512),FEATUR(1) REELS

OCTET LOCBUF(NPTS),SCLBUF(NPTS,l),SCRl(512),SCR2(512),

SCR3(512)

DIALOGUE LOGIQUE, PUPITRE

COMMUN/DATAP/NVERSI,NVRMAX,NMRSCL,NCYCMX,NCYCSC

COMMUN/REPERES/NOMINI,NOMAX1,NOMIN2,NOMAX2,NOMINl,NlMAXl, & NlMIN2,NlMAX2, NSYSTO,N1ZRO1 COMMUN/INDMRK/NASYST,NAlZRl,NBSYST,NBlZR1,NCSYST,NClZRl

COMMUN/PARAMS/AIRE,COSANG(3),SINANG(3),

& ROVAL1,ROVAL2,ROARE1,ROARE2,

*& RlVALi,RlVAL2,RiAREl,RlARE2,

& RMVAL1,RMVAL2,RMARE1,R.MARE2,

49 2591884

& RPVALl1,RPVAL2,RPARE1,RPARE2,

& PENTE

COMMUN/RANGEES/SCR1,SCR2,SCR3,RTIME,RMAG,RPHASE

COMMUN/AMAKC1/AMIMOD,AMXMOD,AMIUP8,AMXUP8,POSTDC

COMMUN/BMAKI1/BMIMOD,BMXMOD,BMIUP8,BMXUP 8,MAX3DI,MAX9DI

C &C

C e. Q, t- ( - @ - @ - (t! @@(

C Constantes de module.

ELON= 1. OE-10

NUMFEA= 44

IBROl= 16 C c E_ e_( t, e_ oeetet t t& ec

SI ((ITERAT.EQ. O).ET. DIALOG)

IMPRIMER *, BMAKIl-I-Décalage d'index de caractéris-

tiques = IFEAT

C S'assurer qu'il y a assez de place pour le tampon.

SI ((IFEAT+NUMFEA).LE. NMAX) ALLER A 10

SI (ITERAT.EQ. O)

& IMPRIMER *, BMAKIl-F-Tampon trop petit.

RETOUR

10 CONTINUER

C FAIRE 50, I=1, NPTS

C50 Type 51,I,LOCBUF(I),

C & SCLBUF(I,1),SCLBUF(I,2),SCLBUF(I,3),SCLBUF(I,4)

C51 FORMAT(' ',I3,X,5(14,X))

C APPELER INIREA(FEATUR(IFEAT+1),NUMFEA, O.O)

SI (AIRE.EQ. 0.0) ALLER A 5000

C Calculer les caractéristiques de la forme d'onde de vitesse.

C Etablir des repères pour cette artère.

NBSYST= NSYSTO

NBlZRl= NlZROl

C DDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDD

C Définir toutes les caractéristiques.

FEATUR(1+IFEAT)= AIRE

FEATUR(2+IFEAT)= COSANG(2)

ADP= FFAVGB(SCLBUF(1,4), NPTS,10,10)! Fréquence de

crête de fin de diastole.

SI (ADP.LE. 25) ADP= 0! Imposer 0 pour < = 2,5 kHz.

2591884

FEATUR(3+IFEAT)= ADP

SI (ADP.LE. 40) ADP= 0! Imposer 0 pour < = 4 kHz.

C Aire sous le pic systolique (+/- 15 intervalles).

C SYSARE= FFARER(RTIME,NPTS,NSYSTO-15,NSYSTO+15)

C FEATUR(4+IFEAT)= SYSARE*AIRE/COSANG(2)

C Fréquence de crête de fin de diastole.

FEATUR(5+IFEAT)= FFAVGB(SCLBUF(1,4),NPTS,10,10)! Fin de diastole.

FEATUR(6+IFEAT)= R1ARE2/COSANG(2)

C Fréquences maximales.

APPELER EXTBYT(SCLBUF(1,2),160,IMIN,IMAX)

MAX3DI= SCLBUF(IMAX,2)

FEATUR(7+IFEAT)=MAX3DI! Fréquence 3 dB de crête

APPELER EXTBYT(SCLBUF(1,4),160,IMIN,IMAX)

MAX9DI= SCLBUF(IMAX,4)

FEATUR(8+IFEAT)= MAX9DI! Fréquence 9 dB de crête

C Degré de décélération suivant la systole.

FEATUR(9+IFEAT)= RlAREl/COSANG(2) C Energie dans l'amplitude maximale entre les harmoniques

5 et 9.

APPELER EXTRE2(RMAG,NPTS,5,9,IMIN,IMAX)

FEATUR(10+IFEAT)= IMAX

C Fréquence d'amplitude minimale dans la WFT de 2 au maxi-

mum précédent.

I=IMAX

APPELER EXTRE2(RMAG,NPTS,2,I,IMIN,IMAX)

FEATUR(ll+IFEAT)= IMIN C Fréquence d'amplitude maximale entre les harmoniques

4 et 9.

APPELER EXTRE2(RMAG,NPTS,4,9,IMIN,IMAX)

C Energie totale dans les harmoniques 8 à 12.

ENERGIE=FFARER(RMAG,NPTS,8,12)

C Index de pulsatilité, rapport magique, etc.

POSTDI= FFAVGB(SCLBUF(1,4),NPTS,20,10)

SI (POSTDI.LE. O) POSTDI=l

FMEAN= FFAVGR(RTIME,NPTS,160,120)

SI (FMEAN.LE. O) FMEAN= 1

FSYSTO= RTIME(NSYSTO)

51 2591884

FEATUR(12+IFEAT)= (FSYSTO-RTIME(NlZROl))/

& FMEAN! Rapport de Pourcelot.

C Rapport d'Yve.

FEATUR(13+IFEAT)= ((SCLBUF(NSYSTO,4)-SCLBUF(NlZROl,4))/

& (SCLBUF(NSYSTO,4)-29,5))+0,5

FEATUR(14+IFEAT)= FSYSTO/POSTDI

C Ce qui suit reflète la présence ou l'absence d'une

"fenêtre systolique".

APPELER EXTBYT(SCLBUF(l,l),NPTSNSYSTO-12,20,IMIN,IMAX)

FEATUR(15+IFEAT)= SCLBUT(IMAX,1)-30! 3 dB inférieur.

APPELER EXTBYT(SCLBUF(1,3),NPTS,NSYSTO-12,20,IMIN,IMAX)

FEATUR(16+IFEAT)= SCLBUF(IMAX,3)-30! 9 dB inférieur.

C Caractéristiques basées-sur l'élargissement spectral

(il y en a actuellement 28).

FAIRE 750,I=1,4! 71

750 FEATUR(IBROl+I+O+IFEAT)=

& FADIFB(LOCBUF,SCLBUF(1,I),NPTS,20,5)

FAIRE 900, I=1,4! 71

900 FEATUR(IBRO1+I+4+IFEAT)=

& FADIFB(LOCBUF,SCLBUF(1,I),NPTS,NSYSTO,5)

FAIRE 1000, I=1,4! 75

1000 FEATUR(IBROl+8+I+IFEAT)=

& FADIFB(LOCBUF,SCLBUF(1,I),NPTS,NSYSTO+20,5)

FAIRE 1600, I=1,4! 79

1600 FEATUR(IBRO1+12+I-FIFEAT)=

& FADIFB(LOCBUF,SCLBUF(1,I),NPTS,NSYSTO+40,5)

FAIRE 1700, I=4! 83

1700 FEATUR(IBROl+16+I+IFEAT)=

& FADIFB(LOCBUF,SCLBUF(1,I),NPTS,120,15)! 0,2 sec.

après ECGo C 87: 0,2 sec. après ECG, largeur 3

et 9 dB totales.

FEATUR(IBROl+21+IFEAT)= & FADIFB(SCLBUF(l,l),SCLBUF(1,2),NPTS,i20,20) ! largeur 3 dB FEATUR(IBROl+22+IFEAT) =

& FADIFB(SCLBUF(1,3),SCLBUF(1,4),NPTS,120,20)

! largeur 9 dB C

FEATUR(IBR01+23+IFEAT)=

& FADIFB(SCLBUF(l,l),SCLBUF(1,2),NPTS,10,10) ! largeur 3 dB

FEATUR(IBR01+24+IFEAT)=

& FADIFB(SCLBUF(1,3),SCLBUF(1,4)eNPTS,10,10) ! largeur 9 dB

FAIRE 1900, I=1,4! 91

1900 FEATUR(IBR01+24+IFEAT)=

& FADIFB(LOCBUF,SCLBUF(1,I),NPTS,240,20)

! 0,5 sec. après ECG

C DDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDDD

C IFEAT: = nombre de caractéristiques actuelles, et est C également laissé en évidence à la fin de la liste des

C caractéristiques.

5000 IFEAT= IFEAT+NUMFEA

SI (NUMFEA.NE. (IBROl+28))

& IMPRIMER *, "les caractéristiques définies et engen-

drées par BMAKIt-W ne correspondent pas".

FIN

2 259 1 8 8 4

SOUS-PROGRAMME FEATUR(LOCBUF,SCLBUF,NPTS,FEATS,NFEAT,

SCALEF,NXO,NYO)

COMMUN/FFTBUF/IREAL(1024),IMAG(1024)

COMPLEX CBUFF(1)

ENTIER*4 RMAG(1)

EQUIVALENCE (IREAL(l),CBUFF(1),RMAG(1)) OCTET LOCBUF(l),SCLBUF(NPTS,1) FEATS(1) OCTET SCRl(400),SCR2(400),SCR3(400)

C Initialiser les coordonnées de traçage.

NXLO= NXO+NPTS+10

NYLO= NYO-30*SCALEF

C Reproduire les données d'emplacement sur brouillon 1.

LOCBUF(41)= LOCBUF(40)! Eliminer le pic ECG

APPELER STCOPY(LOCBUF,SCR1,NPTS)

C Calculer la première dérivée et laisser dans le brouil-

lon 1.

APPELER DERIV(SCR1,NPTS,5,SCR2)

APPELER TYPBUF(SCR2,NPTS)

APPELER LISSE(SCR2,NPTS,4,SCR1)

APPELER TYPBUF(SCR1,NPTS)

APPELER SCABYT(SCR1,NPTS,2,5)

APPELER ADDBYT(SCR1,NPTS,50)

APPELER PLTBYT(SCRl1,NPTS,NXLO,NYLO,1.,SCALEF) C Calculer les extrêmes dans la première moitié de la

dérivée.

APPELER STCOPY(SCR1,SCR2,140)

APPELER EXTREM(SCR2,140,5,MIN,MINI,MAX,MAXI)

C Calculer la FFT sur les données d'emplacement.

C Reproduire les données d'emplacement dans la rangée

d'entrée FFT complexe.

FAIRE 100, I=1,512

CBUFF(I)= 0

SI (I.GT. NPTS) ALLER A 100

CBUFF(I)= CMPLX(FLOAT(LOCBUF(I)- 30), 0.)

100 CONTINUER

C Obtenir le spectre de grandeur dans la rangée RMAG.

APPELER MAGSPC(NPTS,RMIN,RMAX)

C Avancer les coordonnées d'origine de la courbe.

54 2591

NXLO= NXLO+NPTS+20

C Tracer la courbe du spectre de grandeur réel.

APPELER SCAREA(RMAG,NPTS,100./RMAX)

APPELER PLTREA(RMAG,NPTS/2,NXLO,NYLO,2.,SCALEF)

C Tracer la courbe de l'intervalle de fréquence pertinent uniquement.

NYLO= NYLO- SCALEF*100-30 -

APPELER PLTREA(RMAG,NPTS/8,NXLO,NYLO,8.,SCALEF)

C Tracer la courbe logarithmique du spectre de grandeur.

NYLO= NYLO- SCALEF*100- 30

APPELER LOGREA(RMAG,NPTS)

APPELER SCAREA(RMAG,NPTS,50./ALOG(RMAX))

APPELER ADDREA(RMAG,NPTS/2,40.)

APPELER PLTREA(RMAG,NPTS/2,NXLO,NYLO,2.,SCALEF)

RETOUR

FIN

Claims (34)

REVENDICATIONS

1. Procédé non envahissant permettant de diagnostiquer automatiquement et objectivement le degré de sténose d'un vaisseau à l'intérieur du corps d'un patient, caractérisé en ce qu'il consiste: (a) à envoyer un signal ultrasonore convenable dans le corps, ce signal étant concentré au voisinage du centre du vaisseau pour mesurer l'écoulement du sang au milieu du vaisseau par la méthode de variation de fréquence due à l'effet Doppler; (b) à recevoir le signal rétrodiffusé de variation de

fréquence Doppler qui est engendré par l'écoulement à l'inté-

rieur du vaisseau; (c) à enregistrer simultanément l'électrocardiogramme (ECG) du patient avec le signal Doppler pour fournir un signal de minutage périodique permettant de séparer le signal Doppler en segments périodiques; (d) à synchroniser le signal d'ECG avec le signal Doppler pour fournir un signal Doppler périodique normalisé de segments spectraux séparés; (e) à effectuer une analyse de fréquence sur chaque

segment spectral du signal Doppler par une méthode de trans-

formation de Fourier en temps réel, l'analyse étant déclenchée à partir d'un point prédéterminé du signal d'ECG, l'analyse fournissant des données de fréquence et d'amplitude; (f) à traiter les données de fréquence et d'amplitude

pour comprimer ces données, la compression comprenant l'obten-

tion d'une moyenne d'ensemble des segments spectraux; (g) à comparer la moyenne d'ensemble comprimée à une base de-données de spectres connus et classés à l'avance contenus dans sa mémoire, pour classer la moyenne d'ensemble en l'une de plusieurs catégories indiquant le degré de sténose; et (h) à diagnostiquer le degré de sténose du patient à

partir de la catégorie de classification.

2. Procédé selon la revendication 1, caractérisé en ce que la comparaison de la moyenne d'ensemble comporte une reconnaissance de formes entre les données du patient et

56 2591884

les spectres de la base de données pour établir la catégorie de la moyenne d'ensemble en fonction des spectres connus

contenus dans la base de données.

3. Procédé selon la revendication 2, caractérisé en ce que la comparaison de la moyenne d'ensemble comporte une série de décisions dans un format de décision hiérarchique

4. Procédé selon la revendication 3, caractérisé en ce que le format de décision hiérarchique comporte au moins les décisions séparées suivantes: (a) malade ou normal;

(b) si normal, sténose supérieure ou inférieure à 50 %.

5. Procédé selon la revendication 1, caractérisé en ce que le traitement des données de fréquence et d'amplitude comprend les opérations suivantes:

(a) élimination des arythmies des segments spectraux -

analysés; et (b) mise à la moyenne des segments spectraux d'environ à 20 segments par ailleurs successifs, sans arythmies,

pour développer la moyenne d'ensemble.

6. Procédé selon la revendication 5, caractérisé en ce que le traitement comprend une opération de compression des données de la moyenne d'ensemble par sélection d'un nombre prédéterminé de contours d'amplitude en fonction du temps, à des fréquences prédéterminées, dans la moyenne d'ensemble, en temps que représentation de toutes les données de la moyenne d'ensemble.

7. Procédé selon la revendication 6, caractérisé en

ce que le traitement comprend le contour d'amplitude en fonc-

tion du temps pour la fréquence d'amplitude maximale et au moins un contour d'amplitude en fonction du temps de fréquence

supérieure et de fréquence inférieure pour représenter l'étale-

ment du signal de variation de fréquence Doppler véritable.

8. Procédé selon la revendication 7, caractérisé en

ce qu'on n'utilise pas plus de cinq contours pour la repré-

sentation, ces cinq contours étant essentiellement le contour d'amplitude en fonction du temps pour la fréquence d'amplitude maximale et deux contours d'échelle prédéterminés de part

et d'autre du contour de fréquence d'amplitude maximale.

57 2591884

9. Procédé selon la revendication 5, caractérisé en ce qu'on élimine les arythmies sur la base du fait que la durée du signal d'ECG pour une arythmie est plus grande que

la durée d'un segment type, présumé normal, d'un temps supé-

rieur à un temps prédétermine.

10. Procédé selon la revendication 5, caractérisé en ce qu'on élimine les arythmies si la durée dépasse un temps

prédéterminé, ou bien si la durée dépasse d'un temps prédéter-

miné la durée immédiatement précédente.

11. Procédé selon la revendication 1, caractérisé en ce que le traitement comprend une opération de compression des données de la moyenne d'ensemble par sélection d'un nombre prédéterminé de caractéristiques spectrales dans la moyenne d'ensemble en tant que représentation de toute la moyenne

d'ensemble.

12. Procédé selon la revendication 1, caractérisé en

ce que le vaisseau est une artère carotide.

13. Procédé selon la revendication 1, caractérisé en ce que la comparaison de la moyenne d'ensemble avec la base de données comporte une validation croisée de la classification

pour chaque décision.

14. Procédé selon la revendication 13, caractérisé en ce que la comparaison fait appel à une méthode de résolution hyperplane de la reconnaissance des formes basée sur une analyse de régression linéaire, à la manière de Pietrantonio

et Jurs, communément appelée Pjurs, selon laquelle l'algo-

rithme de reconnaissance des formes minimise par itération la fonction: K IY - tanh (WO + I wiXi)] i=l

o: Y = +1, si l'on sait que les données sont dans la caté-

gorie 2

Y = -1, si l'on sait que les données sont dans la caté-

gorie 1 Y = la catégorie prédite K = nombre de caractéristiques wi = poids de la caractéristique Xi = valeur mesurée de la caractéristique i

wo = constante.

15. Procédé selon la revendication 1, caractérisé en ce que le signal est un signal ultrasonore combiné en mode B et à impulsions, fonctionnant à 5 MHz environ.

16. Procédé selon la revendication 1, caractérisé en ce que l'analyse de fréquence est effectuée dans un analyseur de spectres automatique, et le traitement et la comparaison

des données sont effectués dans un ordinateur numérique conve-

nablement programme.

17. Procédé selon la revendication 1, caractérisé en ce que la comparaison comporte une reconnaissance de formes par rapport à une base de données enregistrées dans une mémoire, comprimées de façon similaire avec les données de la moyenne

d'ensemble, et non par rapport aux spectres complets.

18. Procédé non envahissant permettant de diagnostiquer automatiquement et objectivement le degré de sténose des

artères carotides d'un patient, caractérisé en ce qu'il con-

siste: (a) à envoyer un signal ultrasonore Doppler combiné en mode B et à impulsions, fonctionnant à 5 MHz environ, dans le corps du patient, au voisinage de l'artère carotide à examiner, ce signal étant concentré au voisinage de l'axe

de l'artère pour mesurer l'écoulement central du sang à l'inté-

rieur de l'artère par la méthode de variation de fréquence due à l'effet Doppler; (b) à recevoir le signal Doppler rétrodiffusé qui est engendré par l'écoulement à l'intérieur de l'artère; (c) à enregistrer simultanément 1'ECG du patient pour fournir un signal de minutage périodique permettant de séparer le signal Doppler en segments spectraux périodiques; (d) à numériser le signal Doppler dans un analyseur de spectres en temps réel; (e) à définir les segments spectraux du signal Doppler dans l'analyseur à partir d'un déclenchement sur l'onde R

de 1'ECG, chaque segment spectral ayant une étendue suffi-

sante pour permettre la détection d'un écoulement direct, inverse ou instable à l'intérieur de l'artère; (f) à analyser chaque segment spectral dans l'analyseur par une méthode de transformation de Fourier pour en extraire les données de fréquence, d'amplitude et/ou de temps; (g) à transférer les données de fréquence, d'amplitude et/ou de temps de l'étape (f) dans un ordinateur numérique convenablement programmé, ainsi que les données du signal d'ECG;

(h) à calculer une moyenne d'ensemble des segments spec-

traux en éliminant les arythmies de la moyenne, sur la base

de la plus grande durée des arythmies par rapport aux seg-

ments types, présumés normaux, et à faire la moyenne d'envi-

ron 15 à 20 segments spectraux successifs, par ailleurs accep-

tables, à l'aide de la formule: K E (f,t) = E (f,t,n)/K n=l dans laquelle: E est l'amplitude de la transformation de Fourier à f, t et n; K est le nombre total de segments dans la moyenne; f est la fréquence; t est le temps (mesuré par rapport à l'onde R de 1'ECG); et

n est le numéro d'ordre du segment; -

(i) à comprimer la moyenne d'ensemble pour obtenir une représentation spectrale convenable pour la classification par reconnaissance de formes en (1) choisissant la fréquence

d'amplitude maximale de la moyenne d'ensemble en temps qu'indi-

cation du signal véritable en l'absence de bruit, (2) créant un contour d'amplitude en fonction du temps à cette fréquence pour la durée du segment et pour cette fréquence, et (3) calculant un étalement représentatif du signal-en incluant un ou plusieurs contours d'amplitude en fonction du temps au-dessus et au-dessous du contour de fréquence d'amplitude maximale, la moyenne d'ensemble comprimée représentant au moins trois contours d'amplitude-en fonction du temps; (j) à comparer la moyenne d'ensemble comprimée à une base de données dans la mémoire de laquelle se trouvent des

2591884

données semblables de contours de moyennes d'ensembles prove-

nant de vaisseaux présentant des degrés connus de sténose,

la base de données étant acquise à partir de données de varia-

tion de fréquence Doppler sur des patients dont le degré de sténose a été confirmé par artériographie de contraste, la comparaison s'effectuant par reconnaissance de formes dans un processus de décision hiérarchique utilisant au moins les étapes de décisions suivantes: (1) vaisseau bouché ou ouvert; (2) vaisseau malade ou normal, s'il est ouvert; et

(3) sténose supérieure ou inférieure à 50 %, si le vais-

seau est malade, cette comparaison permettant de classer la moyenne d'ensemble

dans une catégorie à l'aide d'une méthode de résolution hyper-

plane; et (k) à afficher la classification en tant que diagnostic

du degré de sténose.

19. Procédé selon la revendication 18, caractérisé en ce que le signal Doppler provient d'au moins l'artère carotide

primitive basse et de l'artère carotide interne proche.

20. Procédé selon la revendication 19, caractérisé en ce que la méthode de résolution hyperplane est basée sur

une analyse de régression linéaire à la manière de Pietr-

antonio et Jurs, communément appelée Pjurs, selon laquelle

l'algorithme de reconnaissance des formes minimise par itéra-

tion la fonction: K [Y - tanh (WO + X wixi)J i=l

o: Y = +1, si l'on sait que les données sont dans la caté-

gorie 2

Y = -1, si l'on sait que les données sont dans la caté-

gorie 1 Y est la catégorie prédite K est le nombre de caractéristiques wi est le poids de la caractéristique Xi est la valeur mesurée de la caractéristique i

wo est une constante.

61 2 5 92591884

21. Procédé selon la revendication 20, caractérisé en ce que la classification dans une catégorie à chaque niveau de décision hiérarchique est confirmée par une analyse de

validation croisée.

22. Procédé selon la revendication 21, caractérisé en ce que le procédé de validation croisée est un procédé dit

"demi-échantillon plus complément".

23. Procédé selon la revendication 22, caractérisé en ce que les caractéristiques à comparer entre les données de variations de fréquence Doppler et la base de données

comprennent les caractéristiques suivantes pour chaque déci-

sion: (a) vaisseau malade ou normal; (b) si le vaisseau est malade, sténose supérieure ou inférieure à 50 %; (c) si la sténose est inférieure à 50 %, sténose comprise entre 50 et 35 % ou inférieure à 35 %; et (d) si la sténose est inférieure à 35 %, sténose comprise

entre 35 et 15 % ou inférieure à 15 %.

24. Procédé selon la revendication 18, caractérisé en ce que la décision entre vaisseau occlus ou ouvert comporte des essais pour déterminer s'il y a un signal de variation de fréquence Doppler en provenance de l'artère carotide interne

et de l'artère carotide primitive pour vérifier que les caro-

tides sont ouvertes et non complètement bouchées.

25. Procédé non envahissant permettant de diagnostiquer automatiquement et objectivement le degré de sténose des artères carotides d'un patient humain à partir des données de variation de fréquence Doppler à ultrasons en provenance de l'artère carotide primitive basse et de l'artère carotide interne proche, caractérisé en ce qu'il consiste: (a) à envoyer un signal ultrasonore Doppler combiné en mode B et à impulsions, fonctionnant à 5 MHz, dans le

corps du patient, au voisinage de l'artère carotide à exa-

miner aux endroits voulus, ce signal étant concentré au voisi-

nage de l'axe de l'artère pour mesurer l'écoulement central du sang à l'intérieur de l'artère en chaque endroit par le procédé de variation de fréquence Doppler;

62 2591884

(b) à recevoir le signal Doppler rétrodiffusé qui est engendré par l'écoulement à l'intérieur de l'artère; (c) à enregistrer simultanément l'électrocardiogramme du patient pour fournir un signal de minutage périodique permettant de séparer les signaux Doppler en segments périodiques correspondants à des cycles cardiaques successifs; (d) à numériser le signal Doppler dans un analyseur de spectres à transformation rapide de Fourier discrète en temps réel; (e) à définir des segments spectraux du signal Doppler dans l'analyseur, sur la base d'un déclenchement sur l'onde R de l'ECG; (f) à analyser chaque segment spectral dans l'analyseur par une méthode de transformation de Fourier pour en extraire des données de fréquence, d'amplitude et/ou de temps;

(g) à transférer l'analyse de l'étape (f) dans un ordi-

nateur numérique convenablement programmé, ainsi que les données du signal d'ECG;

(h) à calculer une moyenne d'ensemble des segments spec-

traux en chaque emplacement en éliminant les arythmies de la moyenne sur la base d'une durée plus longue des arythmies, et en faisant la moyenne d'environ 20 segments spectraux successifs, par ailleurs acceptables, à l'aide de la formule: K E (f,t) = E (f,t,n)/K n=l dans laquelle: E est l'amplitude de la transformation de Fourier à f, t et n; K est le nombre total de segments dans la moyenne; f est la fréquence; t est le temps (mesuré par rapport à l'onde R de 1'ECG); et n est le numéro d'ordre du segment; (i) à comprimer la moyenne d'ensemble de l'écoulement

en chaque emplacement pour obtenir une représentation spec-

trale convenable pour une classification efficace et simplifiée par reconnaissance de formes, en (1) trouvant la fréquence

63 2591884

d'amplitude maximale de la moyenne d'ensemble à partir d'une courbe d'amplitude en fonction de la fréquence pour la moyenne d'ensemble du cycle cardiaque complet, la fréquence d'amplitude maximale étant une indication du signal véritable en l'absence de bruit, (2) créant un contour d'amplitude en fonction du temps à cette fréquence pour la totalité du cycle cardiaque du segment, et (3) calculant un étalement représentatif du signal en incluant les contours d'amplitude en fonction du temps de 3 dB et 9dB au-dessus et au-dessous du contour de fréquence d'amplitude maximale, les données comprimées du contour de moyenne d'ensemble étant essentiellement cinq contours d'amplitude en fonction du temps; (j) à comparer des caractéristiques sélectionnées de

la moyenne d'ensemble comprimée à une base de données conte-

nant dans sa mémoire des caractéristiques semblables sélec-

tionnées parmi des données de contour de moyenne d'ensemble obtenues dans des conditions connues de diagnostic préalable,

la base de données étant acquise à partir de données de varia-

tion de fréquence Doppler sur des patients dont le degré de sténose a été confirmé par artériographie de contraste, la comparaison s'effectuant par reconnaissance de formes dans un processus de décision hiérarchique utilisant au moins les étapes de décision suivantes: (1) vaisseau bouché ou ouvert; (2) vaisseau malade ou normal, s'il est ouvert; et (3) sténose supérieure ou inférieure à 50 %, si le vaisseau est malade, la comparaison permettant de classer la moyenne d'ensemble du patient dans une catégorie par l'intermédiaire d'une méthode 3Ode résolution hyperplane qui est basée sur une analyse de régression linéaire à la manière de Pietrantonio et Jurs, communément appelée Pjurs, selon laquelle l'algorithme de reconnaissance des formes minimise par itération la fonction: K [Y - tanh (WO + wiXi)I i=l

o: Y = +1, si l'on sait que les données sont dans la caté-

gorie 2

Y = -1, si l'on sait que les données sont dans la caté-

gorie 1 Y est la catégorie prédite K est le nombre de caractéristiques wi est le poids de la caractéristique Xi est la valeur mesurée de la caractéristique i W o est une constante la méthode utilisant jusqu'à cinq caractéristiques pour chaque décision; (k) à opérer une validation croisée de chaque décision

à l'aide d'une méthode itérative "demi-échantil'on plus complé-

ment" pour vérifier la décision et pour réduire la variance inhérente aux données; et (1) à afficher la classification déterminée par l'analyse

par ordinateur en tant que diagnostic du degré de sténose.

26. Procédé non envahissant permettant de diagnostiquer automatiquement et objectivement le degré de sténose des artères carotides d'un patient humain à partir de données de variation de fréquence Doppler à ultrasons en provenance de l'artère carotide primitive basse et de l'artère carotide interne proche, caractérisé en ce qu'il consiste: (a) à produire un signal de variation de fréquence Doppler à chaque emplacement, incluant environ 20 à 25 cycles cardiaques successifs; (b) à enregistrer simultanément l'électrocardiogramme du patient pour fournir un signal de minutage permettant de séparer les signaux de variation de fréquence Doppler en segments spectraux périodiques correspondants à des cycles cardiaques successifs; (c) à faire la moyenne des signaux provenant des segments de façon à produire un signal de variation de fréquence Doppler représentatif de l'écoulement à l'intérieur de l'artère, à l'emplacement correspondant; (d) à comparer la moyenne d'ensemble de l'étape (c) avec une base de données de moyennes d'ensemble classées

à l'avance, correspondant à une sténose connue, sur un ordi-

nateur numérique, par une méthode de reconnaissance de formes pour classer le degré de sténose; et

2591884

(e) à afficher la classification déterminée par la compa-

raison par ordinateur en tant que diagnostic du degré de sténose.

27. Dispositif permettant de diagnostiquer automati-

quement et objectivement le degré de sténose d'un vaisseau à partir de données Doppler combinées en mode B et à impulsions, analysées en segments spectraux dans un analyseur de spectres à transformation rapide de Fourier en temps réel, caractérisé en ce qu'il comprend un ordinateur numérique convenablement programmé pour effectuer la reconnaissance de formes des segments spectraux ou d'une moyenne d'ensemble des segments spectraux pour classer le degré de sténose en fonction d'une base de données de sténoses connues en provenance de segments

spectraux classés à l'avance.

28. Dispositif permettant de diagnostiquer automatique-

ment et objectivement le degré de sténose d'un vaisseau humain par une technique non envahissante, caractérisé en ce qu'il comprend: (a) un scanographe Doppler à ultrasons à fonctionnement combiné en mode B et en impulsions, pour envoyer un signal concentré au centre du vaisseau et pour recevoir le signal de variation de fréquence Doppler rétrodiffusé représentatif de l'écoulement sanguin à l'intérieur du vaisseau; (b) un analyseur de spectres pour transformer le signal de variation de fréquence Doppler analogique en un signal numérique fréquence-amplitude- temps; (c) un détecteur d'onde R d'électrocardiogramme pour minuter simultanément le signal de variation de fréquence Doppler en segments périodiques correspondants à des cycles cardiaques successifs; (d) un ordinateur numérique, comportant une base de données dont la mémoire contient des segments, classés à

l'avance, de signaux de variation de fréquence Doppler corres-

pondants à une sténose connue, permettant de comparer le signal du patient à la base de données dans une méthode de reconnaissance de formes pour classer le degré de sténose; et (e) un visuel pour indiquer la classification déterminée

66 2591884

dans l'ordinateur numérique.

29. Dispositif selon la revendication 28, caractérisé en ce que l'analyseur de spectres fournit à l'ordinateur une transformation rapide de Fourier discrète et numérisée des données de variation de fréquence Doppler.

30. Dispositif selon la revendication 29, caractérisé en ce que l'ordinateur compare le signal du patient à la base de données en:' (a) éliminant les arythmies du signal;

(b) produisant une moyenne d'ensemble de segments pério-

diques successifs du signal identifié par une position de minutage sur l'onde R dans le signal d'ECG;

(c) comprimant le signal à au moins un contour d'ampli-

tude en fonction du temps représentatif du véritable écoule-

ment sanguin en l'absence de bruit; et (d) rangeant le degré de sténose du patient dans une catégorie en comparant les caractérisques sélectionnées du signal comprimé à des caractéristiques semblables extraites de la base de données de signaux provenant de vaisseaux

atteints de sténoses connues.

31. Procédé permettant de diagnostiquer le degré de sténose d'une artère carotide par une technique ultrasonore non envahissante, caractérisé en ce qu'il consiste à comparer les caractéristiques extraites des données de variation de fréquence Doppler de plusieurs battements cardiaques successifs du patient à une base de données de caractéristiques Doppler analogues en provenance de vaisseaux atteints d'une sténose connue, selon un format de reconnaissance de formes, pour

identifier le degré de sténose.

32. Procédé selon la revendication 31, caractérisé en

ce que le diagnostic comprend la prise de décisions catégo-

rielles du degré de sténose dans un format hiérarchique.

33. Procédé selon la revendication 32, caractérisé en

ce qu'on fait la moyenne des données des battements cardia-

ques successifs pour comprimer les données en une moyenne d'ensemble.

34. Dispositif permettant de diagnostiquer automati-

quement et objectivement le degré de sténose d'une artère

67 2591884

carotide d'un patient par l'intermédiaire d'une technique

ultrasonore non envahissante, caractérisé en ce qu'il com-

prend: (a) un scanographe-récepteur à ultrasons; (b) un moyen permettant de comparer les caractéristiques extraites des données ultrasonores de plusieurs battements cardiaques successifs du patient à une base de données de battements cardiaques analogues provenant de vaisseaux atteints d'une sténose connue, de façon à placer les données du patient dans une catégorie de sténose; et (c) un visuel servant à présenter la catégorie du degré

de sténose déterminée à partir des données ultrasonores.