JP2008532658A - 自動フロー追跡装置および方法 - Google Patents

Abstract

心臓の付近の血流を示す監視信号から血流特性を決定する方法であって、この方法は、（ａ）監視信号からフロー包絡線を抽出するステップと、（ｂ）フロー包絡線から一連の時間マーカを抽出するステップと、（ｃ）弁開フローおよび弁閉フローなどの無関係なフローをフロー包絡線から除去するステップと、（ｄ）フロー包絡線および監視信号からピーク速度などの特徴を抽出するステップと、（ｅ）前記監視信号に基づいて心臓パラメータを生成するステップと、を含む。

Description

本発明は血流のドップラ・フロー測定の分野に関するものであって、詳しく述べると、関係する心臓パラメータを実時間で抽出するためにドップラ・フロー・スペクトル・プロフィールの包絡線を自動的に追跡することに関するものである。

画像認識および処理技術は臨床診断および監視の多くの局面において重要性が増している。カルジオグラフィでは、ドップラ・フロー・エコーカルジオグラフィなどの非侵襲法は、特に症状の重い患者では侵襲法より好まれるようになった。しかし関係する心臓の測定値をドップラ・フロー・スペクトル写真の不規則なプロフィールから抽出するにはフロー領域を手作業で明確にすることに依存しており、これは時間がかかりまた人手がかかる作業である。したがってこの方法は現在の形では、患者の心臓の健康状態を連続的に実時間で監視するのに適していない。

ドップラ・スペクトル写真の自動トレース・アルゴリズムは周知であるが、どれも装置内に含まれる実際のフローを常に過大または過小に推定する。これは主として、特に弁が開閉する瞬間の、心臓に固有のフローおよびアーチファクト（ａｒｔｅｆａｃｔｓ）と、記録された信号内の雑音のためである。このため、この結果の用途は限定される。

ドップラ超音波カルジオグラフィおよびスペクトル推定法による最大周波数の決定の技術は周知である。例えば次の文献に記述されている装置を参照していただきたい。「臨床的ドップラ超音波スペクトル推定値内の最大周波数を決定するための新しい方式（Ａ Ｎｅｗ Ａｐｐｒｏａｃｈ ｆｏｒ Ｄｅｔｅｒｍｉｎｉｎｇ Ｍａｘｉｍｕｍ Ｆｒｅｑｕｅｎｃｙ ｉｎ Ｃｌｉｎｉｃａｌ Ｄｏｐｐｌｅｒ Ｕｌｔｒａｓｏｕｎｄ Ｓｐｅｃｔｒａｌ Ｅｓｔｉｍａｔｅｓ）」、Ａａｒｏｎ Ｈ．Ｓｔｅｉｎｍａｎ， Ｊａｈａｎｇｉｒ Ｔａｖａｋｋｏｌｉ， Ｊｅｒｒｙ Ｇ．Ｍｙｅｒｓ Ｊｒ．， Ｒｉｃｈａｒｄ Ｓ．Ｃ．Ｃｏｂｂｏｌｄ， Ｃ，Ｋ．Ｗａｙｎｅ Ｊｏｈｎｓｔｏｎ、２０００，Ｊｏｕｒｎａｌ Ｕｎｋｎｏｗｎ［参考文献１］； 「ドップラ超音波用の４台のディジタル最大周波数推定器の比較（Ｃｏｍｐａｒｉｓｏｎ ｏｆ ｆｏｕｒ ｄｉｇｉｔａｌ ｍａｘｉｍｕｍ ｆｒｅｑｕｅｎｃｙ ｅｓｔｉｍａｔｏｒｓ ｆｏｒ Ｄｏｐｐｌｅｒ ｕｌｔｒａｓｏｕｎｄ）」、Ｌ．Ｙ．Ｌ．Ｍｏ， Ｌ．Ｃ．Ｍ．Ｙｕｎ， Ｒ．Ｓ．Ｃ．Ｃｏｂｂｏｌｄ、Ｕｌｔｒａｓｏｕｎｄ Ｍｅｄ．Ｂｉｏｌ．１９８８，１４（５），ｐ．３５５−３６３［参考文献２］； 「異なるスペクトル推定法を用いた３台の最大ドップラ周波数推定器の性能の比較（Ｃｏｍｐａｒｉｓｏｎ ｏｆ ｔｈｅ ｐｅｒｆｏｒｍａｎｃｅ ｏｆ ｔｈｒｅｅ ｍａｘｉｍｕｍ Ｄｏｐｐｌｅｒ ｆｒｅｑｕｅｎｃｙ ｅｓｔｉｍａｔｏｒｓ ｃｏｕｐｌｅｄ ｗｉｔｈ ｄｉｆｆｅｒｅｎｔ ｓｐｅｃｔｒａｌ ｅｓｔｉｍａｔｉｏｎ ｍｅｔｈｏｄｓ）」、Ｋ．Ｍａｒａｓｅｋ， Ａ．Ｎｏｗｉｃｋｉ．Ｕｌｔｒａｓｏｕｎｄ Ｍｅｄ．Ｂｉｏｌ．１９９４，２０（７），ｐ．６２９−６３８［参考文献３］； 「最大および平均の血流速度の連続表示（Ｃｏｎｔｉｎｕｏｕｓ Ｄｉｓｐｌａｙ ｏｆ Ｐｅａｋ ａｎｄ Ｍｅａｎ Ｂｌｏｏｄ Ｆｌｏｗ Ｖｅｌｏｃｉｔｉｅｓ）」、米国特許第５２８７７３５号，１９９４，Ｈｅｌｅｎ Ｆ．Ｒｏｕｔｈ， Ｃｈａｒｌｅｓ Ｗ．Ｐｏｗｅｒｉｅ Ｊｒ．， Ｒｏｙ Ｂ．Ｐｅｔｅｒｓｏｎ［参考文献４］； 「ドップラ超音波を用いた心臓出力の計算法の発展（Ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ａ Ｍｅｔｈｏｄ Ｆｏｒ Ｃａｌｃｕｌａｔｉｏｎ ｏｆ Ｃａｒｄｉａｃ Ｏｕｔｐｕｔ Ｕｓｉｎｇ Ｄｏｐｐｌｅｒ Ｕｌｔｒａｓｏｕｎｄ）」、Ａｍｉｔ Ｄｉｇｇｉｋａｒ， Ｂ．Ｅ．ＷＥＳＴ ＶＥＲＧＩＮＩＡ ＵＮＩＶＥＲＳＩＴＹ、電気工学修士論文、１９９９年［参考文献５］； 「胎児の心拍間隔の検出： 時間および周波数領域におけるドップラ超音波カーディオトコグラフィと直接ＥＣＧカーディオトコグラフィとの比較（Ｂｅａｔ−ｔｏ−ｂｅａｔ ｄｅｔｅｃｔｉｏｎ ｏｆ ｆｅｔａｌ ｈｅａｒｔ ｒａｔｅ： Ｄｏｐｐｌｅｒ ｕｌｔｒａｓｏｕｎｄ ｃａｒｄｉｏｔｏｃｏｇｒａｐｈｙ ｃｏｍｐａｒｅｄ ｔｏ ｄｉｒｅｃｔ ＥＣＧ ｃａｒｄｉｏｔｏｃｏｇｒａｐｈｙ ｉｎ ｔｉｍｅ ａｎｄ ｆｒｅｑｕｅｎｃｙ ｄｏｍａｉｎ）」、Ｃｈｒｉｓ Ｈ Ｌ Ｐｅｔｅｒｓ， Ｅｄｉｔｈ Ｄ Ｍ ｔｅｎ Ｂｒｏｅｋｅ， Ｐｅｔｅｒ Ａｎｄｒｉｅｓｓｅｎ， Ｂａｒｂａｒａ Ｖｅｒｍｅｕｌｅｎ， Ｒａｌｐｈ Ｃ Ｍ Ｂｅｒｅｎｄｓｅｎ， Ｐｉｅｔｅｒ Ｆ ＦＷｉｊｎ， Ｓ Ｇｕｉｄ Ｏｅｉ、Ｐｈｙｓｉｏｌ．Ｍｅａｓ．２５（２００４）５８５−５９３［参考文献６］。

関係する心臓パラメータをドップラ・フロー・プロフィールから高い信頼度で抽出して、患者を実時間で非侵襲的に監視し、また心拍毎に検出された異常があればこれを迅速に検出して対処することができる装置が必要である。

本発明の目的は、流体のフロー・プロフィールを自動的に追跡し、特に心臓内の流体のフローからのドップラ信号を追跡して、関係する心臓監視パラメータを抽出するための方法を提供することである。
本発明の第１の態様は、心臓の付近の血流を示す監視信号から血流特性を決定する方法を提供する。この方法は、（ａ）監視信号からフロー包絡線を抽出するステップと、（ｂ）フロー包絡線から一連の時間マーカを抽出するステップと、（ｃ）弁開（ｖａｌｖｅ ｏｐｅｎｉｎｇ）フローおよび弁閉（ｖａｌｖｅ ｃｌｏｓｉｎｇ）フローなどの無関係なフローをフロー包絡線から除去するステップと、（ｄ）フロー包絡線および監視信号からピーク速度などの特徴を抽出するステップとを含む。

この方法はフロー包絡線を平滑化する方法も含んでよい。監視信号は心臓の付近の血流を示す超音波信号を含んでよく、またこの方法は患者の心臓の血流特性を実時間で監視することができる。心臓監視パラメータはステップ（ａ）、（ｂ）、（ｃ）、（ｄ）で抽出した情報に基づいて計算し、次にこれを用いて心臓に関する別のパラメータを計算してよい。心臓監視パラメータは好ましくは実時間で抽出する。
最大流量は存在する最大周波数信号レベルから実質的に得ることができる。長方形断面速度プロフィールでは、最大流量は心臓系内の血流に対応する。当業者に明らかなように、異なる基礎をなす断面フロー・プロフィールに一層適した他の方法を用いて血流を決定してよい。

更に好ましくは、ステップ（ａ）は心臓内の流体の流速を時間の関数として抽出するステップを含む。好ましくは、ステップ（ａ）は次のステップを含む。すなわち、（ａ１）監視信号の周波数領域変換を形成するステップと、（ａ２）監視信号の周波数領域特性を調べて流量を決定するステップとである。好ましくは、ステップ（ａ２）は監視信号内の信号対雑音レベルに従ってこの決定を調整するステップを含む。
好ましくは、ステップ（ａ２）は次のステップを含む。すなわち、（ａ２．１）ＦＦＴの大きさからパワー・スペクトルおよび積分パワー・スペクトルを決定するステップと、（ａ２．２）パワー・スペクトル内の雑音パワーを推定するステップと、（ａ２．３）ドップラ信号が表す実際のフローを見つけるのに用いる積分パワー・スペクトルの傾斜しきい値を決定するステップとである。更に、雑音への感度を高めずに不正確な量を基準化して値を訂正するバイアス訂正係数を含む。

本発明の別の態様は自動心臓監視装置を提供する。この装置は、ａ．ドップラ・スペクトル信号を検出する手段と、ｂ．ドップラ・スペクトル信号を処理して複数の心臓パラメータを自動的に抽出する手段と、ｃ．処理されたドップラ信号内のタイミング・マーカを識別して必要な心臓パラメータを抽出する手段と、ｄ．処理されたドップラ信号およびタイミング・マーカの視覚表示を同時に表示する手段と、を含む。
処理手段は好ましくは、ドップラ信号からフロー包絡線を抽出する方法と、フロー包絡線から望まないフロー信号およびアーチファクトを除去するための伝達関数とを含んでよい。心臓パラメータは好ましくは実時間で抽出する。
この装置は固定小数点ＤＳＰプロセッサと計算の互換性があってよい。

（好ましい実施の形態の説明）
好ましい実施の形態は、例えば米国特許第６，５６５，５１３号、「超音波心臓出力モニタ（Ｕｌｔｒａｓｏｎｉｃ Ｃａｒｄｉａｃ Ｏｕｔｐｕｔ Ｍｏｎｉｔｏｒ）」に開示されている適当に修正された心臓監視装置を用いて動作するよう設計される。上記特許の内容を相互参照文献としてここに援用する。図２７は上述の特許出願に関して用いられる装置の運転２１０を示す。処理装置２１２に取り付けられた超音波変換器２１１を用いて患者２１０の心臓出力を監視する。処理装置２１２は変換器からの戻り信号を処理して、図２８に示す出力トレースを与える。

処理装置２１２は図２９に略図で示すように構築してよく、変換器２１１はディジタル信号処理装置２３２と相互接続する。ＤＳＰ装置は更にマイクロプロセッサ２３３、メモリ２３４、およびＩ／Ｏ装置コントローラ２３５とバス２３６により相互接続する。当業者に明らかなように、他の構造も可能である。
好ましい実施の形態の自動フロー追跡装置の目的は、ドップラ・フロー・プロフィールから受けた信号を追跡して、ドップラ・スペクトルから心臓パラメータを抽出することである。トレース・アルゴリズムはドップラ・フロー・プロフィールの視覚トレースも与えるが、有用な定量的出力を与えるのは追跡から抽出される心臓パラメータである。
好ましい実施の形態は上述のハードウエア構成のマイクロコントローラの適当なプログラミングから構築される。

（技術の概要）
この明細書を通して以下の用語を用いる。
ＥＴ 放出時間
ＦＦＴ 高速フーリエ変換
ＨＲ 心拍
ＩＰＳ 積分パワー・スペクトル
Ｐ_ｍｎ 平均圧力傾斜（）
ＭＴＣＭ 修正しきい値交差法
Ｖ_ｐｅａｋ ピーク速度
ＰＳ パワー・スペクトル
ＳＮＲ 信号対雑音比
ＳＮＳＩ 信号雑音傾斜交差法
スポーク 或る時点でのスペクトル推定値の集合
ＶＴＩ 速度時間積分

自動フロー追跡装置は、時間的かつフローから得られる心臓パラメータをドップラ・スペクトル表示から抽出する。これは記録されたフロー・プロフィールを追跡するアルゴリズムを用いて行う。望む心臓パラメータは記録されたフロー・プロフィールから計算する。次に主アプリケーションはこの心臓パラメータを用いて心臓に関係する別のパラメータを計算する。

好ましい実施の形態では、ドップラ帰り信号がこの装置の唯一の入力であり、また全てのパラメータおよび特徴はこの信号から抽出するものと仮定する。図３０は好ましい実施の形態に関するステップを示す。これは、生のスペクトル・トレースを抽出するステップ１０１と、時間マーカを抽出するステップ１０３と、無関係なアーチファクトをフローから除くステップ１０２と、トレースを平滑化するステップ１０４とを含む。
・ 生のスペクトル・トレース１０１： 各時点でドップラ・スペクトル・データからフロー包絡線を抽出する。無関係なフローおよびアーチファクトをトレースから除くことは行わない。
・ 時間マーカの抽出１０３： 心拍および放出時間を推定するのに時間マーカを用いる。共通のタイミング・マーカを用いるので、この段階は弁除去段階に統合される。
・ 弁および非フローの除去１０２： アルゴリズムのこの段階では無関係なフローおよびアーチファクトを生のスペクトル・トレースから除去して、望むフローだけを残す。
・ トレースの平滑化１０４： トレースを平滑化して見やすいトレースを作る。

これらの各段階について以下に詳細に説明する。
まず、ＦＦＴを用いてドップラ信号をスペクトル写真に変換する。血液の速度と周波数との関係は標準ドップラ方程式から決定する。
連続波ドップラ・システムでは、各時点でのスペクトルは周波数の広がりを含む。トランスバルブラ（Ｔｒａｎｓｖａｌｖｕｌａｒ）ＣＷドップラに関する調査研究から、断面フロー・プロフィールが長方形のとき、周波数の広がりの中の各時点での最大周波数は真の血液速度の良い推定値である。

図１は胸骨傍の位置からとった肺動脈弁のドップラ・スペクトルの詳細図の一例を示す。このドップラ・スペクトルの特徴から多くの心臓パラメータを抽出することができる。
時間的心臓パラメータとしては次のものがある。
・ 心拍（ＨＲ）： 心臓が血液を送り出す速度

ただし、ＨＲは毎分の脈拍（ｂｐｍ）で、サイクル時間は秒で与えられる。
・ 放出時間（ＥＴ）： 血液が出力管を通して放出される時間

主な関心事はターゲットの血管または弁を通る血流を測定することである。ドップラ・スペクトルは多数の無関係の他のソースからのドップラ・シフトされた信号も含む。望むフローだけに寄与する血液を決定するには、これらの無関係なソースの影響を除かなければならない。無関係なソースは次のようなものを含む。
・ 動いている組織からの戻りで、低周波スペクトルとして示される。これらの大部分はウォール・フィルタにより図１から除かれている。これは低周波帯域がないことから明らかである。
・ 心房と心室との間の血流からの戻り。
・ 動いている弁尖からの戻り。これらは、フロー・プロフィールの前縁（弁開）および後縁（弁閉）のそれぞれスパイク１および２として現われる。

図１のトレース３は肺動脈弁を通る望むフローだけを示す。トレースが弁開および弁閉の領域の間のフローだけを示すことに注意していただきたい。無関係なフローおよび弁のクリックは除かれている。望むフローのトレースが見つかると、フローから得られる多くの心臓パラメータを計算することができる。有意義な心臓パラメータとしては、速度フロー・プロフィールｖ（ｔ）が、無関係なソースを取り除いた後の基礎をなすフローである。

フローから得られる心臓パラメータには次のものがある。
・ 速度時間積分４（ＶＴＩ）： 単一心臓サイクル中に血液が流れる距離を表す。

・ 平均圧力勾配５（Ｐ_ｍｎ）： 放出中の弁にかかる平均圧力差を表す。

注意： 上の４という係数は血液密度とｍｍＨｇへの変換とを結合したものである。
・ ピーク速度６（Ｖ_ｐｋ）： 放出期間中のピーク流速で、

心臓出力を計算するのに必要なＶＴＩを計算するには、速度プロフィールｖ（ｔ）を推定しなければならない。ｖ（ｔ）は最大周波数検出器を用いてスペクトル写真の周波数ピークから抽出しなければならない。
特に超音波スペクトル写真向けの最大周波数検出器のためのいくつかの確立されたアルゴリズムが存在する。これらのアルゴリズムの精度は信号対雑音に大きく依存する。これらのアルゴリズムはどれも完全な方法とは考えられないので、将来新しいアルゴリズムを開発する必要がある。基本的なアルゴリズムはフロー・アーチファクトを除去しない。

好ましい実施の形態の自動フロー追跡装置は以下の制約の下に動作するよう設計する。
・ 実時間動作。
・ 心臓機能の心拍毎のパラメータの抽出。
・ 実時間の事象から特徴の識別までの遅れが最小。
・ 既存の固定小数点ＤＳＰプロセッサ装置と計算の互換性がある。

生のスペクトル・トレース
（背景）
以下の説明では、量およびＦＦＴビン（ｂｉｎ）はフローの選択された方向に対応すると仮定する。従来の方法では、パワー・スペクトルを積分して積分パワー・スペクトル（ＩＰＳ）を形成する。すなわち、

ただし、ｋ_ｌはウォール・フィルタ・カットオフ（必要な場合）に対応するＦＦＴビン・インデクス、Ｐ（ｋ）はＦＦＴビン・パワーである。定義により、ＩＰＳ（ｋ）はＰ（ｋ）の寄与を含む。

図３は信号だけ（１１）と信号と雑音とを合わせたもの（１２）についての、図２に対応するＩＰＳを示す。ＩＰＳの局所の傾斜は特定の周波数のパワー・レベルを表す。最大フローより高い周波数では、ＩＰＳの傾斜は信号の雑音パワーに近づく。離散的な傾斜は次式で定義される。
ｍ（ｋ）＝ＩＰＳ（ｋ）−ＩＰＳ（ｋ−１）
この定義は、ｋ番目の傾斜がｋ番目の離散的パワー値に等しいことを示す。すなわち、ｍ（ｋ）＝Ｐ（ｋ）である。
最大周波数検出アルゴリズムの多くはＩＰＳ内の膝（図３の１３）を見つけることにより最大周波数を決定する。各アルゴリズムの間の差はこれを行う方法にある。いろいろの技術の概要が上記の参考文献に述べられているが、第１の実施の形態に用いられる技術に従って説明する。

（アルゴリズム）
この装置で種々の周知の方法を用いるとき、ドップラ・フロー・プロフィールを追跡することに関して多くの問題がある。すなわち、
・ 適当な傾斜しきい値の定義。
・ スペクトルの平滑化。
・ 信号レベルの推定。
・ 雑音レベルの推定。
・ その他の問題。
これらの問題およびそれぞれの解決策について以下に説明する。

（基本的な定義）
アルゴリズムへの入力はＦＦＴの大きさｆｆｔ（ｋ）である。トレース・アルゴリズムは一度にスペクトルの片側だけで働く。アルゴリズム・パラメータは次のものを含む。
・ ｆ_ｈ スペクトルおよびＩＰＳ分析のための周波数上限：ビン・インデクス単位。
・ ｆ_ｌ スペクトルおよびＩＰＳ分析のための周波数下限（これは一般に０に設定するが、ウォール・フィルタ領域を横切る探索を防ぐのに用いてもよい）：ビン・インデクス単位。
・ ｆ_Ｎｌ １／ｆ領域より上の平らな雑音領域の始まり：ビン・インデクス単位。
・ Ｎ_ｓｐａｎ パワー・スペクトルの長方形濾波を行う点の数（一般に１７）。
・ Ｎ_ｓｉｇ 局所の信号レベルを計算するのに用いる点のスパン（一般に２５）。
・ ｋ_Ｎ 傾斜しきい値の雑音係数。
・ ｋ_ｓ 傾斜しきい値の信号係数。

パワー・スペクトル（Ｐ）はＦＦＴから次のようにして計算することができる。

ただし、ｆｆｔ_ｍａｘはパワー・スペクトル値（一般に３２から２５５）を固定するアルゴリズム・パラメータである。
積分パワー・スペクトル（ＩＰＳ）は次式で与えられる。

（傾斜しきい値）
傾斜しきい値の一般的な形式を用いた。
ｍ_{ｔｈｒｅｓｈ}＝ｋ_ｓｍ_ｓ＋ｋ_Ｎｍ_Ｎ
ただし、ｋ_ｓは信号重み係数、ｋ_Ｎは雑音重み係数、ｍ_Ｎは雑音パワー推定値、ｍ_ｓは信号パワー推定値である。このしきい値は雑音強さと信号強さの両方に依存するが、重み係数は独立に支配する。係数ｋ_Ｎは雑音領域での偽の検出が多くなるのを抑える。

（スペクトルの平滑化）
ＦＦＴから捕らえた生のスペクトルは非常に粗くて、スペクトル全体にわたって多くの頂点と谷を含んでよい。ドップラ装置の信号対雑音は非常に低いので、検出しきい値は雑音レベルに近づける必要がある。粗いスペクトルでは雑音領域内の大きなピークが低い検出しきい値を超えるために、最大周波数検出器がスペクトルの縁の検出を間違えることがある。
パワー・スペクトル推定値の変動を減らすための確立された多くの方法が存在する。これらの方法の多くは追加の記憶および計算を必要とする。平滑化の１つの方法は、時間と共に多数のＦＦＴをとってその結果を平均することである。

別の方法は周波数のパワー・スペクトルを平滑化することである。平滑化は滑り窓関数（ｓｌｉｄｉｎｇ ｗｉｎｄｏｗ ｆｕｎｃｔｉｏｎ）を用いて行う。これは実質的にいくつかのビンにまたがるスペクトルの局所の平均を与える。図４および図５は平滑化されたパワー・スペクトルを示す。曲線２３は長さ１６の長方形窓に関するものであり、曲線２４は長さ２０およびβ＝４のカイザ窓に関するものである。βはカイザ窓のパラメータである。この２つのフィルタはほぼ同じ主ローブ幅を有する（したがって、同数の点にわたって実質的に平均する）。

パワー・スペクトルにウインドウイング（ｗｉｎｄｏｗｉｎｇ）／濾波を行うには大量の処理が必要である。なぜなら、スペクトル値の全集合に平滑化フィルタを適用しなければならないからである。
計算を最小にする１つの方法は、多数のビンにわたるＩＰＳ値からＩＰＳ傾斜を計算することである。これは、パワー・スペクトルを長方形フィルタで平滑化した後、１つのビンのスパンにわたって単一点のＩＰＳ傾斜を計算することに等しい。

スペクトルを平滑せず、或るスパンにわってＩＰＳ傾斜を計算する場合を考える。ＩＰＳ上の点ｋと点ｋ＋ｎとの間の線の傾斜はｋ＋１とｋ＋ｎの中点での傾斜の中心差分推定値（ｃｅｎｔｒａｌ ｄｉｆｆｅｒｅｎｃｅ ｅｓｔｉｍａｔｅ）である。すなわち、

これをシフトして次のようにｋでの傾斜を得る。

次にまずスペクトルを平滑化した場合を考える。対称（２Ｎ＋１）点長方形窓で平滑化したパワー・スペクトルは、

対応するＩＰＳは、

したがって、１ビン・スパンにわたる傾斜は
ｍ’（ｋ）＝ＩＰＳ’（ｋ）−ＩＰＳ’（ｋ−１）＝Ｐ’（ｋ）
ここでｎ＝２Ｎ＋１を選ぶと、

したがって、ｎが奇数のとき２つの傾斜ｍ（ｋ）とｍ’（ｋ）とは等しい。

長方形フィルタを少し改善したものが修正ダニエル窓である。修正ダニエル窓の係数は長方形窓と同じであるが、異なるのは２つの端点重みが中心点の重みの半分であることである。この窓は、効率的に計算された長方形窓から２つのパワー・スペクトル端点の和の半分を引いて実現することができる。全ての値が濾波された修正ダニエル窓の場合は、窓の倍率は無視してよい。
スペクトル平滑化の副作用は、鋭い移行縁が不鮮明になることである。理想的な移行では、しきい値が移行縁のサイズの５０％でないとき長方形フィルタは選択された点をゆがめる。

（信号レベル）
信号レベルを推定する方法によりアルゴリズムの行動が変ることがある。
例えば、ＳＮＳＩ法はピーク・パワーのまわりの信号レベルを推定する。時々非常に強い信号があると信号に依存するしきい値が上昇し、そのために、検出された最大周波数が非常に低くなることがある。これはトレース包絡線内の「吸取り（ｓｕｃｋｅｄ ｏｕｔ）」領域として現われる。
信号の大きさを制限する１つの手段はレベルを固定することである。一般的なフロー・レベルはピークよりはるかに低く、固定することによりフロー信号強さの良い推定値が得られる。

多くの心臓に関するターゲットはスペクトルの縁のすぐ下では明確なスペクトル・ピークを作らない。これはＣＷドップラのときに特にそうである。強い低周波成分があり、縁に近づくにつれて信号パワーが次第に減少することが非常に多い。強い低周波成分は信号レベルをうまく表さない。縁のすぐ下の平均信号レベルは信号レベルの推定値として一層有用のようである。
パワー・スペクトルを平滑化するのに用いるフィルタを平均する効果は尖端が不鮮明な場合に助けになる。雑音スペックルの上にある弱い信号は信号から雑音へのスムーズな移行に変わる。

（雑音推定値）
用いた装置からの雑音スペクトルは周波数と共に一定ではなく、雑音は「１／ｆ」タイプの特性に従うことが分かった。雑音は１／ｆ曲線に正確に従うのではなく、周波数が或る特定の周波数より低くなると雑音が増え、その周波数より上では雑音は平らになってほぼ一定のレベルになることが分かった。図９は変換器で記録した装置の代表的な雑音レベルを示す。
雑音パワー基準はパワー・スペクトルの比較的平らな末尾から推定する。雑音パワーは、雑音領域の始まりｆ_Ｎｌから雑音領域の終わりｆ_ｈまでのＩＰＳの傾斜である。

雑音領域の始まりは１／ｆ雑音領域の始まりｆ_Ｎｌとする。高速のフローがある場合は信号ピークはｆ_Ｎｌを超えることがあり、雑音推定値は信号で汚染される。これを防ぐため、雑音領域の始まりを最大周波数より高い点に設定する。最大周波数は分からないので、まず雑音領域の始まりについて推定を行わなければならない。次の方法がよいことが分かった。
平滑化されたパワー・スペクトルを調べて最大パワーを探す。対応する周波数インデクスはｆ_{ｐｓ ｍａｘ}である。ＩＰＳは平滑化窓を用いて平滑化する。
最大信号パワーが最後の雑音推定値より係数ｋ_Ｎｕだけ大きい場合は境界を決定するのに十分な信号があるが、そうでない場合は信号レベルは雑音より低く、識別可能な境界はない。
ｆ_Ｎｌ’＝ｆ_{ｐｓ ｍａｘ}＋（ｆ_ｈ＋ｆ_{ｐｓ ｍａｘ}）／３
ただし、ｆ_{ｐｓ ｍａｘ}は最大パワー点の位置であり、その後で固定する。すなわち、
ｆ_Ｎｌ’＜ｆ_Ｎｌ なら ｆ_Ｎｌ’←ｆ_Ｎｌ

信号レベル・テストに失敗した場合は、スペクトルのトップｆ_Ｎｌを用いる。すなわち、
ｆ_Ｎｌ’＝ｆ_Ｎｌ
雑音フロアの低周波限界ｆ_Ｎｌ’が決まると、ビン（ｂｉｎｓ）をｆ_Ｎｌ’からｆ_ｈまで平均して雑音パワーｍ_Ｎを推定する。精度を高くしまた雑音推定値の小数値を避けるために、雑音パワーをｆ_Ｎｌ’からｆ_ｈまでのビンの和として表す。次にこの和を基準化して、Ｎ_ｓｐａｎビンの場合の平均を表す。
雑音推定値が前の（スポーク：ｓｐｏｋｅ）雑音推定値の２倍を超える場合は、雑音を前の（スポーク）雑音推定値の２倍に制限する。これにより、小さな傷および異常値が雑音領域内に延びて雑音推定値に影響を与えるのを防ぐ。

雑音推定値の変動を更に減らすために、多数のスポークにわたって（すなわち、時間にわたって）雑音を平均する。移動平均を用いる。スポークの数が多いほど変動は小さい。雑音は静止していない。一般に雑音は、変換器の結合および変換器の動きのために変動することが分かった。平均する期間が長すぎるとスポーク雑音は平均された雑音よりかなり高くなり、そのために雑音領域での偽の検出が起こり得る。雑音を平均するのに用いるスポークの数は４に設定した。
調整された雑音推定値は周波数に従う１／ｆタイプの雑音の変動を説明する。考え方として、領域の末尾は周波数と共に平らであってほとんど信号に影響されないので、末尾領域を雑音レベルの１つの測度として用いることができる。雑音プロフィールは主として処理の連鎖によるので、雑音をモデル化することができる。雑音末尾を用いて全体のレベルを調整することができる。

乗算項
ｍ_Ｎ’＝ｋ_Ｎｆｍ_Ｎ
を用いて雑音パワー基準を基準化する。ただし、ｍ_Ｎは雑音末尾内で推定した雑音、ｋ_Ｎｆは周波数インデクスｉの関数である。ｋ_Ｎｆは表または関数形で表してよい。１つの形は次の区分線形近似である。

注意： ｉ＜ｆ_ｌのとき、更によい値は（８^＊５０−５^＊ｆ_ｌ）／５０である。

（偽の検出の拒絶）
ドップラ装置は非常に低いレベルの信号を処理するが、これは妨害を起こしがちである。妨害は水平線として現われることが多く、水平線は強い妨害スペクトルに対応する。線のスペクトル幅は変ることがあり、また周波数と共にふらつくこともある。スペクトル線はトレース・アルゴリズムに影響を与えることがある。スペクトルの平滑化は細い雑音線を平均化するのに役に立つが、広いスペクトル線では効果が小さい。
偽の検出は２つのチェックを用いて行う。第１のチェックは粗チェックで、不十分な雑音および信号による偽の検出を防ぐ。各周波数で現在の点の回りの「一般的な」信号対雑音が或る値より大きいかどうかチェックする。ｍ_Ｎ’より広いビンのスパンを用いて信号レベルｍ_ｓを計算するが、この値は同じビンの数に戻して基準化する。

第２のチェックでは強い妨害線による偽のトリップを防ぐ。現在の縁点より少し低い信号に基づいて傾斜しきい値を再計算する。信号レベルは低周波で高くなるという仮定に基づいて、このしきい値に少し高い雑音重み定数を用いる。この方法で計算した信号は雑音線の領域より低いはずである。用いる雑音レベルは縁点の周りの調整された雑音である。信号推定位置が装置のウォール・フィルタ周波数より低い場合はこのチェックは行わない。

（縁の改善）
前に説明したように、スペクトルを平滑化すると移行の縁がぼやける。これは、高い信号対雑音を持つ明確な縁で特に明らかである。縁の改善段階では、傾斜しきい値を超えたところの近くの縁を探す。
縁の改善ステップは平滑化スパンにわたる信号パワーの重心に基づく。この方法はバイアスを有するので、これを訂正する必要がある。信号が強くて傾斜しきい値が低いときは、バイアスは非常に小さい。

（バイアス訂正係数）
検出された生のトレース点は信号対雑音の関数として変動する。これはこのアルゴリズムの性質である。バイアス訂正係数を与えて、位置を検出した縁点を訂正する。バイアス訂正係数は信号対雑音の関数として与える。
好ましい実施の形態では、訂正係数は表で実現する。これは種々の範囲の信号対雑音について１％刻みで訂正できるので、隣の訂正にスムーズに移行する。
信号パワーは、ビンの短いスパンにわたって最初の生のトレース点より低いＦＦＴビン・パワーの平均をとることにより推定する。雑音パワーは雑音モデルからＮ_ｓｐａｎにわたって平均して推定する。雑音は最初の縁点で推定する。

弁および非フロー・アーチファクトの除去および時間マーカの抽出（図２７の１０２，１０３）
トレース・アルゴリズムを点毎に適用して生のトレースを生成する。前に述べたように、ドップラ・スペクトルは多数の無関係な非フローのソースにより汚染される。アーチファクトを除去することにより非フロー・ソースを除去して、基礎をなすフローを表すトレースを生成する。ここでは、アーチファクトはスペクトル表示上に望まないフローを生じる可能性のあるもの全てを意味する。
基礎をなすフロー・プロフィールおよびアーチファクトの性質はターゲットを得るのに用いる音響窓に依存する。一般に、アーチファクト・フローを除去するにはターゲットのタイプ毎に異なる方式を必要とする。肺動脈弁（ＰＶ）ターゲットは前縁および後縁に弁スパイクを示す。大動脈弁（ＡＶ）ターゲットは末尾領域を示す。ＣＷドップラを用いるときは、両ターゲットは他方のフローおよび音響フィールド内の動いている組織からのアーチファクトを示す。

フロー・プロフィールは２つの画像が互いに重なり合ったものと考えることができる。すなわち、望むフロー、望まないフロー、および弁クリック（これは一層強い）を示すフロー・トレースである。弁クリックの例３０および３１を、ＰＶ波形を示す図１１（ａ）に示す。弁開のとき、図１１（ａ）に示すように弁はフローより延びてよい。または、フローが十分大きな速度を有する場合は、弁はフローの下にあるか、または図１１（ｃ）に示すようにフローの横にあってよい。弁とフローの成分とが重なるので、基礎をなすフロー・プロフィールを正確に識別するのは困難である。したがって、アーチファクトを除去するためにフロー・プロフィールを近似的に修正する。
プロフィールは種々の方法で修正してよい。例えば、曲線の当てはめ、区分近似、および線などである。実際的には、修正されたプロフィールの精度は、装置または測定方法の誤差と同程度かまたは小さければよい。したがって、プロフィールに強制的に線を用いれば許容できる精度が得られる。

フロー・プロフィールを修正する際の重要な点の１つはフローが始まりまた終わる速度プロフィールの部分を識別することである。次にこれらの特徴の時間的位置を用いて時間的心臓パラメータ（すなわち、心拍および放出時間）を得ることができる。望むフロー・プロフィールは弁の活動によって制限される。弁が開くと血液は弁を通って流れ、弁が閉じると流れは止まる。また、弁の活動に関連するフローは速度フロー・プロフィール上の高い傾斜に対応する。したがって、弁の活動およびフローの傾斜は、フローの始まりおよび終わりを識別する良い指標である。
アーチファクトを実時間で除去するために分析に利用できるのは、最も新しい速度プロフィールの短い部分だけである。

タイミング・マーカの定義
心臓のタイミング・マーカ３４および３５を図１１に示す。
（心拍）
心拍は弁開の始まり（３４）から次の弁開の始まりまでの時間と定義する。この定義はＥＣＧ機が用いるＲ対Ｒ波の定義に近い。なぜなら、弁開の始まりはＲ波とほとんど同期するからである。
（放出時間）
放出時間はフローの継続時間である。心拍に用いるタイミング点と一致させるため、放出時間は弁開の始まり（３４）から弁閉領域の終わり（３５）までの時間である。

実現されたアルゴリズム
（ＡＶアルゴリズム１）
ＡＶアルゴリズムは速度および速度傾斜しきい値により働く。これは弁スパイクを能動的には除去しない。なぜなら、通常、弁スパイクはＡＶトレース上に存在しないからである。弁閉に用いる速度しきい値は重要である。ＡＶでは、弁閉は長い末尾を有して非常に平らになることがある。通常、弁閉点は末尾内に際立った特徴を有しない。

（弁開）
弁開の近似マーカは、速度しきい値、強い（ｒｏｂｕｓｔ）傾斜しきい値、および異常除去検出器を用いて見つける。
生のトレースはまず予め決められた弁開速度しきい値を超えるはずである。この位置のどちらかの側の多数の点を用いて、トレースの傾斜を強く計算する。この傾斜が予め決められた速度傾斜しきい値を超えた場合は、この位置は弁開縁の先導する傾斜の可能性がある。しかし、この特徴は心房フローまたは異常かも知れない。前縁検出を一層強くするため、アルゴリズムは前方の多数の点を見て、速度が弁開速度しきい値より継続的に高いことを確認する。そうでない場合は非フローと見なして、現在の点を弁開とすることを拒絶する。次に、フローの縁で見つけた点を近似マーカ位置として用いる。

縁は雑音が多いので、アルゴリズムは傾斜が最大になるように近似マーカのどちらかの側の点を選ぶ。最大速度点を、強制されたプロフィールの終点として用いる。最小速度点を最大速度点と共に用いて、縁線をゼロ速度まで外挿する。外挿の時間的位置は弁開の始まりの信頼できる推定値であって、強制的にゼロ速度にされる。注意すべきであるが、ＡＶ法は弁開の終わりを見つける必要はなく、プロフィールを修正するための縁点だけを必要とする。

（弁閉）
弁閉アルゴリズムは弁開アルゴリズムと同じであるが、異なるのは、傾斜しきい値の方向が逆であることと、異なる速度しきい値および速度変化しきい値を用いることである。更に、弁閉点の終わりを曲線上の更に高い点に移して、末尾の平らな領域内の点で外挿しないようにする改善ステップがある。

（ＰＶアルゴリズム１）
ＰＶの場合はフローの始まりと終わりの弁スパイクを特徴とする。弁スパイクは基礎をなすフロー・プロフィールの上に突き出てもよいし突き出なくてもよい。
フローの始まりは弁開スパイクの始まりで起こる。弁スパイクが突き出ない場合は、弁の縁はフローと重なることもあるし重ならないこともある。突き出ない場合は、フロー・プロフィールから弁開の終わりを検出することができない。弁パワーを用いて、他の隠れた時間的情報を回復する。
フローの終わりは弁閉スパイクの中央で起こる。

（近似マーカ）
マーカ識別の第１段階は、正確ではないが比較的信頼できる近似マーカ位置を見つけることである。このアルゴリズムは最初の探索点としてこれらの近似マーカを用いる。
速度トレースを低域濾波して、微粒子隆起および異常を全て除去する。低域フィルタはフロー・プロフィールを実質的に積分して、正弦波に近い波形を生成する。これは弁開点にくぼみを有し、弁閉点にピークを有する。ＰＶでは、弁閉スパイクは正弦波形を修正するのに十分な大きさを有する。フローの縁またはスパイクの立下り縁の方に曲がる単一のピークがあってよい。または、これらの各事例に対応するピークと、フローと弁閉ピークとの間のフローの中にノッチに対応するくぼみがその間にあってよい。
次に濾波した波形をピーク検出器に通してピークを抽出し、図１３に示す近似マーカ位置を識別する。立上り縁のすぐ前の負方向のピーク４０と立下り縁のすぐ後の正方向のピーク４１とがある。

（弁パワー）
弁の活動の信号レベルは一般に強い。したがって、信号パワーを用いて弁の活動を識別することができる。
弁の活動はフローと同時に起こる。全信号パワーは３つの成分で構成する。すなわち、強い弁成分、より弱いフロー成分、およびより弱い静止雑音成分である。考え方は、ＦＦＴビン・レベルに基づいてこれらの３つのパワー測度を推定することである。弁パワーしきい値より高い非常に強い信号は弁パワーとして分類し、雑音しきい値より低い非常に小さな信号は雑音と見なし、残りはフローと見なす。

全パワーが全ての信号成分を含むときは、パワー・プロフィールは強い弁ピークの基部に弱いスカートを示す。スカートを除去するにはパワーにしきい値を与えなければならない。全パワーを計算する前に全体的なしきい値またはビンしきい値を与えてよい。固定したビン・ベースのしきい値を選んだ。図１４は、しきい値を定めたパワーを持ち、また低パワー弁を弱くした、弁の活動の改善された画像を示す。弁の活動を識別する更に別の方法は、しきい値を定めない全パワー内のピークを見つけることである。この方法では、全パワーしきい値はショート・フィルタ（例えば、３点ＦＩＲフィルタ）を用いて濾波しなければならない。
理想的には、フロー信号と弁とを区別するには適応しきい値が必要である。しかし、弁レベルが信号より低い場合が必ずあるので、適応しきい値は全ての問題を解決するものではない。
弁パワーは２点移動平均フィルタにより濾波する。これはゼロ・パワー探索に影響を与える弁パワー内の単一サンプル・ホールを防ぐ。

（ウォール・フィルタ）
低速度領域のフロー・プロフィールは多くのピークおよび谷を含む。生のトレースを用いると多数のピークが更に誇張される。この領域は無関係な情報を含むことが知られている。アルゴリズムはこれらの特徴を除去し、偽のピークを見つける可能性を最小にする。分析の目的では、トレースを強制的にウォール・フィルタ周波数にし、ゼロ・フローにしないことが大切である。フローを強制的にゼロにすると見かけの高い傾斜領域を生じるため、アルゴリズム内に偽の検出が起こる。

（弁開の除去）
速度プロフィールを強制的に、弁開の始まりでゼロ速度で弁開の終わりで速度フロー・プロフィール上の点までの線にすることによりフロー・プロフィールを修正する。弁開の期間は、しきい値を決めた弁パワーが非ゼロである領域として識別する。近似弁開マーカ位置を、しきい値を決めたパワー探索の始点として用いる。
弁の始点を間違えるのは、通常は弁開パワー・プロフィールが先導する小さなスカートを有するからである。このため、強制された弁開プロフィール線が基礎をなすトレースより高くなることがある。点を間違えたために起こる誤差を最小にするため、強制されたプロフィールが基礎をなすトレースより高くなるのを防ぐ。

（弁閉の除去）
弁閉領域の終わりは速度プロフィール内の弁閉スパイクのピークとして識別される。弁閉領域の始まりは、速度フロー・プロフィールと弁閉スパイクとの間のノッチで識別される。弁閉の弁パワーは比較的弱く、多くの場合に（特にパワーのしきい値を決定した後には）存在しないので、速度スパイクは一層信頼できる指標と判断された。
アルゴリズムは近似弁閉終点を用いて弁閉領域の大体の位置を得る。次に、近似エンド・マーカに最も近い２つのピークを識別する。２つのピークが近似マーカから非常に離れている場合は、この近似マーカを終点として用いる。２つのピークが十分近い場合は、２つのサンプルの間のピーク点に先立つ最も大きく下降したピークを用いる。生のトレースは非常に粗くて、多くの偽の単一サンプル・ピークが存在することがある。２点スパンは信頼性がより高く、弁閉が狭い場合でもうまく働くようである。前の下降の中の最大のものは速度プロフィール内の弁閉ピークの良い指標であることが分かった。

終点が見つかると、この終点を用いて弁閉ピークと主フローとの間のノッチを見つける。強さを高めるには、前に見つけた終点を通り越して探索するのが良いことが分かった。見つかった始点がこの終点より後の場合は、アルゴリズムは弁パワーに基づいて弁の活動を見つけようと試みる。大きな弁パワーの活動が見つからない場合は、この終点を推定マークに設定して、弁線の幅を強制的に４単位にする。
弁閉領域の始点および終点が見つかると、フローを強制的に、ノッチ点で始まり弁閉領域の終わりのゼロ・フローで終わる線にする。
図１１の線３２および３３は、これらの定義と基礎をなすフロー・プロフィールへの直線近似とに基づく基礎をなすフローを示す。ここでは、これらの線は手で引いた。選択された弁閉点５０を図１５に示す。

（ＰＶアルゴリズム２）
この第２のアルゴリズムはＰＶアルゴリズム１の考え方に従うが、多くの改善がなされている。
ＰＶアルゴリズム１の問題の１つは弁を探すことである。近似マーカの位置は不正確である。近似マーカは実際の弁の前または後に起こってよい。心拍の広い範囲にわたって、トレース・フィルタは各弁に対する近似マーカの位置をゆがめる。これらの問題のために探索スパンを広くすることが必要になり、このために検出誤りの問題が起こる。この第２の方法は、より強くて生のトレースの未知の部分を探すことに余り依存しないので、分析ウォール・フィルタは必要でないことが分かった。第２の方法はしきい値を決めた弁パワーに余り大きく依存せず、可能なときにフロー・プロフィールの特徴を用いて弁の活動を識別する。

（弁開）
弁開の始まりの検出はＡＶアルゴリズム１と同じであるが、異なるのは、異なる速度および傾斜しきい値を用いることである。
ＰＶアルゴリズム１の場合と同様に、しきい値を定めた弁パワー方式および固定のパワーしきい値を用いるとき、弁開の始まりは人によって大きな変動を示す。弁パワーが強いと、得られる弁領域の幅のために弁の始まりが早くなり、ひどいときには心房の動きがフローの始まりとして検出された。ＡＶアルゴリズム１の場合と同様に、より信頼度の高い弁開の始まりは近似マーカの位置のまわりの領域内の前縁をゼロ速度点まで外挿することにより見つかった。

弁開の終わりはＰＶアルゴリズム１と同じで、弁パワー領域の終わりを探すための始点として近似マーカの位置を用いる。弁パワー領域の終わりは弁開の終わりの第１の推定値である。速度プロフィール上でこの位置から前を見て速度が減少しているかどうか調べる改善ステップを用いてよい。弁パワーの終わりの位置は不正確なのでこの改善は必要である。見つかった位置は弁スパイク上にある可能性があるので、弁スパイクを下方に動かすよう改善する。

（弁閉）
弁閉の探索はＡＶアルゴリズム１いくつかの態様を用い、また他を改善する。考え方は、弁開の縁の後に起こる波形の特徴を連続的に監視することである。波形は主として左から右に向かって処理し、波形を横にたどりながら決定を行う。主な場合は２つで、弁スパイクが存在する場合と弁スパイクが存在しない場合である。後者の場合は２次探索を行って、実際に弁スパイクがないことを確認する。
第１のステップは、ピークと、弁開スパイクを通り過ぎたこととを確認する。波形の高さがピークしきい値の終わりより低いときピークを通り過ぎたと判断する。これはまだ弁閉速度しきい値より高い。領域ピークを通り過ぎると、フローと弁閉スパイクとの間のノッチを見つけるためにアルゴリズムは最小速度を監視する。探索のこの段階は、速度プロフィール内に弁閉スパイクの始まりを示す大きな上昇が見つかったときに終わる。この点が最小速度として妥当である。

この探索に平行して第２のチェックを行い、速度が弁閉速度しきい値より低いかどうかを調べる。このチェックが成功した場合は、弁は見えないか（定義されたしきい値の境界内で）、またはノッチ点が非常に低い速度にあるのでスパイクはこの点の後に起こるか、のどちらかである。
弁スパイクを検出した場合は、弁スパイクの速度プロフィールのピークが見つかる。ピークの位置は弁閉の終わりを表す。また一層低い速度を戻って探すことによりノッチの位置を改善する。ノッチの位置は弁閉の始まりになる。この場合は、ノッチの位置で始まる線を強制的に弁閉の位置の終わりでゼロ速度にすることにより速度プロフィールを修正する。

弁スパイクを検出しなかった場合は、弁開の外挿と同じ方法を用いて後縁を外挿する。縁の一層高い速度の点から始めて、鋭い立上り移行を探す。移行のベースをノッチ点として用いる。これは最小の探索で改善することができる。このノッチ点からピークを探す。移行が見つからない場合は、外挿点を弁開の始まりおよび終わりに用いる。アルゴリズムの観点からは、弁がないか、または許容されたしきい値より小さかったので見落としたか、のどちらかである。

（非フローの除去）
非フロー領域は、単に前の弁閉の終わりと現在の弁開の始まりとの間のドップラ・スペクトル５１の一部である。非フローは、この領域内でフローを強制的にゼロにすることにより除去する。
（ピーク速度）
ピーク速度５２は現在の心臓サイクルのフローの始まりと終わりとの間に見られる最大速度である。ピークは弁クリックを除去した後に見つける。

アルゴリズムの基準化
ＡＶアルゴリズム１およびＰＶアルゴリズム２は、特徴を検出するために多数のしきい値を用いる。しきい値は心拍と共に適応的に基準化してよい。これは、フロー・プロフィールから心拍を抽出する「粗」心拍検出器を用いて行う。ＥＣＧなどの他の入力を用いて心拍入力を形成してよいことは明らかである。かかる入力は近似マーカとして用いてよい。
粗心拍検出器はトレース・アルゴリズムとは全く独立に動作してよい。独立の検出器を用いる理由は、アルゴリズムが種々の値を自分自身に供給するのを防ぐためである。かかるフィードバック機構は不安定な挙動または状態を生み出して、アルゴリズムは自分自身を無期限に締め出すことになる。また、独立の情報は信号の状態が安定化したことを相互チェックするための良い方法である。

心拍検出器で生の速度プロフィールを低域濾波し、次に、強いピーク検出器を用いて、濾波された波形内のピークを検出する。各ピークの間の時間はそのサイクルの心拍の推定値である。最も信頼できるピークは負方向のピークである。なぜなら、これは弁開の始まりに対応するからである。弁開点は明確な縁を有し、弁スパイクは余り目立たない。強いピーク検出器は、前のピークと余り違わないピークを除外する速度しきい値を内蔵する。
心拍検出器は多数の心拍間の推定値を平均して平均心拍を生成する。妥当な量の心拍履歴を保証するための最小の心拍数が得られたという条件が満たされないと、心拍検出器の値は無効になる。平均を計算するのに用いる全ての心拍は平均に基づく許容された心拍限界内にある。これは全ての推定値がチェック基準に一致することを保証する。

フロー・トレースの平滑化
フロー・プロフィール内の弁スパイクを除去すると、７点ＦＩＲ低域フィルタを用いてトレースを平滑化する。高周波のギザギザのある縁の拒絶率を高くするのに７点−６０ｄＢチェビシェフＦＩＲフィルタ（７−ｐｏｉｎｔ−６０ｄＢ Ｃｈｅｂｙｃｈｅｒ ＦＩＲ ｆｉｌｔｅｒ）を用いた。
最終の平滑化トレース５１を図１４に示す。

（単位の変換および式）
心臓を流れる血流速度の１０ｍｓのスポーク速度でのドップラ・トレース関数を、生のドップラ・フロー信号にＦＦＴを行った結果からのオフセット値から計算すると仮定する。ＦＦＴオフセットは、ゼロ速度を表すドップラ・プロフィール内のＤＣ線（図１の７）を参照する。トレース関数内の次の式を用いてドップラ・プロフィールから必要な心臓パラメータを抽出する。
ＨＲ［ｂｐｍ］＝６０／（始まりの間のスポークｘｔ_{ｓｐｏｋｅ}）
ＥＴ％＝１００ｘ（始まりと終わりの間のスポーク）／（始まりの間のスポーク）
ＶＴＩ［ｃｍ／ｓ］＝ｋ_ｆνｘ（終わりと始まりの間のトレース高さの和）
Ｖ_ｐｋ［ｃｍ／ｓ］＝ｋ_ｆνｘ（ピークのトレース高さ）
Ｐ_ｍｎ［ｍｍＨｇ］＝４ｘｋ_ｆν ^２ｘ（終わりと始まりの間のトレース高さの２乗の和）／（始まりと終わりの間のサンプル）

係数ｋ_ｆνはドップラ周波数および周波数スペクトルの分解能に依存し、ｔ_{ｓｐｏｋｅ}はスポークの間の系に依存する時間である。
速度プロフィールは離散点でだけ利用可能である。心臓パラメータＶＴＩおよびＰ_ｍｎの積分を行うには、有限の点に基づいて積分近似を行わなければならない。強制されたプロフィールは速度プロフィールがゼロ速度で始まりまた終わることを保証する。この場合は、ＶＴＩおよびＰ_ｍｎの合計は台形積分法と等しい。台形法の数値的精度は十分であると考えられる。他の積分法を用いてもよい。
図１６は抽出されたパラメータの代表的な集合を示す。

本発明の好ましい実施の形態について以下の図面を参照して説明する。
本発明の装置で処理したドップラ信号であって、関係する抽出された心臓パラメータを示す。 ドップラ・スペクトル写真から得られた代表的なパワー・スペクトル、雑音スペクトル、およびパワー・スペクトルの簡単なグラフである。 図２のグラフからの積分パワー・スペクトル（ＩＰＳ）のグラフである。 本発明の装置から得られたフローのピークの近くのパワー・スペクトルのグラフである。 図４のグラフの拡大図である。 代表的なドップラ・フロー信号である。 Ｎ＝１６の長方形ＦＦＴ窓で処理された図６のドップラ・フロー信号である。 Ｎ＝２０およびβ＝４のカイザＦＦＴ窓で処理された図６のドップラ・フロー信号である。 本発明の装置の代表的な雑音レベルのグラフである。 図６のドップラ・フロー信号と、フロー・プロフィールの望まない低速度領域から信号を除去するためのフロー包絡線の最初のトレースとのグラフである。 単一心拍を示し、また弁の開閉、基礎をなす望むフロー・プロフィール、および関係するタイミング・マーカによる信号を識別する、図６のドップラ・フロー信号の領域である。 好ましい実施の形態の装置のサンプル対心拍の表である。 心臓パラメータを抽出するのに用いる近似マーカを示す、図６のドップラ・フロー信号のグラフである。 （ａ）しきい値なしの全パワー、（ｂ）弁パワー（しきい値＝１２８）、（ｃ）弁パワー（しきい値＝１９２）という一連のしきい値から弁の活動の改善された表示を示す図１１の領域である。 弁閉マーカを示すドップラ・フロー包絡線のグラフである。 図１５のドップラ包絡線の抽出された心臓パラメータの表である。 ガウス雑音を印加した（雑音＝４）図１５のドップラ・フロー・プロフィールのグラフである。 均一雑音を印加した（雑音＝７）図１５のドップラ・フロー・プロフィールのグラフである。 ガウス雑音を印加した（雑音＝２．３）図１５のドップラ・フロー・プロフィールのグラフである。 ドップラ信号に雑音を印加した影響を示すＳＮＲ特性の表である。 図１７のドップラ・プロフィールの抽出された心臓パラメータの表である。 図１８のドップラ・プロフィールの抽出された心臓パラメータの表である。 図１９のドップラ・プロフィールの抽出された心臓パラメータの表である。 ガウス雑音を印加した（雑音＝４）低雑音対追加雑音量比の表である。 均一雑音を印加した（雑音＝７）低雑音対追加雑音量比の表である。 ガウス雑音を印加した（雑音＝２．３）低雑音対追加雑音量比の表である。 好ましい実施の形態の装置を用いる患者の斜視図である。 ドップラ出力の一例を示す。 好ましい実施の形態の１つの形のハードウエア機能性の略図である。 好ましい実施の形態のステップを示す。

Claims (29)

1. 心臓の付近の血流を示す監視信号から血流特性を決定する方法であって、
   （ａ）前記監視信号からフロー包絡線を抽出するステップと、
   （ｂ）弁開フローおよび弁閉フローなどの無関係なフローを前記フロー包絡線から除去するステップと、
   （ｃ）前記フロー包絡線から一連の時間マーカを抽出するステップと、
   （ｄ）前記フロー包絡線および監視信号から特徴を抽出するステップと、
   を含む血流特性を決定する方法。
2. 前記特徴はピーク・フロー速度を含む、請求項１記載の血流特性を決定する方法。
3. 前記フロー包絡線を平滑化するステップを更に含む、請求項１記載の血流特性を決定する方法。
4. 前記監視信号は心臓の付近の血流を示す超音波信号を含む、請求項１記載の血流特性を決定する方法。
5. 前記方法は患者の心臓の血流特性を実時間で監視する、請求項１記載の血流特性を決定する方法。
6. 前記ステップ（ａ）は心臓内の流体の期待最大流量を抽出するステップを更に含む、請求項１記載の血流特性を決定する方法。
7. 前記ステップ（ａ）は、
   （ａ１）前記監視信号の周波数領域変換を形成するステップと、
   （ａ２）前記監視信号のパワーの周波数領域特性を調べて最大流量を決定するステップと、
   を含む、請求項１記載の血流特性を決定する方法。
8. 前記ステップ（ａ２）は前記監視信号内の信号対雑音レベルに従って前記決定を調整するステップを含む、請求項７記載の血流特性を決定する方法。
9. 心臓の読み取った心拍に従って前記特徴抽出プロセスのパラメータを調整することを更に含む、請求項１記載の血流特性を決定する方法。
10. 前記最大流速は存在する最大周波数信号レベルから実質的に得る、請求項７記載の血流特性を決定する方法。
11. 前記ステップ（ａ）は次の形の傾斜しきい値、
    ｍ_{ｔｈｒｅｓｈ}＝ｋ_ｓｍ_ｓ＋ｋ_Ｎｍ_Ｎ
    を用いることを更に含む、ただし、ｋ_ｓは信号重み係数、ｋ_Ｎは雑音重み係数、ｍ_ｓは信号強さ、ｍ_Ｎは雑音レベルである、先行請求項のいずれか一項記載の血流特性を決定する方法。
12. 前記ステップ（ａ）は前記監視信号のパワー・スペクトルからフロー包絡線を抽出することを更に含む、先行請求項のいずれか一項記載の血流特性を決定する方法。
13. 前記方法はカイザ・フィルタを用いて前記パワー・スペクトルを濾波することを更に含む、請求項１１記載の血流特性を決定する方法。
14. 前記方法は修正ダニエル・フィルタを用いて前記パワー・スペクトルを濾波することを更に含む、請求項１１記載の血流特性を決定する方法。
15. 前記パワー・スペクトルを周波数に依存して濾波することを更に含む、請求項１１記載の血流特性を決定する方法。
16. 前記濾波は実質的に逆周波数に依存して前記パワー・スペクトルを濾波することを更に含む、請求項１１記載の血流特性を決定する方法。
17. 前記ステップ（ａ）は前記監視信号の最大値を固定することを更に含む、先行請求項のいずれか一項記載の血流特性を決定する方法。
18. 前記監視信号を調べてアーチファクトを探し、これらのアーチファクトの原因となる前記監視信号を変えることを更に含む、先行請求項のいずれか一項記載の血流特性を決定する方法。
19. ドップラ・スペクトル表示から心臓パラメータを抽出する方法であって、
    （ａ） ドップラ・スペクトル信号を検出するステップと、
    （ｂ） 前記ドップラ信号からフロー包絡線を抽出するステップと、
    （ｃ） 前記フロー包絡線から望まないフロー信号およびアーチファクトを除去するステップと、
    （ｄ） 前記フロー包絡線上の特定の位置に時間マーカを置いて前記心臓パラメータを決定するステップと、
    を含む、心臓パラメータを抽出する方法。
20. 前記心臓パラメータを用いて別の心臓に関するパラメータを計算する、請求項１９記載の心臓パラメータを抽出する方法。
21. ステップ（ａ）は複数のＦＦＴの大きさを生成する高速フーリエ変換（ＦＦＴ）を含む、請求項１７記載の血流特性を決定する方法。
22. ステップ（ｂ）は、
    （ｂ１） 前記ＦＦＴの大きさからパワー・スペクトルおよび積分パワー・スペクトルを決定するステップと、
    （ｂ２） 前記パワー・スペクトル内の雑音パワーを推定するステップと、
    （ｂ３） 前記ドップラ信号が表す実際のフローに対応する前記パワー・スペクトル内の傾斜しきい値を決定するステップと、
    を更に含む、請求項２１記載の血流特性を決定する方法。
23. 雑音への感度を高めずに不正確な量を基準化して値を訂正するバイアス訂正係数を更に含む、請求項２２記載の血流特性を決定する方法。
24. 前記心臓パラメータは実時間で抽出する、請求項１９記載の心臓パラメータを抽出する方法。
25. 自動心臓監視装置であって、
    （ａ） ドップラ・スペクトル信号を検出するためのドップラ検出ユニットと、
    （ｂ） 前記ドップラ検出ユニットに接続する処理ユニットであって、前記ドップラ・スペクトル信号を処理して複数の心臓パラメータを自動的に抽出し、前記処理されたドップラ信号内のタイミング・マーカを識別して前記必要な心臓パラメータを抽出する、処理ユニットと、
    （ｃ） 前記処理ユニットに相互接続して、前記処理されたドップラ信号および前記タイミング・マーカの視覚表示を同時に表示するディスプレイ・ユニットと、
    を含む自動心臓監視装置。
26. 前記処理ユニットは、
    前記ドップラ信号からフロー包絡線を抽出するための伝達関数と、
    前記フロー包絡線から望まないフロー信号およびアーチファクトを除去するための伝達関数と、
    を含む、請求項２５記載の自動心臓監視装置。
27. 前記心臓パラメータは実時間で抽出する、請求項２５記載の自動心臓監視装置。
28. 前記装置は固定小数点ＤＳＰプロセッサと計算の互換性がある、請求項２５記載の自動心臓監視装置。
29. 添付の図面および／または例に示されている本発明の実施の形態のいずれか１つを参照して実質的にここに記述した、心臓の近くの血流を表す監視信号から血流特性を決定する方法。

Images