JPS62164441A - 血管狭窄の無侵襲的診断 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 ［産業上の利用分り！Ｐ］ この発明は、血管内の１１１ｔ流による超音波ドプラー
シフトデータから血管の狭窄（閉塞）容態を解析するた
めの自動的かつ客観的な無侵襲的方法に関し、より詳細
には、この発明は、患者のデータと、患者の頚動脈の狭
窄容態を診断するために予め狭窄のカテゴリーに分類さ
れたスペクトルの公知のデータベースとにおけるコンピ
ュータを基礎にした統計パターン識別による経験的方法
に関ケる。

［従来技術とその問題点］ 頚動脈病の発見及び検査は、脳の一時的な阻血処置や卒
中予防のために重要である。動脈Ｘ線撮影法は、費用が
かさみ、浸αす的の手順は、健康を害するか死亡の危険
を伴うので、患者への使用は制限されている。

血流に異常を伴う頚動脈の閉塞症に対しては、ドプラー
超音波で検査されたとき、障害部に最乙近い箇所での不
規則な血流パターンは、ケラ−（注１７）により研究さ
れており、そして手動の測定による波形のパラメータを
用いたラザフｔ−１；’（注・１１）により更に定量化
されいる。一般頚動脈から得たコンピュータ測定による
パラメータは、りレーネ（注、３９）及びノエリフ（注
、＝１０）により使用された。

一般及び内部頚動脈からの超音波ドプラーシフトのデー
タによる動脈病の容態を決定するため、後方散乱したド
プラー信号のスペクトル及び時間の特性におけるパター
ンを識別する本発明のコンピュータ補助による方法か使
用される。“統計パターン識別”と呼ばれるこの方法論
は、診断用超音波（注、１１３）を用いることにより、
化学研究（注。

４２）から肝臓異常を識別まで広がる分野における応用
が見出だされた。このような試みは、血管狭窄を検査す
る問題とよく合致していて、包含される肉体的作用の正
確な特性はよく理解されていないが、病気の容態を決定
できるようになっている。この発明の方法に含まれるア
ルゴリズムは、診断上重要となる実際の状況下における
臨床データを提供する。発明に含まれる処理は、血管壁
の運動、サンプルボリュームの移動及び組織のノイズに
上りのデータから狭窄容態の特性を表すドプラーシフト
データを引き出す。

慣例的に、動脈病の診断は、（脈管Ｘ線撮影法と対比し
て）侵襲的な動脈Ｘ線撮影を必要とした。

より近年になって、スペクトル解析器により解析された
フーリエ変換スペクトルの表示に基ついて病気の診断を
行う超音波スキャニングが導入された。このような表示
の読み取りは困難であった。

（例えばノックスその他による論文（注、２５）で示さ
れた）記録スペクトルは、動脈狭窄の症状が進むにつれ
て、連続的に拡がった信号となる。スペクトルを読み取
り、狭窄の容態を決めるにはかなりな熟練と経験とを必
要とする。暖やかに変化する状況を検知することは殆と
不可能である。

しかしながら、この発明による方法論を用いれば、離散
高速フーリエ変換による振幅／周波敗のデータは、パタ
ーン識別アルゴリズムを用いコンピュータにより処理さ
れる。この方法は、データの重要な一部あるいは顕著な
特性を引き出すことにより、作図されたスペクトルのデ
ータを処理する。このシステムを用いれば、重要なデー
タから客観的にかつ自動的に診断が得られ、これにより
、データの解析にかなりな熟練や経験の必要性を排除す
る。Ｘ線医が診断にかなりな時間をかけて図を読み取る
ことを必要とすることなく、技術は、瞬時に診断できる
までに至っている。心臓収縮ピーク、心臓弛緩周波数、
拡がるスペクトルの１あるいは全体にわたる波形の形の
ような特徴を視覚で分析し、種々の狭窄を客観的に分類
し、そして各の狭窄容態に対応して特徴づけることは、
最も熟練したＸ線医であっても事実上不可能である。振
幅及び周波数のデータのパターン識別には、自動的に超
音波ドプラースペクトルを解析して重要な診断情報を引
き出すといった複雑な統計及び解析の方法論を提起させ
ろ。

［発明の溝成］ 頚動脈のような血管狭窄の容態を自動的にかつ客観的に
診断するために、超音波スキャナーは、叉状分岐部に近
い血管に沿ったいくつかの箇所における＋ＩＩｔ流の中
心部近傍から、後方拡散したパルスドプラー信号を生じ
さ且“る。このドプラー信号は、高速ツーり上変換スペ
クトラム解析器により、そのフーリエ変換周波数で実時
間で解析される。

周波数解析されたスペクトうは、供Ｕ゛られたデジタル
コンピュータで更に処理されるようになっていて、似者
のスペクトラの全体の平均値と、データベースにに分類
された公知のスペクトラの同様な平均値とでパターン識
別がなされ、弘前のデータが狭窄容態を反映するカテゴ
リーに分類される。

分類溝成は、スペクトラの測定あるいは“特徴”に重点
をおいたトレーニングによるアルゴリズムを基礎とした
区分となっている。処理の効率を上げる目的で、最初、
重要な部分あるいは特徴を選ぶために元のドプラー信号
から圧縮される。圧縮は、全体の平均値を出すことと、
真のドプラー信号の代表として、与えられた周波数で、
対時間スペクトラムあるいは対時間変化の代表ずろ振幅
を還び出ずことと、代表ずろ周波数／振幅変化で乙って
基本となるドプラー変化の回りに代入ずろスペクトラム
を拡げることとを含む。

この平均化は、明らかに異常で問題となるようなデータ
のポイントによる影響を減少さＵろ。乙し所望ならば、
拡がったスペクトラルの幅は、ドプラー１’ｆｌ　（通
常６０°）の余弦（ＣＯ９）で測定された幅で分割する
ことにより目盛られてらよい。この［１盛は、診断にお
いていずれのドプラー角が重要であるかの決定を可能に
する。同時に、スベクトラルの対称性が調べられろ。

特徴の比較は、狭窄容態の経験的な診断を可能にする扶
計法を用いたパターン識別解析のためのアーザー（Ａ　
ＩＮ　Ｔ　ＨＵ　Ｒ）のソフトウェアによりなさ！する
。

［実施ｆａｌ　Ｆ ２重（１）ｕｐｌｅｘ）超音波スキャナー１０は、ｗ者
のデータベースを発生させるために使用される。

このスキャナー１０は、Ｂモードとして機能し、そして
５　Ｍ　Ｉ−Ｉ　ｚで動作するパルス・ドプラー・スキ
ャナーであり、２次元（双方向）のドプラー信号を発生
ずる。血管壁のノイズを取り除くために、バイパスフィ
ルターでのドプラー信号の通常のフィルタリングは省略
され得る。動脈病の患各は、しばしば０１（ｚに近いド
プラー信号成分を示す。０１−１　ｚに近い信ひは、後
期の心臓拡張の間に、あるいは時々逆流が見られろ叉状
分岐部て優勢となる。

これらの場合に血流の情報を喪失しないように、市販の
オリジナルなスキャナ〜・ドプラー電子装置１０は、１
ｋｌ−ｒｚから１００１（ｚに変化できろ３ｄＢポイン
トの血管壁フィルターを有している。この結果、広帯域
幅を処理することにより、動脈病の信号に対して最大の
感度が得られる。

一般に、スキャナー１０は、ワノントン、ヘレビュー（
スクイブ社の所在地）のアドバンストテクノロジー　ラ
ボラトリ−（ＡＴＬ）社によるマーク・Ｖ・２重スキャ
ンである。このスキャナーは、回転輪に設けられた３つ
の固定焦点を備えた５Ｍｔｌ　ｚのトランスジユーサを
用いていて、軟組織の境界での２次元的な部分像を生じ
させる。Ｂモードの像は、血管の特徴を識別するために
、血管壁の硬化を具象化するために、組織の変化を認識
するために、血管の面液中心流にパルスドプラーのサン
プルボリュームを設定するために、そして、最も重要に
は、ドブラーヒ二ムと血流の軸との約６０°の標孕ドプ
ラー人射角を推持するために使用されろ。このＢモード
像は、電子的に蓄積され、一方、ｌ・ランスンユーサの
一つは、パルスドプラーモードにて、サンプルボリュー
ム内の血流速度をモニターするために使用される。ドプ
ラービートの向きと、サンプルボリュームの位置は、Ｂ
モード像上に表示される。スキャン用ヘッドは、一般に
直径６ｍｍのトランスジューサを使用し、このトランス
ジューサは、一般及び内部のけい動脈からのデータ取得
のために２５ｍｍの深さに焦点が合メつされている。こ
のトランスジューサ用のサンプルボリュームのザイズは
焦点１・ｎ回内て約３ｍｍ’であり、血管壁の妨害によ
る影響が少ない中心流でノ）良好な結果が提供される。

システムは多くの幹線の血管に対して利用できろが、こ
の検査は、けい動脈への狭窄容態の診断に重点をおいて
おり、本記述はけい動脈のシステムに限定する。（１い
動脈の解析のために速度パターンが手順とおり記録され
ろ組織の箇所は、低い一卯シ／７’ｌｌトｈ１１′＋１
１０１（ｚ　（ｌ　　−（”、　（”、１　）ｌｆｌＩ
ｌゝ、ニ、丘Ｌ　）Ｉト１）ｉｆｉｂ脈（＋）−１ＣＡ
）及び高周波の信号が出会う分岐に沿ったいずれかの箇
所である。各々の箇所でドプラービームと血管の長さ方
向の軸との角度は、Ｂ゛モード像から直接測定される。

Ｒ−波からトリガー信号を出力する回路を用いることに
より、ＥＣＧ（心電図）タイミング情報１２が同時に得
られろ。技術者による音声（１ヂヤンネル）に加えて、
ＥＣＧのＲ波形信号（１チヤンネル）で変調された周波
数とともに２次元のドプラー信号が、オフラインの解析
器のために４チヤンネルの音響テープに記録される。お
よそ２０ないし２５の連続した心臓ザイクルが各々の箇
所からテープに記録される。一般のけい動脈の末悄部に
であるいは内部のけい動脈に近接（はぼ最初は２センチ
メートル）した箇所で発見されたときは、流速変動の最
大箇所か解析に用いられる。この信号は、技術者により
、ドプラー周液数における著しい増大による乙のが、あ
るいは信号の聞き取ることのできる“あらさ”による乙
のかがか区別されろ。テープに記録されたデータは、実
時間のスペクトル解析器を介して再生され、そしてその
デジタル出力は、一般にディスクに直接書き込まれろ。

我々の実験では、各々の動脈組織に対して４箇所の中心
流から記録され、一つの対象につき、トータルで３箇所
を提供している。即ち、一般のけい動脈の最ら近い（バ
ルブに約３ｃｍ近接した）領域。

末Ｎ’ｒ（バルブに約１ｃｍ近接した）領域、最大の可
聴の動揺流の箇所での内部けい動脈、そしてこのポイン
トに対して１ないし２ｃｍ末１Ｉｌｌ　ｍよりの内部け
い動脈である。一般のけい動脈で２箇所を選んだのは、
動脈にｔｆ）った異なったポイントで異なった流れの状
況を示すといった経験に基づいている。

別のテストに基づけば、最ら近い一般のけい動脈及び最
ら近い内部のけい動脈からのデータのみが、この発明の
好ましいシステムに対して必要なデータであるというこ
とが確定されている。

方向性のドプラー信号のスペクトル分解は、デジタルの
離散高速フーリエ変換法（ＤＦＴ）を用いスペクトル解
析器１４により実行される。デンバーのハニーウェル社
による市販のカスタムリアルタイム　１月ε′１゛スペ
クトル解析器のようなスペク）・ル解析器は、１．　Ｏ
ＯＨｚの周波数分解能で１１１秒につき４００スペクト
ルを出力ずろ。２　、５　ｍ５ｅｃ毎に新しいスペクト
ルが発生し、ドプラー信シ号をｌ０ｍ５ｅｃの間表示ず
ろ。隣接したスペクトうは、この結果、７５％の古いデ
ータと２５％の新しいデータを含む。この解析器の範囲
はｌ０ｋｌｌｚであり、７ｋｌ−１ｚは前方向の流れの
ために檗備され、３ｋ　Ｈｚは後方向あるいは逆方向に
阜備されろ。７ｋｔｌ　ｚを超える周波数成分の存６：
は、常に重大な狭窄を呈するが、０から７ｋｌ（ｚで利
用できる離散フーリエ変換ＣＤ　Ｉ”　Ｔ　）のデータ
のエンベロ−プの傾きから推測可能である。ドプラーデ
ータのより高い周波数の成分が、０ないし７ｋｌｌｚの
データの推測の根拠により明白となるよう、通常、０か
ら７ｋ　＋−Ｉ　ｚの間でＤＦＴの傾きは、滑らかに変
化し、そして十分に０に接近している。

ＰＤＰ　　１１／３４あるいはＬＳＩ　　Ｉｔ／２３の
コンピュータのハードウェア及びソフトウェアは、スペ
クトル解析器からのデジタル化されたスペクトルデータ
及びＥＣＧタイミング情報のディスク記憶装置１６への
変換を可能にする。データ管理するソフトウェアのザブ
ルーチンは、データファイルに入力するのが望まれるよ
うな患考の経歴情報（患者の性別１年令、症状１兆候、
過去のけい動脈手術、その他）、信号の側及び箇所、及
び他の情報に対して考慮可能に設計される。

２次元のドプラー信号のスペクトル分解は、デジタルの
形聾となる。信号の変換は、８ヒツトの精度で行なわれ
、２　、５　ｍ５ｅｃ毎に１００ピン（ｂｉｎ）の周波
数情報で出力されろ。スペクトル解析器の精度は、各々
の周波数ビンに対して大きさで　５％である。

ドプラー血流信号は、サンプルボリューム内の側々の血
液細胞の移動の統計的なサンプルを表示する。各々の画
素、　Ｉ　Ｏ０Ｌｌｚ幅でｌ０ｍ５ｅｃ長は、上記統計
サンプルの一部を示している。一つの画素から他の画素
までの変化及び動揺の強度は脅威的に大きい。画素はデ
ータの７５％を担っているが、各々の画素での統計的な
変化性は、二つの隣接したスペクトルの変化性に反映さ
れる。

推測の不一致を低減させるために、スペクトルの平均化
策が用いられる。真のドプラー周波数の分布のペターな
推測を提供しつつ、心拍ザイクル内の時間分解能を保持
するよう設計されている。

この方法は、同族の平均化されたスペクトルを発生し、
各々は、心拍ザイクルにおけるｌｏｍｓｅｃ異なった部
分を表している。平均化は、非周期的あるいは時間変化
（鼓動から鼓動の変化、非静止の組織ノイズや他の物質
）を識しる一方、一定あるいは間欠的な波形のこれらの
特徴を強めろ。平均化は、心１藏鼓動の象徴の従炙的な
選択に含まれろといった傾向を避けろ。

スペクトルの平均化は、スペクトル解析２：りのデータ
をｆσ秒４０にバイトの速度にであるいは適した他のい
ずれかの速度にてディスクから肢供与のデジタルコンピ
ュータ１８に人力し、信号を合計し、信号の総数で割る
ことにより、一般になされろ。ＥＣＧタイミング情報は
、振幅及び変動のベースライン及び強調されたＰ、Ｔ波
形を取り除く一方、Ｒ波形てトリガ信号を作成するハー
ドウェアを用いることにより得られる。ドプラーシフト
データは、このようにしてＲ波形のタイミングに塙づい
た心拍サイクルに呼応して分割される。

心筋梗塞のエレクトロメカニカル遅延は、鼓動から鼓動
にかけて比較的一定であるので、Ｒ波は、データ平均化
を同期させろための時間基孕として選ばれる。元のＲ−
Ｒ間隔と約１０ｍ５ｅｃ前後異なるが、あるいは元の間
隔より約３３％長いＲ−Ｒ間隔を有するならば、不整脈
による信号を排除するために、いかなる信号ら排除され
る。他のファクターは、不整脈のための分離ルールとし
て使用され得る。

排除された鼓動は、早い心室の収縮のような不整脈（心
臓の不規則性）のあるいは変則の鼓動となる。しかしな
から、この３３％規定は、正常な心臓の変化であるすべ
ての鼓動を含む。又、目標の規定か用いられるので、解
析におけるバイアスか減少ずろ。

多数の他の連続的な心臓の鼓動から記録されたスペクト
ルは、患者のための総合平均のスペクトルを出すために
合計される。

Ｅ（Ｊ、し）−ΣＥ（ｆ、ｔ、ｎ）／ｎｎ＝１ ここで、Ｅは、ｆ、ｔ、ｎにおけるＤＦＴ振幅；ｆは、
周波数： ｔは、時間（２８０２，５ｍ５ｅｃ間隔で測定）： ｎは、総合平均におけるスペクトル数（通常１５ないし
２０）； １５ないし２０の個々のスペクトルは、小者の状態の安
定した平均標本を提供する。ｔＪし１５以下のスペクト
ルが平均されると、平均値の変動が大き過ぎるため、不
適当な診断結果となる。もし２０以上のスペクトルが用
いられたとき、改善は殆ど見られず、ある診断価値の減
少が起こる。技術者がスキャナーの移動に疲れるため、
あるいは検査の長引きにより患者が動くために、スペク
トルは不規則となる。２０個のスペクトルが好ましい。

連続的で受け入られるスペクトルは、スペクトルの任意
な選択のためのバイアスの導入を避けるために、平均さ
れる。

ドプラー信号の真のパワースペクトルの評価（離散フー
リエ変換（ＤＦＴ）の実行により得られる）は、統計の
エラーを受け易い。このエラー動作は、その変化値を引
き出すことにより統計的に研究され得る。オソベンハイ
ム及びシャーバーは、ガウスのランダム処理として示し
た。

ｖａｒ［ｒ〕（「）コーＰ（Ｄ［ｌ　　＋（ｓｉｎ２　
ｒＮ）／Ｎ５ｉｎ２「］ごこて、Ｐ　（Ｄ−周波数ｒの
関数としたときの評価されたパワースペクトル密度； Ｐ　Ｃｆ）　＝　ＪＳ　（ＪＪ礎となる）のパワースペ
クトル密度。

Ｎ　＝　Ｄ　Ｆｉ、’におけるデータのポイント数； ｓ　１ｎｃ（ｘ）　＝　ｓ　１ｎ（ｘ）／　ｘ　ニドプ
ラー信号は、十分に大きい多数（血液細胞）のランダム
拡散により生み出されるので、ガウスとなるへきである
。なぜならば、 Ｌ　ｉｎ　　Ｖ　ａｒ［Ｐ　（ｆ）］　−Ｐ　（ｆ）Ｎ
〉−閃 サンプル数Ｎが増加するとき、推測におけるエラーは０
に収束しない（即ち、このエラーは合致した推測となら
ない）。しかしながら、推測値をうまく平均することに
より、改善された値か得らること力くできる。特に、ウ
エルヂは、ｖａｒ［Ｐ（ｆ）］＝Ｐ（Ｄ／に、　　（Ｎ
は十分に大さい）ここで、Ｋ＝ニスベクトル平均値のｌ
；各周波数における推測値の変化は、該周波数での真の
パワースペクトルに等しいので、しし、平均がなされな
いとき（Ｋ−１）、平均化が用いられない限り、Ｄ　Ｆ
　ｉ’は、真の基礎となろスペクＩ・ルから杆しく異な
る。ここで自然に見出だされた変化は、↓゛Ｌのスペク
トルかＯないし、１ｆｌｌｌ定された評推測値の変化の
２倍の間にあるということをひ味する。

変化の減少は、Ｒ波に関して時間内の等し゛いポイント
にて、２０個の連続した受け入られる心拍サイクルから
のスペクトルを平均する。元のデータの１／２０であっ
ても、結果のデータファイルのサイズは、記憶ディスク
がおよそ１１人の患者のみのデータを保持できるよう、
設定されている。

更に別の圧縮が必要であり、このような圧縮を以下に述
へる。

ワソントン大学で利用のできるアーザーのソフトウェア
システムがパターン識別を実行するためにサブルーチン
の基礎として使用される。このパッケージはパターン識
別に発生した問題を解決するために必要なソフトウェア
を提供する。データベースの管理システムは、多数のデ
ータが包含する。

パターン識別へのアプローチは、病気の状態を分類オろ
ことに依存している。ワンントン犬学及びワシントン調
査機関で利用できるデータベースは、病気と正常のデー
タからなる。動脈病の患者は、動脈Ｘ線撮影で独立して
検査されていて、２箇所での読み取りにｊ、（づいて直
径の減少率か提供される。

３８才から８２才の患者で６１の値となる。正常なデー
タは、無症状あるいは雑音のないと考えられろ人から得
られ、年令は２１から４３才で平均年令は２７オである
。データベースは、ＣＣＣ６された公知の状態の平均ス
ペクトルを含む。

動脈Ｘ線撮影法は、病気に応じて規則的に結果を示さな
いので、そのデータベースが集められろことはない。優
勢な超音波及び他のｊＨＪ（侵襲的１珍断技術により、
医者は、小者に対して誤った診断をくだすのを無くす。

ドプラーデータにより識別し得る病状は連続的というよ
りも段階的である。らし段階的であるならば、診断は、
（１）データ内に正常か病気かの自然のグループが存在
するということを認識し、（２）誤識別の確率を推測す
ることが可能であり、（３）狭窄が増大するに従って規
ｆｉｌ的な型の中に予言し得る変化を見出だすよりも、
むしろデータ内に特別な条件を探すことにより、個々の
動脈測定記録の読みにおけるエラーの問題を低減する。

コントラスト動脈Ｘ線撮影を用いても、エラーは、閉塞
した血管の直径の固有の不正確さから個々のスペクトル
に生じろ。狭窄の予測は、血管内の不規則な３次元的変
化の平面像に基づいて行なわれる。

最近の研究では、０．１〜９，１０〜４９．５０〜９９
あるいは１００％狭窄として病状を識別する動脈測定を
用いることにより、Ｘ線医の間で１７．５％の不一致が
あり、又、０．１〜２０．２１〜９９％狭窄として病状
を識別したときは１２５％の不一致があることが分かっ
た。これらの変化は、微細なデータが失われて乙全体の
傾向は識別できるので、単に郡を求めろ分類パターン識
別法により低減される。

中、考のデータは、次の案の一つに基づいた独立した２
者択一の決定による区分に従って分類される。

完全に閉塞していない血管に対する正常か病気かの決定
。

らし病気ならば、５０％狭窄より大きいが、小さいかの
決定。

らし５０％狭窄上りら低いとき、２０％狭窄よりも小さ
いが、大きいかの決定。

」Ｌ 完全に閉塞していない血管に対する正常か病気（部分的
に閉塞）の決定。

もし病気ならば、５０％狭窄より大きいが、小さいかの
決定。

らし５０％狭窄よりも低いとき、３５％狭窄よりも太き
い、小さいかの決定。

らし３５％狭窄より小さいとき、１５ ％狭窄より大きいか小さいかの決定。

もし所望であるならば、更に分類がなされろ。

らし血管が閉塞して血流を示さないならば、誤診断が生
じるので、血管かオーブンしているのが、完全に閉塞し
ていかの決定が最初になされろ。後者の決定に対する区
分は、血管内の流れを仮定し、後者の決定を強制してい
る。最初の決定（オープンか閉塞）は、接近した一般の
頚動脈の他に、−内部頚動脈内での流れる信号を観察す
ることにより行なわれる。らし内部の頚動脈で流れか検
知されたとき、コンピュータ診断のパターン識別システ
ムが使用され得ろ。流れが検知されないとき、血管は完
全に閉塞していて、技術者は、スペクトルのパターン識
別を用いないで診断を行う。

平均化されたデータが圧縮されたとき、好結果のパター
ン識別分析のために必要とされろ不可欠な情報が引き出
される。“不可欠な情報”は、ドプラースペクトルのた
めの位置及びスケールの判定からなり、これらは、信号
内の周波数のインジケータであり、そして、該特性周波
数に関係したスペクトルの幅である。

データの圧縮を始めろために、血流（そして狭窄の容態
）を代表する）・プラー信号の一つが後方散乱した信号
で受信されたノイズ内に発見されなくてはならない。こ
の機能を実行するためのアルゴリズムは、開発されてい
て、そして医療データ上てテストされている。このアル
ゴリズムは、信号を含むスペクトル領域を見付けるため
に整列した統計値を用いた後で、ドプラー信号のモート
（最大振幅）の周波数を見付けろ。この整列しノこ統計
値は、高振幅、狭い帯域幅のノイズに対抗ずろ。

スペクトルの平均値に対する最大振幅周波数は、２８０
のタイムビンの全体の平均値から対時間曲線の特性振幅
を引き出すための信号モート周波数を決定ずろ。即ち、
ドプラーシフトデータに記録された心臓サイクルにおけ
る各時間間隔に対して、スペクトルを横切る２８０のタ
イｌいビンの各々における周波数での信号の振幅を見例
けろことにより、モード信号の曲線を決定オろために、
最大振幅周波数の振幅が使用される。

最大振幅周波数は、ドプラーシフトデータからの周波数
対振幅をプロットすることにより決定される。このよう
にして、最大振幅及びその対応する周波数が容易に引き
出される。

流れる信号のドプラーシフト信号におけるスケールある
いは幅が、特性曲線に対して、３（Ｉｂ（信号のパワー
の半分のポイント）及び９ｄｂにて合イつＵ゛ることに
より、モード信号曲線から予測される。

モート信号曲線及び拡げられた曲線予測値は、計算にて
運転媒体フィルターを用いて改傅される。

このアプローチは、よくある壁面生成物、背景のノイズ
、２チヤンネルのクロストークに関知しなＬ）ようなさ
れる。当然、他のスケールや幅の処理テクニックが使用
され得る。

後期の心室の拡張期の流れの情報は、分析に潜在的に重
要であるので、全体の平均のスペクトルから情報を得る
方法が必要とされる。この方法は、異なった似者間で観
察されるｆｌ−１１間隔の広い変化に！１１感覚にずべ
きである。全体の平均値における先行する各々の受け入
られるＲ−波のスペクトルのｌｏＯｍｓｅｃのデータを
瞬時に含むことにより、後期の心室拡張の情報が、しか
しながら、完全なドプラーシフトデータを代表する周波
数及び振幅の１１Ｆ域幅の圧縮された曲線に容易に含ま
れろ。

第３図の圧縮されたデータは、各々の周波数に対してド
プラー振幅を示す５個の曲線を含む。中心の曲線は、中
央の周波数あるいは、血管の中心流を最もよく表してい
るモード信号である。モード信号曲線１００を直接に囲
む一対の“スケール曲線”２００あるいは３００は、３
ｄＢのポイントをマークしていて、最ら外側の一対の曲
線４００゜５００はモード曲線に対して９ｄｒ３のポイ
ントをマークしている。これらの曲線は、一つの場所に
つき、データを【４００バイトに圧（宿ずろ（口曲線＋
Ｉ］Ｘ２８０ビンタイム−１−１００ハイド）。

更に別のデータの２０から１への低減が行なわれる。数
百の組合に対ずろ圧縮されたデータは、データの分析を
容易にするｌ＆のディスクに収めることができる。

パターン識別体系は、３個の一般のタイプの特徴を比較
ずろ。（＋）これろが速度波ｊ［３の時間関係を含むか
。（２）これらか心臓のサイクルに沿−７こ所定のポイ
ントでのスペクトル幅を含むか。（３）これらか予測さ
れた平均周波数波形の分解周波数を含むかである。この
平均周波数の波形あろし）はモート曲線は、Ｉないし２
０＋（ｚの間の基本ドプラー周波数を引き出すために、
のぞき窓のある離散フーリエ変換により、分間されろ。

９・１の特徴が、比較のために元来の特徴として区別さ
れるようになっていて、その重要を第１表に示す。

第１表は〆ｔ）在的に重要なパターン１塁識特性を示し
ており、これらの特性のいくつかが識別方程式において
実際に用いちれる特性を提供才ろｆこめに、対数関数又
はべき関数を用いてｉｌｌｌ拡小されらしくは変換され
た。

第１表 １　中央部近傍の一般頚動脈 （］）平均流れ波形時のエリア （２）Ｃｏｓ（０） （３）Ｓｉｎ（０） （４）心臓収縮ピーク時のエリア／ｃｏｓ（０）±１５
ミリ秒ヒン（ｂｉｎｓ） Ａ、モード周波数特性 （５）後期心臓拡張（ＥＣＧのｌλ波前の５０ミリ秒゛
） （６）心臓収縮のピーク （７）心臓収縮のピーク後の最初のゼロ傾斜点（８）叉
状分岐部 （９）心臓収縮ピーク後の心臓収縮ピークから最初のゼ
ロ傾斜点までの周波数の低下／ｃｏｓ（０）μ　心臓拡
張流量率特性 （１０）叉状分岐部後の１２５ミリ秒／ｃｏｓ（Ｏ）（
ＩＩ）Ｒ波より前の５０ミリ秒／ｃｏｓ（θ）（１２）
調波・１及び９間の窓付き離散フーリエ変換（以下、Ｗ
ｌ）　ＦＴという。）における最大振幅周波数 （１３）コ１ｑ波５及び９間のＷＤＦＴにおける最大振
幅周波数 （１４）１調波６及び９間のＷ　Ｉ）　Ｆ　’ｆ”にお
ける最大振幅周波数 （１５）ポーセロソト（Ｐ　ｏｕｒｃｃｌｏＬ）の比（
１６）モート心臓収縮周波数／モード初期心臓拡張周α
シ敗 ０　“心臓収ワ１１窓”かある場合とない場合を反映し
ノこ特）生 （１８）時刻１＝（心臓収１１１１時−３０ミリ秒）と
時刻ｔ＝（心臓収縮時→−５０ミリ秒）間の＋３　（１
１３低下の最大周波数 （１９）時刻【−（心臓収縮時−３０ミリ秒）と時刻１
−（心臓収縮時＋５０ミリ秒）間の９ｄｒ３低下の最大
周波数 り１位相情報特性（ラップされていない時）（２０）　
２次高調波の位相 （２１）　３次高ゴ１１波の位相 （２２）　４次高調波の位相 して） （２３−２６）後期心臓拡張 （２７−３０）心臓収縮 （３１−３４）心臓収縮ピーク後の最初のゼロ傾、？１
点（３５−３８）心臓収縮後の１００ミリ秒（３９−４
２）心臓収縮／ｃｏｓ（０）（４３ｉ６）心臓収（右後
の７５ミリ秒／ｃｏｓ（０）（４７−５０）心臓収縮後
の１００ミリ抄／ｃｏｓ（０）ＩＴ　、中央ＩＭ愼傍の
内部皿鋤１１に−（１）平均流れ波形時のエリア （２）Ｃｏｓ（０） （３）Ｓｉｎ（０） （・１）心臓収縮ピーク時のエリア／ｃｏｓ（０）±１
５ミリ秒ヒン（ｂｉｎｓ） Ａ、モード値特性 （５）後期心臓拡張（ＥＣ：ＧのＲ波より前の５０ミリ
秒） （６）心臓収縮ピーク Ｂ　最大特性 （７）３ｄＢピ一ク周波数 （８）９ｃｌｒ３ピ一ク周波数 （９）心臓収縮に続く減速量／ｃｏｓ（θ）（１０）調
波５及び９間の最大振幅におけるエネルギー （１１）　調波２から上記最大までのＷＤＦＴにお（Ｉ
′ろ最小振幅の周波数 （１２）ボセロノトの比− （心臓収縮−１番目のゼロ傾斜）／平均、モード波形を
用いる （１３）比−（心臓収縮−１番目のゼロ傾斜）。

９ｄＢ高い特性の波形を用いる （１４）比−（評価平均波形を用いた心臓収縮）／後期
心臓拡張。

９ｄＢ高い波形を用いた後期心臓拡張 Ｃ０“心臓収縮窓”かある場合とない場合を反映した特
性 （１５）時刻【−（心臓収縮時−３０ミリ秒）と時刻１
−（心臓収縮時＋５０ミリ秒）間の３ｄＢ低下の最高周
波数 （１６）時刻１＝（心臓収縮時−３０ミリ秒）と時刻【
−（心臓収縮時＋５０ミリ秒）間の９ｄＢ低下の最高周
波数 （１７１０）後期心臓拡張（Ｒ波の５０ミリ秒而）（２
１−２４）心臓収縮ピーク （２５−２８）心臓収縮ピーク後の５０ミリ抄（２９−
３２）心臓収縮ピーク後の１００ミリ秒（３１３６）心
臓収縮ピーク／ｃｏｓ（０）（４１−４４）心臓収縮ピ
ーク後の１００ミリ秒／ｃｏｓ（０） ここで、θは血管の軸に対するドプラービームｆｉ＋で
ある。

時間関係を含む特性に対して、５つの特性の同時平均ス
ペクトルが、さらに次式に従って当該特性の相対的な振
幅による重み付けを用いて１つの重み付けされた平均特
性に圧縮される。

ｆＱ）−（ｍ（ｔ）＋　２　［Ｕ　＋（ｔ）十Ｌ　＋（
Ｌ）］＋ｂ［Ｕ　２（Ｌ）＋　　Ｌ　ｚ（ｔ）コ）／（
１＋　　２　　［ａ十り］）ここで、 ｍ（Ｌ）　＝時刻［におけるスペクトル・モード、Ｕ、
（し）一時刻ｔにおける３（ＩＢ高い周波数、Ｌｌ（Ｌ
）＝時刻りにおける３ｄＢ低下周Ｉ！ｌ数、Ｕ２（ｔ）
一時刻ｔにおける９（ＩＢ高い周波数、１、ｔ（し）一
時刻ｔにおける９ｄＢ低下周波数、ａ＝、　０−３／２
０、伎び ｂ−１ｏ　　９／２０ である。

心臓収縮ピークと心臓収縮ピークの最初の変化点が最大
振幅周波数（又はモード）特性１００から最初に得られ
る平滑化された中央値を用いて位置付けされ、この特性
はモステラー（Ｍｏｓｔｃｌ　Ｉｃｒ）とタキー（Ｔ　
ｕｋｅｙ）の方法によって平滑化された。

スペクトルの幅を含む特性に対して、その幅は、モード
特性から所望のスケールの特性に変換して測定され、特
定された時刻を中心とした±１２゜５ミリ秒（５ビン）
の窓に対して平均化された。

パターン認識システムが線形的に特性に対して重み付け
を行うので、線形の識別方程式におけるそれらの効果を
最大にするための努力において、（これら第１表から選
択された）“生の特性”を非線形的に変換することが重
要である。それ故、Ｊｌ（礎特性の指数関数及びべき関
数が線形（ヒのためにテストするために計算されプロッ
トされた。本発明の便宜上及び簡単化のために、段階的
な線形回帰が特性を選択するために用いられ、その選択
された特性が冗長な情報よりはむしろ単一の情報を含む
限りにおいては、その回帰か適当であることが証明され
た。

この特性かゼロ平均及び装置の（上達に対して再び拡大
又は縮小された。９４凹の特性の段階的な識別解析によ
って、データベース（試作装置）におｌする公知の血管
の分類が、各階層的な識別のために９４個の特性から選
択された５側の特性の最良のＩｎみ合イつせを用いて行
われる。その後、たたこれらの５個の特性が中、各の一
時的な平均データから狭窄の度合いを診断するために用
いられろ。各階層的な識別（すなわち、平常時対疾患時
、５０％狭窄より大きい時対５０％狭窄よりも小さい時
等）が公知の動脈状態のデータに対ずろ９４ｇすべての
得られた特性によって選択される。もちろん、異なった
方法で選択された他の特性又は付加的特性を用いてムよ
い。好ましくは５個の特性が用いられる。なぜなら、５
個の特性は高い正確さを存して得られるからである。比
較的意味のない又は冗長な特性が含まれないとき、受容
可能なバランスが実行されれば、各特性はは義深い。こ
のシステムが、この識別解析方法による特性の選択によ
ってバイアスすることができ、実験による証明が、この
フォーマットが頚動脈の狭窄を正確に診断するために高
い正確さを有し、自動式で客観的なツールであることを
示している。

各識別に対して選択された好ましい特性は、第２表の通
りである。

第２表 １、正常時値対疾徂時値 ・夕ｎ（−設題動脈における初期の心臓拡張時の平均点
指値／ｃｏｓθ） ・−設題動脈における一Ｃ次の心臓収縮時の周波数変化
／ｃｏｓθ］４ ・内部頚動脈における＆ｎ（Ｄ　Ｆ　Ｔ波形のモート）
・内部頚動脈における（波形の９ｄＢ低下点）”・−設
題動脈におけるＱｎ（後期心臓拡張時の平均流量／ｃｏ
ｓθ） ２．５０％狭窄より大きい時対５０％狭窄より小さい時 ・内部頚動脈における［９ｄＢピ一ク周波数］２・内部
頚動脈における［心臓収縮ピークの±５０ミリ秒間の９
ｄＢ低下の最大周波数］４・内部頚動脈における−［次
の心臓収縮時の周波数変化／ｃｏｓＯ］ ・内部頚動脈における１２ｎ［ＤＦＴ波形における最初
の最小］ ・内部頚動脈における［心臓収縮後の５０ミリ秒の９ｄ
Ｂ高い幅］ ３．３５％狭窄よりも大きい時対３５％狭窄よりら小さ
い時 ・内部頚動脈における９ｄＢピ一ク周波数・Ｑｎ　［−
設題動脈の叉状分岐部の前の１２５ミリ秒の周波数］ ・Ｑｎ［内部頚動脈における心臓収縮周波数の変化／ｃ
ｏｓ　θ］ ・内部頚動脈におけるＱｎ　［９ｄＢ低下のＤ　Ｆ　Ｔ
波形Ｊ ４．１５％狭窄よりも大きい時対１５％狭窄よりも小さ
い時 ・−設題動脈における（２ｎ［心臓収縮時の士３７５ミ
リ秒の周期の間に対するピーク時のエリアコ ・内部頚動脈におけるＣＪ９ｄＢピーク周波敗］・内部
頚動脈における９ｔＩｎピ一ク周波敗・−設題動脈にお
ける心臓拡張後１２５ミリ秒の９ｄＩ３高い幅 ・内部頚動脈におけるＱｎ［心臓拡張後の１２５ミリ秒
の３ｄＢ低下の幅］ ５．２０％狭窄よりも大きい時対２０％狭窄よりも小さ
い時 ・−設題動脈における（！ｎ［心臓収縮の±３５．５ミ
リ秒の周期の間のピーク時のエリア］ ・−設題動脈におけるＱｎ［９ｄｌｌビ一ク周波敗〕・
内部頚動脈における９ｄＢピ一ク周波敗・−設題動脈に
おける心臓収縮後の１００ミリ秒の９ｄｌｌ低下の幅 ・−設題動脈におけるＱｎ［Ｉ）　Ｆ　Ｔ波形のモード
］この２０％狭窄の識別は、９ｄＢピ一ク周波数に関す
る冗長なテストを用いて十分に正確に行うことができる
。

らし、その血管の狭窄が８０％狭窄よりも大きい時から
しくは小さい時かを識別４゛ろことか望ましいとき、次
の通りである。

６　゛８０％狭窄よりら犬さい時対８０％狭窄よりら小
さい時 ・内部頚動脈における（２ｎｒ心臓収縮時の９ｄＩ３高
い幅］ ・内部頚動脈にお１１′る（！ｎ「心臓収縮ピークの±
５０ミリ秒の間の：３ｄ１３高い周波数］・−設題動脈
における＆ｎＪ心臓収縮ピークの最初の瞬間／心臓拡張
後１２５ミリ秒の９ｄＩ３高い周波数］ ・内部頚動脈におけるρｎ［ＤＦＴ波形のモー１暑アー
ザー−ソ’７トワード（ＡＲＴＩｔＵＲ９ｏｆＬｗａｒ
ｄ）における線形回帰解析に基つくパターン↓識の超平
面解法が用いられろ。ピエトラント二才（Ｐ　ｉ　ｅｔ
　ｒａｎｔ　、　ｏｎ　ｉｏ）とンユーアーズ（Ｊｕｒ
ｓ）（同時にピジュアーズ（Ｐｊｕｒｓ）として知られ
ている）による好ましい方法は、次式の関数を反復して
最小にオろ。

ＣＹ−ｔａｎｈ（〜Ｖｏ＋Σ〜ｖ目）ａここで、Ｙ−÷
１．乙しデータがカテコ゛リ−２において知られている
ならば、 ＝−１，１，、Ｌデータがカテゴリー１において知られ
ているならば、 Ｙ−予４川されたブノテコ゛リー、 Ｋ＝　特性の数、 Ｗｉ−特性の重み、 Ｘｉ−特性ｉの測定値、並びに Ｗ〇一定数 である。

より高い正確さをイ（：立ずろために交差評価か用いら
れる。交差評価は、テストされる狭窄の各カテゴリーに
対して処理ずろデータベースを２つのザブセットに分割
し、１つのザブセットに基づいて被分類物を処理し、そ
の後、データの第２のザブセット上で被分類物を走行さ
けることによって被分類物の識別ルールを再テストずろ
ことを含んでいろ。

データベースの約５０％を含む圧縮されたスクトトラム
データのランダムに選択された数が、半分の標本プラス
補足物”の交差評価スキームにおける交差評価プロセス
の各反復時に選択される。

分類ルールの真の正確さを過大評価ずろことを避けるた
めに、そのザブセットが制限される。もしそうでなけれ
ば、例えば選択されたザブセットがデータベースの大部
分であるときに過大評価が生じろ。

この交差評価法で実行された被分類物の評価の正確さは
、テストセットにおいて平均的な割合の正確さになる。

フォーマツｌ−Ａの階層におけるろ識別において、正確
さの割合は、第１の識別（羽常時値対疾患時値）に灯し
て９７％、また第２の識別（５０％狭窄より大きい時対
５０％狭窄より０小さい時）に対して９５％、さらに第
３の識別（２０％狭窄よりら大さい時対２０％狭窄より
６小さい時）に対して８・１３％で３うろ。５財１の重
、シ付けられた特性の和かζ４識別に対する識別のスー
Ｉアを〆央定するために用いられた。

現在用いられている分類Ｃ）スキームか階層の順序にお
いて４つの独立した２値の識別を行っている。すなわち
、 （１）正常時対疾患時の識別、 （２）もし疾患時てあれば、５０％狭窄よりも大きいか
もしくは小さいかの識別、 （３）らし５０％狭窄よりも小さいとき、３５％狭窄よ
りし大きいからしくは小さいかの識別、（４）らし３５
％狭窄よりら小さいならば、１５％狭窄よりら太きいか
らしくは小ざいかの識別である。

従って、次の６つのカテゴリーか確立されろ。

すなイっち、 （１）疾患していない時、　　　　　。

（２）０〜１５％狭窄、 （３）１６〜３５％狭窄、 （・１　）３６〜５０％）夾窄、 （５）５０％狭窄を超えろ時、 （６）全閉塞（１００％狭窄）。

このカテゴリーに４３いて、中間の分割の％は任はであ
り、動脈Ｘ腺撮影図からのデータの拡張・１トびに疾患
の進行について比較的高い分類を行うための要望に基づ
いて選択された。曲の分類点を、例えばもうすでに議論
された０〜２０％、２０〜５０％及び５０％以１−のフ
ォーマットのようにして乙よい。１５％ｊ火窄よりも大
きいか小さいかの分類によって、疾患の危険な進行を早
期に警告することができろ。Ｘ線医は、１５％閉塞又は
それよりら小さい時において、第１の診断の査定を行い
、従って、この点は、このデータベースで実行すること
ができる疾患の進行の第１のステップである。

しかしながら、分類機のシステム性能の基本的なテスト
は、公知の狭窄を有する患者のデータを評価することで
ある。しかし、そのデータは分類機の設計において用い
られていなかった。彼分類但台をテストするために、お
そらく正常である９人のボランティアと、脈管図で診断
された頭蓋外の動脈疾患を存する９５人の患者について
解析を行った。全体のグループにおいて、研究のために
適当な１７０サイド（ｓ　１ｄｅｓ）があり、残りの３
８サイトは次の理由のｆこめに解析において含まれてい
ない。

（１）＋　６サイドは内部頚動脈の閉塞であること、（
２）１２ザイ［・は超音波による研究的に実行された動
脈内膜切除を汀ずろこと、 （３）１０ザイドはデータ記録システムの機（１冑的な
故障のためにデータか失われたこと。

ダブルブラインドテス）−（ｄｏｕｂｌｅ　ｂｌｉｎｄ
　ｔｅｓｔ）が敗訴され、ここで、双手面対称の動脈Ｘ
線図を読むＸ線医はコンビコータ貯量によって供給され
る診断を知らず、ドプラー技術者はそのＸ線医の診断を
知らなかった。

コーヘン（Ｃｏｈｃｎ）、フライス（Ｆｌｃｉｓｓ）及
びラングロイス（１、ａｎｇｌｏｉｓ）によって用いら
れるカッパ（Ｋａｐｐａ）統計量が、データベースを従
属して評価される２人の評価者の間の評価の一致の度合
を測定するために計算された。診断又は識別における機
会を考慮に入れろと、この公式は次式のようになる。

カッパ値Ｋａｐｐａ＝（Ｐｏ　−Ｐｅ）／（１−Ｐｅ）
ここで、Ｐｏは評価の一致の測定確率であり、Ｐｅは１
人の機会に基づいて生じる評価の一致の確率である。（
１−Ｐｅ）の量は、単に偶然に予測された一致の割合以
」二で達成可能な一致の割合を示している。機会を超え
て達成される実際の一致の割合はＰｏ−Ｐｅである。も
し、測定される一致の割合が機会の一致の割合よりも大
きいか又は等しいならば、カッパ値は、完全な一致に対
して＋１の最大値を有し、ゼロよりら大きいか又はゼロ
に等しくなる。同（羊に、らし測定される一致の割合が
機会の割合より０小さいならば、カッパ値は負にｔろ。

この計算を行うために、標本の大きざか太きいと仮定し
た。この実験結果に基づけば、この仮定かおそらく受け
入れろことが可能である。

コンピュータの結果と脈管図との間の一致は、ｉＥ常時
と疾患時の識別に対して９６５％（１６−１、’＋７０
）であり、また、５０％狭窄よりも大きいからしくは小
さいかの識別に対して９３％（１５８／１７０）てあり
、さらに、２０％狭窄により大きいかもしくは小さいか
の識別に対して９３％（１５８／ｌ　７０）であった。

２９の正常なサイドのうち、２７ザイト（９３％）が正
確に分類された。他の２個のサイドが１〜２０％のカテ
ゴリーにおいて分類され、その両方が正常であると推定
された者（２７オと３４才）からのサイドであり、実際
にはその両方の人について対弥脈管図の測定を行ってい
なかった。それ故、おそらく彼らは小さい狭窄状態であ
る。

１０〜２０％の狭窄のカテゴリーにおいて、５４サイド
のうち１１・１ザイド（８１５％）が正Ｕ（ｆ、　ｌこ
分類された。残りの１０サイドのうち、１１ザイドは正
常として分類され、６ザイトが２１〜５０％のカテゴリ
ーであった。２１〜５０％のカテゴリーにおいて３７サ
イドのうり、２９ザイド（７８％）が正確に分類された
。残りの８ザイトのうち、５ザイトが１〜２０％カテゴ
リーに誤って分類され、３ザイドが５１〜９９％のカテ
ゴリーに誤って分類された。（この３サイトすへてか脈
管図によって直径の５０％の減少として診断された。）
５１〜９９％のカテゴリーにおける５０サイトのうら、
４１ザイド（８２％）が正確に分類された。

残りの９サイドのうち、１ザイドが１〜２０％のカテゴ
リーに誤って分類され、まに８ザイドか２１〜５０％の
カテゴリーに誤って分類された。

カテゴリーによるコンピュータ分類の全体の正確さは８
３％（１，４１／＋７Ｑ）であった。疾患のび在を識別
するための方法又は能力の感度は、９７％（１３７／１
４Ｄであり、特異疾患については９３％（２７／２９）
である。カッパの統計量によって測定された、パターン
認識と脈管図間の一致の割合は、Ｋ＝０．７６９±０．
０３９（標亭誤差）である。

脈管図によって閉塞されている１６サイドは省略された
。ある閉塞の診断は内部頚動脈において信号の存在によ
って行われ、ここではコンピュータ解析を含んでいない
。脈管図によって動脈が閉塞されていると診断されると
き、コンピュータ解析に服従される信号か存在するとい
う例はない。

なぜなら、彼分類者が血管中のいくつかの流れを見付け
ることを強いられるからである。しかしながら、血管か
存？「シない時のデータがコンピュータ解析から省略さ
れたが、これは単に、閉塞が血管図を用いず、デュプレ
ックス走査（ｄｕｐｌｅｘ　５ｃａｎ）上て診断された
からである。

閉塞状態（完全にブロックされた状態）からしくは開放
状態であるかの識別は、乙し要望があれば、内部頚動脈
におけるドプラーのシフト信号に対ずろコンピュータの
検索を行うことによって、識別の階層に付は加えろこと
ができる。このように、すべての識別がコンピュータに
よってなされ、その判断は技術者には許されない。

ドプラーシフト周波数は血液の流れに対するドプラー角
の余弦に比例し、このドプラー角が知られているときに
のみ、流れの速度の計算を行うことができる。壁面硬化
及び解剖学上の変数（とらに流れの信号を変化させると
知られている）が、Ｂモードのイメージング（ｉｍａｇ
ｉｎｇ）によって容易に評価される。

レンジ・ゲーティング（ｒａｎｇｅ　　ｇａｔ　ｉｎｇ
）を介して行うパルスドプラー装置は、ビーム軸に沿っ
た特定の深さでの流れの測定を行うことができる。

萌述の臨床上の経験は、皮膚表面下の２ｃ！Ｎの部分又
はその近傍部分での焦点を有するスキャナーが頚動脈の
研究に対して適当であるということを示している。また
、血管の直径に対する標本の体積が小さい時、中心部の
＋ｍ液の流れにおいて流れの標本化を行うことができ、
血管壁面の近傍の速度の変化を避けることができる。所
望の分析を行うために、スキャナーは、２５Ｍ刀の焦点
距離を有し、その焦点における標本の体積は３１’であ
る。解剖学上の目標として確立されたスキャナーの画像
は標本状態の硼弗化のノこめに用いられている。この目
標は、異なった患者の状態を比較するために、ムしくは
同し患者に対する継続的な研究を比較するために本質的
なことである。

好ましい分だ（のプロセスにしいて末端の内部頚動脈か
ら又は高−設題動脈（乙し選択されれば、誤って分類さ
れやずしりから、特性が選択されているので、各患者か
ら実際に収集されることか必要なデータを単に、我々の
実験において用いた７１つの部位からのデータよりしむ
しろ、低−設題動脈（分解点上約２　ｃｚ）及び中央部
近傍の内部頚動脈からのドプラーシフトのデータに減少
することができる。従って、データはさらに圧縮される
。それらは他のスキームにおけるいくつかの１：１］点
を宵しているが、我々が使用する圧縮されたデータのフ
ォーマットがおそらく最適な１つではない。このスキー
ムは下記のことを行うことができる。

（１）時間の経過に従ってドプラー信号において生じる
速い変化の敏感な評価、 （２）スペクトルの簡単な解釈、 （３）信号のスペクトル密度の通常の対称性の適当な再
現、 （・１）変化ずろ強度を有する狭帯域及び広帯域の両雉
音が存在するときの信号の信頼性のあるトラッキング、 （５）記憶、処理、及び解析することを容易にするのに
十分なデータの減少、 （６）吹上状態の良好な区分のために必要であって、有
益な特性の抽出及び識別のｆこめの適当なデータ。

通常の内部頚動脈よりも中央部に近い一般頚動脈におけ
る血液の流れに対する典型的な波形が、減速位相及び高
いピークの心臓拡張の流れにおいて小さな７字形の波形
のノツチ（ｎｏｔｃｈｉｎｇ）をほとんど何しないかも
しくは全く何しない、高くしから鋭く狭い心臓収縮ピー
クによって特徴付けられる。小さな疾、患を有する内部
頚動脈よりも中央部に近い一般頚動脈における血液の流
れに対する典型的な波形は、より低く広くかつ“丸めら
れｆこ”心臓収縮ピーク、初期の減速位相における突出
したノツチ、及びより減衰された心臓拡張時の流れを明
確に表わしている。これらの一般的な違いを、本発明の
圧縮されたデータ及びパターン認識フォーマットを用い
て、カテゴリーで解析し、評価し、そして分類すること
が可能である。

第１の識別（正常時か疾患時か）及び第２の識別（５０
％狭窄よりも大きい時か小さい時か）が患者管理上で識
別するために重要であることが明確である。しかしなが
ら、さらに狭窄のカテゴリーを定義するための理由は明
白ではない。第１のレベル（１５％又は２０％閉塞）に
、１３けろ識別点は当初は下記のことに基づいていた。

（１）疾患の進行の評価を行うために５０％狭窄よりら
単に大きいか小さいかという識別とは別に、さらに吹上
の度合の必要性と、 （２）同一の動脈Ｘ線撮影図を読むＸ練成間の評価の一
致が１０％のレベル時よりも２０％のレベル時の方が高
いということが明白であること、並びに （３）２０％時の処理を行うデータベースの分布におい
て実際の最小値が生じろこと。

データベースの大きさを大きくすることで、５１〜９９
％のカテゴリーにおいて別の段階付けを行うことができ
ろ。５１〜９９％のカテゴリーにおいて別の段階付けは
、非現実に現われる約１５％よりも大きいか又は小さい
変化を区別するためのプログラムをより良く調整し、実
際の動脈Ｘ線撮影図の解釈における正確さの欠乏を考慮
に入れることによって可能となる。

実際の実験において、我々は狭窄の割合に対して正確な
診断を得ることに関して、技術者の重要性を評価するこ
とを試みた。我々のテストは３つの異なった病院で同じ
患者についての超音波ドプラーデータを得ることと、本
発明に記述されるパターン認識スキームにおいてディジ
タルコンピュータを用いて（異なる技術者によって測定
された）データを解析することを含んでいる。我々は、
このケースの約９０％において、コンピュータの診Ｉ折
かお互いの１つのカテゴリーと同一であるか又はその中
にあるということかわかった。すなわち、らし我々か９
０％の時間において３６〜５０％の閉塞のように狭窄の
割合を分類するならば、テストにおける別の病院におけ
る技術者が（１つのカテゴリー内で）１５〜３５％、３
６〜５０％、らしくは５０％よりも大きいという狭窄の
割合の分類を見つけ出すてあろう。従って、このシステ
ムが疾１ムを識別しかつ少なくとら徂く狭窄の割合を特
定するための非ｆｌ　襲的ルールとして有効であること
が証明された。我々はさらに、再現可能性を改善しかつ
データ抽出中に導入されるバイアスを除去するための方
法において、より細かい区別を求めている。

本発明の分類のスキームは離散的であり、各識別におい
て直面する可能な矛盾を無視ずろことであり、該スキー
ムは１つのカテゴリーに対して１つの識別を行っている
。例えば、第１の識別において正常として分類される動
脈が、いまだ、第２の識別ステップにおける５０％狭窄
Ｊ二〇ら大きい狭窄を何ずろらのとして分類される。実
際の試作セット及び将来のテストセットに従えば、第１
の識別において正常であると判断されろときにおいて、
ある動脈が２０％閉塞又は狭窄よりも大きい閉塞及び狭
窄状態となる機会は単に２５％である。同様に、２０％
狭窄よりら小さい狭窄状態を何ずろ血管が、実際の分類
機を用いれは５０％狭窄よりも大きい狭窄状態であると
分類されろということはない。その分類機は１つのカテ
ゴリーによってのみ一般に誤りを犯４−０ 誤った分類の結果はしばしば、Ｋｌ＝、定常の非パルス
タイプのフロー・パターンによって特徴付けられたデー
タである患者のはとんと空きのない狭窄状態から得られ
ろ。このタイプのフロー・パターンは試作のデータベー
スにおいて不完全ではあるが表われている。このデータ
のよζ９多くが利用可能になるとき、分類のアルコリズ
ムは疑いなく変更されろであろう。なぜなら、試作のデ
ータベースは分類の識別を行う上てよりよいヘースを宜
ずろことになるからである。このタイプのフロー・パタ
ーンが、データベース及び識別処理を改善するために、
データベースに付は加えられるであろう。

カッパの統計量によって測定されるコンピュータの診断
及び血管図との間の評価の一致のレベルは、０．７７±
０．０４（漂賭誤差）に等しい。一致のこのレベルは好
ましくは、異なったＸ練成が同一の動脈Ｘ線撮影図を読
むことによって到達可能な評価の一致のレベルと比較さ
れ、従って、このノステムに対して、より大きな保証が
示されてぃ我々は、特性の定義及び特性の選択を改１％
することを試みることを続けろであろう。５１〜９９％
のカテゴリーにおいてさらに区別し識別段１トりを増加
さ仕るために、動脈疾患の進行についてのより適切な観
察が長期間の究明の研究中において必要となるであろう
。血液内の標本化状態を正確に決定し、かつパルスを用
いたドプラー標本量の区分において含まれる可能な変数
を減少させるために、３次元の位置検出機を用いる可能
性か爆発的に増加するであろう。前に標本化した位置の
１雇以内の位置で流れの標本化を行うことが期待され、
継続的であって多方面の研究が行われるとき、この方法
によっである特定の応用か見出されるにちがいない。

解析的ソフトウェアの選択された部分 次のソフトウェアは、−設題動脈及び内部頚動脈におけ
る特性を解析し、かつ例えば心臓収縮時の相対的な最大
値又は相対的最大値のようなデータにおいて、重要な区
分を識別するために必要な計算を実行するために現在用
いている好ましいコーディング・プログラムである。そ
のソフトウェア及び従来のフォートランのコーディング
における注釈は、当該技術分野における技術者に対して
特性を表わすために用いられる計算フォーマットを表わ
している。

この発明の好ましい実施例を開示したが、当業者にとっ
ては、この発明の趣旨から外れることなく、変形例や応
用例の実施が容易である。この特許請求の範囲は、記述
された個々の実施例により限定されるべきものではない
。

ｕｕ　　　　　　　　　　　　　”　　　　　　　　　
　　　　　　　　　　　　ｕｏ　　　　　　　　　　　
　　　　　　　−）ｕｕｕｕｕｕｕｕｐｕｕ ｕｕｕｕｕｕ　　　　　　　　　　　　　　　　　　　
　　　　ｕｕ　　　　　ｕυ　　　　　υ　　　　　　
　　ＵＵ　　　　　　Ｕ　　　　　　υ　　　　　０Ｑ
　　　　　　、ｚ　　　　　　纒　　　　　　ａ　　　
　　シ〜 ｕｕｕｕｕｕｕｕｕｕｕ　　　ｕｕｕｕｕｕｕｕｕｕ　
　　　　　　　ｕ　　　　　　　　　　　　　　ｕｕ　
　　　　　　ｕへ　　　　　　　　　　　　　　　　　
　　　　　　　　　　　　９め４−１４−一 ｕ　　　　　Ｏｕ　　ロ　　ロ ＲＥＴｕＲＮ εＮＤ Ｓ４゛文献 ″、特許 Ｆｌｏｗ＋ｎｅヒｅｒｓ、”　　Ｕ、Ｓ、　　４，３２
４，２５８．　　Ａｐｒｉｌ　　１３．　１９Ｂ２゜３
、　　Ｆａｘ、　”Ｃｒｏｓｓｅｄ　Ｂｅａｎｎ　Ｕｌ
ｔ、ｒａｓｏｎｉｃ　Ｆｌｏｗｍｅｔ：ｅｒｒＩ＋Ｕ、
Ｓ、　４．ＯＧ２，２３１．　Ｄｅｃ、　１３．１９７
７゜２・　技術文献 卸弧旦逗肛、　Ｊｕｎｅ　１９Ｂ４．１５＋６１．３３
１−４０゜１９９（４１，４７５−８１゜ ハ旦Ｓユ９圭９旦ヱ、　八ｐｒ、１９８４．　３５＋４
１．　２１５−２↓。

Ｔｕｒｂｕｌｅｎｃｅ、”　　３＋　　Ｊａｎ、　　１
９０４．　７１ｔｌｌ＋　　５０−２゜４１−１１．１
１ｕ七ｌ＋ｅｒｆｏｒｄ　　ｅＬ　　ａｌ、、　　”Ｔ
Ｉ＋ｅ　　Ｕｓｅ　　ｏｆ　　ＶｅｌｏｃｉヒｙＷａｖ
Ｑｆｏｒｍ　　Ａｎａｌｙｓｉｓ　　ｉｎ　　ｔ−１＋
ｅ　　Ｄｉａｇｎｏｓｉｓ　　ｏｆ’ｃａｒｏヒｉｄ　
　ＡｒｔｅｒｙＯｃｃｌｕｓｉｖｅ　Ｄｉｓｅａｓｅ、
″珈旦ヒ扛６９５−７０２　ｆ１９７７１゜４２、　　
　Ｂ、　　Ｋｏｗａｌｓｋｉ、　　”Ｐａｕｅｒｎ　　
Ｒｅｃｏｇｎｉｊ工ｏｎ　　ｉｎ　　ＣＩ＋ｅ＋ｎ１ｃ
ａｌｎｅｓｅａｒｃｌ＋、”　　Ｃ９工Ｐ旦１！ｒｓ　
　ｉｎ　　Ｃ１＋（Ｊｎ、　　ａｎｄ　　ｎ１ｏｃｌ＋
ｅｍ、　　ｎａｓ、、　　Ｖｏ上、　２゜八ｃａｄｅｍ
ｉｃ　　Ｐｒｅ＋ｓ、　　Ｎ、Ｙ、、　　＋１９７６Ｌ
４３、　　　Ｌ　　Ｌｅｒｓｋｉ　　ｅｔ　　ａｌ、、
　　”ＣｏｍｐｕＬｅｒ　　Ａｎａｌｙｓｉｓ　　ｏｆ
　　ＵＩＬｒａ−ｓｏｎｆｃＳｉｇｎａｌｓｉｎＤｉｆ
ｆｕｓｅＬｉｖｅｒＤｉｓｅａｓｅ、”Ｕｌｔｒａｓｏ
ｕｎｄトｌｅｄ。

見立１．．５．３４１−３５０　　ｆ１９７９１゜

【図面の簡単な説明】

第１図はこの発明の診断システムのブロック図、第２図
は、対時間で振幅をプロットしノー典型的なドプラー信
号の表示図、第３図は、全体の平均値に圧縮されたデー
タを示し、このデータは、パターン識別システムにて狭
窄の相対的な容態を決定するために用いられる。 １０・・・２重超音波スキャナー、１２・・・ＥＣＧタ
イミング情報、１４・・・スペクトル解析器、１６デイ
スク記憶装置、１８・・・デジタルコンピュータ、特許
出願人　ワシントン・リザーヂ・ファウンアーンヨン 代　理　人　弁理士　青白　葆　外２名第１図 ２重ｓもグ又λζヤアー 第３図 時開（材） 第２図 手続補正書（白側 持許市官　殿　　　昭和６２　年２　月　５　日２　発
明の名称 埋管狭窄の無侵襲的診断 ３　補正をする者 事件との関係　特許出願人 ４代理人 住所　〒５４０　大阪府大阪市東区域見２丁目１番６１
号第２図

Claims (1)

1. 【特許請求の範囲】 （１）患者の体内の血管の狭窄容態を自動的かつ客観的
   に診断するための無侵襲的方法であって、この方法は、 （ａ）ドプラーシフト法により、血管内の血流の中心を
   測定するために、血管の中心流の 近傍にて焦点が結ばれる適した超音波信号 を体内に伝送し； （ｂ）血管内の血流により生じた後方拡散のドプラーシ
   フト信号を受信し； （ｃ）ドプラー信号を間欠的なセグメントに分割するた
   めの間欠タイミング信号を提供するために、ドプラー信
   号とともに患者のＥＣＧを同時に記録し； （ｄ）個々のスペクトルのセグメントによる標準化され
   た間欠のドプラー信号を提供するために、ＥＣＧ信号を
   ドプラー信号に同期させ； （ｅ）ＥＣＧ信号の所定のポイントでトリガーされ、周
   波数／振幅のデータを提供する周波数解析を、ドプラー
   信号の各々のスペクトルのセグメントに対して実行し； （ｆ）スペクトルのセグメントの総合平均値を得ること
   を含んでいるデータの圧縮のために、周波数／振幅のデ
   ータを処理し； （ｇ）全体の平均値を狭窄容態を示す多数のカテゴリー
   の内の一つに分類するために、総合平均値を予め分類さ
   れた公知のスペクトルの蓄積データベースと比較し； （ｈ）カテゴリーの分類に基づいて患者の狭窄容態を診
   断する； ステップを含むことを特徴とする無侵襲的方法。 （２）全体の平均値の比較ステップは、全体の平均値を
   データベースでの公知のスペクトルでもってカテゴリー
   化するために、患者のデータとデータベースのスペクト
   ルとのパターン識別を含む特許請求の範囲第１項に記載
   の方法。 （３）全体の平均値の比較ステップは、区分決定フォー
   マットによる一連の決定を含む特許請求の範囲第２項に
   記載の方法。 （４）区分フォーマットは、少なくとも分離した決定： （ａ）病気か正常か； （ｂ）もし病気ならば、狭窄５０％以上か、５０％以下
   か； を含む特許請求の範囲第３項に記載の方法。 （５）周波数／振幅のデータの処理ステップは、サブス
   テップ： （ａ）解析されたスペクトルのセグメントから不整脈を
   排除し；そして （ｂ）およそ１５ないし２０のスペクトルのセグメント
   、さもなくば不整脈のない連続したセグメントを総合平
   均値とするために平均化する； を含む特許請求の範囲第１項に記載の方法。 （６）処理ステップは、全体の全体の平均を表す全体の
   平均値から所定の周波数で時間に対する所定の多数の振
   幅を選ぶことにより、全体の平均データを圧縮するサブ
   ステップを含む特許請求の範囲第５項に記載の方法。 （７）処理ステップは、最大振幅周波数に対する振幅と
   、真のドプラーシフト信号の拡がりを表すためにより高
   いかあるいはより低い周波数の振幅の少なくとも一つを
   含む特許請求の範囲第６項に記載の方法。 （８）表示のために５個の曲線が使用され、この５個の
   曲線は、実質的に最大振幅周波数のための振幅時間曲線
   と、最大振幅周波数曲線のいずれかの側での２個の予め
   決められたスケールの曲線である特許請求の範囲第７項
   に記載の方法。 （９）不整脈用ＥＣＧ信号の周期が、代表的な所定量以
   上により仮定された標準区分の周期よりも長いというこ
   とに基づき、不整脈が消去されることを特徴とする特許
   請求の範囲第５項記載の方法。 （１０）周期が所定時間を超過するとき、またはその周
   期が所定量による次の上記周期より大きいとき不整脈が
   消去されることを特徴とする特許請求の範囲第５項記載
   の方法。 （１１）全体の平均の表示として全体の平均からのスペ
   クトルの特徴の所定数を選択することによりその過程段
   階が全平均のデータを圧縮するサブステップを有するこ
   とを特徴とする特許請求の範囲第１項記載の方法。 （１２）血管が頚動脈であることを特徴とする特許請求
   の範囲第１項記載の方法。 （１３）データベースで全体の平均を比較する段階がそ
   れぞれの決定に対するカテゴリーの相互評価を有してい
   ることを特徴とする特許請求の範囲第１項記載の方法。 （１４）比較段階が、一般にＰｊｕｒｓとして知られて
   いるピエトロアントニオとユルによる方法での線形回帰
   分析に基づくパターン認識のハイパー平面解析法を使用
   しており、そのパターン認識演算法がくり返し次の関数
   を極小にする、 ［Ｙ−ｔａｎｈ（Ｗｏ＋Σ＿ｉ＿＝＿１＾ｋＷｉ・Ｘｉ
   ）］ここでＹは、 データがカテゴリー２であればＹ＝＋１ データがカテゴリー１であればＹ＝−１ となる予測カテゴリー； Ｋは特徴の数； Ｗｉは特徴の重み； Ｘｉは特徴ｉの測定値； Ｗｏは定数である； ことを特徴とする特許請求の範囲第１３項記載の方法。 （１５）信号が結合されたＢモードでおよそ５メガヘル
   ツで作用しているパルス状超音波信号であることを特徴
   とする特許請求の範囲第１項記載の方法。 （１６）周波数分析を行う段階が自動スペクトル解析器
   で成され、過程とデータの比較段階が適当にプログラム
   化されたデジタルコンピュータで成されることを特徴と
   する特許請求の範囲第１項記載の方法。 （１７）比較段階が、完全なスペクトルに反してよりも
   むしろ全平均データを有する同様な形式で圧縮された蓄
   積されたデータベースに反してパターン認識を含むこと
   を特徴とする特許請求の範囲第１項記載の方法。 （１８）患者の頚動脈の狭窄の程度を自動的に客観的に
   診断するための無侵襲的方法であって、次の（ａ）から
   （ｋ）の段階を有することを特徴とする方法。 （ａ）ドプラーシフト法により動脈内での血液を測定す
   るために適当に結合されたＢモードと検査されるべき頚
   動脈の近くに患者に５メガヘルツで作用するパルス状ド
   プラー超音波信号とドプラー変換手段による動脈内の中
   心線付近で集中されている信号を伝送する段階； （ｂ）動脈内での流れにより発生された後方散乱したド
   プラー信号を受信する段階； （ｃ）同時に、ドプラー信号を周期的スペクトルのセグ
   メントに分離するための周期的タイミング信号を供給す
   るために患者のＥＣＧを記録する段階； （ｄ）ドプラー信号を実時間スペクトル解析器でデジタ
   ル化する段階； （ｅ）ＥＣＧのＲ波上のトリガに基づく解析でのドプラ
   ー信号のスペクトル区分においてそれぞれが動脈内で前
   方、後方または不安定な流れの発見が充分可能なように
   延びているスペクトル区分を規定する段階； （ｆ）周波数、振幅、時間データを抽出するためにフー
   リエ変換法による解析器でのそれぞれのスペクトル区分
   を分析する段階； （ｇ）上記（ｆ）で得られた周波数／振幅／時間データ
   をＥＣＧ信号とともに、適宜にプログラムされたデジタ
   ルコンピュータに送る段階； （ｈ）長い期間の不整脈にもとずいて平均から不整脈を
   除去することにより各位置でのスペクトルセグメントの
   全体の平均を計算し、１５から２０の間で、あるいは可
   能な数のセグメントの間で下記の式により上記全体の平
   均を計算する段階； Ｅ（ｆ、ｔ）＝Σ＿ｎ＿＝＿１＾ｋＥ（ｆ、ｔ、ｎ）／
   ＫここでＥはｆ、ｔ、ｎにおけるフーリエ変換振幅；に
   は平均セグメントの合計； ｆは周波数； ｔは時間（ＥＣＧのＲ−波に関して測定されたもの）ｎ
   はセグメントの順番； （ｉ）（１）最大振幅周波数がノイズなしの真信号の表
   示である全体の平均の最大振幅周波数を見出して、（２
   ）その周波数に対するセグメントの期間に対するこの周
   波数における対時間振幅曲線を作成し、（３）最大振幅
   周波数曲線の上下の時間対１個以上の時間対振幅曲線を
   含むことにより、信号の広がりの代表値を計算し、この
   圧縮された全体の平均値は少なくとも３個の時間対振幅
   曲線であり、（ｊ）圧縮された全体の平均値を、公知の
   狭窄程度の血管のデータによる同様の全体の平均値の蓄
   積されたデータベースと比較し、該データベースは、コ
   ントラスト動脈Ｘ線撮影法により狭窄に程度が確認され
   た患者におけるドプラーシフトデータから得て、上記比
   較は、少なくとも以下のステップ： （１）閉塞か開放か； （２）病者か正常か（もし開放ならば）； （３）５０％狭窄より大きいか５０％狭窄より小さいか
   （もし患者ならば）； の決定を用い、超平面分解法により、全体の平均値をカ
   テゴリーに分類することにより行う段階； （ｋ）狭窄の程度の診断結果としてコンピュータ解析に
   より決定された分類を表示する段階。 （１９）ドプラー信号が、少なくとも、低い一般の頚動
   脈と近接した内部の頚動脈で抽出されることを特徴とす
   る特許請求の範囲第１８項記載の方法。 （２０）超平面分解方法が、一般にＰｊｕｒｓとして知
   られているピエトロアントニオとユルによる方法での線
   形解析に基づいており、そのパターン識別アルゴリズム
   が繰り返し次の関数を極小にする、［Ｙ−ｔａｎｈ（Ｗ
   ｏ＋Σ＿ｉ＿＝＿１＾ｋＷｉＸｉ）］ここで、 Ｙはデータがカテゴリー２であればＹ＝＋１データがカ
   テゴリー１であればＹ＝−１ となる予測カテゴリー； Ｋは特性の数； Ｗｉは特性の重み； Ｘｉは特性ｉの測定値； Ｗｏは定数； であることを特徴とする特許請求の範囲第１９項記載の
   方法。 （２１）それぞれの段階的決定におけるカテゴリー分類
   が、相互評価分析によって確証されることを特徴とする
   特許請求の範囲第２０項記載の方法。 （２２）相互評価の方法が、“半抽出プラス補正”法で
   あることを特徴とする特許請求の範囲第２１項記載の方
   法。 （２３）ドップラーシフトデータとデータベースの間の
   比較に対する特徴が、次のような各々の決定に対する特
   徴； （ａ）病気か正常か； （ｂ）病気の場合、５０％狭窄より大きいか、５０％狭
   窄より小さいか； （ｃ）５０％狭窄％以下の場合、５０〜３５％狭窄であ
   るか、３５％狭窄３５％以下であるか； （ｄ）３５％狭窄以下の場合、３５〜１５％狭窄か、１
   ５％狭窄１５％以下であるか； を含むことを特徴とする特許請求の範囲第２２項記載の
   方法。 （２４）閉塞か開放かを決定するステップは、頚動脈が
   全閉であるよりはむしろ開放であることを証明するため
   に、内部頚動脈からおよび一般頚動脈からのドプラーシ
   フト信号があるか否かを決定するテストを含むものであ
   る特許請求の範囲第１８項記載の方法。 （２５）低い一般の頚動脈及び近傍の内部の頚動脈から
   患者の頚動脈の狭窄容態を自動的かつ客観的に診断する
   ための無侵襲的方法であって、この方法は、以下のステ
   ップ： （ａ）ドプラーシフト法により、動脈の中心血流を測定
   するために、血管の中心血流の近傍にて焦点が結ばれる
   、適したＢモードおよび５ＭＨｚ動作のドプラー超音波
   信号を測定すべき患者の頚動脈の近傍に送り込み； （ｂ）動脈内の血流により生じた後方拡散のドプラーシ
   フト信号を受信し； （ｃ）ドプラー信号を間欠的なセグメントに分割するた
   めの間欠タイミング信号を提供するために、ドプラー信
   号とともに患者のＥＣＧを同時に記録し； （ｄ）上記ドプラー信号を実時間の離散高速フーリエ変
   換スペクトル解析器にてデジタル化し；（ｅ）ＥＣＧの
   Ｒ−波上のトリガにもとずいて解析器内でのドプラー信
   号のスペクトルセグメント決定し； （ｆ）周波数／振幅／時間データを取り出すためにフー
   リエ変換法により解析器内で各スペクトルセグメントを
   解析し； （ｇ）上記（ｆ）のステップで得られた解析結果をＥＣ
   Ｇ信号とともに、適切にプログラムされたデジタルコン
   ピュータに送り； （ｈ）長い期間の不整脈にもとずいて平均から不整脈を
   除去することにより各位置でのスペクトラルセグメント
   の全体の平均を計算し、２０あるいは連続した受け入ら
   れるセグメントを下記の式により平均し； Ｅ（ｆ、ｔ）＝Σ＿ｎ＿＝＿１＾ｋＥ（ｆ、ｔ、ｎ）／
   ＫここでＥはｆ、ｔ、ｎにおけるフーリエ変換振幅；に
   は平均セグメントの合計； ｆは周波数； ｔは時間（ＥＣＧのＲ−波に関して測定さ れたもの）； ｎはセグメントの順番； （ｉ）（１）最大振幅周波数がノイズなしの真信号の表
   示であり、完全な心拍サイクルに対する全体の対周波数
   振幅のプロットに対する全体の平均における最大振幅周
   波数を見出だして、（２）全体の心拍サイクルのセグメ
   ントに対する上記周波数での対時間振幅曲線を作成し、
   そして（３）最大振幅周波数曲線の上下の３ｄＢ及び９
   ｄＢの対時間振幅曲線を含むことにより信号の広がりの
   代表値を計算することにより、効果的で単純化されたパ
   ターン識別分類としたスペクトルの代表を得るために、
   各々の場所の流れから全体の平均値を圧縮し、この圧縮
   された全体の平均値の特性データは不可欠に５個の対時
   間振幅曲線であるようにし、 （ｊ）選ばれた特性の圧縮された全体の平均値を、公知
   の診断状態による全体の平均値から選ばれた同様の特性
   の蓄積されたデータベースと比較し、このデータベース
   は、コントラスト動脈Ｘ線撮影法により確定された狭窄
   程度の患者におけるドプラーシフトデータから得て、上
   記比較は、区分決定処理におけるパターン識別により、
   少なくとも以下の決定ステップ： （１）閉塞か開放か； （２）病者か正常か（もし開放ならば）； （３）５０％狭窄より大なるか５０％狭窄以下であるか
   （もし患者ならば）； を用いて行い、その比較により患者の全体の平均をピエ
   トロアントニオとユルの線形解析にもとずく超平面解析
   法を用いてカテゴリーに分類する。ここで上記パターン
   認識演算は式 ［Ｙ−ｔａｎｈ（Ｗｏ＋Σ＿ｉ＿＝＿１＾ＫＷｉＸｉ）
   ）］を最小にするように反復し、 ここでＹ＝＋１（もしデータがカテゴリー２であるとき
   ）； Ｙ＝−１（もしデータがカテゴリー１で あるとき）； Ｋ＝特性の数； Ｗｉ＝特性の重み； Ｘｉ＝特性の測定値； Ｗｏ＝定数； （ｋ）上記決定を確認しデータ中にある変化分を低減す
   るために各決定を反復半抽出プラス捕正法により相互評
   価し； （ｉ）狭窄の程度の診断結果としてコンピュータ解析に
   より決定された分類を表示する； ステップからなることを特徴とする方法。 （２６）低い一般の頚動脈及び近傍の内部頚動脈からの
   超音波ドプラーシフトデータによる患者の頚動脈の狭窄
   程度を自動的かつ客観的に診断するための無侵襲的方法
   であって、この方法は、以下のステップ： （ａ）およそ２０〜２５の継続した心拍サイクルを含む
   各位置でのドプラーシフト信号を発生させ； （ｂ）ドプラーシフト信号を継続した心拍サイクルに対
   応した周期的スペクトルセグメントに分離するためのタ
   イミング信号を供給するために患者のＥＣＧを同時に記
   録し； （ｃ）各位置における動脈内における流れを表す代表ド
   プラーシフト信号を発生するためにセグメントからの信
   号を平均し； （ｄ）上記（ｃ）の平均化ステップで得た全体の平均値
   を、狭窄の程度を分類するためにパターン識別法を用い
   てデジタルコンピュータで既知の狭窄の予め分類された
   全体の平均のデータベースと比較し； （ｅ）狭窄の程度の診断としてコンピュータ比較により
   決定された分類を表示する； を含むことを特徴とする方法。 （２７）実時間の高速フーリエ変換スペクトル解析器に
   おけるスペクトルセグメントに分析されたＢモードデー
   タとパルスドプラーデータとの結合から血管の狭窄の程
   度を、自動的かつ客観的に診断する方法であって、予め
   分類されたスペクトルセグメントから既知の狭窄のデー
   タベースに対する狭窄の程度を分類するためにスペクト
   ルセグメントの全体の平均あるいはスペクトルセグメン
   トのパターン識別を行う適宜にプログラムされたデジタ
   ルコンピュータを備えたことを特徴とするシステム。 （２８）無侵襲的技術によって人の血管の狭窄の程度を
   自動的かつ客観的に診断するシステムであって、 （ａ）焦点を合わせた信号を血管の中心へ送り、かつ血
   管内の血液流を表す後方散乱ドプラーシフト信号を受け
   るＢ−モードおよびパルス化超音波ドプラースキャナー
   と； （ｂ）アナログのドプラーシフト信号をデジタル周波数
   ／振幅／時間信号に変換するスペクトル解析器と； （ｃ）ドプラーシフト信号を継続的な心臓サイクルに対
   応した周期セグメントにタイミング化するＥＣＧのＲ−
   波検波器と； （ｄ）既知の狭窄の予め分類されたドプラーシフト信号
   セグメントのデータベースを含み、狭窄の程度を識別す
   るためにパターン識別法で患者の信号をデータベースと
   比較するデジタルコンピュータと； （ｅ）デジタルコンピュータで決定された分類を表示す
   る表示器と； を備えたことを特徴とするシステム。 （２９）スペクトル解析器は、ドプラーシフトデータの
   デジタルの離散高速フーリエ変換をコンピュータへ供給
   する特許請求の範囲第２８項記載のシステム。 （３０）コンピュータは、 （ａ）信号から不整脈を除去し； （ｂ）ＥＣＧ信号中のＲ−波上でのタイミング位置によ
   って識別された信号の継続的なかつ周期的なセグメント
   の全体の平均をつくり； （ｃ）ノイズなしの真の血液流を表す対時間振幅曲線の
   少なくとも一つに圧縮し；そして （ｄ）圧縮された信号からの選択された容態と既知の狭
   窄を有する血管からの信号のデータベースから抽出され
   た同様の信号とを比較して患者の狭窄の程度を分類する
   ； ことにより患者の信号をデータベースと比較するもので
   ある特許請求の範囲第２９項記載のシステム。 （３１）狭窄の程度を識別するために、患者の複数の継
   続的な心臓の鼓動のドプラーシフトデータから抽出した
   程度とパターン識別フォーマット内の既知の狭窄の血管
   からのドプラーデータ態様のデータベースとを比較する
   ステップを含む、無侵襲的超音波技術を用いて頚動脈の
   狭窄の程度を診断する方法。 （３２）診断は、段階的なフォーマットで狭窄の程度の
   分類的決定を含む特許請求の範囲第３１項記載の方法。 （３３）継続的な心臓鼓動のデータは、データを全体の
   平均に圧縮するために平均化される特許請求の範囲第３
   ２項記載の方法。 （３４）（ａ）超音波スキャナー／受信器と；（ｂ）患
   者のデータを狭窄の分類へ置くために患者の多数の継続
   的な心臓鼓動からの超音波データから抽出した特性を既
   知の狭窄の血管からのアナログの心臓鼓動のデータベー
   スと比較する手段と； （ｃ）超音波データから決定された狭窄の程度の分類を
   示すディスプレイと； を備えたことを特徴とする無侵襲的技術によって人の血
   管の狭窄の程度を自動的かつ客観的に診断するシステム
   。