KR100776836B1 - 심장 박출 계수 및 이완기말 용적의 추정 - Google Patents

Abstract

본 발명은 환자의 혈액 채널에서 업스트림에서 주입된 지시자(양호하게는 열) 신호 x(t)에 해당하는 다운스트림 지시자 농도 신호 y(t)를 감지하여 심장 출량(CO) 및 심장 박출 계수심장 기능값을 추정한다. 신호 x(t)는 양호하게는 PRBS 신호와 같은 하이 상태와 로우 상태 사이의 교번하는 천이의 시리즈로서 생성된다. 신호 y(t)는 x(t)와 동기인 최소한 하나의 서브 신호로 분할된다. 시간 영역 채널 이완 모델을 포함하는 비용 함수를 최소화하는 감쇠 파라미터 τ가 계산된다. 심장 기능값은 τ에 대한 이 값에 기초하여 계산된다. 주입된 지시자 신호의 각 천이에 대해, 지시자 농도 신호의 해당 세그먼트는 양호하게는 분리되고, 세그먼트 이완 파라미터가 계산된다. 감쇠 파라미터 τ가 세그먼트 이완 파라미터의 미리 정해진 함수로서 추정된다. x(t)가 주기적인 본 발명의 실시예에서, 본 발명은 채널의 모델과 각각이 x(t)의 한 주기에 해당하는 y(t)의 수 사이클의 평균 사이에서 비용 함수의 최소를 찾아서 τ의 추정을 생성한다.

심장, 심장 출량, 심장 박출 계수, 감쇠 파라미터, 정상 상태 채널 이득 파라미터, 지시자 신호, 지시자 농도 신호, 비용 함수

Description

심장 박출 계수 및 이완기말 용적의 추정{ESTIMATION OF CARDIAC EJECTION FRACTION AND END DIASTOLIC VOLUME}

본 발명은 심장 박출 계수(cardiac ejection fraction) 또는 이완기말 용적(end diastolic volume) 또는 이 둘의 추정에 관한 체외 실험 판정 및 디스플레이에 관한 것이다.

환자의 심장 출량에 관한 정보는 환자를 수술하는 외과 팀이나 병세를 진단하거나 환자의 상태를 모니터하려고 하는 의사에게 매우 중요한 것이다. 그래서, 심장 출량을 모니터하는 종래의 장비가 없는 병원은 거의 없다.

심장 출량을 판정하는 한가지 공통된 방식은 도뇨관(catheter)에 혈류 측정 장비를 설치하고 나서 환자에게 도뇨관을 주사하고 이를 조종하여 그 장치가 환자의 심장 내 또는 근처에 있게 한다. 이러한 장치들은 우심방 내와 같은 업스트림 위치에서 약 또는 열을 주입하고, 다운스트림 위치에서 이 주입된 재료 또는 에너지의 특성에 기초하여 혈류를 판정한다.

예를 들면, 미국 특허 제4,236,527호(뉴보워 등, 1980년 12월 2일) 및 미국 특허 제4,507,974호(옐더만, 1985년 4월 2일)는 열이 지시자(indicator)로 사용된 심장 출량을 측정하기 위한 시스템을 개시하고 있다. 이러한 열 기반 시스템에서, 풍선 도뇨관이 우심방 및 우심실을 통해 폐동맥의 가지 기부에 통상적으로 위치된다. 도뇨관은 심방 및/또는 심실에 위치하는 저항 발열체 및 심방에 위치하는 서미스터를 포함한다. 그리고, 심장 출량은 감지된 다운스트림 온도 프로파일의 함수로서 계산된다.

미국 특허 제5,146,414호(맥코윈 등, 1992년 9월 8일)는 채널(열과 같은 지시자가 혈액 업스트림으로 온도와 같은 지시자 농도가 감지되는 다운스트림 위치로 인가되는 영역)의 전달 함수가 모델링되고, 잡음의 근사적 스펙트럼이 판정되고, 시스템의 출력이 모델의 파라미터를 적응적으로 갱신하기 위해 피드백 루프에서 사용되어 심장 출량(CO)의 추정을 개선하는 시스템을 개시한다. 미국 특허 제5,687,733호(맥코윈 등, 1997년 11월 18일)는 CO 추이 및 순간 CO값을 모두 추정하고 이전 맥코윈의 '414 시스템에 비해 개선된 것을 개시한다. 또한, 맥코윈 시스템에서, 채널의 영 주파수(직류 또는 정상 상태) 이득만이 심장 출량(CO)의 추정을 얻기 위해 필요하다.

이러한 공지된 시스템이 다양한 정확도로 심장 출량의 추정을 제공하지만, 심장의 박동량(SV)과 이완기말 용적(EDV) 간의 비로서 정의되는, 통상 우 박출 계수(REF)인 모든 심장 박출 계수(EF)의 추정을 제공하지는 못한다. 박출 계수는 그러므로 심장이 포함할 수 있는 혈액을 심장이 얼마나 효율적으로 박출하는지의 측도이다.

그 진단이 중요하기 때문에, EF를 측정하는 여러 공지된 방법이 있다. 이러한 시스템은 그러나 종종 주입된 약 및 혈관내의 유실(열적 희석) 곡선의 추정에 의존한다. 예를 들면, 미국 특허 제4,858,618호(코노 등, 1989년 8월 22일 발행) 는 우심실 박출 계수를 판정하는 열적 희석 시스템이다. 이러한 공지된 시스템에서, 냉약 지시자가 우심실로 주입된다. 전후 약 온도가 폐동맥에서 감지된다. 온도 차이가 박출 계수를 판정하는데 사용된다.

EF를 판정하는데 약을 사용하는 한가지 문제는 곡선의 앞쪽이 혼합, 심박, 및 간호사가 약을 주입할 때 얼마나 주사기 피스톤을 빨리 누르는 지에도 상당히 좌우되므로, 감지된 약 곡선 어디에서 측정을 시작할지 정하는 것이 어렵다는 것이다. 모든 이러한 공지된 시스템이 안고 있는 다른 문제는 EF 추정을 얻을 때 심장 박동의 효과를 감소시키기 위해 심장 주기와 동기를 이루어야한다는 것이다. 일부 시스템은 유실 곡선의 정점에 기초하여 동기시키지만, 이는 빠르고 매우 정확한 서미스터를 필요로 한다. 다른 시스템은 동기를 위해 EKG 트리거에 의존한다. 그러나, 각자의 데이터를 수집하는 다른 수단들의 타이밍에 종속되고 이를 정확하게 조정해야하므로 EKG 동기화는 어렵다.

EF를 판정하는 기존 시스템의 다른 문제는 심장 박동에 의해 생성된 희석도 프로파일에서 이산적인 정점을 식별해야 한다는 점에서 야기된다. 이는 이러한 시스템이 지수적 또는 비율적 기반 곡선을 데이타에 맞추기 위한 표시로서 정점을 사용하기 때문에 필요하고, 이는 희석도 감쇠를 계산하는데 다시 사용된다. 그러나, 실지로 이 방식은 상대적으로 느린 심박과 감쇠 파라미터 τ보다 상당히 빠른 응답의 서미스터에 대해서만 정확하다.

효과에 있어, 종래의 이러한 시스템은 정방형파 희석도 곡선을 가정한다. 그러나, 이는 통상 비현실적인 가정이다. 먼저, 병원에서 EF 측정을 필요로 하는 대부분의 환자는 최상의 건강상태가 아니고, 오히려 상대적으로 높고 비정상적인 심박을 갖는다. 또한, 상대적으로 차가운 액체의 약을 사용하는 시스템에서, 감지된 심장 박동은 차가운 약 자체가 심장 박동뿐만 아니라 그 정규성에도 영향을 주므로 부정확하기 쉽다. 둘째, 실제 서미스터는 정점을 왜곡시켜, 지수적 맞춤은 왜곡되게 된다. 셋째, EF가 상승하면서 정점의 강하도 증가한다. 이 시스템의 한정된 신호 대 잡음비 때문에, 이는 시스템이 더 적은 정점을 사용하게 하여 정확도를 떨어뜨린다.

예를 들면, 한 공지된 시스템은 EF 및 EDV를 측정하기 위해 신속 응답 주입 심장 출량 폐동맥 도뇨관을 심전도 R파 검출기와 함께 사용한다. REF를 측정하는 지수적인 방법은 R파 이벤트를 열적 희석도 곡선의 하향 기울기동안 발생하는 정점과 동기화시키고 곡선의 감소를 지수함수에 맞춘다. 그러므로, T(i)는 i번째 R파 이후의 PA 온도이고, T(i-n)는 시간상 n R파 앞선 온도이면,

여기서 t는 시간이고 τ는 감쇠 파라미터이다.

n이 관찰 기간(예를 들면, 피크의 80% 내지 30%)에서 R파의 수일 때, 외과적 유실 감쇠는 그러므로 (1-EF)ⁿ으로 표현될 수 있다. 심박(HR)의 면에서 시간을 다음과 같이 표현할 수 있다.

여기서 HR은 분당 박동 수에서 (i-n)번째 내지 i번째 R파의 국지적 평균이다. 주어진 관계에서, 다음이 얻어질 수 있다.

이러한 시스템의 한가지 문제는 올바른 외과적 감쇠 시간을 측정할 수 있을 정도로 서미스터가 충분히 빠른 응답 시간을 가져야 한다는 것이다. 낮은 심박에서, 이는 심장 수축기동안 온도 데이타에 정점들을 넣고, 이는 감쇠 파라미터 τ를 판정하는데 다루어져야 한다. 실지로, 이는 그와 달리 국지적 평균 HR이 필요한 모든 것이므로 R파 동기화에 대한 주요 이유이다.

이러한 공지된 시스템의 다른 문제는 약 기반이고 자연적으로 간헐성이라는 점이다. 또한, 온도 데이타의 일부만이 사용된다(약 80％ 유실의 R파 내지 약 30％ 유실의 R파: 통상적으로 1-5 R파). 이는 불규칙한 R파 간격 또는 호흡기와 같은 큰 잡음원으로 인해 주입 심장 출량(ICO)의 측정에 편차를 일으키거나 정확성이 결여되게 한다.

이전의 맥코윈 시스템은 이 대신 양호하게는 의사 랜덤 이진 열 신호의 형태로 입력 주입 신호를 생성하고 입출력 채널의 전달 함수 모델의 파라미터를 추정하여 이러한 약 기반 방식을 개선한다. 사용된 양호한 모델은 지연 정규 전달 함수(lagged normal transfer function)(이하 설명됨)이다. 전달 함수 모델의 측정 및 모델링은 모두 주파수 영역에서 양호한 입력 주입 신호의 고조파에서 수행된다. 이 시스템의 단점을 이해하기 위해서, 전달 함수의 지연 정규 모델에 대한 최소한 기본 지식을 갖는 것이 도움이 된다.

심장 출력을 추정하는 맥락에서, 배싱드와이트 등의 "Application of Lagged Normal Density Curve as a Model for Arterial Dilution Curves," Circulation Research, vol. 18, 1966에 설명된 "지연 정규 모델"은 특히 정확하고 유용한 것으로 판명되어서, 예를 들면 맥코윈 '733에서 사용된 심장 출량을 위한 모델이다. 지연 정규 모델은 임펄스 응답이 단위 영역 가우시안(정상 분포) 함수와 단위 영역 감쇠 지수의 콘볼루션인 선형 시변 시스템(LTIS)으로서 정의된다. 가우시안은 평균 μ와 표준 편자 σ의 두 가지 파라미터를 갖는다. 지수는 시간 감쇠 파라미터 τ의 한 가지 파라미터를 갖는다. 단위 이득, 샘플링된 각각의 주파수 ω에서 지연 정규 전달 함수 H_LN는 μ, σ, τ에 다음과 같이 의존한다.

여기서 exp는 지수 함수이고, 파라미터의 물리적 의미는

μ: 병진 유량을 나타내는 순수 시간 지연

σ: 랜덤 산포의 측도

τ: 지연 파라미터, 즉, 이 예에서, 혈관인 분산 용적에서의 혼합에 관련된 시상수

μ, σ, τ의 단위는 시간(초)이고, ω의 단위는 초당 라디안(radians per second)이다.

이 모델은, 예를 들면 맥코윈 '733 시스템에만 사용되는 것이 아니라, 맥코윈 '733 기술 위에 구성된 본 발명과 동일한 발명자에게 이제 허여된 미국 특허 제6,045,512호인 1998년 6월 9일에 출원된 동시 계류 미국특허출원 제09/094,390호에서 설명된 더 많은 최신 시스템에서도 사용된다.

다른 지시자가 사용될 수 있지만, 이 시스템의 양호한 실시예에서는 열이 지시자로서 사용되고, 지시자 드라이버 신호는 의사 랜덤 이진 시퀀스(PRBS)이다. 그러므로, 드라이버/센서 쌍은 양호하게는 히터 및 서미스터로 구성된다. H_LN은 각각이 히터 전력 신호 x와 서미스터 온도 신호 y사이의 전달 함수의 측정을 나타내는 복소값 Hxy(ω_n)의 벡터의 최적화된 형태로서 추정된다. 각각의 벡터는 10개의 주파수 ω_n(최초 10개의 PRBS 고조파)의 각각에서 측정된 온도 데이타에 맞추어진 파라미터를 포함한다.

더욱 구체적으로, 맥코윈 '733의 시스템은 다음과 같이 정의되는 비용 함수 Cost_Hxy를 최소화하는 상태 벡터 X=[dc, μ,σ,τ]를 계산한다.

여기서 SUM은 N=1 내지 10에 걸쳐 취해지고(또는 얼마든지 많은 고조파가 사용됨), W(ω_n)은 가중치이고,

이는 상태 벡터 상태 벡터 X=[dc, μ,σ,τ]가 주어질 때 PRBS 고조파 주파수 ω_n에서 평균화된 지연 정규 전달 함수 모델 Hxy_LN(ω_n|X)에 대한 측정 전달 함수 Hxy_avg(ω_n)의 절대 에러 제곱(SAE)이다.

일단 μ,σ,τ가 알려지면, 10개의 측정된 복소수 Hxy(ω_n)의 각각은 다음에 따라 심장 출량의 추정을 개별적으로 제공할 것이다.

여기서 K는 공지되거나 실험적으로 결정될 수 있는 변환 상수이다.

이 관계를 적용하기 위해서, 맥코윈 '733 시스템은 먼저 μ,σ,τ의 값이 무엇이어야 하는지 결정할 뿐만 아니라 10개의 심장 출량 추정 CO(n)이 어떻게 결합되어야 하는지도 결정한다. 심장 출량이 H(ω) 또는 Hxy(ω)의 형태에 의존하지 않으며 Hxy의 영 주파수 이득, dc에 의존한다는 것을 알아야 한다. 실험적 전달 함수 Hxy가 영이 아닌 10개의 주파수 ω_n에서 측정되므로, 그러나, 맥코윈 '733 시스템은 본질적으로 영 주파수에 측정된 Hxy(ω)를 외삽한다. 공지된 최적화 루틴이 관측값에 10개의 모델링된 전달 함수값 H_xy의 최선 맞춤을 제공하기 위해 사용된다. dc가 와트당 ℃ 단위의 영 주파수(ω=0) 이득값이고, K는 단위(분당 리터)/(와트당 ℃)가 있는 실험적으로 결정된 상수일 때, CO에 대해 앞서 보인 관 계는 CO=K/dc로 축약될 수 있다.

맥코윈 '733 시스템이 감쇠 파라미터 τ는 물론 연속적인 CO값(등가적으로, dc 값)을 제공한다는 것을 알자. 여기에서 "연속"이 디스플레이된 값이 "연속적으로 변하는" 것을 의미하는 것이 아니라 초기 주기 이후에 매 처리 사이클(양호하게는 PRBS 사이클)마다 갱신될 수 있음을 의미한다는 것을 알자.

그러나, 종래 기술에는 주파수 영역(통상적으로, 상호상관) 전달 함수 측정 및 모델링에 기반한다는 문제가 있다. 이 종래 기술의 주요 한정점은 더블유. 디. 데이비스(W.D. Davies)에 의해 "System Identification for Self-Adaptive Control," Wiley-Interscience, 1970에서 언급된 것으로, 즉 "여기에 기술된 기술이 알려지지 않은 시스템의 주파수 응답을 식별하는 것으로서 고려될 수 있으므로, 이는 최종 추정에서 불행히도 시스템 대역폭 내에 있는 잡음의 주파수 성분을 결합하고, 이제까지 잡음으로부터 신호를 분리할 수 있는 이론이 없다.

맥코윈 '414' 및 '733 시스템에서, 예를 들면, 전달 함수 dc 이득만이 사용되고, 이제 미국특허 제6,045,512호로 허여된 동시 계류 미국특허출원 제09/094,390호와 같은 다른 시스템에서는 심장 박동 추정에 추가하여 지시자 감쇠 시상수 τ가 사용된다. 그러나, 이러한 종래 기술의 문제는 추정 에러가 파라미터 dc, τ, σ, μ사이에 결합되는 정도이다. 이 결합은 주로 저주파수 열적(지시자) 잡음, 예를 들면 자연적인 또는 기계적 호흡장치에 의한 환자의 호흡에 의해 생성된 잡음에 기인한다. 파라미터 추정은 심장 출량의 추정에 부정적으로 영향을 주고 또한 측정이 의학적으로 허용될 수 없을 정도로 추정된 REF 및 EDV의 정확도를 저하시킨다.

이전 기술의 다른 문제는 전달 함수 데이타를 분석하기 위해 4개의 파라미터(dc, τ, σ, μ) 지연 정규 주파수 영역 모델을 사용한다는 점이다. 통상적으로, 충분한 잡음이 존재하면, 최적화 루틴(예를 들면, 에러 제곱 비용 함수 최소화)은 형태 파라미터의 벡터( τ, σ, μ)에 대해 국지적 또는 틀린 최소값으로 수렴할 수 있다. 즉, τ, σ, μ의 몇몇 "최선"의 조합이 있고, 대부분 또는 전체가 참 값으로부터 너무 멀어 허위 의미에서 나쁘다. 이것이 연속 심장 출량(CCO) 측정의 질에 약간 영향을 주지만(일부 dc- τ결합으로 인해), τ의 정확한 추정이 요구되므로 기존 시스템에 의해 연속 EF/EDV의 정확한 결정에서 주요한 장애이다.

지연 정규 모델을 사용하는 상술한 주파수 영역 기술의 한가지 다른 단점은 한정된 수의 고조파만에 기초하여 추정을 계산한다는 것이다. 결국, 주요(최초 10개) PRBS 고조파의 대역폭 밖에 놓인 더 빠른 시상수는 거의 결정되지 않는다.

그러므로, EF 또는 EDV 또는 이 둘의 연속 추정을 생성할 수 있고 그 추정이 실질적으로 dc 및 τ추정에서 저주파수 유발 에러에 의해 영향을 받지 않아 보다 정확한 CO 및 EF/EDV 측정을 제공할 수 있는 시스템이 요구된다. 본 발명은 CO 및 EF/EDV를 판정하기 위한 이러한 시스템 및 그 방법을 제공한다.

본 발명은 미리 정해진 주입된 지시자 신호 x(t)에 따라 지시자(양호하게는 열)가 환자의 심장의 업스트림 위치에서 주입된 것에 따라 환자의 심장 출량 (CO: cardiac output) 및/또는 심장 박출 계수 EF(ejection fraction)와 같은 심장 기능값을 추정하는 방법을 제공한다. 그리고나서, 서미스터와 같은 지시자 농도 센서는 다운스트림 위치에서 국지적 지시자 농도 신호 y(t)를 감지한다. 업스트림 위치부터 다운스트림 위치까지의 영역이 혈액에 대한 채널을 형성한다.

그리고나서, 지시자 농도 신호는 주입된 지시자 신호와 동기인 최소한 하나의 서브신호로 분할된다. 그리고나서, 처리 시스템은 입력으로서 각 서브 신호를 갖는 제1 시간 영역 채널 이완 모델을 계산한다. 그리고나서, 제1 시간 영역 채널 이완 모델의 미리 결정된 함수로서 감쇠 파라미터 τ를 계산한다. 그리고나서, 처리기는 감쇠 파라미터 τ의 미리 정해진 함수로서 심장 기능값을 추정한다.

본 발명의 양호한 실시예에서, 주입된 지시자 신호 x(t)는 하이 상태와 로우 상태 사이의 교번하는 천이의 시리즈로서 발생된다. 적절한 주입된 지시자 신호의 예는 주기적 의사 랜덤 이진 시퀀스(양호한 실시예), 랜덤 또는 주기적 랜덤 정방형파의 트레인, 및 삼각 함수 및 확산 스펙트럼 신호와 같은 비이진 신호도 포함한다.

y_tau 적분(integration)으로 지칭되는 본 발명의 일형태에 따르면, 각 세그먼트가 서브신호 중 하나를 포함할 때, 주입된 지시자 신호의 각 천이에 대해 지시자 농도 신호의 해당 세그먼트(segment)가 분리된다. 그리고나서, 지시자 농도 신호의 각 세그먼트에 대해, 세그먼트 이완 파라미터가 계산된다. 그리고나서, 처리기는 세그먼트 이완 파라미터의 미리 정해진 함수로서 감쇠 파라미터 τ를 계산한다.

주입된 지시자 신호가 주기적이고, 각 주기동안 복수의 천이가 있는 본 발명의 구현예에 있어서, 지시자 농도 신호의 각 서브 신호는 주입된 지시자 신호의 한 주기에 해당한다. 본 발명의 y_tau 적분 실시예는 양호하게는 감쇠 파라미터 τ가 계산되기 전에 모든 세그먼트의 부호 정류화를 더 포함한다.

y_tau 적분에서, 감쇠 파라미터 τ를 계산하는 단계는 감쇠 파라미터의 시간 영역 지수 함수로서 최초 시간 영역 채널 이완 모델을 발생시키는 서브 단계와, 감쇠 파라미터의 지수 함수와 지시자 농도 신호의 각각의 세그먼트 사이의 차이의 합의 미리 정해진 함수인 비용 함수를 계산하는 서브 단계와, 비용 함수의 최소를 판정하여 감쇠 파라미터 τ를 계산하는 단계를 포함한다.

CO가 추정되는 본 발명의 실시예에서, 본 발명의 시스템은 심박 모니터를 포함한다. 그리고나서, 비용 함수는 양호하게는 감쇠 파라미터 τ 및 정상 상태 채널 이득 파라미터(dc) 모두의 미리 정해진 함수이다. 그리고나서, 본 발명에 따른 처리 시스템은 비용 함수를 최소화하는 감쇠 파라미터 τ 및 정상 상태 채널 이득 파라미터(dc)의 최적값을 판정한다. 그리고나서, 정상 상태 채널 이득 파라미터의 최적값의 미리 정해진 함수로서 심장 출량(CO) 값을 계산하고, 정상 상태 채널 이득 파라미터의 최적값 및 측정된 심박(HR: heart rate)의 미리 정해진 함수로서 심장 박출 계수(EF)를 계산한다.

y_avg 적분으로 지칭되는 본 발명의 제2 형태에 따르면, 처리기는 지시자 농도 신호 y(t)를 각각이 주입된 지시자 신호의 한 주기에 해당하는 복수의 서브 신호로 분할한다. 그리고나서, 서브 신호의 평균이 평균 지시자 농도 신호를 형성하기 위해 계산된다. 그리하여 채널 이완 모델이 지연 파라미터 τ 및 정상 상태 채널 이득 파라미터(dc) 모두의 시간 영역 지연 정규 함수로서 발생된다. 그리고나서, 계산된 비용 함수는 평균 지시자 농도 신호와 주입된 지시자 신호와 콘볼류션된 시간 영역 지연 정규 함수 사이의 차이의 미리 정해진 함수이다. 그리고나서, 시스템은 비용 함수를 최소화하는 지연 파라미터 τ 및 정상 상태 채널 이득 파라미터 dc의 최적값을 판정한다. 그리고나서, CO 및 EF의 값이 (CO를 위한) 정상 상태 채널 이득 파라미터 및 (EF를 위한) 정상 상태 채널 이득 파라미터 및 측정된 심박(HR)의 최적값의 미리 정해진 함수로서 계산된다.

결합된 파라미터 추정을 포함하는 본 발명의 다른 실시예에서, 지연 파라미터 τ 및 정상 상태 이득 dc의 추정은 y_tau 적분 사용, y_avg 적분 사용, 채널의 주파수 영역 지연 정규 모델에 기초하여 비용 함수를 최소화하는 최적값 판정의 3가지 방식으로 판정된다. 그리고나서, 이 3가지 추정은 정규화되고 가중 평균을 사용하여 결합된다.

도 1은 환자의 심장의 박출 계수, 또는 이완기말 용적, 또는 이 둘은 물론 심장 출량의 연속 추정을 위한 본 발명에 따른 시스템의 제1 실시예의 블록도.

도 2A-2D는 복합 이완 파형을 얻기 위한 다중 이완 파형을 생성하고 계산하기 위한 본 발명에 따른 방법을 도시하는 도면.

도 3은 본 발명의 제2 실시예의 블록도.

도 4는 본 발명의 결합된 추정 실시예의 블록도.

본 발명의 주요 두 실시예가 이하 설명된다. 광의에서, 양호한 지시자 주입 신호 x(t)의 의사 랜덤 성질은 dc 이득(이로부터 심장 출량 CO가 계산될 수 있다), 및 상대적으로 용이하게 판정되는 심박 HR이 주어지면 이로부터 EF/EDV가 계산될 수 있는 지시자 이완 시상수 τ의 정확한 추정을 이끌어내기 위해 시간 영역에서 표현된다. 이는 적분, 즉 주입된 지시자 신호 x(t)와 동기화된 감지된 지시자 신호 y(t)의 누적 결합을 이용하여 달성된다. 본 발명의 양호한 실시예에서, 입력 신호 x(t)는 의산 랜덤 잡음 소거를 제공하는 의사 랜덤이다. 종래 기술에 따르면 시스템에서 입력 신호와 결합된 저주파수 잡음이 효과적으로 분리된다. 동기 신호 적분에 대한 주요 두 가지 우수한 방법은 별도로 이하 설명된다.

그러나, 이 방법을 설명하기 전에, 본 발명의 주요 하드웨어 구성요소가 정의되고 설명된다. 본 발명의 특정 실시예에 특수한 하드웨어 구성요소는 각각의 실시예의 다른 세부사항에 따라 정의된다.

일반 시스템 구성요소

도 1은 환자의 심장의 박출 계수(EF) 또는 이완기말 용적(EDV:end diastolic volume) 또는 모두의 연속 추정을 위한 본 발명에 따른 시스템의 제1실시예의 블록도이다. 이 시스템은 또한 심장 출량 CO의 추정도 생성한다. 그러나, 도 1은 본 발명의 두 주요 실시예에서 사용된 시스템 구성요소도 도시한다. 환자의 심장 출량 CO의 정확한 측정을 위해, 환자의 우심방/심실(100) 내 또는 근처의 혈액 내에 지시자를 주입하고 폐동맥(102)의 가지 내 또는 기부에서 지시자 농도 신호를 감지하는 것이 유리하다. 그러므로, 이러한 주입 및 감지 위치는 본 발명의 양호한 실 시예를 도시하기 위해 이하에서 가정된다. 우심방/심실로부터 폐동맥을 통하는 혈류는 평행한 화살표로 도 1에서 표시되어 있다.

정확도를 증가시키기 위해, CO의 측정의 기초로서 열 신호를 사용하는 것이 양호하다. 그러나, 이하 설명되는 것처럼, 이것만이 사용 가능한 지시자인 것은 아니다. 지시자 주입 장치(104)는 우심방(100)에 위치된다. 지시자가 열인 양호한 실시예에서, 주입 장치는 전기 발열 소자(104)이다. 발열 소자(104)는 그 온도가 미리 정해진 신호 프로파일을 따르도록 발열 소자(104)를 구동하는 구동 회로(106)를 통해 소자에 공급된 전류 또는 전압에 의해 온도가 결정되는 양호하게는 저항 소자이다.

지시자 농도 센서(108)는 폐동맥(102)에서 다운스트림 위치에 위치된다. 지시자가 열인 양호한 실시예에서, 센서는 서미스터 또는 온도 감지 소자(108)와 유사한 것이다. 발열 소자(104) 및 서미스터(108)는 양호하게는 도뇨관의 말단 또는 그 근처에서 떨어져 장착되고, 환자의 정맥으로 공급되어 발열 소자 및 서미스터가 그 동작 위치에 도달할 때까지 혈관 속으로 흘러 들어간다. 이 기술은 공지되어 있으므로 더 이상 설명하지 않는다.

종래의 전력 및 클럭 장치는 양호하게는 본 발명의 구동 회로(106) 및 다른 구성요소에 전력 및 타이밍 신호를 공급하기 위해 포함된다. 이 장치는 공지되어 있으므로 더 도시되거나 설명하지 않는다.

서미스터(108)는 순간 온도 신호 y(t)가 그 온도가 측정되는 혈액의 실제 순간 온도를 근접하게 예측 가능하게 반영하는 것을 의미하는 빠른 응답을 갖는 것으 로 가정된다. 이 가정이 유효하지 않다면, 센서의 느린 응답 시간의 효과를 보상하기 위해서 "역" 전달 함수 단계가 이후 필터링에서 포함될 수 있다. 이 선택적 과정은 이하 설명된다.

지시자 농도 신호 y(t)를 판정하는 서미스터(108)로부터의 전기 출력 신호는 주요 처리 시스템(처리기)(112)에 입력 신호로서 인가된다. 처리기(112)는 임의의 공지된 구조를 이용하여 실현될 수 있다. 예를 들면, 처리 시스템(112)은 전용 보드 상의 메모리(113) 및 조정 회로와 같은 표준 보조 구성요소와 함께 단일 전용 마이크로프로세서를 포함할 수 있다. 한편, 본 발명에서 사용된 처리 시스템(112)은 환자 모니터링을 위한 다른 장치와 같은 다른 상관없는 시스템과 그 자원을 공유도 할 수 있다. 처리기(112)의 다양한 서브 처리 구성요소는 본 발명의 다른 실시예에 대해 이하 설명된다. 이 구성요소의 임의의 것 또는 전부는 당업자가 이해할 수 있는 것처럼 하드웨어 또는 소프트웨어로 구현될 수 있다.

본 발명의 모든 실시예에 공통인 하나의 서브 처리 구성요소는 주입 신호 처리기(114)이다. 이 서브 처리기[소프트웨어 또는 하드웨어로서 일반 처리 시스템(112) 자체로서 구현됨]는 발열 소자(104)가 따를 온 오프 상태의 패턴을 발생시킨다.

또한, 처리기(112)는 계산된 CO 및 EF 및/또는 EDV값이 사용자에게 디스플레이하는 종래의 디스플레이(및/또는 인쇄) 유닛(120)에 연결되거나 이를 포함한다. 디스플레이(120)는 임의의 종래의 디스플레이 드라이버 또는 다른 표준 회로를 포함한다.

주입된 지시자 신호 x(t)

본 발명의 양호한 실시예에서, 주입 장치가 따르는 주입된 지시자 신호(양호하게는, 열)는 맥코윈 '733 특허에서 설명되어 있다. 이 시스템에서, 상술한 옐더만 시스템에서와 같이, 발열 신호는 다운스트림 감지 위치에서 낮아서 외상은 감소시키는 평균 인가 열을 사용하여서도 높은 스펙트럼 내용을 갖는 효과적으로 검출가능한 농도 신호 y(t)(양호하게는 온도)를 제공하기 위해서 의사 랜덤 이진 시퀀스(PRBS)에 기초하여 발생된다. 또한, 신호가 의사 랜덤이지만, 시스템에 여전히 항상 알려져서 그에 기초된 계산의 특성이 잘 이해되고 조정된다.

PRBS의 수학적 구조 및 다른 성질이 공지되어 있다. 일반적으로, PRBS는 하나 이상 또는 "OFF" 또는 "0" 상태의 수보다 적은 "ON" 또는 "1"상태의 총 수를 갖고 의사 랜덤적으로 분포된 상태를 갖는 2ⁿ-1 이진 상태로 구성된다. 본 발명의 설명된 실시예에서, 15 상태 PRBS(n=14)는 30-60초의 한 주기로 가정된다. 이 길이는 심장의 생리적인 유실 특성의 대역폭과 일치한다. 다른 PRBS 길이가 본 발명에서 사용될 수 있지만, 이들을 조정하기 위해 필요한 이하 수학식에 대한 다른 PRBS 시퀀스로의 변형예가 당업자에게 자명할 것이다. 주어진 응용예에서 최선의 PRBS 길이는 정상적인 실험적 방법을 사용하여 선택될 수 있다.

본 발명의 다양한 실시예에 대한 이하 설명에서, 혈액에 주입된 지시자로서 열이 사용된다고 가정한다. 이와 같이, 업스트림 지시자 드라이버는 발열 소자이고, 다운스트림 지시자 센서는 서미스터이다. 이 기술은 잘 확립되어 있고 본 발 명의 시제품 및 시험에서 선택되었으므로 이는 양호한 선택이다. 맥코윈 '733에서 설명된 방법을 사용하고 또한 지시자로서 열을 사용함으로써 매우 정확한 CO 추정을 달성한다. 그럼에도 불구하고, 열은 본 발명에서 사용될 수 있는 가능한 한가지 지시자이다. 사용된 지시자 주입기 및 센서가 측정가능하고 충분히 잘 정의된 무잡음 신호(정상적인 실험으로 결정될 수 있는)를 생성하는 한, 본 발명에서 시스템의 나머지를 변형하지 않거나 용이하게 실현가능한 정도로 변형하여 이 신호가 사용될 수 있다.

본 발명에서 사용될 수 있는 다른 지시자의 한 예로서, 공지된 발광 재료가 공지된 장치를 사용하여 환자의 심장에 대신 주입될 수 있다. 그리고나서, 또한 공지된 센서를 사용하여 발광은 감지된 다운스트림에서 감지될 수 있고, 발광의 변동은 지시자 농도 신호로서 작용할 수 있다. 약한 방사성 염료 또는 매체가 유사하게 사용될 수 있다.

또한, 유사한 주입 패턴을 다르기 위해서 액체를 주입하는 것도 가능하다. 주입 주기가 충분히 느리면, 예를 들면 혈액 스트림으로 적은 양의 약이 흘러 들어가서 PRBS 프로파일을 근사할 수 있고, 약 재료의 농도가 지시자 농도 신호를 설정하기 위해 해당 공지된 센서를 사용하여 다운스트림에서 감지될 수 있다. 요약하면, 사용된 지시자 주입기 및 센서가 측정가능하고 충분히 잘 정의된 무잡음 신호(정상 실험으로 결정될 수 있다)를 생성하는 한, 시스템의 나머지를 변형하지 않거나 용이하게 실현가능한 정도로 변형하여 본 발명에서 이 신호를 사용할 수 있다.

y_avg 적분

본 발명의 제1 실시예는 x(t)와 동기로 측정된 출력 신호 y(t)를 복수의 사이클에 걸쳐서 평균하여 전체적으로 시간 영역(time domain)에서 dc 및 τ파라미터의 정확한 추정을 생성한다. 신호 적분의 형태로서 동작하는 평균 처리는 정확도를 개선하고 저주파수 잡음의 효과를 제거하는데 일조한다. 그리고나서, 평균화된 출력 신호는 양호하게는 채널의 지연 정규 모델의 시간 영역 버전을 포함하는 비용 함수에서 사용된다. 이 단계는 도 1 및 도 2A-2B를 참조하여 보다 상세하게 설명하기로 한다.

도 2A는 본 발명의 양호한 실시예에서 사용된 15 상태 PRBS 입력 신호 x(t)의 한 주기를 도시한다. "1" 또는 "ON" 상태는 발열 소자(104)가 가능한 최대 전력에 있어야 함을 표시한다. "0" 또는 "OFF" 상태는 발열 소자로의 전력이 꺼져야 함을 표시한다. PRBS에서 인접(시간상) 상태가 종종 동일한 것을 알자. 그러므로, 상태 4-7는 모두 "ON"이고, 상태 8-10은 모두 "OFF"이다.

본 발명의 시제품에서, PRBS 상태는 2 - 4 초동안 변동될 수 있고, x(t)의 완전한 한 주기 및 그리하여 y(t)의 한 사이클동안 총 30-60초를 준다. 이 시간 범위는 본 발명의 양호한 실시예에서 사용되는 수 초에 걸쳐 신뢰할 수 있고 안정된 판독을 주는 것으로 판명된다.

도 2B는 열적 잡음이 없거나 거의 없다는 가정 하에 도 2A의 입력 신호에 응답하여 혈액의 감지된 온도에 해당하는 통상적인 서미스터 신호 y(t)를 도시한다. 예측할 수 있는 대로, 이하 설명된 것과 같은 최적화 루틴을 사용하여도 각 천이에서 응답에서 약간의 지연(지연 정규 모델의 파라미터 μ에 해당함)이 추정된다.

y(t)에 기초한 지연 정규 형태 파라미터를 추정할 때의 복잡성 원인은 y(t)의 단일 측정이 자연 또는 기계 호흡기에 의해 야기되는 것과 같은 저주파수 잡음에 의해 전체적으로 영향받을 수 있다. 본 발명의 양호한 실시예에서, y(t)의 수 사이클은 양호하게는 처리 시스템(112)에 의해 감지되고 기록되고 나서 이들은 평균화된다. 각 출력 신호 y(t,i)는 동일한 채널을 통해 전송되고 양호하게는 주기적인 동일한 입력 신호 x(t) 프로파일로부터 유도될 것이라는 것을 알자. 그러므로, x(t)의 각 주기는 y(t)의 주기를 준다. 즉, y(t)는 각각 x(t)에서 트리거되는 y(t,i)로 분할된다. y(t,i)를 x(t)의 i번째 입력 사이클 x(t,i)에 대한 응답에 대응하는 N개의 감지된 출력 y(t)의 i번째라고 하자. 각 y(t,i)는 i에 독립적인 동일한 시작점, 즉 동일한 x(t,i) 시작점으로부터 시작한다고 가정하면, y(t,i) 의 모든 값은 잡음이 없고 혈액 채널의 모든 성질이 일정할 때 이상적으로 동일할 것이다.

그러므로, 잡음의 효과를 감소시키기 위해, 차후의 계산에서 사용되는 단일 적분 출력 신호 yavg(t)를 형성하기 위해서 수 개의 y(t,i) 값이 측정되고, 기록되고 수학적으로 평균화된다.

여기서 SUM은 i=1 내지 N까지에서 취해진다.

예를 들면, y(t,i) 측정의 필요한 축적 및 평균화 단계는 출력 평균화 서브 처리 블럭(처리 모듈) 또는 루틴(210)에서 수행된다. 주입 신호 발생기(114)는 트리거링 및 각 y(t,i) 측정에 대한 시작 및 종료 시간의 일관된 정의를 제공하게 위 해서, 양호하게는 이 출력 평균화 블럭(210)에 (하드웨어 트리거링 및 간단하게 소프트웨어를 사용하여) 연결된다.

x(t)(및 y(t)라는 응답)가 의사랜덤인데 반해서 호흡 잡음은 의사 랜덤이 아니므로, 호흡 잡음은 평균화되는 y(t,i)의 수에 따라 이 평균화(적분) 처리에 의해 감소될 것이다. 의학적 시도는 n=7에서 호흡 잡음이 보다 더 잘 제거된다는 것을 보였다. 그러나, 보다 많은 출력 신호가 평균화될수록 CO, EF 및 EDV 추정을 얻는데 더 긴 시간이 걸리고, 시스템이 이 값에서 단기 변화를 검출할 수 없기가 더 쉬울 것이다. 그러므로, n에 대한 "최선"값은 환자 및 응용예에 의존할 것이고, 정상적인 의학적 실험적 방법을 사용하여 선택될 수 있다.

yavg값이 판정된 후, 이는 본 발명의 제1 실시예에서 그 파라미터가 모델 서브 처리 블럭 또는 루틴 모듈(216)에 저장될 수 있는 지연 정규 모델 h_LN으로 시간 영역에서 표현된 지연 정규 모델을 포함하는 비용 함수에서 사용된다. 지연 정규 모델의 일반 구조는 공지되어 있다. 의학적 시험에서 dc 및 τ에 대해 정확한 결과를 주는 것으로 판명된 지연 정규 모델의 한 가지 시간 영역 형태가 다음과 같이 정의된다.

여기서 erf는 표준 에러 함수이고,

SQRT는 제곱근이고,

fs는, 예를 들면 y(t,i) 평균화 블럭(210) 또는 서미스터(108) 출력 신호 y(t)를 수신하고 조정하고 샘플링하기 위해 포함된 처리 시스템(112) 내에 있거나 이에 연결된 종래의 조정 및 샘플링 회로에 의해 y(t)가 샘플링된 주파수이다.

정상 상태 온도는 dc 이득을 판정하고, 이완 곡선의 형태는 지연 정규 형태 파라미터(μ, σ, τ)에 의해 결정된다.

본 발명의 이 실시예에서, 그리고나서 yavg(t) 파형은 공지된 최적화 알고리즘을 사용하여 다음 수학식의 비용 함수를 최소화하는 상태 벡터 X=(dc, μ, σ, τ)를 찾아서, 이 시간 영역 지연 정규 모델 임펄스 응답 h_LN의 도움으로 비용 계산 서브 처리 블럭 또는 루틴(220)에 의해 분석된다.

여기서 ymodel_avg = h_LN(X)와 콘볼루션된 x(t)이고,

함수 yavg(t) 및 ymodel_avg(t)는 점마다, 즉 샘플마다 다르다.

그러므로, 이 최적화는 소망 파라미터 dc, μ, σ, τ의 추정을 제공한다.

공지된 것처럼, 맥코윈 '733으로부터의 예를 들면, 시스템은 τ 및 심박 HR의 추정을 갖는 한 EF를 추정할 수 있다. 바로 설명된 최적화 루틴은 τ를 준다. HR은 양호하게는 처리 시스템(212)에 연결된 임의의 종래의 모니터링 시스템(230)에 의해 공급된다. 그러므로, 심장 기능 서브 처리 블럭 또는 처리 모듈(240)은 EF = 1-exp(-60/(τx HR))을 계산하여 EF를 판정한다.

SV(stroke volume)가 박동량이고 CO는 분당 용적(리터) 단위로 측정될 때 CO = HR x SV를 더 관측한다. 이는 심장이 1분에 펌프질하는 혈액량이 분당 맥박(심박) 수 곱하기 매 맥박(심박)마다 펌프질하는 양과 동일하다는 것을 간단하게 표현한다. 최종적으로, 이완기말 용적(EDV) 및 박출 계수(EF)는 다음과 같은 관계가 있음을 알자.

EF = SV/EDV

또한, 이는 심장의 펌프 효율이 심장이 매 박동(수축)마다 펌프질하는 혈액량과 박동직전에 심장 공간에 있는 혈액의 비율이라는 직관적인 관계를 표현한다. 이 표현을 다시 정렬하여, EDV=SV/EF인 것을 알자.

또한, CO = K/dc이므로, 심장 기능 서브 처리 시스템(240)은 최적화 루틴으로부터 수신된 dc값 및 공지되고 미리 정해진 변환 상수 K에 기초하여 CO를 계산한다. CO를 심박 HR[심박 모니터(230)로부터 얻은)로 분할하여, 서브 처리 시스템(240)은 SV=CO/HR를 계산하고, 일단 SV가 알려지면, 서브 처리 시스템(220)은 EDV를 1-exp(-60/(τx HR))를 계산하여 이미 추정된 EF를 갖고 SV/EF로서 계산한다. 본 발명은 물론 CO 및/또는 EF/EDV뿐만 아니라 CO 및/또는 EF/EDV의 공지된 함수인 다른 심장 기능 파라미터를 계산하는데 사용된다.

서브 처리 시스템(216, 240)은 별도의 유닛일 필요는 없다. 오히려, 이 둘은 단일한 처리 장치로서 구현될 수 있다. 사실, 이들은 처리기(212)의 다른 소프트웨어 모듈로서 간단하게 구현될 수도 있다.

서미스터 디필터링

상술할 것처럼, 본 발명의 일부 구현예에서, 센서(예를 들면, 서미스터)(108)의 응답은 순간 지시자(예를 들면, 온도) 농도 신호 y(t)가 혈액내 실제 순간 지시자 농도를 근접하고 예측 가능하게 반영하는 가정을 증명할만큼 빠르지 않을 수 있다. 이를 보상하기 위해서, 본 발명에 따르면, 센서(108)(여기서, 서미스터)의 전달 함수(등가적으로: 스텝 응답)가 미리 계산되고 이 전달 함수의 역이 Hxy에 인가되어 센서의 느린 응답 시간의 효과를 디필터링하거나 보상한다. 전달 함수의 스텝 응답을 특징화하는 수 개의 공지된 방식이 있는데, 이중 가장 용이한 것은 각 응답을 측정하고 그 결과를 평균화하기 위해서 임펄스 입력 신호의 시리즈를 이에 단순히 인가하는 것이다. 그리고나서, 전달 함수의 파라미터는 기존 메모리(113) 또는 개별 센서와 연관될 EEPROM과 같은 별도의 파라미터 메모리 장치에 처리기(112)에 저장될 수 있다.

y_tau 적분

본 발명의 제2 실시예에서, 주입된 입력 신호 x(t)의 ON-OFF 상태에 해당하는 출력 신호 y(t)의 상승 및 하강 세그먼트가 분리되어, y(t)의 상승 및 하강 세그먼트의 비용 함수가 dc 및 τ의 추정을 제공하기 위해 최소화된다. 이 실시예는 도 2A-2D 및 도 3을 참조하여 설명하기로 한다.

15 상태 PRBS에서, "ON"에서 "OFF"로(네가티브 방향) 또는 그 반대(포지티브 방향)의 8개 천이가 있다. 이 천이는 도 2A의 괄호에 명명되어 있다. 천이 (1),(3),(5),(7)는 포지티브이고, 천이 (2),(4),(6),(8)은 네가티브이다. 지시자 농도 신호는 ON-OFF 천이 각각에서 주로 지수적인 감쇠 프로파일을 디스플레이할 것이다. 각 OFF-ON 천이에 대해, 지수적 상승 프로파일을 디스플레이한다. 매체로의 섭동이 적으므로, 채널은 이 응용예에서 선형 시변 시스템을 형성할 수 있고, 감쇠 또는 상승하는 매 천이에서의 시상수는 동일, 즉 파라미터 τ일 것으로 가정될 수 있다. 그러므로 각 천이는 각 천이가 떨어진 이완을 표시하므로 τ의 판정을 위한 기초를 제공한다. 저주파수 잡음은 일반적으로 수 개의 상태에 걸쳐 있을 것이어서 수 개의 "ON-OFF" 경계를 통과할 것이므로 저주파수 잡음은 소거될 것이다. 고주파수 잡음은 PRBS, 세그먼트의 의사 랜덤성과 동반하는 적분 모두로 인해 소거될 것이다(이하 참조).

상술한 y_avg 실시예에서처럼, 서미스터 출력 신호 y(t)의 수 개의 (n) 사이클은 이하 설명되는 최적화 계산에서 사용되는 출력 신호 y*(t)를 형성하기 위해서 양호하게는 누적되고 평균화된다. 그러므로,

y*(t)=1/n*SUM y(t,i), i=1,...,n.

이때 n은 1일 수 있는데, 즉 평균화 단계가 이 실시예에서 생략될 수 있다. 즉, 본 발명은 입력 신호의 단일 사이클에 해당하는 출력 신호로부터도 y_tau 적분(후술)을 사용하여 REF 및 CO의 추정을 생성할 수도 있다. 이로써 시스템은 수 개의 PRBS 주기동안 대기하지 않고 dc 및 τ의 정확한 값을 생성할 수 있게 된다.

이제 도 2A-2C를 다시 한번 참조하자. x(t)에서 각 천이에 대해, 각 y(t,i)에서 해당 국지적 최대(네가티브 천이에 대해) 또는 최소(포지티브 천이에 대해)가 있을 것이고, 따라서 y*(t)에도 있을 것이다. 각 천이는 그러므로 y*(t)에 대한 새로운 이완 세그먼트의 하나의 종료점을 표시한다. y(t)의 천이의 이 점들은 수 개의 공지된 방법으로 판정될 수 있지만, 가장 용이한 것은, 예를 들면 세그먼트 분리 서브 처리 블럭(315) 또는 루틴에서 단순히 처리 시스템(112)이 국지적 최소 및 최대를 식별하기 위해 y*(t)의 축적된 측정 데이타 점을 스캔하고 최소/최대의 각 연속 쌍 사이에 배치된 데이타 점을 분리된 세그먼트로서 지정하는 것이다.

네가티브 천이 직후에, y*(t)의 해당 세그먼트는 포지티브 천이 직후에 감쇠 프로파일을 디스플레이할 것이고, y*(t)는 상승 프로파일을 디스플레이할 것이다. 시스템은 선형 시변으로 가정되었으므로, 상승(+τ)의 파라미터는 감쇠(-τ)의 파라미터에 단순히 네가티브일 것이다. 예를 들면, 부호 정류 서브 처리 블럭 또는 루틴(214)에서 각 상승 세그먼트를 -1과 적산하여, 이를 동일한 시상수 τ를 갖는 "감쇠" 세그먼트로 변환할 것이다. 그 시작 천이의 수에 따라 번호가 매겨진 세그먼트 (1),(3),(5),(7)는 양호하게는 부호 정류 서브 처리 블럭 또는 루틴(325)에서 -1과 적산되어 "반전"된다. (물론, 모든 감쇠 세그먼트를 -1과 적산하여 모든 상승 세그먼트로 동등하게 변환시킬 수 있다. 대안적으로, 후술하는 비용 함수 모델에서 각 개별 세그먼트에 대해 올바른 부호를 보장하는데 필요한 "부기(bookkeeping)"을 증가시키기는 하지만 세그먼트의 부호 정류가 전혀 필요없을 수도 있다. 후술하는 모델링 표현에서 모든 이러한 부호 조정은 당업자에게는 자명하고 장황하지만 실수하기 쉬울 것이다.)

도 2C는 감쇠 프로파일을 모두 디스플레이하도록 분리되고 시간상 정렬되고 부호 정류된 2B의 y*(t)의 8개의 세그먼트를 도시한다. y*(t,m)을 y*(t)의 m번째 세그먼트라 하자. 도 2A에서 알 수 있는 것처럼, 세그먼트 (1),(2),(5),(8)는 단 일 상태 기간에 해당하고, 세그먼트 (6),(7) 각각은 x(t)의 두 상태 주기에 대한 응답을 나타내고, 세그먼트 (4),(3)은 PRBS 입력 신호 x(t)의 3 상태 및 4 상태 주기를 각각 나타낸다.

천이 사이의 각각의 실제 출력 측정의 일부만이 포함되는 세그먼트 분리 처리 때문에, 각 세그먼트는 다른 측정 시간 주기 또는 범위를 나타낼 것이다. 그러므로, 각 세그먼트 y*(t,m)는 초기 시간 t₀(모든 세그먼트에 대해 영으로 설정될 수 있음)부터 시간 t_m까지일 수 있다. 모든 세그먼트에 대해 동일한 것으로 알려지지 않았다면, 이 시간 주기는 그리고나서 각 세그먼트에 대해, 예를 들면 메모리(113) 또는 세그먼트 분리 서브 처리 블럭(315)에 저장되어야 한다.

y*(t)의 세그먼트의 이완 프로파일은 여러 방식으로 모델링될 수 있다. 이전처럼 선택된 모델에 대한 파라미터 및 함수는 서브 처리 블럭 또는 루틴(316)에 저장된다. 예를 들면, 각 이완 세그먼트는 눈금조정 지연 정규 스텝 응답으로서 모델링될 수 있다.

y_{MODEL_TAU}(t)=A*{1-[EXP]*(ERF1-ERF2)+ERF3]}

여기서

EXP1=exp((μ-t)/τ+0.5*(σ/τ)²)

ERF1=erf((μ-t)/√2*σ)+σ/(√2*τ))

ERF2=erf(μ/(√2*σ)+*σ/(√2*τ))

ERF3=erf((t-μ)/(√2*σ))

exp는 표준 지수 함수이고,

erf는 표준 에러 함수이고,

SQRT는 제곱근을 나타낸다.

그러나, 실제로는, 각 세그먼트에 대한 데이타가 세그먼트의 감쇠/상승 위치의 점을 바르게 나타낸다는 것을 보장하기 위해서는, 피크 및 골에서 떨어진 각 "곡선"의 부분만이 y*(t) 데이타로서 선택되는 것이 양호하다. 이는 수개의 방식으로 수행될 수 있고, 신호 처리 분야에서 공지된 기술이다. 예를 들면, 시스템은 피크의 80％와 최저값위의 30％ 사이, 또는 피크의 80％와 30％사이의 각 상승/감쇠 세그먼트의 부분을 분리할 수 있다. 대안적으로, 세그먼트는, 예를 들면 각 인접 피크와 골 사이의 시간상 중앙 50％인 최대와 최소사이의 시간 간격으로서 선택될 수 있다. 물론, 이 백분율 및 시간은 정상 실험 방법 및 이후의 계산에서 사용된 y*(t)의 부분이 천이 효과 및 저레벨 잡음으로부터 떨어진 올바른 이완 곡선의 일부인 것을 보장하기 위한 설계 고려를 사용하여 다르게 선택될 수 있다.

본 발명의 제2 실시예에서, 양호한 모델은 단순한 지수이다. 즉, 채널은 다음의 일반적 이완 표현에 따라 모델링된다.

여기서 A는 시작 또는 기저선 진폭이고 τ는 감쇠 파라미터이다. 부호 정류 단계이후, 모든 세그먼트는 동일한 기본 감쇠 파라미터를 갖는 감쇠 응답을 디스플레이한다는 것을 알자.

도 2D는 도 2C에 도시된 8개의 감쇠 곡선(세그먼트) y*(t,i)...y*(t,8)의 복합으로서 형성된 단일 감쇠 곡선을 도시한다. 모든 8개의 세그먼트는 최소한 한 상태를 유지한다. 4개의 세그먼트 (3),(4),(6),(7)은 최소한 두 상태에 대해 유지하고, 두 개의 세그먼트 (3), (4)는 3 상태에 대해 유지하고, 단지 하나의 세그먼트 (3)은 4 상태를 유지한다. 그러나, 각 세그먼트는 상태가 유지되는 동안 감쇠의 유효한 측정을 나타낸다. 그러므로, 감쇠 파라미터 τ의 8개의 한 상태 길이 측정, 4개의 2 상태 길이 측정, 2개의 3 상태 측정 및 하나의 4 상태 측정이 있다.

그러므로, 복합 τ 측정을 위한 한가지 방법은 각 상태 주기동안 세그먼트의 부분(또는 곡선 세그먼트의 로그로부터 형성된 직선 세그먼트)을 평균화하는 것일 수 있다. 이는 제1 상태 주기동안 8개의 세그먼트 부분의 평균에 대한 하나의 추정, 제2 상태 주기(제1의 종료로부터 제2의 시작까지)에 놓인 4개의 세그먼트 부분 (3),(4),(6),(7)의 평균에 대한 하나의 추정, 제3 상태 주기(제2의 종료로부터 제3의 시작까지)에 놓인 2개의 세그먼트 부분 (3),(4)의 평균에 대한 하나의 추정, 제4 상태 주기에 놓인 y*(t,3)의 부분에 기초한 하나의 추정인 4개의 τ추정을 제공할 것이다. 그리고나서, 이 4개의 τ추정은 그들간의 다른 기간을 고려하기 위해서 정규화되고 τ의 복합 추정을 제공하기 위해서 평균화될 수 있다.

이 실시예에서, 양호하게는 파라미터 dc 및 τ는 시간 간격 t₀ 내지 t_m에서 얻은 각 세그먼트 y*(t,m)와 해당 y_{MODEL_TAU}(t) 사이의 차이의 적분(점마다 합산)의 제곱의 합인 비용 함수의 최소를 찾아서 판정된다. 본 발명의 구현예에서, 비용 계산 서브 처리 블럭 또는 루틴(318)에서 표준 최적화 알고리즘을 사용하여 최소화된, y_{MODEL_TAU}(t)에 의한 각 세그먼트에 대한 비용 함수 는 다음과 같다.

여기서 합산은 m의 모든 값에 대해 이루어지고, 세그먼트 m에 대해 적분(이 경우, 수치적 또는 점마다 가산 및 감산)은 시간 간격 [t₀, t_m]에 대해 취해지고,

k는 영 평균 기대값을 제공하는 실험적으로 미리 정해진 전력 상수이다. 본 발명의 일구현예에서, k는 2로 분할되고, 미리 정해진 유동 상수(분당 리터)와 적산되고, 입력 신호의 ON 상태에 대해 (1-1/15) 또는 입력 신호의 OFF 상태에 대해 (1+1/15)와 적산된(총 15개의 상태중 8개의 ON이고 7개만이 OFF이므로) 최대 입력 PRBS 전력과 동일했다. (dc·k)항은 전력 및 유동의 함수로서 오프셋 및 유동을 설명한다.

A_m은 각 세그먼트에 대한 지수의 진폭이다.

다른 파라미터는 이전에 정의된 것과 같다.

이 비용함수에서, dc, τ, A_m은 알려지지 않았다. 그러나, 진폭값 A_m은 CO 또는 EF/EDV의 계산과 관계없고 무시될 수 있다. 대안적으로, 다양한 y*(t,m) 곡선은 동일한 진폭값 A에 대해 모두 미리 크기 조정될 수 있지만, 일반적으로 이 값들을 "부동(float)"으로 두고, 최적화 루틴으로 A_m을 판정하고 그 결과를 무시하는 것이 간단하게 용이할 것이고, 이는 dc 및 τ의 보다 좋은 추정을 제공하는 것으로 실험적으로 판명되었다. 그러므로, 최소화는 CO 및 ED/EDV가 서브 처리 블럭(220)에 의해 이전처럼 계산될 수 있는 dc 및 τ에 대한 추정을 제공할 것이다.

각 이완 세그먼트 y*(t,m)이 지수적이기 때문에, dc 및 τ에 대한 식별 루틴을 보기 위한 다른 한 방법은 y*(t,m)의 로그를 고려하는 것이다. 이 곡선의 로그를 취하는 것은 직선 세그먼트를 생성한다. 세그먼트의 기울기는 모두 감쇠 파라미터 τ이다. 그러나, 다른 세그먼트에 대한 시작 진폭이 최종 천이로부터의 얼마나 떨어졌는가에 의존하기 때문에, "y 인터셉트"(t₀에 대한 값)는 다르다. 도 2B에서, 예를 들면, 천이 (3)에서, 혈액은 다음 포지티브 천이가 시작하기 전에 기저선 온도로 강하한 시간이 아직 없었다. 다양한 세그먼트는 일치할 필요는 없지만 로그 공간에서 평행한 라인 세그먼트일 것이다. 그리고나서, 등가 로그 비용 함수는 상술한 것 대신 사용될 수 있고, 예를 들면 평균화될 수 있는 log y*(t,m)의 기울기는 τ에 대한 값을 제공할 것이다.

본 발명의 y_tau 실시예의 한가지 유리함은 잡음을 백색화하고 감소하는 경향이 있는 방식으로 잡음성 신호 y(t)를 자체에 겹친다는 것이다. 이는 특히 이완이 가장 큰 곡률을 갖는 최초 두 상태 동안(각각 8개 및 4개의 세그먼트를 갖는) 사실이다.

B y_avg 및 y_tau 추정 B를 상술한 본 발명의 두 실시예에서, 출력 신호 y(t)는 각각이 입력 신호 x(t)의 상태 변화와 동기인 섹션 또는 "서브 신호"로 분 할되거나 또는 "파스(parsed)"된다. y_avg 추정 방법의 경우에, 서브 신호는 전체 y(t,i) 출력 신호이다. y_tau 추정 방법의 경우에, 또한 출력 신호는 입력 신호의 주기에 해당하는 서브 신호로 분할되지만, 각 서브 신호는 그리고나서 입력 신호의 개별 상태 변화(0 내지 1, 또는 1 내지 0)에 해당하는 경계를 갖는 세그먼트로 더 파스된다.

섹션이 입력 신호 x(t)와 동기이지만, 이들은 어떠한 특정 잡음원과 동기이지 않다. 또한, 주입된 지시자 신호 x(t)를 환자의 심장 자체, 예를 들면 특정 R파 이벤트와 동기화시킬 필요가 없다. 그러므로, 지시자 농도 신호 y(t)는 또한 일반적으로 심장 사이클과 동기이지 않을 것이다. 이 주입된 지시자 신호와의 동기화는 심장과는 반드시는 아니지만 dc 및 τ의 계산에서 잡음의 효과를 감소시킨다.

결합된 파라미터 추정

도 4에 도시된 본 발명의 또다른 실시예에서, 맥코윈 '733에서 설명된 주파수 기반 지연 정규 모델 기술 및 후술될 y_avg 및 y_tau 적분 기술의 하나 또는 양호하게는 두 가지를 결합하여 정의된 비용 함수를 최소화하기 위한 dc, τ파라미터 추정이 공지된 수치 최적화 기술을 사용하여 얻어진다.

도 4에서, 본 실시예를 설명하는데 관련있지 않은 본 발명의 대부분의 구성요소는 명료를 위해 생략했지만, 주어진 것으로 상술한 것처럼 가정되어야 한다. 도 4에 도시된 것처럼, 공통 입력 신호 조정 회로(410)는 필요하면 샘플링 및 아날로그 대 디지탈 변환과 같은 종래의 처리 단계를 처리하기 위해 포함된다. 비용 판정을 포함하는 yavg 및 ytau 적분 단계는 각 서브 처리 블럭 또는 루틴(420,422,430,432)에서 각각 수행된다. 그 비용 함수를 계산하기 위해 필요한 처리 루틴과 함께 주파수 영역 지연 정규 모델의 파라미터가 서브 처리 블럭(440)에 포함된다. 본 발명의 이 실시예에서 사용된 3개의 다른 추정 서브 루틴에 대한 가중값을 갖는 서브 처리 블럭(또는 메모리 위치)은 블럭(450,452,454)으로 도시되어 있다. 이 구성요소 및 그 기능은 후술된다.

이 실시예에서, 결합된 비용 함수는 다음과 같이 정의된다.

여기서

Cost_Hxy는 후술되고 수학식 5에 해당되고,

Cost_yavg는 수학식 10으로 정의되고,

Cost_ytau는 수학식 12로 정의되고,

W_Hxy, W_yavg 및 W_ytau는 미리 정해지거나, 고정되거나, 가변인 비용 가증값이다.

df_Hxy, df_yavg 및 df_yrau는 이하 정의된 정규화 항이다.

여기서

Hxy(ω_n)은 PRBS x(t) 입력 신호의 n차 고조파에서 x(t)에 대한 y(t)에 관련된 측정된 주파수 영역 전달 함수이고,

Hxy_LN(ω_n)은 주파수 영역 전달 함수 모델이고, 양호하게는 수학식 4에 따른 지연 정규 모델이고,

W(ω_n)는 수학식 5와 같이 ω_n에서 입력 신호 대 출력 잡음 전력비를 측정하는 가중값이다.

전력 인수는 x(t)의 ON 상태동안 와트의 히터 전력 -이는 Cost_Hxy를 Cost_yavg 및 Cost_ytau에서와 동일한 제곱 온도(섭씨) 에러의 단위를 갖게 한다. df_Hxy 정규화는 자유도를 설명한다. 직교의 통상적인 통계적 가정을 하면,

여기서

Nfreq는 고조파(n=1에서 Nfreq까지에 대한 ω_n)의 개수이고, Nfreq=10이고,

Nstate는 추정된 파라미터의 개수이고, df_Hxy=5를 제공하는 4 파라미터 지연 정규 상태 벡터 X=[dc,μ,σ,τ]에 대해 Nstate=4이다.

df_yavg 정규화 항은 유사하게 자유도를 설명한다. 예를 들면,

df_yavg = SPR - Nstate - 1

여기서 SPR(실행 당 샘플)은 yavg에서의 샘플의 개수이다. Fs=10 Hz의 통상적인 샘플링비와 1분의 PRBS 사이클을 사용하면, SPR=600이고 df_yavg=595가 된다.

양호한 실시예에서 사용된 것과 같은 Cost_ytau은 8개의 데이타 세그먼트의 각각에 대해 개별적 진폭 정규화 파라미터 A_m의 포함을 필요로 한다. 시스템이 상태가 변경되기 전에 정상 상태에 도달할 수 있다면, 이 진폭은 모두 동일하게 일이다. 그러나, 일반적으로, 이는 그 감쇠를 시작하기 위해 동일한 진폭으로 세그먼트가 정규화되어야 하는 경우는 아니다. 이 정규화에 대해 수 개의 실험적 및/또는 분석적 방법(예를 들면, 비율적으로)이 사용될 수 있다. 그러나, 상술한 것처럼, 양호한 실시예에서, 정규화는 최적화/조정 루틴 자체에 의해 결정된다.

SPS가 상태 당 샘플의 개수이고, 상술한 바와 같이 세그먼트가 피크값의 80％에서 "클립"되면, 샘플의 개수 y*(t,m)의 N_ytau는 다음과 같다.

m=1,2,3,6일 때, SPS-n80이고,

m=7,8일 때, 2*SPS-n80이고,

m=5일 때, 3*SPS-n80이고,

m=4일 때, 4*SPS-n80이다.

n80은 각 세그먼트에 대한 80％ 이전의 샘플의 개수이다. 여기서, (도시의 목적으로도) 임의의 특정 레벨 이하의 데이타 세그먼트의 "클립핑"이 없다고 가정한다.

df_ytau 정규화 항은 자유도도 설명한다. 예를 들면,

df_ytau=4*(SPS-n80)+2*(2*SPS-n80)+3*SPS-n80+4*SPS-n80-10-1이다.

통상적으로 SPS=40 이고 n80=10이어서, df_ytau=509이다.

Cost_Hxy 및 Cost_yavg 모두가 데이타 및 지연 정규 상태 벡터 X=[dc,μ,σ,τ]에 의존하고 Cost_ytau는 데이타 및 X_ytau=[dc, τ,A₁,. . .,A₈]에 의존한다. 가중값 W_Hxy, W_yavg, W_ytau의 선택은 본 발명의 다양한 실시예를 정의한다. 예를 들면, 가중값 중의 임의의 하나 또는 둘을 영으로 설정하면 해당 모델을 계산에서 소거한다. 본 발명의 한 시제품에서, 모든 가중값을 1/3으로 설정하는 것이 적절한 성능을 주는 것으로 판명되었다. 그러나, 정규화를 위해, 가중값은 양호하게는 합이 1이어야 한다.

본 발명에 따른 'y(t)의 x(t) 신호 동기화 적분'이 대부분의 저주파수 잡음의 효과를 최소화하지만, 약 10％ 시간동안 기계적 호흡기가 PRBS의 높은 고조파로 설정되어 PRBS 자체와 동기를 이루게하여 본 발명의 이익을 감소시킨다는 것이 실험적으로 관측되었다. 잡음이 동기가 아닌 상태 주기를 조정하는 것이 한 가지 가능한 해결책이다. 그러나, 맥코윈 '414 및 '733 시스템에서 알려진 것처럼, y(t)에 대한 신호 조정 회로에 노치 필터를 포함하는 것이 양호하다. 이러한 노치 필터는 동기화 호흡기 잡음의 잔여 효과를 최소화할 것이다.

x(t) 및 y(t)의 정규화된 전력 스펙트럼 밀도를 다음과 같이

PSDx(f)=PSD(x(t))/sum(PSD(x(t)) 및 PSDy(f)=PSD(y(t))/SUM(PSD(y(t))로 정의하면, 종래의 FFT 기반 노치 필터는 공지된 기술을 사용하여 구현될 수 있고, 이는 주파수 f가 기대 기계적 호흡기 설정 범위, 말하자면 분당 11번 호흡으로 가정하 면,

PSDy(f)-PSDx(f)>Null-Threshold일 때 FFT(y) 빈을 널(null)로 한다. 또한, PRBS 사이클 시간이 60초로 설정되면, 측정된 Hxy의 최초 10개의 고조파는 0.1666Hz이하일 것이고, 이는 분당 11번 호흡 또는 0.183Hz의 최저 기대 기계적 호흡기 설정 미만이다. 이는 호흡기가 Hxy 데이타에 영향을 주지 않게 보장하고, 분당 한번 CO/EF/EDV 추정을 항상 갱신하는 부수적인 이익도 갖는다.

대안적인 순수 시간 영역 결합 파라미터 추정

수학식 13에 정의된 결합 또는 복합 비용 함수에서, 감쇠 파라미터 τ및 정상 상태 채널 이득 파라미터(dc)의 추정이 얻어지는 총 비용 함수를 생성하기 위해서 두 개의 시간 영역 및 하나의 주파수 영역 비용 함수가 가중되어 정규화되고 합산된다. 또한, τ및 dc의 추정을 얻기 위해서 모든 3개의 B 대신에 임의의 두 비용 함수 B를 결합하는 것도 가능하고 하나의 함수만을 사용하는 것보다 대부분의 경우보다 정확할 것이다. 특히, τ및 dc는 두 시간 영역 비용 함수의 가중되고 정규화된 합으로서 총 비용 함수를 형성하여 시간 영역에서 완전히 추정될 수 있다. 즉, Cost_total = Cost_yavg*W_yavg/df_yavg + Cost_ytau*W_ytau/df_ytau이다.

가중 및 정규화 인수에 대한 필요한 변경은 당업자에게 공지된 정상적인 실험적 이론적 기술을 이용하여 결정될 수 있다.

대안적인 주입된 입력 신호

본 발명의 모든 양호한 실시예에서, 주입된 입력 신호는 의사 랜덤 이진 시퀀스(PRBS)의 형태로 된다. 이는, 예를 들면 저평균 인가 열과 높은 스펙트럼 내 용이라는 상술한 유리함을 갖지만, PRBS 입력 시퀀스는 dc 및 τ가 계산될 수 있는 이완 현상을 일으킬 필요가 없다. 유사하게, y(t)의 다른 측정값의 평균화를 포함하는 본 발명의 실시예들에서 y(t)에 대한 다른 측정값의 적절한 동기화와 의미있는 평균화를 가능하게 하므로, 입력 신호는 주기적인 것이 양호하다. 당업자에게 자명할 적절히 조정을 하여, 임의의 시퀀스의 시작 및 종료점이 적절하게 정의되는 한, 이완을 유도하는 임의의 패턴의 ON-OFF 신호가 사용될 수 있다. 대안적인 입력 신호의 예는 ON-OFF 상태의 단순한 정방형파 및 랜덤 트레인을 포함한다.

삼각파적 프로파일(사인파와 같은) 또는 "쳐프(chirp)" 입력과 같은 확산 스펙트럼 신호와 같은 두 상태(ON-OFF)와 다른 입력 신호를 사용하는 것도 가능할 것이다. 또한, 그러면, 공지된 처리 블럭 또는 신호 조정 회로가 채널의 전달 함수 상에 이러한 신호의 효과를 보상하기 위해 정상적으로 요구될 것이다.

본 발명은 그 사상 또는 필수 특성을 일탈하지 않고 다른 특정 형태로 실시될 수 있다. 설명된 실시예는 모든 면에서 한정하는 것이 아닌 도시적인 목적으로 고려되어야 한다. 그러므로, 본 발명의 범주는 상술된 설명이 아닌 첨부된 청구의범위에 의해서 지정된다. 청구의범위의 등가물의 의미 및 범위 내에서 이루어지는 모든 변경은 그 범주 내에 포함될 것이다.

Claims (37)

1. 환자의 심장 기능값을 추정하는 방법에 있어서,

   주입된 지시자(indicator) 신호 x(t)와 국지적 지시자 농도 신호 y(t)를 수신하는 단계와,

   상기 국지적 지시자 농도 신호 y(t)로부터 상기 주입된 지시자 신호 x(t)와 동기인 적어도 하나의 서브 신호를 획득하는 단계와,

   입력으로서 각각의 서브 신호를 갖는 제1 시간 영역 채널 이완 모델(a first time-domain, channel relaxation model)을 계산하는 단계와,

   상기 제1 시간 영역 채널 이완 모델의 미리 정해진 함수로서 하나 이상의 모델 파라미터를 계산하는 단계와,

   상기 하나 이상의 파라미터의 미리 정해진 함수로서 상기 심장 기능값을 추정하는 단계

   를 포함하는 심장 기능값 추정 방법.
2. 제1항에 있어서, 계산된 상기 하나 이상의 모델 파라미터는 정상 상태 채널 이득 파라미터(steady-state channel gain parameter)(dc)를 포함하는 심장 기능값 추정 방법.
3. 제2항에 있어서, 상기 환자의 상기 심장 기능값은 심장 출량(CO: cardiac output)인 심장 기능값 추정 방법.
4. 제1항에 있어서, 계산된 상기 하나 이상의 모델 파라미터는 감쇠 파라미터 τ를 포함하는 심장 기능값 추정 방법.
5. 제4항에 있어서, 상기 환자의 상기 심장 기능값은 심장 박출 계수(ejection fraction)인 심장 기능값 추정 방법.
6. 제1항에 있어서, 상기 하나 이상의 모델 파라미터는 상기 주입된 지시자 신호 x(t)와 동기적으로 복수의 사이클에 걸쳐서 상기 국지적 지시자 농도 신호 y(t)를 평균화하여 추정되는 심장 기능값 추정 방법.
7. 제6항에 있어서, 상기 평균화된 출력 신호는 최소화된 비용 함수에 의해 상기 하나 이상의 모델 파라미터의 추정을 제공하는데 사용되는 심장 기능값 추정 방법.
8. 제7항에 있어서, 상기 비용 함수는 상기 채널의 지연 정규 모델(lagged normal model)의 시간 영역 버전을 포함하는 심장 기능값 추정 방법.
9. 제7항에 있어서, 상기 비용 함수는 상기 출력 신호 y(t)의 상승 및 하강 세그먼트로부터 생성되는 심장 기능값 추정 방법.
10. 제1항에 있어서,

    하이 상태와 로우 상태 사이에서 교번하는 천이 시리즈로서 상기 주입된 지시자 신호 x(t)를 생성하는 단계와,

    상기 주입된 지시자 신호의 각 천이에 대해, 상기 지시자 농도 신호의 해당 세그먼트 - 각 세그먼트는 상기 서브 신호들 중의 하나를 포함하고 있음 - 를 분리하는 단계와,

    상기 지시자 농도 신호의 각 세그먼트에 대해, 정상 상태 채널 이득 파라미터(dc)를 계산하는 단계를 더 포함하고,

    상기 주입된 지시자 신호는 각 주기 동안 복수의 천이를 가지면서 주기적이고,

    상기 지시자 농도 신호의 각 서브 신호는 상기 주입된 지시자 신호의 일 주기에 해당하고,

    상기 정상 상태 채널 이득 파라미터(dc)를 계산하는 단계는,

    상기 정상 상태 채널 이득 파라미터(dc)의 시간 영역 지수 함수로서 상기 채널 이완 모델을 생성하는 단계와,

    상기 정상 상태 채널 이득 파라미터(dc)의 상기 지수 함수와 상기 지시자 농도 신호의 상기 각 세그먼트 간의 차이들의 합의 미리 정해진 함수인 비용 함수를 계산하는 단계와,

    상기 비용 함수의 최소를 판정하여 상기 정상 상태 채널 이득 파라미터(dc)를 계산하는 단계를 포함하는

    심장 기능값 추정 방법.
11. 제1항에 있어서,

    하이 상태와 로우 상태 사이에서 교번하는 천이 시리즈로서 상기 주입된 지시자 신호 x(t)를 생성하는 단계와,

    상기 주입된 지시자 신호의 각 천이에 대해, 상기 지시자 농도 신호의 해당 세그먼트 - 각 세그먼트는 상기 서브 신호들 중의 하나를 포함하고 있음 - 를 분리하는 단계와,

    상기 지시자 농도 신호의 각 세그먼트에 대해, 세그먼트 이완 파라미터를 계산하는 단계와,

    상기 세그먼트 이완 파라미터들의 미리 정해진 함수로서 상기 감쇠 파라미터 τ를 계산하는 단계

    를 더 포함하는 심장 기능값 추정 방법.
12. 제11항에 있어서,

    상기 주입된 지시자 신호는 각 주기 동안 복수의 천이를 가지면서 주기적이고,

    상기 지시자 농도 신호의 각 서브 신호는 상기 주입된 지시자 신호의 일 주기에 해당하는 심장 기능값 추정 방법.
13. 제12항에 있어서, 상기 주입된 지시자 신호는 의사 랜덤 이진 시퀀스로서 생성되는 심장 기능값 추정 방법.
14. 제11항에 있어서, 상기 감쇠 파라미터 τ를 계산하기 전에 상기 모든 세그먼트를 부호 정류화(sign-rectifying)하는 단계를 더 포함하는 심장 기능값 추정 방법.
15. 제11항에 있어서, 상기 감쇠 파라미터 τ를 계산하는 단계는

    상기 감쇠 파라미터의 시간 영역 지수 함수로서 상기 제1 시간 영역 채널 이완 모델을 발생시키는 단계와,

    상기 감쇠 파라미터의 상기 지수 함수와 상기 지시자 농도 신호의 상기 각 세그먼트 간의 차이들의 합의 미리 정해진 함수인 비용 함수를 계산하는 단계와,

    상기 비용 함수의 최소를 판정하여 상기 감쇠 파라미터 τ를 계산하는 단계

    를 포함하는 심장 기능값 추정 방법.
16. 제15항에 있어서, 상기 환자의 상기 심장 기능값은 상기 심장 박출 계수인 심장 기능값 추정 방법.
17. 제15항에 있어서, 상기 환자의 심박(HR: heart rate)을 측정하는 단계를 더 포함하는 심장 기능값 추정 방법.
18. 제17항에 있어서,

    상기 감쇠 파라미터 τ및 정상 상태 채널 이득 파라미터(dc) 모두의 미리 정해진 함수로서 상기 비용 함수를 생성하는 단계와,

    상기 비용 함수를 최소화하는 상기 감쇠 파라미터 τ 및 정상 상태 채널 이득 파라미터 dc의 최적값들을 판정하는 단계와,

    상기 정상 상태 채널 이득 파라미터의 상기 최적값의 미리 정해진 함수로서 심장 출량(CO) 값을 계산하는 단계와,

    상기 정상 상태 채널 이득 파라미터의 상기 최적값과 상기 측정된 심박(HR)의 미리 정해진 함수로서 심장 박출 계수(EF)를 계산하는 단계

    를 더 포함하는 심장 기능값 추정 방법.
19. 제1항에 있어서,

    하이 상태와 로우 상태 사이에서 교번하는 천이 시리즈로서 상기 주입된 지시자 신호 x(t)를 생성하는 단계와,

    상기 주입된 지시자 신호의 각 천이에 대해, 상기 지시자 농도 신호의 해당 세그먼트 - 각 세그먼트는 상기 서브 신호들 중의 하나를 포함하고 있음 - 를 분리하는 단계와,

    상기 지시자 농도 신호의 각 세그먼트에 대해, 세그먼트 이완 파라미터를 계산하는 단계와,

    상기 세그먼트 이완 파라미터들의 미리 정해진 함수로서 상기 감쇠 파라미터 τ를 계산하는 단계를 더 포함하고,

    상기 주입된 지시자 신호는 각 주기 동안 복수의 천이를 가지면서 주기적이고,

    상기 지시자 농도 신호의 각 서브 신호는 상기 주입된 지시자 신호의 한 주기에 해당하고,

    상기 감쇠 파라미터 τ를 계산하는 단계는

    상기 감쇠 파라미터의 시간 영역 지수 함수로서 상기 채널 이완 모델을 생성하는 단계와,

    상기 감쇠 파라미터의 상기 지수 함수와 상기 지시자 농도 신호의 상기 각 세그먼트 간의 차이들의 합의 미리 정해진 함수인 비용 함수를 계산하는 단계와,

    상기 비용 함수의 최소를 판정하여 상기 감쇠 파라미터 τ를 계산하는 단계

    를 포함하는 심장 기능값 추정 방법.
20. 제19항에 있어서,

    상기 환자의 심박 HR을 측정하는 단계와,

    상기 감쇠 파라미터 τ와 정상 상태 채널 이득 파라미터(dc) 모두의 미리 정해진 함수로서 상기 비용 함수를 생성하는 단계와,

    상기 비용 함수를 최소화하는 상기 감쇠 파라미터 τ 및 상기 정상 상태 채널 이득 파라미터 dc의 최적값들을 판정하는 단계와,

    상기 정상 상태 채널 이득 파라미터의 상기 최적값의 미리 정해진 함수로서 심장 출량(CO) 값을 계산하는 단계와,

    상기 감쇠 파라미터 τ의 상기 최적값과 상기 측정된 심박 HR의 미리 정해진 함수로서 심장 박출 계수(EF)를 계산하는 단계

    를 더 포함하는 심장 기능값 추정 방법.
21. 제1항에 있어서,

    각 주기동안 하이 상태와 로우 상태 사이에서 복수의 교번하는 천이를 갖는 주기적인 신호로서 상기 주입된 지시자 신호 x(t)를 생성하는 단계와,

    각 서브 신호가 상기 주입된 지시자 신호의 일 주기에 해당하는 식으로 상기 지시자 농도 신호 y(t)를 복수의 상기 서브 신호로 분할하는 단계와,

    평균화된 지시자 농도 신호를 형성하기 위해서 상기 서브 신호의 평균을 계산하는 단계와,

    상기 감쇠 파라미터 τ 및 정상 상태 채널 이득 파라미터(dc) 모두의 시간 영역 지연 정규 함수로서 상기 채널 이완 모델을 생성하는 단계와,

    상기 평균화된 지시자 농도 신호와, 상기 주입된 지시자 신호와 콘볼루션된 상기 시간 영역 지연 정규 함수 간의 차이의 미리 정해진 함수인 비용 함수를 계산하는 단계와,

    상기 비용 함수를 최소화하는 상기 감쇠 파라미터 τ와 상기 정상 상태 채널 이득 파라미터 dc의 최적값들을 판정하는 단계와,

    상기 정상 상태 채널 이득 파라미터의 상기 최적값의 미리 정해진 함수로서 심장 출량(CO) 값을 계산하는 단계와,

    상기 감쇠 파라미터 τ의 최적값과 상기 측정된 심박(HR)의 미리 정해진 함수로서 심장 박출 계수(EF)를 계산하는 단계

    를 포함하는 심장 기능값 추정 방법.
22. 제21항에 있어서, 상기 주입된 지시자 신호는 의사 랜덤 이진 시퀀스로서 생성되는 심장 기능값 추정 방법.
23. 제1항에 있어서,

    A) 상기 주입된 지시자 신호 x(t)는 각 주기동안 하이 상태와 로우 상태 사이에서 복수의 교번하는 천이를 갖는 주기적 입력 신호로서 생성되고 -상기 지시자 농도 신호의 각 서브 신호는 상기 주입된 지시자 신호의 일 주기에 해당함- ;

    B) 상기 시간 영역 채널 이완 모델은 제1 채널 모델이고;

    C) 다음의 단계들에 따라서 각 서브 신호에 대해 상기 제1 채널 모델을 계산하는 단계:

    i) 상기 주입된 지시자 신호의 각 천이에 대해, 상기 지시자 농도 신호의 해당 시간 영역 세그먼트를 분리하는 단계,

    ii) 상기 지시자 농도 신호의 각 세그먼트에 대해, 세그먼트 이완 파라미터를 계산하는 단계,

    iii) 상기 감쇠 파라미터의 시간 영역 지수 함수로서 상기 제1 채널 모델을 생성하는 단계,

    iv) 상기 감쇠 파라미터의 상기 지수 함수와 상기 지시자 농도 신호의 상기 각 세그먼트 사이의 차이의 합의 미리 정해진 함수인 제1 비용 함수를 계산하는 단계, 및

    v) 상기 제1 비용 함수의 최소를 판정하여 상기 감쇠 파라미터 τ의 제1 추정을 계산하는 단계;

    D) 다음의 단계들에 따라서 제2 시간 영역 채널 모델을 계산하는 단계:

    i) 평균화된 지시자 농도 신호를 형성하기 위해 복수의 상기 서브 신호의 평균을 계산하는 단계,

    ii) 상기 감쇠 파라미터 τ와 정상 상태 채널 이득 파라미터(dc) 모두의 시간 영역 지연 정규 함수로서 상기 제2 채널 모델을 생성하는 단계,

    iii) 상기 평균화된 지시자 농도 신호와, 상기 주입된 지시자 신호와 콘볼루션된 상기 시간 영역 지연 정규 함수 간의 차이의 합의 미리 정해진 함수인 제2 비용 함수를 계산하는 단계, 및

    iv) 상기 제2 비용 함수를 최소화하는 상기 감쇠 파라미터 τ 및 상기 정상 상태 채널 이득 파라미터 dc의 제2 최적값들을 판정하는 단계;

    E) 다음의 단계들에 따라서 제3의 n 고조파 주파수 영역 채널 모델을 계산하는 단계:

    i) 상기 채널의 평균화된 전달 함수를 측정하는 단계,

    ii) 상기 평균화된 전달 함수와 상기 채널의 주파수 영역 지연 정규 모델 사이의 에러 척도(measure)를 계산하는 단계,

    iii) 상기 n 고조파 각각에 대해 상기 에러 척도의 미리 정해진 함수로서 제3 비용 함수를 계산하는 단계, 및

    iv) 상기 제3 비용 함수를 최소화하는 상기 감쇠 파라미터 τ 및 상기 정상 상태 채널 이득 파라미터(dc)의 제3 최적값들을 판정하는 단계;

    F) 상기 제1, 제2, 제3 비용 함수의 가중치화되고 정규화된 합으로서 총 비용 함수를 계산하는 단계와;

    G) 상기 총 비용 함수를 최소화하는 상기 감쇠 파라미터 τ 및 상기 정상 상태 채널 이득 파라미터 dc의 복합 최적값들을 판정하는 단계와;

    H) 상기 환자의 심박(HR)을 측정하는 단계와;

    I) 상기 정상 상태 채널 이득 파라미터 dc의 상기 복합 최적값의 미리 정해진 함수로서 심장 출량(CO) 값을 계산하는 단계와;

    J) 상기 정상 상태 채널 이득 파라미터 dc의 상기 복합 최적값, 상기 복합 최적 감쇠 파라미터 τ, 및 상기 측정된 심박(HR)의 미리 정해진 함수로서 심장 박출 계수(EF)를 계산하는 단계

    를 더 포함하는 심장 기능값 추정 방법.
24. 제1항에 있어서,

    각 주기 동안 하이 상태와 로우 상태 사이에서 복수의 교번하는 천이를 갖는 주기적인 신호로서 상기 주입된 지시자 신호 x(t)를 생성하는 단계와,

    각 서브 신호가 상기 주입된 지시자 신호의 한 주기에 해당하는 식으로 상기 지시자 농도 신호 y(t)를 상기 주입된 지시자 신호와 동기인 복수의 서브 신호로 분할하는 단계와,

    평균화된 지시자 농도 신호를 형성하기 위해서 상기 서브 신호들의 평균을 계산하는 단계와,

    입력으로서 각 서브 신호를 갖는 제1 시간 영역 채널 이완 모델을 정상 상태 채널 이득 파라미터 dc의 시간 영역 지연 정규 함수로서 계산하는 단계와,

    상기 평균화된 지시자 농도 신호와, 상기 주입된 지시자 신호와 콘볼루션된 상기 시간 영역 지연 정규 함수 간의 차이의 미리 정해진 함수인 비용 함수를 계산하는 단계와,

    상기 비용 함수를 최소화하는 상기 정상 상태 채널 이득 파라미터 dc의 최적값들을 판정하는 단계와,

    상기 정상 상태 채널 이득 파라미터의 상기 최적값의 미리 정해진 함수로서 심장 출량(CO) 값을 계산하는 단계

    를 포함하는 심장 기능값 추정 방법.
25. 환자의 심장 기능값을 추정하는 시스템에 있어서,

    미리 정해진 주입된 지시자 신호 x(t)를 생성하는 입력 신호 생성기와,

    상기 주입된 지시자 신호 x(t)에 따라 심장의 업스트림 위치에서 지시자를 주입하는 신호 주입 수단과,

    다운스트림 위치에서 국지적 지시자 농도 신호 y(t)를 감지하는 지시자 농도 센서 - 상기 업스트림 위치 및 상기 다운스트림 위치를 포함하는, 상기 업스트림으로부터 상기 다운스트림 위치까지의 영역은 혈액에 대한 채널을 형성함 - 와,

    처리수단으로서,

    상기 지시자 농도 신호로부터 상기 주입된 지시자 신호 x(t)와 동기인 적어도 하나의 서브 신호 y(t,i)를 분리하고,

    입력으로서 각 서브 신호를 갖는 제1 시간 영역 채널 이완 모델을 계산하고,

    상기 제1 시간 영역 채널 이완 모델의 미리 정해진 함수로서 하나 이상의 모델 파라미터를 계산하고,

    상기 하나 이상의 모델 파라미터의 미리 정해진 함수로서 상기 심장 기능값을 추정하도록 제공된 처리 수단

    을 포함하는 심장 기능값 추정 시스템.
26. 제25항에 있어서,

    상기 입력 신호 생성기는 하이 상태와 로우 상태 사이에서 교번하는 천이 시리즈로서 상기 주입된 지시자 신호 x(t)를 생성하도록 추가로 제공되고,

    상기 처리 수단은,

    상기 주입된 지시자 신호 x(t)의 각 천이에 대해 상기 지시자 농도 신호의 해당 세그먼트 - 각 세그먼트는 상기 서브 신호들 중의 하나를 포함하고 있음 - 를 분리하는 세그먼트 분리 서브 처리 모듈과,

    상기 지시자 농도 신호의 각 세그먼트에 대해 비용 계산 파라미터를 계산하는 수단을 형성하는 비용 계산 서브 처리 모듈과,

    상기 세그먼트 이완 파라미터들의 미리 정해진 함수로서 상기 하나 이상의 모델 파라미터를 계산하기 위한 수단을 형성하는 심장 기능 서브 처리 모듈을 포함하는

    심장 기능값 추정 시스템.
27. 제26항에 있어서, 상기 비용 계산 서브 처리 모듈은,

    상기 하나 이상의 모델 파라미터의 시간 영역 지수 함수로서 상기 제1 시간 영역 채널 이완 모델을 생성하고,

    상기 하나 이상의 모델 파라미터의 상기 지수 함수와 상기 지시자 농도 신호의 상기 각 세그먼트 간의 차이들의 합의 미리 정해진 함수인 비용 함수를 계산하고,

    상기 비용 함수의 최소를 판정하여 상기 하나 이상의 모델 파라미터를 계산하는 수단을 더 형성하는

    심장 기능값 추정 시스템.
28. 제27항에 있어서,

    상기 처리 수단에 연결되어 상기 환자의 심박(HR)을 측정하는 심박 모니터를 더 포함하고,

    상기 환자의 상기 심장 기능값은 상기 심장 박출 계수이고,

    상기 비용 함수는 감쇠 파라미터와 정상 상태 채널 이득 파라미터(dc)의 미리 정해진 함수이고,

    상기 비용 계산 서브 처리 모듈은 상기 감쇠 파라미터와 상기 정상 상태 채널 이득 파라미터 dc의 최적값들을 판정하기 위해 더 제공되고,

    상기 심장 기능 서브 처리 모듈은,

    상기 정상 상태 채널 이득 파라미터의 상기 최적값의 미리 정해진 함수로서 심장 출량(CO)을 계산하고,

    상기 감쇠 파라미터의 상기 최적값과 상기 측정된 심박(HR)의 미리 정해진 함수로서 심장 박출 계수(EF)를 계산하기 위해 더 제공되는

    심장 기능값 추정 시스템.
29. 제25항에 있어서, 계산된 상기 하나 이상의 모델 파라미터는 정상 상태 채널 이득 파라미터(dc)를 포함하는 심장 기능값 추정 시스템.
30. 제29항에 있어서, 상기 환자의 상기 심장 기능값은 심장 출량(CO)인 심장 기능값 추정 시스템.
31. 제25항에 있어서, 계산된 상기 하나 이상의 모델 파라미터는 감쇠 파라미터인 심장 기능값 추정 시스템.
32. 제31항에 있어서, 상기 환자의 상기 심장 기능값은 상기 심장 박출 계수를 포함하는 심장 기능값 추정 시스템.
33. 삭제
34. 삭제
35. 삭제
36. 삭제
37. 삭제

Images