KR20230166864A - 심장 사이클 분석 방법 및 시스템 - Google Patents
심장 사이클 분석 방법 및 시스템 Download PDFInfo
- Publication number
- KR20230166864A KR20230166864A KR1020227034493A KR20227034493A KR20230166864A KR 20230166864 A KR20230166864 A KR 20230166864A KR 1020227034493 A KR1020227034493 A KR 1020227034493A KR 20227034493 A KR20227034493 A KR 20227034493A KR 20230166864 A KR20230166864 A KR 20230166864A
- Authority
- KR
- South Korea
- Prior art keywords
- cycles
- measured
- data
- cycle
- series
- Prior art date
Links
- 230000000747 cardiac effect Effects 0.000 title claims abstract description 21
- 238000004458 analytical method Methods 0.000 title description 11
- 238000000034 method Methods 0.000 claims abstract description 88
- 230000002526 effect on cardiovascular system Effects 0.000 claims abstract description 46
- 238000012545 processing Methods 0.000 claims abstract description 15
- 230000006870 function Effects 0.000 claims description 49
- 238000005259 measurement Methods 0.000 claims description 29
- 230000008569 process Effects 0.000 claims description 26
- 238000005094 computer simulation Methods 0.000 claims description 21
- 210000000748 cardiovascular system Anatomy 0.000 claims description 19
- 230000036772 blood pressure Effects 0.000 claims description 18
- 230000005540 biological transmission Effects 0.000 claims description 15
- 238000013480 data collection Methods 0.000 claims description 14
- 238000013500 data storage Methods 0.000 claims description 11
- 238000013442 quality metrics Methods 0.000 claims description 8
- 238000007620 mathematical function Methods 0.000 claims description 5
- 238000002679 ablation Methods 0.000 claims description 3
- 230000004872 arterial blood pressure Effects 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims 2
- 230000005428 wave function Effects 0.000 claims 2
- 238000013186 photoplethysmography Methods 0.000 description 27
- 238000007873 sieving Methods 0.000 description 12
- 238000004422 calculation algorithm Methods 0.000 description 11
- 239000008280 blood Substances 0.000 description 10
- 210000004369 blood Anatomy 0.000 description 10
- 230000017531 blood circulation Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 6
- 230000029058 respiratory gaseous exchange Effects 0.000 description 6
- 238000005315 distribution function Methods 0.000 description 5
- 230000005520 electrodynamics Effects 0.000 description 5
- 230000002792 vascular Effects 0.000 description 5
- 102000001554 Hemoglobins Human genes 0.000 description 4
- 108010054147 Hemoglobins Proteins 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 4
- 230000000004 hemodynamic effect Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000003205 diastolic effect Effects 0.000 description 3
- 230000009977 dual effect Effects 0.000 description 3
- 210000003414 extremity Anatomy 0.000 description 3
- 230000035790 physiological processes and functions Effects 0.000 description 3
- 230000035485 pulse pressure Effects 0.000 description 3
- 238000001303 quality assessment method Methods 0.000 description 3
- 238000012897 Levenberg–Marquardt algorithm Methods 0.000 description 2
- 208000009729 Ventricular Premature Complexes Diseases 0.000 description 2
- 206010047289 Ventricular extrasystoles Diseases 0.000 description 2
- 230000003187 abdominal effect Effects 0.000 description 2
- 230000008570 general process Effects 0.000 description 2
- 230000031700 light absorption Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000036581 peripheral resistance Effects 0.000 description 2
- 230000000541 pulsatile effect Effects 0.000 description 2
- 238000002106 pulse oximetry Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000002835 absorbance Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000002567 autonomic effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 208000037998 chronic venous disease Diseases 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000006213 oxygenation reaction Methods 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
- 210000003371 toe Anatomy 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 210000005166 vasculature Anatomy 0.000 description 1
- 230000001457 vasomotor Effects 0.000 description 1
- 230000002861 ventricular Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/026—Measuring blood flow
- A61B5/029—Measuring or recording blood output from the heart, e.g. minute volume
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/02028—Determining haemodynamic parameters not otherwise provided for, e.g. cardiac contractility or left ventricular ejection fraction
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/021—Measuring pressure in heart or blood vessels
- A61B5/02108—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7221—Determining signal validity, reliability or quality
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/021—Measuring pressure in heart or blood vessels
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/026—Measuring blood flow
- A61B5/0295—Measuring blood flow using plethysmography, i.e. measuring the variations in the volume of a body part as modified by the circulation of blood therethrough, e.g. impedance plethysmography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Physiology (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Cardiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Vascular Medicine (AREA)
- Hematology (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
펄스 혈류측정법을 처리하는 방법 및 시스템은 일련의 측정된 사이클들에 대한 피크, 트로프 및 진폭을 감지하고 선택된 품질 기준을 충족하지 않는 측정된 사이클들을 식별한다. 선택된 품질 기준을 충족하지 않는 사이클들은 제거되고 나머지 사이클들은 함께 스티칭된다. 시스템 및 방법은 혈류측정법 데이터를 입력으로 사용하여 계산된 1회박출량 및 심박출량과 같은 심혈관 파라미터의 품질과 신뢰성을 개선하는 데 유용하다.
Description
본 발명은 광혈류측정법(photoplethysmography)을 포함하는 펄스 혈류측정법(pulse plethysmography) 방법에 의해 획득된 데이터를 이용하여 심박출량(cardiac output), 1회박출량(stroke volume) 및/또는 동맥압(arterial pressure)을 측정하는 디바이스, 방법 및 시스템에 관한 것이다.
혈류측정법은 신체 전체 또는 일부 내의 체적 변화 측정을 포함한다. 다양한 생리적 파라미터들을 측정함으로써 다양한 의학적 상태들을 검출하거나 모니터링하기 위해 신체 여러 부분들의 체적 변화가 다양한 방식으로 측정될 수 있다. 예를 들어, 공기 커프 혈류측정법(CPG)은 사지(limb) 또는 손가락(digit)을 둘러싼 공기가 채워진 커프(cuff)의 압력 변화를 기록함으로써 사지 또는 손가락 둘레의 변화를 측정한다. CPG는, 체적 변화에 기초하여, 혈류를 측정하는 데 사용되며 만성 정맥 질환과 관련된 유용한 정보를 제공한다. 유전체측정법(dielectrography)이라고도 하는 임피던스 혈류측정법은 신체의 일부의 대향 측들에 배치된 전극들 사이의 전기적 임피던스 변화를 측정하여 전극들 사이에 흐르는 전류 경로의 체적 변화를 간접적으로 측정하는 것을 포함한다.
인덕턴스 혈류측정법은 루프 배향에 수직인 자기장을 생성하는 가슴이나 복부 주위에 착용된 와이어 루프를 통해 교류를 적용하는 방법이다. 루프로 둘러싸인 영역의 변화는 영역의 변화율에 정비례하는 루프 내에서 반대 전류를 생성한다. 인덕턴스 혈류측정법과 달리, 전류는 신체를 통과하지 않는다. 호흡 인덕턴스 혈류측정법은 흉부 및 복부 팽창, 호흡수, 호흡 패턴 및 1회호흡량을 계산하는 데 사용된다. 전자기 인덕턴스 혈류측정법은 전도체 요소가 자기장에서 움직일 때 가슴과 복부 체적 변화를 정량화하기 위해 몸통을 둘러싸는 전도성 요소들을 포함하는 조끼(vest)를 사용한다.
광혈류측정법(PPG)은 조직의 혈관계를 통한 혈압(BP)의 펄스로 인한 조직 내 혈액 체적의 변화를 측정한다. 혈액 체적 변화는 피부를 비추는 광원으로부터 센서로 전달되거나 반사되는 빛의 양을 측정함으로써 검출된다. 투과 광혈류측정법(PPG)들은 또한 내시경 방법을 사용하여 획득될 수 있다. PPG 파형의 형상은 피험자(subject)에 따라 다르며, 펄스 옥시미터(pulse oximeter)가 신체에 접촉되거나 부착되는 위치와 방식에 따라 다르다.
최근에, 좌심실 1회박출량(SV), 심박출량(CO) 및 기타 생리학적 파라미터를 비침습적으로 측정하기 위한 방법 및 장치가 개발되었으며 이는 이러한 측정을 가능하게 하는 일종의 생리학적 센서 데이터 처리를 포함한다. US 8,494,829는 SV를 계산하기 위해 혈역학적 및 전기역학적 센서 데이터를 처리하는 방법을 개시하고 있다. 혈역학적 및 전기역학적 센서 데이터는 비침습적으로 획득될 수 있으며 혈역학적 및 전기역학적 생리학을 나타내는 모델을 사용하고 두 센서들의 데이터를 반복적으로 융합하여 처리된다. US 8,494,829는 그 전체, 특히 컬럼 5-20의 물리적 모델에 대한 설명이 참고로 본 명세서에 포함된다.
US 9,649,036은 PPG 및 신체에서 발생하는 전기역학 신호를 심장 수축기(systolic)의 수축과 관련시키는 프로세스 모델을 갖는 동적 상태 공간 모델(DSSM)을 갖는 디지털 신호 프로세서를 사용하여 PPG 및 전기역학 신호를 분석하는 방법을 설명한다. US 9,649,036, 특히 컬럼 15-19에서 확률적 데이터 필터링을 갖는 펄스 옥시미터(PO)의 예가 참조로 본 명세서에 포함된다.
US 9,060,722는 SV 및 PPG에 의해 수집된 데이터를 생성하는 생리학적 프로세스를 수학적으로 나타내는 DSSM과 함께 이중 추정 알고리즘을 사용하여 PPG로부터의 센서 데이터를 사용하여 SV를 추정하는 방법을 설명한다. US 9,060,722는, 특히 컬럼 6-14의 이중 추정 알고리즘 및 DSSM에 대한 설명이 본 명세서에 참조로 포함된다. US 9,375,171은 혈역학적 프로세스 모델과 함께 이중 추정 DSSM을 사용하여 BP 및 PPG 데이터로부터 SV를 추정하는 방법을 설명한다.
WO 2010/0274102 A1은 SV 및 CO를 측정하는 처리 방법 및 PO 시스템을 개시한다. PO 시스템은 PO 센서 출력에서 오염된 소음과 인공물을 제거하고 혈액 산소 포화도, 심박수(HR), SV, 대동맥압 및 전신 압력을 측정할 수 있는 DSSM에서 심혈관계의 생리학적 모델과 확률적 프로세서를 결합하는 방법을 수행하도록 구성된 데이터 프로세서를 포함한다. DSSM은 PO에 의해 측정된 펄스를 생성하는 생리적 프로세스를 모델링하는 심혈관 시스템의 수학적 모델을 포함한다. 모델들 중 하나는 대동맥압, 요골압, 말초 저항, 대동맥 임피던스 및 혈액 밀도를 포함한 변수 및 파라미터를 포함한다. 이 모델은 측정된 HR을 포함하는 PO로부터의 데이터를 사용한다.
EP 2512325는 동적 상태 공간 모델을 사용하여 PO 데이터를 처리하여 총 혈액 체적, SV, 혈관운동 톤(tone) 및 자율 신경계 톤 중 하나 이상에 대한 추정값을 추출하는 방법을 설명한다. 마이크로프로세서는 PO에 의해 측정된 생리학적 파라미터를 생성하는 생리학적 프로세스를 수학적으로 나타내는 동적 상태 공간 모델로 데이터를 수신한다.
상기 인용된 발명은 CO 및 SV를 포함한 심혈관 파라미터의 정확하고 의학적으로 유용한 측정을 제공할 수 있지만, 측정된 혈류측정 파형이 SV 및 CO 측정을 허용하지 않거나 원하는 정확도보다 낮은 SV 및 CO 측정을 초래하는 특성을 갖는 상황이 존재한다. SV, CO 및 기타 심혈관 파라미터의 이러한 측정은 심혈관 시스템의 컴퓨터 모델에 대한 입력으로 혈류측정 파형(PW) 데이터의 사용을 포함한다.
입력으로 사용된 PW 데이터의 품질은 사용된 심혈관 시스템 모델에 따라 측정된 SV, CO 및/또는 기타 심혈관 파라미터를 포함하는 출력의 품질에 영향을 미친다. 호흡의 움직임을 포함하여, 혈류측정 센서 또는 환자의 움직임으로 인해 측정된 혈류측정 파형에 인공물이 발생한다. 개인에 대한 HR 및 SV의 박동 변화, 신체 움직임, 시간 경과에 따른 말초 저항(peripheral resistance)의 변화는 SV 및 CO의 정확한 측정을 복잡하게 만든다. 집단(population)의 경우, 집단의 PW 데이터가 다양한 형상을 가질 수 있기 때문에 광범위한 심장 이상, 심혈관 질환, 체질량 지수, 신체 크기, 연령 및 기타 여러 생리학적 파라미터도 CO 및 SV 측정을 복잡하게 하여 심혈관 모델에 대한 입력으로 포함하기 위한 입력 데이터의 분석을 어렵게 만든다. 특정 환자에 대해 측정된 PW 데이터는 PW 형상이 평균 환자 집단과 크게 다르기 때문에 심혈관 시스템 모델을 사용하여 처리하기 어렵거나 불가능할 수 있다.
요약하면, 측정된 PW가 인공물을 포함하거나 SV, CO 및 기타 심혈관 파라미터 측정을 전혀 허용하지 않는 기타 특성을 가지거나 원하는 정확도보다 낮은 SV 및 CO 측정을 초래하는 여러 상황이 존재한다.
본 발명의 실시예는 PW 데이터를 입력으로 사용하여 수행된 SV 및 CO 측정의 신뢰성과 정확성을 향상시키기 위해 혈류를 나타내는 PW 데이터를 처리하는 시스템 및 방법을 제공함으로써 바람직하게는 단독으로 또는 임의의 조합으로 위에서 확인된 것과 같은 기술 분야의 하나 이상의 결점, 단점 또는 문제를 완화, 경감 또는 제거하는 것을 추구한다.
일 양태에서, 본 발명은 처리된 데이터를 사용하여 CO, SV 또는 기타 심혈관 파라미터를 측정하거나 계산하는 방법 또는 프로세서에 대한 입력 데이터를 생성하기 위해 PW 데이터 세트에서 심장 주기를 분석하기 위한 컴퓨터 구현 방법을 제공한다.
다른 양태에서, 본 발명은 처리된 데이터를 사용하여 CO, SV 또는 기타 심혈관 파라미터를 측정하는 프로세서에 대한 입력 데이터를 생성하기 위해 PW 데이터 세트에서 심장 주기를 분석하기 위한 장치 또는 시스템을 제공한다. 장치는 방법을 수행하기 위한 명령어를 포함하는 데이터 프로세서를 포함한다.
또 다른 양태에서, 본 발명은 처리된 데이터를 사용하여 CO, SV 또는 기타 심혈관 파라미터를 측정하는 프로세서에 대한 입력 데이터를 생성하기 위해 PW 데이터 세트에서 심장 주기를 분석하는 방법을 컴퓨터가 실행하게 하는 프로그램을 저장하는 비일시적 컴퓨터 판독 가능 저장 매체를 제공한다.
설명된 방법 및 시스템은 펄스 혈류측정 데이터로부터 심혈관 파라미터를 계산하는 데 사용할 파형 데이터의 일부를 선택하고 심혈관 파라미터를 계산하는 데 사용하지 않도록 파형 데이터의 다른 부분을 선택함으로써 펄스 혈류측정 데이터를 사용하여 이루어진 심혈관 파라미터 측정의 정확성과 신뢰성을 향상시킨다.
도면의 요소들은 반드시 서로에 대해 스케일링 될 필요는 없으며, 대신에 본 개시의 원칙을 명확하게 설명하는 데 중점을 둔다. 동일한 참조 번호는 도면들의 여러 도면에 걸쳐 대응하는 부분을 지정하고, 여기서:
도 1은 본 발명에 따른 파형 데이터를 처리하기 위한 방법의 실시예에서 수행될 수 있는 일반적인 프로세스의 흐름도이다;
도 2a는 사이클 데이터 품질 평가 프로세스에서 수행될 수 있는 단계들의 흐름도이다;
도 2b는 주요 사이클 피쳐의 식별에 의한 PW 데이터 사이클 데이터 품질 평가의 예이다;
도 3a는 정밀하지 않은 체질 프로세스(coarse sieving process)에서 수행될 수 있는 단계들의 흐름도이다;
도 3b는 정밀하지 않은 체질 프로세스에서 결정된 PW 데이터, 근사 파형 및 잔류 오차(residual error)의 예이다;
도 4a는 심장 사이클 분석 프로세스에서 수행될 수 있는 단계들의 흐름도이다;
도 4b는 PW 사이클 데이터를 근사화하는 데 사용되는 두 개의 왜곡-가우시안 함수(skew-Gaussian function)들의 예이다;
도 4c는 두 개의 왜곡-가우시안 함수들을 사용하여 근사 사이클과 비교된 PW 사이클의 예이다;
도 4d는 PW 사이클 데이터를 근사화하는 데 사용되는 3개의 왜곡-가우시안 함수들의 예이다;
도 4e는 3개의 왜곡 가우시안 함수들을 사용하여 근사 사이클과 비교된 PW 사이클의 예이다;
도 4f는 PW 사이클 데이터를 근사화하는 데 사용되는 4개의 왜곡-가우시안 함수들의 예이다;
도 4g는 4개의 왜곡-가우시안 함수들을 사용하여 근사 사이클과 비교된 PW 사이클의 예이다; 및
도 5는 CO, SV 또는 기타 심혈관 파라미터를 측정하기 위해 심장 사이클을 분석하기 위한 장치 또는 시스템의 컴포넌트들 간의 데이터 흐름을 나타내는 흐름도이다.
도 1은 본 발명에 따른 파형 데이터를 처리하기 위한 방법의 실시예에서 수행될 수 있는 일반적인 프로세스의 흐름도이다;
도 2a는 사이클 데이터 품질 평가 프로세스에서 수행될 수 있는 단계들의 흐름도이다;
도 2b는 주요 사이클 피쳐의 식별에 의한 PW 데이터 사이클 데이터 품질 평가의 예이다;
도 3a는 정밀하지 않은 체질 프로세스(coarse sieving process)에서 수행될 수 있는 단계들의 흐름도이다;
도 3b는 정밀하지 않은 체질 프로세스에서 결정된 PW 데이터, 근사 파형 및 잔류 오차(residual error)의 예이다;
도 4a는 심장 사이클 분석 프로세스에서 수행될 수 있는 단계들의 흐름도이다;
도 4b는 PW 사이클 데이터를 근사화하는 데 사용되는 두 개의 왜곡-가우시안 함수(skew-Gaussian function)들의 예이다;
도 4c는 두 개의 왜곡-가우시안 함수들을 사용하여 근사 사이클과 비교된 PW 사이클의 예이다;
도 4d는 PW 사이클 데이터를 근사화하는 데 사용되는 3개의 왜곡-가우시안 함수들의 예이다;
도 4e는 3개의 왜곡 가우시안 함수들을 사용하여 근사 사이클과 비교된 PW 사이클의 예이다;
도 4f는 PW 사이클 데이터를 근사화하는 데 사용되는 4개의 왜곡-가우시안 함수들의 예이다;
도 4g는 4개의 왜곡-가우시안 함수들을 사용하여 근사 사이클과 비교된 PW 사이클의 예이다; 및
도 5는 CO, SV 또는 기타 심혈관 파라미터를 측정하기 위해 심장 사이클을 분석하기 위한 장치 또는 시스템의 컴포넌트들 간의 데이터 흐름을 나타내는 흐름도이다.
본 명세서에 사용된 모든 특정 기술 용어는 달리 표시되지 않는 한 설명의 콘텍스트에서 기술적으로 허용되는 의미를 갖는 것으로 의도된다. 기술분야와 관련되지 않은 모든 용어는 달리 표시되지 않는 한 설명의 콘텍스트에서 일반 언어 의미를 갖는다.
심혈관 시스템의 콘텍스트에서 "파라미터"라는 용어는 1회박출량(SV), 심박출량(CO), 대동맥압, 정맥압, 동맥압, 유량, 혈관 불활성, 혈관 순응도, 혈관 저항 및 혈관 수집 또는 심혈관계 부분의 불활성, 순응도 및 저항과 같은 물리적 인자들을 포함한다. 심혈관 시스템의 계산 모델의 콘텍스트에서, 물리적 인자들 중 일부는 계산 모델에 대한 고정 입력 값에 대응할 수 있다는 점에서 모델링 의미의 파라미터일 수도 있다. 계산 모델의 콘텍스트에서 다른 물리적 인자들은 계산 모델에 의해 값이 계산되는 변수에 대응한다. 심혈관 시스템 파라미터는 계산 모델의 변수에 대응하거나 하나 이상의 변수로부터 계산될 수 있다. 심혈관계 파라미터가 계산 모델의 변수 및/또는 파라미터에 해당하는지 또는 계산 모델에서 계산되는지 여부는 계산 모델에 사용된 방정식에 따라 다르다.
본 명세서에 사용된 바와 같이, 혈류측정법 데이터는 인간 또는 인간이 아닌 환자로부터 수집된 데이터이고, 여기서 데이터는 환자의 혈류에 대한 압력 대 시간 또는 체적 대 시간을 나타내는 파형을 포함한다.
혈류측정 파형 데이터 또는 PW 데이터는 시간 경과에 따른 혈액 체적의 변화 측정과 관련이 있으며, 이는 혈압(BP)의 시변(time varying) 변화로 전환될 수 있다. 시변 펄스는 혈류측정법 데이터로부터 직접 또는 간접적으로 측정될 수 있다. 혈류측정법 파형은 측정된 펄스 체적 대 시간 또는 심장 사이클의 분율(fraction)을 포함할 수 있다. 혈류측정법 파형은 혈류측정법 대 시간 또는 심장 사이클의 분율에 의해 측정된 펄스 압력을 포함할 수 있다.
가장 일반적으로 사용되는 혈류측정법 방법 및 장치는 산소화된 및 탈산소화된 형태의 헤모글로빈에 대한 최대 흡수에 대응하는 두 파장들에서 빛의 흡수를 사용하는 펄스 옥시미트리 또는 펄스 옥시미터(PO) 디바이스이다. 흡수의 변화는 혈액 체적의 변화와 관련이 있으며 압력의 변화는 혈액 체적의 변화에서 파생될 수 있다. 시변 혈액 체적은 혈관의 직경을 측정하기 위해 초음파를 사용하여 추가로 또는 대안적으로 측정될 수 있다. 시변 펄스 압력 파형은 또한 부분적으로 팽창된 혈압 커프, 압력 변환기(transducer), 스트레인 게이지(strain gage) 또는 스트레치 센서(stretch sensor)를 사용하여 직접 측정될 수 있다. 시스템, 장치 및 방법은 시간에 따라 변하는 파라미터로서 압력을 사용하여 본 명세서에서 설명된다. 이는 PO 데이터가 일반적으로 압력 대 시간 데이터로 전환되기 때문에 편리한다.
압력은 혈류측정법 데이터의 시변 변수로 사용될 필요가 없다. 대신, PW 사이클은 예를 들어 체적 대 시간 또는 흡수 대 시간의 형태일 수 있다. PO 디바이스는 2개의 파장들을 사용하여 산소화된 헤모글로빈과 탈산소화된 헤모글로빈의 양을 비교하여 헤모글로빈의 산소화 백분율을 보고할 수 있다. 본 명세서의 예에 대해 일반적인 PO 데이터가 사용되지만, 본 명세서의 장치 및 방법은 예를 들어, 산소화 헤모글로빈에 의한 흡수의 변화만 사용하여 수집된 데이터 또는 혈액량 또는 그로부터 파생된 BP의 변화를 사용할 수 있다. PO 데이터는 가장 자주 손끝에서 수집되지만 귀나 발가락과 같은 다른 말단에서 추가로 또는 선택적으로 측정될 수 있고 반사 또는 산란 PO 측정은 투과 PO 측정과 호환되지 않는 신체의 위치에서 수행될 수 있다.
다음 설명에서, SV 및 CO 측정을 위한 펄스 혈류측정법 데이터의 예로 PO 혈류측정법 데이터가 사용된다. 다른 유형의 혈류측정법 데이터는 압력 대 시간, 체적 대 시간 또는 빛 흡수 대 시간의 박동성 혈류 파형의 형태이거나 이로 전환될 수 있다. 데이터 수집 방법에 따라 체적, 압력 및 흡수가 서로 변환될 수 있으므로 이들도 사용될 수 있다. PO 데이터는 원격 위치에서 피험자에 대해 수행되고 메모리에 저장된 PO 측정의 데이터베이스에서 유래할 수 있다. PO 데이터는 측정하는 동안 PO로부터 직접 유래할 수 있다.
설명된 대로 처리된 혈류측정법 데이터는 예를 들어, 동적 상태 공간 모델(DSSM)을 포함할 수 있는 인간 심혈관 시스템(HCS) 모델을 사용하는 방법에 의해 SV, CO 및 기타 심혈관계 파라미터를 측정, 계산 또는 추정하기 위한 데이터에 대한 입력으로 사용될 수 있다. 데이터는 심혈관 파라미터를 측정하거나 계산하기 위해 인간이 아닌 동물의 심혈관 시스템 모델을 사용하여 컴퓨터 구현 방법에 입력된 인간 혈류측정법 데이터일 필요는 없다. 심혈관 파라미터를 측정하기 위한 컴퓨터 구현 방법의 예는 US 8,494,829; US 9,649,036; US 9,060,722; US 9,375,171; WO 2010/0274102; 및 EP 2512325에 설명되어 있다.
HR, SV, CO 및 기타 심혈관 파라미터는 시간이 지남에 따라 일정하지 않으며 비트마다 변경될 수 있다. 따라서 이러한 유형의 파라미터 측정은 반드시 평균값이다. 측정된 펄스 압력, 사이클의 지속시간(duration) 및 PW의 형상의 일정한 변화는 SV, CO 및 기타 심혈관 파라미터의 측정을 복잡하게 하는 요인이다. 이 외에도, 피험자의 움직임 및 기타 물리적 장애로 인해 데이터에 인공물이 발생한다. 후속 처리 단계에 대한 인공물 및 이상점(outlier)의 영향을 최소화함으로써 측정된 PW 데이터의 인공물 및 복잡한 요인으로 인해 발생하는 문제를 해결하기 위해 측정된 PW 데이터에 품질 메트릭이 적용될 수 있다. 예를 들어, 알고리즘은 사이클 진폭 변동성에 대한 사이클 진폭의 높은 비율, 최소 국부적 혈류측정법 또는 압력파 진폭 변동성, 및 최소 HR 변동성을 조합하여 갖는 개별 사이클들 및/또는 사이클들의 운영의 세트를 선택할 수 있다.
본 발명은 혈류측정법 펄스 데이터를 사용하여 심혈관 파라미터를 측정하기 위한 컴퓨터 구현 방법에 입력으로 사용할 사이클을 선택하기 위해 PW 데이터를 처리하는 방법을 제공한다. 이 방법은 측정된 심혈관 파라미터의 정확도를 개선하고 심혈관 파라미터를 측정하기 위한 컴퓨터 구현 방법의 적용을 비정상적인 형태의 PW를 가진 환자에게 확장한다. 이는 혈류측정법 펄스 데이터를 사용하여 심혈관 파라미터를 측정하기 위한 컴퓨터 구현 방법에 대한 입력으로 사용할 PW로부터 사이클을 선택하는 데이터 품질 평가, 데이터 체질(data sieving) 및 곡선 피팅(curve fitting)의 조합으로 달성된다.
도 1은 PW 데이터를 처리하기 위한 방법의 실시예에서 수행될 수 있는 일반적인 프로세스의 개요를 제공한다. 데이터는 혈류측정 디바이스에 의해 측정된 일련의 펄스들에 대응하는 일련의 파형들을 포함하며, 각 펄스는 심장박동 또는 심장 사이클에서 발생한다. 예를 들어 PO로부터의 PW 데이터는 추가 처리를 위해 각 사이클을 선택하거나 선택 해제하기 위해 파형 진폭, 파형 및 사이클 기간과 같은 PW 사이클 피쳐를 사용하는 사이클 데이터 품질(CDQ) 평가 알고리즘을 수행하도록 구성된 소프트웨어 모듈에 입력된다. 선택된 사이클에 대한 PW 데이터는 수신된 CDQ 데이터를 CDQ 데이터에 대한 예상 출력과 비교하고 제1 수학 공식으로 각 사이클의 형상을 거칠게 근사하는 대략적인 사이클 데이터 체질 또는 체질, 소프트웨어 모듈에 입력된다. 알고리즘은 정밀하지 않은 근사치를 CDQ 데이터와 비교하고 측정된 사이클 파형과 근사화된 사이클 파형 간의 누적 오류를 기반으로 PW 사이클을 제거한다. 남은 PW 사이클은 심장 사이클 분석(CCA) 알고리즘을 수행하는 소프트웨어 모듈에 입력된다. CCA 모듈은 거칠게 체질된 PW 데이터를 수신하고 제2 수학 공식을 각 사이클 파형에 맞춘다. 각각의 사이클에 대한 파형의 수학적 표현의 형상은 해당 사이클에 대해 측정된 대응하는 파형의 형상과 비교된다. 임계치 초과로 측정된 값이 다른 측정 및 피팅된 파형을 갖는 사이클은 제거되고 CCA를 통과한 PW 사이클 데이터는 CCA 출력 데이터를 인간 심혈관 시스템(HCS) 모델에 대한 입력으로 사용하여 심혈관 파라미터, 이 경우 SV 및 CO를 계산하는 컴퓨터 모듈에 대한 입력 데이터로 사용할 수 있다.
CDQ 평가, 사이클 데이터 체질 및 심장 사이클 분석은 이러한 프로세스와 관련된 선택된 품질 기준을 충족하지 않는 측정된 사이클을 식별하기 위한 품질 메트릭 프로세스 역할을 한다. 나머지 측정된 사이클들 또는 나머지 측정된 사이클 파형들의 수학적 표현은 측정된 혈류측정법 파형 데이터로부터 심혈관 파라미터를 계산하는 계산 모델에 대한 입력으로 유용하다. 사용된 계산 모델에 따라 계산된 심혈관 파라미터는 SV, CO, 대동맥압, 혈관 불활성, 순응도, 저항 등을 포함할 수 있다.
도 1에 도시된 프로세스들의 시퀀스는 PW 데이터를 처리하기 위한 방법의 일 실시예를 위한 것이다. 이러한 방법의 다른 실시예는 동일한 프로세스들을 다른 순서로 포함할 수 있다. 예를 들어, 일 실시예에서 파형 트레인(waveform train)에 대한 정밀하지 않은 또는 미세한 곡선 피팅은 CDQ 평가 동안 제1 단계로 수행될 수 있다. 추가적으로 또는 대안적으로, 파형 트레인에 대한 정밀하지 않은 또는 미세한 곡선 피팅은 정밀하지 않은 데이터 체질 동안 제1 단계로 수행될 수 있다. 이러한 실시예는 CDQ 또는 정밀하지 않은 데이터 체질과 관련된 방법 단계를 수행하기 위해 피팅된 곡선을 사용할 수 있다. 하나 이상의 사이클이 절제(excision)에 의해 제거되거나 삭제되는 방법 단계의 경우, 측면(flanking) 사이클들이 함께 스티칭되어(stitched) 사이클 파형의 연속 트레인을 재생성할 수 있다.
도 2a는 CDQ 평가 소프트웨어 모듈의 일 실시예에 의해 수행될 수 있는 방법 단계들의 흐름도이다. 손가락 끝 PO로부터의 PW 사이클들의 트레인을 포함하는 데이터는 선택적으로 환자 및 연령, 성별, 체중, 키 및 질병 상태와 같은 환자 파라미터를 식별하는 데이터와 함께 모듈에 의해 수신된다. 인위적이거나 비정상적인 형상의 PW 사이클들이 시작, 중지, 피크 및 트로프 피쳐(trough feature)의 실패 검출 또는 옵티마이저(optimizer)의 실패로 이어지는 것을 방지하기 위해, 평균 PPG 사이클 시간에 대한 표준 편차의 비율이 이러한 사이클들이 처리되기 전에 고 위험 사이클들을 식별하는 데 사용될 수 있다. 사이클(들)이 설정된 임계치보다 큰 표준 편차/평균 사이클 시간 비율을 생성하는 경우, 전체 사이클(들)은 사이클(들)의 파형(들)이 제거된 사이클(들)의 시작에서 중지 또는 끝까지 시간 축을 따라 제거되는 절제 프로세스에 의해 제거될 수 있다. 제거된 이전 사이클의 시작 시간과 매칭되도록 제1 후속 남은 사이클의 시간을 시프팅함으로써 폐기된 사이클(들)의 바로 앞과 뒤의 사이클들이 함께 결합되거나 스티칭된다.
PW 사이클 시작, 중지, 피크 및 트로프 피쳐는 각각의 사이클에 대해 하나의 기울기 교차 피쳐만 검출되도록 보장하는 기울기 임계치 교차 기술을 사용하여 각각의 사이클에 대해 검출된다. 이를 통해 각각의 사이클 내의 파형 구조에 관계없이 인접한 사이클이 정확하게 식별될 수 있다. 기울기 임계치 교차 랜드마크는 PW 기울기(시간 신호에 대한 체적/압력/흡광도의 1차 도함수)와 PW 기울기의 절대값의 지수 가중 이동 평균을 사용하여 적응형(adaptive) 임계값을 설정한다. 수축기 기간(systole period)의 강한 양의 기울기는 예를 들어 피험자의 움직임 및 호흡 인공물, 사이클 기간 변동성 또는 가변 HR에 의해 유발된 사이클 수직 드리프트와 무관한 특성 임계치 교차를 생성한다. 기울기 이동 평균은 각 사이클에 대한 대략적인 사이클 시작 시간을 측정하기 위해 제2 임계치를 도출하는 데 사용될 수 있다. PW 기울기 교차 피쳐는 사이클 최소치, 트로프 T 및 사이클 최대치 또는 피크 P 값들을 초기화하고 판독하는 데 사용되어 기울기 교차 피쳐 검출이 PW 사이클들과 관련하여 일대일 속성을 유지하는 한 최소치과 최대치가 올바르게 결정되도록 한다.
도 2b는 PW 경사의 1차 도함수로부터 결정된 최대 양의 기울기 포인트 +S 이후와 최대 음의 기울기 포인트 -S 이전에 사이클 피크 P가 발견되었음을 보여준다. 사이클 트로프는 최대 음의 기울기 포인트 -S 이후와 다음 사이클의 최대 양의 기울기 포인트 +S 이전에 발견된다. 도 2b의 상단 점선 곡선은 사이클 피크 P를 따라 이어지고 하단 점선 곡선은 사이클 트로프들 T를 따라 이어지며 각 사이클의 진폭은 그 차이에서 결정된다. 하단 점선 곡선은 일반적으로 환자의 호흡과 함께 리듬에 따라 오르내리는 베이스라인 역할을 할 수 있다. "X"는 트로프들 T, 최대 양의 기울기 포인트들 +S, 사이클 피크들 P 및 최대 음의 기울기 포인트들 -S의 각각의 위치들을 표시하는 데 사용된다. 임의의 이러한 위치들은 한 사이클의 끝과 다음 사이클의 시작으로 사용될 수 있다. 도 3b 및 4b-4g에서, 끝/시작 포인트들은 사이클 트로프들에서 수직 점선으로 표시된다.
각각의 PW 데이터 세트와 관련된 평균 HR이 알려져 있으므로 평균 HR과 관련된 사이클 기간들의 예상된 범위가 존재한다. 피크들이 식별되면, 평균 HR과 호환되지 않는 피크 대 피크 기간이 데이터 세트에서 제거될 수 있다. 조기 심실 수축(PVC) 및 데이터 수집 중 환자의 움직임과 같은 비정상적인 심장 리듬으로 인해 사이클 피크가 평균 HR의 허용오차 범위를 벗어날 수 있다. 유사하게, 피크 진폭의 큰 변화는 비정상적인 심장 사이클, 환자 움직임 및 기타 인공물을 나타낸다. 임계값들은 인접한 사이클들로부터의 허용오차 값보다 더 많이 다른 진폭을 가진 사이클을 제거하도록 설정될 수 있다.
인접한 사이클 파형들의 형상들은 또한 파형 형상의 면에서 인접한 사이클들과 크게 다른 사이클들을 식별하기 위해 비교될 수 있다. 각각의 PW를 나타내는 데이터는 예를 들어 초당 75포인트의 레이트로 시점에 대한 체적 또는 압력의 형태이다. 인접한 사이클들의 형상들은 파형에 대한 공통 랜드마크에서 시작하여 점대점으로 비교될 수 있으며 점대점 오류는 인접 사이클들의 형상들 사이의 차이의 측정치를 제공하기 위해 누적될 수 있다. 이웃하는 사이클들과 임계치 또는 허용오차 값 이상으로 상이한 사이클들은 데이터가 정밀하지 않은 체질 프로세스로 전달되기 전에 데이터 세트에서 제거될 수 있다. 제거된 사이클(들)의 측면에 있는 사이클들은 제거된 사이클(들) 바로 다음에 오는 사이클의 시작 지점을 시간 축을 따라 제1 사이클 또는 제거된 여러 연속 사이클들 중 첫 번째 시작 시간으로 시프팅함으로써 함께 스티칭된다.
도 3a는 정밀하지 않은 체질 프로세스의 일 실시예에 의해 수행될 수 있는 방법 단계들의 흐름도이다. CDQ 평가 중에, 설정된 허용오차 값을 벗어난 진폭, 형상, 기간 등이 있는 사이클들에 대해 PW가 제거될 수 있다. 측정된 데이터의 품질이 특히 낮은 경우, 원본 데이터의 일부만이 정밀하지 않은 데이터 체질 프로세스로 전달된다. 체질 프로세스에서 하나 이상의 수학 공식들의 피팅 전에, 원본 측정의 충분한 부분이 추가 처리에 충분한 품질인지 여부를 결정할 수 있다. 임계값 아래에서 추가 처리가 중단되고 측정된 데이터의 품질이 충분하지 않다는 것을 사용자에게 알리기 위해 오류 메시지가 생성된다. 예를 들어, PW 측정을 3분 동안 실행하는 경우, 50%의 임계값을 설정할 수 있고 따라서 CDQ 평가 중에 사이클들의 50% 이상이 제거되면 사용자에게 이를 알리고 측정이 반복될 수 있다. 사용자는 메시지를 무시하는 옵션을 가질 수 있고 정밀하지 않은 체질로 진행할 수 있다. 임계값은 100%로 설정되어 모든 사이클들이 제거된 경우에도 단계를 효과적으로 제거하고 처리를 계속할 수 있다. 이 기능은 정밀하지 않은 체질의 제1 단계가 아니라 CDQ 평가의 마지막 단계로 포함될 수 있다.
데이터가 충분하면 PW 데이터에 사이클 시작 포인트들이 할당된다. 사이클 시작 포인트 CS는 도 3b에 도시된 바와 같이 수축기 파형 또는 사이클 트로프의 시작 부분에 설정될 수 있다. 대안적으로, 사이클 시작 CS는 사이클 파형을 따라 어디에서나 일관된 방식으로 선택될 수 있다. 호흡과 함께 상승 및 하강하는 베이스라인은 플랫한 베이스라인을 제공하기 위해 보상되거나 정규화될 수 있다. 측정된 PW 파형 데이터는 종종 피험자의 호흡 및 움직임 효과를 비롯한 소스로부터의 저주파 신호 노이즈를 포함한다. 왜곡-가우시안(skew-Gaussian) 기본 함수만으로는 가변 베이스라인을 모델링할 수 없기 때문에 이 노이즈를 빼지 않으면 후속 단계에서 효과적인 모델링 솔루션을 방해할 수 있다. 따라서 이 베이스라인은 예를 들어 Matlab® 함수 interp1('pchip')에 의해 제공되는 구분적 삼차보간법(piecewise cubic interpolation)을 보존하는 형상을 사용하여 모델링될 수 있다. PW 사이클 트로프 포인트들은 보간에 대한 입력으로 사용된다. 베이스라인 보간 출력은 PW 파형을 보다 완벽하게 모델링하기 위해 왜곡-가우시안 기본 함수의 합에 추가된다.
하나 이상의 파형들을 나타내는 수학 공식은 PW 사이클의 형상을 근사화하는 데 사용된다. 바람직하게는, 하나 이상의 왜곡-가우시안 분포 함수들이 사용되지만 가우시안 및 반 사인파 분포 함수와 같은 다른 유형의 공식이 단독으로 또는 조합되어 사용될 수 있다. 최소 제곱 솔버(least squares solver)는 전역 최소값 또는 가장 원하는 솔루션에 합리적으로 가까운 기저 함수 파라미터 값으로 초기화되고 원하지 않는 로컬 최소 솔루션을 방지하기 위해 적절한 최소 및 최대 경계를 설정한다. 사이클의 시작, 수축기 피크, 이완기 트로프 및 사이클의 끝을 찾는 데 사용되는, CDQ 평가 모듈의 피쳐 검출 알고리즘을 사용하여 초기, 최소 및 최대 파라미터 세트가 추정된다. 이러한 피쳐 포인트들은 피험자 집단 연구를 기반으로 하는 발견적 방법(heuristics)과 함께 사용되어 왜곡-가우시안 초기, 최소 및 최대 파라미터를 테스트 및 실험을 통해 안정적이고 정확한 펄스 PW 모델링 결과를 산출하는 것으로 밝혀진 최적 값으로 초기화한다. 기본 함수 초기, 최소 및 최대 진폭들은 PW 사이클의 측정된 진폭들로부터 직접 계산된다. 왜곡 가우시안 파형의 기본 함수 초기, 최소, 최대 타이밍과 폭(시그마)은 각각의 사이클 기간의 선형 시간 세분화(linear-in-time subdivision)를 기초로 한다. 왜도(skewness)는 바람직하게는 0으로 초기화된다.
각각의 사이클에 대해, 측정된 사이클의 형상이 수학적으로 근사화된 사이클사이클의 형상과 비교되어 측정된 사이클과 근사화된 사이클들의 형상이 얼마나 다른지를 나타내는 오류 값을 계산한다. 오류 값이 임계값보다 높은 사이클들은 데이터 세트에서 제거된다. 예를 들어, 형상들의 차이는 리븐버그-마크워트(LM) 감쇠 최소 자승법을 사용하는 최소 자승 분석을 사용하여 측정될 수 있다. 이 방법에는 초기, 최소 및 최대 파라미터와 오류 함수가 제공된다. 오류 함수는 파라미터들의 세트를 받아들이고 왜곡-가우시안 기본 함수와 보간된 PPG 베이스라인의 합을 계산하고, 그 후 측정된 PPG 파형에서 이 파형을 빼서 분석 및 솔루션 반복을 위해 LM 솔버로 반환되는 오류 벡터를 생성한다.
도 3b는 측정된 PW 사이클들과 근사화 또는 모델링된 사이클들 MS가 서로 중첩된 예를 보여준다. 각각의 사이클에 대한 누적 잔류 오류 RE는 점선 베이스라인에 표시된다. 이 예에서, PW 사이클들은 각각 왜곡-가우시안 분포 함수로 모델링된다. 베이스라인을 따른 RE 곡선은 눈에 띄는 오류를 포함하는 것으로 볼 수 있다. 허용 가능한 차이에 대해 설정된 임계값에 따라, 해당 값을 초과하는 오류를 갖는 사이클들은 CCA 모듈로 포워딩되는 사이클들에서 제거될 수 있다. 정밀하지 않은, 단일 왜곡 가우시안 함수를 사용하여 검출된 형상의 중요하지만 미묘한 차이는 CDQ 평가에서 캡처되지 않은 노이즈 또는 인공물을 포함하는 사이클들을 제거하는 데 가치를 제공할 수 있다. 수직 점선 라인들은 각각의 사이클의 사이클 시작 CS를 마킹한다.
도 4a는 심장 사이클 분석(CCA) 프로세스의 일 실시예에 의해 수행될 수 있는 방법 단계들의 흐름도이다. CCA 알고리즘은 이 예에서 손가락 끝 PPG(광혈류측정법) 측정 사이클들(PW 사이클들)을 여러 파라미터화된 왜곡-가우시안 기본 함수들의 합(중첩)으로 모델링 및 분해한다. 이러한 기본 함수들 중 하나 이상이 각각의 사이클을 모델링하는 데 사용된다. 왜곡-가우시안 기본 함수는 다음 세 가지 파라미터들로 지정된 잘 알려진 가우시안 분포 함수를 기반으로 정의된다: 진폭, 평균 및 시그마 또는 표준 편차. 제4 파라미터인 왜도는 가우시안 분포 함수가 비대칭을 측정할 수 있고 통계적 왜도 측정과 일치하는 비대칭을 나타낼 수 있도록 통합된다. 따라서 각 왜곡-가우시안 기본 함수는 다음 네 가지 파라미터들로 고유하게 지정된다: 진폭(PW 진폭 유닛 또는 수직 축), 위치(시간의 유닛 또는 수평 축), 시그마(시간의 유닛 또는 폭) 및 왜도(무차원). 단일 측정 PPG(PW) 사이클을 모델링하는 데 하나 이상의 왜곡-가우시안 기본 함수들이 사용된다. 왜곡-가우시안 기본 함수는 음의 무한대로부터 양의 무한대까지 정의되지만, 효율성을 위해, 이러한 기능들의 범위는 각 사이클이 시작되기 약간 전부터 수축기 및 이완기 기간을 거쳐 다음 사이클 시작 이후까지 시간적으로 제한된다.
일반적으로 관찰되는 중복맥박패임(dicrotic notch) 형성(DN, 도 4b, 4d)을 포함하는 반사파를 나타내는 PPG 사이클들은 2개 또는 3개의 왜곡-가우시안 기본 함수들이 필요하며 하나의 기본 함수만으로 효과적으로 모델링될 수 없다. 중복맥박패임이나 반사파를 나타내지 않는 PPG 사이클들은 2개의 기본 함수들만으로 정확하게 모델링될 수 있으며 3개 이상의 기본 함수들은 거의 필요로 하지 않다. 일반적으로 제1 왜곡-가우시안 기본 함수(WF1)는 사이클 시작부터 BP 피크(수축기)까지의 BP(수축기) 상승을 잘 모델링한다. 제1(WF1) 및 제2(WF2) 왜곡-가우시안 기본 함수들은 일반적으로 혈압의 이완기 감소를 모델링한다. 제3(WF3, 도 4f, 4h) 및 제4(WF4, 도 4h) 왜곡-가우시안 기본 함수들은 일부 피험자 PPG 데이터에 나타나는 두 번째 및 세 번째 반사파들을 모델링할 수 있다. 그런 다음 도 4d의 파형들 WF1, WF2 및 WF3과 도 4f의 파형들 WF1, WF2, W3 및 WF4가 결합되고, 결과적으로 모델링된 사이클들 MS는 도 4c 및 4g에서 측정된 사이클들 PW와 시각적으로 구별될 수 없으며 잔류 오차 RE는 0에 가깝다.
사이클 모델링 정확도를 최대화하기 위해 인접한 사이클들을 모델링하는 기본 함수들은 사이클들 사이에 겹침이 허용되는 것이 바람직하다. 예를 들어, 강하게 지연된 반사파는 다음 사이클의 메인 파형(또는 수축기)과 겹칠 수 있다. 이는 중심 사이클이 정확하게 모델링되고 중심 사이클을 모델링하는 기본 함수들이 두 개의 인접한 사이클들로 확장될 수 있도록 3개의 사이클들의 그룹들이 동시에 해결되어야 할 것을 요구한다. 이는 필요한 추가 처리 시간을 희생시키면서 더 높은 정확도를 제공한다.
CCA 알고리즘의 효율적인 운영과 효과적인 테스트 및 검증을 촉진하기 위해, 길이가 무제한일 수 있는 단일 연속 시계열 데이터에 대해 동작하는 것보다 분할된 시계열 데이터에 대해 동작하는 것이 바람직하다. PPG 사이클들은 종종 세그먼트 경계에 걸쳐 있기 때문에 그리고 누락된 사이클 및 누락된 샘플 없이 원활한 분석을 제공하기 위해, CCA 알고리즘은 사이클 에지에 걸쳐 있는 모든 PPG 사이클들이 완전한 사이클로 처리될 수 있도록 선행 및 후속 사이클과 함께 현재 사이클을 처리한다. 선행 세그먼트들은 현재 세그먼트가 완전하고 끊김 없고 이전 세그먼트 데이터를 재사용할 수 있도록 하기 위해 세그먼트 지연 방식을 사용하여 알고리즘에 다시 제공된다.
lsqnonlin 또는 유사한 프로그램과 같은 최적화 기능을 사용하여 최소 자승법, 예를 들어 리븐버그-마크워트(LM) 감쇠 최소 자승법을 구현하여 측정 및 모델링된(근사화된) 사이클들의 각각의 형상 비교를 위한 오류 값을 해결한다. 이 방법에는 초기, 최소 및 최대 파라미터와 오류 기능이 제공된다. 오류 함수는 파라미터들의 세트를 받아들이고 왜곡-가우시안 기본 함수와 보간된 PPG 베이스라인의 합을 계산하며, 그런 다음 측정된 PPG 파형에서 이 파형을 빼서 분석 및 솔루션 반복을 위해 LM 솔버로 반환되는 오류 벡터를 생성한다.
최적화 완료 후, 각각의 PPG 사이클의 제1 왜곡-가우시안 기본 함수는 다른 기본 함수(반사파) 및 다른 PPG 사이클들과 독립적으로 계산될 수 있다. 이것은 PPG 사이클이 시작되는 최대 진폭 포인트의 1%를 정확하게 결정하기 위해 정규화 및 분석될 수 있는 순수한 왜곡-가우시안 함수를 생성한다. 단일 왜곡-가우시안 함수의 단순성과 노이즈가 없는 특성으로 인해 이 시점은 높은 정밀도와 하위 샘플 정밀도로 결정될 수 있다. 각각의 사이클에 대한 사이클 시작의 정확한 결정은 HCS 모델에 의한 심혈관 파라미터 값 계산의 정확성을 위해 중요하다.
도 5는 심장 사이클 분석 방법이 심장 사이클 분석 시스템에 통합되는 방법의 예를 제공한다. PO와 같은 혈류측정 디바이스로부터의 데이터는 설정된 기준을 충족하지 않는 사이클을 제거하도록 처리되고 나머지 사이클들은 HCS 모델(실선 화살표)에 대한 입력으로 사용된다. 데이터는 혈류측정 디바이스에 의해 측정된 데이터 포인트의 형태로 측정된 파형 사이클들을 나타낼 수 있다. 추가적으로 또는 대안적으로, 데이터는 모델링된 사이클이라고도 하는 측정된 사이클의 파형을 모델링하는 수학적 함수를 포함할 수 있다. 이것은 고주파 노이즈가 있는 경우에 특히 유용할 수 있다. 예를 들어 혈압 모니터 또는 심전도와 같은 추가 데이터가 HCS 모델에 선택적으로 사용될 수 있다. 선택적 추가 데이터는 HCS 모델에서 심혈관 파라미터에 대한 입력으로 사용될 수 있다.
환자의 심혈관 파라미터를 비침습적으로 측정하기 위한 시스템은 펄스 옥시미터, 데이터 수집, 저장 및 송신 디바이스, 컴퓨터, 및 심혈관 파라미터에 대한 값을 사용자에게 보고하기 위한 수단을 포함할 수 있다. 데이터 수집, 저장 및 송신 장치는 예를 들어 랩톱 컴퓨터 또는 태블릿일 수 있다. 펄스 옥시미터는 데이터 수집, 저장 및 송신 디바이스와 통신하고 환자로부터 혈류측정법 파형 데이터를 수집하고 데이터를 데이터 수집, 저장 및 송신 디바이스로 송신하도록 구성된다. 데이터 수집 및 송신 디바이스는 파형 데이터를 수신하여 이를 컴퓨터로 송신한다. 컴퓨터는 데이터 수집, 저장 및 송신 디바이스와 동일한 디바이스일 수 있지만 컴퓨터는 더 많은 컴퓨팅 성능이 필요할 수 있으며 원격 클라우드 컴퓨팅 디바이스일 수 있다. 컴퓨터는 프로그램이 컴퓨터에 의해 실행될 때 심혈관 파라미터에 대한 값을 계산하도록 구성된 심혈관 시스템의 계산 모델에 결과적인 출력 데이터를 제공하기 전에 컴퓨터가 위에서 설명한 대로 파형 데이터를 처리하도록 하는 명령어들의 프로그램을 포함한다. 시스템은 데이터가 심혈관 시스템의 계산 모델에 대한 입력으로 사용될 수 있도록 혈압 데이터를 피험자로부터 데이터 수집, 저장 및 송신 디바이스로 발송하는 혈압 모니터를 더 포함한다. 데이터는 지속적으로 또는 1, 2 또는 5분과 같은 간격으로 수집 및 송신될 수 있다. 심전도 데이터와 같은 다른 비침습적 모니터링 디바이스가 HCS 모델에 입력 데이터를 제공하기 위해 포함될 수도 있다.
설명된 방법 및 시스템은 생리학적 시스템으로 제한되지 않는다. 예를 들어, 이는 인간 또는 인간이 아닌 포유동물의 심혈관계 파라미터와 유사한 박동성 흐름 및 배관 시스템 파라미터가 있는 용적식 펌프를 포함하는 생리학적이지 않은 다른 배관 시스템에 적용될 수 있다. 본 발명은 특정 바람직한 실시예를 참조하여 본 명세서에서 설명되었지만, 당업자는 본 발명의 사상 및 범위를 벗어남이 없이 본 명세서에 기술된 것들을 다른 어플리케이션으로 대체할 수 있음을 쉽게 이해할 것이다.
Claims (14)
- 펄스 혈류측정법(pulse plethysmography) 데이터를 처리하기 위한 컴퓨터 구현 방법으로서, 상기 데이터는 일련의 측정된 사이클(cycle)들을 포함하고, 상기 방법은:
상기 일련의 측정된 사이클들의 각각의 측정된 사이클에 대한 피크(peak), 트로프(trough) 및 피크 진폭을 검출하기 위해 기울기-임계 교차 기술(slope-threshold crossing technique)을 사용하는 단계;
선택된 품질 기준을 충족하지 않는 측정된 사이클들을 식별하기 위해 상기 일련의 측정된 사이클들에 품질 메트릭 프로세스(quality metric process)를 적용하는 단계;
절제(excision)에 의해 선택된 품질 기준을 충족하지 않는 상기 사이클들을 제거하는 단계; 및
일련의 처리된 측정된 사이클들을 포함하는 출력 데이터를 제공하기 위해 제거되지 않은 상기 측정된 사이클들을 함께 스티칭(stitching)하는 단계를 포함하는, 방법. - 제1항에 있어서, 상기 적어도 하나의 품질 메트릭 프로세스를 적용하는 단계는:
각각의 측정된 사이클의 기간 및 진폭을 인접한 측정된 사이클의 피크 진폭 및 기간 또는 복수의 측정된 사이클들의 평균 피크 진폭 및 평균 기간과 비교하는 단계, 및
상기 인접한 측정된 사이클의 상기 피크 진폭 및 기간, 또는 상기 복수의 측정된 사이클들의 상기 평균 피크 진폭 및 평균 기간에 대한 변동의 허용오차 범위를 벗어난 기간 또는 진폭을 갖는 측정된 사이클들을 제거하는 단계를 포함하는, 방법. - 제1항 또는 제2항에 있어서, 상기 적어도 하나의 품질 메트릭 프로세스를 적용하는 단계는:
각각의 측정된 사이클의 형상을 인접한 측정된 사이클의 형상 또는 인접한 측정된 사이클들의 평균 형상과 비교하는 단계, 및
상기 인접한 측정된 사이클 또는 상기 인접한 측정된 사이클의 평균과 형상 변동의 허용오차 범위를 벗어난 형상을 갖는 측정된 사이클들을 제거하는 단계를 포함하는, 방법. - 제1항 내지 제3항 중 어느 한 항에 있어서, 상기 적어도 하나의 품질 메트릭 프로세스를 적용하는 단계는:
일련의 모델링된 사이클들을 제공하기 위해 각각의 측정된 사이클을 하나 이상의 수학적 함수들로 모델링하는 단계;
각각의 측정된 사이클의 형상을 대응하는 모델링된 사이클의 형상과 비교하여 상기 대응하는 모델링된 사이클과의 모양 변동을 결정하는 단계; 및
상기 대응하는 모델링된 사이클과의 상기 형상 변동의 허용오차 범위를 벗어난 형상을 갖는 측정된 사이클을 제거하는 단계를 포함하는, 방법. - 제4항에 있어서, 상기 하나 이상의 수학적 함수들은 반 사인파 함수, 구형파 함수, 가우시안 함수(Gaussian function), 왜곡-가우시안 함수(skew-Gaussian function), 베셀 함수(Bessel function), 푸리에 급수(Fourier series), 한켈 함수(Hankel function), 구형 베셀 함수, 스트루브 함수(Struve function) 및 웨버 함수(Webber function) 중 하나 이상을 포함하는, 방법.
- 제4항 또는 제5항에 있어서, 상기 하나 이상의 수학적 함수들의 각각은 최대 10개의 파라미터들을 포함하는, 방법.
- 제5항에 있어서, 상기 하나 이상의 수학적 함수들은 적어도 2개의 왜곡된-가우시안 함수들을 포함하는, 방법.
- 제1항에 있어서, 심혈관 파라미터에 대한 값을 계산하는 단계를 더 포함하고, 상기 계산하는 단계는:
상기 일련의 처리된 측정된 사이클들을 포함하는 상기 출력 데이터를 상기 심혈관 파라미터에 대한 상기 값을 계산하도록 구성된 심혈관 시스템의 계산 모델에 제공하는 단계; 및
상기 계산 모델이 상기 심혈관 파라미터에 대한 상기 값을 보고하는 출력을 계산하고 제공하게 하는 단계를 포함하는, 방법. - 제4항에 있어서,
일련의 처리된 모델링된 사이클들을 제공하기 위해 상기 제거된 측정된 사이클들에 대응하는 모델링된 사이클들을 삭제하는 단계;
상기 일련의 처리된 모델링된 사이클들을 심혈관 파라미터에 대한 값을 계산하도록 구성된 심혈관 시스템의 계산 모델에 제공하는 단계; 및
상기 계산 모델이 상기 심혈관 파라미터에 대한 상기 값을 보고하는 출력을 계산하고 제공하게 하는 단계를 더 포함하는, 방법. - 제8항 또는 제9항에 있어서, 상기 심혈관 파라미터가 1회박출량(stroke volume), 심박출량(cardiac output), 대동맥압, 불활성, 순응도, 저항, 동맥압 및 정맥압 중 적어도 하나인, 방법.
- 제8항 또는 제9항에 있어서, 상기 심혈관 시스템의 상기 계산 모델은 동적 상태 공간 모델에 통합되는, 방법.
- 환자의 심혈관 파라미터를 비침습적으로 측정하기 위한 시스템으로서, 상기 시스템은:
펄스 옥시미터(pulse oximeter), 데이터 수집, 저장 및 송신 디바이스, 컴퓨터, 및 상기 심혈관 파라미터에 대한 값을 사용자에게 보고하기 위한 수단을 포함하며, 여기서:
상기 펄스 옥시미터는 상기 데이터 수집, 저장 및 송신 디바이스와 통신하고;
상기 펄스 옥시미터는 일련의 측정된 사이클들을 포함하는 상기 환자의 혈류측정법 파형 데이터를 수집하고, 상기 혈류측정법 파형 데이터를 상기 데이터 수집, 저장 및 송신 디바이스로 송신하도록 구성되며;
상기 데이터 수집 및 송신 디바이스는 상기 혈류측정법 파형 데이터를 수신하고 상기 혈류측정법 파형을 상기 컴퓨터에 송신하도록 구성되며;
상기 컴퓨터는 명령어들의 프로그램을 포함하고, 상기 명령어들의 프로그램은, 상기 프로그램이 컴퓨터에 의해 실행될 때, 상기 컴퓨터로 하여금:
상기 일련의 측정된 사이클들의 각각의 측정된 사이클에 대한 피크, 트로프 및 피크 진폭을 검출하기 위해 기울기-임계치 교차 기술을 사용하게 하고;
선택된 품질 기준을 충족하지 않는 측정된 사이클들을 식별하기 위해 상기 일련의 측정된 사이클들에 품질 메트릭 프로세스를 적용하게 하고;
절제에 의해 선택된 품질 기준을 충족하지 않는 사이클들을 제거하게 하고;
일련의 처리된 측정된 사이클들 및/또는 상기 일련의 처리된 측정된 사이클들에 대응하는 일련의 처리된 모델링된 사이클들을 포함하는 출력 데이터를 제공하기 위해 제거되지 않은 상기 측정된 사이클들을 함께 스티칭하게 하고;
상기 심혈관 파라미터에 대한 상기 값을 계산하도록 구성된 심혈관 시스템의 계산 모델에 상기 출력 데이터를 제공하게 하고; 및
상기 계산 모델이 상기 심혈관 파라미터에 대한 상기 값을 보고하는 출력을 계산하고 제공하도록 야기시키게 하는, 시스템. - 제12항에 있어서, 혈압 모니터를 더 포함하고, 여기서:
상기 혈압 모니터는 상기 데이터 수집, 저장 및 송신 디바이스와 통신하고 상기 환자의 혈압 데이터를 수집하고 상기 혈압 데이터를 상기 데이터 수집, 저장 및 송신 디바이스로 송신하도록 구성되며, 및
상기 컴퓨터는 상기 혈압 데이터 및 상기 출력 데이터로부터 상기 심혈관 파라미터에 대한 측정된 값을 계산하고 상기 심혈관 파라미터에 대한 상기 측정된 값을 보고하는 소프트웨어를 포함하는, 시스템. - 명령어들의 프로그램을 포함하는 컴퓨터 프로그램 제품으로서, 상기 명령어들의 프로그램은, 상기 프로그램이 컴퓨터에 의해 실행될 때, 상기 컴퓨터로 하여금:
일련의 측정된 사이클들을 포함하는 펄스 혈류측정법 데이터를 수신하게 하고;
기울기-임계치 교차 기술을 사용하여 상기 일련의 측정된 사이클들의 각각의 측정된 사이클에 대한 피크, 트로프 및 피크 진폭을 검출하게 하고;
선택된 품질 기준을 충족하지 않는 측정된 사이클들을 식별하기 위해 상기 일련의 측정된 사이클들에 품질 메트릭 프로세스를 적용하게 하고;
절제에 의해 선택된 품질 기준을 충족하지 않는 상기 사이클들을 제거하고;
일련의 처리된 측정 사이클들 및/또는 상기 일련의 처리된 측정된 사이클들에 대응하는 일련의 처리된 모델링된 사이클들을 포함하는 출력 데이터를 제공하기 위해 제거되지 않은 상기 측정된 사이클들을 함께 스티칭하게 하고;
심혈관 파라미터에 대한 값을 계산하도록 구성된 심혈관 시스템의 계산 모델에 상기 출력 데이터를 제공하게 하고; 및
상기 심혈관 파라미터에 대한 상기 값을 보고하는 출력을 계산하고 제공하게 하는, 컴퓨터 프로그램 제품.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US202062986681P | 2020-03-07 | 2020-03-07 | |
| US62/986,681 | 2020-03-07 | ||
| PCT/US2021/021280 WO2021183406A1 (en) | 2020-03-07 | 2021-03-07 | Cardiac cycle analysis method and system |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230166864A true KR20230166864A (ko) | 2023-12-07 |
Family
ID=75267639
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020227034493A KR20230166864A (ko) | 2020-03-07 | 2021-03-07 | 심장 사이클 분석 방법 및 시스템 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US20230293035A1 (ko) |
| EP (1) | EP4114249A1 (ko) |
| JP (1) | JP2023516092A (ko) |
| KR (1) | KR20230166864A (ko) |
| WO (1) | WO2021183406A1 (ko) |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7422562B2 (en) * | 2003-12-05 | 2008-09-09 | Edwards Lifesciences | Real-time measurement of ventricular stroke volume variations by continuous arterial pulse contour analysis |
| US20090048527A1 (en) * | 2007-08-13 | 2009-02-19 | Edwards Lifesciences Corporation | Assessment of preload dependence and fluid responsiveness |
| US8714113B2 (en) | 2008-09-04 | 2014-05-06 | Radio Systems Corporation | Bark deterrent apparatus with internal vibration sensor |
| US9060722B2 (en) * | 2009-04-22 | 2015-06-23 | Rodrigo E. Teixeira | Apparatus for processing physiological sensor data using a physiological model and method of operation therefor |
| US20100274102A1 (en) | 2009-04-22 | 2010-10-28 | Streamline Automation, Llc | Processing Physiological Sensor Data Using a Physiological Model Combined with a Probabilistic Processor |
| US9375171B2 (en) | 2009-04-22 | 2016-06-28 | Rodrigo E. Teixeira | Probabilistic biomedical parameter estimation apparatus and method of operation therefor |
| US11363994B2 (en) * | 2009-04-22 | 2022-06-21 | Alton Reich | Cardiovascular state determination apparatus and method of use thereof |
| US9173574B2 (en) | 2009-04-22 | 2015-11-03 | Rodrigo E. Teixeira | Mechanical health monitor apparatus and method of operation therefor |
| CN102834047A (zh) * | 2010-01-29 | 2012-12-19 | 爱德华兹生命科学公司 | 在心血管参数确定中不规则心动周期影响的排除 |
| JP2012132000A (ja) | 2010-12-02 | 2012-07-12 | Niigata Univ | 結晶性物質の製造方法 |
| JP6557219B2 (ja) * | 2013-09-27 | 2019-08-07 | コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． | 生理信号を処理する処理装置、処理方法及びシステム |
-
2021
- 2021-03-07 EP EP21715069.7A patent/EP4114249A1/en active Pending
- 2021-03-07 WO PCT/US2021/021280 patent/WO2021183406A1/en unknown
- 2021-03-07 US US17/909,523 patent/US20230293035A1/en active Pending
- 2021-03-07 JP JP2022553096A patent/JP2023516092A/ja active Pending
- 2021-03-07 KR KR1020227034493A patent/KR20230166864A/ko active Search and Examination
Also Published As
| Publication number | Publication date |
|---|---|
| JP2023516092A (ja) | 2023-04-17 |
| WO2021183406A1 (en) | 2021-09-16 |
| EP4114249A1 (en) | 2023-01-11 |
| US20230293035A1 (en) | 2023-09-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Charlton et al. | Breathing rate estimation from the electrocardiogram and photoplethysmogram: A review | |
| Yoon et al. | Cuff-less blood pressure estimation using pulse waveform analysis and pulse arrival time | |
| Kachuee et al. | Cuff-less high-accuracy calibration-free blood pressure estimation using pulse transit time | |
| US20210244302A1 (en) | Methods to estimate the blood pressure and the arterial stiffness based on photoplethysmographic (ppg) signals | |
| Forouzanfar et al. | Oscillometric blood pressure estimation: past, present, and future | |
| JP5981944B2 (ja) | 脳血液動態状態を監視するためのデバイスおよび方法 | |
| CN107072594B (zh) | 用于评估呼吸窘迫的方法和装置 | |
| US20080183232A1 (en) | Method and system for determining cardiac function | |
| WO2019161608A1 (zh) | 多参数监护数据分析方法和多参数监护系统 | |
| JP2007203041A (ja) | 心肺相互作用を用いる患者の血液動態状態の評価用装置 | |
| US9848785B2 (en) | Analysis and characterization of patient signals | |
| Davies et al. | Wearable in-ear PPG: Detailed respiratory variations enable classification of COPD | |
| JP2011521702A (ja) | Ｃｏ２評価のための方法および装置 | |
| Dash et al. | Estimation of arterial blood pressure waveform from photoplethysmogram signal using linear transfer function approach | |
| US11638534B2 (en) | Continuous monitoring of the perfusion of an organ or extremity | |
| AU2019350718A1 (en) | Model-based sensor technology for detection of cardiovascular status | |
| Ghosal et al. | Classification of photoplethysmogram signal using self organizing map | |
| KR20230166864A (ko) | 심장 사이클 분석 방법 및 시스템 | |
| Sannino et al. | Non-invasive estimation of blood pressure through genetic programming-preliminary results | |
| US20210219924A1 (en) | Noninvasive Diagnostics of Proximal Heart Health Biomarkers | |
| Bose et al. | Improving the performance of continuous non-invasive estimation of blood pressure using ECG and PPG | |
| CN111248884A (zh) | 一种血压计脉搏波幅度包络线的分析方法及装置 | |
| EP4029437A1 (en) | Blood pressure estimation | |
| Abolarin | Non-invasive Estimation of Blood Pressure using Harmonic Components of Oscillometric Pulses | |
| EP3811857A1 (en) | System and method for processing physiological signals to determine health-related information |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination |