用于量化和去除生物物理信号中的异步噪声的方法和系统技术方案

在此描述的示例性方法和系统便于对诸如肌肉伪影噪声污染的异步噪声进行量化和去除，以更准确地评估准周期生物物理信号系统中的复杂的非线性可变性、例如所采集的心脏信号、脑信号中的非线性可变性。

【技术实现步骤摘要】
【国外来华专利技术】用于量化和去除生物物理信号中的异步噪声的方法和系统相关申请本国际PCT申请要求于2018年6月18日提交的、专利技术名称为“METHODSANDSYSTEMSTOQUANTIFYANDREMOVEASYNCHRONOUSNOISEINBIOPHYSICALSIGNALS”的美国临时申请第62/686,245号的优先权，其通过引用整体合并于此。
本公开总体上涉及用于表征心血管循环和其他生理系统的非侵入式方法和系统。更具体地，一方面，本公开涉及从采集的生物物理信号(例如，心脏信号、脑信号等)中滤除异步噪声。另一方面，本公开涉及对所采集的信号的质量评估以及对所采集的信号的选通以用于分析。在另一方面，本公开涉及对由第一组生物物理信号测量设备采集的第一组数据集进行归一化，以及对由第二组生物物理信号测量设备采集的第二组数据集进行归一化，使得可以在机器学习操作中可以对第一组数据集和第二组数据集一起进行分析。
技术介绍
缺血性心脏病(也称为心脏缺血或心肌缺血)是一种有如下特点的疾病或一组疾病：其通常由于冠状动脉疾病(CAD)导致心肌供血减少。当向心肌层或心肌供血的冠状动脉内壁发展成动脉粥样硬化(内壁变硬或变僵以及其中的斑块积聚，通常伴有异常炎症)时，通常会发生CAD。随着时间的流逝，CAD还可以削弱心肌并导致例如心绞痛、心肌梗塞(心脏病)、心力衰竭和心律不齐。心律不齐是一种异常的心律，其可包括正常的心脏电传导顺序的任何变化，在某些情况下其可导致心脏骤停。CAD的评估可能是复杂的，并且使用许多技术和工具来评估病症(condition)的存在和严重性。就心电图、即其中分析心脏电活动以获得有关其结构和功能的信息的心脏病学领域而言，严重的缺血性心脏病可以改变冠状动脉狭窄或闭塞下游的灌注床中心肌的心室传导性。这种病理学可以在心脏的不同位置并以不同阶段的严重程度来表达自己，使准确的诊断具有挑战性。此外，心肌的导电特性可能因人而异，其他因素(例如与测量探针的放置相关的测量可变性以及与此类探针及其相关组件相关的寄生损耗)在心脏的电生理测试期间也会影响捕获的生物物理信号。此外，当将心肌的传导性质捕获作为相对较长的心脏相位梯度信号时，它们可能表现出复杂的非线性可变性，而传统的建模技术无法有效捕获这些可变性。期望对所采集的生物物理信号(例如，心脏信号、脑信号等)中的异步噪声和伪影进行量化和滤波，其可以促进对病理学和病症的更准确的评估。
技术实现思路
在此描述的示例性方法和系统有助于量化和/或去除诸如骨骼肌伪影噪声污染之类的异步噪声，以更准确地评估准周期性生物物理信号系统中的复杂非线性变化，例如所采集的心脏信号脑信号等的变化。在此描述的示例性方法和系统还有助于评估所采集信号的信号质量，以对所采集信号进行选通，从而进行后续分析。如本文所使用的，术语“心脏信号”(也称为心脏的信号)是指与心脏的电传导系统的功能和/或活动(例如，引起心肌的收缩)相关的信号，并且在一些实施例中包括心电图信号，例如经由心电图(ECG)采集的信号。随后可以使用异步噪声(例如骨骼肌相关信号污染和肌肉伪影噪声污染以及所采集的信号中的其他异步噪声污染)的水平的量化，从诸如心脏信号之类的生物物理信号的测量中自动排除这种异步噪声，对于该生物物理信号的测量，这种异步噪声的存在可能对随后的对心脏信号和/或生物物理信号的分析和/或对疾病状态的临床预测/估计(其对准周期生物物理信号的各种周期性特征进行评估)产生负面影响。如在此所使用的，术语“脑信号”(在此也称为神经信号)是指与脑功能/活动相关的信号，并且在一些实施例中包括脑电图信号，例如经由脑电图(EEG)采集的脑电图信号。随后可以使用诸如眼外肌噪声污染和面肌噪声污染以及所采集的信号中的其他异步噪声污染的异步噪声的量化，从诸如脑信号的生物物理信号的测量中自动或手动排除这种异步噪声，对于该生物物理信号的测量，这种异步噪声的存在可能会对随后的脑信号和/或生物物理信号的分析和/或对疾病状态的临床预测/估计(对其各种准周期性特征进行评估)产生负面影响。为了本公开的目的，术语“生物物理信号”并不旨在限于心脏信号和脑信号，而是涵盖了能够被感测的任何哺乳动物电信号或电化学信号，包括但不限于与以下相关的信号以及在哺乳动物体内任何地方以细胞水平产生的电信号：中心和周围神经系统(例如，来自大脑、脊髓和/或神经及其相关神经元的电信号)、肺、循环系统(例如血液)、淋巴、内分泌、消化、肌肉骨骼、泌尿、免疫、生殖、表皮和生殖系统。尽管本公开针对在与心脏有关的病理和病症和/或与脑有关的病理和病症(包括例如冠状动脉疾病和肺循环高压(pulmonaryhypertension)(例如肺动脉高压、左心疾病引起的肺循环高压、肺疾病引起的肺循环高压、慢性血凝块引起的肺循环高压以及其他疾病引起的肺循环高压)以及在此提到的其他与心脏有关的病症和/或疾病和/或与大脑有关的病症和/或疾病)的诊断和治疗中异步噪声的有益量化，但是这种量化也可以应用于其中生物物理信号涉及哺乳动物身体的任何相关系统的任何病理学或病症的诊断和治疗(包括药物治疗)。骨骼肌相关信号(例如，以肌电图(EMG)表征)相对于心脏信号、脑信号等通常被表征为“带内噪声”——即，其通常发生在与所采集的生物物理信号内相同或相似的频率范围内。例如，对于心脏信号，所产生的信号的主要频率分量通常在约0.5Hz至约80Hz之间。对于脑信号，频率分量通常在约0.1Hz至约50Hz之间。此外，根据污染程度，与骨骼肌相关的信号也可以具有与典型的基于心脏的波形和基于脑的波形等相同或相似的幅值。实际上，骨骼肌相关的信号与心脏信号、脑部信号等的相似性可能会对生物物理信号的自动诊断分析产生重大问题。因此，对所测量的生物物理信号中的骨骼肌相关的污染和其他异步噪声的水平进行量化对于以下来说至关重要：采集的生物物理信号的质量评估以及自动排除所采集的被污染的信号使其不被用于后续分析，和/或为后续分析提供信息以对污染进行补偿。在对诸如心脏信号、脑信号等所采集的生物物理信号中的骨骼肌相关信号的水平进行量化时关键观察的是骨骼肌相关信号与心脏信号、脑信号等不同步，因为骨骼肌相关信号和生物物理信号的来源完全不同。例如，心脏信号源自心肌细胞的动作电位的总和，脑信号源自大脑神经元内的离子电流的总和，而骨骼肌相关信号源自原始肌肉(如胸肌、二头肌、三头肌等)的动作电位的总和。这两种来源不太可能共享可以产生同步性的更深层的共同来源。因此，可以通过如在此所述将采集的生物物理信号和其中的循环与该患者的理想的代表性生物物理信号进行比较来量化骨骼肌相关信号(和其他异步伪影)，所采集的生物物理信号和理想的生物物理信号之间的总体差异可以被解释为所采集的生物物理信号中骨骼肌相关信号污染(和其他异步信号)的贡献。在一个方面，公开了一种用于从所采集的生物物理信号数据集中滤除异步噪声(骨骼肌伪影噪声和其他异步噪声)的方法，该方法包括：通过处理器接收受检者的生物物理信号数据集；通过所述处理器根据在所接收的生物物理信号数据集中检测到的多个检测到本文档来自技高网...

【技术保护点】
1.一种用于从所采集的生物物理信号数据集中滤除异步噪声的方法，该方法包括：/n通过处理器接收受检者的生物物理信号数据集；/n通过所述处理器根据在所接收的生物物理信号数据集中检测到的多个检测到的准周期循环，确定所述受检者的代表性准周期信号模式的至少一个模板信号矢量数据集特性；/n通过所述处理器将所述至少一个所确定的模板信号矢量数据集应用于一个或多个降噪矢量数据集，其中，所述一个或多个降噪矢量数据集共同具有与所接收的生物物理信号数据集的要滤波的部分的矢量长度相对应的矢量长度，其中i)所述至少一个所确定的模板信号矢量数据集被应用于被确定为在所接收的心脏信号数据集的要滤波的部分中存在的每个检测到的循环；以及ii)所述至少一个所确定的模板信号矢量数据集的长度是变化的，以匹配所接收的生物物理信号数据集的要滤波的部分的相应检测到的循环的矢量长度；以及/n通过合并所接收的生物物理信号数据集的要滤波的部分和所述一个或多个生成的降噪矢量数据集，来生成所述生物物理信号数据集的或其一部分的滤波后的生物物理信号数据集。/n

【技术特征摘要】
【国外来华专利技术】20180618 US 62/686,2451.一种用于从所采集的生物物理信号数据集中滤除异步噪声的方法，该方法包括：
通过处理器接收受检者的生物物理信号数据集；
通过所述处理器根据在所接收的生物物理信号数据集中检测到的多个检测到的准周期循环，确定所述受检者的代表性准周期信号模式的至少一个模板信号矢量数据集特性；
通过所述处理器将所述至少一个所确定的模板信号矢量数据集应用于一个或多个降噪矢量数据集，其中，所述一个或多个降噪矢量数据集共同具有与所接收的生物物理信号数据集的要滤波的部分的矢量长度相对应的矢量长度，其中i)所述至少一个所确定的模板信号矢量数据集被应用于被确定为在所接收的心脏信号数据集的要滤波的部分中存在的每个检测到的循环；以及ii)所述至少一个所确定的模板信号矢量数据集的长度是变化的，以匹配所接收的生物物理信号数据集的要滤波的部分的相应检测到的循环的矢量长度；以及
通过合并所接收的生物物理信号数据集的要滤波的部分和所述一个或多个生成的降噪矢量数据集，来生成所述生物物理信号数据集的或其一部分的滤波后的生物物理信号数据集。


2.根据权利要求1所述的方法，还包括：
通过所述处理器接收一个或多个附加生物物理信号数据集，每个所述附加的生物物理信号数据集与所述生物物理信号数据集同时从所述受检者采集；
通过所述处理器根据在所接收的一个或多个附加生物物理信号数据集中的每个附加生物物理信号数据集中检测到的多个检测到的心跳循环，确定所述受检者的代表性准周期信号模式的至少一个模板信号矢量数据集特性；
通过所述处理器针对所接收的一个或多个附加生物物理信号数据集中的每个附加生物物理信号数据集，将多个所确定的模板信号矢量数据集以重复的方式应用于一个或多个降噪矢量数据集，其中，所述一个或多个降噪矢量数据集共同具有与所接收的附加生物物理信号数据集的要滤波的部分的矢量长度相对应的矢量长度，并且其中，i)所述多个所确定的模板信号矢量数据集中的每个模板信号矢量数据集被应用于被确定为在所接收的附加生物物理信号数据集的要滤波的部分中存在的每个检测到的循环，以及ii)所述多个所确定的模板信号矢量数据集中的每个模板信号矢量数据集的长度是变化的，以匹配所接收的附加生物物理信号数据集的要滤波的部分的对应检测到的循环的矢量长度；以及
通过合并所接收的生物物理信号数据集的要滤波的部分和所述一个或多个生成的降噪矢量数据集，来生成所述生物物理信号数据集的或其一部分的滤波后的生物物理信号数据集。


3.根据权利要求1或2所述的方法，其中确定所述代表性准周期信号模式的所述至少一个模板信号矢量数据集特性的步骤包括：
通过所述处理器确定所接收的生物物理信号数据集或其一部分中特性不同的多个信号特征；
通过所述处理器确定所确定的所述多个信号特征中每个信号特征之间的多个循环区域；
通过所述处理器使所述多个循环区域中每个循环区域在所述多个信号特征或位于每个所述循环区域中的另一组信号特征的相同方面彼此对准；以及
通过所述处理器使用针对所述多个循环区域中每组点执行的平均值运算或中值运算来确定所述至少一个模板信号矢量数据集中的每个点。


4.根据权利要求1-3中的任一项所述的方法，其中，所接收的生物物理信号数据集包括心脏信号数据集，并且其中，所述多个信号特征选自由以下构成的群组：所接收的心脏信号数据集或其一部分中的R峰，所接收的心脏信号数据集或其一部分中的S峰，所接收的心脏信号数据集或其一部分中的T峰，所接收的心脏信号数据集或其一部分中的Q峰或所接收的心脏信号数据集或其一部分中的P峰。


5.根据权利要求1-4中任一项所述的方法，其中，所接收的生物物理信号数据集包括心脏信号数据集，并且其中，所述多个信号特征对应于所接收的心脏信号数据集或其一部分中的R峰。


6.根据权利要求1-5中的任一项所述的方法，其中，确定所述代表性准周期模式的所述至少一个模板信号矢量数据集特性的步骤还包括：
通过所述处理器确定从所述多个循环区域中的每个循环区域中得出的归一化参数。


7.根据权利要求1-6中任一项所述的方法，其中，确定所述代表性准周期信号模式的所述至少一个模板信号矢量数据集特性的步骤还包括：
通过所述处理器将所述多个循环区域中的每个循环区域的值或从中得出的参数归一化为预定比例。


8.根据权利要求1至7中任一项所述的方法，其中确定所述代表性准周期信号模式的所述至少一个模板信号矢量数据集特性的步骤还包括：
通过所述处理器对所述多个循环区域进行基于聚类的分析，以确定是否存在一个以上的主导循环形态，其中，针对每个确定的主导循环形态确定模板信号矢量。


9.根据权利要求1至8中任一项所述的方法，其中，所述多个循环区域包括彼此相邻的循环。


10.根据权利要求9所述的方法，其中，彼此相邻的所述循环彼此部分重叠。


11.根据权利要求9所述的方法，其中，彼此相邻的所述循环彼此不重叠。


12.根据权利要求9-11中的任一项所述的方法，其中，通过使用来自所述多个循环区域的两组或多组循环的两个或多个模板信号矢量数据集来生成所述滤波后的生物物理信号数据集，其中，所述多个循环区域的所述两组或多组循环彼此相邻。


13.根据权利要求1至12中任一项所述的方法，其中，在采集所述生物物理信号时，几乎实时地生成所述滤波后的生物物理信号数据集。


14.根据权利要求1至13中任一项所述的方法，其中，在完全采集了所述生物物理信号之后，生成所述滤波后的生物物理信号数据集。


15.根据权利要求1至14中任一项所述的方法，其中，所述一个或多个降噪矢量数据集被布置为一维矢量。


16.根据权利要求1至15中任一项所述的方法，其中，所述一个或多个降噪矢量数据集被布置为N维矢量，其中，N对应于被确定为在所接收的生物物理信号数据集的要滤波的部分中存在的检测到的循环的数目。


17.根据权利要求1至16中任一项所述的方法，其中将所述多个所确定的模板信号矢量数据集应用于一个或多个降噪矢量数据集的步骤包括：
通过所述处理器将所述一个或多个降噪矢量数据集初始化为一维矢量，该一维矢量的长度与所接收的生物物理信号的要滤波的部分的长度相对应；以及
通过所述处理器在所述一维矢量中复制所确定的模板信号矢量，以便至少将与所确定的模板信号矢量的峰相关联的数据点与在所接收的要滤波的生物物理信号中确定的每个峰对准。


18.根据权利要求17所述的方法，其中，在所述复制步骤期间，相对于先前复制的模板信号矢量数据集的、与当前复制的模板信号矢量数据集有冲突的对应部分...

【专利技术属性】
技术研发人员：M·加勒特，T·W·F·伯顿，S·拉姆昌达尼，A·杜姆拉，
申请(专利权)人：生命解析公司，
类型：发明
国别省市：加拿大;CA