專利名稱：用于利用數(shù)據(jù)融合和假設(shè)檢驗來檢測icu患者記錄中的偽像的方法和系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明一般地涉及專家系統(tǒng)，更具體而言，涉及供在評估來自于患者的數(shù)據(jù)中使用的專家系統(tǒng)。
背景技術(shù)：
保健技術(shù)(例如，生物醫(yī)學(xué)傳感器、監(jiān)視系統(tǒng)和醫(yī)療器械)在現(xiàn)代的重病監(jiān)護室(ICU)中，在性能和完全普及(許多器械)方面快速發(fā)展。附加數(shù)據(jù)流的創(chuàng)建正在對保健工作人員施加顯著的″信息超載″挑戰(zhàn)，保健工作人員也面對要滿足ICU患者人數(shù)需要的特護工作人員的奇缺情況。

發(fā)明內(nèi)容
因此，本發(fā)明針對解決開發(fā)一種用于減少在特護環(huán)境或其它保健環(huán)境中必須人工處理的信息量的方法和設(shè)備的問題。
本發(fā)明通過提供一種方法和由智能模塊構(gòu)成的設(shè)備來解決這個及其它問題，所述智能模塊能夠使來源于寬陣列傳感器和系統(tǒng)的多個數(shù)據(jù)流同化并且能夠從臨床無意義的變化或偽像中區(qū)分患者狀態(tài)上的臨床顯著變化。
根據(jù)本發(fā)明的一個方面，用于監(jiān)視患者的方法的示例性實施例包括對幾個受監(jiān)視信號中的每一個采用假設(shè)檢驗以確定在受監(jiān)視信號中是否存在偽像。在假設(shè)檢驗中，虛假設(shè)包括假定幾個受監(jiān)視信號的高度相關(guān)受監(jiān)視信號的樣本對具有預(yù)定分布。所述方法的示例性實施例接著當(dāng)虛假設(shè)為真的可能性低于預(yù)定置信級時，確定偽像可存在于多個受監(jiān)視信號之一中。一般而言，假設(shè)檢驗指示所獲取的數(shù)據(jù)是否匹配來自于具有相似條件的患者的歷史數(shù)據(jù)。被匹配的數(shù)據(jù)包括相對于相同受監(jiān)視信號的歷史版本的受監(jiān)視信號的樣本對，所述樣本對是高度相關(guān)受監(jiān)視信號。
根據(jù)本發(fā)明的另一方面，一種用于檢測多個受監(jiān)視信號(S1…Sn)的一個或多個樣本(s1…sn)中的偽像的方法的示例性實施例，包括為受監(jiān)視信號(S1…Sn)的一個或多個樣本(s1…sn)的每一個(sm)計算觀察假定了虛假設(shè)為真的每一個樣本(sm)和另一個樣本(sk)的交叉概率(pmk)，其中虛假設(shè)(H0)是每一個樣本(sm)和每一個其它樣本(sk)具有與所存的版本相同的分布；計算與每一個交叉概率(pmk)相關(guān)聯(lián)的置信級(cmk)；對于高度相關(guān)受監(jiān)視信號對的所有組合重復(fù)計算步驟；為每一個樣本(sm)，對與包括該樣本(sm)的一對高度相關(guān)信號(Smk)相關(guān)聯(lián)的所有交叉概率(pmk)進行求和；以及為每一個樣本(sm)輸出結(jié)果以作為在每一個樣本中不包含偽像的概率，其中如果不包含偽像的一個或多個概率低于預(yù)定閾值，則向用戶指示與一個或多個概率相關(guān)聯(lián)的一個或多個樣本可能包含偽像。
根據(jù)本發(fā)明的另一個方面，一種用于監(jiān)視患者的設(shè)備的示例性實施例包括多個導(dǎo)線、存儲器和處理器。每一個導(dǎo)線接收受監(jiān)視信號的樣本。所述存儲器存儲每一個接收到的受監(jiān)視信號的樣本。所述處理器耦合于存儲器并且被編程用于對每一個受監(jiān)視信號采用假設(shè)檢驗以確定在受監(jiān)視信號中是否存在偽像，其中虛假設(shè)包括假定受監(jiān)視信號的高度相關(guān)受監(jiān)視信號的樣本對具有預(yù)定分布；以及當(dāng)虛假設(shè)為真的可能性低于預(yù)定置信級時，確定偽像可存在于多個受監(jiān)視信號之一中。所述設(shè)備可包括用戶接口，用于以有意義的方式向用戶輸出該信息。
根據(jù)本發(fā)明的又一個方面，在此所述方法可在計算機可讀介質(zhì)中被編碼為處理器的指令。


當(dāng)考慮下列附圖回顧詳細說明時，本發(fā)明的其它方面將對本領(lǐng)域的技術(shù)人員而言是顯而易見的。
圖1描繪了根據(jù)本發(fā)明一個方面的用于處理多個數(shù)據(jù)流的方法的示例性實施例的框圖。
圖2描繪了根據(jù)本發(fā)明又一個方面的用于監(jiān)視患者的方法的示例性實施例的流程圖。
圖3描繪了根據(jù)本發(fā)明再又一個方面的用于監(jiān)視患者的方法的另一個示例性實施例的流程圖。
圖4描繪了根據(jù)本發(fā)明仍又一個方面的用于監(jiān)視患者的設(shè)備的框圖。
具體實施例方式
在此對″一個實施例″或″一實施例″的任何引用都是指結(jié)合實施例所描述的具體特征、結(jié)構(gòu)或特性被包含在本發(fā)明的至少一個實施例中。短語″在一個實施例中″在說明書中不同地方的出現(xiàn)未必全都指同一個實施例。
本發(fā)明特別地提供了一種用于利用由智能模塊構(gòu)成的系統(tǒng)，所述模塊能夠使來源于寬陣列傳感器和系統(tǒng)的多個數(shù)據(jù)流同化，并且能夠區(qū)分患者狀態(tài)方面的臨床顯著變化與臨床無意義的變化或偽像的方法。本發(fā)明包括一種數(shù)據(jù)流融合方法，其實現(xiàn)了多參數(shù)監(jiān)視能力。
根據(jù)本發(fā)明的一個方面，本發(fā)明還包括一種用于基于統(tǒng)計分析來檢測給定的受監(jiān)視信號(或一組受監(jiān)視信號)中的偽像的方法。假設(shè)檢驗?zāi)苡脕泶_定受監(jiān)視信號是偽像的結(jié)果還是顯著臨床變化的結(jié)果。假設(shè)檢驗是用于確定關(guān)于某人群特性的推斷在統(tǒng)計上是否合理的過程。
根據(jù)本發(fā)明的一個方面，假設(shè)檢驗?zāi)苡脕泶_定在最新獲得的數(shù)據(jù)中是否存在一個或多個偽像。例如，假設(shè)最新獲得的數(shù)據(jù)具有遵循相似數(shù)據(jù)分布的分布，所述相似數(shù)據(jù)分布是經(jīng)過長期的一段時間(或經(jīng)過許多患者)獲得的。如果假設(shè)為真(在某一置信區(qū)間之內(nèi))，那么最新獲得的數(shù)據(jù)很可能不包含偽像，然而如果假說不為真，那么情況很可能相反。通過將高度相關(guān)信號用作為假設(shè)檢驗的基礎(chǔ)，可獲得結(jié)果中置信度的提高。
假定存在許多受監(jiān)視信號(s1，s2，s3…，sn)，為此需要具有在每一個信號中存在偽像的指示符。所述過程開始于在這些信號的記錄存儲體之中運行脫機相關(guān)檢驗。ECG/EEG信號數(shù)據(jù)庫源是公眾可用的并且可容易地被獲得。所得到的相關(guān)矩陣給出了這些信號中的每一對之間的互相關(guān)性的指示符并且將為如下形式
r11···r1n......rn1···rnn---(1)]]>其中r11是信號s1與自身(r11＝1)的自相關(guān)性，而r1n是信號s1與sn之間的互相關(guān)性。這些互相關(guān)值是如圖1所示的統(tǒng)計分析所需要的。國家標(biāo)準衛(wèi)生研究所已經(jīng)開發(fā)出這種數(shù)據(jù)庫，從中可獲得這些互相關(guān)值。
假設(shè)檢驗(具有預(yù)定顯著性水平即置信區(qū)間的虛假設(shè)假設(shè)檢驗)用于確定偽像存在的概率。假設(shè)檢驗是用于確定關(guān)于人群特性的推斷是否合理的過程。虛假設(shè)是初始推斷。在這種情況下，虛假設(shè)是所研究的信號具有與相似信號的數(shù)據(jù)庫相同的分布H0。
備選假設(shè)是所研究的信號與相似信號的數(shù)據(jù)庫不屬于相同的人群H1。
顯著性水平與拒絕有利于備選的虛假設(shè)所需的肯定程度有關(guān)。通過獲得小樣本，人們無法確信自己的結(jié)論。事實上，樣本越小，人們對于數(shù)據(jù)對其它數(shù)據(jù)的分布的關(guān)系就越不肯定。例如，如果根據(jù)相似數(shù)據(jù)的樣本均值的幾個標(biāo)準偏差而獲得的單個數(shù)據(jù)點可能是統(tǒng)計不規(guī)則的(即數(shù)據(jù)有效但只是表示出現(xiàn)可能性非常小，而仍然可能出現(xiàn)的點)或者可能是偽像。然而，隨著數(shù)據(jù)點數(shù)量增加置信度，具有所述置信度人們可聲明所述數(shù)據(jù)是不規(guī)則的或者是基于偽像增加的，明顯在主要分布之外的幾個數(shù)據(jù)點的可能性也隨著變得越來越不大可能。
所以人們必須在拒絕虛假設(shè)之前先判斷觀察采樣結(jié)果的概率是否小于顯著性水平。許多研究者采用約百分之五的顯著性水平。對于典型的百分之五(5％)的顯著性水平，符號表示法為α＝0.05。對于這種顯著性水平，當(dāng)其實際上為真時錯誤拒絕虛假設(shè)的概率是5％。為了更好地防止這種錯誤，應(yīng)該選擇較低的值α。
p值是在假定了虛假設(shè)為真之下所觀察的給定采樣結(jié)果的概率。如果p值小于α，則應(yīng)該拒絕虛假設(shè)。例如，如果α＝0.05并且p值為0.03，則拒絕虛假設(shè)。相反的是不為真。如果p值大于α，則人們具有不充分的證據(jù)來拒絕虛假設(shè)。
許多假設(shè)檢驗函數(shù)的輸出也包括置信區(qū)間。正如在此使用所述術(shù)語，置信區(qū)間是具有包含真假設(shè)量的所選概率的數(shù)值范圍。在上文的例子中，假設(shè)樣本值對于平均值μ落在95％置信區(qū)間之內(nèi)。這相當(dāng)于不能以0.05的顯著性水平拒絕虛假設(shè)。相反地，如果100(1-α)置信區(qū)間不包含p值，則人們以顯著性水平α來拒絕虛假設(shè)。
根據(jù)存儲在數(shù)據(jù)庫中的所研究的受監(jiān)視信號(s1，s2，s3，…，sn)的先驗測試以及在等式(1)中對相關(guān)信號進行識別，我們設(shè)置某一閾值來確定相關(guān)性的接受水平(例如，拒絕小于40％的任何相關(guān)因數(shù)rij)。我們?yōu)槊恳粋€檢查中的臨床狀況(例如，咽痛、流血、腦損傷、肺水腫、索組織緊縮、代謝性昏迷、呼吸衰竭，…，等等)重復(fù)相同的實驗(其導(dǎo)致不同的相關(guān)矩陣)。每一種臨床狀況將具有其自己的相關(guān)矩陣，所述相關(guān)矩陣描述了讓任何兩個信號當(dāng)相對于彼此進行比較時成功通過假設(shè)檢驗。例如，如圖1所示，信號s1和s2具有確定的相關(guān)因數(shù)r12，并且就咽痛而論，具有確定范圍的p值(例如，PminAngina、PmaxAngina)，其不同于呼吸衰竭的情況。當(dāng)前產(chǎn)生的來自正常范圍的值越接近，其具有的相應(yīng)權(quán)重就越高。這是通過給較接近標(biāo)稱值的p值分派更大權(quán)重來測量的。例如pi,j=pi,j-(pi,jmaxAngina+pi,jminAngina)/2(pi,jmaxAngina-pi,jminAngina)×ci,j---(2)]]>其中ci，j是置信因數(shù)(1-累加分布)。
對這些單獨值進行求和，所研究的信號在其中沒有偽像的概率為pnoartifactsinsignali=Σjpi,j---(3)]]>其中求和j是跨越所有與信號i高度相關(guān)的信號的。顯然，在信號i中具有偽像的概率為(1-Pno artifacts in signal i)。圖1示出了上述過程的框圖。
轉(zhuǎn)向圖2，在其中示出了一種用于確定在從正在為特定臨床狀況而進行治療或觀察的患者那里獲得的受監(jiān)視信號中是否存在偽像的方法的示例性實施例。例如，受監(jiān)視信號可能是心電圖、呼吸率、心率或者提供與患者健康有關(guān)的信息的其它信號。這種方法使醫(yī)學(xué)臨床醫(yī)生或操作員能夠集中于包括與偽像相反的臨床顯著變化的患者的那些方面，這些方面需要被不同地針對解決。在偽像的情況下，需要檢查信號導(dǎo)線以核實數(shù)據(jù)完整性，這例如可由技術(shù)人員來完成。在臨床顯著變化的情況下，可能需要醫(yī)生或?qū)＜襾韺忛啍?shù)據(jù)以確定適當(dāng)?shù)姆磻?yīng)。
在步驟21中，為受監(jiān)視信號計算如下的互相關(guān)矩陣r11···r1n......rn1···rnn]]>所述互相關(guān)矩陣可從受監(jiān)視信號的數(shù)據(jù)庫中獲得，所述受監(jiān)視信號是從在相似的臨床狀況下的患者那里獲得的。這個矩陣定量地描述了受監(jiān)視信號之間的關(guān)系或相關(guān)性。由此，rij量化兩個受監(jiān)視信號之間的互相關(guān)性(Si和Sj)。例如，r11表示信號(S1)和它本身之間的相關(guān)性，其為一。這個矩陣可從臨床狀況到臨床狀況變化；因此應(yīng)該從所存儲的受監(jiān)視信號中獲得每一個互相關(guān)矩陣，所述受監(jiān)視信號是從許多具有相同臨床狀況的患者那里觀察到的。
在步驟22中，識別高度相關(guān)的那些信號對。例如，超過0.40或40％的矩陣中的每一個值指示高度相關(guān)的兩個信號。在這種情況下，那些具有超過這個預(yù)定閾值(比如，40％)的互相關(guān)值的信號，被視作為高度相關(guān)。這些信號對能用來驗證數(shù)據(jù)，因為高度相關(guān)的信號應(yīng)該具有類似相關(guān)的樣本。如果沒有，則增加了樣本被沾染的可能性。
在步驟23中，最大和最小概率值是根據(jù)每一個互相關(guān)對的數(shù)據(jù)庫所確定的。例如，用于觀察信號對的最小值是從數(shù)據(jù)庫中識別出的，且最大值也是。
在步驟24中，對于其中存在樣本(si)(感興趣樣本)的每一個受監(jiān)視信號(Si)，確定正在觀察的受監(jiān)視信號(Si)的樣本(si)連同來自高度相關(guān)的受監(jiān)視信號(Si)之一的樣本(sj)的概率(pij)。這些概率(pij…pik)是為給定感興趣樣本的每一個高度相關(guān)的信號(其中存在樣本)而確定的。例如，如果信號S2、S5和S8(如圖1所示)相對于信號S1是高度相關(guān)的，則確定交叉概率p12、p15和p18。相關(guān)聯(lián)的置信度值(cij)也是為每一個已確定的概率而確定的，而在這種情況下該值為c12、c15和c18。正在被觀察的受監(jiān)視信號的兩個樣本的概率是基于如下假設(shè)來計算的，即假定兩個樣本具有相同且預(yù)定的概率分布。例如，第一個十分鐘的第一信號的樣本(比如ECG I導(dǎo)線信號)和第二個十分鐘的第二信號的樣本(比如ECG II導(dǎo)線信號)是假定第一和第二樣本遵循預(yù)定人群分布(比如，正態(tài)分布或與受監(jiān)視信號的數(shù)據(jù)庫相同的分布)來計算的。這可利用柯爾莫哥羅夫-斯米爾諾夫檢驗來實現(xiàn)，其檢驗從中得到成對數(shù)據(jù)樣本的人群分布遵循假設(shè)分布的虛假設(shè)。如果正如所選假設(shè)檢驗確定的那樣虛假設(shè)為真，則產(chǎn)生觀察數(shù)據(jù)樣本的概率，以及相關(guān)置信度值或置信區(qū)間。如果基于所述假設(shè)檢驗虛假設(shè)不可能為真，則樣本可能被偽像沾染。
在步驟25中，接著利用給定的醫(yī)學(xué)狀況的概率范圍來加權(quán)所計算的概率。最終結(jié)果是不具有偽像樣本的概率。具有偽像的樣本的概率簡單地為一減去這個概率。
在步驟26中，在給定樣本的所有高度相關(guān)信號上對加權(quán)概率進行求和。
在步驟27中，為每一個樣本輸出結(jié)果以作為在每一個樣本中不包含偽像的概率。如果一個或多個不包含偽像的概率低于預(yù)定閾值，則用戶就獲知一個或多個與所述概率相關(guān)聯(lián)的樣本可能包括偽像。
在步驟28中，確定是否存在更多數(shù)據(jù)，而在這樣情況下只要新的樣本存在就不斷重復(fù)上述過程。
轉(zhuǎn)向圖3，在其中示出了用于根據(jù)本發(fā)明的另一個方面監(jiān)視患者的方法的另一個示例性實施例。
在步驟31中，從患者接收幾個受監(jiān)視信號，每個受監(jiān)視信號都提供了與所述患者的健康有關(guān)的信息。這些信號可以是EEG信號、ECG信號、ABP信號、呼吸信號、腦波等等。
在步驟32中，對幾個受監(jiān)視信號中的每一個采用假設(shè)檢驗以確定在所述受監(jiān)視信號中是否存在偽像。在假設(shè)檢驗中，虛假設(shè)包括假定幾個受監(jiān)視信號的高度相關(guān)受監(jiān)視信號的樣本對具有預(yù)定分布。所述預(yù)定分布可包括與對應(yīng)的受監(jiān)視信號的已存儲版本對相同的分布或者一些標(biāo)準概率分布，比如高斯分布。所述假設(shè)檢驗將產(chǎn)生每一受監(jiān)視信號包括偽像的概率。
在步驟33中，當(dāng)虛假設(shè)為真的可能性低于預(yù)定置信級時，則確定偽像可能存在于幾個受監(jiān)視信號之一中。
在步驟34中，當(dāng)在步驟32產(chǎn)生的概率超出預(yù)定閾值時，產(chǎn)生輸出信號以警告操作員至少其中一個受監(jiān)視信號包括偽像。
轉(zhuǎn)向圖4，在其中示出了用于處理從正在監(jiān)視其醫(yī)學(xué)狀況的患者接收的數(shù)據(jù)的設(shè)備。所述設(shè)備可屬于智能模塊的系統(tǒng)的一部分，每個智能模塊處理來自于患者的信息使得可立即通知或警告臨床醫(yī)生或醫(yī)生有關(guān)正在被監(jiān)視的患者的臨床狀況上的變化。
處理器41執(zhí)行上述方法以識別偽像在來自于患者的數(shù)據(jù)中的存在。其它模塊可識別臨床上的顯著變化，并且對存在于數(shù)據(jù)中的偽像的識別可用來濾出因偽像而造成的變化以及因患者狀況上變化而造成的變化。能夠執(zhí)行數(shù)以千計的樣本的矩陣操作的任何處理器應(yīng)該足以執(zhí)行這里所述的方法。一種可能的處理器包括英特爾奔騰處理器。
一個或多個導(dǎo)線45向CPU 41發(fā)送樣本。這些導(dǎo)線可以是標(biāo)準的ECG導(dǎo)線或者將數(shù)據(jù)從患者轉(zhuǎn)發(fā)給中央處理部件以供進一步處理的通信系統(tǒng)。這些導(dǎo)線可能是無線或有線的。就無線而論，所述導(dǎo)線可能是單個或者多個天線。在有線導(dǎo)線的情況下，所述導(dǎo)線可能是承載多個信號的單個導(dǎo)線或者用于每一個樣本的單個導(dǎo)線。
存儲器43存儲處理器41所需的任何信息。例如，存儲器43可是其上編碼有用于編程處理器41的指令的計算機可讀介質(zhì)。存儲器43還可是存儲用于由處理器41后續(xù)處理的所有新來樣本的數(shù)據(jù)庫以便樣本可被累加，同時處理器41正在估計先前的樣本。存儲器43存儲這些樣本以便處理器可重用它們以便通過使用例如在每一次迭代期間越來越多的數(shù)據(jù)來精調(diào)其分析，從而更好地估計新來的樣本。50千兆字節(jié)的存儲器應(yīng)該足以用于此目的。存儲器43可以是隨機存取存儲器或其它存儲器，其中數(shù)據(jù)可被寫入以及從中讀出。
示出了CPU 41耦合于存儲感興趣的受監(jiān)視信號的歷史版本的數(shù)據(jù)庫42。這種耦合能夠以實際通信連接的形式，以便CPU 41可實時地獲得上面所述的期望參數(shù)。作為選擇，這種耦合可用數(shù)字形式表示，因為期望的參數(shù)從數(shù)據(jù)庫42中被獲得，然后在處理器中被編程或者被存儲在存儲器43中。如上所述，這個數(shù)據(jù)庫的例子是由NIH開發(fā)的。
用戶接口44耦合于處理器41以便操作員可獲知在從患者接收的樣本中是否存在偽像。可向所述操作員示出所計算的概率以及相關(guān)的置信級。此外，當(dāng)檢測到偽像時可產(chǎn)生警告，所述警告可以是音頻或視覺指示符的形式。
將會認識到的是，在不脫離本發(fā)明的精神和給定范圍的情況下，本發(fā)明的修改和變形被上述教導(dǎo)所涵蓋并且落在所附權(quán)利要求的限定范圍內(nèi)。雖然上述實施例論述了用于在求和之前加權(quán)各種概率的確定的加權(quán)技術(shù)，然而也可采用其它的加權(quán)技術(shù)。此外，雖然上述實施例描述了確定的假設(shè)檢驗，但是也可使用其它假設(shè)檢驗。此外，這些例子不應(yīng)該被解釋成限制權(quán)利要求所涵蓋的本發(fā)明的修改和變形，而僅僅是可能變形的舉例說明。
權(quán)利要求
1.一種用于監(jiān)視患者的方法，包括對多個受監(jiān)視信號中的每一個采用假設(shè)檢驗以確定在多個受監(jiān)視信號中是否存在偽像，其中虛假設(shè)包括假定多個受監(jiān)視信號的高度相關(guān)受監(jiān)視信號的樣本對具有預(yù)定分布；并且當(dāng)虛假設(shè)為真的可能性低于預(yù)定置信級時確定偽像可存在于多個受監(jiān)視信號之一中。
2.根據(jù)權(quán)利要求1所述的方法，進一步包括從患者接收多個受監(jiān)視信號，每一個受監(jiān)視信號都提供與患者的健康有關(guān)的信息。
3.根據(jù)權(quán)利要求1所述的方法，其中預(yù)定分布包括與對應(yīng)的多個受監(jiān)視信號的已存儲版本對相同的分布。
4.根據(jù)權(quán)利要求1所述的方法，其中假設(shè)檢驗包括產(chǎn)生每一個受監(jiān)視信號包含偽像的概率。
5.根據(jù)權(quán)利要求4所述的方法，進一步包括當(dāng)所產(chǎn)生的概率超出預(yù)定閾值時，產(chǎn)生輸出信號以警告操作員至少其中一個受監(jiān)視信號包含偽像。
6.一種用于檢測多個受監(jiān)視信號(S1...Sn)的一個或多個樣本(s1...sn)中的偽像的方法，包括為多個受監(jiān)視信號(S1...Sn)的一個或多個樣本(s1...sn)的每一個(sm)計算觀察假定了虛假設(shè)為真的樣本(sm)和另一個樣本(sk)的交叉概率(pmk)，其中虛假設(shè)(H0)是樣本(sm)和另一個樣本(sk)具有與多個受監(jiān)視信號的樣本(sm)的已存儲版本相同的分布；計算與每一個交叉概率(pmk)相關(guān)聯(lián)的置信級(cmk)；對于多個受監(jiān)視信號的高度相關(guān)受監(jiān)視信號對的所有組合重復(fù)計算步驟；為每一個樣本(sm)，對與包括該樣本(sm)的一對高度相關(guān)信號(Smk)相關(guān)聯(lián)的所有交叉概率(pmk)進行求和；并且為每一個樣本(sm)輸出結(jié)果以作為在該樣本中不包含偽像的概率，其中如果不包含偽像的一個或多個概率低于預(yù)定閾值，則向用戶指示與一個或多個概率相關(guān)聯(lián)的一個或多個樣本可能包含偽像。
7.根據(jù)權(quán)利要求6所述的方法，進一步包括根據(jù)多個所存儲的受監(jiān)視信號的數(shù)據(jù)庫來計算如下的多個受監(jiān)視信號(S1...Sn)的相關(guān)矩陣r11···r1n······rn1···rnn]]>其中r11是多個受監(jiān)視信號(S1...Sn)的第一受監(jiān)視信號(S1)與它本身的自相關(guān)性(r11＝1)，而r1n是多個受監(jiān)視信號(S1...Sn)的第一受監(jiān)視信號(S1)與多個受監(jiān)視信號(S1...Sn)的另一個受監(jiān)視信號(Sn)之間的互相關(guān)性。
8.根據(jù)權(quán)利要求7所述的方法，進一步包括通過確定受監(jiān)視信號對中的哪一對或者多對具有超出預(yù)定閾值的互相關(guān)性，來在多個受監(jiān)視信號之中識別一個或多個高度相關(guān)受監(jiān)視信號對。
9.根據(jù)權(quán)利要求6所述的方法，進一步包括加權(quán)每一個所計算的交叉概率，使得較接近于定額的樣本具有較大的權(quán)重。
10.根據(jù)權(quán)利要求9所述的方法，進一步包括為給定的臨床狀況確定多個所存儲的受監(jiān)視信號的交叉概率的范圍，其中所述加權(quán)包括按如下加權(quán)每一個所計算的交叉概率(pmk)Pmk=pmk-(pmkmaxspecific clinical condition+pmkminspecific clinical condition)/2(pmkmaxspecific clinical condition-pmkminspecific clinical condition)×cmk]]>其中pmk max specific clinical condition表示來自于一對受監(jiān)視信號的已存儲版本的最大概率值，和pmk min specific clinical condition表示來自于一對受監(jiān)視信號的已存儲版本的最小概率值。
11.一種用于檢測多個受監(jiān)視信號(S1...Sn)的一個或多個樣本(s1...sn)中的偽像的方法，包括為多個受監(jiān)視信號(S1...Sn)的一個或多個樣本(s1...sn)的每一個(sm)計算觀察假定了虛假設(shè)為真的每一個樣本(sm)和另一個樣本(sk)的交叉概率(pmk)，其中虛假設(shè)是樣本(sm)和另一個樣本(sk)的組合分布具有預(yù)定分布；計算與每一個交叉概率(pmk)相關(guān)聯(lián)的置信級(cmk)；對于多個受監(jiān)視信號的高度相關(guān)受監(jiān)視信號對的組合重復(fù)計算步驟；為每一個樣本(sm)，對與每一對都包括樣本(sm)的多對高度相關(guān)信號(Smk)相關(guān)聯(lián)的多個交叉概率(pmk)進行求和；為每一個樣本輸出結(jié)果，其中對于每一個樣本(sm)，所述結(jié)果是通過從一中減去所述求和而獲得的，以作為在每一個樣本中包含偽像的概率；以及如果一個或多個包含偽像的概率超出預(yù)定閾值，則向監(jiān)視系統(tǒng)的操作員指示與超過預(yù)定閾值的一個或多個概率相關(guān)聯(lián)的一個或多個樣本可能包括偽像。
12.根據(jù)權(quán)利要求11所述的方法，進一步包括只要正在從患者接收信號就周期性地不斷執(zhí)行計算、求和和減法。
13.一種用于監(jiān)視患者的設(shè)備，包括多個導(dǎo)線，每一個都用于接收受監(jiān)視信號的樣本；存儲器，用于存儲每一個接收到的受監(jiān)視信號的樣本；和耦合于存儲器的處理器，所述處理器被編程用于對多個受監(jiān)視信號的每一個采用假設(shè)檢驗以確定在多個受監(jiān)視信號中是否存在偽像，其中虛假設(shè)包括假定多個受監(jiān)視信號的高度相關(guān)受監(jiān)視信號的樣本對具有預(yù)定分布；以及當(dāng)虛假設(shè)為真的可能性低于預(yù)定置信級時，確定偽像可存在于多個受監(jiān)視信號之一中。
14.根據(jù)權(quán)利要求13所述的設(shè)備，其中所述處理器被進一步編程用于產(chǎn)生每一個受監(jiān)視信號包含偽像的概率。
15.根據(jù)權(quán)利要求14所述的設(shè)備，其中所述處理器被進一步編程用于當(dāng)所產(chǎn)生的概率超出預(yù)定閾值時，產(chǎn)生輸出信號以警告操作員至少其中一個受監(jiān)視信號包含偽像。
16.一種用于檢測多個受監(jiān)視信號(S1...Sn)的一個或多個樣本(s1...sn)中的偽像的設(shè)備，包括所耦合的一個或多個導(dǎo)線，用于接收多個受監(jiān)視信號(S1...Sn)的一個或多個樣本(s1...sn)的其中一個；存儲器，用于存儲所接收的多個受監(jiān)視信號的一個或多個樣本中的每一個；和處理器，其耦合于存儲器和一個或多個導(dǎo)線(45)并且被編程用于為多個受監(jiān)視信號(S1...Sn)的一個或多個樣本(s1...sn)的每一個(sm)計算觀察假定了虛假設(shè)為真的每一個樣本(sm)和另一個樣本(sk)的交叉概率(pmk)，其中虛假設(shè)(H0)是每一個樣本(sm)和另一個樣本(sk)具有與多個受監(jiān)視信號的樣本(sm)的已存儲版本相同的分布；計算與每一個交叉概率(pmk)相關(guān)聯(lián)的置信級(cmk)；對于多個受監(jiān)視信號的高度相關(guān)受監(jiān)視信號對的所有組合重復(fù)計算步驟；為每一個樣本(sm)，對與包括該每一個樣本(sm)的一對高度相關(guān)信號(Smk)相關(guān)聯(lián)的所有交叉概率(pmk)進行求和；以及為每一個樣本(sm)輸出結(jié)果以作為在該樣本中不包含偽像的概率，其中如果不包含偽像的一個或多個概率低于預(yù)定閾值，則向用戶指示與一個或多個概率相關(guān)聯(lián)的一個或多個樣本可能包含偽像。
17.根據(jù)權(quán)利要求16所述的設(shè)備，其中所述處理器被進一步編程用于根據(jù)多個所存儲的受監(jiān)視信號的數(shù)據(jù)庫來計算如下的多個受監(jiān)視信號(S1...Sn)的相關(guān)矩陣r11···r1n······rn1···rnn]]>其中r11是多個受監(jiān)視信號(S1...Sn)的第一受監(jiān)視信號(S1)與它本身的自相關(guān)性(r11＝1)，而r1n是多個受監(jiān)視信號(S1...Sn)的第一受監(jiān)視信號(S1)與多個受監(jiān)視信號(S1...Sn)的另一個受監(jiān)視信號(Sn)之間的互相關(guān)性。
18.根據(jù)權(quán)利要求17所述的設(shè)備，其中所述處理器進一步被編程用于通過確定受監(jiān)視信號對中的哪一對或者多對具有超出預(yù)定閾值的互相關(guān)性，來在多個受監(jiān)視信號之中識別一對或多對高度相關(guān)受監(jiān)視信號。
19.根據(jù)權(quán)利要求16所述的設(shè)備，其中所述處理器進一步被編程用于加權(quán)每一個所計算出的交叉概率，使得較接近于定額的樣本具有較大的權(quán)重，并且所述加權(quán)包括按如下加權(quán)每一個所計算出的交叉概率(pmk)Pmk=pmk-(pmkmaxspecific clinical condition+pmkminspecific clinical condition)/2(pmkmaxspecific clinical condition-pmkminspecific clinical condition)×cmk]]>其中pmk max specific clinical condition表示來自于一對受監(jiān)視信號的已存儲版本的最大概率值，和pmk min specific clinical condition表示來自于一對受監(jiān)視信號的已存儲版本的最小概率值。
20.一種在其上編碼有多個指令的計算機可讀介質(zhì)，所述指令使處理器執(zhí)行對多個受監(jiān)視信號中的每一個采用假設(shè)檢驗以確定在多個受監(jiān)視信號中是否存在偽像，其中虛假設(shè)包括假定多個受監(jiān)視信號的高度相關(guān)受監(jiān)視信號的樣本對具有預(yù)定分布；并且當(dāng)虛假設(shè)為真的可能性低于預(yù)定置信級時，確定偽像可存在于多個受監(jiān)視信號之一中。
全文摘要
一種用于監(jiān)視患者的方法對幾個受監(jiān)視信號中的每一個采用假設(shè)檢驗來確定在所述受監(jiān)視信號中是否存在偽像。在假設(shè)檢驗中，虛假設(shè)包括假定幾個受監(jiān)視信號的高度相關(guān)受監(jiān)視信號的樣本對具有預(yù)定分布。所述方法當(dāng)虛假設(shè)為真的可能性低于預(yù)定置信度值時，確定偽像可存在于多個受監(jiān)視信號之一中。這個方法可以以智能模塊加以實施，所述智能模塊用于處理來自于一個或多個患者的多個數(shù)據(jù)以便從那些因偽像而造成的變化中過濾出患者在臨床上的顯著變化。
文檔編號A61B5/02GK1914623SQ200580003967
公開日2007年2月14日 申請日期2005年2月1日 優(yōu)先權(quán)日2004年2月4日
發(fā)明者W·阿利 申請人:皇家飛利浦電子股份有限公司