CN106910225A - 超声波多普勒影像之分群、噪声抑制及可视化方法 - Google Patents
超声波多普勒影像之分群、噪声抑制及可视化方法 Download PDFInfo
- Publication number
- CN106910225A CN106910225A CN201510974635.6A CN201510974635A CN106910225A CN 106910225 A CN106910225 A CN 106910225A CN 201510974635 A CN201510974635 A CN 201510974635A CN 106910225 A CN106910225 A CN 106910225A
- Authority
- CN
- China
- Prior art keywords
- color range
- those
- range value
- group
- reference sequences
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 56
- 238000012800 visualization Methods 0.000 claims abstract description 40
- 238000004458 analytical method Methods 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims abstract description 5
- 238000007405 data analysis Methods 0.000 claims description 36
- 238000005314 correlation function Methods 0.000 claims description 17
- 230000010349 pulsation Effects 0.000 claims description 17
- 230000002123 temporal effect Effects 0.000 claims description 12
- 210000001367 artery Anatomy 0.000 claims description 10
- 230000001052 transient effect Effects 0.000 claims description 9
- 210000003462 vein Anatomy 0.000 claims description 8
- 239000003086 colorant Substances 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 7
- 238000002604 ultrasonography Methods 0.000 claims description 7
- 238000005311 autocorrelation function Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000013459 approach Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 3
- 206010041052 Sluggishness Diseases 0.000 claims 6
- 238000010586 diagram Methods 0.000 description 15
- 230000017531 blood circulation Effects 0.000 description 9
- 206010028980 Neoplasm Diseases 0.000 description 7
- 210000004204 blood vessel Anatomy 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 238000012163 sequencing technique Methods 0.000 description 5
- 241000630329 Scomberesox saurus saurus Species 0.000 description 4
- 210000004731 jugular vein Anatomy 0.000 description 4
- 210000003734 kidney Anatomy 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000010412 perfusion Effects 0.000 description 3
- 230000006866 deterioration Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 210000002796 renal vein Anatomy 0.000 description 2
- 230000002792 vascular Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000008081 blood perfusion Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000001951 hemoperfusion Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003703 image analysis method Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003907 kidney function Effects 0.000 description 1
- 230000000541 pulsatile effect Effects 0.000 description 1
- 230000008327 renal blood flow Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
- G06T7/0014—Biomedical image inspection using an image reference approach
- G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10132—Ultrasound image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
- G06T2207/30104—Vascular flow; Blood flow; Perfusion
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明提供了一种超声波多普勒影像之分析***,包含:捕获设备、图像处理装置以及输出装置,其中,捕获设备取得连续时间序之超声波多普勒影像;图像处理装置依据时间序排列超声波多普勒影像于不同点像素之彩色色阶值,并进行参考序列群组计算取得参考序列后,依据参考序列与色阶值时间序列进行分群相关度计算,进一步,利用该分群相关度计算结果进行分群归类与噪声抑制计算,归类主要脉动讯号、次要脉动讯号以及噪声讯号,最后,输出装置显示连续时间序之可视化脉动超声波影像。
Description
技术领域
本发明系有关一种超声波多普勒影像之分群、噪声抑制及可视化方法,特别是一种在超声波多普勒影像***上对应之实施方法。
背景技术
习知的超声波影像,例如超声波多普勒影像中容易含有噪声,这些噪声来源包括病人呼吸频率之震动,或是医护人员在操作超声波探头时,无法维持固定位置或角度导致移动假影之产生。此外,功率多普勒影像不含方向性信息,故所有动静脉血流均包含在影像中;而彩色多普勒影像虽含方向性信息,但并能完全代表动静脉血流信息。
台湾专利TW I275383与美国专利US 8,047,993 B2同时揭露一种非侵袭性用以检测肿瘤组织恶化程度的方法,主要系利用一功率多普勒超声波仪,对该肿瘤组织连续撷取复数张肿瘤功率多普勒超声波影像,并于该些影像中选定一肿瘤区域标定出于有血流反射讯号的影像点,以求得血管的面积。接着,将藉由分析该些影像所取得之肿瘤功率多普勒血管密度指针于该心跳周期内的最大收缩期与舒张期中所得的差异,做为肿瘤差异性血管密度指针,并判定该肿瘤组织之恶化程度。
美国专利US 8,777,860 B2揭露一种功率多普勒超声波肾脏血流灌注检测方法,主要系利用一功率多普勒超声波仪,由体表针对肾脏血流变化连续地撷取复数张包含叶间血管、弓形血管、小叶间血管等区域的功率多普勒超声波影像,并于该些影像中框选一检测区域,将此检测区域中血流灌注面积所占检测区域面积之百分比定义为为一功率多普勒血管密度指针,根据连续影像之多普勒血管密度指针値,取其最大値与最小値的比例数値,定义为一肾脏血流灌注指针。并可将检测区域中具有血流反射讯号的像素依亮度进行加权计算得到一色彩加权功率多普勒指针,将连续影像的色彩加权功率多普勒指针値平均后可得到一平均色彩加权功率多普勒指标。根据肾脏血流灌注指针値及平均色彩加权功率多普勒指针値,可判断出肾脏血液灌注情形及肾功能的好坏,以供临床诊断应用。
然而,TW I275383、US 8,047,993 B2及US 8,777,860 B2完全无揭露本发明提出多种分群、噪声抑制及可视化方法应用于功率超声波多普勒与彩色超声波多普勒影像,并以不同颜色进行可视化区分主要脉动讯号、次要脉动讯号、噪声讯号,故本发明较能真实呈现动静脉血流资讯,同时可以达成噪声抑制,降低撷取影像中的移动假影。并使得脉动血管清晰呈现,进而提升医生之诊断正确性及效率。
发明内容
在一实施例中,本发明提供了一种超声波多普勒影像之分析***,其包含:一捕获设备、一图像处理装置以及一输出装置,其中,该图像处理装置更包含:一数据转换单元、一数据分析比较单元以及一数据记录单元。
该捕获设备,用以取得复数连续时间序之超声波多普勒影像,其中,该些超声波多普勒影像具有复数点像素之彩色色阶值。
该数据转换单元,用以依据时间序排列该些超声波多普勒影像之不同点像素之彩色色阶值,取得复数色阶值时间序列。
该数据分析比较单元,用以计算该些色阶值时间序列进行一参考序列群组计算,取得一参考序列,并依据该参考序列与该些色阶值时间序列进行一分群相关度计算,取得复数相关系数数值,以及依据该些相关系数数值进行一分群归类与噪声抑制计算,归类为一主要脉动讯号、一次要脉动讯号以及一噪声讯号。
该数据记录单元,用以依据不同色阶变化校正该噪声讯号之该些点像素,取得复数连续时间序之可视化脉动超声波影像。
该输出装置,连接该图像处理装置,用以显示该些可视化脉动超声波影像。
在另一实施例中,本发明提供了一种超声波多普勒影像之分群、噪声抑制及可视化影像之分析方法,其包含:取得复数连续时间序之超声波多普勒影像,其中,该些超声波多普勒影像具有复数点像素之彩色色阶值。
接着,依据时间序排列该些超声波多普勒影像于不同点像素之彩色色阶值,取得复数色阶值时间序列。再针对该些色阶值时间序列进行一参考序列群组计算,取得一参考序列,并以该参考序列与该些色阶值时间序列进行一分群相关度计算,取得复数相关系数数值。
进一步,利用该些相关系数数值进行一分群归类与噪声抑制计算,将该些色阶值时间序列归类为一主要脉动讯号、一次要脉动讯号以及一噪声讯号。
最后,依据不同色阶变化校正该噪声讯号所属之该些点像素,取得复数连续时间序之可视化脉动超声波影像。
附图说明
图1系本发明实施例中所揭露的超声波多普勒影像之分群、噪声抑制及可视化之分析***之一实施例流程图。
图2A系本发明取得复数连续时间序之超声波多普勒影像示意图;
图2B系本发明色阶值时间序列之示意图;
图3系本发明分群归类与噪声抑制计算之示意图;
图4系本发明实施例总颈动脉和内颈静脉之原始功率超声波多普勒影像与可视化脉动超声波影像之示意图;
图5系本发明实施例总颈动脉和内颈静脉之原始彩色超声波多普勒影像与可视化脉动超声波影像之示意图;
图6系本发明实施例肾动脉和肾静脉之原始功率超声波多普勒影像与可视化脉动超声波影像之示意图;
图7系本发明实施例手臂肱动脉和肱静脉之原始功率超声波多普勒影像可视化脉动超声波影像之示意图;
图8系本发明实施例校正该噪声讯号之示意图;
图9系本发明实施例之取得一连续时间序之强度变化量表之示意图
图10系本发明超声波多普勒影像之分群、噪声抑制及可视化分析方法之一实施例流程图。
具体实施方式
为让钧院贵审查委员及习于此技术人士,对本发明之功效完全了解,兹配合图示及图号,就本发明较佳之实施例说明如下:
本发明实施例中所揭露的超声波多普勒影像之分群、噪声抑制及可视化之分析***及其方法可以应用在超声波装置,或是应用在可以连接至超声波装置之计算机、工作站或微处理器中。本发明实施例之执行可以写成软件程序,软件程序可以储存于任何微处理单元辨识、解读之记录媒体,或包含有上述记录媒体之物品及装置。上述物品不限定为任何形式,可以为硬盘、软盘、光盘、ZIP、磁光装置、IC芯片、随机存取内存,或任何熟悉此项技艺者所可使用之包含有上述记录媒体的物品。
计算机***可以包含显示设备、处理器、内存、输入设备及储存装置。其中,输入设备可以用以输入影像、文字、指令等数据至计算机***。储存装置系例如为硬盘、光驱或藉由因特网连接之远程数据库,用以储存***程序、应用程序及用户数据等,亦可以储存本发明实施例所写成的软件程序。内存系用以暂存数据或执行之程序。处理器用以运算及处理数据等。显示设备则用以显示输出之数据。当计算机***执行本发明实施例超声波多普勒影像之分析方法时,对应之程序便被加载内存,以配合处理器执行本发明实施例之分析方法。最后,再将结果显示于显示设备或储存于储存装置。
如第一图所示,本发明揭露了一种超声波多普勒影像之分析***100。在一实施例,该超声波多普勒影像之分析***包含一捕获设备110、一图像处理装置120以及一输出装置130,其中,该图像处理装置120包含一数据转换单元122、一数据分析比较单元124以及一数据记录单元126。
请参考第二A图及第二B图,第二A图系本发明取得复数连续时间序之超声波多普勒影像示意图,第二B图系本发明色阶值时间序列之示意图。该捕获设备110取得复数连续时间序(I)之超声波多普勒影像210,其中,该些超声波多普勒影像具有复数点像素(j)212之彩色色阶值(Bj,i)。
该数据转换单元122,用以依据时间顺序(i=1~I)排列该些超声波多普勒影像210之不同点像素(j=1~J)212,取得复数色阶值时间序列(C1、C2、C3、…Cj)214,其中,该复数色阶值时间序列为一组彩色色阶值强度变化序列,如公式一所示。
Cj={Bj,i},i=1,2,3,...,I (公式一)
该数据分析比较单元124将该些色阶值时间序列进行一参考序列群组计算,取得一参考序列(Cref),其中,该参考序列群组计算系选自由一饱和度百分比(Intensity Percentage)方法、一平均标准偏差比值(Avg Std ratio)方法、一自相关(Autocorrelation)方法、一阶层式关联(Hierarchical Correlation)方法及前述方法之任意组合。
该数据分析比较单元124,藉由该饱和度百分比(IntensityPercentage)方法进行该参考序列群组计算,取得该参考序列。
该数据分析比较单元124为依该些色阶值时间序列(C1、C2、C3、…Cj)所具有之最大色阶值排列大小,取得复数百分级数,再选取该些色阶值时间序列之百分级数为落于一级数预期值范围者,取得一参考序列群组(Referenced Group,R.G.),该参考序列群组包含J'个色阶值时间序列。进一步,平均该参考序列群组所属之该些色阶值时间序列于不同点像素之彩色色阶值,取得该参考序列,如公式二所示。
(公式二)
该数据分析比较单元124,藉由平均标准偏差比值(Avg Std ratio)方法进行该参考序列群组计算,取得该参考序列。
该数据分析比较单元124计算该些色阶值时间序列之于不同点像素的彩色色阶值,取得复数标准偏差值(Stdj),并分别除以该些标准偏差值之平均值(Avg Std),取得复数平均标准偏差比值(Avg Std ratio),如公式三所示,再选取该些色阶值时间序列之平均标准偏差比值为落于一比值预期值范围者,取得一参考序列群组。进一步,平均该参考序列群组所属之该些色阶值时间序列于不同点像素之彩色色阶值,取得该参考序列。
(公式三)
该数据分析比较单元124,藉由自相关(Autocorrelation)方法进行该参考序列群组计算,取得该参考序列。
该数据分析比较单元124将该些色阶值时间序列进行复数迟滞变量之自相关函数计算,取得复数自相关函数数值,以及选择一自相关函数数值最小者所属之色阶值时间序列,作为该参考序列。
该数据分析比较单元124,藉由该阶层式关联(HierarchicalCorrelation)方法进行该参考序列群组计算,取得该参考序列。
该数据分析比较单元124将该些色阶值时间序列(C1)各自对其他色阶值时间序列(C2、C3、…Cj)进行一相关函数计算,取得复数相关系数数值,选择其中数值最大者所属之该些色阶值时间序列,归类为一暂时参考序列群组,分别平均该暂时参考序列群组所属之该些色阶值时间序列与剩余之该些色阶值时间序列的相关系数数值,取得一暂时相关系数数值,由该暂时相关系数数值与剩余之该些色阶值时间序列的相关系数数值,选择其中数值最大者所属之该些色阶值时间序列,归类为再一暂时参考序列群组,重复此步骤,直到任一该暂时相关系数数值小于一相关系数阈值预期值,选择该些暂时参考序列群组所属之该些色阶值时间序列最多者为一参考序列群组,以及分别平均该参考序列群组所属之该些色阶值时间序列于不同点像素之彩色色阶值,取得该参考序列。
该数据分析比较单元124,用以依据该参考序列与该些色阶值时间序列,进行一分群相关度计算,其中,该分群相关度计算系选自由一关联集群(Correlation Grouping)方法、一分组与迟滞相关分组(Grouping with Lag-correlation Grouping)方法或、一双中心关联集群(Two-centers correlation clustering)方法及前述方法之任意组合。
该数据分析比较单元124,用以该关联集群方法进行分群相关度计算,将依该参考序列为模板与该些色阶值时间序列进行一相关函数计算,取得不同色阶值时间序列对应之该些相关系数数值。
该数据分析比较单元124,用以该分组与迟滞相关分组方法进行分群相关度计算,将依该参考序列为模板与该些色阶值时间序列进行一复数迟滞变量之相关函数计算,分别选取一迟滞变量对应之相关系数数值最大者,作为该些数值最大者所属之色阶值时间序列的相关系数数值与迟滞变量。
该数据分析比较单元124,用以该双中心关联集群方法进行分群相关度计算,将依该参考序列为模板与该些色阶值时间序列进行一相关函数计算,取得复数相关函数数值,选择一相关系数数值最小者,作为该数值最小者所属之色阶值时间序列的相关系数数值,选择一相关系数数值最大者,作为该数值最大者所属之色阶值时间序列的相关系数数值,分别平均该相关系数数值最大者与该参考序列所属之该些色阶值时间序列于不同点像素之彩色色阶值,取得一更新参考序列,以及以该更新参考序列为模板与剩余该些色阶值时间序列,重复上述步骤,直到该些色阶值时间序列均取得对应之该些相关系数数值。
该数据分析比较单元124进一步依据该些取得分群相关度计算结果进行一分群归类与噪声抑制计算,且将该些色阶值时间序列归类为一主要脉动讯号、一次要脉动讯号以及一噪声讯号,产生该可视化脉动超声波影像,使得脉动血管清晰呈现。
请参考第三图,该数据分析比较单元124进行该分群归类与噪声抑制计算。若任一该分群相关度计算结果之相关系数落于一主要相关系数阈值范围300,且该迟滞变数落于一主要迟滞变量阈值范围302、304,则该所属之色阶值时间序列归类为该主要脉动讯号;若任一该分群相关度计算结果之相关系数绝对值落于一次要相关系数阈值范围306、308,且该迟滞变数落于一次要迟滞变量阈值范围310,则该所属之色阶值时间序列归类为该次要脉动讯号;其余该相关系数所属之色阶值时间序列归类为该噪声讯号。
请参考第四图,系本发明实施例该原始功率超声波多普勒影像400显示总颈动脉402和内颈静脉404和该可视化脉动超声波影像410之示意图。该数据分析比较单元124,用该参考序列群组计算依据为饱和度百分比方法和平均标准偏差比值方法之组合,该分群相关度计算为关联集群方法,并进行该分群归类与噪声抑制计算。
该数据分析比较单元124选取该些色阶值时间序列之百分级数为落于级数预期值范围,该级数预期值范围为小于5%,且平均标准偏差比值落于比值预期值范围,该比值预期值范围为小于0.1,将该些色阶值时间序列归类为参考序列群组,分别平均该参考序列群组所属之该些色阶值时间序列于不同点像素之彩色色阶值,取得该参考序列,并以该参考序列与该些色阶值时间序列进行相关函数计算,取得复数相关系数数值。
若任一相关系数数值落于一主要相关值范围,该相关系数数值为0.6至1.0,则将该相关系数数值所属之色阶值时间序列归类为主要脉动讯号412;若任一相关系数数值绝对值落于一次要相关系数阈值范围,该相关系数数值为-1.0至0.4,则将该相关系数数值所属之色阶值时间序列归类为次要脉动讯号414;其余该相关系数数值所属之色阶值时间序列归类为噪声讯号416。
该数据记录单元126用以利用不同颜色进行可视化区分主要脉动、次要脉动、噪声讯号,产生该复数连续时间序之可视化脉动超声波影像410。该可视化脉动超声波影像410用以一暖色系彩条(hotcolor bar)之色阶变化标示该主要脉动讯号412所属之该些点像素,该暖色系彩条为一浅黄色至暗红色之色阶变化;以一冷色系彩条(cold color bar)之色阶变化标示该次要脉动讯号414所属之该些点像素,该冷色系彩条为一浅青色至暗蓝色之色阶变化;以及以白色区块标示该噪声讯号416所属之该些点像素。该数据记录单元126用以不同颜色进行可视化脉动区分主要脉动、次要脉动、噪声讯号,产生该复数连续时间序之可视化脉动超声波影像410。
请参考第五图,系本发明实施例该原始彩色超声波多普勒影像500显示总颈动脉502和内颈静脉504,以及该可视化脉动超声波影像510之示意图。该数据分析比较单元124中,该参考序列群组计算为饱和度百分比方法和自相关方法之组合,该分群相关度计算为该双中心关联集群方法,并进行该分群归类与噪声抑制计算。
该数据分析比较单元124,选取该些百分级数落于级数预期值范围的色阶值时间序列,该级数预期值范围为小于10%,将该些色阶值时间序列进行迟滞变量为5至8之自相关函数计算,其中,自相关系数数值最小者所属之其色阶值时间序列,作为该参考序列。
再者,将依该参考序列为模板与该些色阶值时间序列进行一相关函数计算,取得复数相关函数数值,选择一相关系数数值最小者,作为该数值最小者所属之色阶值时间序列的相关系数数值后,选择一相关系数数值最大者,作为该数值最大者所属之色阶值时间序列的相关系数数值,分别平均该相关系数数值最大者与该参考序列所属之该些色阶值时间序列于不同点像素之彩色色阶值,取得一更新参考序列。
进一步将该更新参考序列为模板与剩余该些色阶值时间序列,重复上述步骤,直到该些色阶值时间序列均取得对应之该些相关系数数值。
若任一相关系数数值落于一主要相关系数阈值范围,该相关系数数值为0.6至1.0,则将该相关系数数值所属之色阶值时间序列归类为该主要脉动讯号512,以一暖色系彩条(hot color bar)之色阶变化标示该主要脉动讯号512所属之该些点像素,该暖色系彩条为一浅黄色至暗红色之色阶变化;若任一相关系数数值绝对值落于一次要相关系数阈值范围,该相关系数数值为-1.0至0.4,则将该相关系数数值所属之色阶值时间序列归类为该次要脉动讯号514,以一冷色系彩条(cold color bar)之色阶变化标示该次要脉动讯号514所属之该些点像素,该冷色系彩条为一浅青色至暗蓝色之色阶变化;其余该相关系数数值所属之色阶值时间序列归类为噪声讯号516。该数据记录单元126用以不同颜色进行可视化脉动区分主要脉动、次要脉动、噪声讯号,产生该复数连续时间序之可视化脉动超声波影像510。
请参考第六图,系本发明实施例该原始功率超声波多普勒影像600显示肾动脉602和肾静脉604,以及该可视化脉动超声波影像610之示意图。该数据分析比较单元124中,该参考序列群组计算为阶层式关联方法,该分群相关度计算为该关联集群方法,并进行该分群归类与噪声抑制计算。
该数据分析比较单元124将该些色阶值时间序列(C1)各自对其他色阶值时间序列(C2、C3、…Cj)进行一相关函数计算,取得复数相关系数数值,选择其中数值最大者所属之该些色阶值时间序列,归类为一暂时参考序列群组,分别平均该暂时参考序列群组所属之该些色阶值时间序列与剩余之该些色阶值时间序列的相关系数数值,取得一暂时相关系数数值。
由该暂时相关系数数值与剩余之该些色阶值时间序列的相关系数数值,选择其中数值最小者所属之该些色阶值时间序列,归类为再一暂时参考序列群组,重复此步骤,直到任一该暂时相关系数数值小于一相关系数阈值预期值,其中,该相关系数阈值预期值系为0.08%像素百分比,后选择该些暂时参考序列群组所属之该些色阶值时间序列最多者,取得一参考序列群组。分别平均该参考序列群组所属之该些色阶值时间序列于不同点像素之彩色色阶值,取得该参考序列。
再者,以该参考序列为模板与该些色阶值时间序列进行一相关函数计算,取得不同色阶值时间序列所属之该些相关系数数值。
若任一相关系数落于一主要相关系数阈值范围,该相关系数为0.6至1.0,则将该相关系数所属之色阶值时间序列归类为该主要脉动讯号612,以一暖色系彩条(hot color bar)之色阶变化标示该主要脉动讯号612所属之该些点像素,该暖色系彩条为一浅黄色至暗红色之色阶变化;若任一相关系数数值绝对值落于一次要相关系数阈值范围,该相关系数为-1.0至0.2,则将该相关系数数值所属之色阶值时间序列归类为该次要脉动讯号614,以一冷色系彩条(cold color bar)之色阶变化标示该次要脉动讯号614所属之该些点像素,该冷色系彩条为一浅青色至暗蓝色之色阶变化;其余该相关系数数值所属之色阶值时间序列归类为该噪声讯号616。该数据记录单元126用以不同颜色进行可视化区分主要脉动、次要脉动、噪声讯号,产生该复数连续时间序之可视化脉动超声波影像610。
请参考第七图,系本发明实施例该原始功率超声波多普勒影像700显示手臂肱动脉702和肱静脉704,以及该可视化脉动超声波影像710之示意图。该数据分析比较单元124中,该参考序列群组计算为饱和度百分比方法和平均标准偏差比值方法之组合,该分群相关度计算为该分组与迟滞相关分组方法,并进行分群归类与噪声抑制计算。
该数据分析比较单元124选取该些色阶值时间序列之百分级数为落于级数预期值范围,该级数预期值范围为小于5%,且该平均标准偏差比值落于比值预期值范围,该比值预期值范围为小于0.1者,取得该参考序列群组,分别平均该参考序列群组所属之该些色阶值时间序列于不同点像素之彩色色阶值,取得该参考序列。
再者,将依该参考序列为模板与该些色阶值时间序列进行复数迟滞变量之相关函数计算,其中,迟滞变量设定为0至8,分别选取一迟滞变量对应之相关系数绝对值最大者,作为该些数值最大者所属之色阶值时间序列的相关系数数值与迟滞变数。
若任一相关系数落于一相关系数阈值范围,该相关系数为-0.2至1.0,且该迟滞变数落于一迟滞变量阈值范围,该迟滞变量为0至1,则该所属之色阶值时间序列归类为该主要脉动讯号712,以一暖色系彩条(hot color bar)之色阶变化标示该主要脉动讯号712所属之该些点像素,该暖色系彩条为一浅黄色至暗红色之色阶变化;若任一相关系数落于一相关系数阈值范围,相关系数为-0.2至1.0,且该迟滞变数落于一迟滞变量阈值范围,该迟滞变量为2至8,则该所属之色阶值时间序列归类为该次要脉动讯号714,以一冷色系彩条(cold colorbar)之色阶变化标示该次要脉动讯号714所属之该些点像素,该冷色系彩条为一浅青色至暗蓝色之色阶变化;其余该相关系数数值所属之色阶值时间序列归类为该噪声讯号716。该数据记录单元126用以不同颜色进行可视化区分主要脉动、次要脉动、噪声讯号,产生该复数连续时间序之可视化脉动超声波影像710。
第八图系本发明实施例校正该噪声讯号,产生该可视化脉动超声波影像之示意图。
该数据记录单元126选择其中一噪声讯号806所属之点像素,以该点像素为中心,依据箭头方向搜寻计算相同可视化脉动超声波影像之一区域点像素个数中,若该主要脉动讯号802个数为多,则该点像素重新归类为该主要脉动讯号802,反之,若该次要脉动讯号804个数为多,则该点像素重新归类为该次要脉动讯号。本发明对噪声讯号进行二次判断校正,以避免该相关系数阈值设定过高导致误判信息。
第九图系本发明实施例显示该可视化脉动超声波影像之动态强度变化量表。该数据记录单元126,将每一可视化脉动超声波影像之主要讯号、次要讯号、及噪声讯号之依据时间顺序进行强度变化数值计算,并依据时间顺序排列该些强度变化数值,取得一动态强度变化量表900。进一步,可提供指定选取兴趣区域、兴趣区域的外圈及兴趣区域的中心,且依据所指定区域的项目显示对应之动态强度变化量表。
本发明之主要讯号、次要讯号、及噪声讯号依据时间序列进行强度变化数值计算,可依据下列公式四进行计算。
(公式四)
进一步,本发明之主要脉动讯号和次要脉动讯号之强度变化趋势进行复数迟滞变量之相关函数计算,取得一脉动相似指针(pulsatilesimilarity index,SIps),同样,噪声讯号之强度变化趋势亦分别与主要讯号、次要讯号之强度变化趋势进行复数迟滞变量之相关函数计算,取得一主要噪声相似指针(noise similarity index,SIpn)与一次要噪声相似指针(noise similarity index,SIsn)。并依据公式五,计算一比值系数(Ratio coefficient,RC),协助用户评估可视化效能结果。
(公式五)
第十图系本发明超声波多普勒影像分析方法之一实施例流程图,系说明本发明方法实施之流程。首先,在步骤S1010中取得复数连续时间顺序之超声波多普勒影像210,其中,该些超声波多普勒影像具有复数彩色点像素之彩色色阶值。
接着,步骤S1020中,依据时间顺序排列该些超声波多普勒影像于不同点像素之色阶值,取得复数色阶值时间序列,并在步骤S1030中,针对该些色阶值时间序列进行一参考序列群组计算,取得一参考序列,其中,该参考序列群组计算包含一饱和度百分比方法、一平均标准偏差比值方法、一自相关方法以及一阶层式关联方法或前述方法之任意组合,本发明不以此为限。
在步骤S1040中,依据该参考序列与该些色阶值时间序列,进行一分群相关度计算,取得复数相关系数数值,其中,该分群相关度计算包含一关联集群方法、一分组与迟滞相关分组方法、一双中心关联集群方法或前述方法之任意组合,本发明不以此为限。
在步骤S1050中,进一步针对该些相关系数数值进行一分群归类与噪声抑制计算,将该些色阶值时间序列归类为一主要脉动讯号、一次要脉动讯号以及一噪声讯号,本发明不以此为限。
最后,在步骤S1060中,以不同色阶变化校正该噪声讯号之点像素,取得复数连续时间序之可视化脉动超声波影像。
本发明所揭露超声波多普勒影像之分析方法,更提供用户在该可视化脉动超声波影像中选取一兴趣区域,并且统计该兴趣区域中该主要脉动讯号、该次要脉动讯号以及该噪声讯号所属之该些色阶值,取得一连续时间序之色阶值变化量表。
进一步,该输出装置将该主要脉动讯号与该次要脉动讯号的强度变化数值,进行复数迟滞变量之相关函数计算,取得该脉动相似指针,以及将该噪声讯号与该主要脉动讯号、该次要脉动讯号的强度变化数值,分别进行该些迟滞变量之相关函数计算,取得该主要噪声相似指针与该次要噪声相似指针,并选取该主要噪声相似指针或该次要噪声相似指针中最大者,除以该脉动相似指针,取得一比值系数,由该输出装置输出该比值系数。
本发明所揭露超声波多普勒影像之分群、噪声抑制及可视化影像之分析***及方法,系将超声波多普勒影像进行分群、噪声抑制及可视化方法,由于超声波多普勒影像讯号强度高低会受到动静脉血流脉动强度不同,因此本发明提出多种分群、噪声抑制及可视化方法,并以不同颜色进行可视化区分主要脉动讯号、次要脉动讯号、噪声讯号,由此,用户可依据不同特定器官选取对应之分析方法,藉以提供最适化处理,故能真实呈现动静脉血流信息,同时可以达成噪声抑制,降低撷取影像中的移动假影。并使得脉动血管清晰呈现,进而提升医生之诊断正确性及效率。
本发明所揭露超声波多普勒影像之分析***及方法,更提供一校正方法可针对噪声讯号进行二次判断,以避免阈值设定过高导致误判信息。本发明所揭露超声波多普勒影像之分析***及方法为不限制于特定器官之血流讯号,因此提出多种分群、噪声抑制及可视化方法,让不同用户撷取不同部位之超声波多普勒影像皆能适用。
上述实施例仅为说明本发明之原理及其功效,并非限制本发明。因此习于此技术之人士对上述实施例进行修改及变化仍不脱本发明之精神。本发明之权利范围应如后述之申请专利范围所列。
Claims (16)
1.一种超声波多普勒影像之分群、噪声抑制及可视化之分析***,包含:
一捕获设备,用以取得复数连续时间序之超声波多普勒影像,其中,该些超声波多普勒影像具有复数点像素之彩色色阶值;
一图像处理装置,系连接该捕获设备,包含一数据转换单元、一数据分析比较单元以及一数据记录单元;
该数据转换单元,用以依据时间序排列该些超声波多普勒影像于不同点像素之彩色色阶值,取得复数色阶值时间序列;
该数据分析比较单元,用以针对该些色阶值时间序列进行一参考序列群组计算,取得一参考序列,再依据该参考序列与该些色阶值时间序列进行一分群相关度计算,取得复数相关系数数值,并进行一分群归类与噪声抑制计算,将该些相关系数数值对应之该些色阶值时间序列归类为一主要脉动讯号、一次要脉动讯号以及一噪声讯号;以及
该数据记录单元,用以不同色阶变化校正该噪声讯号所属之该些点像素,取得复数连续时间序之可视化脉动超声波影像;以及
一输出装置,连接该图像处理装置,用以显示该些可视化脉动超声波影像。
2.如请求项1所述之分析***,其中,该输出装置更提供一兴趣区域的选取,且该图像处理装置,进一步统计该兴趣区域中该主要脉动讯号、该次要脉动讯号以及噪声讯号所属之该些色阶值,取得一连续时间序之强度变化量表,并由该输出装置输出该强度变化量表。
3.如请求项2所述之分析***,其中,该输出装置将该主要脉动讯号与该次要脉动讯号的强度变化数值,进行复数迟滞变量之相关函数计算,取得该脉动相似指针,以及将该噪声讯号与该主要脉动讯号、该次要脉动讯号的强度变化数值,分别进行该些迟滞变量之相关函数计算,取得该主要噪声相似指针与该次要噪声相似指针,并选取该主要噪声相似指针或该次要噪声相似指针中最大者,除以该脉动相似指针,取得一比值系数,由该输出装置输出该比值系数。
4.如请求项1所述之分析***,其中,该参考序列群组计算系选自由一饱和度百分比方法、一平均标准偏差比值方法、一自相关方法、一阶层式关联方法及前述方法所组成之群组。
5.如请求项4所述之分析***,其中,该数据分析比较单元,用以该饱和度百分比方法进行该参考序列群组计算,更包含:
依该些色阶值时间序列所具有之最大彩色色阶值排列大小,取得复数百分级数;
选择该些色阶值时间序列之百分级数为落于一级数预期值范围者,取得一参考序列群组;以及
分别平均该参考序列群组所属之该些色阶值时间序列于不同点像素之彩色色阶值,取得该参考序列。
6.如请求项4所述之分析***,其中,该数据分析比较单元,该平均标准偏差比值方法进行该参考序列群组计算,更包含:
计算该些色阶值时间序列之于不同点像素的彩色色阶值,取得复数标准偏差值,并分别除以该些标准偏差值之平均值,取得复数平均标准偏差比值;
选择该些色阶值时间序列之平均标准偏差比值为落于一比值预期值范围者,取得一参考序列群组;以及
分别平均该参考序列群组所属之该些色阶值时间序列于不同点像素之彩色色阶值,取得该参考序列。
7.如请求项4所述之分析***,其中,该数据分析比较单元,用以该自相关方法进行该参考序列群组计算,更包含:
将该些色阶值时间序列进行复数迟滞变量之自相关函数计算,取得复数自相关函数;以及
选择一自相关函数数值最小者所属之色阶值时间序列,作为该参考序列。
8.如请求项4所述之分析***,其中,该数据分析比较单元,用以该阶层式关联方法进行该参考序列群组计算,更包含:
将该些色阶值时间序列各自对其他色阶值时间序列进行相关函数计算,取得复数相关系数数值;
选择其中数值最大者所属之该些色阶值时间序列,归类为一暂时参考序列群组;
分别平均该暂时参考序列群组所属之该些色阶值时间序列与剩余之该些色阶值时间序列的相关系数数值,取得一暂时相关系数数值;
由该暂时相关系数数值与剩余之该些色阶值时间序列的相关系数数值,选择其中数值最大者所属之该些色阶值时间序列,归类为再一暂时参考序列群组,重复此步骤,直到任一该暂时相关系数数值小于一相关系数阈值预期值;
选择该些暂时参考序列群组所属之该些色阶值时间序列最多者,取得一参考序列群组;以及
分别平均该参考序列群组所属之该些色阶值时间序列于不同点像素之彩色色阶值,取得该参考序列。
9.如请求项1所述之分析***,其中,该分群相关度计算系选自由一关联集群方法、一分组与迟滞相关分组方法、一双中心关联集群方法及前述方法所组成之群组。
10.如请求项9所述之分析***,其中,该数据分析比较单元,用以该关联集群方法进行该分群相关度计算,更包含:
以该参考序列为模板与该些色阶值时间序列进行一相关函数计算,取得不同色阶值时间序列所属之该些相关系数数值。
11.如请求项9所述之分析***,其中,该数据分析比较单元,用以该双中心关联集群方法进行该分群相关度计算,更包含:
以该参考序列为模板与该些色阶值时间序列进行一相关函数计算,取得复数相关函数数值;
选择一相关系数数值最小者,作为该数值最小者所属之色阶值时间序列的相关系数数值;
选择一相关系数数值最大者,作为该数值最大者所属之色阶值时间序列的相关系数数值;
分别平均该相关系数数值最大者与该参考序列所属之该些色阶值时间序列于不同点像素之彩色色阶值,取得一更新参考序列;以及
以该更新参考序列为模板与剩余该些色阶值时间序列,重复上述步骤,直到该些色阶值时间序列均取得对应之该些相关系数数值。
12.如请求项9所述之分析***,其中,该数据分析比较单元,用以该分组与迟滞相关分组方法进行该分群相关度计算,更包含:
以该参考序列为模板与该些色阶值时间序列进行复数迟滞变量之相关函数计算,分别选择一迟滞变量对应之相关系数绝对值最大者,作为该些数值最大者所属之色阶值时间序列的相关系数数值与迟滞变数。
13.如请求项1所述之分析***,其中,该数据分析比较单元,进行该分群归类与噪声抑制计算,更包含:
若任一该分群相关度计算结果之相关系数落于一主要相关系数阈值范围,且该迟滞变数落于一主要迟滞变量阈值范围,则该所属之色阶值时间序列归类为该主要脉动讯号;
若任一该分群相关度计算结果之相关系数落于一次要相关系数阈值范围,且该迟滞变数落于一次要迟滞变量阈值范围,则该所属之色阶值时间序列归类为该次要脉动讯号;
其余该相关系数所属之色阶值时间序列归类为该噪声讯号。
14.如请求项1所述之分析***,其中,该数据记录单元,用以取得该可视化脉动超声波影像,更包含:
以该些噪声讯号所属该点像素为中心,计算相同可视化脉动超声波影像之一区域点像素个数,若该主要脉动讯号所属之该些点像素个数为多,则该噪声讯号点像素重新归类为该主要脉动讯号,反之,若该次要脉动讯号所属之该些点像素个数为多,则该点像素重新归类为该次要脉动讯号。
15.如请求项1所述之分析***,其中,该数据记录单元,用以取得该可视化脉动超声波影像,更包含:
以一暖色系彩条色阶变化标示该主要脉动讯号所属之该些点像素,以一冷色系彩条色阶变化标示该次要脉动讯号所属之该些点像素,以白色区块标示该噪声讯号所属之该些点像素,取得该些连续时间序之可视化脉动超声波影像。
16.一种超声波多普勒影像之分群、噪声抑制及可视化之分析方法,包含:
取得复数连续时间序之超声波多普勒影像,其中,该些超声波多普勒影像具有复数点像素之彩色色阶值;
依据时间序排列该些超声波多普勒影像于不同点像素之彩色色阶值,取得复数色阶值时间序列;
针对该些色阶值时间序列进行一参考序列群组计算,取得一参考序列;
依据该参考序列与该些色阶值时间序列再进行一分群相关度计算,取得复数相关系数数值;
进行一分群归类与噪声抑制计算,将该些相关系数数值对应之该些色阶值时间序列归类为一主要脉动讯号、一次要脉动讯号以及一噪声讯号;以及
以不同色阶变化校正该主要脉动讯号以及该次要脉动讯号所属之该些点像素,取得复数连续时间序之可视化脉动超声波影像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510974635.6A CN106910225B (zh) | 2015-12-23 | 2015-12-23 | 超声波多普勒影像之分群、噪声抑制及可视化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510974635.6A CN106910225B (zh) | 2015-12-23 | 2015-12-23 | 超声波多普勒影像之分群、噪声抑制及可视化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106910225A true CN106910225A (zh) | 2017-06-30 |
CN106910225B CN106910225B (zh) | 2020-05-01 |
Family
ID=59199644
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510974635.6A Expired - Fee Related CN106910225B (zh) | 2015-12-23 | 2015-12-23 | 超声波多普勒影像之分群、噪声抑制及可视化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106910225B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109567713A (zh) * | 2018-12-05 | 2019-04-05 | 宁波敖群电器有限公司 | 传送带速率驱动机构 |
CN110619260A (zh) * | 2019-01-08 | 2019-12-27 | 陈军 | 实时农业产量分析机构 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5279302A (en) * | 1992-01-28 | 1994-01-18 | Hitachi Medical Corporation | Ultrasonic doppler blood flow measuring apparatus |
JPH08173417A (ja) * | 1994-12-21 | 1996-07-09 | Ge Yokogawa Medical Syst Ltd | 画像生成方法および超音波診断装置 |
JP2006255022A (ja) * | 2005-03-15 | 2006-09-28 | Matsushita Electric Ind Co Ltd | 超音波ドプラ血流計 |
CN102982314A (zh) * | 2012-11-05 | 2013-03-20 | 深圳市恩普电子技术有限公司 | 一种血管内外膜识别、描记和测量的方法 |
CN103279935A (zh) * | 2013-06-09 | 2013-09-04 | 河海大学 | 基于map算法的热红外遥感图像超分辨率重建方法及*** |
CN103767728A (zh) * | 2012-10-19 | 2014-05-07 | 王靖维 | 影像辨识方法及影像辨识*** |
-
2015
- 2015-12-23 CN CN201510974635.6A patent/CN106910225B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5279302A (en) * | 1992-01-28 | 1994-01-18 | Hitachi Medical Corporation | Ultrasonic doppler blood flow measuring apparatus |
JPH08173417A (ja) * | 1994-12-21 | 1996-07-09 | Ge Yokogawa Medical Syst Ltd | 画像生成方法および超音波診断装置 |
JP2006255022A (ja) * | 2005-03-15 | 2006-09-28 | Matsushita Electric Ind Co Ltd | 超音波ドプラ血流計 |
CN103767728A (zh) * | 2012-10-19 | 2014-05-07 | 王靖维 | 影像辨识方法及影像辨识*** |
CN102982314A (zh) * | 2012-11-05 | 2013-03-20 | 深圳市恩普电子技术有限公司 | 一种血管内外膜识别、描记和测量的方法 |
CN103279935A (zh) * | 2013-06-09 | 2013-09-04 | 河海大学 | 基于map算法的热红外遥感图像超分辨率重建方法及*** |
Non-Patent Citations (1)
Title |
---|
AVIV MEZER 等: "Cluster analysis of resting-state fMRI time series", 《NEUROIMAGE》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109567713A (zh) * | 2018-12-05 | 2019-04-05 | 宁波敖群电器有限公司 | 传送带速率驱动机构 |
CN110619260A (zh) * | 2019-01-08 | 2019-12-27 | 陈军 | 实时农业产量分析机构 |
Also Published As
Publication number | Publication date |
---|---|
CN106910225B (zh) | 2020-05-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Cuffless blood pressure estimation based on photoplethysmography signal and its second derivative | |
US8121669B2 (en) | Method for tracking soft tissue masses in images using directed graphs | |
KR101625256B1 (ko) | 심장 m-모드 뷰들의 자동 분석 | |
CN110338844A (zh) | 三维成像数据的显示处理方法和三维超声成像方法及*** | |
CN105701331A (zh) | 计算机辅助诊断设备和计算机辅助诊断方法 | |
TWI724916B (zh) | 心臟圖形顯示系統 | |
CN109271030B (zh) | 一种三维空间下注视点轨迹多维度比较方法 | |
TWI728832B (zh) | 用於呈現/提供幫助評估電磁根源之資訊的方法及計算系統 | |
CN104271038B (zh) | 一种基于电流密度变化评估心肌损伤的方法和设备 | |
CN111009321A (zh) | 一种机器学习分类模型在青少年孤独症辅助诊断中的应用方法 | |
Chirakanphaisarn et al. | Heart rate measurement and electrical pulse signal analysis for subjects span of 20–80 years | |
US11756292B2 (en) | Similarity determination apparatus, similarity determination method, and similarity determination program | |
JPWO2020027228A1 (ja) | 診断支援システム及び診断支援方法 | |
US20190046055A1 (en) | Method for obtaining useful data associated with heart rate variability pattern | |
CN106031631A (zh) | 一种心率检测方法、装置及*** | |
Podgorelec et al. | Improving mining of medical data by outliers prediction | |
CN106910225A (zh) | 超声波多普勒影像之分群、噪声抑制及可视化方法 | |
Guo et al. | Recurrence quantification analysis on pulse morphological changes in patients with coronary heart disease | |
CN110693510A (zh) | 一种注意力缺陷多动障碍辅助诊断装置及其使用方法 | |
Mekruksavanich et al. | Badminton activity recognition and player assessment based on motion signals using deep residual network | |
CN109740418A (zh) | 一种基于多加速度传感器的瑜伽动作识别方法 | |
TWI572332B (zh) | 超音波都卜勒影像之分群、雜訊抑制及視覺化方法 | |
Uher et al. | 3D brain tissue selection and segmentation from MRI | |
Carvajal et al. | Dimensional analysis of HRV in hypertrophic cardiomyopathy patients | |
EP4368105A1 (en) | Method for generating synchronous electrocardiograms on basis of two lead asynchronous electrocardiograms |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200501 |