[发明专利]辅助评估心脏运动状态的方法

说明书

本发明提供一种辅助评估心脏运动状态的方法，包括：取得对应于一心脏的连续多个心脏超音波图像，并据以估计对应于所述多个心脏超音波图像的多个左心室容积；在所述多个左心室容积中找出多个特定极值，并据以估计所述多个特定极值之间的多个时间差；基于所述多个时间差估计所述多个时间差的一统计特性值；反应于判定所述多个时间差中的至少一者偏离统计特性值达一预设门限值，判定心脏出现一异常运动状态。藉此，可让相关医疗人员更为简易地掌握心脏的状况，从而降低做出错误评估(例如算出错误的射血分数等)的机率。

技术领域

本发明涉及一种医疗图像评估方法，尤其涉及一种辅助评估心脏运动状态的方法。

背景技术

目前检查心脏结构的方式最广泛使用以及最经济的方法为心脏超音波。当患者需要通过超音波检查心脏时，超音波技师或是医师都是手持超音波探头以特定角度扫描心脏，查看患者的心脏结构是否有异常。

在临床上现阶段评估心脏状态是否良好有很多方法，其中之一就是测量左心室射血分数Left Ventricular Ejection Fraction，LVEF)。LEVE是测量左心室在每次心跳下于左心室中有多少的血液被射出。在各医院中，目前还是使用人工检查或半自动的方式来识别心率周期中心脏的末期舒张(End-Diastolic，ED)与末期收缩(End-Systolic，ES)。而在识别出ED以及ES后，超音波机台内建的工具程序即可计算出末期舒张容积(EDV)与末期收缩容积(ESV)，然后再算出射血分数(EF)。

在目前的技术领域中，已经渐渐朝向通过AI深度学习模型来识别心率周期中心脏的末期舒张与末期收缩，减轻人工识别需逐张识别图像是否为ED或是ES的繁琐工作。

然而，在实际临床的情况下，目前尚未让AI深度学习模型取代人工识别的原因有两个方面。首先，当患者有心脏方面的疾病时，例如：心房颤动导致心律不整的情况，AI深度学习模型将会无法有效的识别出ED以及ES，导致计算出错误的射血分数。其次，由超音波探头取得的心脏超音波图像不够清晰时将会使得AI深度学习模型的判断不佳，无法有效的识别出ED以及ES，导致计算出错误的射血分数。

因此，对于本领域技术人员而言，若能设计一种判断患者心脏是否存在异常运动状态(例如心律不整)的机制，应可帮助上述AI深度学习模型更为有效地识别心率周期中心脏的末期舒张与末期收缩，进而得到较为正确的射血分数。

发明内容

有鉴于此，本发明提供一种辅助评估心脏运动状态的方法，其可用于解决上述技术问题。

本发明提供一种辅助评估心脏运动状态的方法，适于一电子装置，包括：取得对应于一心脏的连续多个左心室屏蔽图像，并据以估计对应于所述多个心脏超音波图像的多个左心室容积；在所述多个左心室容积中找出多个特定极值，并据以估计所述多个特定极值之间的多个时间差；基于所述多个时间差估计所述多个时间差的一统计特性值；反应于判定所述多个时间差中的至少一者偏离统计特性值达一预设门限值，判定心脏出现一异常运动状态。

附图说明

包含附图以便进一步理解本发明，且附图并入本说明书中并构成本说明书的一部分。附图说明本发明的实施例，并与描述一起用于解释本发明的原理。

图1是依据本发明的实施例图示的电子装置示意图；

图2是依据本发明的实施例图示的估计心室容积的方法流程图；

图3是依据本发明的实施例图示的应用情境图；

图4是依据本发明的实施例图示的基于参考点像素之间距离找出第一、第二及第三参考点像素的示意图；

图5A是依据图3图示的找出对应于心尖部的参考点像素的示意图；

图5B是依据图5A图示的找出对应于左侧二尖瓣的参考点像素的示意图；