實現(xiàn)心臟功能連續(xù)監(jiān)測的可穿戴心臟超聲成像貼片

心血管疾病通常與心臟泵送能力的變化有關，心臟成像技術可以將這些變化檢測出來。

因此，無創(chuàng)的、連續(xù)的心臟成像對心血管疾病的早期檢測和監(jiān)測很有價值。

現(xiàn)有的評估心臟功能的方法能夠進行成像或連續(xù)測量，但不能同時進行。

非成像方法所包含的信息比圖像少，但成像方法只能捕捉到瞬時照片，并需要訓練有素的技術人員來操作探頭。

此外，現(xiàn)有成像方式涉及繁瑣的儀器，不能對正在運動的人的心臟進行成像。

鑒于一些疾病相關的反應只在運動引起的壓力下出現(xiàn)，這是一個重要的限制。

此外，目前從心臟成像中得到的任何定量測量必須由心臟病專家手動分析，這個過程是艱巨的、漫長的，并受到觀察者之間差異的影響。

鑒于此，加州大學圣地亞哥分校徐升教授報告了一種用于連續(xù)、實時和直接心臟功能評估的可穿戴超聲貼片。

研究人員引入了設計和材料制造方面的創(chuàng)新，改善了貼片與人體皮膚之間的機械耦合，允許在運動過程中從不同的角度檢查左心室

同時還開發(fā)了一種深度學習模型，可以從連續(xù)的圖像記錄中，自動提取左心室容積，生成每搏輸出量、心輸出量和射血分數(shù)等關鍵心臟性能指標的波形。

該技術能夠在各種環(huán)境中以顯著提高的準確性動態(tài)監(jiān)測心臟功能。相關研究成果以“A wearable cardiac ultrasound imager”為題發(fā)表在最新一期Nature上。



該系統(tǒng)通過一個像人類皮膚一樣柔軟的可穿戴貼片收集信息，其設計旨在實現(xiàn)最佳的粘附性。

由于具有與皮膚相似的彈性，因此對用戶的日?；顒硬粫a(chǎn)生明顯的限制。該貼片尺寸為1.9 cm（L） x 2.2 cm（W） x 0.09 cm（T），大約是一張郵票的大小。

該貼片由兩個線性陣列的超聲換能器組成，呈十字形排列，可以從兩個正交視圖成像，而不需要重新定位。

超聲貼片中的密集元素提供了與商業(yè)成像儀類似的成像質量。該超聲貼片柔軟且可拉伸，即使在運動過程中也能很好地附著在人體皮膚上。

該系統(tǒng)可以使用超聲在獨立的雙平面視圖中檢查心臟的左心室，產(chǎn)生比以前更有用的臨床圖像。

作為一個使用案例，該團隊展示了運動中的心臟成像。心臟的性能由三個因素來描述：每搏輸出量（心臟每次搏動泵出的血液量）、射血分數(shù)（每搏輸出量占心室舒張末期容積量的百分比）和心輸出量（心臟每分鐘泵出的血量）。

圖1 可穿戴心臟超聲成像貼片的設計和表征

該團隊開發(fā)了一種算法，以促進連續(xù)的、由人工智能輔助的自動處理。具體來說，人工智能部分涉及一個用于圖像分割的深度學習模型，一個用于計算心臟容積的算法，以及一個數(shù)據(jù)歸納算法。研究人員使用這個機器學習模型，根據(jù)左心室分割的形狀和面積來計算心臟體積。

成像-分割深度學習模型是第一個在可穿戴超聲設備中功能化的模型。它使設備能夠在不同的作息狀態(tài)下，包括靜態(tài)和運動后，提供準確和連續(xù)的關鍵心臟指數(shù)的波形，這在以前是從未實現(xiàn)過的。因此，這項技術可以連續(xù)和無創(chuàng)地生成這三個指數(shù)的曲線。

可穿戴心臟超聲成像貼片在不同作息狀態(tài)下對關鍵心臟指數(shù)的監(jiān)測

為了生產(chǎn)可穿戴設備本身，研究人員使用了與Ag-環(huán)氧樹脂背襯粘合的壓電1-3復合材料作為超聲成像貼片中換能器的材料，比以前的方法減少了風險，提高了效率。在選擇換能器陣列的傳輸配置時，通過寬波束復合傳輸取得了卓越的效果。研究人員還從九個流行的模型中選擇了基于機器學習的圖像分割，取得了最高的準確性。在目前的迭代中，貼片通過電纜連接到計算機上，計算機可以在貼片還在的時候自動下載數(shù)據(jù)。該團隊已經(jīng)為貼片開發(fā)了一個無線電路，這將在即將出版的出版物中介紹。

圖2超聲心動圖的幾個標準視圖

圖3可穿戴心臟超聲成像貼片對人體運動狀態(tài)下心臟功能的監(jiān)測

圖4通過深度學習進行自動圖像處理

總體而言，可穿戴式超聲成像貼片為提高診斷的準確性和病人的體驗提供了許多可能性?？纱┐魇匠暭夹g為深層組織傳感開辟了新的空間。除了獲得視頻圖像，研究人員還使用深度學習來評估和解釋圖像?；谫N片的換能器在運動或壓力測試中的應用特別有趣，這樣的設備在臨床上是有用的，甚至會改變實踐。

目前的可穿戴成像貼片并不完美，研究人員必須提高其空間分辨率，尤其是在高程方向上的分辨率。為了使設備適應不同的靜態(tài)和動態(tài)曲面，需要通過先進的成像算法或幾何傳感技術來優(yōu)化由換能器陣列變形引起的失真信號的補償。此外，應該推廣深度學習模型，使其適用于更大的人群。

審核編輯：劉清