心脏功能的连续成像对于评估心血管健康、检测急性心脏功能障碍以及危重病人或手术患者的临床管理非常重要。由于设备体积庞大,传统的非侵入心脏功能成像方法无法提供连续测量,现有的可穿戴心脏设备只能捕获皮肤上的信号。加州大学Sheng Xu团队实现了一种用于心脏功能评估的连续、实时可穿戴超声贴片。引入结构设计和材料制造方面的创新,改善设备与人体皮肤之间的机械耦合,允许在运动过程中从不同的角度检查左心室。同时开发了一种深度学习模型,可以从连续的图像记录中自动提取左心室容积,生成每搏输出量、心输出量和射血分数等关键心脏性能指标的波形。该技术能够在各种环境中动态监测心脏功能。
可穿戴心脏成像贴片的设计和表征
该装置具有压电换能器阵列、液态金属复合电极和三嵌段共聚物封装,该装置基于苯乙烯-乙烯-丁烯-苯乙烯 (SEBS)。为了提供心脏的全面视图,临床实践中是通过旋转超声探头在两个正交方向上对其进行成像。为了消除手动旋转的需要,设计了两个呈十字形排列的正交线性超声换能器阵列。为了平衡成像深度和空间分辨率,选择 3 MHz 中心频率,阵元间距为 0.4 毫米。
运动中监测
进行负荷超声心动图检查,以证明装置在运动过程中的性能。该装置贴附在受试者身上,在整个过程中沿胸骨旁长轴连续记录,包括三个主要阶段。在休息阶段,受试者仰卧。在运动阶段,受试者在自行车上进行几次间歇运动,直到达到可能的最大心率。在恢复阶段,受试者再次处于仰卧位。该设备展示了对左心室活动的不间断跟踪,并提取了左心室收缩末期内径和左心室舒张末期内径。
自动图像处理
应用深度学习神经网络从连续的图像流中提取关键信息,通过左心室容积的输出图像和波形评估了不同类型的深度学习模型。基于定性和定量分析,FCN-32 模型优于其他模型。
目前形式的可穿戴成像贴片并不完美。必须提高其空间分辨率。为了使设备适应不同的静态和动态曲面,需要通过先进的成像算法或几何传感技术来优化由换能器阵列变形引起的失真信号的补偿。此外,深度学习模型还需进一步推广,使其适用于更多人群。该装置目前通过柔性电缆连接到后端,用于数据和电力传输;后端控制超声和图像处理,并提供用户界面和图像显示屏幕。还需要进一步的工作来开发一个完全集成的装置。
https://doi.org/10.1038/s41586-022-05498-z