用于监测血管功能的系统和方法1.相关申请2.本技术是2019年10月18日提交的美国专利申请第16/656,585号的部分连续申请案。上述申请的内容均以引用的方式并入本文，就如同在此完整阐述一样。3.
技术领域：
：及
背景技术：
：：4.本发明总体上涉及监测患者血管的领域。一些方面更具体地涉及血管功能失效的早期诊断，且甚至更具体地涉及在进行血液透析治疗的患者中血管通路失效的早期检测。一些方面更具体地涉及瘘管的测量。5.透析血管通路(vascularaccess，“va”、瘘管或移植物)使的拯救生命的血液透析治疗成为可能，但也容易出现通路的相关问题。6.术语“va”或“血管通路”，在其所有语法形式中，在整个本说明书和权利要求中使用，表示所有类型的血管通路构造，生物的和合成的，作为一些非限制性的示例，包括动静脉(arteriovenous，av)瘘管、合成移植物和静脉导管。7.一种类型的长期通路是av瘘管。外科医生将一动脉连接到一静脉，通常在手臂或腿上，以创建av瘘管。当外科医生将所述动脉连接到所述静脉时，所述静脉会变得更宽更粗，从而更容易放置用于透析的针头。av瘘管也具有大的直径，可以让血液快速流出及返回体内。av瘘管的目标是允许高血流，以使大量血液可以通过一透析器。8.·在美国，超过25％的血液透析(hemodialysis，hd)患者住院与通路相关。9.·在2013年，超过30,000名患者需要进行与透析相关的动静脉血栓切除术。10.每年的发病率的成本估计接近10亿美元。11.va功能和通畅对于血液透析患者的最佳管理至关重要。低va流量和通畅丧失限制了血液透析的实施，延长了治疗时间，并可能导致透析不足，从而导致发病率和死亡率增加。在长期va中，特别是移植物，血栓形成(thrombosis)是导致va通畅性丧失和增加医疗保健支出的主要原因。12.va监测和检查的基本概念是，绝大多数va会在不同的时间间隔内出现渐型性狭窄，而且，如果发现并矫正(矫正手术，例如经皮腔内血管成形术-pta)，可以最大限度地减少或避免透析不足(透析剂量保护)，并且可以降低血栓形成率。有许多监测和检查方法可用：连续va流量、连续动态或静态压力、再循环测量和身体检查。13.监测是对va的检查和估计，以通过身体检查诊断va功能障碍，通常在血液透析单元内，以便在va损失之前检测功能障碍和可矫正病变(correctablelesions)的存在。14.身体检查可作为一监测工具，以排除与即将发生的瘘管和移植失效相关的低流量。通常，va检查有3个组成部分：检查、触诊和听诊。15.一个简单的检查可以发现肿胀、缺血性手指、动脉瘤和丰富的侧支静脉的存在。静脉中的吻合处中央(veincentraltotheanastomosis)的强脉搏和微弱颤动指出引流静脉狭窄。狭窄是可触诊的，杂音的强度和特征可以提示狭窄的位置。与邻近节段相比，移植物或静脉吻合处的杂音局部强化提示了狭窄(stricture或stenosis)。身体检查还可以包括抬高测试(elevationtest)，包括抬高具有va的四肢和正常通路萎陷的检查。在器官升高到患者心脏水平以上后，当瘘管萎陷时，所述测试被认为是正常的。16.其他背景艺术包括：17.besarab等人，“通路监控是值得和有价值的(accessmonitoringisworthwhileandvaluable)”，期刊“bloodpurif”2006；24:77–89，2006年2月；18.ehsanrajabi-jaghargh及rupakkbanerjee，“结合功能和解剖学诊断终点用于估计动静脉瘘功能障碍(combinedfunctionalandanatomicaldiagnosticendpointsforassessingarteriovenousfistuladysfunction)”，期刊”worldjnephrol”2015年2月6日；4(1)：6-18issn2220-6124；19.lucturmel-rodrigues，“通过介入放射学拯救未成熟的前臂瘘管进行血液透析(salvageofimmatureforearmfistulasforhaemodialysisbyinterventionalradiology)”，期刊”nephroldialtransplant”，2001年12月；16(12):2365-71；20.jürgschmidli等人,编辑选择e血管通路(editor’schoiceevascularaccess)：2018年欧洲血管外科学会(esvs)临床实践指南，期刊“eurjvascendovascsurg”(2018)55,757e818。21.上述所有参考文献的公开内容和整个本说明书，以及那些参考文献中提及的所有参考文献的公开内容，均以引用的方式并入本文。技术实现要素：22.本发明总体上涉及自动监测患者的血管，更具体地涉及血管功能失效的早期诊断，甚至更具体地涉及在接受血液透析治疗的患者中血管通路失效的早期检测。23.根据本发明的一些实施例的一个方面，提供了一种用于监测血管功能的系统，包括一照明源、一检测器、一显示器、一处理器，被配置为识别脉波速度相对于一基线测量(baselinemeasurement)的变化，识别指示一个或多个侧支血管相对于一基线测量的发育的至少一个参数的变化，识别血管直径相对于一基线测量的变化，识别血管光谱分析的变化，关联识别的变化，并根据关联的识别变化确定血管功能失效的概率。24.根据本发明的一些实施例，指示一个或多个侧支血管发育的至少一个参数包括形状、密度和与血管的距离中的一种或多种。25.根据本发明的一些实施例，所述处理器配置以计算脉波速度、指示一个或多个侧支血管发育的至少一个参数、血管的直径和血管的光谱分析的变化率。26.根据本发明的一些实施例，血管在患者的手臂中，且所述处理器还配置以在患者的手臂或腿被抬高时识别血管萎陷的变化。27.根据本发明的一些实施例，所述处理器还配置以计算患者的手臂或腿抬高时血管萎陷的变化率。28.根据本发明的一些实施例，所述处理器还配置以识别在血管内流动的血液成分的变化。29.根据本发明的一些实施例的一个方面，提供了一种用于监测血管功能的系统，包括一照明源、一检测器、一显示器、一处理器，所述处理器配置以识别指示一个或多个侧支血管相对于一基线测量的发育的至少一个参数的变化，根据已识别的变化确定血管功能失效的概率。30.根据本发明的一些实施例，所述处理器还配置以识别脉波速度、血管直径和血管的光谱分析中的一项或多项相对于基线测量的变化，将脉搏波速度、血管直径和血管光谱分析中的一项或多项中识别的变化与识别的指示一个或多个侧支血管相对于一基线测量的发育的至少一个参数的变化相关联，并基于相关联的变化确定血管功能失效的概率。31.根据本发明的一些实施例，血管位于患者的手臂或腿部，所述处理器还配置以识别当患者的手臂或腿抬高时血管萎陷的变化，将识别的当患者的手臂或腿抬高时血管萎陷的变化与所识别的指示一个或多个侧支血管相对于一基线测量的发育的至少一个参数的变化相关联，并基于相关联的变化确定血管功能失效的概率。32.根据本发明的一些实施例的一个方面，提供了一种用于监测血管功能的方法，包括识别脉波速度相对于基线测量的变化，识别指示侧支血管发育的参数相对于基线测量的变化，识别指示侧支血管相对于一基线测量的发育的参数的变化，识别血管直径相对于一基线测量的变化，关联识别的变化，并根据关联的识别变化确定血管功能失效的概率。33.根据本发明的一些实施例，进一步包括计算脉波速度、指示一个或多个侧支血管相对于一基线测量的发育的至少一个参数和血管直径的变化率的步骤。34.根据本发明的一些实施例的一个方面，提供了一种用于监测血管功能的方法，包括识别指示一个或多个侧支血管相对于一基线测量的发育的至少一个参数的变化，以及根据已识别的变化确定血管功能失效的概率。35.根据本发明的一些实施例，进一步包括识别脉波速度、血管直径和血管光谱分析中的一项或多项相对于基线测量值的变化；所识别的脉搏波速度、血管直径、血管光谱分析中的一项或多项的变化与所识别的指示一个或多个侧支血管相对于一基线测量的发育的至少一个参数的变化相关联；以及根据相关的变化确定血管功能失效的概率。36.根据本发明的一些实施例，血管在病人的手臂或腿，且所述方法进一步包括识别患者的手臂或腿抬高时的血管萎陷的变化，将所识别的患者的手臂或腿抬高时的血管萎陷的变化与所识别的指示一个或多个侧支血管的至少一个参数的变化相关联；以及根据相关变化确定血管功能失效的概率。37.根据本发明的一些实施例，所述方法还包括识别在血管内流动的血液成分变化的步骤。38.根据本发明的一些实施例，血管位于患者的手臂或腿中，且在患者的手臂或腿部大致平行地面的情况下进行测量。39.根据本发明的一些实施例，血管位于患者的手臂或腿中，且在患者的手臂或腿大致垂直于地面的位置进行测量。40.根据本发明的一些实施例，血管位于患者的手臂或腿中，且在患者的手臂或腿位于低于患者心脏的位置时进行测量。41.根据本发明的一些实施例，血管位于患者的手臂或腿中，且在患者的手臂或腿位于高于患者心脏的位置时进行测量。42.根据本发明的一些实施例的一个方面，提供了一种用于监测血管功能的方法，所述方法包括通过患者的皮肤照亮一个或多个血管；拍摄血管的至少一张图像；分析所述至少一图像；以及基于图像分析计算与血管功能相关的参数。43.根据本发明的一些实施例，进一步包括在所述至少一图像中自动检测血管通路(va)的位置。44.根据本发明的一些实施例，进一步包括在所述至少一图像中自动检测瘘管的位置。45.根据本发明的一些实施例，进一步包括医师在所述至少一图像中标记血管通路(va)的位置。46.根据本发明的一些实施例，其中所述拍摄所述血管的所述至少一个图像是通过一设备执行的，所述设备配置以提供包括患者皮肤下的至少一动脉和至少一静脉的图像。47.根据本发明的一些实施例，其中通过患者皮肤照射一个或多个血管包括透射照射患者器官。48.根据本发明的一些实施例，计算与血管功能相关的参数包括计算选自由脉波速度、指示一个或多个侧支血管发育的参数、侧支血管计数、血管直径、血管的光谱分析、动静脉瘘的尺寸和合成移植物va的尺寸所组成的组中的至少一个参数。49.根据本发明的一些实施例，进一步包括基于参数估计血管功能失效的概率。50.根据本发明的一些实施例，进一步包括基于在不同时间对一个或多个参数执行若干测量来计算一个或多个参数的变化率，其中一些测量基于从数据库检索的与患者相关联的历史数据。51.根据本发明的一些实施例，进一步包括基于一个或多个参数的变化率来估计血管功能失效的概率。52.根据本发明的一些实施例，进一步包括基于一个或多个参数的变化率来估计va的成熟度。53.根据本发明的一些实施例，进一步包括通过对在不同时间拍摄的不同图像中的一特定图像区域中的静脉数量进行，计数来自动检测侧支静脉。54.根据本发明的一些实施例，所述自动检测至少一图像中的血管通路(va)的位置包括:通过检测静脉和动脉的交汇处来检测血管通路(va)的位置。55.根据本发明的一些实施例，其中检测静脉和动脉的交汇处是使用能够提供患者皮肤下的动脉和静脉的图像的设备来执行的。56.根据本发明的一些实施例，其中自动检测至少一幅图像中的血管通路(va)的位置包括:执行至少一图像的光谱分析。57.根据本发明的一些实施例，进一步包括:通过检测在不同时间拍摄的两幅图像中的脉波位置并比较两幅图像中的脉波位置来测量脉波参数。58.根据本发明的一些实施例，进一步包括:通过检测两个图像中的一脉波位置并将沿两个图像中的血管中心线的距离除以拍摄两个图像之间的时间差来测量脉波速度。59.根据本发明的一些实施例的一个方面，提供了一种替代由医务人员进行的身体检查以监测透析患者的血管功能的方法，所述方法包括:生成患者器官的至少一图像，而不是手动操作患者的器官；分析所述至少一图像；将患者的状态分类为适合透析或有狭窄风险的状态的其中之一。60.根据本发明的一些实施例，进一步包括:照射穿过患者皮肤的一根或多根血管，且其中分析所述至少幅图像包括基于图像分析计算与血管功能相关的参数。61.根据本发明的一些实施例的一个方面，提供了一种用于监测血管功能的系统，所述系统包括:一照明器配置以通过患者的皮肤照亮患者的血管；一摄影机，配置以通过患者皮肤拍摄至少一血管的图像；一图像分析器配置以处理所述至少一图像；一计算器配置以基于图像分析计算与血管功能相关的参数；一分类器配置以将患者的状态分类为适合透析或有透析风险之一；一显示器配置向护理人员提供患者状态和与血管功能相关的参数中的至少一者的报告。62.根据本发明的一些实施例的一个方面，提供了一种用于测量与瘘管相关的参数的系统和方法。63.在一些实施例中，提供了一种系统，其包括用于在监视期间获取同一患者瘘管的一个或多个图像的一光学设备。64.在一些实施例中，可选地从图像中提取一个或多个测量值和/或特征—且可选地监控它们随时间的变化。在一些实施例中，所述特征是图像中测量或估计的参数的时间线导数，作为非限制性示例，侧支静脉的数量和尺寸在一段时间内发生变化，例如天/周/月。65.在一些实施例中，感兴趣的特征是源自于已识别血管的图形表示，和/或所述表示随时间的变化，通过非限制性示例的方式改变结点的数量、图形结点中分叉点(bifurcations)数量的平均值或分布。66.在一些实施例中，使用机器学习衍生的方法来识别上述变化中的模式，在人类护士可以识别的临床体征或症状出现之前，这可能会导致显著的临床终点(例如瘘管狭窄)。67.在一些实施例中，提供了一种系统，其通过光学手段测量与瘘管相关的参数。68.在一些实施例中，结构光投射到患者的身体或肢体上，然后对身体进行成像。在一些实施例中，结构光可以包括相等或不同宽度的水平和/或垂直条纹和/或除条纹之外的各种光图案。69.在一些实施例中，结构光成像用于提供关于瘘管范围的信息，通过一些非限制性示例：瘘管沿身体的长轴的长度；沿身体的瘘管短轴的宽度；图像中出现的瘘管形状；瘘管圆周的形状和/或片段；瘘管或瘘管各片段的偏心指数和/或纵横比，瘘管轮廓的平滑度和/或粗糙度指数。70.在一些实施例中，结构光图案投射到患者的身体或肢体上，并对身体进行成像，提供有关瘘管或身体器官(如手臂、腿)的三维形状的信息。71.在一些实施例中，所述系统可识别瘘管和/或身体器官形状的变化。在一些实施例中，投影仪用于投射一种或多种光模式(例如结构光)。在一些实施例中，一种方法测量和/或估计患者器官上的图案如何变形，以测量器官的形状和形状随时间的变化。72.在一些实施例中，结构光图案投射到患者的身体或四肢上，并对身体进行成像，提供有关瘘管三维形状的信息，例如以下一项或多项：整个瘘管或瘘管片段(例如针插入点)的体积、曲率的特征和变化、靠近瘘管的下层手臂/器官部分的形状/体积变化，以及三维表面特征，例如平滑度和/或粗糙度。73.在一些实施例中，使用激光散斑干涉仪(laserspeckleinterferometry，lsi)。在一些实施例中，激光散斑干涉仪用于记录和观察与内部血流和湍流相关的瘘管表面的振动。血流和湍流的变化通常与狭窄事件和临床状况的潜在发展相关。74.在一些实施例中，散斑光成像用于提供关于瘘管中的动态效应的信息，例如心脏脉搏、血流湍流，并且可选地产生瘘管振动的频谱图。75.在一些实施例中，身体的图像是间隔一段时间拍摄的，且图像之间的差异可选地用于确定瘘管形状的差异。76.在一些实施例中，这些图像相隔数天、数周、数月或数年拍摄，并且图像之间的差异可选地用于测量和/或监测瘘管大小或形状的变化。77.在一些实施例中，这些图像是相隔几秒钟或几分钟拍摄的，例如用肢体(例如保持水平的手，然后是保持垂直的手)，且图像之间的差异任选地用于测量和/或监测瘘管中的至少一些血液是否可以排出瘘管、血液排出速率和/或从瘘管或瘘管的特定部分排出的程度，例如，针插入点的萎陷。78.在一些实施例中，这些图像相隔几分之一秒拍摄，作为视频剪辑或电影，且图像帧之间的差异可选地用于测量和/或监测与瘘管相关的动态参数，例如心脏脉搏、血流湍流，并且可选地产生瘘管振动的频谱图。79.在一些实施例中，在成像会话之间分析与瘘管相关的动态参数的变化，以监测瘘管的变化和患者的状况。80.在一些实施例中，与近红外成像一起执行上述操作能够收集与护士和/或医生需要执行的检查相关的数据以及已经被临床证明具有识别狭窄事件的预测价值的数据。81.根据本发明的一些实施例的一个方面，提供了一种用于实现和记录多于一种技术或模态的系统和方法，例如一种或多种结构光；激光散斑干涉仪；图像分析和近红外成像模式，使用一成像设备。82.在一些实施例中，所述系统包括一处理器和一成像设备，所述成像设备包括一个数字光处理(digitallightprocessing，dlp)投影仪和一近红外相机。83.根据本公开的一些实施例的一个方面，提供了一种用于监测血管的方法，所述方法包括使用用于监测血管功能的系统通过对患者的身体进行成像以获得血管几何形状来观察、监听和感觉血管功能；使用图像分析对患者身体进行成像以获得患者身体位置的形状；以及在包括血管的患者身体的一位置分析患者身体的振动。84.根据本公开的一些实施例，获得患者身体位置的形状包括使用结构光照亮所述位置。85.根据本公开的一些实施例，分析振动包括使用激光散斑干涉仪进行照明。86.根据本公开的一些实施例，使用激光散斑干涉仪的照明是在基于使用图像分析获得患者身体位置的形状的位置执行的。87.根据本公开的一些实施例，通过控制数字光处理(dlp)投影仪自动执行在所述位置使用激光散斑干涉仪的照明。88.根据本公开的一些实施例，使用激光散斑干涉仪的照明是由医生将激光散斑干涉仪照明引导到患者身体的一位置来执行的。89.根据本公开的一些实施例，获得患者身体位置的形状包括计算患者瘘管的三维(3d)形状。90.根据本公开的一些实施例，根据患者瘘管三维形状的变化计算患者瘘管的排空率。91.根据本公开的一些实施例，在抬高测试期间执行。92.根据本公开的一些实施例，基于图像分析计算与血管功能相关的一个或多个参数。93.根据本公开的一些实施例，基于一个或多个参数计算血管功能失效概率的估计。94.根据本公开的一些实施例，基于一个或多个参数计算血管何时可能失效的估计。95.根据本公开的一些实施例，根据一个或多个参数的变化率计算血管功能失效概率的估计。96.根据本公开的一些实施例，基于一个或多个参数的变化率来计算对va的成熟度的估计。97.根据本公开的一些实施例，计算一个或多个参数包括计算指示一个或多个侧支血管发育的参数。98.根据本公开的一些实施例，计算一个或多个参数包括计算侧支血管的计数。99.根据本公开的一些实施例，通过对在不同时间拍摄的不同图像中一特定图像区域中的静脉数量进行计数，来自动检测侧支静脉。100.根据本公开的一些实施例，通过检测静脉和动脉的交汇处来自动检测血管通路(va)的位置。101.根据本公开的一些实施例，图像分析包括在至少一幅图像中自动检测血管通路(va)的位置。102.根据本公开的一些实施例，图像分析包括在至少一图像中自动检测瘘管的位置。103.根据本公开的一些实施例，观察患者的血管几何形状包括:拍摄包括患者皮肤下的至少一动脉和至少一静脉的图像。104.根据本公开的一些实施例，使用近红外波长对患者的身体进行照明。105.根据本公开的一些实施例，照明包括使用数字光处理(dlp)投影仪。106.根据本公开的一些实施例，分析患者身体的振动包括分析包括血管的患者身体位置图像中一特定位置的光强度。107.根据本公开的一些实施例，频谱是通过在特定位置产生光强度向量来产生的，并通过将强度向量转换为频率向量产生振动频谱。108.根据本公开的一些实施例，分析振动包括分析振动频率范围内的振动频谱。根据本公开的一些实施例，振动频谱在对应于人类可听频率的范围内。根据本公开的一些实施例，振动频谱在对应于低于人类可听频率的频率的范围内。根据本公开的一些实施例，分析身体振动在小于1,000hz的频率范围内。109.根据本公开的一些实施例，通过分析以大于每秒150帧(fps)的帧率拍摄的图像来分析患者身体的振动。根据本公开的一些实施例，分析患者身体的振动是通过分析以大于每秒500帧(fps)的帧率拍摄的图像来完成的。110.根据本公开的一些实施例，通过分析拍摄图像中的选定像素来分析患者身体的振动。111.根据本公开的一些实施例，通过检测在不同时间拍摄的两张图像中的脉波位置并比较这两张图像中的脉搏波位置来测量脉波参数。112.根据本公开的一些实施例，脉波速度是通过检测两个图像中的脉波位置并将沿两个图像中的血管中心线的距离除以所拍摄的两个图像之间的时间差来测量的。113.根据本公开的一些实施例的一个方面，提供了一种替代由医务人员执行的用于监测血管功能的身体检查的方法，所述方法包括:产生患者器官的至少一图像；分析所述至少幅图像；以及产生与血管功能相关的参数值。114.根据本公开的一些实施例，进一步包括将患者的状态分类为适合透析或有狭窄风险中的一种。115.根据本公开的一些实施例，通过患者的皮肤照亮一根或多根血管，且分析至少一图像包括:基于图像分析计算与血管功能相关的参数。116.根据本公开的一些实施例，使用所述方法代替医生进行观察、监听和感觉检查。117.根据本公开的一些实施例，所述方法由一装置执行，所述装置不接触患者的瘘管。根据本公开的一些实施例，所述方法由一装置执行，而所述装置不接触患者的身体。118.根据本公开的一些实施例的一个方面，提供了一种用于监测血管功能的系统，包括:一照明器配置以提供用于激光散斑干涉仪(lsi)的激光点和结构光；一摄影机配置以对所述照明器照射的位置进行成像；以及一处理器，用于处理由所述摄影机拍摄的图像，以从利用结构光获得的摄影机图像中提取关于形状的数据，以及从利用激光散斑干涉仪获得的摄影机图像中提取关于振动的数据。119.根据本公开的一些实施例，进一步包括一分类器，配置以将患者的状态分类为适合透析或有狭窄风险中的一种。120.根据本公开的一些实施例，所述照明器包括一近红外波长的光源。121.根据本公开的一些实施例，所述照明器包括一数字光处理(dlp)投影仪。122.根据本公开的一些实施例，所述摄影机包括能够以大于每秒150帧(fps)的帧率拍摄图像的一摄影机。123.根据本公开的一些实施例所述摄影机包括一个能够以低于相机的最大分辨率和超过500fps的帧率拍摄图像的摄影机。124.根据本公开的一些实施例，进一步包括用于定位患者肢体的支架，其中所述分类器被配置为将患者的状态分类为适合透析或有狭窄风险中的一种。125.根据本公开的一些实施例的一个方面，提供了一种用于计算侧支血管计数的方法，所述方法包括:对患者的身体进行成像以获得血管几何形状；以及计算侧支血管的计数。126.根据本公开的一些实施例，计算侧支血管的计数包括通过对在不同时间拍摄的不同图像中一特定图像区域中的静脉的数量进行计数来自动检测侧支静脉。127.根据本公开的一些实施例，还包括通过检测静脉和动脉的交汇处来自动检测血管通路(va)的位置。128.除非另有定义，否则本文中使用的所有技术和/或科学术语具有与本发明所属领域的普通技术人员通常理解的相同含义。虽可以在本发明实施例的实施或测试中使用与本文所描述的方法和材料类似或等效的方法和材料，但以下也描述示例性方法和/或材料。如有冲突，以包括定义在内的专利说明书为准。此外，所述材料、方法和示例仅是用来说明，并不旨在限制。129.如本领域技术人员将理解的，本发明的一些实施例可以具体化为系统、方法或计算器程序产品。因此，本发明的一些实施例可采取完全硬件实施例、完全软件实施例(包括固件、常驻软件、微码等)、或结合软件和硬件方面的实施例的形式，这些在本文中通常被称为“电路”，“模块”或“系统”。此外，本发明的一些实施例可以采取在一个或多个计算器可读介质中包含计算器可读程序码的计算器程序产品的形式。本发明一些实施例的方法和/或系统的实现可涉及手动、自动或其组合地执行和/或完成所选任务。此外，根据本发明的方法和/或系统的一些实施例的实际仪器和设备，可以通过硬件、软件或固件和/或其组合(例如，使用操作系统)来实现多个选定的任务。130.例如，根据本发明的一些实施例，用于执行选定任务的硬件可以实现为芯片或电路。作为软件，根据本发明的一些实施例的选定任务可以实现为由使用任何合适操作系统的计算器执行的多个软件指令。在本发明的示例性的实施例中，根据本文所述的方法和/或系统的一些示例性实施例的一个或多个任务由一数据处理器执行，例如用于执行多个指令的一计算平台。可选择地，所述数据处理器包括用于存储指令和/或数据的易失性存储器和/或非易失性存储器，例如，磁盘和/或可移动介质。可选择地，一并提供网络连接。显示器和/或诸如键盘或鼠标之类的用户输入设备一并被提供。131.个或多个计算器可读介质的任何组合可用于本发明的一些实施例。计算器可读介质可以是计算器可读信号介质或计算器可读存储介质。计算器可读存储介质可以是，例如但不限于，电子、磁性、光学、电磁、红外线或半导体系统、设备或装置，或上述的任何适当组合。具体的计算器可读存储介质的示例(非详尽清单)将包括以下内容：具有一条或多条导线的电连接、便携式计算器磁盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可程序设计只读存储器(eprom或快闪存储器)，光纤、便携式光盘只读存储器(cd-rom)、光存储设备、磁存储设备或上述任何合适的组合。在本文的上下文中，计算器可读存储介质可以是任何有形介质，其可以包含或存储由指令执行系统、装置或设备使用或连系的程序。132.计算器可读信号介质可以包括传播的数据信号，所述数据信号包括例如在基带中或作为载波的一部分的计算器可读程序码。这种传播的信号可以采取各种形式中的任何一种，包括但不限于电磁、光学或其任何合适的组合。计算器可读信号介质可以是非计算器可读存储介质并且可以通信、传播或传输程序以供指令执行系统、装置或设备使用或与之相关联的任何计算器可读介质。133.体现在计算器可读介质上的程序码和/或由此使用的数据可以使用任何适当的介质来传输，包括但不限于无线、有线、电缆、射频等，或前述的任何适当组合。134.用于执行本发明的一些实施例的操作的计算器程序代码可以一种或多种程序设计语言的任何组合来编写，包括面向对象程序设计语言，如java、smalltalk、c 等，以及常规的程序设计语言，如“c”程序设计语言或类似的程序设计语言。程序码可以完全在用户计算器上执行，部分在用户计算器上作为独立套装软件执行，部分在用户计算器上执行，部分在远程计算器上执行，或者完全在远程计算器或服务器上执行。在后者的情况下，远程计算器可以通过包括局域网(lan)或广域网(wan)的任何类型的网络连接到用户的计算器，或者可以连接到外部计算器(例如，通过使用因特网服务供货商的因特网)。135.下面可以参考根据本发明实施例的方法、装置(系统)和计算器程序产品的流程图和/或方块图来描述本发明的一些实施例。应当理解，流程图和/或方块图的每个方块以及流程图图示和/或方块图中的方块组合可以通过计算器程序指令来实现。这些计算器程序指令可提供给通用计算器、专用计算器或其它可程序设计数据处理设备的处理器以产生机器，使得经由计算器或其它可程序设计数据处理设备的处理器执行的指令创建用于实现的装置流程图和/或方块图中所指定的功能/动作。136.这些计算器程序指令还可以存储在计算器可读介质中，计算器可读介质可以指示计算器、其他可程序设计数据处理设备或其他设备以特定方式工作，使得存储在计算器可读介质中的指令产生包括实现在流程图和/或方块图中所指定的功能/动作的指令的制品。137.计算器程序指令还可被加载到计算器、其他可程序设计数据处理设备或其他设备上，以使得在计算器、其他可程序设计设备或其他设备上执行一系列操作步骤，从而产生计算器实现的过程，使得在计算器上执行的指令或其它可程序设计设备提供用于实现流程图和/或方块图中指定的功能/动作的过程。138.本文所描述的一些方法通常仅被设计为供计算器使用，并且对于由人类专家纯手动执行可能不可行或不实用。想要手动执行类似任务的人类专家可能会使用完全不同的方法，例如，利用专家知识和/或人脑的模式识别能力，这将比手动执行本文所描述的方法的步骤更有效。附图说明139.在此仅通过示例的方式所附图式和图像描述了本发明的一些实施例。现详细地具体参考附图，强调所示的细节是示例性的，且出于对本发明实施例的说明性讨论的目的。在这点上，对本领域技术人员而言，结合附图进行的描述使如何实施本发明的实施例变得显而易见。140.在附图中:141.图1是示出在3个月内发生血管通路血栓形成的概率取决于流速和流速变化的图，正如besarab等人所报告的，“通路监控是值得和有价值的”，“bloodpurification”期刊，2006年2月；142.图2是根据本发明的示例性实施例的用于测量血管的系统的简化图示；143.图3是根据本发明的示例性实施例的用于测量血管的系统的简化方块图；144.图4a-4e是根据本发明示例实施例的演算法的简化流程图示；145.图5a和5b是沿静脉行进的脉波的简化图示；146.图6是根据本发明示例实施例的分类器方法的简化流程图示；147.图7是根据本发明示例实施例的用于测量血管的系统的简化方块图；148.图8a和8b是根据本发明的示例性实施例构造的系统中的光学组件的图像；149.图9是根据本发明示例实施例的分段方法(segmentationmethod)的简化流程图示；150.图10是根据本发明示例实施例的配准方法(registrationmethod)的简化流程图示；151.图11是根据本发明示例实施例的一方法的简化流程图说明；152.图12是根据本发明示例实施例的一方法的简化流程图说明；153.图13是根据本发明示例实施例的一方法的简化流程图说明；154.图14是根据本发明示例实施例的分类器方法的简化流程图示；155.图15a-c示出了根据本发明的示例性实施例的同一患者手臂的三个不同图像；156.图16a是表示医疗人员对血管狭窄病变或血栓形成的患者进行检查的程序表；期刊,2006年2月。174.图1的图表包括显示在3个月期间内发生血管通路血栓形成的概率的y轴101、显示以毫升/分钟为单位的流速的各种线103、及显示每个月流量变化的x轴102，以毫升/分钟为单位。175.图1示出了，在3个月内发生血管通路血栓形成的概率不仅取决于任何时间的绝对流量，还取决于流量的变化率(如果流量有发生变化)(besarab等人，“通路监控是值得和有价值的”，“bloodpurification”期刊,2006年2月)。176.初始流量为600毫升/分钟且每月流量减少20毫升/分钟的通路与初始流量为1200毫升/分钟且每月流量减少100毫升/分钟的通路相比，血栓形成的概率较低(22％)，即使在观察期开始时前者(540毫升/分钟)的绝对流量低于后者(900毫升/分钟)。177.因此，需要能够及早检测正在形成的狭窄症并预测血栓形成的监测解决方案，其至少克服现有监测实践的以下一些缺点：178.如指南所述，透析中心对常规va体检查的依从性(compliance)差；179.与单次身体检查或va压力/流量测量相关的固有不准确性；180.例如流量或压力的单一参数的固有不准确性；181.定期测量的结果可能会受到不相关的血流动力学事件的影响；以及182.由不同的人类看护人进行的测量可能会引入不一致性。183.概述184.本发明的一些实施例的一个方面涉及替代或添加到由医务人员/护士进行的身体检查。185.当护士或医生检查一患者的血管时，他们通常使用三步程序：观察、监听和感觉。186.一些实施例的一个方面涉及通过仪器测量和计算机化分析执行观察、监听和感觉。187.在一些实施例中，本文所述的系统基于对一患者肢体进行照明和成像，以及分析从成像中收集的数据来执行观察、监听和感觉。在一些实施例中，系统教示如何预测瘘管状况并可能能够及早预防失效。188.在一些实施例中，本文所述的系统基于对一患者肢体进行照明和成像，以及分析从成像中收集的数据来执行观察、监听和感觉。在一些实施例中，系统教示如何预测瘘管状况并可能能够及早预防失效。189.在一些实施例中，基于人体血管图像的图像处理，以非侵入方式测量血流。测量已知会影响血管通路(va)的生理参数，且这些测量值可选地用于确定是否应该安排患者进行矫正手术或继续进行透析。190.如本文所述，一些实施例的一个方面涉及通过仪器测量和计算机化分析进行感觉。191.在一些实施例中，如本文所述的监听是由仪器执行的，可选地是相同的仪器。192.在一些实施例中，如本文所述的观察是由仪器执行，可选地是相同的仪器。193.本发明的一些实施例的一个方面涉及自动检测和/或监测血管图像中的av瘘管。194.在一些实施例中，分析血管的图像，且动脉连接到静脉的位置被可选地确定为av瘘管的位置。195.在一些实施例中，分析血管的图像，且动脉似乎连接到静脉的位置被可选地确定为av瘘管的位置。196.在一些实施例中，分析血管的图像，且可选地测量av瘘管以估计几何特性。197.本发明的一些实施例的一个方面涉及与血流相关的参数的自动、非侵入性测量。198.在一些实施例中，非侵入性测量包括使用反射光和/或透射光通过皮肤对血管进行成像。199.在一些实施例中，可选地估计血管通路失效的概率。在一些实施例中，所述估计是基于所测量的一个或多个参数。200.在一些实施例中，可选地估计闭塞(occlusion)形成的概率。在一些实施例中，所述估计是基于所测量的一个或多个参数。201.在一些实施例中，可选地估计血栓形成的概率。在一些实施例中，所述估计是基于所测量的一个或多个参数。202.在一些实施例中，可选地估计狭窄症等级。在一些实施例中，所述估计是基于所测量的一个或多个参数。203.在一些实施例中，可选地估计狭窄形成速率。在一些实施例中，所述估计是基于所测量的一个或多个参数。204.在一些实施例中，任选地估计va成熟的等级。在一些实施例中，所述估计是基于所测量的一个或多个参数。205.在一些实施方案中，任选地估计va成熟的速率。在一些实施例中，所述估计是基于所测量的一个或多个参数。206.本发明的一些实施例的一个方面涉及向护理人员提供一视觉报告。207.下面列出了属性，其中一个或多个属性与本发明的一些实施例有关：208.1.一个或多个与患者相关的参数，包括图像，可很容易地以具有成本效益和/或非侵入性(可选地，非接触式)进行测量和/或整合到常规透析预约中。209.2.此处描述的演算法的输入可选地包括一个或多个患者相关参数，以便估计血管通路失效的概率，其中每个参数可以在单次测量的基础上使用，或作为随着时间轴的多次测量使用。210.3.一些与患者相关的参数是使用客观测量(objectivemeasurements)获得的，可能不需要用户(例如患者和/或专业医护人员)的高能力。211.4.一些与患者相关的参数可选地取自患者的特定医疗记录，包括诸如人口统计数据(例如年龄、性别、体重和身高)、实验室测试、成像测试(例如x射线、磁共振成像”mri”)和身体检查的结果的要件。本领域技术人员应该清楚的是，可以通过多种方式提取参数，例如–直接将检查结果输入连接到在此所述系统的键盘、使用特定患者身份标识号码(id)取得电子病历的计算机进程、语音到文本的转换、应用于工作人员的口头分析的语音识别算法、和印刷/书面文件的光学字符识别(ocr)。212.va成熟度的测量：与静脉和动脉相比，va具有独特的组织结构。结构在va成熟过程和狭窄过程中发生变化。213.结构变化会影响了va的机械和光学特性，因此在一些实施例中，可以通过以下一项或多项来测量变化的监测：214.·成像：作为非限制性示例，通过测量反射光和/或透射光的对比度或强度的变化；215.·非成像：反射光或透射光的强度；216.·散射和吸收系数的测量(例如，稳态光子迁移距离测量”twodistancesteadystatephotonmigrationmeasurement”)。217.例如，在一些实施例中，系统配置以检测静脉，在一成熟期监测va可能会改变检测结果。在光学感测的示例中，va对光的响应(透射、反射、吸收、散射中的一种或多种)可能在成熟期发生变化。通过建议及时的先发制人的矫正，监测成熟可能有利于提高va成熟的成功率。通过建议及时的先发制人的纠正，监测成熟可能有利于提高va成熟的成功率。血管层的测量，或血管层之间的比率或层之间的比率的变化或层在成熟或狭窄过程中的绝对值的变化。218.通过使用从非侵入性测量所产生的一个或多个参数，可以提高估计成熟度(成熟度水平、阶段、速率、完成)的准确性或血管通路失效概率、闭塞形成和血栓概率。使用的参数可以直接测量，也可以是应用于测量的预处理的结果。这种预处理可以是各种演算法的应用以及随着时间的推移，几个参数的组合和多次测量的利用。219.在本发明的一些实施例中，可选地提取和使用的度量(metrics)或现象的示例：220.1.脉波速度-在一些实施例中，检测来自图像帧中的至少两个点的光辐射的反射或吸收。在一些实施例中，通过放置在两个点之间和/或沿两个点、沿血管或组织区域的电极来测量电阻抗的变化。可选地，这两点包括已知教容易发生狭窄的部分。更一般地，使用至少一个点测量脉波形(例如，脉波振幅、全高宽”full-widthhalfmax，fwhm”)。221.在一些实施例中，可选地测量脉波振幅。用于测量脉波振幅的可选方法包括测量沿静脉的位置的区域的第一次测量，所述静脉被识别为由于脉波导致的血管变宽。当脉波不在那个位置时，在第二次测量中也会测量不同图像中相同位置的区域。第一次测量和第二次测量之间的差异可选地与脉波振幅相关联。在一些实施例中，脉波振幅作被视为与静脉的机械特性和/或脉波行进通过的av的成熟度相对应的特征。222.在一些实施例中，可选地执行脉波分析(pulsewaveanalysis，pwa)以估计与血管僵硬相关的变化，其与诸如心血管疾病或动脉粥样硬化(atherosclerosi)的额外风险因素相关联，这反过来可能影响va随时间的活性。在一些实施例中，可选地对脉搏的质量进行评分，并且可选地在分析中包括随时间的变化和不同部分之间的变化。223.2.侧支静脉(collateralveins)的出现和发育及其特征，例如:密度、尺寸、与va的距离、方向、填充等过图像处理和/或其他检测方法例，例如测量对比度—通过吸收可见光或近红外波长的光；或以远红外波长发射。其他测量选项包括测量可见光和近红外光的吸收变化量以及远红外光的发射量。另一种测量侧枝发育的可选方式是可选地测量va周围的温度变化。在一些实施例中，侧支静脉的出现和发育的检测可选地使用参考图像或从先前检查中获取的测量值。在一些实施例中，侧支静脉发育速率的趋势分析可选地使用经常性检查。可选地在每天、每次透析、每周、每两周或每月进行检查。224.在一些实施例中，通过比对新图像与先前图像以及计数静脉数量，来检测侧支静脉—可选地，静脉数量的增加意味着新静脉是侧支静脉。225.在一些实施例中，通过从一幅图像或测量中提取特征，来检测侧支静脉的出现和/或发育。226.基本原理：检测到侧支血管可能表示存在限流病变(flowlimitinglesion)(血流动力学显着)。侧支血管可能发育和扩大，在流出道狭窄的情况下消除增加的通路内压力。227.3.通过图像处理(狭窄位置)得到的血管最小直径。228.4.通过估计机械反射波或局部压力/流量变化来检测变窄点，例如通过测量电阻抗变化。229.5.通过图像处理得到的血管最大直径(动脉瘤的外观和尺寸)。230.6.当手臂或腿抬高时检测血管萎陷。231.7.使用近红外光(nir)(700-1000nm)反射和/或转移光谱(transferredspectroscopy)，来测量含氧和脱氧血红蛋白(hb)的量。232.8.含氧和脱氧血红蛋白(hb)的光谱分析。233.9.va(杂音)的可听声音。234.10.va的触诊搏动(震颤)。235.11.使用本领域已知的信号处理方法分析va处的电阻抗变化。236.12.在随着时间对同一参数进行多次测量的一些实施例中，测量可根据检测到的呼吸周期同步，并且针对检测算法相对于它们随呼吸周期的相对时间进行分类。这种同步和分类具有潜在的益处，例如，在估计氧气混合物随时间的变化时，但也可以提高其他测量的准确性，例如脉波速度。237.如本文所述的系统的输出可以是声音警报、视觉警报、图像、图像序列、或提供给医务人员的快速且准确的侵入指导的视频(例如，向医务人员推荐最佳侵入位置)。所述系统可以为患者推荐治疗(pta，不侵入，血栓切除术”thrombectomy”)。可选地，所述推荐是基于所述系统收集的信息。238.根据本发明的一些实施例的一个方面，在测试期间，可选地分析系统的输出和/或可选地使用系统引导患者通过测试，以便正确地执行测试。作为非限制性示例，在抬高测试中—核实肢体的抬高/位置是否正确。在一些实施例中，如果患者没有正确执行测试或需要帮助，也会向护士/技术人员发出警报。239.在一些实施例中，可选地，上述系统输出用于支持由患者执行的远程身体检查，同时系统提供有关检查正确执行的反馈和/或提醒远程支持人员，例如需要额外指导的护士或技术人员。240.在一些实施例中，系统输出可选地以不同方式提供给不同的数据消费者。例如：可选地提供对临床上有意义的狭窄形成的可能性的一般解释给透析护士，并且可选地提供带有注释图像的警报和/或可选地提供强调了诸如狭窄形成的位置、严重程度和速度等参数的报告给介入放射科医师。241.根据本发明的一些实施例的一个方面，提供了一种用于测量与瘘管相关的参数的系统和方法。242.在一些实施例中，提供了一种系统，所述系统包括光学设备，用于在监视期间获取同一患者的瘘管的一个或多个图像。243.在一些实施例中，可选地从图像中提取一个或多个测量值和/或特征—并且可选地监测它们随时间的变化。在一些实施例中，特征是在图像中测量或估计的参数的时间线导数(timelinederivatives)，作为非限制性示例，侧支静脉的数量、分支和尺寸在一段时间内发生变化，例如几天/周/月。244.在一些实施例中，在人类护士可以识别的临床体征或症状出现之前，使用机器学习衍生方法来识别上述变化中的模式，其可能潜在地导致显着的临床终点(例如瘘管狭窄)。245.在一些实施例中，提供了一种系统，其通过光学手段测量与瘘管相关的参数。246.在一些实施例中，结构光被投射到患者的身体或肢体上，并且身体被成像。在一些实施例中，结构光可包括相同或不同宽度的水平和/或垂直条纹和/或条纹之外的各种光图案。247.在一些实施例中，结构化光成像用于提供关于瘘管范围的信息，例如瘘管沿身体的长轴的长度：沿身体的瘘管短轴宽度：图像中出现的瘘管形状：瘘管周长的分段、每段的偏心率和/或纵横比、瘘管轮廓的平滑度和/或粗糙度。248.在一些实施例中，结构光图案被投射到患者的身体或肢体上，且身体被成像，提供关于瘘管或器官的三维形状的信息。249.在一些实施例中，系统识别瘘管和/或瘘管附近器官的形状变化。在一些实施例中，投影仪用于投射一个或多个光图案(例如结构光)。在一些实施例中，一种方法测量和/或估计患者器官上的图案如何变形，以测量器官的形状和形状随时间的变化。250.在一些实施例中，结构光图案被投射到患者的身体或肢体上，并且身体被成像，通过一些非限制性示例的方式提供关于瘘管的三维形状的信息，例如整个瘘管或瘘管片段(例如针插入点)的体积；曲率的特征和/或变化；瘘管附近下方的手臂/器官部分的形状和/或体积变化；及三维表面特征，如光滑度和/或粗糙度。251.在一些实施例中，使用激光散斑干涉仪。在一些实施例中，激光散斑干涉仪用于记录和观察与内部血流和湍流相关的瘘管表面的振动。血流和湍流的变化通常与狭窄事件和临床状态的潜在发展相关。252.在一些实施例中，将散斑光成像用于提供关于瘘管中的动态效应的信息，例如心率、血流湍流，并可选地产生瘘管振动的频谱图。253.在一些实施例中，身体的图像是相隔一段时间拍摄的，且图像之间的差异可选地用于确定瘘管形状的差异。254.在一些实施例中，图像是间隔数天、数周、数月或数年拍摄，且图像之间的差异可选地用于测量和/或监测瘘的尺寸或形状的变化。255.在一些实施例中，图像间隔数秒或数分钟拍摄，例如用肢体(例如水平握持的手，然后是垂直握持的手)，并且图像之间的差异可选地用于测量和/或监测以下的一项或多项：瘘管内是否至少有一部分的血液可以排出瘘管；排血速度；从瘘管和/或瘘管的特定部分血液排出的程度；以及一个或多个针插入点的萎陷。256.在一些实施例中，所述图像相隔几分之一秒，作为视频剪辑或电影，且图像帧之间的差异可选地用于测量和/或监测与瘘管相关的动态参数，例如心脏脉搏、血流湍流，并可选地产生瘘管振动的频谱图。257.在一些实施例中，光谱图可选地通过选择图像帧中的一个或多个像素来产生，其显示强度随时间的大的或甚至最大的变化。在一些实施例中，选择的像素数量可选地在1-100个像素的范围内。在一些实施例中，这个或这些像素的像素强度值用于计算光强度随时间变化的函数。在一些实施例中，光强度的频谱可选地通过将时域变换到频域来产生，例如通过快速傅里叶变换(fastfouriertransform，fft)。258.在一些实施例中，对与成像会话(imagingsessions)之间的瘘管相关的动态参数的变化进行分析，以监测瘘管的变化和患者的状况259.在一些实施例中，与近红外光成像一起执行上述操作能够收集与护士和/或医生需要执行的检查相关的数据、以及已经被临床证明具有识别狭窄事件的预测价值的数据。260.根据本发明的一些实施例的一个方面，提供了一种系统和方法，用于实现和记录多于一种技术或模态(modality)(例如一种或多种结构光；激光散斑干涉仪；图像分析和近红外光成像模态)、及使用一个成像设备。261.在一些实施例中，所述系统包括一处理器和一成像装置，所述成像装置包括数字光处理投影仪和近红外光摄影机。262.根据本发明的一些实施例的一个方面，提供了系统和方法，用于分析从患者身体反射的光的振动。263.在一些实施例中，监测心脏的搏动。264.在一些实施例中，分分析由通过瘘管或在瘘管附近的流动所引起的振动模式可选择地检测流入或流出路径的全部或部分阻塞。265.在一些实施例中，分析由通过瘘管或在瘘管附近的流动所引起的振动模式，同时对流入或流出路径施加局部压力，可选择地检测流入或流出路径的全部或部分阻塞。266.在一些实施例中，分析振动可选地检测开始流经与正常心脏活动(心脏周期的舒张期或收缩期)相关的瘘管。267.在一些实施例中，分析振动可选地检测开始流经与突然释放(瘘管的部分或全部萎陷或扩张)相关的瘘管。268.在一些实施例中，分析振动可选地检测血液流入瘘管的时间段，随后是使血液能够流出瘘管的障碍物的突然打开。这种打开可能发生在心脏收缩的高压期间。在某些情况下，突然打开称为锤击(hammering)。在一些实施例中，通过测量振动幅度来检测锤击，可选地相对于其他时间的幅度，例如心跳期间的其他时间。269.在一些实施例中，分析与流动开始相关的振动，对于任何或所有类型的开始，可选地测量参数值或参数值的变化或特征参数值的变化，或参数值的方差(variance)。参数可以是以下的一项或多项：强度、能量、起始陡度(steepness)(值的导数)、松弛时间、时间宽度(temporal-width)、占空比(dutycycle)、光谱含量、光谱宽度或这些的任何组合。270.在一些实施例中，分析与流动开始相关的振动可选地测量与突然释放相关的起始之间的时间延迟或相位延迟相关的参数值、以及与正常心脏活动相关的起始。271.在一些实施例中，分析与流动开始相关的振动可选地测量与同一来源的一系列起始点的规律性或自相似性相关的参数值。272.在详细解释本发明的至少一个实施例之前，应当理解的是，本发明在其应用方面不一定限于在以下描述和/或在附图和/或示例中说明中阐述的组件和/或方法的构造和布置。本发明能够具有其他实施例或能够以各种方式实践或执行。273.现参考图2，其是根据本发明示例实施例的用于测量血管的系统的简化图示。274.图2示出了用于测量血管的示例性系统200的顶层设置配置。275.在一些实施例中，所述系统200可包括至少一个照明源202和至少一个检测器204，例如摄影机。276.在一些实施例中，所述系统200还可以包括一控制单元206，其可选地激活所述照明源202和所述摄影机204、以及可选的处理器208，可选地接收和分析由所述摄影机202生成的图像。277.在一些实施例中，生成的图像和/或在分析图像之后产生的数据可以通过无线或有线连接显示在耦合到所述处理器208的可选显示器210上。278.在一些实施例中，所述处理器208和所述显示器210可以在单个设备中实现，例如膝上型电脑、平板电脑或智能手机。在一些实施例中，可以应用一扫描系统，其可选地移动检测单元(自动或手动)并且可选地在多于一个点处扫描器官。图2描述了应用于臂212的系统200。279.所述系统和方法能够与其他元件一起实施，没有限制。280.现在参考图3，其是根据本发明示例实施例的用于测量血管的系统的简化方块图。281.图3描述了示例系统的顶层方块图。282.在一些实施例中，所述系统可以包括至少两个主要单元；一检测单元302和一软件单元306。283.所述系统可包括额外的单元，例如一工作站304、可选的云基础设施(cloudinfrastructure)308等。284.在一些实施例中，所述软件单元306包括至少两个子单元，一嵌入式单元330和一演算法单元334。所述软件单元306可包括附加块，例如图形用户界面(gui)单元332等。285.检测单元286.在一些实施例中，检测单元302可选地使用：287.1.视觉/光学检测，以获取包含待进一步分析信息的图像。288.2.散斑成像—当物体被一激光照射时，背向散射光形成由暗区和亮区组成的干涉图案。这种图案称为散斑图案。如果被照物体是静止的，则散斑图案是静止的。当物体发生运动时，例如组织中的红细胞，散斑图案会随着时间而改变。斑点图像包含与血管变化相关的信息，这些信息可选地通过图像处理进行分析和提取。289.3.暗场\侧照明—290.a.镜面反射未到达摄影机291.b.摄影机仅拍摄到漫散射光线292.c.减少表面反射293.d.对比度数据随着光源和检测器之间角度的变化而变化。294.4.透射照明—照亮一样品的背面。所述样品放置在照明源和传感器装置之间。透射照明潜在地提高了图像对比度和/或潜在地增加了血管可以成像的深度。295.5.由于不同介质的光学特性变化的差异，光声成像(photoacousticimaging)潜在地增强了不同介质之间的对比度。由于组织成分中的折射率梯度的平均化，光声成像潜在地减少了组织中的散射，潜在地导致更大的光穿透深度。296.在一些实施例中，所述检测单元302可选地包括以下组件中的一个或多个：297.1.一个或多个检测器/传感器/摄影机310(例如，ccd或cmos、砷化鎵銦传感器、微辐射热计)，其对一种或多种可见光、近红外光、短波红外(swir)光敏感。在一些实施例中，传感器的帧速率可以在单帧到高帧速率之间变化。传感器帧速率可选地在例如每秒5、10、16、24、30、50、60、100、165、200甚至高达300帧(fps)的范围内。298.2.一个或多个透镜312(变焦或固定焦距)和/或滤光片。299.3.一个或多个照明器314或发射器(例如，可以是相干或非相干、窄光谱或宽带、uv、可见光、swir、远ir、nir的照明源-例如nirled或绿色(532nm)激光)。发射器可以是相对于检测器310和va同轴的或具有不同的角度。300.操作模式可以是静止图像或视频。301.4.一个或多个偏振滤光片(椭圆和/或线性)。302.5.一个或多个光学带通滤光片。303.6.检测单元可选地包括一扫描系统或移动条扫描仪。304.在一些实施例中，所述检测单元302可选地使用音频/声音检测传感器316来代替视觉/光学检测或作为其补充，且所述检测单元302可选地包括一个或多个音频传感器。305.在一些实施例中，所述检测单元302可以包括生命体征传感器。306.软件单元307.在一些实施例中，所述软件单元306可以包括以下组件中的一个或多个：308.1.gui-图形用户界面(graphicuserinterface)/应用程序332，用于以下一项或多项：操作测试程序、显示图像和/或结果和/或插入或导入患者临床信息。309.2.嵌入式单元330-用于控制检测单元302。310.3.演算法单元334——所述演算法单元可选地包括演算法或软件模块，用于：311.图像处理；312.机器学习(machinelearning，ml)；313.在一些实施例中，机器学习演算法的输入可选地是所述检测单元302拍摄的图像和/或数据。314.在一些实施例中，输入还可包括患者的临床信息和/或生命体征。315.在一些实施例中，所述工作站304可选地包括一计算机、一屏幕、一键盘、一个或多个旋钮控制、用于成像单元的一机械接口、以及一电源或一电源接口。在一些实施例中，所述工作站304还可以包括“器官固定表面”。316.在一些实施例中，所述工作站304可选地包括下列的一项或多项：317.一控制单元320，用于控制所述检测单元302和/或检测单元302的一个或多个组件的操作；318.一计算机320；319.一显示器324；320.一可选的器官固定表面或装置326，用于可选地将器官放置在相对于所述照明314和/或所述检测器310的一特定位置；和321.一支架328，用于将系统的组件放置在相对于患者器官的一特定位置。322.在一些实施例中，所述云基础设施308可选地包括以下一个或多个云服务中:323.一存储(数据库)服务器340；324.一web应用服务器336；325.一计算服务，用于机器学习，例如基于新数据改进演算法；和/或用于分析以向一用户提供功能和度量的测量；和/或洞見以提供与va当前或预测的未来临床状况相关的度量。326.一机器学习算法—可以是有监督的或无监督的，基于由本发明的实施例产生的图像和/或患者参数的数据库进行学习，和/或元数据(metadata)，例如患者的疾病、生命体征、来自透析机的参数和/或医疗电子记录中可用的其他数据，可选地包括此患者以前的介入治疗、其他风险因素、合并症等。327.这些步骤包括以下一项或多项：328.1.从图像中提取特征；329.2.特征的趋势计算；330.3.在特征向量和/或特征向量趋势上运行机器学习。331.在一些实施例中，机器学习的结果是区分小于或大于50％av通畅的一统计分类器模型。332.在一些实施例中，分析与洞見(analyticsandinsight)在元数据和患者记录上运行，且基于患者资料计算av失效的统计数据(元数据和医疗健康记录)。333.在一些实施例中，可选地对诊所的业绩进行分析，例如每年有多少狭窄事件。334.现在参考图4a-4e，其是根据本发明示例实施例的演算法的简化流程图说明。335.图4a-4e示出了描述示例性演算法的流程图，通过非限制性示例的方式，可以在系统的软件单元306或云单元308中实现这些算法。336.图4a绘示了一个程序流程。图4a举例说明了血管通路的程序流程。337.首先，将主体的器官(例如手臂)放置在检测单元下方的一固定套筒(402)内。在一些实施例中，所述器官是手臂或腿，且所有测量是当器官大致垂直于地面(指向上方或下方)时进行。在一些实施例中，一些测量是在所述器官大致平行于地面时进行的，而一些测量是在所述器官垂直于地面(指向上或向下)时进行的。在一些实施例中，一些测量是在所述器官低于患者心脏时进行的，而一些测量是在所述器官高于患者心脏时进行的。338.接下来，检测一感兴趣区域(regionofinterest，roi)(404)。在一些实施例中，感兴趣区域是血管通路体和/或血管通路体的周围。所述检测可以由所述系统自动完成，也可以由一医生/用户手动完成。339.下一步是进行一个或多个测量(406)，例如感兴趣区域的图像。340.所述图像经过一处理算法(408)，例如图像处理算法，然后可选地保存到一数据库410)。341.下一步是从当前检查测量中，例如图像、以及从之前的检查测量(412)，例如图片来提取特征(414)。342.所述特征被发送到一统计模型，其可在血管通路体的“早期检测失效”(418)和“稳定”状态(420)之间进行分类(416)。343.图4b示出了提取“脉波速度”现象的特征的示例性演算法流程。344.第一步是预处理(422)，例如，以检测图像比例，例如以mm为单位。345.第二步是从第二图像中减去第一图像(424)。结果包括两个亮点。346.下一步是检测亮点中心(426)并计算亮点中心之间沿着血管的一路径的距离(428)。347.下一步是将计算的路径除以两个图像之间的时间段(430)，产生脉波速度的结果。348.图4c显示了提取侧支静脉现象特征的一示例性演算法流程。349.第一步是预处理(434)，例如，以检测图像比例，例如以mm为单位。350.第二步是检测血管路线和/或分支(436)。351.下一步是计算每个分支的长度及其沿静脉路线与瘘管的距离(438)。352.以上的方法也在下面更详细地描述，在“检测血管通路(va)体演算法”的标题下描述，也在几个段落的位置描述。353.进一步的步骤包括计算描述侧支静脉现象的参数(442)，包括一个或多个参数，例如：354.1.分支的数量。355.2.总分支的长度。356.3.分支的质心。357.4.从瘘管的质心距离。358.5.椭圆块(ellipseblocks)。359.6.分支直径，可选地检测填充血管腔的血液。360.图4d示出了提取动脉瘤和狭窄现象的特征的一示例性演算法流程。361.第一步是预处理(446)，例如检测图像比例，例如以mm为单位。362.下一步是检测静脉和/或动脉路线(448)。363.下一步是分割静脉和/或动脉路线(450)。364.下一步是寻找和计算沿静脉和/或动脉路线的最窄和最宽的宽度(452)。365.图4e示出了提取手臂抬高检查特征的一示例性演算法流程。应当理解的是，所述算法流程适用于其他主体的器官，并不限于手臂。366.在一些实施例中，在举起手臂后获得两个图像，以跟踪流出的变化，这在短时间内转化为一瘘管体积的变化。在正常流出状态下:瘘管内容物“快速”(几秒钟内)排空，并检测和/或测量两个图像之间的形状/面积差异。在流出阻塞状态下:瘘管内容物排出不够快，并检测/测量在瘘管的形状/面积中较小的变化(如果有的话)。随着时间的推移追踪这些变化能够追踪瘘管通畅度的变化。367.在一些实施例中，手臂抬高检查可应用在当手臂抬高(向上或向下，垂直于地面，和/或高于心脏水平)时。368.在一些实施例中，第一步是预处理(456)，例如，以检测图像比例，例如以mm为单位。369.下一步是检测图像中的血管通路(瘘管)(458)。370.下一步是分割图像中的血管通路(瘘管)(460)，可选地从图像的其他部分分割瘘管。371.下一步是计算图像中的血管通路面积(462)。372.在一些实施例中，手臂抬高检查首先在手臂与地面平行时拍摄第一图像，而当手臂垂直于地面(向上或向下)高于心脏水平时的拍摄第二图像。373.在获得所述第一图像和所述第二图像之后，下一步是预处理，例如，以检测两个图像中的图像比例，例如以mm为单位。374.下一步是检测两个图像中的血管通路。375.下一步是计算两个图像中的血管通路面积。376.下一步是从第二血管通路面积中减去第一血管通路面积。377.在一些实施例中，手臂抬高检查首先将手臂(或任何其他主体器官)从第一位置(手臂大致平行于地面的位置)移动到第二位置(手臂大致垂直于地面的位置，指向上方或下方)。378.下一步是拍摄两张抬高的手臂的图像。379.下一步是预处理，例如，检测两个图像中的图像比例，例如以mm为单位。380.下一步是检测两个图像中的血管通路。381.下一步是计算两个图像中的血管通路面积。382.下一步是从第二血管通路面积中减去第一血管通路面积。383.下一步是将计算出的差值除以两个图像间的时间段。384.现参考图5a和5b，其是沿静脉行进的脉波的简化图示。385.图5a显示了第一图像，而图5b显示了第二图像，其是在短时间内拍摄的。386.图5a和5b的图像显示了一手臂502、一静脉504、一动脉506，且其中所述静脉504连接到所述动脉506的瘘管508。387.图5a示出了一第一位置510，其中在时间t0，静脉被脉波的压力扩大。388.图5a示出了一第二位置512，其中在时间t1，静脉被脉波的压力扩大。389.述第二位置512相对于述第一位置510进一步沿着静脉504。390.脉波速度可选地通过测量所述第一位置510和述第二位置512之间的距离除以第一图像和第二图像间拍摄的时间差来度量。391.在一些实施例中，所述时间差是几分之一秒。作为非限制性示例，当图像帧大约为15-30厘米宽时，可选地以高于120fps的帧率，例如以165fps对沿血管行进的压力波进行成像。392.在一些实施例中，为了使上述两个位置具有具有160mm视场的图像帧，并且对于大约20m/s的脉波速度，时间差《6ms。这样的时间差适用于所有小于20m/s的脉波速度。393.可以在本文描述的系统中实现以下一种或多种演算法：394.预测器/分类器方法395.现参考图6，其是根据本发明示例实施例的一分类器方法的简化流程图说明。396.图6示出了一个或多个特征描述符(descriptor)的输入，例如：一侧支静脉描述符602、脉波速度描述符604、一手臂抬高描述符606、以及一动脉瘤和/或狭窄描述符608。397.在一些实施例中，输入602、604、606、608被馈送到一阈值计算单元612。398.在一些实施例中，一趋势计算单元614可选地从一本地或一远程数据库可选地接受一历史和/或趋势描述符610的输入。399.在一些实施例中，所述趋势计算单元614产生一趋势数据输出。400.在一些实施例中，所述阈值计算单元612产生一阈值数据输出。401.在一些实施例中，上述的一个或多个输出中被馈送到一统计单元616中。402.在一些实施例中，所述统计单元616的输出被输入到一决策单元618。403.所述决策单元618可选地产生va被确定为“稳定”622的决策或检测到失效620的决策。404.图6描述了一个示例性分类器演算法，其可基于机器学习(监督或非监督)工具或的启发式规则(heuristicrules)执行以下步骤：405.1.数据分析，如图像处理。406.2.从侧支血管发育、va区等一个或一组连续图像中提取特征。407.一些特征示例包括：va体的最小半径尺寸、脉波速度、侧支静脉尺寸和密度、侧支静脉与av或瘘管的距离等。408.特征还可以是连续图像之间的特征的变化和/或连续图像之间的特征的变化率。409.3.根据提取的特征对va的状态进行分类。410.分类可以是基本规则、阈值和/或统计模型。统计模型可以基于机器学习演算法，例如：支持向量机(supportvectormachine，svm)、逻辑回归、神经网络、决策树、决策树、“k均值(kmeans)”等。411.分类可以在两个级别之间(需要或不需要介入治疗)或在两个以上级别之间。412.用于预测和/或分类的方法的非限制性示例包括以下一项或多项：413.参数值表；414.与患者相关的参数值的回归；415.应用于参数值的k最近邻算法(knearestneighbors，knn)；416.支持向量机(supportvectormachinesvm)；417.深度学习；418.神经网络。419.在一些实施例中，机器学习使用训练集。产生和使用训练数据集的一非限制性示例包括在一段时间内重复测量n个患者的如本文所述的参数。420.在此期间，记录哪些患者出现血管衰竭，和/或哪些患者接受了人体检查、超声检查、x射线成像等附加技术的检查，以及附加技术的确定是什么。参数和确定可能会产生一个训练数据集，其可用于训练上述机器学习方法，或产生knn数据集。421.在一些实施例中，为了预测和/或分类目的，针对上述数据集测量的部分或全部参数也针对患者进行测量。422.要注意的是，随时间收集的参数可选地包括测量值和从测量值计算的参数、参数值的一阶导数、和参数值的二阶导数。423.要注意的是，通过观察、监听和感觉方法执行血管测试的护士或医生通常基于一个或两个参数的值提供决定或分类，而本文所述的系统和方法可能使用更多参数，并且可能会基于所述患者和/或用于生成训练集的一组患者的更多数据得出更准确的决策或分类。424.缩放演算法(scalingalgorithm)425.缩放演算法计算图像比例(例如将像素缩放到毫米)。缩放可用于计算血管半径、脉波速度、侧支血管大小、侧支血管密度和侧支血管到va的距离中的一项或多项的绝对值或相对值。426.配准演算法(registrationalgorithm)427.配准演算法可以在两个或多个连续图像之间执行自动或半自动配准。428.配准演算法可以对齐和/或缩放在不同位置或视角或不同视野中包含相同对象的两个或更多个图像。429.在一些实施例中，配准演算法的输入包括至少两个图像，并且在半自动配准的情况下，可选地，用户在两个图像上标记的一个或多个点。430.配准演算法潜在地使系统能够测量至少两次检查之间的变化，无论手臂或另一个检查器官在不同检查期间如何定位。431.在一些实施例中，包含va对象的同一患者的至少两个图像的配准可选地通过va的检测(例如分割)并且通过几何变换将一第一图像中的va图像拟合到一第二图像中的va图像来完成。432.检测血管通路(va)体演算法433.在一些实施例中，执行图像中血管通路体位置的自动或半自动检测。434.在一些实施例中，用于检测血管通路体的演算法的输入包括在图像帧中包含血管通路体的至少一个图像。435.在一些实施例中，可选输入是沿着包括va体的血管的一个或多个点的集合，可选地由医生/护士在包括va体的图像上标记。436.演算法输出可以是图像中的一组血管通路体像素。437.在一些实施例中，va体的计算机化检测是基于独特的va形状、大小、定向、位置等。438.在一些实施例中，作为非限制性示例，使用诸如由elynnshmedical开发的“用于动脉穿刺的ely-1000血管成像仪器”的装置。根据制造商，所述装置可帮助医务人员在动脉穿刺过程中识别皮下动脉，并能方便且快捷地显示动脉的确切位置和方向。439.在一些实施例中，在图像中检测到动脉和静脉连接或似乎连接的位置。440.在一些实施例中，向va提供血液的血管通过手术向皮肤表面抬高。由于血管段的深度差异，涵盖视场(field-of-view，fov)的图像包括va，va通常表现为闭合轮廓质心(closedcontourcentroid)。va体周围的组织通常比va体更深。441.在一些实施例中，va身体可选地检测深度差异，可能显示为比原生或周围血管更暗的区域。例如，当使用nir照明时，nir光被血液hgb吸收，靠近表面的血管比更深的血管显得更暗。442.脉波速度演算法443.再次参考图5a和5b，其描述了用于测量脉波速度的示例性方法。444.脉波速度也是血管硬化的常用指标，可以通过测量两点血管之间的距离和脉波传播时间来获得。脉波速度可以局部地、区域地或系统地测量。445.术语”局部地”用于指出沿着瘘管和附近相关的血管结构。446.在生理上，脉搏速度、血流和血管内的压力之间存在关系。447.脉波(由心跳引起)从心脏传播到动脉，然后从静脉返回心脏。当脉搏传播时，它会在移动的离散点和时间使血管(例如静脉)暂时变形。448.例如，静脉半径可能会在沿静脉的某个点暂时扩大。所述点可以通过测量静脉中流动的血液对光的吸收来检测—扩张的静脉的位置显示为沿静脉的较暗或较亮的点(取决于测量方法，例如反射或透射)。449.通过在两个或多个连续图像中检测与扩张血管相关的点，同时已知图像拍摄之间的时间，可以计算脉波速度。脉波速度等于两点之间的距离除以两个图像拍摄之间的时间。450.示例实施例—系统描述451.系统可以测量以下一种或多种示例现象：血管直径、脉波速度、nir(例如700-1000nm)反射频谱、侧支静脉的外观及其特征，如：密度、大小、与血管通路的距离和血管通路的氧浓度。452.在一些实施例中，nir光谱范围用于血管成像。从大约700nm到大约900nm存在一个光谱窗口，其中光可以深入组织，且静脉血管比周围组织吸收更多的辐射。453.现参考图7，其是根据本发明示例实施例的用于测量血管的系统的简化方块图。454.图7示出了示例实施例系统700的顶层方块图。所述系统700可以包括一成像/检测单元702和一软件/计算单元706。455.所述成像/检测单元702可选地包括一个或多个传感器710、一个或多个透镜712、一个或多个滤光片713和一个或多个照明器714、716。456.在一些实施例中，所述传感器710可以是cmos传感器。457.在一些实施例中，所述传感器710可以是一多光谱和/或高光谱摄影机。458.在一些实施例中，所述传感器710可以是nir传感器或摄影机。459.在一些实施例中，所述透镜712可以可选地是一固定焦距透镜。460.在一些实施例中，所述透镜712可以可选地是一变焦透镜。461.在一些实施例中，所述滤光片713可选地包括带通或长通滤光片。462.在一些实施例中，所述照明器714、716可以可选地包括nir发光二极体，可选地在700-1200nm的光谱范围内。463.在一些实施例中，所述照明器714、716可选地包括宽带nir发光二极体。464.在一些实施例中，所述照明器714、716可选地包括一个或多个激光源，可选地在850nm和910nm的近ir光谱范围内。465.在一些实施例中，所述照明器714、716可选地包括窄带照明，可选地在900nm的光谱范围内。466.在一些实施例中，所述照明器714、716可选地包括照明器阵列。467.在一些实施例中，所述软件/计算单元706可选地包括一图形用户界面734、一图像处理单元735、一计算机视觉单元736和一机器学习演算法单元737中的一个或多个。468.在一些实施例中，演算法单元737可选地包括以下一项或多项：图像处理演算法、静脉分割演算法、侧支静脉检测和/或分割演算法、脉波检测演算法和分类器演算法)–可选的机器学习演算法。469.所述系统700可以包括附加单元，例如一工作站704、可选的一云基础设施708等。470.在一些实施例中，所述云基础设施708可选地包括一web应用738、数据库740(可选地包括大数据分析能力)和分析单元742中的一个或多个。471.在一些实施例中，所述工作站704可选地包括以下一项或多项：472.一控制单元720，用于控制所述成像/检测单元702和/或所述成像/检测单元702的一个或多个组件的操作；473.一计算机722；474.一显示器724；475.一可选的器官固定表面或装置726，用于可选地将器官放置在相对于所述照明714、716和/或所述传感器710的一特定位置；及476.一支架728，用于将系统的组件放置在相对于患者器官的一特定位置。477.现参考图8a和8b，其是根据本发明示例实施例构造的系统中的光学组件的图像。478.图8a和8b示出了一些示例系统的光通道，其可包括，如图8a所示：479.一摄影机802，可选地是高光谱传感器(摄影机)；480.一透镜802，可选地为固定焦距透镜；481.一可选的滤光片支架806；482.一滤光片808，在一些实施例中为光学长通滤光片(longpassfilter)，在一些实施例中为截止波长(cutoffwavelength)为670nm的滤光片；及483.一照明源812。484.在一些实施例中，所述系统包括一可选的机械适配器810，以所述将照明源812连接到所述摄影机802主体。485.图8b示出了包括图8a的部件的一组装单元814。486.在一些实施例中，示例的血管状态分类演算法可分为三块；图像处理、特征提取和统计分类器。487.示例演算法顶阶(toplevel)流程可与图4a中所示的类似。488.图像处理:图像处理块可能包括几个步骤：489.·图像质量增强，例如对比度和亮度增强、清晰度、多个偏振状态图像的组合、多个波长图像(图像强度比)、多次曝光、可选的高动态范围(hdr)和限制對比度自適應直方圖均衡化(contrastlimitedadaptivehistogramequalization，clahe)。490.在一些实施例中，图像强度比示出了用不同波长所拍摄的的图像之间的像素级别比(pixel-wiseratio)，如以下等式所述：[0491][0492]其中:[0493]rij是比率图像中位置(i,j)的像素，im1ij是第一图像中位置(i,j)的像素，im2ij是第二图像中位置(i,j)的像素。[0494]·图像分割——定位血管通路(va)结构、血管边界和侧支血管结构。[0495]现参考图9，其是根据本发明示例实施例的分割方法的简化流程图说明。[0496]图9示出了示例性分割流程，包括第一图像902的输入，第一图像902的分割904产生具有可选分割线907的第二图像906、可选地隔离908出现在第二图像906中的器官，产生仅包含隔离器官的图像的第三图像910。[0497]可以使用以下一种或多种方法：k均值演算法、基于直方图(histogram-based)的方法、边缘检测、区域生长(regiongrowing)方法、mumford-shah分割、cnn(卷积神经网络)等。[0498]·早期检查和后续检查的一图像或多个图像之间的配准。配准步骤可选地将新图像缩放和/或对齐到一参考图像，可选地，来自早期检查的图像。[0499]现参考图10，图10是根据本发明示例实施例的配准方法的简化流程图说明。[0500]图10示出了一第一图像1002a和一第二图像1006a。[0501]在一些实施例中，可选地对两个图像执行点检测操作1004。[0502]在一些实施例中，点检测标准可选地是以下一项或多项：角落点、基于强度的标准，例如斑点检测(blobdetection)、加速稳健特征(speededuprobustfeatures，surf)等。[0503]在一些实施例中，两点的相似性通过两点中的每一个的一个或多个特征度量之间的特征度量差异来测量。[0504]所述第一图像1002a由在所述第一图像1002a中检测到的特定点标记，产生其上标记有特定点的一第一新图像1002b。所述第二图像1006a由在所述第二图像1006a中检测到的特定点标记，可选地根据用于检测第一图像1002a中的点的相同标准，来产生标记有特定点的一第二新图像1006b。[0505]图10示出了连接所述第一新图像1002b和所述第二新图像1006b中的对应特定点的一些线1007。[0506]在一些实施例中，所述第一新图像1002b和所述第二新图像1006b中的一个或两个可选地被转换1008，使用对应标记点的检测来执行转换，可选地产生一新的组合图像1010。在一些实施例中，所述转换1008包括对所述第一新图像1002b和所述第二新图像1006b中的一个或两个执行的图像标准化、图像缩放、图像旋转和仿射变换(affinetransform)中的一个或多个。[0507]在一些实施例中，执行所述配准以将所述第一图像(例如当前检查图像)对齐和/或缩放到第二图像(例如先前检查图像)。可以使用以下一种或多种方法进行配准：尺度不变特征变换(scaleinvariantfeaturetransform，sift)、加速稳健特征演算法，可选用于兴趣点检测、自动特征检测和匹配以及仿射变换计算。[0508]·特征提取：一特征提取块可能包括几个子块，用于从图像中分析数据并提取特征。[0509]在一些实施例中，所述特征提取可选地产生特征向量。[0510]在一些实施例中，所述特征提取可选地在产生一标准化图像的一图像处理步骤之后执行。[0511]所述特征向量是一种数学表示，用于表征图像等数据。有几种方法可以表征数据，下面列出了其中的一些：[0512]从一预训练的dnn中提取特征(a.krizhevsky,i.sutskever,g.e.使用深度卷积神经网络进行imagenet分类,nips2012:1106-1114)。[0513]一种方法包括通过在大型图像数据集上训练并使用其描述符层的神经网络来传递图像。[0514]另一种方法是为每种现象开发特定的描述符。[0515]血管长度和最小直径：[0516]现参考图11，其是根据本发明示例实施例的方法的简化流程图说明。[0517]图11说明了一种生成血管长度和/或最小直径描述符的方法。[0518]图11示出：[0519]作为输入的一第一图像1102，；[0520]所述第一图像1102到二值图像(binaryimage)1106的转换1104；[0521]器官(血管)中最窄通道的一位置1114；和[0522]出现在所述二值图像1106中的器官(血管)的一中心线的追踪1108，产生一第三图像1110，其中器官(血管)的中心线1112标记在第三图像1110上。[0523]类似的方法可选地用于产生“脉波速度”、“侧支血管发育”和“动脉瘤和狭窄”的描述符。[0524]在上述方法中，可以对二值图像使用“距离变换”和“局部最大值”方法，以检测血管的中心线和直径。[0525]其他可能有用的方法是：路径查找算法-dijkstra演算法、a*搜索算法。[0526]va中的混合动脉和静脉氧浓度：[0527]现参考图12，其是根据本发明示例实施例的方法的简化流程图说明。[0528]图12示出:[0529]作为输入的一第一图像1202；[0530]一直方图单元1204，用于产生所述第一图像1202的一直方图1206；和[0531]计算单元1210，用于产生与所述第一图像1202相关联的特征向量1212。[0532]在740nm到760nm的范围内，脱氧血红蛋白(deoxyhb)的吸收高于含氧血红蛋白(oxyhb)，因此在这个范围内，静脉吸收光辐射，且动脉变得相对更透明。[0533]在850nm到1000nm的范围内，静脉变得相对更加透明，而动脉吸收更多的辐射。[0534]va中的血液是动脉血和静脉血的混合物，尤其是在发生狭窄时，会导致血液再循环。[0535]只要va功能良好，则应有更高的动脉血流过va，这在850nm至1000nm的照明下由较暗的灰阶表示。通过计算强度“标准化”图像的直方图，例如图12中所示的第一图像1202，并将直方图与“参考”图像的直方图进行比较，系统可创建一个特征向量来描述va中的血液混合物的变化，或va中血液混合物的变化率。[0536]脉波速度[0537]现参考图13，其是根据本发明示例实施例的方法的简化流程图图示。[0538]图13示出了一种计算脉波速度的方法。[0539]图13显示：[0540]在时间t0获得的一第一图像1302作为输入；[0541]在时间t1获得的一第二图像1304作为输入；及[0542]用于产生一第三图像1308的一计算单元1306。[0543]图13示出了用于脉波速度的特征提取的一示例性方法。[0544]在一些实施例中，可选地，在配准和/或分割之后的每个图像帧(标准化图像)，融合两个连续的图像帧，例如图13的图像1302、1304，产生一融合图像，例如第三图像1308。[0545]在一些实施例中，所述融合图像是通过从其中一个图像减去另一个图像来产生的。[0546]在一些实施例中，所述融合图像是通过将其中一个图像添加到另一个来产生的。[0547]在一些实施例中，计算两个最亮点1312、1314的质心，并且测量两个最亮点1312、1314的质心之间沿着路径1312的路径1312的长度。[0548]在一些实施例中，所述路径1312可选地是血管的中心线。[0549]统计分类器模型[0550]现参考图14，其是根据本发明示例实施例的分类器方法的简化流程图图示。[0551]图14示出了一个或多个特征描述符的输入，例如：一侧支静脉描述符1402、一脉波速度描述符1404、一动脉瘤和/或狭窄描述符1406、以及一动脉和静脉血混合物描述符1408。[0552]在一些实施例中，输入1402、1404、1406、1408被馈送到一趋势计算单元1412中。在一些实施例中，所述趋势计算单元1412可选地接受历史和/或趋势描述符1410的输入，可选地来自本地或远程数据库。[0553]在一些实施例中，所述趋势计算单元1412产生一趋势特征向量1414。[0554]在一些实施例中，所述趋势特征向量1414可选地存储在(本地或远程)数据库中。[0555]在一些实施例中，所述趋势特征向量1414被输入到一分类器1416。[0556]所述分类器1416的结果可选地输入到一决策单元1418，其产生确定va被确定为“稳定”1420的决策或检测到失效1422的决策。[0557]在一些实施例中，检测失效可以包括估计va即将发生失效的高概率。[0558]分类到“稳定”或“早期失效检测”可以通过一统计分类器模型来完成，例如svm、逻辑回归、神经网络等。[0559]在一些实施例中，每个现象的提取特征1402、1404、1406、1408可选地被收集到一个“特征”向量1414。[0560]在一些实施例中，所述特征向量1414可选地存储在数据库中。[0561]在一些实施例中，所述特征向量1414和一“历史特征向量”1410可选地发送到一“趋势计算”单元1412。[0562]在一些实施例中，所述“趋势计算”单元1412的输出是一“新趋势特征向量”1414，其可选地存储在数据库中和/或发送到一分类器单元1416。[0563]在一些实施例中，来自所述分类器单元1416的输出可以被检测为“早期失效检测”或“稳定”。[0564]在一些实施例中，对可以进行va手术后的成熟度或成熟率进行分类。[0565]一瘘管的成熟率可以表示为y天后x％的成熟度。[0566]现在参考图15a-c，其示出了根据本发明示例性实施例的同一患者手臂的三个不同图像。[0567]图15a示出了一患者手臂在人类可见波长下的图像，在距离手臂约40厘米处拍摄。[0568]图15b示出了一患者手臂在近红外波长下的图像。图15b显示使用近红外成像提高血管例如浅静脉1512的可见性。[0569]图15c显示了一患者手臂的图像，其中感兴趣点1522在血管位置自动(通过图像分析)生成。[0570]当一护士或一医生检查患者的血管时，他们通常使用三步程序：观察、监听和感觉。[0571]在一些实施例中，本文所述的系统基于对一患者肢体进行照明和成像并分析从成像中收集的数据来执行观察、监听和感觉。[0572]在一些实施例中，本文所述的方法基于对一患者肢体进行照明和成像并分析从成像中收集的数据来执行观察、监听和感觉。[0573]现参考图16a，其为显示了医务人员参考血管狭窄病变或血栓形成检查患者的过程的一表格。[0574]图16a旨在显示指示人类做什么。然而，众所周知的是，人类之间的差异会影响这样的检查是可预期的。[0575]值得注意的是，自动检查可能能够为此类检查提供更好的可重复性。[0576]需要注意的是，自动检查可能能够提供更快的检查，同时减少医务人员的参与。[0577]现参考图16b，其是根据本发明示例实施例的检查患者的方法的简化流程图说明。[0578]图16的方法包括：[0579]一设备通过拍摄身体的一个或多个图像并且对所述图像使用图像分析来观察(1622)患者的身体；[0580]所述设备通过捕获身体的振动并分析人类可听频率的振动来监听(1624)患者的身体；和[0581]所述设备通过分析低于人类可听频率的身体振动来感受(1624)患者的身体。[0582]在一些实施例中，拍摄身体的一个或多个图像可选地通过拍摄近ir波长的图像来执行。[0583]在一些实施例中，如本文别处所述，可选地通过激光散斑成像来捕获身体的振动。[0584]在一些实施例中，可选地，通过接触患者身体的麦克风和/或通过连接到接触患者身体的听诊器的麦克风来捕获身体的振动。[0585]应当注意的是，在一些实施例中，自动检查可能能够在没有人接触患者的情况下提供这样的检查，可能在需要医疗距离的情况下使用，例如当患者可能携带传染性疾病时。[0586]在一些实施例中，本文所述的系统和方法可选地“观察”(即分析血管的图像)，“监听”(即分析患者身体在人类听觉频率下的振动)和“感觉”(即分析患者身体在低频下的振动，达到低于典型音频的频率)。[0587]在一些实施例中，提供非接触式监视工具，以补充和/或替代血管通路(va)的身体检查。这种监视有可能实现狭窄的早期检测，可能比人工检查更早。[0588]在一些实施例中，监视工具不接触患者的瘘管和/或患者的肢体，即使肢体可选地定位在能够将瘘管定位在设备的视野中的设备中。[0589]在一些实施例中，监测所测量的记录和监测参数可能使狭窄的早期检测和/或预测成为可能，可能比人体检查更早。[0590]在一些实施例中，无需人工接触即可监视，例如在距离va位置大于10、20、30、40、50厘米的距离的位置。[0591]在一些实施例中，所述系统和方法可选地能够获取通常通过人的身体检查通过观察、感觉和监听获得的所有参数。[0592]在一些实施例中，使用如本文所述的实施例来训练人员操作监控va比使用人类感官更容易。[0593]使用如本文所述的实施例，可能通过记录和使用同一患者的历史数据和追踪变化来增加价值。[0594]使用如本文所述的实施例，可能能够在没有身体接触的诊所中进行会前(pre-session)和/或会后(post-session)检查。[0595]使用如本文所述的实施例，可能支持covid-19下的医疗照护。[0596]使用如本文所述的实施例，可能由一患者操作的一家庭设置中进行照护。[0597]现参考图17，其是根据本发明示例实施例的用于检查患者的方法的简化方块图图示。[0598]图17示出了一种方法，包括：[0599]接受一患者检查(1702)；[0600]使用本发明的实施例测量患者(1704)；[0601]收集来自于传感器的数据(1706)；[0602]分析所述数据(1708)；和[0603]可选地提供关于患者瘘管状态的决策(1710)。[0604]患者瘘管的状态可选地包括确定患者瘘管的医疗状况和/或通畅性。医疗状况任选地被确定为健康和/或功能正常或具有恶化的概率。在一些实施例中，超过某个阈值的恶化概率可选地产生将患者送去进行额外检查的建议，例如多普勒超声检查或x射线血管造影(angiography)。[0605]现参考图18a和18b，它们是在两个不同时间拍摄的患者瘘管的图像。[0606]图18a显示了瘘管轮廓的一墨水标记1802。图18a还显示了在患者皮肤上可见的物理特征1804。[0607]图18b是在不同时间拍摄的瘘管图像。图18b示出了所述墨水标记1802因瘘管的形状和/或尺寸的改变而改变形状。图18还显示物理特征1804似乎已相对于瘘管的轮廓或相对于墨水标记1802移动。[0608]图18a和18b是2004年创建的具有右头臂瘘管的36岁男性的图像。所述瘘管有多个动脉瘤1801a、1801b。[0609]现在参考图19a和19b，其是根据本发明的两个示例性实施例的用于监测血管通路(va)和/或瘘管的系统的简化图。[0610]图19a示出了包括一头部1902及一基座1906的一系统1900。所述头部1902可选地包括一投光器及一成像系统。在一些实施例中，所述基座1906可选地包括一形状，配置以将手臂或腿支撑在相对所述头部1902的特定位置。在一些实施例中，所述基座1906可选地包括带子，被配置以将手臂或腿支撑在相对于头部1902的特定位置。[0611]图19a示出了包括一投影仪1912和一成像器1914的系统1910。在一些实施例中，所述投影仪1912包括一可选盖1916。在一些实施例中，特别是在所述投影仪包括激光器的情况下，出于安全考虑，可能需求和/或需要所述盖1916。[0612]在一些实施例中，所述成像器1914可选地能够以高于标准视频速率(可选择以每秒60帧(fps)、高于60fps、高于100fps、高于150、200、300、400、500和600fps)的速率成像帧[0613]高帧率能够检测患者身体的高频振动，如本领域已知的:香农定律(shannon’slaw)。[0614]在一些实施例中，可选择使用nir快速摄影机，可选择使用150fps或更高的帧率。[0615]在一些实施例中，可选地使用现成的摄影机(off-the-shelfcamera)，例如flirfl3u3摄影机，能够以150fps的帧率和1.3兆像素的全帧大小进行成像。[0616]在一些实施例中，摄影机用于拍摄超过160fps、最高600fps、620fps等的帧率。[0617]在一些实施例中，可选的使用现成的摄影机，能够以1.3-2兆像素或更多的帧大小进行成像。[0618]在一些实施例中，可选使用现成的摄影机，当以较低的帧尺寸成像时，能够以更高的帧速率成像。通过一些非限制性示例，摄影机可选地以10x20像素、10x10像素等尺寸成像。[0619]在一些实施例中，成像器在瘘管位置或va感兴趣点位置拍摄患者身体上特定感兴趣位置的小帧(小于最大帧尺寸，并且可选地低至上述小帧尺寸)。[0620]在一些实施例中，投影仪可选择将光线投射到感兴趣的位置，以使一用户能够正确定位患者的身体。[0621]在一些实施例中，感兴趣的位置是患者的瘘管。[0622]在一些实施例中，多个点同时被照亮。[0623]在一些实施例中，一个点被照亮的感兴趣位置是患者的瘘管，且一个点被照亮的另一个感兴趣的位置是与患者的瘘管相邻但不在瘘管处的位置。[0624]在一些实施例中，一个点被照亮的感兴趣位置是瘘管动脉瘤，且一个点被照亮的另一个感兴趣位置是与瘘管动脉瘤相邻但不在瘘管动脉瘤处的位置。[0625]在一些实施例中，所述投影仪是一数字光处理投影仪。[0626]在一些实施例中，投影仪是一激光投影仪。[0627]在一些实施例中，感兴趣的位置，例如瘘管或动脉瘤，或身体的一肿胀区域，可选地通过使用结构光和图像分析来识别，并且所述投影仪被控制(可选地自动控制)，以照亮感兴趣的位置。在一些实施例中，可选地控制数字光处理投影仪和/或激光投影仪，来照亮感兴趣的位置。[0628]在一些实施例中，一医生或护士控制感兴趣位置的照明。[0629]在一些实施例中，一医生或护士控制激光照射到感兴趣的位置。[0630]在一些实施例中，所述投影仪可选地能够以多种模式投射光。这些模式包括以下两种或多种：[0631]将均匀(或接近均匀)的照明投射到一患者身体的可能足以对侧支静脉进行成像的一区域或一限制的点；[0632]投射结构光，可选地包括特定宽度、等宽或不等宽的光条，如编程或其他图案；和[0633]投射一个或多个相干激光光斑，可能用于测量振动、微振动和脉冲中的一种或多种，例如通过激光散斑干涉法。[0634]在一些实施例中，所述投影机能够在三种不同照明模式中的任何一种之间切换：均匀、结构光和点光源。[0635]在一些实施例中，所述投影仪能够在一患者肢体上提供直径0.5毫米到5毫米之间的光斑尺寸。例如，光斑尺寸约为1mm。[0636]在一些实施例中，所述投影仪包括一个或多个led和/或激光光源，可选地在近ir波长。[0637]在一些实施例中，所述投影仪可选地是数字光处理投影仪。[0638]在一些实施例中，所述投影仪可选地包括纳米镜，以对光进行整形。[0639]在一些实施例中，所述投影仪可选地包括微机电系统(mems)镜，以对光进行整形。[0640]在一些实施例中，所述投影仪可选地包括数字镜驱动器(digitalmirrordriver，dmd)。[0641]在一些实施例中，所述投影仪和所述摄影机被封装在一个包装中。[0642]现在参考图20，其是根据本发明示例实施例的用于监测血管通路(va)和/或瘘管的系统的图像。[0643]图20示出了包括一投影仪2004、一成像器2006和一可选处理器2002的一系统。[0644]现在参考图21a-c，其显示了同一患者手臂的三个不同图像。[0645]图21a的图像显示了患者的手臂保持在患者心脏水平以下。两个充气针插入点2102、2104显示在患者的手臂瘘管上。[0646]图21b的图像显示了患者的手臂保持在患者心脏水平上方，所述图像是在患者将手臂抬起到抬高位置后拍摄的。插入点中的第一个2102被示为放气，并且插入点中的第二个2104仍然充气。[0647]图21c的图像显示患者的手臂被抬高，所述图像比图21b的图像稍晚拍摄。针插入点2102和2104都显示为放气和萎陷。[0648]抬高测试检查[0649]在一些实施例中，本文描述的系统和方法可选地用于在抬高测试中测量和量化，即，将身体或肢体保持在心脏水平以下进行一次或多次测量和量化，并且将身体或肢体保持在心脏水平以上的升高位置进行一次或多次测量和量化。[0650]如图21a-c所示，在某些情况下，瘘管在保持在一个位置时可能不会引流，而在保持在一个或多个其他位置时可能会引流。在某些情况下，瘘管在一个位置时可能不会引流，在一个或多个其他位置时也不会引流。[0651]位置之间的差异与瘘管的医学条件相关，例如流入和流出速率和/或压力之间的比率)。[0652]瘘管引流的速度和方式，以及不同高度的引流模式之间的差异与瘘管的医疗条件相关。在一些实施例中，测量引流速率和/或模式，可选地通过生成3d形状和/或描绘瘘管的外部形状的一个或多个3d曲线和/或沿着所述组追踪曲线之间的变化。[0653]在一些实施例中，引流速率和模式可选地通过评估由3d形状和/或一条或多条曲线封装的体积和追踪总体积随时间的变化来估计，潜在地提供引流水平和速率。[0654]在一些实施例中，可以估计曲线的空间曲率，并且可以通过分析曲率随时间的变化来表征引流模式。[0655]在一些实施例中，每条曲线的曲率平滑度和曲率平滑度在引流期间随时间的变化可用于估计引流模式。[0656]在一些实施例中，根据测量的振动分析估计的任何流动相关参数与基于3d形状或曲线形状从引流模式或速率估计的任何参数之间的相关性可选地用于估计瘘管健康。[0657]现在参考图22a，其显示通过分析由激光散斑成像产生的图像测量的振动功率谱的图表。[0658]图22a显示一图表220，x轴2202显示频率范围或区间，y轴2204显示以测量单位为单位的相对功率谱。[0659]对两组患者进行抽样以生成此图。第一组2206具有大于500ml/分钟的血流速度(fv)，第二组2208具有小于500ml/分钟的fv。[0660]图表2200展示了两组的功率谱中的最大值大约位于大约140hz处。。这使我们怀疑，监听两组血流的音高可能不是区分它们的好方法。然而，分析两组的功率谱显示出差异：[0661]第一组2206在最大值的位置看起来比第二组2208具有更高的振幅；[0662]第二组2208似乎具有比第一组2206更平坦或更宽的曲线。[0663]如图22a所示，在功率谱中分析的振动是由通过血管的血流和/或湍流引起的。[0664]流动和湍流随时间而变化，并受到流动发生的血管内部和周围的局部物理条件的影响。物理条件可能包括压力梯度、血管直径、血管壁顺应性、血管内表面特性等。[0665]在va/瘘管位置测量的血流功率谱可能与这些位置的物理和/或临床血流状况有关。这种功率谱特征随时间的变化可能与瘘管健康的恶化有关。分析从va/瘘管位置获得的功率谱变化可能是瘘管恶化的早期预测。[0666]参考本文所述的早期预测，应注意的是，这种预测可能使经皮腔内血管成形术(pta)比基于现有医学检查的情况更早进行。[0667]在一些实施例中，通过测量从患者身体反射的光的强度来测量功率谱。预计强度会以与身体振动频率相关的频率变化。[0668]在一些实施例中，通过测量从患者身体上的照明点反射的光的强度来测量功率谱。在这样的实施例中，振动实际上是特别在照明点处测量的。[0669]在一些实施例中，通过测量身体的连续图像之间的差异来测量功率谱，例如身体上图案的微小变化。所述图案可以是皮肤上的痣、结构光、光斑的移动、激光散斑的移动以及类似的移动。[0670]现参考图22b，其是根据本发明示例实施例的用于将数据从图像流转换为频谱的方法的简化流程图说明。[0671]图22b的方法包括：[0672]接收对一患者身体成像的图像流(2222)；[0673]可选地选择一个或多个在图像流的持续时间内具有高强度方差(varianceofintensity)的像素(2224)；[0674]在持续时间内产生一强度向量(2226)；[0675]将所述强度向量变换为一频谱向量(2228)。[0676]在一些实施例中，所述变换是通过一快速傅里叶变换来执行的。[0677]在一些实施例中，在分析所述功率谱之前，可选地对功率谱进行归一化。作为一些非限制性示例，归一化因子可选地从以下各项计算：总光谱能量、峰值、峰基线比(peaktobaselineratio)、特定带宽中的能量等。[0678]在一些实施例中，在远程位置(例如，远离瘘管)测量的参考光谱用作参考。两个光谱都可能被归一化，也可能不被归一化，且测量的光谱被不同位置的光谱之间的差异代替。[0679]在一些实施例中，测量的功率谱或功率谱差的偏度(skewness)或峰度(kurtosis)可选地用于估计流量。[0680]在一些实施例中，首先将测量的功率谱拟合到一模型，在一些实施例中，假设一个或多个隐藏模型混合器(作为非限制性示例，泊松-高斯混合”poisson-gaussianmixture”)和模型参数被用作相关器来流动。[0681]在一些实施例中，使用特定频率范围内的能量来估计流量。[0682]执行观察、监听和感觉[0683]我们还根据医务人员使用的“观察、监听和感觉”程序来描述本发明的一些方面。[0684]在一些实施例中，“观察、监听和感觉”程序可选地由本文描述的系统的实施例执行。[0685]在一些实施例中，本文所述的系统基于对患者肢体进行照明和成像并分析从成像中收集的数据来执行观察、监听和感觉。[0686]在一些实施例中，本文所述的方法基于对患者肢体进行照明和成像以及分析从成像中收集的数据来执行观察、监听和感觉。[0687]瘘管杂音，也称为血管杂音，是透析通路如何运作的指标。[0688]动静脉瘘管是一种通过将动脉连接到皮肤下的静脉(通常位于上臂或下臂或腿)而形成的通路类型。(i)从动脉通过静脉的高血流量使瘘管变得更大更强。健康的av瘘管有杂音(人类可以听到的隆隆声)、震颤(人类可以感觉到的隆隆声)和良好的血流速度。[0689]在一些实施例中，“观察”方面可选地通过对身体或肢体进行成像并分析一个或多个图像以量化血管结构和/或瘘管结构来执行。[0690]在一些实施例中，“观察”方面可选地通过使用结构光对身体或肢体进行成像并产生瘘管的3d形状来执行。[0691]在一些实施例中，“监听”方面可选地通过测量身体或肢体的振动并分析振动以量化与瘘管的医学条件相关的参数值来执行。在一些实施例中，“监听”方面包括分析在人类可听范围内的频率范围内的振动。[0692]在一些实施例中，“感觉”方面可选地通过测量身体或肢体的振动并分析振动以量化与瘘管的医学条件相关的参数值来执行。在一些实施例中，“感觉”方面包括分析可选地在甚至超出和/或低于人类可听范围的频率范围内的振动。[0693]在一些实施例中，可选地在小于1,000hz的频率范围内进行振动分析。在一些实施例中，分析振动可选地在小于典型人类语音的频率范围内执行，例如小于4,000hz。[0694]通过一些非限制性示例，“感觉”方面包括以下一项或多项：[0695]测量人体脉搏，通常在每分钟40次及以上的范围内。这种测量需要分析频率为1赫兹甚至更低的振动。当通过分析视频序列的图像帧来执行这种分析时，以被测量频率的大约两倍的速率分析图像帧就足够了，也就是，例如，大约每秒2帧或更高。[0696]测量震颤，通常在50-250赫兹或50-750赫兹的范围内。当通过分析视频序列的图像帧来执行这种分析时，以被测量频率的大约两倍的速率分析图像帧就足够了，也就是，例如，大约每秒100帧或更高。[0697]分析和量化振动的功率谱，例如如上面参考图22a和22b所描述的。[0698]在一些实施例中，通过图像分析和/或通过使用特定的照明模式，在不物理接触患者的情况下执行“观察、监听和感觉”。[0699]现参考图23，其是根据本发明示例实施例的用于监测血管功能的方法的简化流程图图示。[0700]图23的方法包括：[0701]通过一患者皮肤照亮一个或多个血管(2302)；[0702]拍摄血管的至少一图像(2304)；[0703]分析所述至少一图像(2306)；和[0704]基于图像分析计算与血管功能相关的参数(2308)。[0705]现参考图24，其是根据本发明的示例实施例的用于替代由医生执行的用于监测血管功能的身体检查的方法的简化流程图图示。[0706]图24的方法包括：[0707]产生一患者器官的至少一图像(2402)；[0708]分析所述至少一图像(2404)；和[0709]产生与血管功能相关的参数值(2406)。[0710]分析和量化振动的功率谱，例如如上面参考图22a和22b所描述的。[0711]在一些实施例中，通过图像分析和/或通过使用特定的照明模式，在不物理接触患者的情况下执行“看、听和感觉”。[0712]现参考图23，其是根据本发明示例实施例的用于监测血管功能的方法的简化流程图图示。[0713]图23的方法包括：[0714]通过患者皮肤照亮一个或多个血管(2302)；[0715]捕获血管的至少一幅图像(2304)；[0716]分析至少一幅图像(2306)；和[0717]基于图像分析计算与血管功能相关的参数(2308)。[0718]现在参考图24，其是根据本发明的示例实施例的用于替代由医务人员执行的用于监测血管功能的身体检查的方法的简化流程图图示。[0719]图24的方法包括：[0720]产生患者器官的至少一幅图像(2402)；[0721]分析至少一幅图像(2404)；和[0722]产生与血管功能相关的参数值(2406)。[0723]尽管此处已详细公开了特定的实施方式，但这仅是为了说明的目的而以示例的方式进行的，并不旨在限制所附权利要求的范围。特别地，可以设想在不背离由权利要求限定的本公开的精神和范围的情况下可以进行各种替换、改变和修改。在其他方面、优点和修改被认为在所附权利要求的范围内。所提出的权利要求代表了本文所公开的实施方式和特征。还设想了其他未声明的实施方式和特征。因此，其他实施方式在所附权利要求的范围内。[0724]可预期的是，在本技术的专利有效期间，将开发出许多相关的图像处理演算法；本文所使用术语的范围意在包括所有这些演绎(priori)的新技术。[0725]如本文所用，提及量或值时，术语“大约”是指“在±20％以内”。[0726]术语“包括(comprising)”、“包括(including)”、“具有(having)”及其词形变化是指“包括但不限于”。[0727]术语“由......组成(consistingof)”是指“包括但不限于”。[0728]术语“基本上由......组成(essentiallyconsistingof)”是指组合物、方法或结构可包括额外的成分、步骤和/或部件，但只有当额外的成分、步骤和/或部件实质上不改变所要求保护的组合物、方法或结构的基本特征及新特征。[0729]本文所使用的单数型式“一(a)”、“一(an)”及“所述(the)”包括复数引用，除非上下文另有明确规定。例如，术语“一个单元”或“至少一个单元”可以包括多个单元，包括他们的组合。[0730]此处使用的词语“示例”和“示例性”表示“用作示例、举例或说明”。描述为“示例”或“示例性”的任何实施例不一定被解释为优选或优于其他实施例和/或排除对其他实施例的特征的结合。[0731]本文中所用的词汇“可选择地(optionally)”表示“在一些实施例中提供，而在其它实施例中不提供”。任何本发明的特定实施例可以包括多个“可选择的”特征，除非此类特征相冲突。[0732]在整个本技术中，本发明的各种实施例可以以一个范围的型式存在。应当理解的是，以一范围型式的描述仅仅是因为方便及简洁，不应理解为对本发明范围的硬性限制。因此，应当认为所述的范围描述已经具体公开所有可能的子范围以及该范围内的单一数值。例如，应当认为从1到6的范围描述已经具体公开子范围，例如从1到3，从1到4，从1到5，从2到4，从2到6，从3到6等，以及所数范围内的单一数字，例如1、2、3、4、5及6，此不管范围为何皆适用。[0733]无论何时在本文中指示数字范围(例如“10-15”、“10到15”或由这些其他这样的范围指示连接的任何一对数字)，除非上下文另有明确指示，否则意味着包括所指范围内的任何数字(分数或整数)。“第一指示数字及第二指示数字之间的范围”、及“第一指示数字到第二指示数字的范围”在本文中可互换，并指包括第一指示数字及第二指示数字，及其间的所有分数及整数。[0734]除非另有说明，本文中使用的数字和基于其的任何数字范围是在本领域技术人员理解的合理测量和舍入误差的精度范围内的近似值。[0735]可以理解，本发明中的特定特征，为清楚起见，在分开的实施例的内文中描述，也可以在单一实施例的组合中提供。相反地，本发明中，为简洁起见，在单一实施例的内文中所描述的各种特征，也可以分开地、或者以任何合适的子组合、或者在适用于本发明的任何其他描述的实施例中提供。在各种实施例的内文中所描述的特定特征，并不被认为是那些实施方案的必要特征，除非所述实施例没有那些元素就不起作用。[0736]虽然本发明结合其具体实施例而被描述，显而易见的是，许多替代、修改及变化对于那些本领域的技术人员将是显而易见的。因此，其意在包括落入所附权利要求书的范围内的所有替代、修改及变化。[0737]在本说明书中提及的所有出版物、专利及专利申请以其整体在此通过引用并入本说明书中。其程度如同各单独的出版物、专利或专利申请被具体及单独地指明而通过引用并入本文中。此外，所引用的或指出的任何参考文献不应被解释为承认这些参考文献可作为本发明的现有技术。本技术中标题部分在本文中用于使本说明书容易理解，而不应被解释为必要的限制。此外，本技术的任何优先权文件在此通过引用的方式整体并入本文中。当前第1页12当前第1页12
技术领域：
：及
背景技术：
：：4.本发明总体上涉及监测患者血管的领域。一些方面更具体地涉及血管功能失效的早期诊断，且甚至更具体地涉及在进行血液透析治疗的患者中血管通路失效的早期检测。一些方面更具体地涉及瘘管的测量。5.透析血管通路(vascularaccess，“va”、瘘管或移植物)使的拯救生命的血液透析治疗成为可能，但也容易出现通路的相关问题。6.术语“va”或“血管通路”，在其所有语法形式中，在整个本说明书和权利要求中使用，表示所有类型的血管通路构造，生物的和合成的，作为一些非限制性的示例，包括动静脉(arteriovenous，av)瘘管、合成移植物和静脉导管。7.一种类型的长期通路是av瘘管。外科医生将一动脉连接到一静脉，通常在手臂或腿上，以创建av瘘管。当外科医生将所述动脉连接到所述静脉时，所述静脉会变得更宽更粗，从而更容易放置用于透析的针头。av瘘管也具有大的直径，可以让血液快速流出及返回体内。av瘘管的目标是允许高血流，以使大量血液可以通过一透析器。8.·在美国，超过25％的血液透析(hemodialysis，hd)患者住院与通路相关。9.·在2013年，超过30,000名患者需要进行与透析相关的动静脉血栓切除术。10.每年的发病率的成本估计接近10亿美元。11.va功能和通畅对于血液透析患者的最佳管理至关重要。低va流量和通畅丧失限制了血液透析的实施，延长了治疗时间，并可能导致透析不足，从而导致发病率和死亡率增加。在长期va中，特别是移植物，血栓形成(thrombosis)是导致va通畅性丧失和增加医疗保健支出的主要原因。12.va监测和检查的基本概念是，绝大多数va会在不同的时间间隔内出现渐型性狭窄，而且，如果发现并矫正(矫正手术，例如经皮腔内血管成形术-pta)，可以最大限度地减少或避免透析不足(透析剂量保护)，并且可以降低血栓形成率。有许多监测和检查方法可用：连续va流量、连续动态或静态压力、再循环测量和身体检查。13.监测是对va的检查和估计，以通过身体检查诊断va功能障碍，通常在血液透析单元内，以便在va损失之前检测功能障碍和可矫正病变(correctablelesions)的存在。14.身体检查可作为一监测工具，以排除与即将发生的瘘管和移植失效相关的低流量。通常，va检查有3个组成部分：检查、触诊和听诊。15.一个简单的检查可以发现肿胀、缺血性手指、动脉瘤和丰富的侧支静脉的存在。静脉中的吻合处中央(veincentraltotheanastomosis)的强脉搏和微弱颤动指出引流静脉狭窄。狭窄是可触诊的，杂音的强度和特征可以提示狭窄的位置。与邻近节段相比，移植物或静脉吻合处的杂音局部强化提示了狭窄(stricture或stenosis)。身体检查还可以包括抬高测试(elevationtest)，包括抬高具有va的四肢和正常通路萎陷的检查。在器官升高到患者心脏水平以上后，当瘘管萎陷时，所述测试被认为是正常的。16.其他背景艺术包括：17.besarab等人，“通路监控是值得和有价值的(accessmonitoringisworthwhileandvaluable)”，期刊“bloodpurif”2006；24:77–89，2006年2月；18.ehsanrajabi-jaghargh及rupakkbanerjee，“结合功能和解剖学诊断终点用于估计动静脉瘘功能障碍(combinedfunctionalandanatomicaldiagnosticendpointsforassessingarteriovenousfistuladysfunction)”，期刊”worldjnephrol”2015年2月6日；4(1)：6-18issn2220-6124；19.lucturmel-rodrigues，“通过介入放射学拯救未成熟的前臂瘘管进行血液透析(salvageofimmatureforearmfistulasforhaemodialysisbyinterventionalradiology)”，期刊”nephroldialtransplant”，2001年12月；16(12):2365-71；20.jürgschmidli等人,编辑选择e血管通路(editor’schoiceevascularaccess)：2018年欧洲血管外科学会(esvs)临床实践指南，期刊“eurjvascendovascsurg”(2018)55,757e818。21.上述所有参考文献的公开内容和整个本说明书，以及那些参考文献中提及的所有参考文献的公开内容，均以引用的方式并入本文。技术实现要素：22.本发明总体上涉及自动监测患者的血管，更具体地涉及血管功能失效的早期诊断，甚至更具体地涉及在接受血液透析治疗的患者中血管通路失效的早期检测。23.根据本发明的一些实施例的一个方面，提供了一种用于监测血管功能的系统，包括一照明源、一检测器、一显示器、一处理器，被配置为识别脉波速度相对于一基线测量(baselinemeasurement)的变化，识别指示一个或多个侧支血管相对于一基线测量的发育的至少一个参数的变化，识别血管直径相对于一基线测量的变化，识别血管光谱分析的变化，关联识别的变化，并根据关联的识别变化确定血管功能失效的概率。24.根据本发明的一些实施例，指示一个或多个侧支血管发育的至少一个参数包括形状、密度和与血管的距离中的一种或多种。25.根据本发明的一些实施例，所述处理器配置以计算脉波速度、指示一个或多个侧支血管发育的至少一个参数、血管的直径和血管的光谱分析的变化率。26.根据本发明的一些实施例，血管在患者的手臂中，且所述处理器还配置以在患者的手臂或腿被抬高时识别血管萎陷的变化。27.根据本发明的一些实施例，所述处理器还配置以计算患者的手臂或腿抬高时血管萎陷的变化率。28.根据本发明的一些实施例，所述处理器还配置以识别在血管内流动的血液成分的变化。29.根据本发明的一些实施例的一个方面，提供了一种用于监测血管功能的系统，包括一照明源、一检测器、一显示器、一处理器，所述处理器配置以识别指示一个或多个侧支血管相对于一基线测量的发育的至少一个参数的变化，根据已识别的变化确定血管功能失效的概率。30.根据本发明的一些实施例，所述处理器还配置以识别脉波速度、血管直径和血管的光谱分析中的一项或多项相对于基线测量的变化，将脉搏波速度、血管直径和血管光谱分析中的一项或多项中识别的变化与识别的指示一个或多个侧支血管相对于一基线测量的发育的至少一个参数的变化相关联，并基于相关联的变化确定血管功能失效的概率。31.根据本发明的一些实施例，血管位于患者的手臂或腿部，所述处理器还配置以识别当患者的手臂或腿抬高时血管萎陷的变化，将识别的当患者的手臂或腿抬高时血管萎陷的变化与所识别的指示一个或多个侧支血管相对于一基线测量的发育的至少一个参数的变化相关联，并基于相关联的变化确定血管功能失效的概率。32.根据本发明的一些实施例的一个方面，提供了一种用于监测血管功能的方法，包括识别脉波速度相对于基线测量的变化，识别指示侧支血管发育的参数相对于基线测量的变化，识别指示侧支血管相对于一基线测量的发育的参数的变化，识别血管直径相对于一基线测量的变化，关联识别的变化，并根据关联的识别变化确定血管功能失效的概率。33.根据本发明的一些实施例，进一步包括计算脉波速度、指示一个或多个侧支血管相对于一基线测量的发育的至少一个参数和血管直径的变化率的步骤。34.根据本发明的一些实施例的一个方面，提供了一种用于监测血管功能的方法，包括识别指示一个或多个侧支血管相对于一基线测量的发育的至少一个参数的变化，以及根据已识别的变化确定血管功能失效的概率。35.根据本发明的一些实施例，进一步包括识别脉波速度、血管直径和血管光谱分析中的一项或多项相对于基线测量值的变化；所识别的脉搏波速度、血管直径、血管光谱分析中的一项或多项的变化与所识别的指示一个或多个侧支血管相对于一基线测量的发育的至少一个参数的变化相关联；以及根据相关的变化确定血管功能失效的概率。36.根据本发明的一些实施例，血管在病人的手臂或腿，且所述方法进一步包括识别患者的手臂或腿抬高时的血管萎陷的变化，将所识别的患者的手臂或腿抬高时的血管萎陷的变化与所识别的指示一个或多个侧支血管的至少一个参数的变化相关联；以及根据相关变化确定血管功能失效的概率。37.根据本发明的一些实施例，所述方法还包括识别在血管内流动的血液成分变化的步骤。38.根据本发明的一些实施例，血管位于患者的手臂或腿中，且在患者的手臂或腿部大致平行地面的情况下进行测量。39.根据本发明的一些实施例，血管位于患者的手臂或腿中，且在患者的手臂或腿大致垂直于地面的位置进行测量。40.根据本发明的一些实施例，血管位于患者的手臂或腿中，且在患者的手臂或腿位于低于患者心脏的位置时进行测量。41.根据本发明的一些实施例，血管位于患者的手臂或腿中，且在患者的手臂或腿位于高于患者心脏的位置时进行测量。42.根据本发明的一些实施例的一个方面，提供了一种用于监测血管功能的方法，所述方法包括通过患者的皮肤照亮一个或多个血管；拍摄血管的至少一张图像；分析所述至少一图像；以及基于图像分析计算与血管功能相关的参数。43.根据本发明的一些实施例，进一步包括在所述至少一图像中自动检测血管通路(va)的位置。44.根据本发明的一些实施例，进一步包括在所述至少一图像中自动检测瘘管的位置。45.根据本发明的一些实施例，进一步包括医师在所述至少一图像中标记血管通路(va)的位置。46.根据本发明的一些实施例，其中所述拍摄所述血管的所述至少一个图像是通过一设备执行的，所述设备配置以提供包括患者皮肤下的至少一动脉和至少一静脉的图像。47.根据本发明的一些实施例，其中通过患者皮肤照射一个或多个血管包括透射照射患者器官。48.根据本发明的一些实施例，计算与血管功能相关的参数包括计算选自由脉波速度、指示一个或多个侧支血管发育的参数、侧支血管计数、血管直径、血管的光谱分析、动静脉瘘的尺寸和合成移植物va的尺寸所组成的组中的至少一个参数。49.根据本发明的一些实施例，进一步包括基于参数估计血管功能失效的概率。50.根据本发明的一些实施例，进一步包括基于在不同时间对一个或多个参数执行若干测量来计算一个或多个参数的变化率，其中一些测量基于从数据库检索的与患者相关联的历史数据。51.根据本发明的一些实施例，进一步包括基于一个或多个参数的变化率来估计血管功能失效的概率。52.根据本发明的一些实施例，进一步包括基于一个或多个参数的变化率来估计va的成熟度。53.根据本发明的一些实施例，进一步包括通过对在不同时间拍摄的不同图像中的一特定图像区域中的静脉数量进行，计数来自动检测侧支静脉。54.根据本发明的一些实施例，所述自动检测至少一图像中的血管通路(va)的位置包括:通过检测静脉和动脉的交汇处来检测血管通路(va)的位置。55.根据本发明的一些实施例，其中检测静脉和动脉的交汇处是使用能够提供患者皮肤下的动脉和静脉的图像的设备来执行的。56.根据本发明的一些实施例，其中自动检测至少一幅图像中的血管通路(va)的位置包括:执行至少一图像的光谱分析。57.根据本发明的一些实施例，进一步包括:通过检测在不同时间拍摄的两幅图像中的脉波位置并比较两幅图像中的脉波位置来测量脉波参数。58.根据本发明的一些实施例，进一步包括:通过检测两个图像中的一脉波位置并将沿两个图像中的血管中心线的距离除以拍摄两个图像之间的时间差来测量脉波速度。59.根据本发明的一些实施例的一个方面，提供了一种替代由医务人员进行的身体检查以监测透析患者的血管功能的方法，所述方法包括:生成患者器官的至少一图像，而不是手动操作患者的器官；分析所述至少一图像；将患者的状态分类为适合透析或有狭窄风险的状态的其中之一。60.根据本发明的一些实施例，进一步包括:照射穿过患者皮肤的一根或多根血管，且其中分析所述至少幅图像包括基于图像分析计算与血管功能相关的参数。61.根据本发明的一些实施例的一个方面，提供了一种用于监测血管功能的系统，所述系统包括:一照明器配置以通过患者的皮肤照亮患者的血管；一摄影机，配置以通过患者皮肤拍摄至少一血管的图像；一图像分析器配置以处理所述至少一图像；一计算器配置以基于图像分析计算与血管功能相关的参数；一分类器配置以将患者的状态分类为适合透析或有透析风险之一；一显示器配置向护理人员提供患者状态和与血管功能相关的参数中的至少一者的报告。62.根据本发明的一些实施例的一个方面，提供了一种用于测量与瘘管相关的参数的系统和方法。63.在一些实施例中，提供了一种系统，其包括用于在监视期间获取同一患者瘘管的一个或多个图像的一光学设备。64.在一些实施例中，可选地从图像中提取一个或多个测量值和/或特征—且可选地监控它们随时间的变化。在一些实施例中，所述特征是图像中测量或估计的参数的时间线导数，作为非限制性示例，侧支静脉的数量和尺寸在一段时间内发生变化，例如天/周/月。65.在一些实施例中，感兴趣的特征是源自于已识别血管的图形表示，和/或所述表示随时间的变化，通过非限制性示例的方式改变结点的数量、图形结点中分叉点(bifurcations)数量的平均值或分布。66.在一些实施例中，使用机器学习衍生的方法来识别上述变化中的模式，在人类护士可以识别的临床体征或症状出现之前，这可能会导致显著的临床终点(例如瘘管狭窄)。67.在一些实施例中，提供了一种系统，其通过光学手段测量与瘘管相关的参数。68.在一些实施例中，结构光投射到患者的身体或肢体上，然后对身体进行成像。在一些实施例中，结构光可以包括相等或不同宽度的水平和/或垂直条纹和/或除条纹之外的各种光图案。69.在一些实施例中，结构光成像用于提供关于瘘管范围的信息，通过一些非限制性示例：瘘管沿身体的长轴的长度；沿身体的瘘管短轴的宽度；图像中出现的瘘管形状；瘘管圆周的形状和/或片段；瘘管或瘘管各片段的偏心指数和/或纵横比，瘘管轮廓的平滑度和/或粗糙度指数。70.在一些实施例中，结构光图案投射到患者的身体或肢体上，并对身体进行成像，提供有关瘘管或身体器官(如手臂、腿)的三维形状的信息。71.在一些实施例中，所述系统可识别瘘管和/或身体器官形状的变化。在一些实施例中，投影仪用于投射一种或多种光模式(例如结构光)。在一些实施例中，一种方法测量和/或估计患者器官上的图案如何变形，以测量器官的形状和形状随时间的变化。72.在一些实施例中，结构光图案投射到患者的身体或四肢上，并对身体进行成像，提供有关瘘管三维形状的信息，例如以下一项或多项：整个瘘管或瘘管片段(例如针插入点)的体积、曲率的特征和变化、靠近瘘管的下层手臂/器官部分的形状/体积变化，以及三维表面特征，例如平滑度和/或粗糙度。73.在一些实施例中，使用激光散斑干涉仪(laserspeckleinterferometry，lsi)。在一些实施例中，激光散斑干涉仪用于记录和观察与内部血流和湍流相关的瘘管表面的振动。血流和湍流的变化通常与狭窄事件和临床状况的潜在发展相关。74.在一些实施例中，散斑光成像用于提供关于瘘管中的动态效应的信息，例如心脏脉搏、血流湍流，并且可选地产生瘘管振动的频谱图。75.在一些实施例中，身体的图像是间隔一段时间拍摄的，且图像之间的差异可选地用于确定瘘管形状的差异。76.在一些实施例中，这些图像相隔数天、数周、数月或数年拍摄，并且图像之间的差异可选地用于测量和/或监测瘘管大小或形状的变化。77.在一些实施例中，这些图像是相隔几秒钟或几分钟拍摄的，例如用肢体(例如保持水平的手，然后是保持垂直的手)，且图像之间的差异任选地用于测量和/或监测瘘管中的至少一些血液是否可以排出瘘管、血液排出速率和/或从瘘管或瘘管的特定部分排出的程度，例如，针插入点的萎陷。78.在一些实施例中，这些图像相隔几分之一秒拍摄，作为视频剪辑或电影，且图像帧之间的差异可选地用于测量和/或监测与瘘管相关的动态参数，例如心脏脉搏、血流湍流，并且可选地产生瘘管振动的频谱图。79.在一些实施例中，在成像会话之间分析与瘘管相关的动态参数的变化，以监测瘘管的变化和患者的状况。80.在一些实施例中，与近红外成像一起执行上述操作能够收集与护士和/或医生需要执行的检查相关的数据以及已经被临床证明具有识别狭窄事件的预测价值的数据。81.根据本发明的一些实施例的一个方面，提供了一种用于实现和记录多于一种技术或模态的系统和方法，例如一种或多种结构光；激光散斑干涉仪；图像分析和近红外成像模式，使用一成像设备。82.在一些实施例中，所述系统包括一处理器和一成像设备，所述成像设备包括一个数字光处理(digitallightprocessing，dlp)投影仪和一近红外相机。83.根据本公开的一些实施例的一个方面，提供了一种用于监测血管的方法，所述方法包括使用用于监测血管功能的系统通过对患者的身体进行成像以获得血管几何形状来观察、监听和感觉血管功能；使用图像分析对患者身体进行成像以获得患者身体位置的形状；以及在包括血管的患者身体的一位置分析患者身体的振动。84.根据本公开的一些实施例，获得患者身体位置的形状包括使用结构光照亮所述位置。85.根据本公开的一些实施例，分析振动包括使用激光散斑干涉仪进行照明。86.根据本公开的一些实施例，使用激光散斑干涉仪的照明是在基于使用图像分析获得患者身体位置的形状的位置执行的。87.根据本公开的一些实施例，通过控制数字光处理(dlp)投影仪自动执行在所述位置使用激光散斑干涉仪的照明。88.根据本公开的一些实施例，使用激光散斑干涉仪的照明是由医生将激光散斑干涉仪照明引导到患者身体的一位置来执行的。89.根据本公开的一些实施例，获得患者身体位置的形状包括计算患者瘘管的三维(3d)形状。90.根据本公开的一些实施例，根据患者瘘管三维形状的变化计算患者瘘管的排空率。91.根据本公开的一些实施例，在抬高测试期间执行。92.根据本公开的一些实施例，基于图像分析计算与血管功能相关的一个或多个参数。93.根据本公开的一些实施例，基于一个或多个参数计算血管功能失效概率的估计。94.根据本公开的一些实施例，基于一个或多个参数计算血管何时可能失效的估计。95.根据本公开的一些实施例，根据一个或多个参数的变化率计算血管功能失效概率的估计。96.根据本公开的一些实施例，基于一个或多个参数的变化率来计算对va的成熟度的估计。97.根据本公开的一些实施例，计算一个或多个参数包括计算指示一个或多个侧支血管发育的参数。98.根据本公开的一些实施例，计算一个或多个参数包括计算侧支血管的计数。99.根据本公开的一些实施例，通过对在不同时间拍摄的不同图像中一特定图像区域中的静脉数量进行计数，来自动检测侧支静脉。100.根据本公开的一些实施例，通过检测静脉和动脉的交汇处来自动检测血管通路(va)的位置。101.根据本公开的一些实施例，图像分析包括在至少一幅图像中自动检测血管通路(va)的位置。102.根据本公开的一些实施例，图像分析包括在至少一图像中自动检测瘘管的位置。103.根据本公开的一些实施例，观察患者的血管几何形状包括:拍摄包括患者皮肤下的至少一动脉和至少一静脉的图像。104.根据本公开的一些实施例，使用近红外波长对患者的身体进行照明。105.根据本公开的一些实施例，照明包括使用数字光处理(dlp)投影仪。106.根据本公开的一些实施例，分析患者身体的振动包括分析包括血管的患者身体位置图像中一特定位置的光强度。107.根据本公开的一些实施例，频谱是通过在特定位置产生光强度向量来产生的，并通过将强度向量转换为频率向量产生振动频谱。108.根据本公开的一些实施例，分析振动包括分析振动频率范围内的振动频谱。根据本公开的一些实施例，振动频谱在对应于人类可听频率的范围内。根据本公开的一些实施例，振动频谱在对应于低于人类可听频率的频率的范围内。根据本公开的一些实施例，分析身体振动在小于1,000hz的频率范围内。109.根据本公开的一些实施例，通过分析以大于每秒150帧(fps)的帧率拍摄的图像来分析患者身体的振动。根据本公开的一些实施例，分析患者身体的振动是通过分析以大于每秒500帧(fps)的帧率拍摄的图像来完成的。110.根据本公开的一些实施例，通过分析拍摄图像中的选定像素来分析患者身体的振动。111.根据本公开的一些实施例，通过检测在不同时间拍摄的两张图像中的脉波位置并比较这两张图像中的脉搏波位置来测量脉波参数。112.根据本公开的一些实施例，脉波速度是通过检测两个图像中的脉波位置并将沿两个图像中的血管中心线的距离除以所拍摄的两个图像之间的时间差来测量的。113.根据本公开的一些实施例的一个方面，提供了一种替代由医务人员执行的用于监测血管功能的身体检查的方法，所述方法包括:产生患者器官的至少一图像；分析所述至少幅图像；以及产生与血管功能相关的参数值。114.根据本公开的一些实施例，进一步包括将患者的状态分类为适合透析或有狭窄风险中的一种。115.根据本公开的一些实施例，通过患者的皮肤照亮一根或多根血管，且分析至少一图像包括:基于图像分析计算与血管功能相关的参数。116.根据本公开的一些实施例，使用所述方法代替医生进行观察、监听和感觉检查。117.根据本公开的一些实施例，所述方法由一装置执行，所述装置不接触患者的瘘管。根据本公开的一些实施例，所述方法由一装置执行，而所述装置不接触患者的身体。118.根据本公开的一些实施例的一个方面，提供了一种用于监测血管功能的系统，包括:一照明器配置以提供用于激光散斑干涉仪(lsi)的激光点和结构光；一摄影机配置以对所述照明器照射的位置进行成像；以及一处理器，用于处理由所述摄影机拍摄的图像，以从利用结构光获得的摄影机图像中提取关于形状的数据，以及从利用激光散斑干涉仪获得的摄影机图像中提取关于振动的数据。119.根据本公开的一些实施例，进一步包括一分类器，配置以将患者的状态分类为适合透析或有狭窄风险中的一种。120.根据本公开的一些实施例，所述照明器包括一近红外波长的光源。121.根据本公开的一些实施例，所述照明器包括一数字光处理(dlp)投影仪。122.根据本公开的一些实施例，所述摄影机包括能够以大于每秒150帧(fps)的帧率拍摄图像的一摄影机。123.根据本公开的一些实施例所述摄影机包括一个能够以低于相机的最大分辨率和超过500fps的帧率拍摄图像的摄影机。124.根据本公开的一些实施例，进一步包括用于定位患者肢体的支架，其中所述分类器被配置为将患者的状态分类为适合透析或有狭窄风险中的一种。125.根据本公开的一些实施例的一个方面，提供了一种用于计算侧支血管计数的方法，所述方法包括:对患者的身体进行成像以获得血管几何形状；以及计算侧支血管的计数。126.根据本公开的一些实施例，计算侧支血管的计数包括通过对在不同时间拍摄的不同图像中一特定图像区域中的静脉的数量进行计数来自动检测侧支静脉。127.根据本公开的一些实施例，还包括通过检测静脉和动脉的交汇处来自动检测血管通路(va)的位置。128.除非另有定义，否则本文中使用的所有技术和/或科学术语具有与本发明所属领域的普通技术人员通常理解的相同含义。虽可以在本发明实施例的实施或测试中使用与本文所描述的方法和材料类似或等效的方法和材料，但以下也描述示例性方法和/或材料。如有冲突，以包括定义在内的专利说明书为准。此外，所述材料、方法和示例仅是用来说明，并不旨在限制。129.如本领域技术人员将理解的，本发明的一些实施例可以具体化为系统、方法或计算器程序产品。因此，本发明的一些实施例可采取完全硬件实施例、完全软件实施例(包括固件、常驻软件、微码等)、或结合软件和硬件方面的实施例的形式，这些在本文中通常被称为“电路”，“模块”或“系统”。此外，本发明的一些实施例可以采取在一个或多个计算器可读介质中包含计算器可读程序码的计算器程序产品的形式。本发明一些实施例的方法和/或系统的实现可涉及手动、自动或其组合地执行和/或完成所选任务。此外，根据本发明的方法和/或系统的一些实施例的实际仪器和设备，可以通过硬件、软件或固件和/或其组合(例如，使用操作系统)来实现多个选定的任务。130.例如，根据本发明的一些实施例，用于执行选定任务的硬件可以实现为芯片或电路。作为软件，根据本发明的一些实施例的选定任务可以实现为由使用任何合适操作系统的计算器执行的多个软件指令。在本发明的示例性的实施例中，根据本文所述的方法和/或系统的一些示例性实施例的一个或多个任务由一数据处理器执行，例如用于执行多个指令的一计算平台。可选择地，所述数据处理器包括用于存储指令和/或数据的易失性存储器和/或非易失性存储器，例如，磁盘和/或可移动介质。可选择地，一并提供网络连接。显示器和/或诸如键盘或鼠标之类的用户输入设备一并被提供。131.个或多个计算器可读介质的任何组合可用于本发明的一些实施例。计算器可读介质可以是计算器可读信号介质或计算器可读存储介质。计算器可读存储介质可以是，例如但不限于，电子、磁性、光学、电磁、红外线或半导体系统、设备或装置，或上述的任何适当组合。具体的计算器可读存储介质的示例(非详尽清单)将包括以下内容：具有一条或多条导线的电连接、便携式计算器磁盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可程序设计只读存储器(eprom或快闪存储器)，光纤、便携式光盘只读存储器(cd-rom)、光存储设备、磁存储设备或上述任何合适的组合。在本文的上下文中，计算器可读存储介质可以是任何有形介质，其可以包含或存储由指令执行系统、装置或设备使用或连系的程序。132.计算器可读信号介质可以包括传播的数据信号，所述数据信号包括例如在基带中或作为载波的一部分的计算器可读程序码。这种传播的信号可以采取各种形式中的任何一种，包括但不限于电磁、光学或其任何合适的组合。计算器可读信号介质可以是非计算器可读存储介质并且可以通信、传播或传输程序以供指令执行系统、装置或设备使用或与之相关联的任何计算器可读介质。133.体现在计算器可读介质上的程序码和/或由此使用的数据可以使用任何适当的介质来传输，包括但不限于无线、有线、电缆、射频等，或前述的任何适当组合。134.用于执行本发明的一些实施例的操作的计算器程序代码可以一种或多种程序设计语言的任何组合来编写，包括面向对象程序设计语言，如java、smalltalk、c 等，以及常规的程序设计语言，如“c”程序设计语言或类似的程序设计语言。程序码可以完全在用户计算器上执行，部分在用户计算器上作为独立套装软件执行，部分在用户计算器上执行，部分在远程计算器上执行，或者完全在远程计算器或服务器上执行。在后者的情况下，远程计算器可以通过包括局域网(lan)或广域网(wan)的任何类型的网络连接到用户的计算器，或者可以连接到外部计算器(例如，通过使用因特网服务供货商的因特网)。135.下面可以参考根据本发明实施例的方法、装置(系统)和计算器程序产品的流程图和/或方块图来描述本发明的一些实施例。应当理解，流程图和/或方块图的每个方块以及流程图图示和/或方块图中的方块组合可以通过计算器程序指令来实现。这些计算器程序指令可提供给通用计算器、专用计算器或其它可程序设计数据处理设备的处理器以产生机器，使得经由计算器或其它可程序设计数据处理设备的处理器执行的指令创建用于实现的装置流程图和/或方块图中所指定的功能/动作。136.这些计算器程序指令还可以存储在计算器可读介质中，计算器可读介质可以指示计算器、其他可程序设计数据处理设备或其他设备以特定方式工作，使得存储在计算器可读介质中的指令产生包括实现在流程图和/或方块图中所指定的功能/动作的指令的制品。137.计算器程序指令还可被加载到计算器、其他可程序设计数据处理设备或其他设备上，以使得在计算器、其他可程序设计设备或其他设备上执行一系列操作步骤，从而产生计算器实现的过程，使得在计算器上执行的指令或其它可程序设计设备提供用于实现流程图和/或方块图中指定的功能/动作的过程。138.本文所描述的一些方法通常仅被设计为供计算器使用，并且对于由人类专家纯手动执行可能不可行或不实用。想要手动执行类似任务的人类专家可能会使用完全不同的方法，例如，利用专家知识和/或人脑的模式识别能力，这将比手动执行本文所描述的方法的步骤更有效。附图说明139.在此仅通过示例的方式所附图式和图像描述了本发明的一些实施例。现详细地具体参考附图，强调所示的细节是示例性的，且出于对本发明实施例的说明性讨论的目的。在这点上，对本领域技术人员而言，结合附图进行的描述使如何实施本发明的实施例变得显而易见。140.在附图中:141.图1是示出在3个月内发生血管通路血栓形成的概率取决于流速和流速变化的图，正如besarab等人所报告的，“通路监控是值得和有价值的”，“bloodpurification”期刊，2006年2月；142.图2是根据本发明的示例性实施例的用于测量血管的系统的简化图示；143.图3是根据本发明的示例性实施例的用于测量血管的系统的简化方块图；144.图4a-4e是根据本发明示例实施例的演算法的简化流程图示；145.图5a和5b是沿静脉行进的脉波的简化图示；146.图6是根据本发明示例实施例的分类器方法的简化流程图示；147.图7是根据本发明示例实施例的用于测量血管的系统的简化方块图；148.图8a和8b是根据本发明的示例性实施例构造的系统中的光学组件的图像；149.图9是根据本发明示例实施例的分段方法(segmentationmethod)的简化流程图示；150.图10是根据本发明示例实施例的配准方法(registrationmethod)的简化流程图示；151.图11是根据本发明示例实施例的一方法的简化流程图说明；152.图12是根据本发明示例实施例的一方法的简化流程图说明；153.图13是根据本发明示例实施例的一方法的简化流程图说明；154.图14是根据本发明示例实施例的分类器方法的简化流程图示；155.图15a-c示出了根据本发明的示例性实施例的同一患者手臂的三个不同图像；156.图16a是表示医疗人员对血管狭窄病变或血栓形成的患者进行检查的程序表；期刊,2006年2月。174.图1的图表包括显示在3个月期间内发生血管通路血栓形成的概率的y轴101、显示以毫升/分钟为单位的流速的各种线103、及显示每个月流量变化的x轴102，以毫升/分钟为单位。175.图1示出了，在3个月内发生血管通路血栓形成的概率不仅取决于任何时间的绝对流量，还取决于流量的变化率(如果流量有发生变化)(besarab等人，“通路监控是值得和有价值的”，“bloodpurification”期刊,2006年2月)。176.初始流量为600毫升/分钟且每月流量减少20毫升/分钟的通路与初始流量为1200毫升/分钟且每月流量减少100毫升/分钟的通路相比，血栓形成的概率较低(22％)，即使在观察期开始时前者(540毫升/分钟)的绝对流量低于后者(900毫升/分钟)。177.因此，需要能够及早检测正在形成的狭窄症并预测血栓形成的监测解决方案，其至少克服现有监测实践的以下一些缺点：178.如指南所述，透析中心对常规va体检查的依从性(compliance)差；179.与单次身体检查或va压力/流量测量相关的固有不准确性；180.例如流量或压力的单一参数的固有不准确性；181.定期测量的结果可能会受到不相关的血流动力学事件的影响；以及182.由不同的人类看护人进行的测量可能会引入不一致性。183.概述184.本发明的一些实施例的一个方面涉及替代或添加到由医务人员/护士进行的身体检查。185.当护士或医生检查一患者的血管时，他们通常使用三步程序：观察、监听和感觉。186.一些实施例的一个方面涉及通过仪器测量和计算机化分析执行观察、监听和感觉。187.在一些实施例中，本文所述的系统基于对一患者肢体进行照明和成像，以及分析从成像中收集的数据来执行观察、监听和感觉。在一些实施例中，系统教示如何预测瘘管状况并可能能够及早预防失效。188.在一些实施例中，本文所述的系统基于对一患者肢体进行照明和成像，以及分析从成像中收集的数据来执行观察、监听和感觉。在一些实施例中，系统教示如何预测瘘管状况并可能能够及早预防失效。189.在一些实施例中，基于人体血管图像的图像处理，以非侵入方式测量血流。测量已知会影响血管通路(va)的生理参数，且这些测量值可选地用于确定是否应该安排患者进行矫正手术或继续进行透析。190.如本文所述，一些实施例的一个方面涉及通过仪器测量和计算机化分析进行感觉。191.在一些实施例中，如本文所述的监听是由仪器执行的，可选地是相同的仪器。192.在一些实施例中，如本文所述的观察是由仪器执行，可选地是相同的仪器。193.本发明的一些实施例的一个方面涉及自动检测和/或监测血管图像中的av瘘管。194.在一些实施例中，分析血管的图像，且动脉连接到静脉的位置被可选地确定为av瘘管的位置。195.在一些实施例中，分析血管的图像，且动脉似乎连接到静脉的位置被可选地确定为av瘘管的位置。196.在一些实施例中，分析血管的图像，且可选地测量av瘘管以估计几何特性。197.本发明的一些实施例的一个方面涉及与血流相关的参数的自动、非侵入性测量。198.在一些实施例中，非侵入性测量包括使用反射光和/或透射光通过皮肤对血管进行成像。199.在一些实施例中，可选地估计血管通路失效的概率。在一些实施例中，所述估计是基于所测量的一个或多个参数。200.在一些实施例中，可选地估计闭塞(occlusion)形成的概率。在一些实施例中，所述估计是基于所测量的一个或多个参数。201.在一些实施例中，可选地估计血栓形成的概率。在一些实施例中，所述估计是基于所测量的一个或多个参数。202.在一些实施例中，可选地估计狭窄症等级。在一些实施例中，所述估计是基于所测量的一个或多个参数。203.在一些实施例中，可选地估计狭窄形成速率。在一些实施例中，所述估计是基于所测量的一个或多个参数。204.在一些实施例中，任选地估计va成熟的等级。在一些实施例中，所述估计是基于所测量的一个或多个参数。205.在一些实施方案中，任选地估计va成熟的速率。在一些实施例中，所述估计是基于所测量的一个或多个参数。206.本发明的一些实施例的一个方面涉及向护理人员提供一视觉报告。207.下面列出了属性，其中一个或多个属性与本发明的一些实施例有关：208.1.一个或多个与患者相关的参数，包括图像，可很容易地以具有成本效益和/或非侵入性(可选地，非接触式)进行测量和/或整合到常规透析预约中。209.2.此处描述的演算法的输入可选地包括一个或多个患者相关参数，以便估计血管通路失效的概率，其中每个参数可以在单次测量的基础上使用，或作为随着时间轴的多次测量使用。210.3.一些与患者相关的参数是使用客观测量(objectivemeasurements)获得的，可能不需要用户(例如患者和/或专业医护人员)的高能力。211.4.一些与患者相关的参数可选地取自患者的特定医疗记录，包括诸如人口统计数据(例如年龄、性别、体重和身高)、实验室测试、成像测试(例如x射线、磁共振成像”mri”)和身体检查的结果的要件。本领域技术人员应该清楚的是，可以通过多种方式提取参数，例如–直接将检查结果输入连接到在此所述系统的键盘、使用特定患者身份标识号码(id)取得电子病历的计算机进程、语音到文本的转换、应用于工作人员的口头分析的语音识别算法、和印刷/书面文件的光学字符识别(ocr)。212.va成熟度的测量：与静脉和动脉相比，va具有独特的组织结构。结构在va成熟过程和狭窄过程中发生变化。213.结构变化会影响了va的机械和光学特性，因此在一些实施例中，可以通过以下一项或多项来测量变化的监测：214.·成像：作为非限制性示例，通过测量反射光和/或透射光的对比度或强度的变化；215.·非成像：反射光或透射光的强度；216.·散射和吸收系数的测量(例如，稳态光子迁移距离测量”twodistancesteadystatephotonmigrationmeasurement”)。217.例如，在一些实施例中，系统配置以检测静脉，在一成熟期监测va可能会改变检测结果。在光学感测的示例中，va对光的响应(透射、反射、吸收、散射中的一种或多种)可能在成熟期发生变化。通过建议及时的先发制人的矫正，监测成熟可能有利于提高va成熟的成功率。通过建议及时的先发制人的纠正，监测成熟可能有利于提高va成熟的成功率。血管层的测量，或血管层之间的比率或层之间的比率的变化或层在成熟或狭窄过程中的绝对值的变化。218.通过使用从非侵入性测量所产生的一个或多个参数，可以提高估计成熟度(成熟度水平、阶段、速率、完成)的准确性或血管通路失效概率、闭塞形成和血栓概率。使用的参数可以直接测量，也可以是应用于测量的预处理的结果。这种预处理可以是各种演算法的应用以及随着时间的推移，几个参数的组合和多次测量的利用。219.在本发明的一些实施例中，可选地提取和使用的度量(metrics)或现象的示例：220.1.脉波速度-在一些实施例中，检测来自图像帧中的至少两个点的光辐射的反射或吸收。在一些实施例中，通过放置在两个点之间和/或沿两个点、沿血管或组织区域的电极来测量电阻抗的变化。可选地，这两点包括已知教容易发生狭窄的部分。更一般地，使用至少一个点测量脉波形(例如，脉波振幅、全高宽”full-widthhalfmax，fwhm”)。221.在一些实施例中，可选地测量脉波振幅。用于测量脉波振幅的可选方法包括测量沿静脉的位置的区域的第一次测量，所述静脉被识别为由于脉波导致的血管变宽。当脉波不在那个位置时，在第二次测量中也会测量不同图像中相同位置的区域。第一次测量和第二次测量之间的差异可选地与脉波振幅相关联。在一些实施例中，脉波振幅作被视为与静脉的机械特性和/或脉波行进通过的av的成熟度相对应的特征。222.在一些实施例中，可选地执行脉波分析(pulsewaveanalysis，pwa)以估计与血管僵硬相关的变化，其与诸如心血管疾病或动脉粥样硬化(atherosclerosi)的额外风险因素相关联，这反过来可能影响va随时间的活性。在一些实施例中，可选地对脉搏的质量进行评分，并且可选地在分析中包括随时间的变化和不同部分之间的变化。223.2.侧支静脉(collateralveins)的出现和发育及其特征，例如:密度、尺寸、与va的距离、方向、填充等过图像处理和/或其他检测方法例，例如测量对比度—通过吸收可见光或近红外波长的光；或以远红外波长发射。其他测量选项包括测量可见光和近红外光的吸收变化量以及远红外光的发射量。另一种测量侧枝发育的可选方式是可选地测量va周围的温度变化。在一些实施例中，侧支静脉的出现和发育的检测可选地使用参考图像或从先前检查中获取的测量值。在一些实施例中，侧支静脉发育速率的趋势分析可选地使用经常性检查。可选地在每天、每次透析、每周、每两周或每月进行检查。224.在一些实施例中，通过比对新图像与先前图像以及计数静脉数量，来检测侧支静脉—可选地，静脉数量的增加意味着新静脉是侧支静脉。225.在一些实施例中，通过从一幅图像或测量中提取特征，来检测侧支静脉的出现和/或发育。226.基本原理：检测到侧支血管可能表示存在限流病变(flowlimitinglesion)(血流动力学显着)。侧支血管可能发育和扩大，在流出道狭窄的情况下消除增加的通路内压力。227.3.通过图像处理(狭窄位置)得到的血管最小直径。228.4.通过估计机械反射波或局部压力/流量变化来检测变窄点，例如通过测量电阻抗变化。229.5.通过图像处理得到的血管最大直径(动脉瘤的外观和尺寸)。230.6.当手臂或腿抬高时检测血管萎陷。231.7.使用近红外光(nir)(700-1000nm)反射和/或转移光谱(transferredspectroscopy)，来测量含氧和脱氧血红蛋白(hb)的量。232.8.含氧和脱氧血红蛋白(hb)的光谱分析。233.9.va(杂音)的可听声音。234.10.va的触诊搏动(震颤)。235.11.使用本领域已知的信号处理方法分析va处的电阻抗变化。236.12.在随着时间对同一参数进行多次测量的一些实施例中，测量可根据检测到的呼吸周期同步，并且针对检测算法相对于它们随呼吸周期的相对时间进行分类。这种同步和分类具有潜在的益处，例如，在估计氧气混合物随时间的变化时，但也可以提高其他测量的准确性，例如脉波速度。237.如本文所述的系统的输出可以是声音警报、视觉警报、图像、图像序列、或提供给医务人员的快速且准确的侵入指导的视频(例如，向医务人员推荐最佳侵入位置)。所述系统可以为患者推荐治疗(pta，不侵入，血栓切除术”thrombectomy”)。可选地，所述推荐是基于所述系统收集的信息。238.根据本发明的一些实施例的一个方面，在测试期间，可选地分析系统的输出和/或可选地使用系统引导患者通过测试，以便正确地执行测试。作为非限制性示例，在抬高测试中—核实肢体的抬高/位置是否正确。在一些实施例中，如果患者没有正确执行测试或需要帮助，也会向护士/技术人员发出警报。239.在一些实施例中，可选地，上述系统输出用于支持由患者执行的远程身体检查，同时系统提供有关检查正确执行的反馈和/或提醒远程支持人员，例如需要额外指导的护士或技术人员。240.在一些实施例中，系统输出可选地以不同方式提供给不同的数据消费者。例如：可选地提供对临床上有意义的狭窄形成的可能性的一般解释给透析护士，并且可选地提供带有注释图像的警报和/或可选地提供强调了诸如狭窄形成的位置、严重程度和速度等参数的报告给介入放射科医师。241.根据本发明的一些实施例的一个方面，提供了一种用于测量与瘘管相关的参数的系统和方法。242.在一些实施例中，提供了一种系统，所述系统包括光学设备，用于在监视期间获取同一患者的瘘管的一个或多个图像。243.在一些实施例中，可选地从图像中提取一个或多个测量值和/或特征—并且可选地监测它们随时间的变化。在一些实施例中，特征是在图像中测量或估计的参数的时间线导数(timelinederivatives)，作为非限制性示例，侧支静脉的数量、分支和尺寸在一段时间内发生变化，例如几天/周/月。244.在一些实施例中，在人类护士可以识别的临床体征或症状出现之前，使用机器学习衍生方法来识别上述变化中的模式，其可能潜在地导致显着的临床终点(例如瘘管狭窄)。245.在一些实施例中，提供了一种系统，其通过光学手段测量与瘘管相关的参数。246.在一些实施例中，结构光被投射到患者的身体或肢体上，并且身体被成像。在一些实施例中，结构光可包括相同或不同宽度的水平和/或垂直条纹和/或条纹之外的各种光图案。247.在一些实施例中，结构化光成像用于提供关于瘘管范围的信息，例如瘘管沿身体的长轴的长度：沿身体的瘘管短轴宽度：图像中出现的瘘管形状：瘘管周长的分段、每段的偏心率和/或纵横比、瘘管轮廓的平滑度和/或粗糙度。248.在一些实施例中，结构光图案被投射到患者的身体或肢体上，且身体被成像，提供关于瘘管或器官的三维形状的信息。249.在一些实施例中，系统识别瘘管和/或瘘管附近器官的形状变化。在一些实施例中，投影仪用于投射一个或多个光图案(例如结构光)。在一些实施例中，一种方法测量和/或估计患者器官上的图案如何变形，以测量器官的形状和形状随时间的变化。250.在一些实施例中，结构光图案被投射到患者的身体或肢体上，并且身体被成像，通过一些非限制性示例的方式提供关于瘘管的三维形状的信息，例如整个瘘管或瘘管片段(例如针插入点)的体积；曲率的特征和/或变化；瘘管附近下方的手臂/器官部分的形状和/或体积变化；及三维表面特征，如光滑度和/或粗糙度。251.在一些实施例中，使用激光散斑干涉仪。在一些实施例中，激光散斑干涉仪用于记录和观察与内部血流和湍流相关的瘘管表面的振动。血流和湍流的变化通常与狭窄事件和临床状态的潜在发展相关。252.在一些实施例中，将散斑光成像用于提供关于瘘管中的动态效应的信息，例如心率、血流湍流，并可选地产生瘘管振动的频谱图。253.在一些实施例中，身体的图像是相隔一段时间拍摄的，且图像之间的差异可选地用于确定瘘管形状的差异。254.在一些实施例中，图像是间隔数天、数周、数月或数年拍摄，且图像之间的差异可选地用于测量和/或监测瘘的尺寸或形状的变化。255.在一些实施例中，图像间隔数秒或数分钟拍摄，例如用肢体(例如水平握持的手，然后是垂直握持的手)，并且图像之间的差异可选地用于测量和/或监测以下的一项或多项：瘘管内是否至少有一部分的血液可以排出瘘管；排血速度；从瘘管和/或瘘管的特定部分血液排出的程度；以及一个或多个针插入点的萎陷。256.在一些实施例中，所述图像相隔几分之一秒，作为视频剪辑或电影，且图像帧之间的差异可选地用于测量和/或监测与瘘管相关的动态参数，例如心脏脉搏、血流湍流，并可选地产生瘘管振动的频谱图。257.在一些实施例中，光谱图可选地通过选择图像帧中的一个或多个像素来产生，其显示强度随时间的大的或甚至最大的变化。在一些实施例中，选择的像素数量可选地在1-100个像素的范围内。在一些实施例中，这个或这些像素的像素强度值用于计算光强度随时间变化的函数。在一些实施例中，光强度的频谱可选地通过将时域变换到频域来产生，例如通过快速傅里叶变换(fastfouriertransform，fft)。258.在一些实施例中，对与成像会话(imagingsessions)之间的瘘管相关的动态参数的变化进行分析，以监测瘘管的变化和患者的状况259.在一些实施例中，与近红外光成像一起执行上述操作能够收集与护士和/或医生需要执行的检查相关的数据、以及已经被临床证明具有识别狭窄事件的预测价值的数据。260.根据本发明的一些实施例的一个方面，提供了一种系统和方法，用于实现和记录多于一种技术或模态(modality)(例如一种或多种结构光；激光散斑干涉仪；图像分析和近红外光成像模态)、及使用一个成像设备。261.在一些实施例中，所述系统包括一处理器和一成像装置，所述成像装置包括数字光处理投影仪和近红外光摄影机。262.根据本发明的一些实施例的一个方面，提供了系统和方法，用于分析从患者身体反射的光的振动。263.在一些实施例中，监测心脏的搏动。264.在一些实施例中，分分析由通过瘘管或在瘘管附近的流动所引起的振动模式可选择地检测流入或流出路径的全部或部分阻塞。265.在一些实施例中，分析由通过瘘管或在瘘管附近的流动所引起的振动模式，同时对流入或流出路径施加局部压力，可选择地检测流入或流出路径的全部或部分阻塞。266.在一些实施例中，分析振动可选地检测开始流经与正常心脏活动(心脏周期的舒张期或收缩期)相关的瘘管。267.在一些实施例中，分析振动可选地检测开始流经与突然释放(瘘管的部分或全部萎陷或扩张)相关的瘘管。268.在一些实施例中，分析振动可选地检测血液流入瘘管的时间段，随后是使血液能够流出瘘管的障碍物的突然打开。这种打开可能发生在心脏收缩的高压期间。在某些情况下，突然打开称为锤击(hammering)。在一些实施例中，通过测量振动幅度来检测锤击，可选地相对于其他时间的幅度，例如心跳期间的其他时间。269.在一些实施例中，分析与流动开始相关的振动，对于任何或所有类型的开始，可选地测量参数值或参数值的变化或特征参数值的变化，或参数值的方差(variance)。参数可以是以下的一项或多项：强度、能量、起始陡度(steepness)(值的导数)、松弛时间、时间宽度(temporal-width)、占空比(dutycycle)、光谱含量、光谱宽度或这些的任何组合。270.在一些实施例中，分析与流动开始相关的振动可选地测量与突然释放相关的起始之间的时间延迟或相位延迟相关的参数值、以及与正常心脏活动相关的起始。271.在一些实施例中，分析与流动开始相关的振动可选地测量与同一来源的一系列起始点的规律性或自相似性相关的参数值。272.在详细解释本发明的至少一个实施例之前，应当理解的是，本发明在其应用方面不一定限于在以下描述和/或在附图和/或示例中说明中阐述的组件和/或方法的构造和布置。本发明能够具有其他实施例或能够以各种方式实践或执行。273.现参考图2，其是根据本发明示例实施例的用于测量血管的系统的简化图示。274.图2示出了用于测量血管的示例性系统200的顶层设置配置。275.在一些实施例中，所述系统200可包括至少一个照明源202和至少一个检测器204，例如摄影机。276.在一些实施例中，所述系统200还可以包括一控制单元206，其可选地激活所述照明源202和所述摄影机204、以及可选的处理器208，可选地接收和分析由所述摄影机202生成的图像。277.在一些实施例中，生成的图像和/或在分析图像之后产生的数据可以通过无线或有线连接显示在耦合到所述处理器208的可选显示器210上。278.在一些实施例中，所述处理器208和所述显示器210可以在单个设备中实现，例如膝上型电脑、平板电脑或智能手机。在一些实施例中，可以应用一扫描系统，其可选地移动检测单元(自动或手动)并且可选地在多于一个点处扫描器官。图2描述了应用于臂212的系统200。279.所述系统和方法能够与其他元件一起实施，没有限制。280.现在参考图3，其是根据本发明示例实施例的用于测量血管的系统的简化方块图。281.图3描述了示例系统的顶层方块图。282.在一些实施例中，所述系统可以包括至少两个主要单元；一检测单元302和一软件单元306。283.所述系统可包括额外的单元，例如一工作站304、可选的云基础设施(cloudinfrastructure)308等。284.在一些实施例中，所述软件单元306包括至少两个子单元，一嵌入式单元330和一演算法单元334。所述软件单元306可包括附加块，例如图形用户界面(gui)单元332等。285.检测单元286.在一些实施例中，检测单元302可选地使用：287.1.视觉/光学检测，以获取包含待进一步分析信息的图像。288.2.散斑成像—当物体被一激光照射时，背向散射光形成由暗区和亮区组成的干涉图案。这种图案称为散斑图案。如果被照物体是静止的，则散斑图案是静止的。当物体发生运动时，例如组织中的红细胞，散斑图案会随着时间而改变。斑点图像包含与血管变化相关的信息，这些信息可选地通过图像处理进行分析和提取。289.3.暗场\侧照明—290.a.镜面反射未到达摄影机291.b.摄影机仅拍摄到漫散射光线292.c.减少表面反射293.d.对比度数据随着光源和检测器之间角度的变化而变化。294.4.透射照明—照亮一样品的背面。所述样品放置在照明源和传感器装置之间。透射照明潜在地提高了图像对比度和/或潜在地增加了血管可以成像的深度。295.5.由于不同介质的光学特性变化的差异，光声成像(photoacousticimaging)潜在地增强了不同介质之间的对比度。由于组织成分中的折射率梯度的平均化，光声成像潜在地减少了组织中的散射，潜在地导致更大的光穿透深度。296.在一些实施例中，所述检测单元302可选地包括以下组件中的一个或多个：297.1.一个或多个检测器/传感器/摄影机310(例如，ccd或cmos、砷化鎵銦传感器、微辐射热计)，其对一种或多种可见光、近红外光、短波红外(swir)光敏感。在一些实施例中，传感器的帧速率可以在单帧到高帧速率之间变化。传感器帧速率可选地在例如每秒5、10、16、24、30、50、60、100、165、200甚至高达300帧(fps)的范围内。298.2.一个或多个透镜312(变焦或固定焦距)和/或滤光片。299.3.一个或多个照明器314或发射器(例如，可以是相干或非相干、窄光谱或宽带、uv、可见光、swir、远ir、nir的照明源-例如nirled或绿色(532nm)激光)。发射器可以是相对于检测器310和va同轴的或具有不同的角度。300.操作模式可以是静止图像或视频。301.4.一个或多个偏振滤光片(椭圆和/或线性)。302.5.一个或多个光学带通滤光片。303.6.检测单元可选地包括一扫描系统或移动条扫描仪。304.在一些实施例中，所述检测单元302可选地使用音频/声音检测传感器316来代替视觉/光学检测或作为其补充，且所述检测单元302可选地包括一个或多个音频传感器。305.在一些实施例中，所述检测单元302可以包括生命体征传感器。306.软件单元307.在一些实施例中，所述软件单元306可以包括以下组件中的一个或多个：308.1.gui-图形用户界面(graphicuserinterface)/应用程序332，用于以下一项或多项：操作测试程序、显示图像和/或结果和/或插入或导入患者临床信息。309.2.嵌入式单元330-用于控制检测单元302。310.3.演算法单元334——所述演算法单元可选地包括演算法或软件模块，用于：311.图像处理；312.机器学习(machinelearning，ml)；313.在一些实施例中，机器学习演算法的输入可选地是所述检测单元302拍摄的图像和/或数据。314.在一些实施例中，输入还可包括患者的临床信息和/或生命体征。315.在一些实施例中，所述工作站304可选地包括一计算机、一屏幕、一键盘、一个或多个旋钮控制、用于成像单元的一机械接口、以及一电源或一电源接口。在一些实施例中，所述工作站304还可以包括“器官固定表面”。316.在一些实施例中，所述工作站304可选地包括下列的一项或多项：317.一控制单元320，用于控制所述检测单元302和/或检测单元302的一个或多个组件的操作；318.一计算机320；319.一显示器324；320.一可选的器官固定表面或装置326，用于可选地将器官放置在相对于所述照明314和/或所述检测器310的一特定位置；和321.一支架328，用于将系统的组件放置在相对于患者器官的一特定位置。322.在一些实施例中，所述云基础设施308可选地包括以下一个或多个云服务中:323.一存储(数据库)服务器340；324.一web应用服务器336；325.一计算服务，用于机器学习，例如基于新数据改进演算法；和/或用于分析以向一用户提供功能和度量的测量；和/或洞見以提供与va当前或预测的未来临床状况相关的度量。326.一机器学习算法—可以是有监督的或无监督的，基于由本发明的实施例产生的图像和/或患者参数的数据库进行学习，和/或元数据(metadata)，例如患者的疾病、生命体征、来自透析机的参数和/或医疗电子记录中可用的其他数据，可选地包括此患者以前的介入治疗、其他风险因素、合并症等。327.这些步骤包括以下一项或多项：328.1.从图像中提取特征；329.2.特征的趋势计算；330.3.在特征向量和/或特征向量趋势上运行机器学习。331.在一些实施例中，机器学习的结果是区分小于或大于50％av通畅的一统计分类器模型。332.在一些实施例中，分析与洞見(analyticsandinsight)在元数据和患者记录上运行，且基于患者资料计算av失效的统计数据(元数据和医疗健康记录)。333.在一些实施例中，可选地对诊所的业绩进行分析，例如每年有多少狭窄事件。334.现在参考图4a-4e，其是根据本发明示例实施例的演算法的简化流程图说明。335.图4a-4e示出了描述示例性演算法的流程图，通过非限制性示例的方式，可以在系统的软件单元306或云单元308中实现这些算法。336.图4a绘示了一个程序流程。图4a举例说明了血管通路的程序流程。337.首先，将主体的器官(例如手臂)放置在检测单元下方的一固定套筒(402)内。在一些实施例中，所述器官是手臂或腿，且所有测量是当器官大致垂直于地面(指向上方或下方)时进行。在一些实施例中，一些测量是在所述器官大致平行于地面时进行的，而一些测量是在所述器官垂直于地面(指向上或向下)时进行的。在一些实施例中，一些测量是在所述器官低于患者心脏时进行的，而一些测量是在所述器官高于患者心脏时进行的。338.接下来，检测一感兴趣区域(regionofinterest，roi)(404)。在一些实施例中，感兴趣区域是血管通路体和/或血管通路体的周围。所述检测可以由所述系统自动完成，也可以由一医生/用户手动完成。339.下一步是进行一个或多个测量(406)，例如感兴趣区域的图像。340.所述图像经过一处理算法(408)，例如图像处理算法，然后可选地保存到一数据库410)。341.下一步是从当前检查测量中，例如图像、以及从之前的检查测量(412)，例如图片来提取特征(414)。342.所述特征被发送到一统计模型，其可在血管通路体的“早期检测失效”(418)和“稳定”状态(420)之间进行分类(416)。343.图4b示出了提取“脉波速度”现象的特征的示例性演算法流程。344.第一步是预处理(422)，例如，以检测图像比例，例如以mm为单位。345.第二步是从第二图像中减去第一图像(424)。结果包括两个亮点。346.下一步是检测亮点中心(426)并计算亮点中心之间沿着血管的一路径的距离(428)。347.下一步是将计算的路径除以两个图像之间的时间段(430)，产生脉波速度的结果。348.图4c显示了提取侧支静脉现象特征的一示例性演算法流程。349.第一步是预处理(434)，例如，以检测图像比例，例如以mm为单位。350.第二步是检测血管路线和/或分支(436)。351.下一步是计算每个分支的长度及其沿静脉路线与瘘管的距离(438)。352.以上的方法也在下面更详细地描述，在“检测血管通路(va)体演算法”的标题下描述，也在几个段落的位置描述。353.进一步的步骤包括计算描述侧支静脉现象的参数(442)，包括一个或多个参数，例如：354.1.分支的数量。355.2.总分支的长度。356.3.分支的质心。357.4.从瘘管的质心距离。358.5.椭圆块(ellipseblocks)。359.6.分支直径，可选地检测填充血管腔的血液。360.图4d示出了提取动脉瘤和狭窄现象的特征的一示例性演算法流程。361.第一步是预处理(446)，例如检测图像比例，例如以mm为单位。362.下一步是检测静脉和/或动脉路线(448)。363.下一步是分割静脉和/或动脉路线(450)。364.下一步是寻找和计算沿静脉和/或动脉路线的最窄和最宽的宽度(452)。365.图4e示出了提取手臂抬高检查特征的一示例性演算法流程。应当理解的是，所述算法流程适用于其他主体的器官，并不限于手臂。366.在一些实施例中，在举起手臂后获得两个图像，以跟踪流出的变化，这在短时间内转化为一瘘管体积的变化。在正常流出状态下:瘘管内容物“快速”(几秒钟内)排空，并检测和/或测量两个图像之间的形状/面积差异。在流出阻塞状态下:瘘管内容物排出不够快，并检测/测量在瘘管的形状/面积中较小的变化(如果有的话)。随着时间的推移追踪这些变化能够追踪瘘管通畅度的变化。367.在一些实施例中，手臂抬高检查可应用在当手臂抬高(向上或向下，垂直于地面，和/或高于心脏水平)时。368.在一些实施例中，第一步是预处理(456)，例如，以检测图像比例，例如以mm为单位。369.下一步是检测图像中的血管通路(瘘管)(458)。370.下一步是分割图像中的血管通路(瘘管)(460)，可选地从图像的其他部分分割瘘管。371.下一步是计算图像中的血管通路面积(462)。372.在一些实施例中，手臂抬高检查首先在手臂与地面平行时拍摄第一图像，而当手臂垂直于地面(向上或向下)高于心脏水平时的拍摄第二图像。373.在获得所述第一图像和所述第二图像之后，下一步是预处理，例如，以检测两个图像中的图像比例，例如以mm为单位。374.下一步是检测两个图像中的血管通路。375.下一步是计算两个图像中的血管通路面积。376.下一步是从第二血管通路面积中减去第一血管通路面积。377.在一些实施例中，手臂抬高检查首先将手臂(或任何其他主体器官)从第一位置(手臂大致平行于地面的位置)移动到第二位置(手臂大致垂直于地面的位置，指向上方或下方)。378.下一步是拍摄两张抬高的手臂的图像。379.下一步是预处理，例如，检测两个图像中的图像比例，例如以mm为单位。380.下一步是检测两个图像中的血管通路。381.下一步是计算两个图像中的血管通路面积。382.下一步是从第二血管通路面积中减去第一血管通路面积。383.下一步是将计算出的差值除以两个图像间的时间段。384.现参考图5a和5b，其是沿静脉行进的脉波的简化图示。385.图5a显示了第一图像，而图5b显示了第二图像，其是在短时间内拍摄的。386.图5a和5b的图像显示了一手臂502、一静脉504、一动脉506，且其中所述静脉504连接到所述动脉506的瘘管508。387.图5a示出了一第一位置510，其中在时间t0，静脉被脉波的压力扩大。388.图5a示出了一第二位置512，其中在时间t1，静脉被脉波的压力扩大。389.述第二位置512相对于述第一位置510进一步沿着静脉504。390.脉波速度可选地通过测量所述第一位置510和述第二位置512之间的距离除以第一图像和第二图像间拍摄的时间差来度量。391.在一些实施例中，所述时间差是几分之一秒。作为非限制性示例，当图像帧大约为15-30厘米宽时，可选地以高于120fps的帧率，例如以165fps对沿血管行进的压力波进行成像。392.在一些实施例中，为了使上述两个位置具有具有160mm视场的图像帧，并且对于大约20m/s的脉波速度，时间差《6ms。这样的时间差适用于所有小于20m/s的脉波速度。393.可以在本文描述的系统中实现以下一种或多种演算法：394.预测器/分类器方法395.现参考图6，其是根据本发明示例实施例的一分类器方法的简化流程图说明。396.图6示出了一个或多个特征描述符(descriptor)的输入，例如：一侧支静脉描述符602、脉波速度描述符604、一手臂抬高描述符606、以及一动脉瘤和/或狭窄描述符608。397.在一些实施例中，输入602、604、606、608被馈送到一阈值计算单元612。398.在一些实施例中，一趋势计算单元614可选地从一本地或一远程数据库可选地接受一历史和/或趋势描述符610的输入。399.在一些实施例中，所述趋势计算单元614产生一趋势数据输出。400.在一些实施例中，所述阈值计算单元612产生一阈值数据输出。401.在一些实施例中，上述的一个或多个输出中被馈送到一统计单元616中。402.在一些实施例中，所述统计单元616的输出被输入到一决策单元618。403.所述决策单元618可选地产生va被确定为“稳定”622的决策或检测到失效620的决策。404.图6描述了一个示例性分类器演算法，其可基于机器学习(监督或非监督)工具或的启发式规则(heuristicrules)执行以下步骤：405.1.数据分析，如图像处理。406.2.从侧支血管发育、va区等一个或一组连续图像中提取特征。407.一些特征示例包括：va体的最小半径尺寸、脉波速度、侧支静脉尺寸和密度、侧支静脉与av或瘘管的距离等。408.特征还可以是连续图像之间的特征的变化和/或连续图像之间的特征的变化率。409.3.根据提取的特征对va的状态进行分类。410.分类可以是基本规则、阈值和/或统计模型。统计模型可以基于机器学习演算法，例如：支持向量机(supportvectormachine，svm)、逻辑回归、神经网络、决策树、决策树、“k均值(kmeans)”等。411.分类可以在两个级别之间(需要或不需要介入治疗)或在两个以上级别之间。412.用于预测和/或分类的方法的非限制性示例包括以下一项或多项：413.参数值表；414.与患者相关的参数值的回归；415.应用于参数值的k最近邻算法(knearestneighbors，knn)；416.支持向量机(supportvectormachinesvm)；417.深度学习；418.神经网络。419.在一些实施例中，机器学习使用训练集。产生和使用训练数据集的一非限制性示例包括在一段时间内重复测量n个患者的如本文所述的参数。420.在此期间，记录哪些患者出现血管衰竭，和/或哪些患者接受了人体检查、超声检查、x射线成像等附加技术的检查，以及附加技术的确定是什么。参数和确定可能会产生一个训练数据集，其可用于训练上述机器学习方法，或产生knn数据集。421.在一些实施例中，为了预测和/或分类目的，针对上述数据集测量的部分或全部参数也针对患者进行测量。422.要注意的是，随时间收集的参数可选地包括测量值和从测量值计算的参数、参数值的一阶导数、和参数值的二阶导数。423.要注意的是，通过观察、监听和感觉方法执行血管测试的护士或医生通常基于一个或两个参数的值提供决定或分类，而本文所述的系统和方法可能使用更多参数，并且可能会基于所述患者和/或用于生成训练集的一组患者的更多数据得出更准确的决策或分类。424.缩放演算法(scalingalgorithm)425.缩放演算法计算图像比例(例如将像素缩放到毫米)。缩放可用于计算血管半径、脉波速度、侧支血管大小、侧支血管密度和侧支血管到va的距离中的一项或多项的绝对值或相对值。426.配准演算法(registrationalgorithm)427.配准演算法可以在两个或多个连续图像之间执行自动或半自动配准。428.配准演算法可以对齐和/或缩放在不同位置或视角或不同视野中包含相同对象的两个或更多个图像。429.在一些实施例中，配准演算法的输入包括至少两个图像，并且在半自动配准的情况下，可选地，用户在两个图像上标记的一个或多个点。430.配准演算法潜在地使系统能够测量至少两次检查之间的变化，无论手臂或另一个检查器官在不同检查期间如何定位。431.在一些实施例中，包含va对象的同一患者的至少两个图像的配准可选地通过va的检测(例如分割)并且通过几何变换将一第一图像中的va图像拟合到一第二图像中的va图像来完成。432.检测血管通路(va)体演算法433.在一些实施例中，执行图像中血管通路体位置的自动或半自动检测。434.在一些实施例中，用于检测血管通路体的演算法的输入包括在图像帧中包含血管通路体的至少一个图像。435.在一些实施例中，可选输入是沿着包括va体的血管的一个或多个点的集合，可选地由医生/护士在包括va体的图像上标记。436.演算法输出可以是图像中的一组血管通路体像素。437.在一些实施例中，va体的计算机化检测是基于独特的va形状、大小、定向、位置等。438.在一些实施例中，作为非限制性示例，使用诸如由elynnshmedical开发的“用于动脉穿刺的ely-1000血管成像仪器”的装置。根据制造商，所述装置可帮助医务人员在动脉穿刺过程中识别皮下动脉，并能方便且快捷地显示动脉的确切位置和方向。439.在一些实施例中，在图像中检测到动脉和静脉连接或似乎连接的位置。440.在一些实施例中，向va提供血液的血管通过手术向皮肤表面抬高。由于血管段的深度差异，涵盖视场(field-of-view，fov)的图像包括va，va通常表现为闭合轮廓质心(closedcontourcentroid)。va体周围的组织通常比va体更深。441.在一些实施例中，va身体可选地检测深度差异，可能显示为比原生或周围血管更暗的区域。例如，当使用nir照明时，nir光被血液hgb吸收，靠近表面的血管比更深的血管显得更暗。442.脉波速度演算法443.再次参考图5a和5b，其描述了用于测量脉波速度的示例性方法。444.脉波速度也是血管硬化的常用指标，可以通过测量两点血管之间的距离和脉波传播时间来获得。脉波速度可以局部地、区域地或系统地测量。445.术语”局部地”用于指出沿着瘘管和附近相关的血管结构。446.在生理上，脉搏速度、血流和血管内的压力之间存在关系。447.脉波(由心跳引起)从心脏传播到动脉，然后从静脉返回心脏。当脉搏传播时，它会在移动的离散点和时间使血管(例如静脉)暂时变形。448.例如，静脉半径可能会在沿静脉的某个点暂时扩大。所述点可以通过测量静脉中流动的血液对光的吸收来检测—扩张的静脉的位置显示为沿静脉的较暗或较亮的点(取决于测量方法，例如反射或透射)。449.通过在两个或多个连续图像中检测与扩张血管相关的点，同时已知图像拍摄之间的时间，可以计算脉波速度。脉波速度等于两点之间的距离除以两个图像拍摄之间的时间。450.示例实施例—系统描述451.系统可以测量以下一种或多种示例现象：血管直径、脉波速度、nir(例如700-1000nm)反射频谱、侧支静脉的外观及其特征，如：密度、大小、与血管通路的距离和血管通路的氧浓度。452.在一些实施例中，nir光谱范围用于血管成像。从大约700nm到大约900nm存在一个光谱窗口，其中光可以深入组织，且静脉血管比周围组织吸收更多的辐射。453.现参考图7，其是根据本发明示例实施例的用于测量血管的系统的简化方块图。454.图7示出了示例实施例系统700的顶层方块图。所述系统700可以包括一成像/检测单元702和一软件/计算单元706。455.所述成像/检测单元702可选地包括一个或多个传感器710、一个或多个透镜712、一个或多个滤光片713和一个或多个照明器714、716。456.在一些实施例中，所述传感器710可以是cmos传感器。457.在一些实施例中，所述传感器710可以是一多光谱和/或高光谱摄影机。458.在一些实施例中，所述传感器710可以是nir传感器或摄影机。459.在一些实施例中，所述透镜712可以可选地是一固定焦距透镜。460.在一些实施例中，所述透镜712可以可选地是一变焦透镜。461.在一些实施例中，所述滤光片713可选地包括带通或长通滤光片。462.在一些实施例中，所述照明器714、716可以可选地包括nir发光二极体，可选地在700-1200nm的光谱范围内。463.在一些实施例中，所述照明器714、716可选地包括宽带nir发光二极体。464.在一些实施例中，所述照明器714、716可选地包括一个或多个激光源，可选地在850nm和910nm的近ir光谱范围内。465.在一些实施例中，所述照明器714、716可选地包括窄带照明，可选地在900nm的光谱范围内。466.在一些实施例中，所述照明器714、716可选地包括照明器阵列。467.在一些实施例中，所述软件/计算单元706可选地包括一图形用户界面734、一图像处理单元735、一计算机视觉单元736和一机器学习演算法单元737中的一个或多个。468.在一些实施例中，演算法单元737可选地包括以下一项或多项：图像处理演算法、静脉分割演算法、侧支静脉检测和/或分割演算法、脉波检测演算法和分类器演算法)–可选的机器学习演算法。469.所述系统700可以包括附加单元，例如一工作站704、可选的一云基础设施708等。470.在一些实施例中，所述云基础设施708可选地包括一web应用738、数据库740(可选地包括大数据分析能力)和分析单元742中的一个或多个。471.在一些实施例中，所述工作站704可选地包括以下一项或多项：472.一控制单元720，用于控制所述成像/检测单元702和/或所述成像/检测单元702的一个或多个组件的操作；473.一计算机722；474.一显示器724；475.一可选的器官固定表面或装置726，用于可选地将器官放置在相对于所述照明714、716和/或所述传感器710的一特定位置；及476.一支架728，用于将系统的组件放置在相对于患者器官的一特定位置。477.现参考图8a和8b，其是根据本发明示例实施例构造的系统中的光学组件的图像。478.图8a和8b示出了一些示例系统的光通道，其可包括，如图8a所示：479.一摄影机802，可选地是高光谱传感器(摄影机)；480.一透镜802，可选地为固定焦距透镜；481.一可选的滤光片支架806；482.一滤光片808，在一些实施例中为光学长通滤光片(longpassfilter)，在一些实施例中为截止波长(cutoffwavelength)为670nm的滤光片；及483.一照明源812。484.在一些实施例中，所述系统包括一可选的机械适配器810，以所述将照明源812连接到所述摄影机802主体。485.图8b示出了包括图8a的部件的一组装单元814。486.在一些实施例中，示例的血管状态分类演算法可分为三块；图像处理、特征提取和统计分类器。487.示例演算法顶阶(toplevel)流程可与图4a中所示的类似。488.图像处理:图像处理块可能包括几个步骤：489.·图像质量增强，例如对比度和亮度增强、清晰度、多个偏振状态图像的组合、多个波长图像(图像强度比)、多次曝光、可选的高动态范围(hdr)和限制對比度自適應直方圖均衡化(contrastlimitedadaptivehistogramequalization，clahe)。490.在一些实施例中，图像强度比示出了用不同波长所拍摄的的图像之间的像素级别比(pixel-wiseratio)，如以下等式所述：[0491][0492]其中:[0493]rij是比率图像中位置(i,j)的像素，im1ij是第一图像中位置(i,j)的像素，im2ij是第二图像中位置(i,j)的像素。[0494]·图像分割——定位血管通路(va)结构、血管边界和侧支血管结构。[0495]现参考图9，其是根据本发明示例实施例的分割方法的简化流程图说明。[0496]图9示出了示例性分割流程，包括第一图像902的输入，第一图像902的分割904产生具有可选分割线907的第二图像906、可选地隔离908出现在第二图像906中的器官，产生仅包含隔离器官的图像的第三图像910。[0497]可以使用以下一种或多种方法：k均值演算法、基于直方图(histogram-based)的方法、边缘检测、区域生长(regiongrowing)方法、mumford-shah分割、cnn(卷积神经网络)等。[0498]·早期检查和后续检查的一图像或多个图像之间的配准。配准步骤可选地将新图像缩放和/或对齐到一参考图像，可选地，来自早期检查的图像。[0499]现参考图10，图10是根据本发明示例实施例的配准方法的简化流程图说明。[0500]图10示出了一第一图像1002a和一第二图像1006a。[0501]在一些实施例中，可选地对两个图像执行点检测操作1004。[0502]在一些实施例中，点检测标准可选地是以下一项或多项：角落点、基于强度的标准，例如斑点检测(blobdetection)、加速稳健特征(speededuprobustfeatures，surf)等。[0503]在一些实施例中，两点的相似性通过两点中的每一个的一个或多个特征度量之间的特征度量差异来测量。[0504]所述第一图像1002a由在所述第一图像1002a中检测到的特定点标记，产生其上标记有特定点的一第一新图像1002b。所述第二图像1006a由在所述第二图像1006a中检测到的特定点标记，可选地根据用于检测第一图像1002a中的点的相同标准，来产生标记有特定点的一第二新图像1006b。[0505]图10示出了连接所述第一新图像1002b和所述第二新图像1006b中的对应特定点的一些线1007。[0506]在一些实施例中，所述第一新图像1002b和所述第二新图像1006b中的一个或两个可选地被转换1008，使用对应标记点的检测来执行转换，可选地产生一新的组合图像1010。在一些实施例中，所述转换1008包括对所述第一新图像1002b和所述第二新图像1006b中的一个或两个执行的图像标准化、图像缩放、图像旋转和仿射变换(affinetransform)中的一个或多个。[0507]在一些实施例中，执行所述配准以将所述第一图像(例如当前检查图像)对齐和/或缩放到第二图像(例如先前检查图像)。可以使用以下一种或多种方法进行配准：尺度不变特征变换(scaleinvariantfeaturetransform，sift)、加速稳健特征演算法，可选用于兴趣点检测、自动特征检测和匹配以及仿射变换计算。[0508]·特征提取：一特征提取块可能包括几个子块，用于从图像中分析数据并提取特征。[0509]在一些实施例中，所述特征提取可选地产生特征向量。[0510]在一些实施例中，所述特征提取可选地在产生一标准化图像的一图像处理步骤之后执行。[0511]所述特征向量是一种数学表示，用于表征图像等数据。有几种方法可以表征数据，下面列出了其中的一些：[0512]从一预训练的dnn中提取特征(a.krizhevsky,i.sutskever,g.e.使用深度卷积神经网络进行imagenet分类,nips2012:1106-1114)。[0513]一种方法包括通过在大型图像数据集上训练并使用其描述符层的神经网络来传递图像。[0514]另一种方法是为每种现象开发特定的描述符。[0515]血管长度和最小直径：[0516]现参考图11，其是根据本发明示例实施例的方法的简化流程图说明。[0517]图11说明了一种生成血管长度和/或最小直径描述符的方法。[0518]图11示出：[0519]作为输入的一第一图像1102，；[0520]所述第一图像1102到二值图像(binaryimage)1106的转换1104；[0521]器官(血管)中最窄通道的一位置1114；和[0522]出现在所述二值图像1106中的器官(血管)的一中心线的追踪1108，产生一第三图像1110，其中器官(血管)的中心线1112标记在第三图像1110上。[0523]类似的方法可选地用于产生“脉波速度”、“侧支血管发育”和“动脉瘤和狭窄”的描述符。[0524]在上述方法中，可以对二值图像使用“距离变换”和“局部最大值”方法，以检测血管的中心线和直径。[0525]其他可能有用的方法是：路径查找算法-dijkstra演算法、a*搜索算法。[0526]va中的混合动脉和静脉氧浓度：[0527]现参考图12，其是根据本发明示例实施例的方法的简化流程图说明。[0528]图12示出:[0529]作为输入的一第一图像1202；[0530]一直方图单元1204，用于产生所述第一图像1202的一直方图1206；和[0531]计算单元1210，用于产生与所述第一图像1202相关联的特征向量1212。[0532]在740nm到760nm的范围内，脱氧血红蛋白(deoxyhb)的吸收高于含氧血红蛋白(oxyhb)，因此在这个范围内，静脉吸收光辐射，且动脉变得相对更透明。[0533]在850nm到1000nm的范围内，静脉变得相对更加透明，而动脉吸收更多的辐射。[0534]va中的血液是动脉血和静脉血的混合物，尤其是在发生狭窄时，会导致血液再循环。[0535]只要va功能良好，则应有更高的动脉血流过va，这在850nm至1000nm的照明下由较暗的灰阶表示。通过计算强度“标准化”图像的直方图，例如图12中所示的第一图像1202，并将直方图与“参考”图像的直方图进行比较，系统可创建一个特征向量来描述va中的血液混合物的变化，或va中血液混合物的变化率。[0536]脉波速度[0537]现参考图13，其是根据本发明示例实施例的方法的简化流程图图示。[0538]图13示出了一种计算脉波速度的方法。[0539]图13显示：[0540]在时间t0获得的一第一图像1302作为输入；[0541]在时间t1获得的一第二图像1304作为输入；及[0542]用于产生一第三图像1308的一计算单元1306。[0543]图13示出了用于脉波速度的特征提取的一示例性方法。[0544]在一些实施例中，可选地，在配准和/或分割之后的每个图像帧(标准化图像)，融合两个连续的图像帧，例如图13的图像1302、1304，产生一融合图像，例如第三图像1308。[0545]在一些实施例中，所述融合图像是通过从其中一个图像减去另一个图像来产生的。[0546]在一些实施例中，所述融合图像是通过将其中一个图像添加到另一个来产生的。[0547]在一些实施例中，计算两个最亮点1312、1314的质心，并且测量两个最亮点1312、1314的质心之间沿着路径1312的路径1312的长度。[0548]在一些实施例中，所述路径1312可选地是血管的中心线。[0549]统计分类器模型[0550]现参考图14，其是根据本发明示例实施例的分类器方法的简化流程图图示。[0551]图14示出了一个或多个特征描述符的输入，例如：一侧支静脉描述符1402、一脉波速度描述符1404、一动脉瘤和/或狭窄描述符1406、以及一动脉和静脉血混合物描述符1408。[0552]在一些实施例中，输入1402、1404、1406、1408被馈送到一趋势计算单元1412中。在一些实施例中，所述趋势计算单元1412可选地接受历史和/或趋势描述符1410的输入，可选地来自本地或远程数据库。[0553]在一些实施例中，所述趋势计算单元1412产生一趋势特征向量1414。[0554]在一些实施例中，所述趋势特征向量1414可选地存储在(本地或远程)数据库中。[0555]在一些实施例中，所述趋势特征向量1414被输入到一分类器1416。[0556]所述分类器1416的结果可选地输入到一决策单元1418，其产生确定va被确定为“稳定”1420的决策或检测到失效1422的决策。[0557]在一些实施例中，检测失效可以包括估计va即将发生失效的高概率。[0558]分类到“稳定”或“早期失效检测”可以通过一统计分类器模型来完成，例如svm、逻辑回归、神经网络等。[0559]在一些实施例中，每个现象的提取特征1402、1404、1406、1408可选地被收集到一个“特征”向量1414。[0560]在一些实施例中，所述特征向量1414可选地存储在数据库中。[0561]在一些实施例中，所述特征向量1414和一“历史特征向量”1410可选地发送到一“趋势计算”单元1412。[0562]在一些实施例中，所述“趋势计算”单元1412的输出是一“新趋势特征向量”1414，其可选地存储在数据库中和/或发送到一分类器单元1416。[0563]在一些实施例中，来自所述分类器单元1416的输出可以被检测为“早期失效检测”或“稳定”。[0564]在一些实施例中，对可以进行va手术后的成熟度或成熟率进行分类。[0565]一瘘管的成熟率可以表示为y天后x％的成熟度。[0566]现在参考图15a-c，其示出了根据本发明示例性实施例的同一患者手臂的三个不同图像。[0567]图15a示出了一患者手臂在人类可见波长下的图像，在距离手臂约40厘米处拍摄。[0568]图15b示出了一患者手臂在近红外波长下的图像。图15b显示使用近红外成像提高血管例如浅静脉1512的可见性。[0569]图15c显示了一患者手臂的图像，其中感兴趣点1522在血管位置自动(通过图像分析)生成。[0570]当一护士或一医生检查患者的血管时，他们通常使用三步程序：观察、监听和感觉。[0571]在一些实施例中，本文所述的系统基于对一患者肢体进行照明和成像并分析从成像中收集的数据来执行观察、监听和感觉。[0572]在一些实施例中，本文所述的方法基于对一患者肢体进行照明和成像并分析从成像中收集的数据来执行观察、监听和感觉。[0573]现参考图16a，其为显示了医务人员参考血管狭窄病变或血栓形成检查患者的过程的一表格。[0574]图16a旨在显示指示人类做什么。然而，众所周知的是，人类之间的差异会影响这样的检查是可预期的。[0575]值得注意的是，自动检查可能能够为此类检查提供更好的可重复性。[0576]需要注意的是，自动检查可能能够提供更快的检查，同时减少医务人员的参与。[0577]现参考图16b，其是根据本发明示例实施例的检查患者的方法的简化流程图说明。[0578]图16的方法包括：[0579]一设备通过拍摄身体的一个或多个图像并且对所述图像使用图像分析来观察(1622)患者的身体；[0580]所述设备通过捕获身体的振动并分析人类可听频率的振动来监听(1624)患者的身体；和[0581]所述设备通过分析低于人类可听频率的身体振动来感受(1624)患者的身体。[0582]在一些实施例中，拍摄身体的一个或多个图像可选地通过拍摄近ir波长的图像来执行。[0583]在一些实施例中，如本文别处所述，可选地通过激光散斑成像来捕获身体的振动。[0584]在一些实施例中，可选地，通过接触患者身体的麦克风和/或通过连接到接触患者身体的听诊器的麦克风来捕获身体的振动。[0585]应当注意的是，在一些实施例中，自动检查可能能够在没有人接触患者的情况下提供这样的检查，可能在需要医疗距离的情况下使用，例如当患者可能携带传染性疾病时。[0586]在一些实施例中，本文所述的系统和方法可选地“观察”(即分析血管的图像)，“监听”(即分析患者身体在人类听觉频率下的振动)和“感觉”(即分析患者身体在低频下的振动，达到低于典型音频的频率)。[0587]在一些实施例中，提供非接触式监视工具，以补充和/或替代血管通路(va)的身体检查。这种监视有可能实现狭窄的早期检测，可能比人工检查更早。[0588]在一些实施例中，监视工具不接触患者的瘘管和/或患者的肢体，即使肢体可选地定位在能够将瘘管定位在设备的视野中的设备中。[0589]在一些实施例中，监测所测量的记录和监测参数可能使狭窄的早期检测和/或预测成为可能，可能比人体检查更早。[0590]在一些实施例中，无需人工接触即可监视，例如在距离va位置大于10、20、30、40、50厘米的距离的位置。[0591]在一些实施例中，所述系统和方法可选地能够获取通常通过人的身体检查通过观察、感觉和监听获得的所有参数。[0592]在一些实施例中，使用如本文所述的实施例来训练人员操作监控va比使用人类感官更容易。[0593]使用如本文所述的实施例，可能通过记录和使用同一患者的历史数据和追踪变化来增加价值。[0594]使用如本文所述的实施例，可能能够在没有身体接触的诊所中进行会前(pre-session)和/或会后(post-session)检查。[0595]使用如本文所述的实施例，可能支持covid-19下的医疗照护。[0596]使用如本文所述的实施例，可能由一患者操作的一家庭设置中进行照护。[0597]现参考图17，其是根据本发明示例实施例的用于检查患者的方法的简化方块图图示。[0598]图17示出了一种方法，包括：[0599]接受一患者检查(1702)；[0600]使用本发明的实施例测量患者(1704)；[0601]收集来自于传感器的数据(1706)；[0602]分析所述数据(1708)；和[0603]可选地提供关于患者瘘管状态的决策(1710)。[0604]患者瘘管的状态可选地包括确定患者瘘管的医疗状况和/或通畅性。医疗状况任选地被确定为健康和/或功能正常或具有恶化的概率。在一些实施例中，超过某个阈值的恶化概率可选地产生将患者送去进行额外检查的建议，例如多普勒超声检查或x射线血管造影(angiography)。[0605]现参考图18a和18b，它们是在两个不同时间拍摄的患者瘘管的图像。[0606]图18a显示了瘘管轮廓的一墨水标记1802。图18a还显示了在患者皮肤上可见的物理特征1804。[0607]图18b是在不同时间拍摄的瘘管图像。图18b示出了所述墨水标记1802因瘘管的形状和/或尺寸的改变而改变形状。图18还显示物理特征1804似乎已相对于瘘管的轮廓或相对于墨水标记1802移动。[0608]图18a和18b是2004年创建的具有右头臂瘘管的36岁男性的图像。所述瘘管有多个动脉瘤1801a、1801b。[0609]现在参考图19a和19b，其是根据本发明的两个示例性实施例的用于监测血管通路(va)和/或瘘管的系统的简化图。[0610]图19a示出了包括一头部1902及一基座1906的一系统1900。所述头部1902可选地包括一投光器及一成像系统。在一些实施例中，所述基座1906可选地包括一形状，配置以将手臂或腿支撑在相对所述头部1902的特定位置。在一些实施例中，所述基座1906可选地包括带子，被配置以将手臂或腿支撑在相对于头部1902的特定位置。[0611]图19a示出了包括一投影仪1912和一成像器1914的系统1910。在一些实施例中，所述投影仪1912包括一可选盖1916。在一些实施例中，特别是在所述投影仪包括激光器的情况下，出于安全考虑，可能需求和/或需要所述盖1916。[0612]在一些实施例中，所述成像器1914可选地能够以高于标准视频速率(可选择以每秒60帧(fps)、高于60fps、高于100fps、高于150、200、300、400、500和600fps)的速率成像帧[0613]高帧率能够检测患者身体的高频振动，如本领域已知的:香农定律(shannon’slaw)。[0614]在一些实施例中，可选择使用nir快速摄影机，可选择使用150fps或更高的帧率。[0615]在一些实施例中，可选地使用现成的摄影机(off-the-shelfcamera)，例如flirfl3u3摄影机，能够以150fps的帧率和1.3兆像素的全帧大小进行成像。[0616]在一些实施例中，摄影机用于拍摄超过160fps、最高600fps、620fps等的帧率。[0617]在一些实施例中，可选的使用现成的摄影机，能够以1.3-2兆像素或更多的帧大小进行成像。[0618]在一些实施例中，可选使用现成的摄影机，当以较低的帧尺寸成像时，能够以更高的帧速率成像。通过一些非限制性示例，摄影机可选地以10x20像素、10x10像素等尺寸成像。[0619]在一些实施例中，成像器在瘘管位置或va感兴趣点位置拍摄患者身体上特定感兴趣位置的小帧(小于最大帧尺寸，并且可选地低至上述小帧尺寸)。[0620]在一些实施例中，投影仪可选择将光线投射到感兴趣的位置，以使一用户能够正确定位患者的身体。[0621]在一些实施例中，感兴趣的位置是患者的瘘管。[0622]在一些实施例中，多个点同时被照亮。[0623]在一些实施例中，一个点被照亮的感兴趣位置是患者的瘘管，且一个点被照亮的另一个感兴趣的位置是与患者的瘘管相邻但不在瘘管处的位置。[0624]在一些实施例中，一个点被照亮的感兴趣位置是瘘管动脉瘤，且一个点被照亮的另一个感兴趣位置是与瘘管动脉瘤相邻但不在瘘管动脉瘤处的位置。[0625]在一些实施例中，所述投影仪是一数字光处理投影仪。[0626]在一些实施例中，投影仪是一激光投影仪。[0627]在一些实施例中，感兴趣的位置，例如瘘管或动脉瘤，或身体的一肿胀区域，可选地通过使用结构光和图像分析来识别，并且所述投影仪被控制(可选地自动控制)，以照亮感兴趣的位置。在一些实施例中，可选地控制数字光处理投影仪和/或激光投影仪，来照亮感兴趣的位置。[0628]在一些实施例中，一医生或护士控制感兴趣位置的照明。[0629]在一些实施例中，一医生或护士控制激光照射到感兴趣的位置。[0630]在一些实施例中，所述投影仪可选地能够以多种模式投射光。这些模式包括以下两种或多种：[0631]将均匀(或接近均匀)的照明投射到一患者身体的可能足以对侧支静脉进行成像的一区域或一限制的点；[0632]投射结构光，可选地包括特定宽度、等宽或不等宽的光条，如编程或其他图案；和[0633]投射一个或多个相干激光光斑，可能用于测量振动、微振动和脉冲中的一种或多种，例如通过激光散斑干涉法。[0634]在一些实施例中，所述投影机能够在三种不同照明模式中的任何一种之间切换：均匀、结构光和点光源。[0635]在一些实施例中，所述投影仪能够在一患者肢体上提供直径0.5毫米到5毫米之间的光斑尺寸。例如，光斑尺寸约为1mm。[0636]在一些实施例中，所述投影仪包括一个或多个led和/或激光光源，可选地在近ir波长。[0637]在一些实施例中，所述投影仪可选地是数字光处理投影仪。[0638]在一些实施例中，所述投影仪可选地包括纳米镜，以对光进行整形。[0639]在一些实施例中，所述投影仪可选地包括微机电系统(mems)镜，以对光进行整形。[0640]在一些实施例中，所述投影仪可选地包括数字镜驱动器(digitalmirrordriver，dmd)。[0641]在一些实施例中，所述投影仪和所述摄影机被封装在一个包装中。[0642]现在参考图20，其是根据本发明示例实施例的用于监测血管通路(va)和/或瘘管的系统的图像。[0643]图20示出了包括一投影仪2004、一成像器2006和一可选处理器2002的一系统。[0644]现在参考图21a-c，其显示了同一患者手臂的三个不同图像。[0645]图21a的图像显示了患者的手臂保持在患者心脏水平以下。两个充气针插入点2102、2104显示在患者的手臂瘘管上。[0646]图21b的图像显示了患者的手臂保持在患者心脏水平上方，所述图像是在患者将手臂抬起到抬高位置后拍摄的。插入点中的第一个2102被示为放气，并且插入点中的第二个2104仍然充气。[0647]图21c的图像显示患者的手臂被抬高，所述图像比图21b的图像稍晚拍摄。针插入点2102和2104都显示为放气和萎陷。[0648]抬高测试检查[0649]在一些实施例中，本文描述的系统和方法可选地用于在抬高测试中测量和量化，即，将身体或肢体保持在心脏水平以下进行一次或多次测量和量化，并且将身体或肢体保持在心脏水平以上的升高位置进行一次或多次测量和量化。[0650]如图21a-c所示，在某些情况下，瘘管在保持在一个位置时可能不会引流，而在保持在一个或多个其他位置时可能会引流。在某些情况下，瘘管在一个位置时可能不会引流，在一个或多个其他位置时也不会引流。[0651]位置之间的差异与瘘管的医学条件相关，例如流入和流出速率和/或压力之间的比率)。[0652]瘘管引流的速度和方式，以及不同高度的引流模式之间的差异与瘘管的医疗条件相关。在一些实施例中，测量引流速率和/或模式，可选地通过生成3d形状和/或描绘瘘管的外部形状的一个或多个3d曲线和/或沿着所述组追踪曲线之间的变化。[0653]在一些实施例中，引流速率和模式可选地通过评估由3d形状和/或一条或多条曲线封装的体积和追踪总体积随时间的变化来估计，潜在地提供引流水平和速率。[0654]在一些实施例中，可以估计曲线的空间曲率，并且可以通过分析曲率随时间的变化来表征引流模式。[0655]在一些实施例中，每条曲线的曲率平滑度和曲率平滑度在引流期间随时间的变化可用于估计引流模式。[0656]在一些实施例中，根据测量的振动分析估计的任何流动相关参数与基于3d形状或曲线形状从引流模式或速率估计的任何参数之间的相关性可选地用于估计瘘管健康。[0657]现在参考图22a，其显示通过分析由激光散斑成像产生的图像测量的振动功率谱的图表。[0658]图22a显示一图表220，x轴2202显示频率范围或区间，y轴2204显示以测量单位为单位的相对功率谱。[0659]对两组患者进行抽样以生成此图。第一组2206具有大于500ml/分钟的血流速度(fv)，第二组2208具有小于500ml/分钟的fv。[0660]图表2200展示了两组的功率谱中的最大值大约位于大约140hz处。。这使我们怀疑，监听两组血流的音高可能不是区分它们的好方法。然而，分析两组的功率谱显示出差异：[0661]第一组2206在最大值的位置看起来比第二组2208具有更高的振幅；[0662]第二组2208似乎具有比第一组2206更平坦或更宽的曲线。[0663]如图22a所示，在功率谱中分析的振动是由通过血管的血流和/或湍流引起的。[0664]流动和湍流随时间而变化，并受到流动发生的血管内部和周围的局部物理条件的影响。物理条件可能包括压力梯度、血管直径、血管壁顺应性、血管内表面特性等。[0665]在va/瘘管位置测量的血流功率谱可能与这些位置的物理和/或临床血流状况有关。这种功率谱特征随时间的变化可能与瘘管健康的恶化有关。分析从va/瘘管位置获得的功率谱变化可能是瘘管恶化的早期预测。[0666]参考本文所述的早期预测，应注意的是，这种预测可能使经皮腔内血管成形术(pta)比基于现有医学检查的情况更早进行。[0667]在一些实施例中，通过测量从患者身体反射的光的强度来测量功率谱。预计强度会以与身体振动频率相关的频率变化。[0668]在一些实施例中，通过测量从患者身体上的照明点反射的光的强度来测量功率谱。在这样的实施例中，振动实际上是特别在照明点处测量的。[0669]在一些实施例中，通过测量身体的连续图像之间的差异来测量功率谱，例如身体上图案的微小变化。所述图案可以是皮肤上的痣、结构光、光斑的移动、激光散斑的移动以及类似的移动。[0670]现参考图22b，其是根据本发明示例实施例的用于将数据从图像流转换为频谱的方法的简化流程图说明。[0671]图22b的方法包括：[0672]接收对一患者身体成像的图像流(2222)；[0673]可选地选择一个或多个在图像流的持续时间内具有高强度方差(varianceofintensity)的像素(2224)；[0674]在持续时间内产生一强度向量(2226)；[0675]将所述强度向量变换为一频谱向量(2228)。[0676]在一些实施例中，所述变换是通过一快速傅里叶变换来执行的。[0677]在一些实施例中，在分析所述功率谱之前，可选地对功率谱进行归一化。作为一些非限制性示例，归一化因子可选地从以下各项计算：总光谱能量、峰值、峰基线比(peaktobaselineratio)、特定带宽中的能量等。[0678]在一些实施例中，在远程位置(例如，远离瘘管)测量的参考光谱用作参考。两个光谱都可能被归一化，也可能不被归一化，且测量的光谱被不同位置的光谱之间的差异代替。[0679]在一些实施例中，测量的功率谱或功率谱差的偏度(skewness)或峰度(kurtosis)可选地用于估计流量。[0680]在一些实施例中，首先将测量的功率谱拟合到一模型，在一些实施例中，假设一个或多个隐藏模型混合器(作为非限制性示例，泊松-高斯混合”poisson-gaussianmixture”)和模型参数被用作相关器来流动。[0681]在一些实施例中，使用特定频率范围内的能量来估计流量。[0682]执行观察、监听和感觉[0683]我们还根据医务人员使用的“观察、监听和感觉”程序来描述本发明的一些方面。[0684]在一些实施例中，“观察、监听和感觉”程序可选地由本文描述的系统的实施例执行。[0685]在一些实施例中，本文所述的系统基于对患者肢体进行照明和成像并分析从成像中收集的数据来执行观察、监听和感觉。[0686]在一些实施例中，本文所述的方法基于对患者肢体进行照明和成像以及分析从成像中收集的数据来执行观察、监听和感觉。[0687]瘘管杂音，也称为血管杂音，是透析通路如何运作的指标。[0688]动静脉瘘管是一种通过将动脉连接到皮肤下的静脉(通常位于上臂或下臂或腿)而形成的通路类型。(i)从动脉通过静脉的高血流量使瘘管变得更大更强。健康的av瘘管有杂音(人类可以听到的隆隆声)、震颤(人类可以感觉到的隆隆声)和良好的血流速度。[0689]在一些实施例中，“观察”方面可选地通过对身体或肢体进行成像并分析一个或多个图像以量化血管结构和/或瘘管结构来执行。[0690]在一些实施例中，“观察”方面可选地通过使用结构光对身体或肢体进行成像并产生瘘管的3d形状来执行。[0691]在一些实施例中，“监听”方面可选地通过测量身体或肢体的振动并分析振动以量化与瘘管的医学条件相关的参数值来执行。在一些实施例中，“监听”方面包括分析在人类可听范围内的频率范围内的振动。[0692]在一些实施例中，“感觉”方面可选地通过测量身体或肢体的振动并分析振动以量化与瘘管的医学条件相关的参数值来执行。在一些实施例中，“感觉”方面包括分析可选地在甚至超出和/或低于人类可听范围的频率范围内的振动。[0693]在一些实施例中，可选地在小于1,000hz的频率范围内进行振动分析。在一些实施例中，分析振动可选地在小于典型人类语音的频率范围内执行，例如小于4,000hz。[0694]通过一些非限制性示例，“感觉”方面包括以下一项或多项：[0695]测量人体脉搏，通常在每分钟40次及以上的范围内。这种测量需要分析频率为1赫兹甚至更低的振动。当通过分析视频序列的图像帧来执行这种分析时，以被测量频率的大约两倍的速率分析图像帧就足够了，也就是，例如，大约每秒2帧或更高。[0696]测量震颤，通常在50-250赫兹或50-750赫兹的范围内。当通过分析视频序列的图像帧来执行这种分析时，以被测量频率的大约两倍的速率分析图像帧就足够了，也就是，例如，大约每秒100帧或更高。[0697]分析和量化振动的功率谱，例如如上面参考图22a和22b所描述的。[0698]在一些实施例中，通过图像分析和/或通过使用特定的照明模式，在不物理接触患者的情况下执行“观察、监听和感觉”。[0699]现参考图23，其是根据本发明示例实施例的用于监测血管功能的方法的简化流程图图示。[0700]图23的方法包括：[0701]通过一患者皮肤照亮一个或多个血管(2302)；[0702]拍摄血管的至少一图像(2304)；[0703]分析所述至少一图像(2306)；和[0704]基于图像分析计算与血管功能相关的参数(2308)。[0705]现参考图24，其是根据本发明的示例实施例的用于替代由医生执行的用于监测血管功能的身体检查的方法的简化流程图图示。[0706]图24的方法包括：[0707]产生一患者器官的至少一图像(2402)；[0708]分析所述至少一图像(2404)；和[0709]产生与血管功能相关的参数值(2406)。[0710]分析和量化振动的功率谱，例如如上面参考图22a和22b所描述的。[0711]在一些实施例中，通过图像分析和/或通过使用特定的照明模式，在不物理接触患者的情况下执行“看、听和感觉”。[0712]现参考图23，其是根据本发明示例实施例的用于监测血管功能的方法的简化流程图图示。[0713]图23的方法包括：[0714]通过患者皮肤照亮一个或多个血管(2302)；[0715]捕获血管的至少一幅图像(2304)；[0716]分析至少一幅图像(2306)；和[0717]基于图像分析计算与血管功能相关的参数(2308)。[0718]现在参考图24，其是根据本发明的示例实施例的用于替代由医务人员执行的用于监测血管功能的身体检查的方法的简化流程图图示。[0719]图24的方法包括：[0720]产生患者器官的至少一幅图像(2402)；[0721]分析至少一幅图像(2404)；和[0722]产生与血管功能相关的参数值(2406)。[0723]尽管此处已详细公开了特定的实施方式，但这仅是为了说明的目的而以示例的方式进行的，并不旨在限制所附权利要求的范围。特别地，可以设想在不背离由权利要求限定的本公开的精神和范围的情况下可以进行各种替换、改变和修改。在其他方面、优点和修改被认为在所附权利要求的范围内。所提出的权利要求代表了本文所公开的实施方式和特征。还设想了其他未声明的实施方式和特征。因此，其他实施方式在所附权利要求的范围内。[0724]可预期的是，在本技术的专利有效期间，将开发出许多相关的图像处理演算法；本文所使用术语的范围意在包括所有这些演绎(priori)的新技术。[0725]如本文所用，提及量或值时，术语“大约”是指“在±20％以内”。[0726]术语“包括(comprising)”、“包括(including)”、“具有(having)”及其词形变化是指“包括但不限于”。[0727]术语“由......组成(consistingof)”是指“包括但不限于”。[0728]术语“基本上由......组成(essentiallyconsistingof)”是指组合物、方法或结构可包括额外的成分、步骤和/或部件，但只有当额外的成分、步骤和/或部件实质上不改变所要求保护的组合物、方法或结构的基本特征及新特征。[0729]本文所使用的单数型式“一(a)”、“一(an)”及“所述(the)”包括复数引用，除非上下文另有明确规定。例如，术语“一个单元”或“至少一个单元”可以包括多个单元，包括他们的组合。[0730]此处使用的词语“示例”和“示例性”表示“用作示例、举例或说明”。描述为“示例”或“示例性”的任何实施例不一定被解释为优选或优于其他实施例和/或排除对其他实施例的特征的结合。[0731]本文中所用的词汇“可选择地(optionally)”表示“在一些实施例中提供，而在其它实施例中不提供”。任何本发明的特定实施例可以包括多个“可选择的”特征，除非此类特征相冲突。[0732]在整个本技术中，本发明的各种实施例可以以一个范围的型式存在。应当理解的是，以一范围型式的描述仅仅是因为方便及简洁，不应理解为对本发明范围的硬性限制。因此，应当认为所述的范围描述已经具体公开所有可能的子范围以及该范围内的单一数值。例如，应当认为从1到6的范围描述已经具体公开子范围，例如从1到3，从1到4，从1到5，从2到4，从2到6，从3到6等，以及所数范围内的单一数字，例如1、2、3、4、5及6，此不管范围为何皆适用。[0733]无论何时在本文中指示数字范围(例如“10-15”、“10到15”或由这些其他这样的范围指示连接的任何一对数字)，除非上下文另有明确指示，否则意味着包括所指范围内的任何数字(分数或整数)。“第一指示数字及第二指示数字之间的范围”、及“第一指示数字到第二指示数字的范围”在本文中可互换，并指包括第一指示数字及第二指示数字，及其间的所有分数及整数。[0734]除非另有说明，本文中使用的数字和基于其的任何数字范围是在本领域技术人员理解的合理测量和舍入误差的精度范围内的近似值。[0735]可以理解，本发明中的特定特征，为清楚起见，在分开的实施例的内文中描述，也可以在单一实施例的组合中提供。相反地，本发明中，为简洁起见，在单一实施例的内文中所描述的各种特征，也可以分开地、或者以任何合适的子组合、或者在适用于本发明的任何其他描述的实施例中提供。在各种实施例的内文中所描述的特定特征，并不被认为是那些实施方案的必要特征，除非所述实施例没有那些元素就不起作用。[0736]虽然本发明结合其具体实施例而被描述，显而易见的是，许多替代、修改及变化对于那些本领域的技术人员将是显而易见的。因此，其意在包括落入所附权利要求书的范围内的所有替代、修改及变化。[0737]在本说明书中提及的所有出版物、专利及专利申请以其整体在此通过引用并入本说明书中。其程度如同各单独的出版物、专利或专利申请被具体及单独地指明而通过引用并入本文中。此外，所引用的或指出的任何参考文献不应被解释为承认这些参考文献可作为本发明的现有技术。本技术中标题部分在本文中用于使本说明书容易理解，而不应被解释为必要的限制。此外，本技术的任何优先权文件在此通过引用的方式整体并入本文中。当前第1页12当前第1页12
再多了解一些
本文用于企业家、创业者技术爱好者查询，结果仅供参考。
