最大血流速度を推定するためのダブルガウスのパーセンタイルベースの方法

目的：経頭蓋ドップラーソノグラフィは、特に収縮期に最大値が臨床的に関心を持っている血流速度の推定を可能にします。観測された流速の値がノイズの影響を受けることを考えると、「最大」の有用な概念には、ノイズから信号を分離するための基準が必要です。一般的に使用されるすべての基準は、いつでも最大流速のポイント推定（つまり、単一の値）を生成するため、流速の分布または不確実性に関する情報は伝えません。この制限は、特に血管痙攣の患者に臨床的に影響を及ぼし、その最大の流速を測定するのが難しい場合があります。したがって、流速とその不確実性を推定する方法が望ましい。 方法：ガウス混合モデルを使用して、ノイズを信号分布から分離します。後者の特定のパーセンタイルの時系列は、フロー速度エンベロープを提供します。流速エンベロープを推定するこの手段は、自然にいくつかのパーセンタイルを表示することができます（例：95および99th）、それにより最高の流速の不確実性を伝えます。 結果：そのような封筒は59人の患者に対して計算され、標準的なアルゴリズムと比較して最大の流速の合理的で有用な推定値を提供することが示されました。さらに、一般的に使用される封筒は、一般に、ガウス混合モデルを介して導出された信号分布の90パーセンタイルと一致していることがわかりました。 結論：観測された流速の分布をノイズ成分と信号成分に分離し、二重ガウス混合モデルを使用して、後者のパーセンタイルが最大の流れ速度とその不確実性の意味のある測定を提供できるようにします。

OBJECTIVES: Transcranial Doppler sonography allows for the estimation of blood flow velocity, whose maximum value, especially at systole, is often of clinical interest. Given that observed values of flow velocity are subject to noise, a useful notion of "maximum" requires a criterion for separating the signal from the noise. All commonly used criteria produce a point estimate (ie, a single value) of maximum flow velocity at any time and therefore convey no information on the distribution or uncertainty of flow velocity. This limitation has clinical consequences especially for patients in vasospasm, whose largest flow velocities can be difficult to measure. Therefore, a method for estimating flow velocity and its uncertainty is desirable. METHODS: A gaussian mixture model is used to separate the noise from the signal distribution. The time series of a given percentile of the latter, then, provides a flow velocity envelope. This means of estimating the flow velocity envelope naturally allows for displaying several percentiles (e.g., 95th and 99th), thereby conveying uncertainty in the highest flow velocity. RESULTS: Such envelopes were computed for 59 patients and were shown to provide reasonable and useful estimates of the largest flow velocities compared to a standard algorithm. Moreover, we found that the commonly used envelope was generally consistent with the 90th percentile of the signal distribution derived via the gaussian mixture model. CONCLUSIONS: Separating the observed distribution of flow velocity into a noise component and a signal component, using a double-gaussian mixture model, allows for the percentiles of the latter to provide meaningful measures of the largest flow velocities and their uncertainty.