一种排尿预测方法及装置制造方法及图纸

本发明专利技术公开了一种排尿预测方法及装置，针对患者无法感知尿意或无意识排尿的情况，采取测量及预测机制，通过测量患者储尿阶段的阻抗值预测得到患者未来的排尿时间，从而实现提醒患者的膀胱需适时排尿的有效性。本发明专利技术可以针对不同年龄段、体重的患者进行准确预测，同时基于生物阻抗分析技术进行膀胱阻抗值的采集，在不对患者造成创口的情况下能够预估患者的膀胱储尿情况，简化了排尿预测程序。

A prediction method and device of micturition

【技术实现步骤摘要】
一种排尿预测方法及装置
本专利技术涉及对生理事件的预测
，尤其涉及一种排尿预测方法及装置。
技术介绍
神经源性膀胱患者是指由于中枢神经系统中控制排尿功能神经或周围神经受损而使得膀胱尿道功能障碍，患者通常会失去感知储尿和排尿的意识，造成泌尿系统感染等并发症，给患者身心健康带来极大的影响；尿失禁患者无法预知排尿时机，排尿无意识，经常性在产生尿意时尿液就不自主地漏出来，对患者生理和心理带来严重的折磨。因此对于具有如神经源性膀胱或尿失禁等的膀胱功能障碍的患者，需要预测其排尿时间，以预先采取辅助排尿措施或自主排尿措施，避免或降低泌尿系统感染等并发症的影响。现有的排尿预测方法一般采用超声、压力、位移检测膀胱容量从而进行排尿预测，这些方法的采样方式的操作较为繁琐，其中一些会对患者造成创口；并且由于这些方式难以实现对膀胱的实时监测，无法实现提醒患者的膀胱需适时排尿的有效性。
技术实现思路
本专利技术为解决现有的排尿预测方法预测过程不便，难以有效提醒患者适时排尿的问题，提供了一种排尿预测方法及装置。为实现以上专利技术目的，而采用的技术手段是：一种排尿预测方法，包括以下步骤：S1.采集排尿预测所需的数据，包括：试验者和患者与排尿相关的身体参数，以及试验者的日排尿次数，患者各时段的膀胱阻抗值；S2.对采集得到的数据进行分类，分别得到用于预测患者一天的排尿次数的数据集以及用于预测患者排尿时间的数据集；S3.基于用于预测患者一天的排尿次数的数据集，通过试验者与患者的身体参数之间的相邻关系，按照相邻关系排列试验者的排尿次数，求取患者的排尿次数的平均值即为患者的预测排尿次数；S4.基于用于预测患者排尿时间的数据集，任意选取某个时刻及其对应的膀胱阻抗值作为标记点，其余时刻及其对应的膀胱阻抗值作为数据点，计算得到若干个数据点与标记点的相邻关系，按照相邻关系排列患者的膀胱阻抗值及其对应时刻，分别求取患者的膀胱阻抗值及其对应时刻的平均值作为预测点；重复选取不同时刻的标记点求取预测点得到阻抗预测曲线，对所述阻抗预测曲线进行反函数变换得到患者的预测排尿时间；S5.将步骤S3和S4得到的患者的预测排尿次数及预测排尿时间构成预测集合，利用所述预测集合对患者的排尿次数和排尿时间进行预测，输出预测结果。上述方案中，针对患者无法感知尿意或无意识排尿的情况，采取测量及预测机制，通过试验者与患者尿相关的身体参数，以及测量患者储尿阶段的阻抗值预测得到患者未来的排尿时间。优选的，步骤S1所述与排尿相关的身体参数包括试验者和患者的年龄以及BMI指数。优选的，步骤S1所述的患者的各时段的膀胱阻抗值基于生物阻抗分析技术，并通过四电极连接法将测试电极与患者的测试部位连接测得，测得的膀胱阻抗值需进行去除异常点的预处理。优选的，所述步骤S2具体包括：定义试验者或患者的年龄以及BMI指数数据为影响值；将试验者的影响值、试验者的排尿次数、患者的膀胱阻抗值和膀胱阻抗值采集时间作为数据集合{ASIT}；将其中的矩阵{AS}作为用于预测患者一天的排尿次数的数据集，将矩阵{IT}作为用于预测患者排尿时间的数据集；其中影响值矩阵为A＝[ageBMI...]排尿次数矩阵为：S＝[排尿次数s]时间段膀胱阻抗值矩阵为：I＝[it1it2it3...itn]，itn表示第tn个时间段其中第tn个时间段中m个时刻的膀胱阻抗值矩阵为：itnm表示第tn个时间段中的第m个时刻时间段矩阵为：T＝[t1t2t3...tn]其中第tn个时间段m个时刻的时刻矩阵为：上述公式中的第tn个时间段为患者需进行排尿的时间段。优选的，所述步骤S3具体包括：记录l名试验者的影响值及排尿次数，将所述矩阵{AS}分别扩展为：设定患者的年龄为agepre，BMI指数为BMIpre，从矩阵A中选取与患者参数rpre＝(agepre,BMIpre)相邻的ks个点rj＝(agej,BMIj)，采用欧拉距离公式计算点rpre到相邻的ks个点rj的距离：其中rpre＝(agepre,BMIpre)，rj＝(agej,BMIj)；将计算得到的距离值由小到大进行排列，得到ks个距离值构成的分类标志矩阵ds基于所述分类标志，将所代表的试验者排尿次数进行排列，得到排尿次数矩阵对排尿次数矩阵求取平均值或加权平均值，得到患者的预测排尿次数；其中对排尿次数矩阵求取平均值时得到的患者的预测排尿次数为：对排尿次数矩阵求取加权平均值时得到的患者的预测排尿次数为：其中加权值dj为第j个距离值，c为预设常数值。优选的，所述步骤S4具体包括：在第一个时间段，将膀胱阻抗值归一化，根据第tn个时间段中m个时刻的膀胱阻抗值矩阵itn，第一个时间段中m个时刻的膀胱阻抗值矩阵为：根据第tn个时间段m个时刻的时刻矩阵tn，第一个时间段m个时刻的时刻矩阵为：在上述的矩阵it1和矩阵t1中按照对应关系任意选取一个标记点zm＝(it1m,t1m)，在标记点zm选取相邻的kt个数据点zj＝(ikj,tkj)作为样本点；利用距离公式计算标记点zm到kt个样本点之间的距离dsj；将求得的距离值dsj从小到大进行排列，得到kt个距离值构成分类标志dt基于分类标志dt将其所代表的膀胱阻抗值进行排列，得到kt个膀胱阻抗值的矩阵ikt1为：kt个膀胱阻抗值对应的时刻矩阵tkt1为：根据矩阵ikt1，求取kt个膀胱阻抗值的平均值或加权平均值作为预测膀胱阻抗值i′t11；其中求取kt个膀胱阻抗值的平均值时得到的预测膀胱阻抗值i′t11为：求取kt个膀胱阻抗值的加权平均值时得到的预测膀胱阻抗值i′t11为：其中加权值dj为第j个距离值，c为预设的常数值；由矩阵tkt1求取kt个时刻的平均值作为预测时间t′11由以上步骤得到预测的第一个数据点wt11＝(i′t11,t′11)在上述的矩阵it1和矩阵t1中按照对应关系任意选取第二个标记点zm′＝(it1m′,t1m′)，计算得到预测的第二个数据点wt12＝(i′t12,t′12)重新计算得到预测的第一个时间段m′个时刻的膀胱阻抗值：m′个时刻的膀胱阻抗值对应的时刻为：其中m′≤m；对预测的膀胱阻抗值和对应时刻t1pre组成的点进行连线得到第一时间段的预测曲线Wt1，将其与测量所得的膀胱阻抗值it1进行对比，即将预测曲线Wt1上的膀胱阻抗值与it1中的膀胱阻抗值采用均方误差进行对比，得到的误差为：若得到的误差在预设的误差范围内，则代表预测曲线Wt1拟合准确；否则重新选取kt的值进行计算，直至误差在本文档来自技高网...

【技术保护点】
1.一种排尿预测方法，其特征在于，包括以下步骤：/nS1.采集排尿预测所需的数据，包括：试验者和患者与排尿相关的身体参数，以及试验者的日排尿次数，患者各时段的膀胱阻抗值；/nS2.对采集得到的数据进行分类，分别得到用于预测患者一天的排尿次数的数据集以及用于预测患者排尿时间的数据集；/nS3.基于用于预测患者一天的排尿次数的数据集，通过试验者与患者的身体参数之间的相邻关系，按照相邻关系排列试验者的排尿次数，求取患者的排尿次数的平均值即为患者的预测排尿次数；/nS4.基于用于预测患者排尿时间的数据集，任意选取某个时刻及其对应的膀胱阻抗值作为标记点，其余时刻及其对应的膀胱阻抗值作为数据点，计算得到若干个数据点与标记点的相邻关系，按照相邻关系排列患者的膀胱阻抗值及其对应时刻，分别求取患者的膀胱阻抗值及其对应时刻的平均值作为预测点；重复选取不同时刻的标记点求取预测点得到阻抗预测曲线，对所述阻抗预测曲线进行反函数变换得到患者的预测排尿时间；/nS5.将步骤S3和S4得到的患者的预测排尿次数及预测排尿时间构成预测集合，利用所述预测集合对患者的排尿次数和排尿时间进行预测，输出预测结果。/n

【技术特征摘要】
1.一种排尿预测方法，其特征在于，包括以下步骤：
S1.采集排尿预测所需的数据，包括：试验者和患者与排尿相关的身体参数，以及试验者的日排尿次数，患者各时段的膀胱阻抗值；
S2.对采集得到的数据进行分类，分别得到用于预测患者一天的排尿次数的数据集以及用于预测患者排尿时间的数据集；
S3.基于用于预测患者一天的排尿次数的数据集，通过试验者与患者的身体参数之间的相邻关系，按照相邻关系排列试验者的排尿次数，求取患者的排尿次数的平均值即为患者的预测排尿次数；
S4.基于用于预测患者排尿时间的数据集，任意选取某个时刻及其对应的膀胱阻抗值作为标记点，其余时刻及其对应的膀胱阻抗值作为数据点，计算得到若干个数据点与标记点的相邻关系，按照相邻关系排列患者的膀胱阻抗值及其对应时刻，分别求取患者的膀胱阻抗值及其对应时刻的平均值作为预测点；重复选取不同时刻的标记点求取预测点得到阻抗预测曲线，对所述阻抗预测曲线进行反函数变换得到患者的预测排尿时间；
S5.将步骤S3和S4得到的患者的预测排尿次数及预测排尿时间构成预测集合，利用所述预测集合对患者的排尿次数和排尿时间进行预测，输出预测结果。


2.根据权利要求1所述的排尿预测方法，其特征在于，步骤S1所述与排尿相关的身体参数包括试验者和患者的年龄以及BMI指数。


3.根据权利要求1所述的排尿预测方法，其特征在于，步骤S1所述的患者的各时段的膀胱阻抗值基于生物阻抗分析技术，并通过四电极连接法将测试电极与患者的测试部位连接测得，测得的膀胱阻抗值需进行去除异常点的预处理。


4.根据权利要求2所述的排尿预测方法，其特征在于，所述步骤S2具体包括：
定义试验者或患者的年龄以及BMI指数数据为影响值；
将试验者的影响值、试验者的排尿次数、患者的膀胱阻抗值和膀胱阻抗值采集时间作为数据集合{ASIT}；
将其中的矩阵{AS}作为用于预测患者一天的排尿次数的数据集，将矩阵{IT}作为用于预测患者排尿时间的数据集；
其中影响值矩阵为A＝[ageBMI...]
排尿次数矩阵为：S＝[排尿次数s]
时间段膀胱阻抗值矩阵为：I＝[it1it2it3...itn]，itn表示第tn个时间段其中第tn个时间段中m个时刻的膀胱阻抗值矩阵为：



itnm表示第tn个时间段中的第m个时刻
时间段矩阵为：T＝[t1t2t3...tn]
其中第tn个时间段m个时刻的时刻矩阵为：



上述公式中的第tn个时间段为患者需进行排尿的时间段。


5.根据权利要求4所述的排尿预测方法，其特征在于，所述步骤S3具体包括：
记录l名试验者的影响值及排尿次数，将所述矩阵{AS}分别扩展为：






设定患者的年龄为agepre，BMI指数为BMIpre；
从矩阵A中选取与患者参数rpre＝(agepre,BMIpre)相邻的ks个点rj＝(agej,BMIj)，采用欧拉距离公式计算点rpre到相邻的ks个点rj的距离：



其中rpre＝(agepre,BMIpre)，rj＝(agej,BMIj)；
将计算得到的距离值由小到大进行排列，得到ks个距离值构成的分类标志矩阵ds



基于所述分类标志，将所代表的试验者排尿次数进行排列，得到排尿次数矩阵



对排尿次数矩阵求取平均值或加权平均值，得到患者的预测排尿次数；
其中对排尿次数矩阵求取平均值时得到的患者的预测排尿次数为：



对排尿次数矩阵求取加权平均值时得到的患者的预测排尿次数为：



其中加权值dj为第j个距离值，c为预设常数值。


6.根据权利要求5所述的排尿预测方法，其特征在于，所述步骤S4具体包括：
在第一个时间段，将膀胱阻抗值归一化，根据第tn个时间段中m个时刻的膀胱阻抗值矩阵itn，第一个时间段中m个时刻的膀胱阻抗值矩阵为：



根据第tn个时间段m个时刻的时刻矩阵tn，第一个时间段m个时刻的时刻矩阵为：



在上述的矩阵i...

【专利技术属性】
技术研发人员：彭伟鸿，李笑，曾梓轩，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东;44