个体化心输出量的无创测量系统与方法技术方案

本发明专利技术公开了个体化心输出量的无创测量系统与方法，包括肱动脉血压测量模块、外周浅层动脉脉搏波测量模块与脉搏波传导速度测量模块；脉搏波校正模块根据肱动脉血压参数对外周浅层动脉脉搏波进行校正；脉搏波特征提取模块用于提取脉搏波特征并输出给个体化脉搏特征向量生成模块，生成的个体化脉搏波波特征向量包括脉搏波特征与受测者的个体生理参数；人工神经网络根据个体化脉搏波特征向量识别出相应的每博量，心输出量计算模块，根据每博量计算出心输出量。本发明专利技术解决了现有技术中的无创测量方法针对个体的心输出量测量的准确性不高的技术问题，大大缩小了无创测量与金标准法测量精度之间的差距。

【技术实现步骤摘要】
个体化心输出量的无创测量系统与方法
本专利技术属于心输出量测量
，尤其涉及无创心输出量测量

技术介绍
心输出量(CO)是指左心室每分钟的射血量，是表征心血管系统健康状态最重要的参数，是心脏功能及心血管疾病的重要诊断依据。另外，基于心输出量可以辅助计算出许多其他心血管系统参数，因此，心输出量的准确测量在心血管疾病检测和治疗等方面十分关键，具有重要临床意义。目前，测量心输出量的装置及方法分为有创、微创和无创三大类。有创的装置及方法是利用介入设备将导管从外周动脉插入，通过导管在右心房上部注入一定量生理盐水，与血液混合，同时记录温度变化曲线，通过温度曲线的计算得到CO。该方法称为热稀释法，是测量心输出量的“金标准”。有创法主要用于急救、心血管介入手术和重症监护等领域，具有创伤性大、操作复杂等特点，并且长时间测量容易引起感染或并发症。所以，该方法临床上具有一定的局限性。微创的装置及方法结合单次热稀释法和脉搏波进行CO测量，该技术称为PICCO技术。FloTrac/Vigileo系统是典型的微创装置，它利用FloTrac传感器采集患者股动脉或腋动脉压力波形，通过对动脉压力波形曲线下的面积进行分析，结合患者年龄、性别、身高、体重、体表面积等参数，计算相对每搏量，并且利用单次热稀释法定标，实现心输出量连续测量。虽然微创法的有创性大幅减小，并且大幅降低了感染和并发症的风险，但是，仍然具有创性，无法满足非危重病人和健康人对心输出量测量的需求，因此，一些无创心输出量测量方法被相继提出。无创的装置及方法主要包括超声法、胸阻抗法、脉搏波波形分析法等。超声法通过连续多普勒超声波技术，测量主动脉或者肺动脉的血流速度，得到血流速度的时间积分，再乘其管腔截面面积计算出每搏量等指标。代表性仪器有澳大利亚USCOM仪器。基于超声法的CO测量仪器对操作者要求较高，传感器的力度和方向都会影响血流速度波形，从而影响计算结果，超声法与热稀释法的测量结果误差可达40％，所以，其准确性和稳定性有待改进。胸阻抗法通过测量人体体表电极的电位变化，建立电位与心排量之间的关系，从而实现心排量的测量。该方法的典型代表包括美国的NICOM系统和德国的ICON系统等。阻抗法因其无创、连续测量、设备简单、安全已普遍应用与临床，但是该技术较依赖于振荡电流通过胸腔的扩散，抗干扰能力较差。基于脉搏波波形分析法可以通过光学技术获得动脉内血流容量变化引起的透射或反射光的变化。当动脉中血流量随心脏搏动变化时，光源发出的光经过动脉后被探测器接收，其接收光强与血流量同步发生脉动变化，进而利用动脉血流量与CO之间的关系模型计算出CO，从而实现CO测量。光电容积脉搏波测量心输出量时成本较低、信号稳定，但波形形状易受传感器位置和背景光的影响，准确性有待提高。基于脉搏波波形分析法也可以通过压力传感器获得的外周脉搏波形，然后建立血管数学模型和统计模型，如Windkessel模型、传输线模型、回归模型等，通过模型计算CO。由于外周脉搏波形获取十分容易，且设备廉价，能很好地监测心输出量的相对变化，所以，该技术具有宽广的应用前景，但是，该技术还存在一些不足，如数学模型不够准确，尤其是缺乏对个体差异性的考虑，往往导致心输出量绝对值偏差较大。综上所述，心输出量的测量正从有创和微创向无创方向发展，基于脉搏波的波形分析法的优势较为突出，但是存在心输出量测量不够准确的问题。
技术实现思路
针对上述技术的不足，本专利技术提供了一种个体化心输出量的无创测量方法，解决现有技术中的无创测量方法针对个体的心输出量测量的准确性不高的技术问题。为解决上述技术问题，本专利技术的技术方案如下：一种个体化心输出量的无创测量系统，包括肱动脉血压测量模块与外周浅层动脉脉搏波测量模块，肱动脉测量血压测量模块用于采集肱动脉的血压参数，包括肱动脉收缩压与肱动脉舒张压；外周浅层动脉脉搏波测量模块用于采集外周浅层动脉脉搏波；脉搏波校正模块用于输入肱动脉的血压参数与外周浅层动脉脉搏波，利用肱动脉的血压参数对外周浅层动脉脉搏波进行校正，并将校正后的外周浅层动脉脉搏波输出给脉搏波特征提取模块；脉搏波特征提取模块用于从校正后的外周浅层动脉脉搏波中提取脉搏波特征，并包括以下时域特征：血压特征、时间特征、面积特征与比例特征，并将脉搏波特征输出给个体化脉搏波特征向量生成模块；个体化脉搏波特征向量生成模块用于根据脉搏波特征与受测者的个体生理参数生成个体化脉搏波特征向量，并输出给已训练完成的人工神经网络；人工神经网络用于根据输入的个体化脉搏波特征向量，计算出对应的每博量，并输出给心输出量计算模块；心输出量计算模块用于根据每博量计算出心输出量，计算公式如下：CO＝SV*N/Fs*60其中，CO表示心输出量，SV表示每博量，N表示一个心动周期内脉搏波的采样点数，Fs表示系统的信号采样频率。进一步的，还包括用于测量从肱动脉到外周浅层动脉的脉搏波传导速度的脉搏波传导速度测量模块；外周浅层动脉脉搏波为桡动脉血压波、手指动脉血压波或下肢动脉血压波，脉搏波校正模块根据如下公式对外周浅层动脉脉搏波进行校正：其中，是校正前的外周浅层动脉脉搏波；Wr是校正后的外周浅层动脉脉搏波；SBPb是肱动脉收缩压；DBPb是肱动脉舒张压；SBPr是外周浅层动脉脉搏波收缩压；DBPr是外周浅层动脉脉搏波舒张压；α是肱动脉到外周浅层动脉的放大因子，c1、c2均为回归系数，PWV为受测者的脉搏波传导速度，PWV0为脉搏波传导速度参考值。进一步的，放大因子α的取值范围限制在[1,1.5]。进一步的，人工神经网络的输入层采用如下公式对个体化脉搏波特征向量进行归一化：其中，表示个体化脉搏波特征向量，表示归一化后的个体化脉搏波特征向量，表示归一化增益向量，表示归一化偏移向量；归一化后的个体化脉搏波特征向量经过隐藏层与输出层后得到准输出向量准输出向量的计算公式如下：其中，f表示人工神经网络中的结合函数，表示的转置向量，表示权重矩阵，表示权重列向量，与均表示偏移列向量；输出层将准输出向量进行反归一化，从而得到输出量，即每博量，按如下公式计算：其中，SV表示每博量，表示反归一化增益向量，表示反归一化偏移向量。进一步的，用于训练人工神经网络的样本数据来源于热稀释法的心输出量、每博量和桡动脉血压波形，每个样本均以饶动脉血压波形的时频特征和个体生理参数组成的特征向量作为输入量，并以与桡动脉血压波形对应的每博量作为标准输出量；样本数据被分成训练样本集与测试样本集，采用训练样本集对人工神经网络进行训练；采用测试样本集对训练后的人工神经网络进行测试，若输出量与标准输出量的误差满足阈值，则表示训练完成，训练完成后的人工神经网络获得能够使输出量与标准输出量的误差满足阈值的参数组合，参数组合中的参数包括归一化增益向量归一化偏移向量权重矩阵权重列向量偏移列向量偏移列向量反归一化增益向量与反归一化偏移向量...

【技术保护点】
1.一种个体化心输出量的无创测量系统，其特征在于，包括肱动脉血压测量模块、外周浅层动脉脉搏波测量模块，肱动脉测量血压测量模块用于采集肱动脉的血压参数，包括肱动脉收缩压与肱动脉舒张压；外周浅层动脉脉搏波测量模块用于采集外周浅层动脉脉搏波；/n脉搏波校正模块用于输入肱动脉的血压参数与外周浅层动脉脉搏波，利用肱动脉的血压参数对外周浅层动脉脉搏波进行校正，并将校正后的外周浅层动脉脉搏波输出给脉搏波特征提取模块；/n脉搏波特征提取模块用于从校正后的外周浅层动脉脉搏波中提取脉搏波特征，并包括以下时域特征：血压特征、时间特征、面积特征与比例特征，并将脉搏波特征输出给个体化脉搏波特征向量生成模块；/n个体化脉搏波特征向量生成模块用于根据脉搏波特征与受测者的个体生理参数生成个体化脉搏波特征向量，并输出给已训练完成的人工神经网络；/n人工神经网络用于根据输入的个体化脉搏波特征向量，计算出对应的每博量，并输出给心输出量计算模块；/n心输出量计算模块用于根据每博量计算出心输出量，计算公式如下：/nCO＝SV*N/Fs*60/n其中，CO表示心输出量，SV表示每博量，N表示一个心动周期内脉搏波的采样点数，Fs表示系统的信号采样频率。/n...

【技术特征摘要】
1.一种个体化心输出量的无创测量系统，其特征在于，包括肱动脉血压测量模块、外周浅层动脉脉搏波测量模块，肱动脉测量血压测量模块用于采集肱动脉的血压参数，包括肱动脉收缩压与肱动脉舒张压；外周浅层动脉脉搏波测量模块用于采集外周浅层动脉脉搏波；
脉搏波校正模块用于输入肱动脉的血压参数与外周浅层动脉脉搏波，利用肱动脉的血压参数对外周浅层动脉脉搏波进行校正，并将校正后的外周浅层动脉脉搏波输出给脉搏波特征提取模块；
脉搏波特征提取模块用于从校正后的外周浅层动脉脉搏波中提取脉搏波特征，并包括以下时域特征：血压特征、时间特征、面积特征与比例特征，并将脉搏波特征输出给个体化脉搏波特征向量生成模块；
个体化脉搏波特征向量生成模块用于根据脉搏波特征与受测者的个体生理参数生成个体化脉搏波特征向量，并输出给已训练完成的人工神经网络；
人工神经网络用于根据输入的个体化脉搏波特征向量，计算出对应的每博量，并输出给心输出量计算模块；
心输出量计算模块用于根据每博量计算出心输出量，计算公式如下：
CO＝SV*N/Fs*60
其中，CO表示心输出量，SV表示每博量，N表示一个心动周期内脉搏波的采样点数，Fs表示系统的信号采样频率。


2.根据权利要求1所述的个体化心输出量的无创测量系统，其特征在于，还包括用于测量肱动脉到外周浅层动脉的脉搏波传导速度的脉搏波传导速度测量模块；外周浅层动脉脉搏波为桡动脉血压波、手指动脉血压波或下肢动脉血压波，脉搏波校正模块根据如下公式对外周浅层动脉脉搏波进行校正：



其中，是校正前的外周浅层动脉脉搏波；Wr是校正后的外周浅层动脉脉搏波；SBPb是肱动脉收缩压；DBPb是肱动脉舒张压；SBPr是外周浅层动脉脉搏波收缩压；DBPr是外周浅层动脉脉搏波舒张压；α是肱动脉到外周浅层动脉的放大因子，c1、c2均为回归系数，PWV为受测者的脉搏波传导速度，PWV0为脉搏波传导速度参考值。


3.根据权利要求2所述的个体化心输出量的无创测量系统，其特征在于，放大因子α的取值范围限制在[1,1.5]。


4.根据权利要求1所述的个体化心输出量的无创测量系统，其特征在于，脉搏波特征提取模块还从校正后的外周浅层动脉脉搏波中提取包含多倍频的谐波幅值在内的频域特征，时域特征与频域特征合并组成脉搏波特征后输出给个体化脉搏波特征向量生成模块。


5.根据权利要求1所述的个体化心输出量的无创测量系统，其特征在于，人工神经网络的输入层采用如下公式对个体化脉搏波特征向量进行归一化：



其中，表示个体化脉搏波特征向量，表示归一化后的个体化脉搏波特征向量，表示归一化增益向量，表示归一化偏移向量；
归一化后的个体化脉搏波特征向量经过隐藏层与输出层后得到准输出向量准输出向量的计算公式如下：



其中，f表示人工神经网络中的结合函数，表示的转置向量，表示权重矩阵，表示权重列向量，与均表示偏移列向量；
输出层将准输出向量进行反归一化，从而得到输出量，即每博量，按如下公式计算：



其中，SV表示每博量，表示反归一化增益向量，表示反归一化偏移向量。


6.根据权利要求1所述的个体化心输出量的无创测量系统，其特征在于，用于训练人工神经网络的样本数据来源于热稀释法的心输出量、每博量和桡动脉血压波形，每个样本均以饶动...

【专利技术属性】
技术研发人员：肖汉光，黄金锋，任慧娇，
申请(专利权)人：重庆理工大学，
类型：发明
国别省市：重庆;50