使用深度学习的自动调节监测制造技术

在一些示例中，一种系统被配置为使用脑自动调节模型的神经网络算法，至少部分地基于患者在一定时间段内的血压和患者在所述时间段内的区域脑氧饱和度来确定患者的脑自动调节状态

【技术实现步骤摘要】
【国外来华专利技术】使用深度学习的自动调节监测
[0001]本申请要求于
2021
年3月
23
日提交的名称为“使用深度学习的自动调节监测
[AUTOREGULATION MONITORING USING DEEP LEARNING]”的美国专利申请号
17/210,222
的优先权，该美国专利申请的全部内容通过援引并入本文
。


[0002]本公开涉及监测患者的自动调节状态
。

技术介绍

[0003]临床医生可以监测患者的一个或多个生理参数，例如，以监测患者的自动调节状态
。
自动调节是一种反应机制，有机体借助该反应机制通过复杂的肌源性
、
神经源性和代谢机制在广泛的全身血压变化范围内调节血流
。
在自动调节期间，小动脉扩张或收缩以试图维持适当的血流
。
自动调节可以发生在各种器官和器官系统中，诸如大脑
、
肾脏
、
胃肠道等
。
在脑自动调节的示例中，当脑血压降低时，脑小动脉会扩张以试图维持血流
。
当脑压升高时，脑小动脉会收缩以减少可能导致大脑损伤的血流
。

技术实现思路

[0004]本公开描述了使用机器学习确定患者的脑自动调节状态的示例装置
、
系统和技术
。
例如，一种系统可以被配置为接收指示患者在一定时间段内的血压的血压信号和指示所述患者在所述时间段内的区域脑氧饱和度的氧饱和度信号
。
所述系统可以将患者的血压和患者的区域脑氧饱和度以及与患者相关联的附加数据输入到脑自动调节模型中，以确定患者的脑自动调节模型
。
[0005]脑自动调节模型可以包括神经网络算法，该神经网络算法已经经由使用来自患者群体的训练数据进行机器学习训练来训练
。
这种训练数据可以包括患者群体的血压数据和区域脑氧饱和度数据以及经标记的地面真值，以使神经网络算法能够学习患者的血压与区域脑氧饱和度之间的关系以及这种关系与脑自动调节状态之间的关联
。
[0006]在一些示例中，用于训练神经算法的训练数据还可以包括从血压数据和区域脑氧饱和度数据得出的附加数据，诸如血压数据的梯度
、
区域脑氧饱和度数据的梯度以及指定血压数据与区域脑氧饱和度数据之间的相关性的脑血氧指数
。
进一步地，在一些示例中，训练数据还可以包括诸如用于指示患者是否正在接受心肺转流术手术的转流标志等附加数据
。
[0007]与使用可能仅基于患者的血压数据的机械式算法相比，通过使用包括已经经由机器学习训练来训练的神经网络算法的脑自动调节模型来确定患者的脑自动调节状态，本公开的技术可以使脑自动调节监测装置能够更准确地确定患者的脑自动调节状态，并且减少假阳性和假阴性
。
因此，本公开中所公开的技术提供了技术优点
。
[0008]在一个示例中，本公开描述了一种方法，所述方法包括：接收指示患者在一定时间段内的血压的血压信号和指示所述患者在所述时间段内的区域脑氧饱和度的氧饱和度信
号；使用脑自动调节模型的神经网络算法，至少部分地基于所述患者在所述时间段内的血压和所述患者在所述时间段内的区域脑氧饱和度来确定所述患者的脑自动调节状态；以及向输出装置发送指示所述患者的脑自动调节状态的信号
。
[0009]在另一示例中，本公开描述了一种系统，所述系统包括：血压感测装置；氧饱和度感测装置；以及处理电路系统，所述处理电路系统被配置为：从所述血压感测装置接收指示患者在一定时间段内的血压的血压信号，并且从所述氧饱和度感测装置接收指示所述患者在所述时间段内的区域脑氧饱和度的氧饱和度信号；使用脑自动调节模型的神经网络算法，至少部分地基于所述患者在所述时间段内的血压和所述患者在所述时间段内的区域脑氧饱和度来确定所述患者的脑自动调节状态；以及向输出装置发送指示患者的脑自动调节状态的信号
。
[0010]在另一示例中，本公开描述了一种非暂态计算机可读可存储介质，所述介质包括指令，当所述指令当被处理电路系统执行时使所述处理电路系统：接收指示患者在一定时间段内的血压的血压信号和指示所述患者在所述时间段内的区域脑氧饱和度的氧饱和度信号；使用脑自动调节模型的神经网络算法，至少部分地基于所述患者在所述时间段内的血压和所述患者在所述时间段内的区域脑氧饱和度来确定所述患者的脑自动调节状态；以及向输出装置发送指示患者的脑自动调节状态的信号
。
[0011]在另一示例中，本公开描述了一种设备，该设备包括：用于接收指示患者在一定时间段内的血压的血压信号和指示患者在所述时间段内的区域脑氧饱和度的氧饱和度信号的装置；用于使用脑自动调节模型的神经网络算法，至少部分地基于所述患者在所述时间段内的血压和所述患者在所述时间段内的区域脑氧饱和度来确定所述患者的脑自动调节状态的装置；以及用于向输出装置发送指示所述患者的脑自动调节状态的信号的装置
。
[0012]在附图和下文的说明中阐述了一个或多个示例的细节
。
根据本说明书和附图以及权利要求书，其他特征
、
目的和优点将是清楚的
。
附图说明
[0013]图1是展示了示例脑自动调节监测系统的概念框图
。
[0014]图2展示了可以对图1所示的脑自动调节模型执行训练的示例训练系统的细节
。
[0015]图3展示了图1和图2的示例脑自动调节模型的示例深度学习架构
。
[0016]图4展示了图1和图2的示例脑自动调节模型的示例深度学习架构
。
[0017]图5展示了使用图3和图4的深度学习架构进行脑自动调节状态分类的结果的示例图形
。
[0018]图6展示了包括脑自动调节信息的示例用户界面
。
[0019]图7是展示了用于监测患者的脑自动调节状态的示例方法的流程图
。
[0020]图8是展示了用于监测患者的脑自动调节状态的示例方法的流程图
。
具体实施方式
[0021]图1是展示了示例脑自动调节监测系统
100
的概念框图
。
如图1所示，脑自动调节监测系统
100
包括处理电路系统
110、
存储器
120、
控制电路系统
122、
用户界面
130、
感测电路系统
140
和
142、
以及感测装置
150
和
152。
在图1所示的示例中，用户界面
130
可以包括显示器
132、
输入装置
134
和
/
或扬声器
136
，该扬声器可以本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.
一种系统，包括：血压感测装置；氧饱和度感测装置；以及处理电路系统，所述处理电路系统被配置为：从所述血压感测装置接收指示患者在一定时间段内的血压的血压信号，并且从所述氧饱和度感测装置接收指示所述患者在所述时间段内的区域脑氧饱和度的氧饱和度信号；使用脑自动调节模型的神经网络算法，至少部分地基于所述患者在所述时间段内的血压和所述患者在所述时间段内的区域脑氧饱和度来确定所述患者的脑自动调节状态；并且向输出装置发送指示所述患者的脑自动调节状态的信号
。2.
如权利要求1所述的系统，其中，使用所述脑自动调节模型的神经网络算法来确定所述患者的脑自动调节状态进一步至少部分地基于以下各项中的一项或多项：所述患者在所述时间段内的血压的梯度；所述患者在所述时间段内的区域脑氧饱和度的梯度；或者所述患者在所述时间段内的脑氧合指数
。3.
如权利要求1或2中任一项所述的系统，其中，所述处理电路系统进一步被配置为使用所述脑自动调节模型的神经网络算法，至少部分地基于指示所述患者在所述时间段期间正在接受心肺转流术手术的转流标志来确定所述患者的脑自动调节状态
。4.
如权利要求1至3中任一项所述的系统，其中，所述神经网络算法是经由对训练数据的机器学习来训练的，以将所述患者的脑自动调节状态分类为以下状态之一：受损
、
完好无损或未知
。5.
如权利要求4所述的系统，其中，所述训练数据包括以下各项中的两项或更多项：一个或多个患者随时间变化的血压；所述一个或多个患者随时间变化的区域脑氧饱和度值；所述一个或多个患者在多个时间段中的每个时间段内的血压的梯度；所述一个或多个患者在所述多个时间段中的每个时间段内的区域脑氧饱和度的梯度；所述一个或多个患者在所述时间段中的每个时间段内的血压和区域脑氧饱和度的脑血氧指数
(COx)
；指示所述一个或多个患者在所述时间段中的每个时间段期间是否正在接受心肺转流术手术的一个或多个转流标志；以下各项中的一项或多项的形态特征：在所述时间段中的每个时间段期间的所述血压或所述区域脑氧饱和度；所述一个或多个患者随时间变化的收缩压；所述一个或多个患者随时间变化的舒张压；或者与所述一个或多个患者相关联的人口统计数据
。6.
如权利要求5所述的系统，其中：所述一个或多个患者随时间变化的血压包括，对于所述时间段中的每个时间段，在相应时间段期间的血压减去随时间变化的所述血压的均值；并且所...

【专利技术属性】
技术研发人员：D，
申请(专利权)人：柯惠有限合伙公司，
类型：发明
国别省市：