專利名稱：一種顱內(nèi)壓無創(chuàng)綜合監(jiān)測(cè)分析方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及生物醫(yī)學(xué)工程領(lǐng)域，具體涉及一種基于數(shù)據(jù)挖掘的顱內(nèi)壓無創(chuàng)綜合監(jiān)測(cè)分 析方法及裝置。
背景技術(shù)：
顱內(nèi)壓(icp)與腦灌注壓(cpp)有關(guān)，icp增高將導(dǎo)致cpp的降低，如果不加控制， 將導(dǎo)致嘔吐、頭痛或視力模糊，甚至是失去知覺，ICP持續(xù)升高可能導(dǎo)致永久性的腦損傷， 嚴(yán)重情況下，將導(dǎo)致病人殘疾甚至死亡。因此，icp是反映腦功能狀態(tài)的一項(xiàng)重要指標(biāo)。 及時(shí)準(zhǔn)確檢測(cè)患者icp是否正常，是醫(yī)療部門正確診斷、積極治療及療效評(píng)價(jià)的直接依據(jù)。
目前，雖然已經(jīng)有人提出了多種icp無創(chuàng)檢測(cè)方法，但目前最常采用的icp監(jiān)測(cè)方
法仍然是有創(chuàng)方法，如腰穿法或開顱測(cè)壓法，不但對(duì)腦組織有一定的損傷，并可能造成并 發(fā)感染，而且醫(yī)療費(fèi)用較高，要求醫(yī)生有較高的技術(shù)，增加了病人痛苦，限制了病人活動(dòng) 的自由，因而臨床應(yīng)用受到很大的局限。
基于不同的檢測(cè)原理，也有人己經(jīng)提出了多種ICP的無創(chuàng)評(píng)估方法。這些無創(chuàng)方法的 共同思想是通過檢測(cè)與icp變化有關(guān)的某個(gè)物理變量來間接獲得顱內(nèi)壓的無創(chuàng)檢測(cè)結(jié)果。 如基于CT、經(jīng)顱多普勒(Transcranial D叩pler， TCD)的顱高壓的無創(chuàng)檢測(cè)、基于閃光 視覺誘發(fā)電位的N2波潛伏期的變化與顱內(nèi)壓的正相關(guān)關(guān)系的顱內(nèi)中高壓檢測(cè)、基于鼓膜 移位法(ty卿anic membrane displacement ， TMD)的低顱壓檢測(cè)和基于前囟測(cè)壓 (Anterior Fontanel Pressure, AFP)法的適用于新生兒和嬰幼兒的顱內(nèi)壓檢測(cè)，不同原 理的顱內(nèi)壓無創(chuàng)檢測(cè)方法各有其優(yōu)缺點(diǎn)和適用范圍。如中國(guó)專利公告的ZL01135697. 9 "無 創(chuàng)傷顱內(nèi)壓監(jiān)測(cè)儀"、ZL02104049.4 "—種顱內(nèi)壓檢測(cè)裝置"等公開的顱內(nèi)壓無創(chuàng)檢測(cè)技 術(shù)，國(guó)外也公布了多項(xiàng)顱內(nèi)壓無創(chuàng)檢測(cè)技術(shù)。但是，現(xiàn)有市場(chǎng)上存有的專用于顱內(nèi)壓無創(chuàng) 檢測(cè)的設(shè)備極少，CT、 TCD雖可以用于ICP的無創(chuàng)檢測(cè)和評(píng)估，但都不是專門針對(duì)顱內(nèi)壓 無創(chuàng)監(jiān)測(cè)的，且由于儀器本身的特點(diǎn)，使用受到很大限制；雖然基于閃光視覺誘發(fā)電位檢 測(cè)原理的顱內(nèi)壓無創(chuàng)檢測(cè)儀器已經(jīng)在市場(chǎng)上有售，但是其是基于單一 ICP無創(chuàng)檢測(cè)方法的， 因而不可避免具有原理缺陷，而且現(xiàn)有技術(shù)還存在如下不足(1)價(jià)格相對(duì)昂貴，硬件組成較復(fù)雜；(2)信號(hào)處理方法較單純，儀器重復(fù)性程度不高，需人工干預(yù)診斷結(jié)果；(3) 對(duì)不同疾病引起的顱內(nèi)壓增高情況的魯棒性不強(qiáng)；(4)儀器開放性程度不夠，信息管理和 交流能力較弱；(5)已有方法在顱內(nèi)壓無創(chuàng)監(jiān)測(cè)方面存在的缺陷不在于它們沒有找到與顱 內(nèi)壓相關(guān)的變量，而在于缺乏一個(gè)校準(zhǔn)這些變量來獲取顱內(nèi)壓絕對(duì)波形數(shù)值的數(shù)據(jù)處理系 統(tǒng)。

發(fā)明內(nèi)容
針對(duì)現(xiàn)有技術(shù)存在的上述不足，本發(fā)明的目的是提供一種精度高、抗干擾能力強(qiáng)、成 本低、智能化程度高的顱內(nèi)壓無創(chuàng)綜合監(jiān)測(cè)分析方法及裝置，以實(shí)現(xiàn)顱內(nèi)壓無創(chuàng)定量檢測(cè) 和長(zhǎng)時(shí)監(jiān)護(hù)。
本發(fā)明的目的是這樣實(shí)現(xiàn)的顱內(nèi)壓無創(chuàng)綜合監(jiān)測(cè)分析方法，其特征在于，通過與計(jì) 算機(jī)相連的閃光視覺誘發(fā)電位測(cè)量子系統(tǒng)和經(jīng)顱多普勒監(jiān)測(cè)子系統(tǒng)獲取生理參數(shù)和生物 力學(xué)參數(shù)，由顱內(nèi)壓無創(chuàng)綜合監(jiān)測(cè)數(shù)學(xué)模型及軟件對(duì)參數(shù)進(jìn)行無縫融合和處理分析，得到 盧頁(yè)內(nèi)壓的無創(chuàng)定量檢測(cè)值和動(dòng)態(tài)變化過程；
其中，所述顱內(nèi)壓無創(chuàng)綜合監(jiān)測(cè)數(shù)學(xué)模型是從病理學(xué)和生物力學(xué)角度出發(fā)，采用閃光 視覺誘發(fā)電位和經(jīng)顱多普勒監(jiān)測(cè)病人特征生理參數(shù)，基于數(shù)據(jù)挖掘和系統(tǒng)辨識(shí)方法，提取 出引起顱內(nèi)壓增高的不同病癥與顱內(nèi)壓無創(chuàng)監(jiān)測(cè)方法特征值之間的相關(guān)關(guān)系，通過構(gòu)建新 型的數(shù)據(jù)庫(kù)管理機(jī)制和模型訓(xùn)練機(jī)制建立；該數(shù)學(xué)模型反映有創(chuàng)顱內(nèi)壓值與無創(chuàng)顱內(nèi)壓監(jiān) 測(cè)值之間的相關(guān)關(guān)系，實(shí)現(xiàn)對(duì)引起顱內(nèi)壓增高的不同病理與生物力學(xué)控制參數(shù)深層次的無 縫融合及綜合應(yīng)用，提高顱內(nèi)壓無創(chuàng)監(jiān)測(cè)的精度；
所述顱內(nèi)壓無創(chuàng)綜合監(jiān)測(cè)數(shù)學(xué)模型及軟件(3)通過如下步驟實(shí)現(xiàn)
① 應(yīng)用閃光視覺誘發(fā)電位測(cè)量子系統(tǒng)，利用所述數(shù)學(xué)模型得到的病人顱內(nèi)壓變化與 閃光視覺誘發(fā)電位潛伏期變化之間的函數(shù)關(guān)系，得到病人的顱內(nèi)壓無創(chuàng)檢測(cè)值；并以此值 作為經(jīng)顱多普勒監(jiān)測(cè)顱內(nèi)壓數(shù)學(xué)模型的修正輸入值；
② 利用經(jīng)顱多普勒監(jiān)測(cè)子系統(tǒng)，監(jiān)測(cè)病人大腦中動(dòng)脈的血流動(dòng)力學(xué)參數(shù)，并于動(dòng)脈 血壓一起作為所述數(shù)學(xué)模型的輸入，從而連續(xù)得到病人顱內(nèi)壓的無創(chuàng)監(jiān)測(cè)值和動(dòng)態(tài)變化過 程；
③ 每隔5分鐘利用閃光視覺誘發(fā)電位測(cè)量子系統(tǒng)得到一次病人的顱內(nèi)壓無創(chuàng)檢測(cè)值， 并以此修正由經(jīng)顱多普勒監(jiān)測(cè)子系統(tǒng)得到的顱內(nèi)壓連續(xù)變化趨勢(shì)估計(jì)；
重復(fù)上述過程，把每次得到的病人顱內(nèi)壓無創(chuàng)監(jiān)測(cè)值通過顱內(nèi)壓無創(chuàng)綜合監(jiān)測(cè)軟件(3)處理，得到病人的顱內(nèi)壓連續(xù)動(dòng)態(tài)變化過程，通過顯示器(2)顯示。
相比現(xiàn)有技術(shù)，本發(fā)明具有下述優(yōu)點(diǎn)I 、利用多功能數(shù)據(jù)采集設(shè)備，使系統(tǒng)實(shí)現(xiàn)更好的校準(zhǔn)，從而達(dá)到更高的精度；
II、 兩種顱內(nèi)壓無創(chuàng)檢測(cè)方法協(xié)調(diào)作用，檢測(cè)參數(shù)由顱內(nèi)壓無創(chuàng)綜合監(jiān)測(cè)軟件統(tǒng)一于數(shù)據(jù)庫(kù)管理系統(tǒng)，進(jìn)行統(tǒng)一的綜合比較和處理，實(shí)現(xiàn)深層次的無縫融合，檢測(cè)結(jié)果更真實(shí)反映顱內(nèi)壓的值和變化趨勢(shì)；
III、 軟件與硬件分離，方便升級(jí)；
IV、 軟件可作為獨(dú)立程序使用，用于將視覺誘發(fā)電位數(shù)據(jù)回放、多普勒參數(shù)和包絡(luò)顯示、病歷管理、病人信息查詢、顱內(nèi)壓的計(jì)算和檢測(cè)、遠(yuǎn)程檢測(cè)和會(huì)診；
V、 可實(shí)現(xiàn)顱內(nèi)壓的無創(chuàng)定量檢測(cè)和長(zhǎng)時(shí)監(jiān)護(hù)；
VI、 可配合豐富的軟件包，實(shí)現(xiàn)視覺誘發(fā)電位數(shù)據(jù)的時(shí)域分析，頻域分析，頻帶提取，閃光視覺誘發(fā)電位各波潛伏期與多普勒參數(shù)的自動(dòng)獲取和顱內(nèi)壓值的自動(dòng)計(jì)算，計(jì)算機(jī)輔助診斷等功能；
W、病人的視覺誘發(fā)電位和多普勒信號(hào)記錄可在硬盤中作長(zhǎng)時(shí)間的保存，也可以轉(zhuǎn)錄到刻錄光盤作永久性的保存；
VIII、可通過計(jì)算機(jī)的聯(lián)網(wǎng)功能實(shí)現(xiàn)顱內(nèi)壓的遠(yuǎn)程檢測(cè)、診斷和會(huì)診。K、結(jié)構(gòu)簡(jiǎn)單、成本更低。


圖1是本發(fā)明顱內(nèi)壓無創(chuàng)綜合監(jiān)測(cè)分析方法的軟件數(shù)學(xué)模型訓(xùn)練過程框圖；圖2是本發(fā)明局部線性模型樹關(guān)于迭代地劃分輸入變量空間的算法示例；圖3是本發(fā)明顱內(nèi)壓無創(chuàng)綜合監(jiān)測(cè)分析方法的模型框架；圖4是實(shí)現(xiàn)本發(fā)明的顱內(nèi)壓無創(chuàng)綜合監(jiān)測(cè)裝置原理方框圖；圖5是本發(fā)明顱內(nèi)壓無創(chuàng)綜合監(jiān)測(cè)分析方法的軟件流程框圖。
圖中l(wèi)計(jì)算機(jī)，2顯示器，3顱內(nèi)壓無創(chuàng)綜合監(jiān)測(cè)方法軟件，4閃爍光源，5采集電極，6開關(guān)電源，7 PRE-VEP型放大器，8數(shù)據(jù)采集卡及定時(shí)計(jì)數(shù)器，9超聲換能探頭，IO超聲信號(hào)控制單元，ll超聲信號(hào)寬帶放大和解調(diào)電路，12數(shù)據(jù)采集卡，13打印機(jī)。
具體實(shí)施例方式
下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明顱內(nèi)壓無創(chuàng)綜合監(jiān)測(cè)分析方法作進(jìn)一步說明
6如圖4所示，實(shí)現(xiàn)本發(fā)明顱內(nèi)壓無創(chuàng)綜合監(jiān)測(cè)分析方法的裝置，主要包括計(jì)算機(jī)l及其顯示器2、閃爍光源4和采集電極5、超聲換能探頭9，還包括開關(guān)電源6 、 PRE-VEP型放大器7和數(shù)據(jù)采集卡及定時(shí)計(jì)數(shù)器8，超聲信號(hào)控制單元IO、超聲信號(hào)寬帶放大和解調(diào)電路11及數(shù)據(jù)采集卡12;采集電極5和閃爍光源4分別與PRE-VEP型放大器7、數(shù)據(jù)采集卡及定時(shí)計(jì)數(shù)器8與計(jì)算機(jī)1連接；而超聲換能探頭9通過超聲信號(hào)控制單元10、超聲信號(hào)寬帶放大和解調(diào)電路11及數(shù)據(jù)采集卡12與計(jì)算機(jī)1連接。所述閃爍光源4是由兩組發(fā)光二極管陣列組成的，可以由顱內(nèi)壓無創(chuàng)綜合監(jiān)測(cè)軟件3通過數(shù)據(jù)采集卡及定時(shí)計(jì)數(shù)器8對(duì)其控制，使其按照設(shè)定的頻率閃爍以獲得閃光刺激。
其中，用于視覺誘發(fā)電位信號(hào)的放大的PRE-VEP型放大器7采用北京祥云計(jì)算機(jī)公司生產(chǎn)的PRE-IS0.VEP 50/^的隔離式放大調(diào)理電路，放大器輸出信號(hào)通過數(shù)據(jù)采集卡及定
時(shí)計(jì)數(shù)器8與計(jì)算機(jī)1通訊；
超聲信號(hào)寬帶放大和解調(diào)電路11為自制控制和處理電路，可采用如圖5所示電路單元；該單元的輸出信號(hào)通過數(shù)據(jù)采集卡12與計(jì)算機(jī)通訊。
所述數(shù)據(jù)采集卡及定時(shí)計(jì)數(shù)器8可采用目前市場(chǎng)上流行的基于PCI或USB總線的數(shù)據(jù)采集裝置，僅要求其具有16路A/D轉(zhuǎn)換通道，16位，采樣率〉250KHz，具有多于1個(gè)的16位定時(shí)技術(shù)器。
使用本顱內(nèi)壓無創(chuàng)綜合檢測(cè)監(jiān)護(hù)分析裝置，對(duì)于閃光視覺誘發(fā)電位信號(hào)處理部分，將4個(gè)采集電極(可使用現(xiàn)行腦電圖檢測(cè)中通用的橋式電極或盤狀電極)分別放置在病人的眉間作為地電極，額頭發(fā)際處作為參考電極，以及安放在左右枕骨處用來提取視覺誘發(fā)電位信號(hào)；然后，以一定的閃光刺激頻率控制閃爍光源閃光以給視覺通路閃光刺激，從枕骨處采集到的視覺誘發(fā)電位信號(hào)經(jīng)過PRE-VEP型放大器后，通過數(shù)據(jù)采集卡及定時(shí)計(jì)數(shù)器轉(zhuǎn)換為數(shù)字量，計(jì)算機(jī)將接收到的視覺誘發(fā)電位數(shù)據(jù)進(jìn)行進(jìn)一步的數(shù)字濾波處理后，將結(jié)果顯示在顯示器上，也可保存在計(jì)算機(jī)的硬盤中。
對(duì)于多普勒超聲檢測(cè)部分，超聲換能探頭9置于大腦中動(dòng)脈(MCA)位置對(duì)其連續(xù)監(jiān)測(cè)，通過超聲信號(hào)控制單元10對(duì)超聲換能探頭9控制，和寬帶放大及解調(diào)電路單元11的進(jìn)一步處理獲得大腦血流速度信號(hào)，通過插在計(jì)算機(jī)PCI插槽中的數(shù)據(jù)采集卡12轉(zhuǎn)換為數(shù)字量，計(jì)算機(jī)1將接收的超聲多譜勒信號(hào)以圖象和數(shù)值的形式顯示在顯示器2上，同時(shí)把數(shù)據(jù)保存到硬盤上。
本發(fā)明顱內(nèi)壓無創(chuàng)綜合檢測(cè)監(jiān)護(hù)裝置利用基于本發(fā)明所述方法開發(fā)的顱內(nèi)壓無創(chuàng)綜合監(jiān)測(cè)軟件，根據(jù)閃光視覺誘發(fā)電位與顱內(nèi)壓的正相關(guān)關(guān)系、超聲多譜勒信號(hào)中提取的腦血流速度與顱內(nèi)壓的非線性映射函數(shù)關(guān)系對(duì)兩類數(shù)據(jù)進(jìn)行綜合處理，根據(jù)顱內(nèi)壓的高低、病人年齡、性別、病因等因素進(jìn)行判斷和處理，最后在顯示器上顯示出更精確的顱內(nèi)壓無
創(chuàng)檢測(cè)值和顱內(nèi)壓的連續(xù)變化趨勢(shì)圖，具體過程如圖6所示。
本發(fā)明所述軟件工作于微軟公司的Windows操作系統(tǒng)平臺(tái)，采用Visual C++ 6. 0編程語(yǔ)言編程，可在Windows 2000/XP/NT， Windows Vista及后續(xù)版本的操作系統(tǒng)平臺(tái)下工作。作為本發(fā)明方法的軟件實(shí)現(xiàn)，允許其脫離本發(fā)明硬件部分獨(dú)立運(yùn)行。通過計(jì)算機(jī)的聯(lián)網(wǎng)功能，可實(shí)現(xiàn)病人顱內(nèi)壓的遠(yuǎn)程檢測(cè)和聯(lián)網(wǎng)會(huì)診。
特別是為了得到從顱內(nèi)壓相關(guān)變量獲得顱內(nèi)壓無創(chuàng)監(jiān)測(cè)定量值的數(shù)據(jù)處理系統(tǒng)，本發(fā)明從病理學(xué)和生物力學(xué)角度出發(fā),采用閃光視覺誘發(fā)電位和經(jīng)顱多普勒監(jiān)測(cè)病人特征生理參數(shù)，基于數(shù)據(jù)挖掘和系統(tǒng)辨識(shí)方法，提取出引起顱內(nèi)壓增高的不同病癥與顱內(nèi)壓無創(chuàng)監(jiān)測(cè)方法特征值之間的相關(guān)關(guān)系，構(gòu)建新型的數(shù)據(jù)庫(kù)管理機(jī)制和模型訓(xùn)練機(jī)制，建立經(jīng)過細(xì)化處理的可學(xué)習(xí)、可記憶數(shù)學(xué)模型，該數(shù)學(xué)模型反映了有創(chuàng)顱內(nèi)壓值與無創(chuàng)顱內(nèi)壓監(jiān)測(cè)值之間的相關(guān)關(guān)系，實(shí)現(xiàn)對(duì)引起顱內(nèi)壓增高的不同病理與生物力學(xué)控制參數(shù)深層次的無縫融合及綜合應(yīng)用，得到與顱內(nèi)壓有關(guān)變量和顱內(nèi)壓變化之間的有效校準(zhǔn)方法，提高顱內(nèi)壓無創(chuàng)監(jiān)測(cè)的精度。
本發(fā)明所述數(shù)學(xué)模型是基于一個(gè)通用生物醫(yī)學(xué)信號(hào)估計(jì)的數(shù)據(jù)處理框架實(shí)現(xiàn)的。這一數(shù)據(jù)處理框架包括一個(gè)信號(hào)數(shù)據(jù)庫(kù)、 一個(gè)模型訓(xùn)練過程和一個(gè)信號(hào)估計(jì)過程。信號(hào)數(shù)據(jù)庫(kù)由多個(gè)數(shù)據(jù)條目組成，每一個(gè)條目由一段有創(chuàng)顱內(nèi)壓以及與顱內(nèi)壓變化相關(guān)的生理信號(hào)和血液動(dòng)力學(xué)參數(shù)動(dòng)態(tài)變化信號(hào)組成。通過圖1所述模型訓(xùn)練過程得到各相關(guān)變量與顱內(nèi)壓變化的數(shù)學(xué)模型的模型參數(shù)及校準(zhǔn)過程，實(shí)現(xiàn)無創(chuàng)顱內(nèi)壓的精確測(cè)量和監(jiān)測(cè)。
本發(fā)明涉及的與顱內(nèi)壓變化相關(guān)的變量包括臨床各生理參數(shù)，如體溫、動(dòng)脈血壓、心率以及閃光視覺誘發(fā)電位信號(hào)和血液動(dòng)力學(xué)特征參數(shù)。
所述模型的訓(xùn)練過程是首先，取出一個(gè)數(shù)據(jù)庫(kù)條目，利用微弱生物醫(yī)學(xué)信號(hào)分析方法，從上述各變量信號(hào)中提取出特征向量，并以此特征向量作為一個(gè)非線性映射函數(shù)的輸入，得到一個(gè)基于使用該數(shù)據(jù)庫(kù)條目的動(dòng)力學(xué)數(shù)學(xué)模型而獲得的無創(chuàng)顱內(nèi)壓的誤差；其次，基于數(shù)據(jù)挖掘技術(shù)，這些誤差變量被進(jìn)一步用數(shù)據(jù)庫(kù)處理函數(shù)來決定最優(yōu)的數(shù)據(jù)庫(kù)條目；最后，被選中的數(shù)據(jù)庫(kù)條目被用來構(gòu)造顱內(nèi)壓無創(chuàng)監(jiān)測(cè)的數(shù)學(xué)模型，從而實(shí)現(xiàn)顱內(nèi)壓的無創(chuàng)監(jiān)測(cè)。
本發(fā)明所述的每一個(gè)數(shù)據(jù)庫(kù)條目是根據(jù)臨床所測(cè)數(shù)據(jù)，利用自適應(yīng)信號(hào)分段算法確定每一個(gè)平穩(wěn)的數(shù)據(jù)段，進(jìn)而用其來構(gòu)造信號(hào)數(shù)據(jù)庫(kù)。信號(hào)分段的目的是利用一個(gè)平穩(wěn)的具
有外界輸入的線性自回歸(Auto Regressive with external input, ARX)模型的系數(shù)作為特征向量。對(duì)信號(hào)的處理及判斷包括以下幾個(gè)主要步驟
1. 對(duì)動(dòng)脈血壓信號(hào)(ABP)和腦血流速度(CBFV)信號(hào)利用分段算法來找到變化點(diǎn)，連續(xù)變化點(diǎn)之間的信號(hào)段屬于一個(gè)平穩(wěn)段；
2. 如果平穩(wěn)段的長(zhǎng)度小于90秒，則把它看作是瞬時(shí)的而不予采用；
3. 如果平穩(wěn)段內(nèi)的顱內(nèi)壓信號(hào)有諸如咳嗽、護(hù)理等原因引起的噪聲，則也不予采用。信號(hào)分段算法是基于多個(gè)卡爾曼濾波來實(shí)現(xiàn)的。為了用公式表達(dá)分割問題，本發(fā)明把
ARX系數(shù)作為時(shí)變的，可以進(jìn)一步寫為一個(gè)一般的時(shí)變線性回歸問題A—^A+e"其中，
^是模型的輸出，時(shí)間點(diǎn)"，&是零均值高斯白噪聲(協(xié)方差為R"， ^是回歸變量，由過去的模型的輸入和輸出樣本組成，^是在躍變點(diǎn)"的模型系數(shù)向量。假設(shè)ABP和CBFV的輸入/輸出模型是分段穩(wěn)定的，^僅以概率《變化
fv 概率為《
lo 概率為l-《
其中， 是零均值高斯噪聲序列(協(xié)方差為R》。信號(hào)分段問題就是要在發(fā)生這種變化時(shí)，找到對(duì)應(yīng)時(shí)間點(diǎn)。本發(fā)明基于Andersson提出的高效的算法。在這個(gè)算法中，用一個(gè)高斯混合模型(個(gè)數(shù)為M)來逼近&的后驗(yàn)概率密度
尸(AI0v"，^-i)盧2^庫(kù)-iG(""，^^-i，^i"-i)/=i
其中",，一一是時(shí)變的，是與第,個(gè)高斯模型關(guān)聯(lián)的權(quán)重。"nln-"意思是在時(shí)間n用的是n-l時(shí)刻的數(shù)據(jù)。函數(shù)G代表標(biāo)準(zhǔn)的高斯概率密度函數(shù)PDF (均值是&M,協(xié)方差矩陣是^M)。進(jìn)一步推導(dǎo)可以得到，
m _ —
尸(e"+i I (u")) = 2"',"i" {^^"'《"|"'尸',"|")+(1 _《)一",《咖，/5,咖+)=i
其中，《 |"， g讒和a,，咖可以從新數(shù)據(jù)樣本yn和A，以及g，咖—,，和a,灘—,，用標(biāo)準(zhǔn)
的卡爾曼濾波算法中的時(shí)間更新迭代部分得到。
如果初始化為M個(gè)高斯混合模型，在n時(shí)刻需要執(zhí)行il/"次卡爾曼濾波。Andersson提
出了一種僅需要很少計(jì)算的近似算法。具體地說，在每個(gè)變化瞬間，它保持了混合系數(shù)M(僅分離最好的高斯模型，并把最壞的替換為新的模型)。在時(shí)刻n，每個(gè)高斯分布的貢獻(xiàn)由《,, |()判定，因?yàn)樽羁赡艿哪Ｐ蛻?yīng)該具有最大的",，咖。4^因此可以用《咖的加權(quán)和求得。
上述獲取^"的算法可以用來解決本發(fā)明專利中的分段問題，即找到動(dòng)力學(xué)模型變化點(diǎn)。具
體而言，如果一個(gè)新獲取的高斯分布在下一個(gè)迭代點(diǎn)仍然是最優(yōu)，這就意味著該時(shí)刻是一個(gè)變化點(diǎn)。位于相鄰兩個(gè)變化點(diǎn)之間的信號(hào)即是一個(gè)平穩(wěn)信號(hào)段。當(dāng)采集到每個(gè)信號(hào)樣本時(shí)，利用該算法決定分離得到的新高斯模型是否為當(dāng)前最好的模型。如果是，當(dāng)前時(shí)間記為變化點(diǎn)。由于在每個(gè)采樣瞬間分段已經(jīng)完成，這個(gè)分段算法的自適應(yīng)性是明顯的。本發(fā)明所述非線性映射函數(shù)基于局域線性模糊模型，從而得到更好的數(shù)據(jù)挖掘方法。
局域線性模糊模型(Local Linear Fuzzy Model, LLFM)的一般形式為
^ = Z(w'，o+wu"i+，-"，+w,，/7"p)0,(w)
其中，m代表局部線性模型的數(shù)量，p是輸入向量u的維數(shù)，向量w,-^,,。，..., }是第1個(gè)線性模型的系數(shù)，o,(")是u的成員函數(shù)(與第i個(gè)線性模型有關(guān))，它控制著第J個(gè)線
性模型對(duì)輸出的貢獻(xiàn)的比例。對(duì)于任意的u, |>,(") = i。本發(fā)明中令t,oo-^^ ，
l -i ("乂—w
exp'
。因此O,(")有兩個(gè)參數(shù)。向量c,可以看作第i個(gè)線性模型的中心，
戶l
方差^控制第j個(gè)方向上模型的變化范圍。對(duì)于上述形式，LLFM的輸出是從m局部線性
模型輸出的加權(quán)和輸入向量u到中心c,的距離來決定權(quán)重的。
局域線性模糊模型(LLFM)是一個(gè)非線性模型，它的模型參數(shù)通過一個(gè)局部線性模型樹(LoLiMoT)算法從輸入輸出數(shù)據(jù)中獲得。LoLiMoT是一個(gè)迭代地劃分輸入變量空間的算法。在圖2中，用一個(gè)輸入變量維數(shù)為二的情況說明這一算法。算法開始時(shí)，整個(gè)輸入變量空間都可以進(jìn)行劃分。空間的劃分是在正交的x和y方向進(jìn)行，每一個(gè)子空間用一個(gè)線性函數(shù)來建模。因此，第一次迭代有兩種劃分(a/b和c/d)，這兩種劃分中最優(yōu)的劃分將被采納。劃分的最優(yōu)性是通過其對(duì)數(shù)據(jù)的擬合度來決定的。在決定最優(yōu)劃分后，進(jìn)入下一次迭代。這時(shí)，需要選一個(gè)子空間來進(jìn)行更進(jìn)一步的劃分。這個(gè)子空間的選取是基于其對(duì)應(yīng)的線性函數(shù)對(duì)子空間內(nèi)數(shù)據(jù)擬合的程度，即擬合度最差的子空間將被選中。
以上子空間劃分的基本原理就是要用更多線性模型來對(duì)復(fù)雜的子空間進(jìn)行建模。在確定每一個(gè)子空間對(duì)應(yīng)成員函數(shù)時(shí)
<formula>formula see original document page 10</formula>本發(fā)明用子空間的中心點(diǎn)作為c,，,，用子空間在J軸大小的、倍作為C當(dāng)模型的擬合 度在10次迭代內(nèi)都不發(fā)生變化時(shí)，以上迭代終止。
利用本發(fā)明所述方法開發(fā)出顱內(nèi)壓無創(chuàng)監(jiān)測(cè)軟件(3)，其模型框架如圖3所示。在該 模型框架中，矩形塊代表每個(gè)主要的軟件模塊；圓圈代表主要的6種數(shù)據(jù)，它們分別存放
在不同的數(shù)據(jù)庫(kù)中。為了避免改動(dòng)一種數(shù)據(jù)格式造成對(duì)其他數(shù)據(jù)訪問的影響，每一種數(shù)據(jù)
的訪問都通過一個(gè)特定的軟件模塊來實(shí)現(xiàn)，在圖3中用粗箭頭表示。有相互作用的模塊之 間用一個(gè)細(xì)箭頭線相連。
基于本發(fā)明開發(fā)成功了一種精度高、抗干擾能力強(qiáng)、成本低、智能化程度高的顱內(nèi)壓 無創(chuàng)綜合檢測(cè)監(jiān)護(hù)分析軟件，它無縫融合和綜合應(yīng)用了基于閃光視覺誘發(fā)電位和經(jīng)顱多普 勒的顱內(nèi)壓無創(chuàng)檢測(cè)方法。
使用本發(fā)明顱內(nèi)壓無創(chuàng)綜合檢測(cè)監(jiān)護(hù)分析方法的裝置首先，應(yīng)用內(nèi)含LED陣列的護(hù) 目鏡于病人眼睛，通過計(jì)算機(jī)(1)、顱內(nèi)壓無創(chuàng)綜合監(jiān)測(cè)軟件(3)控制數(shù)據(jù)采集卡和定 時(shí)計(jì)數(shù)器(8)產(chǎn)生一定脈寬和一定頻率的閃爍光源(4)作用于病人眼睛；其次，利用放 置在病人枕骨處和前額的腦電圖采集用的盤狀電極(5)分別構(gòu)成閃光視覺誘發(fā)電位采集 電極、參考電極和地電極，采集病人左、右視通路的閃光視覺誘發(fā)電位信號(hào)；然后，采集 到的閃光視覺誘發(fā)電位信號(hào)經(jīng)過高增益的PRE-VEP型放大器(7)通過數(shù)據(jù)采集卡和定時(shí) 計(jì)數(shù)器(8)轉(zhuǎn)變?yōu)閿?shù)字量進(jìn)入計(jì)算機(jī)(l)，并通過顯示器(2)顯示閃光視覺誘發(fā)電位波形； 再根據(jù)閃光視覺誘發(fā)電位的波形特征，顱內(nèi)壓無創(chuàng)綜合監(jiān)測(cè)軟件(3)可以自動(dòng)或半自動(dòng) 地確定閃光視覺誘發(fā)電位中N2波的潛伏期；最后，利用本發(fā)明閃光視覺誘發(fā)電位與有創(chuàng)
顱內(nèi)壓值之間的相關(guān)關(guān)系y-oxA+c，得到病人的顱內(nèi)壓無創(chuàng)檢測(cè)值。式中y是病人顱內(nèi) 壓的無創(chuàng)估計(jì)值，x為閃光視覺誘發(fā)電位N2波的潛伏期，a,b,c是由本發(fā)明所述數(shù)學(xué)模型 確定的模型參數(shù)。
本發(fā)明是基于閃光視覺誘發(fā)電位的N2波潛伏期的變化與顱內(nèi)壓的正相關(guān)關(guān)系，得到 某個(gè)時(shí)刻的顱內(nèi)壓無創(chuàng)檢測(cè)的估計(jì)值，利用經(jīng)顱多普勒連續(xù)監(jiān)測(cè)大腦中動(dòng)脈，基于從測(cè)量 到的動(dòng)脈血壓ABP和腦血流速度CBFV提取出的血液動(dòng)力學(xué)特征，得到與顱內(nèi)壓增高相關(guān) 的參數(shù)，最終實(shí)現(xiàn)顱內(nèi)壓變化趨勢(shì)的無創(chuàng)連續(xù)監(jiān)測(cè)。其中，利用閃光視覺誘發(fā)電位得到的 估計(jì)值用來作為修正值，保證顱內(nèi)壓趨勢(shì)監(jiān)護(hù)模型的輸出具有高的精度并正確反映顱內(nèi)壓 的變化情況。
權(quán)利要求
1、一種顱內(nèi)壓無創(chuàng)綜合監(jiān)測(cè)分析方法，其特征在于，通過與計(jì)算機(jī)(1)相連的閃光視覺誘發(fā)電位測(cè)量子系統(tǒng)和經(jīng)顱多普勒監(jiān)測(cè)子系統(tǒng)獲取生理參數(shù)和生物力學(xué)參數(shù)，由顱內(nèi)壓無創(chuàng)綜合監(jiān)測(cè)數(shù)學(xué)模型及軟件(3)對(duì)參數(shù)進(jìn)行無縫融合和處理分析，得到顱內(nèi)壓的無創(chuàng)定量檢測(cè)值和動(dòng)態(tài)變化過程；其中，所述顱內(nèi)壓無創(chuàng)綜合監(jiān)測(cè)數(shù)學(xué)模型是從病理學(xué)和生物力學(xué)角度出發(fā)，采用閃光視覺誘發(fā)電位和經(jīng)顱多普勒監(jiān)測(cè)病人特征生理參數(shù)，基于數(shù)據(jù)挖掘和系統(tǒng)辨識(shí)方法，提取出引起顱內(nèi)壓增高的不同病癥與顱內(nèi)壓無創(chuàng)監(jiān)測(cè)方法特征值之間的相關(guān)關(guān)系，通過構(gòu)建新型的數(shù)據(jù)庫(kù)管理機(jī)制和模型訓(xùn)練機(jī)制建立；所述顱內(nèi)壓無創(chuàng)綜合監(jiān)測(cè)數(shù)學(xué)模型及軟件(3)通過如下步驟實(shí)現(xiàn)①應(yīng)用閃光視覺誘發(fā)電位測(cè)量子系統(tǒng)，利用所述數(shù)學(xué)模型得到的病人顱內(nèi)壓變化與閃光視覺誘發(fā)電位潛伏期變化之間的函數(shù)關(guān)系，得到病人的顱內(nèi)壓無創(chuàng)檢測(cè)值；并以此值作為經(jīng)顱多普勒監(jiān)測(cè)顱內(nèi)壓數(shù)學(xué)模型的修正輸入值；②利用經(jīng)顱多普勒監(jiān)測(cè)子系統(tǒng)，監(jiān)測(cè)病人大腦中動(dòng)脈的血流動(dòng)力學(xué)參數(shù)，并于動(dòng)脈血壓一起作為所述數(shù)學(xué)模型的輸入，從而連續(xù)得到病人顱內(nèi)壓的無創(chuàng)監(jiān)測(cè)值和動(dòng)態(tài)變化過程；③每隔5分鐘利用閃光視覺誘發(fā)電位測(cè)量子系統(tǒng)得到一次病人的顱內(nèi)壓無創(chuàng)檢測(cè)值，并以此修正由經(jīng)顱多普勒監(jiān)測(cè)子系統(tǒng)得到的顱內(nèi)壓連續(xù)變化趨勢(shì)估計(jì)；④重復(fù)上述過程，把每次得到的病人顱內(nèi)壓無創(chuàng)監(jiān)測(cè)值通過顱內(nèi)壓無創(chuàng)綜合監(jiān)測(cè)軟件(3)處理，得到病人的顱內(nèi)壓連續(xù)動(dòng)態(tài)變化過程，通過顯示器(2)顯示。
2、 實(shí)現(xiàn)權(quán)利要求1所述顱內(nèi)壓無創(chuàng)綜合監(jiān)測(cè)分析方法的裝置，其特征在于，所述閃 光視覺誘發(fā)電位測(cè)量子系統(tǒng)包括閃爍光源(4)、采集電極(5)、視覺誘發(fā)電位信號(hào)隔離放 大調(diào)理模塊(7)、數(shù)據(jù)采集卡及定時(shí)計(jì)數(shù)控制器(8)和開關(guān)電源(6);閃爍光源(4)通過數(shù)據(jù)采集卡及定時(shí)計(jì)數(shù)控制器(8)與計(jì)算機(jī)(1)的相連；采集 電極(5)依次通過視覺誘發(fā)電位信號(hào)隔離放大調(diào)理模塊(7)和數(shù)據(jù)采集卡及定時(shí)計(jì)數(shù)控 制器(8)與計(jì)算機(jī)(1)的相連；所述閃爍光源(4)包括兩組發(fā)光二極管陣列，由顱內(nèi) 壓無創(chuàng)綜合監(jiān)測(cè)軟件(3)通過數(shù)據(jù)釆集卡及定時(shí)計(jì)數(shù)器(8)對(duì)閃爍光源(4)控制，使 其按照設(shè)定的頻率閃爍以獲得閃光剌激信號(hào)；所述采集電極(5)采集閃光視覺誘發(fā)電位信號(hào)經(jīng)過視覺誘發(fā)電位信號(hào)隔離放大調(diào)理模塊(7)通過數(shù)據(jù)采集卡和定時(shí)計(jì)數(shù)器(8)轉(zhuǎn)變?yōu)閿?shù)字量進(jìn)入計(jì)算機(jī)(1)，并通過顯示 器(2)顯示閃光視覺誘發(fā)電位波形；開關(guān)電源(6)與視覺誘發(fā)電位信號(hào)隔離放大調(diào)理模塊(7)相連。
3、 實(shí)現(xiàn)權(quán)利要求l所述顱內(nèi)壓無創(chuàng)綜合監(jiān)測(cè)分析方法的裝置，其特征在于，所述經(jīng) 顱多普勒測(cè)量子系統(tǒng)包括超聲探頭(9)，超聲探頭(9)依次通過超聲信號(hào)控制單元(10)、 寬帶放大與解調(diào)(11)及數(shù)據(jù)采集卡(12)與計(jì)算機(jī)(1)相連；經(jīng)顱多普勒監(jiān)測(cè)子系統(tǒng)，利用通過超聲信號(hào)控制單元(10)控制超聲換能探頭(9) 產(chǎn)生2MHz的超聲波脈沖信號(hào)，作用于病人顱內(nèi)血管，常用大腦中動(dòng)脈，并利用超聲換能 探頭(9)接收血管的回波信號(hào)，通過超聲信號(hào)控制單元(10)和寬帶放大與解調(diào)電路(11) 得到超聲脈沖信號(hào)和回波信號(hào)之間的頻移信號(hào)，通過數(shù)據(jù)采集卡(12)轉(zhuǎn)變成數(shù)字信號(hào)， 進(jìn)入計(jì)算機(jī)(1);經(jīng)顱多普勒監(jiān)測(cè)系統(tǒng)采集到的頻移信號(hào)可通過顱內(nèi)壓無創(chuàng)綜合監(jiān)測(cè)軟件(3)處理后 在顯示器(2)中顯示其波形和頻譜圖，由頻譜圖可得到病人的各血流動(dòng)力學(xué)特征參數(shù)； 再把得到的血流動(dòng)力學(xué)特征參數(shù)作為所述數(shù)學(xué)模型的輸入，得到病人的顱內(nèi)壓無創(chuàng)監(jiān)測(cè) 值。
4、 實(shí)現(xiàn)權(quán)利要求l所述顱內(nèi)壓無創(chuàng)綜合監(jiān)測(cè)分析方法的裝置，其特征在于，所述視 覺誘發(fā)電位信號(hào)隔離放大調(diào)理模塊(7)的放大倍數(shù)為20，000倍，輸入信號(hào)范圍為 0.5//F 50/ir，信號(hào)頻帶范圍為l 300/fe，共模抑制比為120dB，雙T陷波，精度誤差為 ±0.2%。
全文摘要
本發(fā)明公開一種顱內(nèi)壓無創(chuàng)綜合監(jiān)測(cè)分析方法及裝置，它是通過與計(jì)算機(jī)相連的閃光視覺誘發(fā)電位測(cè)量和經(jīng)顱多普勒監(jiān)測(cè)子系統(tǒng)獲取生理和生物力學(xué)參數(shù)，由顱內(nèi)壓無創(chuàng)綜合監(jiān)測(cè)數(shù)學(xué)模型及軟件對(duì)參數(shù)進(jìn)行無縫融合和處理分析，得到顱內(nèi)壓的無創(chuàng)定量檢測(cè)值和動(dòng)態(tài)變化過程。所述數(shù)學(xué)模型是從病理學(xué)和生物力學(xué)角度出發(fā)，采用上述兩種子系統(tǒng)檢測(cè)病人的特征生理參數(shù)，基于數(shù)據(jù)挖掘和系統(tǒng)辨識(shí)方法，提取出引起顱內(nèi)壓增高的不同病癥與顱內(nèi)壓無創(chuàng)監(jiān)測(cè)方法特征值之間的相關(guān)關(guān)系，通過構(gòu)建新型的數(shù)據(jù)庫(kù)管理機(jī)制和模型訓(xùn)練機(jī)制建立；它利用多功能數(shù)據(jù)采集設(shè)備，使系統(tǒng)實(shí)現(xiàn)更好的校準(zhǔn)，檢測(cè)結(jié)果更真實(shí)反映顱內(nèi)壓的值和變化趨勢(shì)；實(shí)現(xiàn)顱內(nèi)壓的無創(chuàng)定量檢測(cè)和長(zhǎng)時(shí)監(jiān)護(hù)。
文檔編號(hào)A61B5/03GK101627905SQ200910104499
公開日2010年1月20日 申請(qǐng)日期2009年7月30日 優(yōu)先權(quán)日2009年7月30日
發(fā)明者忠 季, 爽 楊, 曉 胡 申請(qǐng)人:忠 季