CN101862181B - 患者病情监护装置 - Google Patents
患者病情监护装置 Download PDFInfo
- Publication number
- CN101862181B CN101862181B CN 200910106825 CN200910106825A CN101862181B CN 101862181 B CN101862181 B CN 101862181B CN 200910106825 CN200910106825 CN 200910106825 CN 200910106825 A CN200910106825 A CN 200910106825A CN 101862181 B CN101862181 B CN 101862181B
- Authority
- CN
- China
- Prior art keywords
- stability
- degree
- vital sign
- signal
- sign parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Abstract
本发明公开了一种患者病情监护方法及装置,包括:获取患者的生命体征参数;根据生命体征参数的参数值计算该参数的稳定度。本发明通过评价患者的病情稳定度,可使医护人员通过查看稳定度,快速判断该时期内病人治疗措施是否及时有效,状态是否稳定,对病人的下一步救治提供决策依据,可以引导医护人员对病情不稳定的病人重点关注,减少医护人员工作量,提高工作效率。
Description
【技术领域】
本发明涉及一种医疗设备,尤其涉及对患者进行监护的监护方法及监护装置。
【背景技术】
目前,医护人员可以通过查看监护仪上的实时参数,对病人当前的病情进行判断,但当病人生命体征在报警限范围内发生较大变化时,由于不报警,较容易被医护人员忽视。而这种变化一般是病人状态发生改变,需要关注及处理的前兆,如果能够提早发现,提前处理,可以有效改善临床诊治效率。针对这种情况,医护人员目前做法是定期对病人的生命体征参数进行记录,查看监护仪提供的趋势图或趋势表,对病人最近一段期间内病情的发展进行判断。对于需要长时间监护的病人,这种方法不仅操作复杂,需要大量的人力投入,而且不利于及时发现病人病情变化。
【发明内容】
本发明要解决的主要技术问题是,提供一种患者病情监护方法及装置,帮助医护人员及时了解患者的病情,减少医护人员工作量,提高工作效率。
根据本发明的一方面,提供一种患者病情监护方法,包括:
获取患者的生命体征参数;
根据生命体征参数的参数值计算该参数的稳定度。
在一种实施例中,所述稳定度是所述生命体征参数的信号变化趋势、信号振荡幅度和信号风险系数中的至少一个的函数。
在另一实施例中,将所述至少三种参数的稳定度标示在同一极坐标图中,将所述至少三种参数的稳定度的极坐标连接成封闭区域。
根据本发明的另一方面,提供一种患者病情监护装置,包括:
用于获取患者的生命体征参数的单元;
用于根据生命体征参数的参数值计算该参数稳定度的稳定度计算单元。
【附图说明】
图1为本发明一种实施例的原理方框图;
图2为本发明中稳定度计算单元的一种实施例的原理方框图;
图3为本发明一种实施例的稳定度计算区间示意图;
图4为某段时间内生理参数变化曲线图;
图5为本发明另一种实施例的原理方框图;
图6为本发明另一种实施例的稳定度极坐标表达示意图;
图7为本发明另一种实施例的显示界面下的稳定度表达示意图;
图8为本发明另一种实施例的稳定度柱状表达示意图。
【具体实施方式】
下面通过具体实施方式结合附图对本发明作进一步详细说明。
本发明通过对患者生理体征参数进行监护和分析,从而评估患者病情的稳定性。本申请所说的患者可以是人,也可以指其它生物。监护仪在对患者监护过程中,会获得患者的实时生命体征参数,包括心率、血氧、呼吸率、血压等,可以只检测一种生命体征参数,也可以检测多种生命体征参数。这些数据与时间相关,称之为趋势数据。
请参考图1,在一种实施例中,患者病情监护装置包括生命体征参数获取单元10和稳定度计算单元14,生命体征参数获取单元10用于获取患者的生命体征参数,稳定度计算单元14用于根据生命体征参数的参数值计算该参数的稳定度。生命体征参数获取单元10获得的生命体征参数可以直接输出给稳定度计算单元14,也可以先存储到存储单元12中,稳定度计算单元14从存储单元12中读取患者的生命体征参数和预先设定好的报警限,医护人员会针对病人的每个生命体征参数,设定上限和下限,当病人的生命体征参数超过设定的上限或下限时,监护仪会发出相应的报警。这些上限和下限值,称之为报警限。稳定度计算单元14对稳定度判断是基于一段时间区间的,稳定度计算单元14对该时间区间内的生命体征参数进行采样。在实际应用中,一般设定一区间宽度,如图3所示,设定一窗口时间T,使用[a,b]这个区间,b为当前时间,a为(当前时间b-窗口时间T),窗口时间T不会变化,除非重新设定,但区间的上下边界是随着时间实时变化的,类似于一个滑动窗口。对参与计算的时间区间的窗口宽度设定后,可先存储在存储单元12中,稳定度计算单元14根据从存储单元12中读取的窗口宽度确定参与计算的时间段的数据,并对该时间段的数据按照设定的采样间隔进行采样。为了使计算的稳定度更有参考价值, 可评估最近n个时间段(即时间区间)的趋势数据,n可由医护人员设定。
病人稳定度的评价主要依据病人生理参数测量结果趋势中信号变化的趋势、振荡幅度和逼近报警限的程度等信息中一个或多个进行评价,使稳定度是生命体征参数的信号变化趋势、信号振荡幅度和信号风险系数中的至少一个的函数。在优选实施例中,还要考虑信号的时效性,即距离当前越近的信号越能反映当前病人的稳定程度。生理信号趋势平稳,振荡幅度在合理范围内且远离报警限,则被测对象的生理稳定性就越好,反之则越差。
在一种实施例中,稳定度计算单元如图2所示,主要包括信号变化趋势计算子单元142、信号振荡幅度计算子单元144、信号报警风险系数计算子单元146和稳定度计算子单元148。
由于人体的生理特征决定了人体的生理参数变化缓慢,且在Δt时间内不会出现信号突变。但是在监护过程中由于病人瞬间的活动或碰撞探头、导联等监护过程中所使用的配附件,则会导致生理参数测量结果瞬间发生异常突变;此外信号测量中会由于外界干扰会使测量结果出现一些小的毛刺。由于病人稳定性的评估主要是对一段时间内生理参数变化的趋势进行评估,关注的信号整体的稳定性,忽略细节,因此在数据计算之前可先对数据采用信号预处理子单元140对数据进行预处理,在预处理的一种实施例中,首先采用均值滤波的方式对信号进行平滑处理,消除毛刺,然后采用形态滤波剔除由于外界干扰引入的生理参数测量结果的异常突变,实现伪信号抑制。其中形态滤波的窗宽Δt取值根据不同的生理参数临床经验设定。当然,本领域技术人员还可根据实际情况采用其它算法实现预处理或不进行预处理。
下面对信号变化趋势、信号振荡幅度和信号风险系数的计算进行一一说明:
由于在病人当前稳定度的判断中,距离当前时刻越近的信号测量结果参考价值越大,相对当前时刻较远的则参考价值就越小,因此在后续病人稳定度的判断中对历史信号测量结果进行分段处理,并对分段处理后获取的计算结果进行加权平均综合后获取当前指标的稳定系数。对于数据的分段可以采用均匀分段和非线性分段两种方式,二者都可以达到相同的效果。下面采用均匀分段方式进行描述。
1)信号变化趋势的计算
某段时间内病人生理信号变化的典型图形如图4所示,表示了不同的四个波形:波形①、波形②、波形③和波形④,由图可知,不同趋势的波形在波形变化的斜率上存在差异,因此通过提取某一段时间内波形的斜率即可获取当前波形的变化趋势。信号变化趋势的计算包括以下步骤:
对设定时间段内的所述生命体征参数的数据进行采样,然后计算每个采样点的斜率,信号变化的趋势计算的可采用三点或五点差分的方式提取信号变化的斜率信息,并求取单位时间段内信号的斜率的均值,斜率均值越小则信号变化的趋势就越小,斜率的均值为正值则表明信号变大的趋势,如果均值为负值则表明信号变小的趋势。五点差分的方程如下:
λ(i)=2[x(i)-x(i-4)]+x(i-1)-x(i-3)------------------------------(1)
其中,i为采样点的排序,x(i)为第i个采样点的参数值,λ(i)为第i个采样点的斜率。
得知每个采样点的斜率后,计算一段时间内m个点的斜率均值,计算公式如下:
对连续n个时间段(例如最近n个时间段)内波形的斜率均值进行加权平均(即加权求均值)后获取当前总趋势的信号变化趋势λ,n为自然数。
其中aj为第j段的斜率的权值系数,通常是时间段距离当前时刻越近的该时间段的权值系数也就越大,对最终计算出的稳定度的影响也越大。λmax为当前时间段内生理参数允许变化的最大斜率值,除以λmax的作用是使计算出的n个时间段的信号变化趋势λ处于一个合理的范围内(例如0-1之间),每个时间段的λmax都相同,λmax的取值是根据当前生理参数的临床经验,实际运用中该接口以灵敏度的形式提供给用户进行选择和设定。
2)信号振荡幅度的计算
虽然某些波形在一段时间内的变化趋势较小,但是变化幅度却比较大,例如图4中的波形④所示,此类信号仍属于不稳定信号。对于信号振 动幅度的统计可采用均方差的方式进行统计,均方差越大则信号的变化幅度就越大,病人稳定性就越差,反之则变化幅度就越小,病人稳定程度就越好。当信号的均方差在ΔA范围内时,则认为信号处于正常的振动范围。
通过均方差得到信号振荡幅度的步骤包括:
对设定时间段内的所述生命体征参数的数据进行采样,然后计算该设定时间段内m个采样参数值的均方差,均方差统计公式如下:
其中,x(i)为第i个采样点的参数值,x为当前时间段的均值。然后对连续n个时间段(例如最近n个时间段)内波形的均方差进行加权平均后获取当前的信号振荡幅度A,其中n为自然数。
其中,bj为第j段的振幅的权值系数,通常是时间段距离当前时刻越近的该时间段的权值系数也就越大,对最终计算出的稳定度的影响也越大。Amax为当前时间段内生理参数允许振荡的最大幅度。除以Amax的作用是使计算出的n个时间段的信号振荡幅度处于一个合理的范围内(例如0-1之间),每个时间段的Amax都相同,Amax的取值是根据当前生理参数的临床经验,实际运用中该接口以灵敏度的形式提供给用户进行选择和设定。
3)信号风险系数的计算
信号风险系数是指一段时间段内,生理测量信号逼近报警限的程度。信号越逼近报警限,则病人的风险系数就越大,反之则越小,因此信号风险系数随信号逼近报警限的程度的增加而增大。对于信号风险系数的计算,首先对设定时间段内的所述生命体征参数的数据进行采样,然后计算该设定时间段内各采样值的风险系数,在本实施例中采用分段统计的方式进行统计,在其它实施例中也可采用其它方式获得。可根据设定的阈值情况分为三段或四段计算风险系数,下面以四段为例说明风险系数的计算。所述设定时间段内i时刻的风险系数β(i)的取值定义如下:
其中fmax和fmin分别为风险报警阈值的上、下限,Max和Min分别为当前参数报警最大阈值和最小阈值。fmax是指当前生理参数的风险检测阈值上限,当生理参数长时间大于该阈值fmax时,病人可能存在风险,但不一定有危险,需要提醒医护人员对病人进行关注。Max是指当前生理参数的超界报警最大阈值,当生理参数连续大于该阈值Max时,病人可能有危险,需要医护人员及时处理,因此fmax<Max。fmin是指当前生理参数的风险检测阈值下限,当生理参数长时间低于该阈值fmin时,病人可能存在风险,但不一定有危险,需要提醒医护人员对病人进行关注。Min是指当前生理参数的超界报警最小阈值,当生理参数连续小于该阈值Min时,病人可能有危险,需要医护人员及时处理,因此Fmin>Min。
本实施例中,报警上限阈值设置了不同的两个,报警下限阈值也设置了不同的两个,因此可分四段计算风险系数。如果只设定了一个报警上限阈值和一个报警下限阈值,可分为三段计算风险系数。
根据上述步骤中计算的各采样值的风险系数,计算该设定时间段的风险系数均值。设某一段时间内有m个采样值,则该段时间内的风险系数的 β(i)均值计算公式如下:
则当前时刻总的风险系数β计算函数如下:
其中,cj为第j段的风险系数的权值系数,通常是时间段距离当前时刻越近,权值系数也就越大,对最终计算出的稳定度的影响也越大。
4)病人稳定度的计算
稳定度是生命体征参数信号变化趋势、信号振荡幅度和信号风险系数 等因素中至少一个的函数。医生可以根据需要对影响稳定度的因素进行选择,或根据需要选择各因素对稳定度影响的权重。
本实施例中,病人稳定度的评价主要从病人生理参数测量结果趋势中信号变化趋势、振荡幅度和逼近报警限的风险系数等信息进行综合评价,同时考虑信号的时效性,即距离当前越近的信号越能反映当前病人的稳定程度。
根据上述的生理信号变化趋势、信号振荡幅度和信号风险系数可求出一段时间内病人的稳定度,稳定度可以是信号变化趋势、信号振荡幅度和信号风险系数中的至少一个的函数,在本实施例中,稳定度是信号变化趋势、信号振荡幅度和信号风险系数的函数,即:
ρ=f(k1λ,K2A,K3β)
其中,ρ为最近一段时间内的患者的病情稳定度,f为计算函数关系式,可以为线性关系式,也可以是非线性关系式。λ、A和β分别为信号变化趋势、信号振荡幅度和信号风险系数,k1、k2和k3分别为信号变化趋势、信号振荡幅度和信号风险系数的加权系数,信号变化趋势、信号振荡幅度和信号风险系数的加权系数允许用户设置,以改变各因素在稳定度评价中的重要性,k1、k2和k3可以同时为1。
例如可以采用以下公式求取一段时间内病人的稳定度:
ρ=k1λ+k2A+k3β----------------------(9)
上述实施例中,生理参数信号变化趋势计算也可以通过对其他与参数数据变化的幅度和趋势相关信息进行统计获取,例如信号变化的幅值、信号峰值/谷值信号特征以及一段时间内信号变化信息等,其计算公式可以将公式(4)进行如下变换后得到:
然后根据公式(5)计算信号变化趋势,公式(5)的结果的绝对值越大则信号变化趋势越明显。
上述实施例中,生理参数信号振荡幅度的计算也可以通过对信号波形变化幅度相关信息进行统计获取信号变化幅度信息,例如信号斜率,信号峰峰值等,例如根据公式(1)计算出信号变化的斜率,然后对公式2进行如下变形:
则可根据公式(3)即可计算信号的振荡幅度。
上述实施例中,稳定度计算也可以采用其它算法或方式获取,例如采用非线性公式,或采用专家系统的方式获取稳定度,根据专家经验对病人的稳定程度进行分类,并储存于系统中,在系统运行过程中根据系统获取的信号变化的趋势、振荡幅度和逼近报警限的程度等信息,依据预先设定的专家经验公式来获取病人的稳定度。
通过上述实施例获得患者的病情稳定度,便于医护人员通过查看病人在一段期间生命体征参数的稳定性,快速评价病人病情的稳定程度,例如便于医护人员初步判断该时期内病人治疗措施是否及时有效,状态是否稳定,对病人的下一步救治提供决策依据。对于容易发生病情不稳的科室及病人,如急诊科内等待转入专科的病人,通过查看稳定度,可以引导医护人员对病情不稳定的病人重点关注,减少医护人员工作量,提高工作效率。
在上述实施例中,稳定度不但与各因素的数值有关,而且与各因素的信号位置有关。单位时间内振荡幅度越大,则稳定度越低;信号振荡位置越接近当前时间,对稳定度的贡献越大;振荡幅度越接近设定的阈值,则稳定度越低;信号趋势变化位置越接近设定阈值,则稳定度越低;信号趋势变化位置越接近当前时间,对稳定度的贡献越大。并且医护人员还可根据实际情况,将某个因素对稳定度的影响调大或调小,使计算出的稳定度更有利于帮助医护人员及时了解和判断患者的病情。
在进一步的实施例中,在获得患者病情稳定度后将稳定度显示在显示屏上。如图5所示,患者病情监护装置还包括表达单元18,所述表达单元18用于将计算出的生命体征参数的稳定度通过数字、曲线图、柱状图或极坐标图显示在显示屏上。患者病情监护装置还包括用于接收用户的设置以将用户所选中的生命体征参数设置为有效状态的选择单元16,选择单元16将用户的选择存储在存储单元12中,或直接输出给表达单元18,表达单元18从存储单元12中读取用户选择的生命体征参数或根据选择单元16的输出,仅将用户所选中的生命体征参数的稳定度显示在显示屏上。当用户选择要显示三个或三个以上种的生命体征参数的稳定度时,例如用户选择将心率、血氧、呼吸率和血压四种生命体征参数的稳定度表达出来供用户查看时,可采用极坐标图进行表达。具体表达方法如下:
为每种生命体征参数定义一个角度,生命体征参数对应的稳定度ρ作为极坐标,如图6、7所示,将四种生命体征参数的稳定度表达在极坐标中,具有以下特征:
a)4个参数对应的稳定度坐标轴相互成直角;
b)中心位置为坐标“0”,表示最稳定;
c)圆圈边上的位置代为坐标“1”,表示最不稳定。例如:心率的稳定度为0.45,血氧的稳定度为0.8,血压的稳定度为0.1,呼吸的稳定度为0.2,则各参数在极坐标中的位置为:
心率(HR)稳定度对应的极坐标为(0.45,0.75π)
血氧(SpO2)稳定度对应的极坐标为(0.8,0.25π)
血压(IBP)稳定度对应的极坐标为(0.1,1.25π)
呼吸(Resp)稳定度对应的极坐标为(0.2,1.75π)
将四个坐标轴上参数对应的稳定度ρ用直线连接,形成一个封闭区域,如图6所示,可进一步对封闭区域进行填充,使其与周围形成较明显的对比。使用此图形,就可以对于选定的生命体征参数的稳定度进行表达。当生命体征稳定时,填充面积较小,当病情不稳定时,填充面积较大。当某个参数不稳定时,稳定度比较大,会形成类似箭头的图形指向边缘。对于有经验的医护人员,甚至可以通过图形的形态预测病人病情发展。因此通过该极坐标表达方式,可以向医护人员简单、快捷、清晰地表达患者现在病情的稳定情况,以便医护人员及时做出反应。
为方便查看,还可将极坐标表达图上的封闭区域设置为查看生命体征参数的趋势图的热键,或将所述封闭区域设置为参与稳定度计算时间设置窗口的热键。即当用户点击选中作为热键的封闭区域时,可弹出所选择表达的生命体征参数对应的趋势图的菜单或窗口,且趋势图对应的窗口时间与参与稳定度计算的趋势时间一致。或当用户点击选中作为热键的封闭区域时,可弹出参与稳定度计算的趋势时间的设置窗口,使用户可设置时间。当用户选择的稳定度的计算时间改变后,稳定度坐标图随之改变。
稳定度除了用极坐标表达方式外,还可以用数字、曲线图或柱状图来表达,如图8所示,将医护人员选择的心率、血氧、呼吸率和血压四种生命体征参数的稳定度表达在柱状图中。
稳定度表达图随时间实时更新,并可存储每个时间段的稳定度,系统可支持动态回放功能,包括:
a)支持对监护全程的稳定度进行自动播放。
b)支持对监护全程的稳定度进行手动播放。
c)支持快进播放,分别为4、16、64、256倍速度。
d)支持播放暂停功能,将稳定度定位在某个时间上。
e)支持将播放窗口调整至监护全程的起始时间和结束时间。
f)支持通过拖动滑动窗口或点击时间轴,调整稳定度窗口位置。
g)支持播放停止功能,停止后,推出播放状态,切换为实时显示状态。
在另一实施例中,将各参数的稳定度和该参数的设定阈值相比较,当某个参数的稳定度超过设定阈值后,产生相应的报警,以提示医护人员。
综上所述,本发明根据监护的患者的生命体征参数,得到稳定度系数,既可以用于评估用药效果(将稳定度计算时间调短,如果药物有效,虽然生命体征参数值会发生较大变化,但因为时间加权及趋势变化方向的对系数的贡献,会看到对应参数趋于稳定),也可以用于表达长时间病人生命体征趋势的稳定情况。配合图形表达方法,可以让医护人员快速了解到病人病情并进行预测。例如,新生儿科对SpO2监测时,如果该新生儿的SpO2数值一直比较稳定,对应的稳定度显示靠近中心位置,医护人员可以了解到这个新生儿的病情在过去一段时间内是稳定的,因此可以花更多的精力去照顾病情不稳定的新生儿。当新生儿的病情发生急剧变化时,由于时间加权作用,其稳定度系数会很快变化至靠近圆圈边缘位置,可以使医护人员很快发现,并对此新生儿更加关注,及早发现问题,及早进行救治。
根据本发明获得稳定度的方案,还可进一步根据病人不同生理参数的稳定度实现病人稳定度的综合评价方案,最终形成综合病人稳定度评价结果。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (10)
1.一种患者病情监护装置,其特征在于包括:
用于获取患者的生命体征参数的单元;
用于根据生命体征参数的参数值计算该参数稳定度的稳定度计算单元,所述稳定度是所述生命体征参数的信号变化趋势、信号振荡幅度和信号风险系数的函数,所述稳定度计算单元通过以下公式计算稳定度:
ρ=f(k1λ,k2A,k3β)
其中,ρ为最近一段时间内的患者的病情稳定度,f为计算函数关系式,λ、A和β分别为信号变化趋势、信号振荡幅度和信号风险系数,k1、k2和k3分别为信号变化趋势、信号振荡幅度和信号风险系数的加权系数。
2.如权利要求1所述的装置,其特征在于:所述稳定度计算单元通过获取设定时间段内的所述生命体征参数的斜率均值或幅度变化均值得到信号变化趋势。
3.如权利要求2所述的装置,其特征在于:所述稳定度计算单元用于对设定时间段内的所述生命体征参数的数据进行采样,计算每个采样点的斜率,计算该设定时间段内的所述生命体征参数的斜率均值,对连续n个时间段的斜率均值进行加权平均从而获得信号变化趋势。
4.如权利要求1所述的装置,其特征在于:所述稳定度计算单元通过获取设定时间段内的所述生命体征参数的均方差或斜率得到信号振荡幅度。
5.如权利要求4所述的装置,其特征在于:所述稳定度计算单元用于对设定时间段内的所述生命体征参数的数据进行采样,计算该设定时间段内的参数值的均方差,对连续n个时间段的均方差进行加权平均从而获得信号振荡幅度。
6.如权利要求1所述的装置,其特征在于:所述信号风险系数随信号逼近报警限的程度的增加而增大。
7.如权利要求6所述的装置,其特征在于:所述稳定度计算单元用于对设定时间段内的所述生命体征参数的数据进行采样,计算该设定时间段内各采样值的风险系数,根据各采样值的风险系数,计算该设定时间段的风险系数均值,计算连续n个时间段的风险系数均值,将连续n个时间段的风险系数均值进行加权平均从而获得信号风险系数,其中所述各采样值的风险系数的计算公式为:
其中;x(i)为生命体征参数在设定时间段内第i点的采样值,β(i)为第i点采样值的风险系数,fmax为所述生命体征参数的第一报警上限,Max为所述生命体征参数的第二报警上限,且Max>fmax,fmin为所述生命体征参数的第一报警下限,Min为所述生命体征参数的第二报警下限,且fmin>Min。
8.如权利要求1-7中任一项所述的装置,其特征在于:还包括表达单元,所述表达单元用于将计算出的生命体征参数的稳定度通过数字、曲线图、柱状图或极坐标图显示在显示屏上。
9.如权利要求8所述的装置,其特征在于:所述生命体征参数包括至少三种参数,所述表达单元将所述至少三种参数的稳定度标示在同一极坐标图中,将所述至少三种参数的稳定度的极坐标连接成封闭的区域。
10.如权利要求9所述的装置,其特征在于:还包括用于查看生命体征参数的趋势图或设置参与稳定度计算时间的热键,所述热键为所述封闭的区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200910106825 CN101862181B (zh) | 2009-04-15 | 2009-04-15 | 患者病情监护装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200910106825 CN101862181B (zh) | 2009-04-15 | 2009-04-15 | 患者病情监护装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101862181A CN101862181A (zh) | 2010-10-20 |
CN101862181B true CN101862181B (zh) | 2013-03-20 |
Family
ID=42954261
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 200910106825 Active CN101862181B (zh) | 2009-04-15 | 2009-04-15 | 患者病情监护装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101862181B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102266609A (zh) * | 2010-12-31 | 2011-12-07 | 北京谊安医疗系统股份有限公司 | 呼吸机的数据处理方法及装置、呼吸机 |
JP6039449B2 (ja) | 2013-02-05 | 2016-12-07 | 日本光電工業株式会社 | 生体情報モニタおよび生体情報モニタシステム |
CN107174197B (zh) * | 2016-03-10 | 2020-11-24 | 深圳市理邦精密仪器股份有限公司 | 监护设备及其波形显示方法、装置 |
CN113576439B (zh) * | 2020-05-08 | 2023-06-13 | 深圳北芯生命科技股份有限公司 | 处理血管压力信号的主机 |
CN115670398A (zh) * | 2021-07-27 | 2023-02-03 | 华为技术有限公司 | 生理参数检测方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7038595B2 (en) * | 2000-07-05 | 2006-05-02 | Seely Andrew J E | Method and apparatus for multiple patient parameter variability analysis and display |
CN101203172A (zh) * | 2005-06-22 | 2008-06-18 | 皇家飞利浦电子股份有限公司 | 测量瞬时患者急性值的设备 |
CN101305373A (zh) * | 2005-11-08 | 2008-11-12 | 皇家飞利浦电子股份有限公司 | 使用聚类检测多参数患者监护和临床数据中的危险趋势的方法 |
CN101332084A (zh) * | 2007-06-28 | 2008-12-31 | 罗晓民 | 脉搏波的面积重心位移分析方法 |
-
2009
- 2009-04-15 CN CN 200910106825 patent/CN101862181B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7038595B2 (en) * | 2000-07-05 | 2006-05-02 | Seely Andrew J E | Method and apparatus for multiple patient parameter variability analysis and display |
CN101203172A (zh) * | 2005-06-22 | 2008-06-18 | 皇家飞利浦电子股份有限公司 | 测量瞬时患者急性值的设备 |
CN101305373A (zh) * | 2005-11-08 | 2008-11-12 | 皇家飞利浦电子股份有限公司 | 使用聚类检测多参数患者监护和临床数据中的危险趋势的方法 |
CN101332084A (zh) * | 2007-06-28 | 2008-12-31 | 罗晓民 | 脉搏波的面积重心位移分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101862181A (zh) | 2010-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xiao et al. | Wearable heart rate monitoring intelligent sports bracelet based on Internet of things | |
CN104622445B (zh) | 一种无线智能的多生理参数健康监护腕式设备 | |
CN101862181B (zh) | 患者病情监护装置 | |
CN107595243B (zh) | 一种病症评估方法及终端设备 | |
Kantelhardt et al. | Characterization of sleep stages by correlations in the magnitude and sign of heartbeat increments | |
DE69728031T2 (de) | Organismuszustandsmessgerät und entspannungszustandsangabegerät | |
CN105827731A (zh) | 基于融合模型的智能化健康管理服务器、系统及其控制方法 | |
CN104287706A (zh) | 一种人体健康状态实时监测及诊疗推荐系统 | |
CN101551934B (zh) | 驾驶员疲劳驾驶的监测装置及监测方法 | |
CN107106085A (zh) | 用于睡眠监测的设备和方法 | |
CN104382574A (zh) | 一种基于脉搏波数据监测睡眠质量的方法及系统 | |
CN104720746A (zh) | 一种睡眠阶段确定方法和系统 | |
CN113499035B (zh) | 一种基于置信区间融合阈值判据的疼痛识别系统 | |
CN206007231U (zh) | 一种基于云平台的远程医疗监护系统 | |
CN109452938A (zh) | 一种基于多尺度多重分形的hfecg信号特征频率检测方法 | |
CN109559761A (zh) | 一种基于深度语音特征的脑卒中风险预测方法 | |
Singh et al. | Biosignal based on-road stress monitoring for automotive drivers | |
CN105982643A (zh) | 睡眠事件检测方法与系统 | |
Gan et al. | Human-computer interaction based interface design of intelligent health detection using PCANet and multi-sensor information fusion | |
Zhang et al. | Structural analysis of driver fatigue behavior: a systematic review | |
CN114145717A (zh) | 基于ppg心率特征参数和运动量的睡眠状态分析方法 | |
Wang et al. | Sleep condition detection and assessment with optical fiber interferometer based on machine learning | |
CN115040095B (zh) | 适老化多功能自主非侵入式动态生理信号监测分析系统 | |
Aswathi et al. | Comparison Of Machine Learning Algorithms For Heart Rate Variability Based Driver Drowsiness Detection | |
TW202108077A (zh) | 專注力自動偵測方法和系統 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |