CN102551699A - 非侵入性心输出量确定的系统 - Google Patents
非侵入性心输出量确定的系统 Download PDFInfo
- Publication number
- CN102551699A CN102551699A CN2011104083512A CN201110408351A CN102551699A CN 102551699 A CN102551699 A CN 102551699A CN 2011104083512 A CN2011104083512 A CN 2011104083512A CN 201110408351 A CN201110408351 A CN 201110408351A CN 102551699 A CN102551699 A CN 102551699A
- Authority
- CN
- China
- Prior art keywords
- blood
- patient
- data
- volume
- response
- 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.)
- Granted
Links
- 230000000747 cardiac effect Effects 0.000 title claims abstract description 38
- 239000008280 blood Substances 0.000 claims abstract description 103
- 210000004369 blood Anatomy 0.000 claims abstract description 103
- 210000002216 heart Anatomy 0.000 claims abstract description 57
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 51
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 51
- 239000001301 oxygen Substances 0.000 claims abstract description 51
- 230000004044 response Effects 0.000 claims abstract description 49
- 230000017531 blood circulation Effects 0.000 claims abstract description 40
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 22
- 229910003798 SPO2 Inorganic materials 0.000 claims abstract 2
- 101100478210 Schizosaccharomyces pombe (strain 972 / ATCC 24843) spo2 gene Proteins 0.000 claims abstract 2
- 238000000034 method Methods 0.000 claims description 30
- 238000013528 artificial neural network Methods 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000013507 mapping Methods 0.000 claims description 11
- 230000037396 body weight Effects 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 9
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 5
- 238000009795 derivation Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 description 15
- 230000008569 process Effects 0.000 description 10
- 206010003119 arrhythmia Diseases 0.000 description 8
- 230000036772 blood pressure Effects 0.000 description 8
- 230000006793 arrhythmia Effects 0.000 description 7
- 230000036541 health Effects 0.000 description 7
- 239000003814 drug Substances 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000001914 filtration Methods 0.000 description 5
- 230000003862 health status Effects 0.000 description 5
- 210000005240 left ventricle Anatomy 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 210000000709 aorta Anatomy 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 206010003658 Atrial Fibrillation Diseases 0.000 description 2
- 208000028399 Critical Illness Diseases 0.000 description 2
- 239000008186 active pharmaceutical agent Substances 0.000 description 2
- 208000006673 asthma Diseases 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 244000287680 Garcinia dulcis Species 0.000 description 1
- 206010047281 Ventricular arrhythmia Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000009530 blood pressure measurement Methods 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000003113 dilution method Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000002651 drug therapy Methods 0.000 description 1
- 230000004064 dysfunction Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 230000004217 heart function Effects 0.000 description 1
- 230000000004 hemodynamic effect Effects 0.000 description 1
- 230000001951 hemoperfusion Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000009022 nonlinear effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006213 oxygenation reaction Methods 0.000 description 1
- 230000000661 pacemaking effect Effects 0.000 description 1
- 230000000803 paradoxical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000000528 statistical test Methods 0.000 description 1
- 238000005496 tempering Methods 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000032258 transport Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/026—Measuring blood flow
- A61B5/0295—Measuring blood flow using plethysmography, i.e. measuring the variations in the volume of a body part as modified by the circulation of blood therethrough, e.g. impedance plethysmography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/026—Measuring blood flow
- A61B5/0261—Measuring blood flow using optical means, e.g. infrared light
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/026—Measuring blood flow
- A61B5/029—Measuring or recording blood output from the heart, e.g. minute volume
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Hematology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Cardiology (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Physiology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Optics & Photonics (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明涉及非侵入性心输出量确定的系统。一种系统，其通过使用非侵入性血氧定量信号（比如SPO2数据和波形）来定量地确定血流容量，从而确定心输出量和每搏输出量。一种非侵入性系统确定心输出量或每搏输出量。所述系统包括输入处理器，其用于接收代表患者的特定解剖位置处的血液的氧含量的信号数据。计算处理器响应于以下各项使用所接收到的信号数据来计算包括在一个心搏周期内通过血管输送的血液的容量的患者的心脏每搏输出量：响应于患者血液的氧含量导出的血容量，以及代表从患者心脏到特定解剖位置的血流容量减少的至少一个因数。输出处理器向目的地设备提供代表所计算的心脏每搏输出量的数据。
Description
本申请是由H. Zhang于2010年12月9日提交的临时申请序列号61/421,234的非临时申请。
技术领域
本发明涉及一种用于响应于以下各项来确定心输出量和每搏输出量的系统：响应于患者血液的氧含量而导出的血容量，以及代表从患者心脏到特定解剖位置的血流容量减少的至少一个因数。
背景技术
心输出量（cardiac output，CO）或每搏输出量（stroke volume，SV）涉及到测量由左心室在一分钟内或者在一次心搏中喷出的血容量，并且是被用于患者健康状态监视的有价值的生命体征信号。存在多种用以计算CO和SV的方法，其中例如包括使用血压波形、热稀释法、生物阻抗、脉搏轮廓或超声。但是，大多数这些临床方法是侵入性的并且不可靠，这限制其使用并且对患者导致附加的风险。期望对于患者的循环状态的精确的临床评估，特别是身处ICU（重症监护室）中的垂危患者以及正经历心脏、胸腔或血管介入的患者。由于患者的血液动力学状态可能快速地改变，因此对心输出量的连续监视会提供允许疗法的快速调节的信息。CO和SV是被用于心脏机能评估和相关联的计算的有价值的参数。用于CO和SV确定的已知方法包括指示剂稀释方法、Fick原理方法、生物阻抗和传导方法、多普勒超声方法以及动脉脉搏轮廓分析方法。但是，这些方法具有不同的限制和缺点。
用于CO和SV计算的已知的临床方法大多数是侵入性的且需要导管，并且这添加了临床规程的复杂度并且对患者造成了附加的风险。用于CO、SV计算的已知临床方法需要大量临床经验和知识来解释参数以及进行精确的计算，并且还常常较为复杂且耗时，而且可能不适合于特定的临床环境。其他已知的心输出量计算方法可能依赖于传感器质量并且可能对噪声（例如来自电力线、患者移动或者治疗，比如起搏和药物递送）敏感，从而导致不可靠的心脏机能计算。根据本发明的原理的系统解决了这些缺陷和相关的问题。
发明内容
一种系统通过使用非侵入性血氧定量信号（比如SPO2数据和相关联的波形）来定量地确定血流量，从而确定心输出量和每搏输出量。一种非侵入性系统确定心输出量或每搏输出量。所述系统包括输入处理器，其用于接收代表患者的特定解剖位置处的血液的氧含量的信号数据。计算处理器响应于以下各项使用所接收到的信号数据来计算包括在一个心搏周期内通过血管输送的血液的容量的患者的心脏每搏输出量：响应于患者血液的氧含量而导出的血量，以及代表从患者心脏到特定解剖位置的血流量减少的至少一个因数。输出处理器向目的地设备提供代表所计算的心脏每搏输出量的数据。
附图说明
图1示出了根据本发明的原理的用于确定心输出量或每搏输出量的非侵入性系统。
图2示出了根据本发明的原理的利用所测量的SPO2血氧定量参数确定从心脏到身体毛细血管（比如在指尖中）的血流量。
图3图示了根据本发明的原理的连续采集的SPO2数据。
图4示出了根据本发明的原理的用于时变和非线性血流量计算的人工神经网络（ANN）。
图5示出了根据本发明的原理的被用来利用SPO2血氧定量信号确定心输出量和每搏输出量的过程的流程图。
图6示出了根据本发明的原理的在患者的正常休息和锻炼时段期间的基于SPO2信号的CO和SV计算。
图7示出了根据本发明的原理的由非侵入性系统使用来确定心输出量或每搏输出量的过程的流程图。
具体实施方式
一种系统通过使用非侵入性血氧定量信号（比如血氧饱和度（SPO2）数据）来定量地确定血流量，从而确定心输出量和每搏输出量。SPO2数据被利用来分析心脏机能和血流量特性，这是通过建立毛细血管中（比如指尖中）的非侵入性血液的血氧定量信号与包括心室（特别是左心室）的心泵之间的桥接模型而实现的。利用基于SPO2信号属性（比如密度（Density）、可变性（Variability）、变化（Variation））的非线性建模，所述系统在存在或不存在显著噪声的情况下精确地确定心输出量。所述系统检测心脏失调、区分心律失常、表征病状严重度、预测威胁生命的事件并且促进对于患者的药物施用的效果的评估。
所述系统通过确定血氧含量（SPO2）代表性参数来定量地确定CO和SV值。通常来说，SPO2一般被用来测量毛细血管中的血氧含量，从而例如确定比如哮喘严重度之类的患者健康状态以及识别心房颤动。SPO2数据还被用于其他应用，比如血流量估计和血液动力学参数估计。所述系统使用SPO2（血氧定量数据）来计算心输出量和每搏输出量。所述系统有利地导出并使用SPO2血氧定量信号测量与心脏心输出量之间的关系。SPO2是被用来监视及诊断患者健康状态的生命体征，这是通过测量带氧血红素的饱和度（例如通过脉搏血氧定量法来测量）而实现的。从其有利地导出心泵（CO）活动与小血管（毛细血管）中的血流量之间的关联。可以通过利用红外光的非侵入性传感器采集SPO2数据，比如通过使用已知的SPO2采集传感器系统。这些传感器系统（其包括OEM设备）通常输出利用例如从20到100Hz的采样率导出的连续数据流。所述系统使用数字化的数据输出来计算SPO2特性和参数，比如密度、能量以及动态变化和可变性。
图1示出了用于心脏性能表征和异常检测的系统10。系统10包括至少一个计算机系统、工作站、服务器或者其他处理设备30，其包括输入处理器12、存储库17、映射处理器22、患者监视设备和SPO2测量传感器19、计算处理器15、输出处理器20以及用户接口26。输入处理器12接收代表患者11在特定解剖位置处的血液的氧含量的信号数据，其是由血氧含量（SPO2）测量传感器19导出的。计算处理器15响应于以下各项使用所接收到的信号数据来计算包括在一个心搏周期内通过血管输送的血液的容量的患者11的心脏每搏输出量：响应于患者血液的氧含量而导出的血容量，以及代表从患者心脏到特定解剖位置的血流容量减少的至少一个因数。输出处理器20向目的地设备提供代表所计算的心脏每搏输出量的数据。含氧血液流到左心室并且被左心室泵出到主动脉，主动脉向身体运送充氧血液，从血管到器官，从大血管到小血管并且到毛细血管。患者监视设备和SPO2测量传感器19利用位于患者11的毛细血管上或其附近的光传感器采集非侵入性SPO2血氧定量信号。
图2示出了利用由传感器19（图1）测量的SPO2血氧定量参数的对于从心脏到身体毛细血管（比如在指尖中）的血流量的确定。该图示出了从心脏到毛细血管的血流量以及流量序列中的相关联的线性和非线性比值。通常来说，左心室将血液201泵入到主动脉203中，主动脉将血液运送到小血管和器官，并且最终运送到身体毛细血管205。在每一个步骤中，血容量都成比例地减少，比如减少代表从心脏的转变度的比值 
1(t)。基于定时和血管容量，比值 i (t)可能是时变和非线性的。f SPO2是被用来从SPO2数据207计算血流量和血容量的函数。计算处理器15（图1）利用下式确定心输出量和每搏输出量：
其中，
1(t)、
2(t)和
3(t)是指示血流容量减少的图2的每一阶段的容积比值，K代表血流量和血容量的基线和静态部分。已经知道，CO=心率x SV，并且CO和SV包括心输出量计算。此外，f SPO2被如下计算为多个参数的函数：
f SPO2=f(Density,max,min,mean,std,variability,variation（变化）,HOS)
其中，max（最大值）是SPO2数据在一时间段内的最大值，min（最小值）是SPO2数据在所述时间段内的最小值，mean（均值）是SPO2数据在所述时间段内的平均值；std是SPO2值在所述时间段内的标准偏差；variability（可变性）是如后面所描述的那样确定的在所述时间段内对于SPO2值的统计参数。对于SPO2数据的数据流计算std和variability，所述数据流包括被用于max、min、mean确定的所述时间段内的数据集。HOS意味着高阶统计计算值，比如双谱值。在计算f SPO2时，可以使用density、max、min、std、variability、variation和HOS当中的一项或多项（并且少于所有参数）来计算f SPO2，但是如果在计算中使用更多因数和参数则可以提高灵敏度和精确度。Density（密度）代表例如利用以下公式的其中之一导出的SPO2波形计算的参数：
或者
（能量）
其中，N是密度计算窗口内的数据样本的数目，且data i 是SPO2波形中的SPO2数据值。举例来说，在一个周期的SPO2数据集中有6个样本0.56、0.75、1、0.91、0.64、0.55（这些是通过与SPO2波形中的最大值进行比较而归一化的数据值），N是6，且相应的幅度SPO2_Density是0.74，且能量SPO2_Density是0.57。
处理器15如下计算均值（mean）、标准偏差变化（variation）和可变性（variability）。
mean或average值（期望）：
标准偏差：
信号Variation=
信号Variability=
其中，X包括SPO2数据流样本的数据系列，SPO2最大值数据值系列，SPO2_Density数据系列或另一个SPO2信号数据系列，或者所导出的计算值系列。在等式中，M是计算中的数据集内的数据值的数目。统计计算和演算窗口是5到20次心搏，这也意味着对于SPO2波形的5－20个周期。
参数
1(t)、 2(t)、 3(t)、
(t)、K和λ(t)是基于SPO2信号数据的CO和SV计算中的不同因数、系数和比值。K代表由于患者锻炼或者心输出量计算中的时间而改变的血流量和血容量的基线和静态部分，并且K取决于患者人口统计数据，比如体重、皮肤区域和身高。此外， 1(t)、
2(t)、 3(t)、
(t)是代表心输出量以及从心室到血管以及到毛细血管的血流量减少的因数。参数λ(t)是将毛细血管中的氧含量和血流容量相关联的因数。这些因数和系数在患者状态稳定的情况下是稳定的。但是，因数
1(t)、
2(t)、
3(t)、
(t)、K和λ(t)由于包括锻炼、心脏心律失常和药物施用的患者状态和活动而可能会发生改变并且是时变的。在CO和SV确定中，可以由用户或系统10（图1）响应于患者状态自适应且自动控制并调节这些因数。系统10或用户响应于诸如心率、呼吸率、患者体温以及其他患者身体和生命体征信号之类的指示物来自适应地调节这些系数。
通过函数f SPO2利用SPO2血氧定量值计算毛细血管中的血流量。响应于指示所执行的临床应用或规程的类型（例如监视心房颤动或者其他心脏病）的数据以及用户数据输入，处理器15导出在毛细血管中流动的血容量与SPO2血氧定量数据之间的函数以便确定f SPO2，其是被用来从SPO2数据计算血流量和血容量的函数。举例来说，所述函数在下面的公式中使用SPO2波形density、max、min、average和variation：
其中，Mean(max)是SPO2数据的最大值的均值（在这里有N个SPO2心搏周期，其与ECG信号心搏周期类似），Mean(min)是SPO2数据集的最小值的均值，Variation(SPO2_average)是从SPO2平均值数据集导出的变化参数，λ(t)是毛细血管中的血流容量与氧含量之间的比值，通常0<λ(t)<1并且λ(t)可以是时变的。在有噪声的环境中，在f SPO2计算中可以利用更多计算参数，其中例如包括如前面所描述的HOS和可变性参数。处理器15基于包括呼吸状态和病状的患者状态执行时变分析。时变分析对于CO和SV确定使用智能查找表和自适应过程。
图3图示了连续采集的SPO2数据301，其指示了参数K和N以及SPO2数据集的max值、average值和min值。N是计算窗口大小（例如在这里N=6个周期）。计算处理器15（图1）分析SPO2波形以便导出包括max、min和density值的SPO2血氧定量信息。在CO和SV计算中，所使用的参数包括SPO2波形和数据集参数，所述数据集参数包括max、min、average、std（标准偏差）、variability、variation、N（心搏周期的数目）、时变因数和比值（比如
1(t)、
2(t)、 3(t)）以及患者因数（例如K）。处理器15计算表征性的SPO2数据集参数。所述时变因数和与血流量相关联的比值（比如从心脏到动脉、从动脉到毛细血管）不是由系统直接导出的，这是因为这些比值可能是时变和非线性的，并且取决于临床环境以及诸如心率和心律失常的发生之类的患者状态。患者因数包括患者体重、病状（比如哮喘）、患者皮肤表面积、年龄、性别、药物递送以及治疗。利用参数K将这些种类的因数和变量纳入考虑。因此，K有时也是基于患者状态而变化的，并且被表示为K(患者)。但是，K(患者)对于一位特定患者是稳定的，并且可能是一个小的因数，以使得K(患者)=μK，其中μ通常处在0.95到1.05之间。从而CO计算包括：
或者
其中，(t)是对于血流量减少的总体比值和因数。
图4示出了用于时变和非线性血流量计算以及时变因数
1(t)、
2(t)、
3(t)或(t)的确定的人工神经网络（ANN）。系统10（图1）可以采用不同方法来进行因数确定，比如模糊建模或专家系统。ANN单元407被用来估计总体时变和非线性因数
1(t)、 2(t)、
3(t)和/或(t)、λ(t)。
ANN单元407集成并且非线性地组合多种种类的患者信息，这是因为不同类型的患者数据和数据模式可能具有非线性关系。ANN单元407包括用于例如组合并集成不同种类的血压测量、人口统计信号、生命体征和ECG信号的三层体系结构。ANN单元207将患者数据420（其包括年龄、体重、身高、性别）、患者参数和状态数据423（其包括呼吸、血压、体温、数据值和患者活动状态）以及患者医疗状况数据426（其包括心律失常、病状、药物治疗）组合或映射到输出参数
1(t)、
2(t)、
3(t)或
(t)429。各测量和计算被非线性地组合以导出严重度指示物和病状指示物。所述指示物被用于统计测试和验证，以便识别出对于血压信号模式量化和患者心脏心律失常表征的动态统计模式。
ANN单元407结构包括3层，即输入层410、隐藏层412和输出层414。在ANN计算的输入层410与隐藏层412分量之间施加ANN单元A ij 权重，并且在ANN计算的隐藏层412与计算分量414之间施加B pq 权重。利用训练数据集对A ij 权重和B pq 权重进行自适应调节和调谐。ANN单元407合并有自学习功能，其处理信号420、423和426以便提高计算结果的精度。在利用训练数据集的训练阶段之后，ANN单元407将信号420、423和426映射到数据429。在一个实施例中，独立地使用不同类型的信号测量和导出参数来确定患者状态，这是基于反映心脏再灌注率的血压周期间隔、指示每搏输出量的血压波形积分参数以及指示血液灌注和收缩规则度的血压波形形态统计量而实现的。
在一个实施例中，ANN单元407（和数据处理器15）如下计算非线性信号参数：
其中index_i是来自ANN单元407的代表病状严重度、位置和定时的输出指数，C j 代表从血压信号、其他计算和ANN单元的其他输入导出的参数，α ij (t)代表权重和系数。可以响应于规程类型和患者医疗状况指示物自适应地选择C j 和α ij (t)。在ANN单元407中，可以响应于训练数据集而导出α ij (t)，Ω代表输入，包括直接患者信号测量、所计算的指数、用户输入以及患者人口统计数据。在临床应用中，可以根据含义和应用目的命名不同的指数，比如病状严重度index_1，心律失常位置指数index_2，心律失常发生概率index_3，心律失常类型index_4，EOS（心脏收缩期末尾）阶段间隔index_5，血压周期index_6，域频率值index_7，以及警告和治疗优先级index_8。从多个参数计算一个动态信号模式指示物以指示患者病状的统计概率和水平、事件定时、药物递送效果，从而预测机能障碍趋势和潜在临床治疗。
在不同的临床规程和不同的心律中，指数通常示出不同的值和分布（其由mean值和标准偏差指示）。所述系统确定例如指示严重度、类型、定时和优先级的顺序计算值。单元407（或处理器15）例如采用位移窗口（其由单元407或15响应于灵敏度和数据中的噪声自适应且自动确定）来处理对于index_1的顺序指数数据系列（S1）。在一个实施例中使用一个十数据点窗口。对于每一个窗口，使用均值mean（S1）、标准偏差STD（S1）、计算valiation和variability。
图5示出了由系统10（图1）使用来利用SPO2血氧定量信号确定心输出量和每搏输出量的过程的流程图。通过缓冲并数字化在步骤806中接收到的信号数据，输入处理器12在步骤508中处理代表在特定解剖位置处从SPO2传感器19采集的患者的血液的氧含量的信号数据。输入处理器12利用滤波器对所接收到的信号数据进行滤波以便衰减电力线噪声、呼吸和患者移动噪声，并且采集诸如体重、年龄、性别之类的患者信息。在步骤514中，计算处理器15确定一个所检测到的SPO2血氧定量周期内的所述信号数据的基线。计算处理器15在步骤516中识别出经过滤波的信号数据的不同片段，并且分析所述信号数据以便识别出信号最大值和最小值，并且分析所确定的患者基线数据以便用在CO和SV计算中。处理器15使用峰值检测器和时间检测器来识别峰值和波片段，并且利用已知的峰值检测器来检测所接收到的信号数据内的峰值，并且这是通过将信号分段到其中预期存在波的窗口中以及识别所述窗口内的峰值而实现的。例如，通过多种已知的不同方法来识别波的起点。在一种方法中，波起点包括信号越过信号的基线的位置（例如在预定波窗口中）。或者，波起点可以包括信号的峰值或谷值。如果静态（DC）电压信号分量被从信号中滤除的话，则信号的基线可以包括零电压线。处理器15包括用于确定信号峰值与谷值之间的持续时间的定时检测器。所述时间检测器使用时钟计数器来对峰值点与谷值点之间的时钟进行计数，并且响应于所检测到的峰值和谷值特性而发起及终止所述计数。
处理器15在步骤518中计算经过滤波的SPO2血氧定量信号数据的特性，所述信号数据包括变化（variation）、可变性（variability）、波形密度（density）和平均值（average value）。处理器15计算代表从患者心脏到特定解剖位置的血流容量减少的系数。通过系统自适应控制或者用户选择来调节及控制计算中的参数。在步骤520中，计算处理器15响应于以下各项使用所接收到的经过滤波的信号数据来计算包括在一个心搏周期内通过血管输送的血液的容量的患者的心脏每搏输出量（SV）：响应于患者血液的氧含量导出的血容量，以及代表从患者心脏到特定解剖位置的血流容量减少的至少一个因数。计算处理器15还计算CO。在步骤526中，映射处理器22使用预定映射信息将所计算的每搏输出量或者从所计算的每搏输出量导出的值的各范围与各医疗状况相关联，并且用于将所计算的每搏输出量映射到指示患者的医疗状况的数据。如果处理器22在步骤526中确定了诸如室性心律失常之类的医疗状况或者识别出指示心脏损伤或其他异常的相关事件，则处理器22在步骤535中使用所述映射信息来生成识别所述医疗状况和异常的警告消息，并且将所述消息传达给用户，并且将指示所识别出的状况的数据和所计算的相关联的参数存储在存储库17中。处理器15（比如响应于药物施用）更新患者信息和健康状态，这可能会影响SV计算。
处理器15在步骤523中自适应地调节被用于步骤520中的SV计算以及SV求平均的计算窗口中的周期的数目，并且调节被采用来改进医疗状况检测的阈值。如果处理器22在步骤526中没有识别出医疗状况或者患者信息或健康状态的改变，则处理器15在步骤529中确定患者医疗和人口统计数据（年龄、体重、性别），并且在步骤531中计算CO/SV比值，并且更新代表从患者心脏到特定解剖位置的血流容量减少的至少一个因数，并且重复步骤520中的SV计算以及步骤526、529和531，直到在步骤526中识别出医疗状况为止。
基于SPO2血氧定量信号的非侵入性CO和SV表征被使用在不同的临床应用中，比如用在手术室（OR）、重症监护室（ICU）、病危监护室（CCU）和EM（急诊室）中以用于监视患者健康状态。确定CO和SV中的偏差以便于促进早期检测包括心律失常和病状的患者健康异常，以及预测患者病状并且促进对于适当治疗的识别。
图6图示了在患者的第一正常休息时段和第二锻炼时段期间的基于SPO2信号的CO和SV模拟计算。如前所述地基于分别与正常时段和锻炼时段相对应的SPO2信号603和605来确定CO和SV。将两个时段的所确定的CO和SV值进行比较。心率在正常休息时段内是70bpm（每分钟心搏数），并且在锻炼时段期间是105bpm。在休息时段内将各比值系数和因数610计算为
1(t)=5、
2(t)=23、
3(t)=25、λ(t)=0.15，从而给出80ml的SV值612。在锻炼时段内将各比值系数和因数620计算为
1(t)=5.3、
2(t)=28、
3(t)=29、λ(t)=0.12，从而给出120ml的SV值622。可以看出，在锻炼期间，血流量和SV值高于休息时的，这是因为人类身体和肌肉需要更多氧气和血液（在这里系统10对于休息状态选择10个周期的窗口大小，且对于锻炼状态选择15个周期的窗口大小）。窗口大小的改变有助于消除由于锻炼而导致的计算中的噪声，比如基线改变。如前所述地基于SPO2波形density、max、min、average确定SPO2指数f SPO2值。系统10自动比较对于两个不同时段导出的参数。执行不同种类的SPO2波形分析以便促进确定患者的心输出量和健康状态。此外，设定阈值并且对其进行调节以便跟踪心脏机能病状。举例来说，通过使用与不同种类的医疗状况相关联的CO和SV值的数据库，对于特定患者心脏输出识别出特定状况，例如基于SPO2的对于患者CO改变的20%阈值被用来确定所监视患者的异常。
图7示出了由系统10（图1）使用来确定心输出量或每搏输出量的过程的流程图。在步骤711处开始之后，在步骤712中，输入处理器12接收信号数据（例如数字采样的数据），比如代表患者的特定解剖位置处的血液的氧含量的血氧饱和度（SPO2）信号。在步骤715中，计算处理器15响应于以下各项使用所接收到的信号数据来计算包括在一个心搏周期内通过血管输送的血液的容量的患者的心脏每搏输出量：响应于患者血液的氧含量导出的血容量，以及代表从患者心脏到特定解剖位置的血流容量减少的至少一个因数。
响应于指示患者活动（包括休息和锻炼的至少其中之一）的指示物、患者的人口统计特性（包括年龄、身高、体重、性别和怀孕状态当中的一项或多项）并且响应于（a）心率、（b）呼吸率和（c）患者体温的至少其中之一，计算处理器15自适应地确定代表从患者心脏到特定解剖位置的血流容量减少的至少一个因数。在一个实施例中，计算处理器15利用人工神经网络确定代表从患者心脏到特定解剖位置的血流容量减少的所述至少一个因数。利用训练数据集来配置所述人工神经网络，其中所述训练数据集包括对于所涉及的患者的数据或者是从共享所涉及的患者的人口统计数据的患者群体的多个训练数据集当中选择的，所述人口统计数据包括年龄、身高、体重、性别和怀孕状态当中的至少两项。
在一个实施例中，计算处理器15响应于基本上处于特定解剖位置处的血管中的血容量与所述血管中的血容量的氧含量之间的比值来确定血容量，并且响应于以下各项自适应地调节所确定的血容量：（a）心率，（b）呼吸率，（c）患者体温，（d）患者的人口统计特性，以及（e）指示包括休息和锻炼的至少其中之一的患者活动的指示物。或者，计算处理器15响应于针对所接收到的信号数据计算的密度值而确定血容量。利用以下形式的函数来计算对于所接收到的信号数据计算的密度值：
或者
其中，N是密度计算窗口中的数据样本的数目，data i 是所接收到的信号数据中的数据值。
在另一个实施例中，计算处理器15利用以下各项的至少其中之一确定响应于患者血液的氧含量而导出的血容量：所接收到的信号数据的（a）Mean、（b）标准偏差、（c）Variation、（d）Variability值以及（e）特定于患者的基本值K。计算处理器响应于以下各项的至少其中之一自适应地调节K：（a）患者人口统计特性，以及（b）指示包括休息和锻炼的至少其中之一的患者活动的指示物。
在步骤717中，映射处理器22使用预定映射信息将所计算的每搏输出量或者从所计算的每搏输出量导出的值的各范围与各医疗状况相关联，并且用于将所计算的每搏输出量映射到指示患者的医疗状况的数据。所述预定映射信息将所计算的每搏输出量的各范围与特定患者人口统计特性并且与相应的医疗状况相关联，并且所述系统使用包括年龄、体重、性别和身高的至少其中之一的患者人口统计数据来将所计算的每搏输出量与所述各范围进行比较，并且生成指示潜在医疗状况的警告消息。在步骤723中，输出处理器20将代表所计算的心脏每搏输出量和所指示的医疗状况的数据提供到目的地设备。图7的过程终止于步骤731。
这里所使用的处理器是用于执行存储在计算机可读介质上的机器可读指令以便执行各任务的设备，并且可以包括硬件和固件当中的任一项或其组合。处理器还可以包括存储可执行来施行各任务的机器可读指令的存储器。处理器通过操纵、分析、修改、转换或传送信息以便由可执行规程或信息设备使用并且/或者通过将信息路由到输出设备来对信息进行作用。处理器例如可以使用或包括计算机、控制器或微处理器的能力，并且利用可执行指令被调节成执行无法由通用计算机执行的专用功能。处理器可以与任何其他处理器耦合（通过电气方式耦合以及/或者耦合为包括可执行组件），从而实现其间的交互和/或通信。用户接口处理器或发生器是已知的元件，其包括电子电路或软件或者二者的组合以用来生成显示图像或其各部分。用户接口包括一个或多个显示图像，其允许用户与处理器或其他设备进行交互。
这里所使用的可执行应用包括代码或机器可读指令，其用于调节处理器响应于用户命令或输入而实施预定功能，比如操作系统、情境数据采集系统或其他信息处理系统的功能。可执行规程是代码或机器可读指令的片段、子例程或者用于执行一个或多个特定过程的可执行应用的其他不同代码段或部分。这些过程可以包括接收输入数据和/或参数、对所接收到的输入数据执行操作以及/或者响应于所接收到的输入参数执行功能，以及提供所得到的输出数据和/或参数。这里所使用的用户接口（UI）包括一个或多个显示图像，其由用户接口处理器生成并且允许与处理器或其他设备的用户交互以及相关联的数据采集和处理功能。
UI还包括可执行规程或可执行应用。所述可执行规程或可执行应用调节用户接口处理器以便生成代表UI显示图像的信号。这些信号被提供到显示设备，其显示所述图像以供用户观看。所述可执行规程或可执行应用还接收来自用户输入设备的信号，所述用户输入设备比如键盘、鼠标、光笔、触摸屏或者允许用户向处理器提供数据的任何其他装置。处理器在可执行规程或可执行应用的控制下响应于接收自输入设备的信号来操纵UI显示图像。这样，用户利用输入设备与显示图像进行交互，从而允许与处理器或其他设备进行用户交互。这里的各项功能和各过程步骤可以被自动执行或者总体上或部分地响应于用户命令来执行。自动执行的活动（包括步骤）是在没有用户直接发起所述活动的情况下响应于可执行指令或设备操作而执行的。
图1－7的系统和过程不是排他性的。根据本发明的原理可以导出其他系统、过程和菜单以便实现相同的目的。虽然已经参照特定实施例描述了本发明，但是应当理解的是，这里所示出及描述的实施例和变型仅仅是出于说明的目的。在不背离本发明的范围的情况下，本领域技术人员可以对当前设计实施修改。一种系统通过使用诸如血氧饱和度（SPO2）数据之类的非侵入性血氧定量信号来定量地确定血流量，从而确定心输出量和每搏输出量。此外，在替换实施例中，所述过程和应用可以处在链接图1的各单元的网络上的一个或多（例如分布式）处理设备上。在图1－7中提供的任何功能和步骤可以用硬件、软件或者二者的组合来实施。
Claims (19)
1.一种用于确定心输出量或每搏输出量的非侵入性系统，包括：
输入处理器，其用于接收代表患者的特定解剖位置处的血液的氧含量的信号数据；
计算处理器，其用于响应于以下各项使用所接收到的信号数据来计算包括在一个心搏周期内通过血管输送的血液的容量的所述患者的心脏每搏输出量：
响应于患者血液的氧含量导出的血容量；以及
代表从患者心脏到所述特定解剖位置的血流容量减少的至少一个因数；以及
输出处理器，其用于向目的地设备提供代表所计算的心脏每搏输出量的数据。
2.根据权利要求1的系统，其中：
代表所述患者的血液的氧含量的信号包括血氧饱和度（SPO2）信号。
3.根据权利要求1的系统，其中：
所述信号数据是数字采样的数据。
4.根据权利要求1的系统，包括：
映射处理器，其用于使用预定映射信息将所计算的每搏输出量或者从所述所计算的每搏输出量导出的值的各范围与各医疗状况相关联，并且用于将所计算的每搏输出量映射到指示所述患者的医疗状况的数据，以及
所述输出处理器向目的地设备提供代表所指示的医疗状况的数据。
5.根据权利要求1的系统，其中：
所述计算处理器响应于基本上处在所述特定解剖位置处的血管中的血容量与所述血管中的所述血容量的氧含量之间的比值来确定所述血容量。
6.根据权利要求1的系统，其中：
所述计算处理器响应于对于所接收到的信号数据计算的密度值来确定所述血容量。
7.根据权利要求6的系统，其中：
利用以下形式的函数来计算对于所接收到的信号数据的所述密度值：
或者
其中，N是密度计算窗口中的数据样本的数目，data i 是所接收到的信号数据中的数据值。
8.根据权利要求1的系统，其中：
所述计算处理器响应于指示包括休息和锻炼的至少其中之一的患者活动的指示物自适应地确定代表从患者心脏到所述特定解剖位置的血流容量减少的所述至少一个因数。
9.根据权利要求1的系统，其中：
所述计算处理器响应于（a）心率、（b）呼吸率和（c）患者体温的至少其中之一自适应地确定代表从患者心脏到所述特定解剖位置的血流容量减少的所述至少一个因数。
10.根据权利要求1的系统，其中：
所述计算处理器响应于包括年龄、身高、体重、性别和怀孕状态当中的至少两项的所述患者的人口统计特性自适应地确定代表从患者心脏到所述特定解剖位置的血流容量减少的所述至少一个因数。
11.根据权利要求1的系统，其中：
所述计算处理器响应于基本上处在所述特定解剖位置处的血管中的血容量与所述血管中的所述血容量的氧含量之间的比值来确定所述血容量，并且响应于指示包括休息和锻炼的至少其中之一的患者活动的指示物自适应地调节所确定的血容量。
12.根据权利要求1的系统，其中：
所述计算处理器响应于基本上处在所述特定解剖位置处的血管中的血容量与所述血管中的所述血容量的氧含量之间的比值来确定所述血容量，并且响应于（a）心率、（b）呼吸率、（c）患者体温和（d）所述患者的人口统计特性自适应地调节所确定的血容量。
13.根据权利要求1的系统，其中：
所述计算处理器利用人工神经网络确定代表从患者心脏到所述特定解剖位置的血流容量减少的所述至少一个因数。
14.根据权利要求13的系统，其中：
利用包括对于所涉及的患者的数据的训练数据集来配置所述人工神经网络，或者利用从使用所涉及的患者的人口统计数据的多个训练数据集当中选择的训练数据集来配置所述人工神经网络，所述人口统计数据包括年龄、身高、体重、性别和怀孕状态当中的至少两项。
15.根据权利要求1的系统，其中：
所述计算处理器利用所接收到的信号数据的（a）均值、（b）标准偏差、（c）变化和（d）可变性值的至少其中之一来确定响应于患者血液的氧含量而导出的所述血容量。
16.根据权利要求1的系统，包括：
映射处理器，其用于使用预定映射信息将所计算的每搏输出量或者从所述所计算的每搏输出量导出的值的各范围与各医疗状况相关联，并且用于将所计算的每搏输出量映射到指示所述患者的医疗状况的数据，以及
所述输出处理器向目的地设备提供代表所指示的医疗状况的数据，其中所述预定映射信息将所计算的每搏输出量的各范围与特定患者人口统计特性并且与相应的医疗状况相关联，并且所述系统使用包括年龄、体重、性别和身高的至少其中之一的患者人口统计数据来将所计算的每搏输出量与所述各范围进行比较，并且生成指示潜在医疗状况的警告消息。
17.根据权利要求1的系统，其中：
所述计算处理器响应于特定于患者的基本值K来确定响应于患者血液的氧含量导出的所述血容量。
18.根据权利要求17的系统，其中：
所述计算处理器响应于（a）患者人口统计特性和（b）指示包括休息和锻炼的至少其中之一的患者活动的指示物的至少其中之一自适应地调节K。
19.一种用于确定心输出量或每搏输出量的方法，包括以下活动：
接收代表患者的特定解剖位置处的血液的氧含量的信号数据；
响应于以下各项使用所接收到的信号数据来计算包括在一个心搏周期内通过血管输送的血液的容量的所述患者的心脏每搏输出量：
响应于患者血液的氧含量导出的血容量；以及
代表从患者心脏到所述特定解剖位置的血流容量减少的至少一个因数；以及
向目的地设备提供代表所计算的心脏每搏输出量的数据。
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US42123410P | 2010-12-09 | 2010-12-09 | |
| US61/421234 | 2010-12-09 | ||
| US13/215307 | 2011-08-23 | ||
| US13/215,307 US20120150003A1 (en) | 2010-12-09 | 2011-08-23 | System Non-invasive Cardiac Output Determination |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102551699A true CN102551699A (zh) | 2012-07-11 |
| CN102551699B CN102551699B (zh) | 2016-02-24 |
Family
ID=46200041
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201110408351.2A Active CN102551699B (zh) | 2010-12-09 | 2011-12-09 | 非侵入性心输出量确定的系统 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US20120150003A1 (zh) |
| CN (1) | CN102551699B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107427267A (zh) * | 2014-12-30 | 2017-12-01 | 日东电工株式会社 | 用于导出主体的精神状态的方法和装置 |
| CN108992059A (zh) * | 2012-09-12 | 2018-12-14 | 哈特弗罗公司 | 用于根据血管几何形状和生理学估计血流特性的系统和方法 |
| CN112423657A (zh) * | 2018-06-11 | 2021-02-26 | 博能电子公司 | 训练指导中的心搏量测量 |
| CN112426136A (zh) * | 2014-08-27 | 2021-03-02 | 马奎特紧急护理公司 | 用于预测机械通气对象中流体响应性的方法和设备 |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9974465B2 (en) * | 2007-01-04 | 2018-05-22 | Oridion Medical 1987 Ltd. | Capnography device and method |
| US9402571B2 (en) | 2011-01-06 | 2016-08-02 | Siemens Medical Solutions Usa, Inc. | Biological tissue function analysis |
| US9332917B2 (en) | 2012-02-22 | 2016-05-10 | Siemens Medical Solutions Usa, Inc. | System for non-invasive cardiac output determination |
| JP5985355B2 (ja) | 2012-10-30 | 2016-09-06 | 日本光電工業株式会社 | 血液量測定方法および測定装置 |
| US9848785B2 (en) * | 2013-12-05 | 2017-12-26 | Siemens Healthcare Gmbh | Analysis and characterization of patient signals |
| DE102014201165A1 (de) | 2014-01-23 | 2015-08-06 | Robert Bosch Gmbh | Batterie-Pack mit Luftkühlung |
| WO2017040612A1 (en) * | 2015-08-31 | 2017-03-09 | University Of Hawai'i | Blood volume assessment using high frequency ultrasound |
| CN116919343A (zh) * | 2017-01-19 | 2023-10-24 | 海迪有限公司 | 用于确定活体的心脏功能的装置和方法 |
| JP2021069613A (ja) * | 2019-10-30 | 2021-05-06 | 国立大学法人九州大学 | 生体情報測定装置、及び生体情報測定プログラム |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1348341A (zh) * | 1999-04-27 | 2002-05-08 | 萨尔瓦多·罗马诺 | 测量心脏血流输出量的方法和装置 |
| US20040254483A1 (en) * | 2003-01-24 | 2004-12-16 | Proteus Biomedical, Inc. | Methods and systems for measuring cardiac parameters |
| CN1698534A (zh) * | 2004-05-17 | 2005-11-23 | 普尔松医疗系统公司 | 用于确定血液动力学参数的装置 |
| EP1661509A1 (en) * | 2004-11-29 | 2006-05-31 | Perioperative Medicine Consultancy B.V. | Method, system and computer product for determining an oxygen related property of blood that follows a path in a living body |
| US20080194980A1 (en) * | 2004-11-05 | 2008-08-14 | Nederlandse Organisatie Voor Toegepastnatuurwetenschappelijk Onderzoek | Method of and Unit for Determining the Cardiac Output of the Human Heart |
| CN101489472A (zh) * | 2006-07-13 | 2009-07-22 | 爱德华兹生命科学公司 | 使用动脉脉压传播时间和波形连续估算心血管参数的方法和仪器 |
| EP2241251A1 (en) * | 2009-04-17 | 2010-10-20 | Nihon Kohden Corporation | Method and apparatus for measuring blood volume |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6648820B1 (en) * | 1999-10-27 | 2003-11-18 | Home-Medicine (Usa), Inc. | Medical condition sensing system |
-
2011
- 2011-08-23 US US13/215,307 patent/US20120150003A1/en not_active Abandoned
- 2011-12-09 CN CN201110408351.2A patent/CN102551699B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1348341A (zh) * | 1999-04-27 | 2002-05-08 | 萨尔瓦多·罗马诺 | 测量心脏血流输出量的方法和装置 |
| US20040254483A1 (en) * | 2003-01-24 | 2004-12-16 | Proteus Biomedical, Inc. | Methods and systems for measuring cardiac parameters |
| CN1698534A (zh) * | 2004-05-17 | 2005-11-23 | 普尔松医疗系统公司 | 用于确定血液动力学参数的装置 |
| US20080194980A1 (en) * | 2004-11-05 | 2008-08-14 | Nederlandse Organisatie Voor Toegepastnatuurwetenschappelijk Onderzoek | Method of and Unit for Determining the Cardiac Output of the Human Heart |
| EP1661509A1 (en) * | 2004-11-29 | 2006-05-31 | Perioperative Medicine Consultancy B.V. | Method, system and computer product for determining an oxygen related property of blood that follows a path in a living body |
| CN101489472A (zh) * | 2006-07-13 | 2009-07-22 | 爱德华兹生命科学公司 | 使用动脉脉压传播时间和波形连续估算心血管参数的方法和仪器 |
| EP2241251A1 (en) * | 2009-04-17 | 2010-10-20 | Nihon Kohden Corporation | Method and apparatus for measuring blood volume |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108992059A (zh) * | 2012-09-12 | 2018-12-14 | 哈特弗罗公司 | 用于根据血管几何形状和生理学估计血流特性的系统和方法 |
| CN108992059B (zh) * | 2012-09-12 | 2023-07-07 | 哈特弗罗公司 | 用于根据血管几何形状和生理学估计血流特性的系统和方法 |
| CN112426136A (zh) * | 2014-08-27 | 2021-03-02 | 马奎特紧急护理公司 | 用于预测机械通气对象中流体响应性的方法和设备 |
| CN107427267A (zh) * | 2014-12-30 | 2017-12-01 | 日东电工株式会社 | 用于导出主体的精神状态的方法和装置 |
| US11076788B2 (en) | 2014-12-30 | 2021-08-03 | Nitto Denko Corporation | Method and apparatus for deriving a mental state of a subject |
| CN112423657A (zh) * | 2018-06-11 | 2021-02-26 | 博能电子公司 | 训练指导中的心搏量测量 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102551699B (zh) | 2016-02-24 |
| US20120150003A1 (en) | 2012-06-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102551699B (zh) | 非侵入性心输出量确定的系统 | |
| US10299735B2 (en) | Automated diagnosis based at least in part on pulse waveforms | |
| CN101061950B (zh) | 利用spo2进行心房纤颤检测 | |
| US10971271B2 (en) | Method and system for personalized blood flow modeling based on wearable sensor networks | |
| Chen | Web-based remote human pulse monitoring system with intelligent data analysis for home health care | |
| US8668649B2 (en) | System for cardiac status determination | |
| JP2021516080A (ja) | 生体振動および無線周波数のデータ分析に基づく生理的状態のモニタリング | |
| US10278595B2 (en) | Analysis and characterization of patient signals | |
| CN114867410A (zh) | 使用人工智能进行连续无创血压监测的校准 | |
| Wu et al. | Evaluating physiological dynamics via synchrosqueezing: Prediction of ventilator weaning | |
| Song et al. | Cuffless deep learning-based blood pressure estimation for smart wristwatches | |
| CN109640803A (zh) | 用于监测血液动力学状态的系统和方法 | |
| US9332917B2 (en) | System for non-invasive cardiac output determination | |
| CN104244814A (zh) | 心输出量的监测 | |
| KR101898569B1 (ko) | 사물인터넷 기반 건강 모니터링 및 평가 시스템 | |
| WO2018106146A2 (ru) | Способ и система неинвазивной скрининговой оценки физиологических параметров и патологий | |
| Despins et al. | Using sensor signals in the early detection of heart failure: A case study | |
| JP2022517630A (ja) | 患者の輸液反応性の予測方法 | |
| Roy et al. | BePCon: a photoplethysmography-based quality-aware continuous beat-to-beat blood pressure measurement technique using deep learning | |
| Acharya et al. | A systems approach to cardiac health diagnosis | |
| US10327648B2 (en) | Blood vessel mechanical signal analysis | |
| Antsiperov et al. | Arterial blood pressure monitoring by active sensors based on heart rate estimation and pulse wave pattern prediction | |
| Shoeibi et al. | Nonlinear features of photoplethysmography signals for Non-invasive blood pressure estimation | |
| CN112740332A (zh) | 用于对循环系统的状态的评价进行辅助的评价辅助系统和评价辅助方法 | |
| Kew et al. | Wearable patch-type ECG using ubiquitous wireless sensor network for healthcare monitoring application |
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 | ||
| C41 | Transfer of patent application or patent right or utility model | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20170221 Address after: Erlangen, Germany Patentee after: SIEMENS AG Address before: American Pennsylvania Patentee before: SIEMENS Medical Solutions |