CN103126672A - 基于生物电阻抗的膀胱积尿实时监测方法及装置 - Google Patents

Abstract

本发明公开了一种基于生物电阻抗的膀胱积尿实时监测方法，包括：通过佩戴在患者测试部位上的测试电极，采集人体电阻抗数据；根据采集到的人体电阻抗数据，提取所述人体电阻抗数据的时域特征，所述时域特征至少包括当前电阻抗值、当前电阻抗最小微分值和当前电阻抗绝对值积分值；基于所述时域特征计算患者的膀胱积尿量；将计算出的膀胱积尿量与预先针对不同患者设定的尿量阈值进行比较，并在所述膀胱积尿量达到和/或超过所述尿量阈值时发出警报。本发明的膀胱积尿实时监测方法能够准确地预测膀胱积尿过程中的积尿量，提高膀胱积尿实时监测的精度。本发明还公开一种还基于生物电阻抗的膀胱积尿实时监测装置。

Description

基于生物电阻抗的膀胱积尿实时监测方法及装置

技术领域

本发明涉及医疗检测技术领域，尤其涉及一种基于生物电阻抗的膀胱积尿实时监测方法及装置。

背景技术

目前膀胱状况检测方法多采用超声、压力、位移等技术手段，采用的都是静态监测方法，无法及时掌握患者尿量。对于像尿失禁、膀胱炎、脊髓损伤等尿意缺失患者，需要实时监测膀胱尿量，并及时提醒患者排尿，才能预防积尿过多、排尿过频或排尿不尽等并发症；同时，也可以通过有线（或无线）通信方法实现远程监控，目前的膀胱尿量监测方法无法满足上述要求。

生物电阻抗技术利用了生物组织及器官的电特性提取人体生理与病理信息的无创无损检测技术。下面介绍一下生物电阻抗的测量原理，生物体中细胞由细胞膜包裹，内部充满细胞质，细胞之间是细胞外液。生理学研究表明，当直流或低频电流施加于生物组织时，电流将以任意一种可能的方式绕过细胞，主要流经细胞外液:当施加于生物组织电流的频率增加，细胞膜电容的容抗减小，一部分电流将穿过细胞膜流经细胞内液。这使得生物组织阻抗对外界呈现一定的频散特性。

在生物电阻抗测量中，由于电流源激励模式受未知接触阻抗的影响小且加到电极的电流的幅值容易控制不致引起安全问题，通常是借助置于体表的激励电极向被测对象施加微小的交变电流信号I((t)，其值为I₀Sinwt，通过置于人体不同部位的测量电极，检测出组织表面的微弱电压信号为:

将该微弱信号进行放大等一系列的预处理，选用合适的解调方法，计算出相应的测量电极间生物组织的电阻抗:Z=V/I，|Z|为电阻抗的幅值，

为相角。

比如常用的四极法测量电阻抗，是采用两对电极，一对是激励电极，一对是接收电极。通过激励电极输入恒定幅值的交变电流，然后在介于两激励电极之间，贴入接收电极，这样中间段的电流密度分布比较均匀，可以准确测量出被测部位的电位差。四极法的激励电极和接收电极的分离，如果采用高输入阻抗的电压表测量时，不仅测量电极与被测组织部位间的接触电阻都可以忽略不计，双电极法出现的电极与生物组织电解液间的极化的影响也可以不子考虑。

但是，现有的基于生物电阻抗的测量方法和装置都无法清晰准确根据测量数据，以寻找到合适的报警点，及时提示患者排尿。例如，在现有技术中，专利申请号为201010213757.0的中国发明公开了一种基于生物电阻抗的膀胱尿量监测装置，主要根据生物电阻抗阀值来预测尿量多少。但是，考虑到人体膀胱器官是一种极其复杂的自适应系统，在膀胱积尿过程中，尿液电导率是在不断变化，且已有文献证实在膀胱积尿前阶段（尤其测量前半小时），电极的接触阻抗上升比较明显。因此可见，基于阻抗下降多少（阀值）来预测尿量必然存在精度不高的问题，且干扰较大；同时，已有技术研究也没有考虑到尿意缺失患者的自主神经调节功能的评估及其对测量的影响。

发明内容

本发明的目的提供一种基于生物电阻抗的膀胱积尿实时监测方法及装置，能够准确地预测膀胱积尿过程中的积尿量，提高膀胱积尿实时监测的精度。

为实现上述目的，本发明的一个方面提供了一种基于生物电阻抗的膀胱积尿实时监测方法，包括：

通过佩戴在患者测试部位上的测试电极，采集人体电阻抗数据；

根据采集到的人体电阻抗数据，提取所述人体电阻抗数据的时域特征，所述时域特征至少包括当前电阻抗值、当前电阻抗最小微分值和当前电阻抗绝对值积分值；

基于所述时域特征计算患者的膀胱积尿量；

将计算出的膀胱积尿量与预先针对不同患者设定的尿量阈值进行比较，并在所述膀胱积尿量达到和/或超过所述尿量阈值时发出警报。

优选地，基于所述时域特征并通过以下的膀胱积尿量计算函数预测患者的膀胱积尿量：

Y(k)=k_P*x₁(k)+k_D*x₂(k)+kl*x₃(k)+c k=1,2,3,…

其中，Y(k)、x₁(k)、x₂(k)、x₃(k)、k_P、k_D、kl分别表示当前膀胱积尿量、当前电阻抗值、当前电阻抗微分值、当前电阻抗绝对值积分值、当前电阻抗值系数、当前电阻抗微分值系数，c为修正常数；

x₂(k)可由以下函数确定：

x₂(k)=0 k=1，

x₂(k)=x₁(k-1)-x₁(k) x₂(k)≤x₂(k-1)且k=2,3,…，

x₂(k)=x₂(k-1) x₂(k)＞x₂(k-1)且k=2,3,…

其中，x₂(k)、x₂(k-1)、x₁(k)、x₁(k-1)分别表示当前电阻抗微分值，前一时刻电阻抗微分值，当前电阻抗值和前一时刻电阻抗值；

而x₃(k)可由以下函数确定：

$x_3\left(k\right)=\underset{i=1}{\overset{k}{\mathrm{\Σ}}}|x_1\left(i\right)-x_1(i-1)|,k=\mathrm{1,2,3},...$

其中，x(i),x(i-1)分别表示第i时刻和第i-1时刻的电阻抗值。

优选地，基于所述时域特征并通过以下的膀胱积尿量计算函数预测患者的膀胱积尿量：

Y(k)=k_P*x₁(k)*e^cc+k_D*x₂(k)+kl*x₃(k)+c*e^cc k=1,2,3,…

$\mathrm{cc}=\left\{\begin{array}{cc}(30-\mathrm{tt})/6& \mathrm{tt}<30\\ 0& \mathrm{tt}\&GreaterEqual;30\end{array}\right\}$

其中，Y(k)、x₁(k)、x₂(k)、x₃(k)、k_P、k_D、kl分别表示当前膀胱积尿量、当前电阻抗值、当前电阻抗微分值、当前电阻抗绝对值积分值、当前电阻抗值系数、当前电阻抗微分值系数，c为修正常数,tt表示测量时间，单位为分钟；

x₂(k)可由以下函数确定：

x₂(k)=0 k=1，

x₂(k)=x₁(k-1)-x₁(k) x₂(k)≤x₂(k-1)且k=2,3,…，

x₂(k)=x₂(k-1) x₂(k)＞x₂(k-1)且k=2,3,…

其中，x₂(k)、x₂(k-1)、x₁(k)、x₁(k-1)分别表示当前电阻抗微分值，前一时刻电阻抗微分值，当前电阻抗值和前一时刻电阻抗值；

而x₃(k)可由以下函数确定：

$x_3\left(k\right)=\underset{i=1}{\overset{k}{\mathrm{\&Sigma;}}}|x_1\left(i\right)-x_1(i-1)|,k=\mathrm{1,2,3},...$

其中，x(i),x(i-1)分别表示第i时刻和第i-1时刻的电阻抗值。

优选地，还包括步骤：

根据采集到的人体电阻抗数据，提取所述人体电阻抗数据的不同时期的频域特征，所述频域特征至少包括低频能量LF和高频能量HF，其中，低频能量LF表示人体电阻抗数据的功率谱在区间0.04Hz～0.15Hz的能量和，高频能量HF表示人体电阻抗数据的功率谱在区间0.15Hz～0.40Hz的能量和；

基于所述频域特征计算出不同时期的高低频能量比LF/HF，并通过比较不同时期的高低频能量比LF/HF而评估患者膀胱排尿的自主神经调节功能。

优选地，在提取所述人体电阻抗数据的时域特征前，还包括步骤：将采集到的人体电阻抗数据进行数字变频低通滤波处理，以去除人体电阻抗数据中的极低频干扰、呼吸和心跳等人体生理活动干扰以及高频干扰，从而获得高信噪比的人体电阻抗数据。

为实现上述目的，本发明的另一个方面提供了一种基于生物电阻抗的膀胱积尿实时监测装置，包括：

至少一个下位机，所述下位机包括：

交流信号发射接收模块，用于向佩戴在患者测试部位上的测试电极发射激励电流以及接收测试电极返回的电压信号；

下位机主控模块，与所述交流信号发射接收模块连接，控制所述交流信号发射接收模块发射激励电流，并基于所述返回的电压信号计算出人体电阻抗数据；

无线发射模块，用于将带所述人体电阻抗数据的信号发送；

以及一个上位机，所述上位机包括：

无线接收模块，用于接收所述无线发射模块发送的带所述人体电阻抗数据的信号；

电阻抗时域特征提取模块，与所述无线接收模块连接，用于提取所述人体电阻抗数据的时域特征，所述时域特征至少包括当前电阻抗值、当前电阻抗最小微分值和当前电阻抗绝对值积分值；

上位机主控模块，与所述电阻抗时域特征提取模块连接，基于所述时域特征计算患者的膀胱积尿量；

排尿报警模块，与所述上位机主控模块连接，用于将所述上位机主控模块计算出的膀胱积尿量与预先针对不同患者设定的尿量阈值进行比较，并在所述膀胱积尿量达到和/或超过所述尿量阈值时发出警报。

优选地，所述上位机主控模块可基于所述时域特征并通过以下的膀胱积尿量计算患者的膀胱积尿量：

Y(k)=k_P*x₁(k)+k_D*x₂(k)+kl*x₃(k)+c k=1,2,3,…

其中，Y(k)、x₁(k)、x₂(k)、x₃(k)、k_P、k_D、、kl分别表示当前膀胱积尿量、当前电阻抗值、当前电阻抗微分值、当前电阻抗绝对值积分值、当前电阻抗值系数、当前电阻抗微分值系数，c为修正常数；

x₂(k)可由以下函数确定：

x₂(k)=0 k=1，

x₂(k)=x₁(k-1)-x₁(k) x₂(k)≤x₂(k-1)且k=2,3,…，

x₂(k)=x₂(k-1) x₂(k)＞x₂(k-1)且k=2,3,…

其中，x₂(k)、x₂(k-1)、x₁(k)、x₁(k-1)分别表示当前电阻抗微分值，前一时刻电阻抗微分值，当前电阻抗值和前一时刻电阻抗值；

而x₃(k)可由以下函数确定：

$x_3\left(k\right)=\underset{i=1}{\overset{k}{\mathrm{\&Sigma;}}}|x_1\left(i\right)-x_1(i-1)|,k=\mathrm{1,2,3},...$

其中，x(i),x(i-1)分别表示第i时刻和第i-1时刻的电阻抗值。

优选地，所述上位机主控模块可基于所述时域特征并通过以下的膀胱积尿量计算患者的膀胱积尿量：

Y(k)=k_P*x₁(k)*e^cc+k_D*x₂(k)+kl*x₃(k)+c*e^cc k=1,2,3,…

$\mathrm{cc}=\left\{\begin{array}{cc}(30-\mathrm{tt})/6& \mathrm{tt}<30\\ 0& \mathrm{tt}\&GreaterEqual;30\end{array}\right\}$

其中，Y(k)、x₁(k)、x₂(k)、x₃(k)、k_P、k_D、kl分别表示当前膀胱积尿量、当前电阻抗值、当前电阻抗微分值、当前电阻抗绝对值积分值、当前电阻抗值系数、当前电阻抗微分值系数，c为修正常数,tt表示测量时间，单位为分钟；

x₂(k)可由以下函数确定：

x₂(k)=0 k=1，

x₂(k)=x₁(k-1)-x₁(k) x₂(k)≤x₂(k-1)且k=2,3,…，

x₂(k)=x₂(k-1) x₂(k)＞x₂(k-1)且k=2,3,…

其中，x₂(k)、x₂(k-1)、x₁(k)、x₁(k-1)分别表示当前电阻抗微分值，前一时刻电阻抗微分值，当前电阻抗值和前一时刻电阻抗值；

而x₃(k)可由以下函数确定：

$x_3\left(k\right)=\underset{i=1}{\overset{k}{\mathrm{\&Sigma;}}}|x_1\left(i\right)-x_1(i-1)|,k=\mathrm{1,2,3},...$

其中，x(i),x(i-1)分别表示第i时刻和第i-1时刻的电阻抗值。

优选地，所述上位机还包括与所述上位机主控模块连接的电阻抗频域特征提取模块、自主调节功能评估模块；

所述电阻抗频域特征提取模块用于提取所述人体电阻抗数据的不同时期的频域特征，所述频域特征至少包括低频能量LF和高频能量HF，其中，低频能量LF表示人体电阻抗数据的功率谱在区间0.04Hz～0.15Hz的能量和，高频能量HF表示人体电阻抗数据的功率谱在区间0.15Hz～0.40Hz的能量和；

所述上位机主控模块基于所述时域特征而计算出不同时期的高低频能量比LF/HF；

所述自主调节功能评估模块通过比较不同时期的高低频能量比LF/HF而评估患者的膀胱排尿自主调节功能。

优选地，所述上位机还包括连接于所述无线接收模块和电阻抗时域特征提取模块之间的滤波处理模块，用于将接收到的人体电阻抗数据进行数字变频低通滤波处理，以去除人体电阻抗数据中的极低频干扰、呼吸和心跳等人体生理活动干扰以及高频干扰，从而获得高信噪比的人体电阻抗数据。

本发明提供的基于生物电阻抗的膀胱积尿实时监测方法及装置至少包括如下有益效果：

1．首次提出结合生物阻抗当前值、最小微分值、绝对值积分、电极接触电阻补偿等特征，可以更加准确地预测膀胱积尿过程中尿量多少，提高膀胱积尿实时监测的精度，更合理进行排尿提醒与报警。

2．首次提出了阻抗频谱变化规律，通过对比膀胱积尿前期与后期高低频比变化，可以有效地评估膀胱自主神经排尿调节功能，帮助尿意缺失患者进行康复训练。

3．采用数字变频低通滤波算法，有助于滤掉比呼吸、心跳等生理活动干扰更低的极低频扰动，如深呼吸、运动伪差引起的极低频干扰，也避免了直接采用极低频滤波算法对硬件精度要求过高和容易失真等问题。

附图说明

图1是本发明第一实施例中一种基于生物电阻抗的膀胱积尿实时监测方法的流程示意图；

图2是本发明第二实施例中一种基于生物电阻抗的膀胱积尿实时监测方法的流程示意图；

图3是本发明实施例中一种基于生物电阻抗的膀胱积尿实时监测装置的结构示意图；

图4是图3所示的本发明实施例中基于生物电阻抗的膀胱积尿实时监测装置的人体电阻抗时域数据比较图。

图5是图3所示的本发明实施例中基于生物电阻抗的膀胱积尿实时监测装置的人体电阻抗功率谱比较图。

图6～图7展示了图3所示的基于生物电阻抗的膀胱积尿实时监测装置的工作流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参见图1，本发明第一实施例提供的一种基于生物电阻抗的膀胱积尿实时监测方法，包括：

步骤S11、通过佩戴在患者测试部位上的测试电极，采集人体电阻抗数据。

步骤S12、根据采集到的人体电阻抗数据，提取所述人体电阻抗数据的时域特征，所述时域特征至少包括当前电阻抗值、当前电阻抗最小微分值和当前电阻抗绝对值积分值。

步骤S13、基于所述时域特征计算患者的膀胱积尿量；

步骤S14、将计算出的膀胱积尿量与预先针对不同患者设定的尿量阈值进行比较，并在所述膀胱积尿量达到和/或超过所述尿量阈值时发出警报。

具体的，在步骤S11中，通过将多个测试电极（至少4个，一对激励电极，一对接收电极）佩戴在在患者测试部位上并采用四极法测量电阻抗，启动发射器提供稳定的激励电流作用于待测患者，由测量电极接收得到待测对象的返回电压而计算出电阻抗幅值数据。采用四极法测量电阻抗，为了获得合适准确的人体电阻抗数据，可从以下几个方面进行改进：

（1）测试电极佩戴在膀胱附近时，四个测试电极必须处于脐肚下同一水平面，一对接收电极在内，一对激励电极在外，其中多个测试电极必须关于中线对称。具体的，可将一对激励电极固定在小腹下端对应膀胧的投影位置，即两激励电极分别设在肚脐下端两侧胯骨的附近，另一对接收电极置于两激励电极之间的适当位置。此种电极佩戴方法，符合解剖学与电场分布原理，有助于获得最佳的效果。

（2）可以通过多通道开关选择模式进行多位置测量与比较，获得最佳的测量位置，减小个体差异造成的测量误差。针对不同受试者获得其最佳的电极安放位置（尤其新的测试患者），可最大化减小个体差异带来的人体固有干扰，提高测量精度。

（3）对测出的结果差别很大，超出了一般误差范围值，形成干扰数据。为了尽可能得出准确的测量计算结果，计算时就必须排除超出误差范围值的干扰数据。系统分析每组接收电极对测量的人体电阻抗值，可以根据误差范围值，取最合适的接收电极的测量结果，所述误差范围，比如根据实验数据证明，在测量频率为50千赫兹时，阻抗值最好设在100欧姆以内，超过这个误差范围表示测量不准确;或者根据最小电阻值原理，选择最小的几组电极对的人体电阻抗值进行计算;或者采用所有电极对测量的人体电阻抗值取平均值方式，得到最终的人体电阻抗值。

（4）在接收返回的电压信号计算电阻抗幅值数据前，可以对采集的原始信号进行滤波、降噪，放大信号预处理，以计算出准确的测量计算结果。

在步骤S12中，当计算出人体原始电阻抗数据信号而需要进行时域特征的动态提取前，先对信号进行滤波处理。

其中，在进行滤波处理时，将采集到的人体电阻抗数据进行数字变频低通滤波处理，以去除人体电阻抗数据中的极低频干扰、呼吸和心跳等人体生理活动干扰以及高频干扰，从而获得高信噪比的人体电阻抗数据。具体的，通过实时数字变频低通滤波算法，首先采用滚动窗口为N的均值滤波方法去除周期性和二值等噪声，其中N为大于5的自然数，并将采样点对应的时间缩短为原来的N倍，即相当于将噪声频率提高了N倍；然后采用截止频率为0.01Hz的低通滤波，即可以去除呼吸、心跳等生理活动和高频干扰，又有助于去除深呼吸、低频动动等造成的极低频干扰，而且也避免了极低频滤波器对硬件的精度要求。

然后，将进行了相关信号处理的人体电阻抗数据信号进行时域特征的动态提取，提取出人体电阻抗数据信号的当前电阻抗值x₁(k)、当前电阻抗微分值x₂(k)和当前电阻抗绝对值积分值x₃(k)等时域特征，其中：

(一)当前电阻抗值x₁(k)由公式（1）确定：

x₁(k)=x(k) k=1,2,3,…    公式（1）

x(k)为当前检测到的人体电阻抗值；

(二)当前电阻抗微分值x₂(k)可由公式（2）确定：

其中，x₂(k)、x₂(k-1)、x₁(k)、x₁(k-1)分别表示当前电阻抗微分值，前一时刻电阻抗微分值，当前电阻抗值和前一时刻电阻抗值；

(三)当前电阻抗绝对值积分值x₃(k)可由公式（3）确定：

$x_3\left(k\right)=\underset{i=1}{\overset{k}{\mathrm{\&Sigma;}}}|x_1\left(i\right)-x_1(i-1)|,k=\mathrm{1,2,3},...$            公式（3）

其中，x(i),x(i-1)分别表示第i时刻和第i-1时刻的电阻抗值。

在步骤S13中，基于已经提取出的人体电阻抗数据信号的当前电阻抗值x₁(k)、当前电阻抗微分值x₂(k)和当前电阻抗绝对值积分值x₃(k)等时域特征，可通过以下的膀胱积尿量计算函数（公式4）预测患者的膀胱积尿量：

Y(k)=k_P*x₁(k)+k_D*x₂(k)+kl*x₃(k)+c k=1,2,3,…    公式（4）

其中，Y(k)、x₁(k)、x₂(k)、x₃(k)、k_P、k_D、kl分别表示当前膀胱积尿量、当前电阻抗值、当前电阻抗微分值、当前电阻抗绝对值积分值、当前电阻抗值系数、当前电阻抗微分值系数、当前电阻抗绝对值积分值系数，c为修正常数。

其中，针对不同尿意缺失疾病和患者的个体差异性，权值系数（包括当前电阻抗值系数k_P、当前电阻抗微分值系数k_D、当前电阻抗绝对值积分值系数kl）根据不同的测试患者设定不同，并且可根据测试经验或者采用神经网络训练，实现自适应调节，获得最佳的权值系数，以最大化提尿量预测精度。

常数c为修正系数，用来弥补测量前阶段（主要体现于测量前半小时）电极接触电阻变化导致的绝对值积分积累量减小，其值一般大于0.05。

作为本实施例的优化设计，考虑到阻时域特征与尿量的相关性存在一定的时间积累效应，尤其是当前阻抗值和电极接触电阻修正系数与尿量存在较大相关性，但它们主要反应了膀胱积尿前期的积尿量，为此，本发现可以增加一个时间修改参数，以提高实时的尿量精度，也即，在步骤S13中，基于已经提取出的人体电阻抗数据信号的当前电阻抗值x₁(k)、当前电阻抗微分值x₂(k)和当前电阻抗绝对值积分值x₃(k)等时域特征，可通过以下的膀胱积尿量计算函数（公式5）预测患者的膀胱积尿量：

$\left.\begin{array}{c}Y\left(k\right)=k_p*x_1\left(k\right)*e^{\mathrm{cc}}+k_D*x_2\left(k\right)+\mathrm{kl}*x_3\left(k\right)+c*e^{\mathrm{cc}},k=\mathrm{1,2,3},...\\ \mathrm{cc}=\left\{\begin{array}{cc}(30-\mathrm{tt})/6& \mathrm{tt}<30\\ 0& \mathrm{tt}\&GreaterEqual;30\end{array}\right\}\end{array}\right\}$ 公式（5）

其中，Y(k)、x₁(k)、x₂(k)、x₃(k)、k_P、k_D、kl分别表示当前膀胱积尿量、当前电阻抗值、当前电阻抗微分值、当前电阻抗绝对值积分值、当前电阻抗值系数、当前电阻抗微分值系数、当前电阻抗绝对值积分值系数，c为修正常数,tt表示测量时间，单位为分钟。

在步骤S14中，将步骤S13中计算出的膀胱积尿量（预测尿量值）与预先设定的尿量阈值进行比较，判断计算出的膀胱积尿量是否达到和/或大于预先设定的尿量阈值；当计算出的膀胱积尿量达到和/或大于预先设定的尿量阈值时发出报警（可通过多种报警方式，例如声光报警），以提示患者及时排尿，或通知医务人员。

参见图2，本发明第二实施例提供的一种基于生物电阻抗的膀胱积尿实时监测方法，包括：

步骤S21、通过佩戴在患者测试部位上的测试电极，采集人体电阻抗数据。

步骤S22、根据采集到的人体电阻抗数据，提取所述人体电阻抗数据的时域特征和频域特征，所述时域特征至少包括当前电阻抗值、当前电阻抗最小微分值和当前电阻抗绝对值积分值；所述频域特征至少包括低频能量LF和高频能量HF；

步骤S23、基于所述时域特征计算患者的膀胱积尿量，将计算出的膀胱积尿量与预先针对不同患者设定的尿量阈值进行比较，并在所述膀胱积尿量达到和/或超过所述尿量阈值时发出警报；

步骤S24、基于所述频域特征计算出不同时期的高低频能量比LF/HF，并通过比较不同时期的高低频能量比LF/HF而评估患者膀胱排尿的自主神经调节功能。

与第一实施例的步骤相同的是，本实施例的采集人体电阻抗数据、提取所述人体电阻抗数据的时域特征、根据时域特征计算患者的膀胱积尿量并在所述膀胱积尿量达到和/或超过所述尿量阈值时发出警报的过程是相同的，与第一实施例的步骤不同的是：

（一）在步骤S22中，根据采集到的人体电阻抗数据，提取所述人体电阻抗数据的时域特征（提取时域特征需先经过滤波处理）的同时也提取所述人体电阻抗数据的频域特征，所述频域特征至少包括低频能量LF和高频能量HF，其中，低频能量LF表示人体电阻抗数据的功率谱在区间0.04Hz～0.15Hz的能量和，高频能量HF表示人体电阻抗数据的功率谱在区间0.15Hz～0.40Hz的能量和。

（二）相应的，增加步骤S24，在该步骤中，基于所述频域特征计算出不同时期的高低频能量比LF/HF，并通过比较不同时期（例如膀胱积尿前期-中期-后期）的高低频能量比LF/HF的变化而评估患者膀胱排尿的自主神经调节功能。如果高低频比变化越显著，说明自主神经调节作用越明显，膀胱排尿功能恢复较好。通过有效地评估患者膀胱排尿的自主神经调节功能，帮助尿意缺失患者进行康复训练。

参考图3，本发明第三实施例提供了一种基于生物电阻抗的膀胱积尿实时监测装置，包括：至少一个下位机10和一个上位机20，其中，下位机10和上位机20通过Zigbee方式通信，下位机10可置于测试患者上以负责人体电阻抗数据采集，而上位机20可置于患者附近（为了方便提醒患者及时排尿）或者远离患者的监控室里（为了方便通知医务人员），负责人体电阻抗数据处理。

其中，所述下位机10主要包括交流信号发射接收模块11、下位机主控模块12、Zigbee无线发射模块13，其中：

交流信号发射接收模块，用于向佩戴在患者测试部位上的测试电极100发射激励电流以及接收测试电极返回的电压信号；

下位机主控模块12，与所述交流信号发射接收模块连接，控制所述交流信号发射接收模块发射激励电流，并基于所述返回的电压信号计算出人体电阻抗数据；

Zigbee无线发射模块13，用于将带所述人体电阻抗数据的信号发送。

具体的，所述交流信号发射接收模块包括交流信号发射模块（所述交流信号发射模块由中频正弦波发生单元111和压控恒流源单元112组成）和交流信号接收模块113，由所述中频正弦波发生单元111产生正弦波激励电流并通过所述压控恒流源单元112进行稳压后形成稳定的激励电流以输入到佩戴在患者测试部位上的一对激励电极上（采用四极法测试，测试电极100包括一对激励电极和一对接收电极），然后交流信号接收模块113从接收电极接收返回电压信号并传送到下位机主控模块12进行计算，并将计算出的人体电阻抗数据通过所述无线发射模块13射出。

优选的，在本实施例中，所述下位机10还包括多通道开关模块14，该多通道开关模块14置于交流信号发射接收模块和测试电极100之间。该多通道开关模块14用于通过多组联线连接多个测试电极以同时测量患者的多个位置的人体电阻抗，并通过对比找到最佳的测量位置，减小个体差异造成的测量误差。针对不同受试者获得其最佳的电极安放位置（尤其新的测试患者），可最大化减小个体差异带来的人体固有干扰，提高测量精度。

优选的，在本实施例中，所述下位机10还包括信号预处理模块15，所述下位机主控模块12从交流信号接收模块113接收到的返回电压信号后，首先发送给信号预处理模块15进行滤波、降噪，放大等一系列信号预处理后，以放大信号并去除干扰信号；再将经过预处理的信号发回给下位机主控模块12进行计算，以得出人体电阻抗数据。

优选的，在本实施例中，所述下位机10还包括电源模块16和USB数据存储模块17，所述电源模块16通过能耗管理实现长时间测量。所述USB数据存储模块17用于备份人体电阻抗数据。

继续参考图3，所述上位机20包括Zigbee无线接收模块21、滤波处理模块22、电阻抗时域特征提取模块23、电阻抗频域特征提取模块24、上位机主控模块25、排尿报警模块26以及自主调节功能评估模块27，其中：

Zigbee无线接收模块21，用于接收所述Zigbee无线发射模块13发送的带所述人体电阻抗数据的信号；

滤波处理模块22，用于将无线接收模块接收到的人体电阻抗数据进行数字变频低通滤波处理，以去除人体电阻抗数据中的极低频干扰、呼吸和心跳等人体生理活动干扰以及高频干扰，从而获得高信噪比的人体电阻抗数据；

电阻抗时域特征提取模块23，与所述滤波处理模块22连接，用于提取经过滤波处理后的人体电阻抗数据的时域特征，所述时域特征至少包括人体电阻抗数据信号的当前电阻抗值x₁(k)、当前电阻抗微分值x₂(k)和当前电阻抗绝对值积分值x₃(k)，而所述当前电阻抗值x₁(k)、当前电阻抗微分值x₂(k)和当前电阻抗绝对值积分值x₃(k)可通过上面描述的公式确定，在此不再重复描述。

电阻抗频域特征提取模块24，与所述Zigbee无线接收模块21连接，用于提取所述人体电阻抗数据的不同时期的频域特征，所述频域特征至少包括低频能量LF和高频能量HF；其中，低频能量LF表示人体电阻抗数据的功率谱在区间0.04Hz～0.15Hz的能量和，高频能量HF表示人体电阻抗数据的功率谱在区间0.15Hz～0.40Hz的能量和；

上位机主控模块25，与所述电阻抗时域特征提取模块、电阻抗频域特征提取模块24连接，基于所述时域特征计算患者的膀胱积尿量，并基于所述时域特征而计算出不同时期的高低频能量比LF/HF；

排尿报警模块26，与所述上位机主控模块25连接，用于将所述上位机主控模块计算出的膀胱积尿量与预先针对不同患者设定的尿量阈值进行比较，并在所述膀胱积尿量达到和/或超过所述尿量阈值时发出警报，例如可以通过声光报警；以及

自主调节功能评估模块27，与所述上位机主控模块25连接，通过比较不同时期的高低频能量比LF/HF而评估患者的膀胱排尿自主调节功能。

具体的，滤波处理模块22通过实时数字变频低通滤波算法，首先采用滚动窗口为N的均值滤波方法去除周期性和二值等噪声，其中N为大于5的自然数，并将采样点对应的时间缩短为原来的N倍，即相当于将噪声频率提高了N倍；然后采用截止频率为0.01Hz的低通滤波，即可以去除呼吸、心跳等生理活动和高频干扰，又有助于去除深呼吸、低频动动等造成的极低频干扰，而且也避免了极低频滤波器对硬件的精度要求。

具体的，所述上位机主控模块25基于已经提取出的人体电阻抗数据信号的当前电阻抗值x₁(k)、当前电阻抗微分值x₂(k)和当前电阻抗绝对值积分值x₃(k)等时域特征，可通过以下的膀胱积尿量计算函数预测患者的膀胱积尿量：

Y(k)=k_P*x₁(k)+k_D*x₂(k)+kl*x₃(k)+c k=1,2,3,…     （公式6）

其中，Y(k)、x₁(k)、x₂(k)、x₃(k)、k_P、k_D、kl分别表示当前膀胱积尿量、当前电阻抗值、当前电阻抗微分值、当前电阻抗绝对值积分值、当前电阻抗值系数、当前电阻抗微分值系数、当前电阻抗绝对值积分值系数，c为修正常数。

其中，针对不同尿意缺失疾病和患者的个体差异性，权值系数（包括当前电阻抗值系数k_P、当前电阻抗微分值系数k_D、当前电阻抗绝对值积分值系数kl）根据不同的测试患者设定不同，并且可根据测试经验或者采用神经网络训练，实现自适应调节，获得最佳的权值系数，以最大化提尿量预测精度。

常数c为修正系数，用来弥补测量前阶段（主要体现于测量前半小时）电极接触电阻变化导致的绝对值积分积累量减小，其值一般大于0.05。

作为本实施例的优化设计，考虑到阻时域特征与尿量的相关性存在一定的时间积累效应，尤其是当前阻抗值和电极接触电阻修正系数与尿量存在较大相关性，但它们主要反应了膀胱积尿前期的积尿量，为此，本发现可以增加一个时间修改参数，以提高实时的尿量精度，也即，所述上位机主控模块25基于已经提取出的人体电阻抗数据信号的当前电阻抗值x₁(k)、当前电阻抗微分值x₂(k)和当前电阻抗绝对值积分值x₃(k)等时域特征，也可通过以下的膀胱积尿量计算函数预测患者的膀胱积尿量：

Y(k)=k_P*x₁(k)*e^cc+k_D*x₂(k)+kl*x₃(k)+c*e^cc k=1,2,3,…    （公式7）

$\mathrm{cc}=\left\{\begin{array}{cc}(30-\mathrm{tt})/6& \mathrm{tt}<30\\ 0& \mathrm{tt}\&GreaterEqual;30\end{array}\right\}$

其中，Y(k)、x₁(k)、x₂(k)、x₃(k)、k_P、k_D、kl分别表示当前膀胱积尿量、当前电阻抗值、当前电阻抗微分值、当前电阻抗绝对值积分值、当前电阻抗值系数、当前电阻抗微分值系数、当前电阻抗绝对值积分值系数，c为修正常数,tt表示测量时间，单位为分钟。

图4展示了本发明实施例中电阻抗时域数据的比较。其中，上图为下位机10采集的膀胱人体电阻抗原始数据；中图为经过上位机20的滤波处理模块22进行数字变频低通滤波处理后的数据；而下图为经过上位机主控模块25计算的实时膀胱积尿量预测数据。由图4可知，在膀胱积尿过程中，在膀胱积尿前阶段（尤其测量前30分钟），膀胱积尿量上升比较明显，而过了30分钟后，膀胱积尿量上升比较缓慢。

具体的，所述上位机主控模块25基于所述频域特征计算出不同时期的高低频能量比LF/HF，并将计算到的不同时期的高低频能量比LF/HF发送给自主调节功能评估模块27，所述自主调节功能评估模块27通过比较不同时期（例如膀胱积尿前期-中期-后期）的高低频能量比LF/HF的变化而评估患者膀胱排尿的自主神经调节功能。如果高低频比变化越显著，说明自主神经调节作用越明显，膀胱排尿功能恢复较好。通过有效地评估患者膀胱排尿的自主神经调节功能，帮助尿意缺失患者进行康复训练。

图5展示了本发明实施例中的人体电阻抗功率谱的比较。其中，上图为膀胱积尿前期生物电阻抗原始数据的功率谱曲线，中图为膀胱积尿中期生物电阻抗原始数据的功率谱曲线，膀胱积尿后期生物电阻抗原始数据的功率谱曲线。图5为一位正常人的不同时期的膀胱积尿的阻抗数据功率谱，由此图可知：正常人的膀胱积尿的不同阶段，其自主神经张力是不同的，即体现其对膀胱积尿的调节，如果高低频比变化越显著，说明自主神经调节作用越明显，膀胱排尿功能恢复较好。而对尿意完全缺失的患者，即不存在神经调节，通常是不体现这种差异性。

优选的，在本实施例中，所述排尿报警模块26、自主调节功能评估模块27还可以连接显示屏以将相关数据发送到显示屏显示出来。

优选的，在本实施例中，为了避免测量故障（如电极接触不良，电源电量不足等）造成排尿漏报危险，所述排尿报警模块26采取一个异常报警保护措施，即如果测试时间达一定时间（如2.5小时），仍然没有报警，则进行排尿强制报警，并通知排查测试装置与电极。

优选的，由于尿量预测方程中的调节权值系数（k_P,k_D,k_I,c），因不同类型的人群、不同类型的尿意缺失疾病等不同，其参数设置可基于前期的部分实验数据，采用神经网络训练或者经验方法进行调节。因此，在本实施例中，所述上位机20还包括与上位机主控模块25连接的自适应权值修正器，用于将上位机主控模块25计算出来的膀胱积尿量预测值与患者的真实排尿尿量进行对比，并根据对比结果调节权值系数（k_P,k_D,k_I,c）。

下面，结合图3、图6～图7，具体描述本发明实施例的基于生物电阻抗的膀胱积尿实时监测装置的工作过程，包括：

步骤S101:初始化

在检测开始前，必须让患者先排尽尿液才开始测量。然后在佩戴电极前，最好要剔除皮肤表面的不洁净物质，便将多个测试电极（包括激励电极和接收电极）佩戴在膀胱附近进行检测。

步骤S102:测量位置设定

输入新的患者个人信息（S102a）后，启动多通道开关模块14进行测试（S102b），从而获得最佳测量位置参数（S102c）。

步骤S103:开始人体阻抗数据采集

通过下位机10的下位机主控模块12控制所述中频正弦波发生单元111产生正弦波激励电流并通过所述压控恒流源单元112进行稳压后形成稳定的激励电流以输入到佩戴在患者测试部位上的一对激励电极上，然后交流信号接收模块113从接收电极接收返回电压信号并传送到下位机主控模块12进行计算，并将计算出的人体电阻抗数据通过所述Zigbee无线发射模块13射出发送给上位机20，并进入步骤S104和/或步骤S108。

步骤S104:变频低通滤波处理

上位机的Zigbee无线接收模块21接收所述带人体电阻抗数据的信号，首先经过滤波处理模块22进行数字变频低通滤波处理。

步骤S105:时域特征提取

利用电阻抗时域特征提取模块23提取经过滤波处理后的人体电阻抗数据的时域特征，如图7所示，所述时域特征至少包括人体电阻抗数据信号的当前电阻抗值x₁(k)、当前电阻抗微分值x₂(k)和当前电阻抗绝对值积分值x₃(k)，而所述当前电阻抗值x₁(k)、当前电阻抗微分值x₂(k)和当前电阻抗绝对值积分值x₃(k)可通过上面描述的公式确定，在此不再重复描述。

步骤S106:预测患者的膀胱积尿量

该上位机主控模块25，与所述电阻抗时域特征提基于提取的所述时域特征计算患者的膀胱积尿量，其中，上位机主控模块25可通过上述的公式7或公式8计算预测患者的膀胱积尿量。

步骤S107:所述排尿报警模块26通过将所述上位机主控模块计算出的膀胱积尿量与预先针对不同患者设定的尿量阈值进行比较，并判断所述膀胱积尿量达到和/或超过所述尿量阈值，若是，则发出警报；否则，进行异常判断，例如当测试时间达一定时间（如2.5小时），仍然没有报警，则进行排尿强制报警。

步骤S108:电阻抗频域特征提取

上位机的Zigbee无线接收模块21接收所述带人体电阻抗数据的信号后，所述电阻抗频域特征提取模块24，提取所述人体电阻抗数据的不同时期的频域特征，所述频域特征至少包括低频能量LF和高频能量HF；其中，低频能量LF表示人体电阻抗数据的功率谱在区间0.04Hz～0.15Hz的能量和，高频能量HF表示人体电阻抗数据的功率谱在区间0.15Hz～0.40Hz的能量和。

步骤S109:计算高低频能量比LF/HF

所述上位机主控模块25基于所述时域特征而计算出不同时期的高低频能量比LF/HF。

步骤S110:评估患者的膀胱排尿自主调节功能

所述自主调节功能评估模块27通过比较不同时期的高低频能量比LF/HF而评估患者的膀胱排尿自主调节功能。

本装置具有低负荷、便携式、小型化等特点，适合于临床、家庭和个人等不同应用场合。

综上所述，本发明提供的基于生物电阻抗的膀胱积尿实时监测方法及装置至少包括如下有益效果：

1．首次提出结合生物阻抗当前值、最小微分值、绝对值积分、电极接触电阻补偿等特征，可以更加准确地预测膀胱积尿过程中尿量多少，提高膀胱积尿实时监测的精度，更合理进行排尿提醒与报警。

2．首次提出了阻抗频谱变化规律，通过对比膀胱积尿前期与后期高低频比变化，可以有效地评估膀胱自主神经排尿调节功能，帮助尿意缺失患者进行康复训练。

3．采用数字变频低通滤波算法，有助于滤掉比呼吸、心跳等生理活动干扰更低的极低频扰动，如深呼吸、运动伪差引起的极低频干扰，也避免了直接采用极低频滤波算法对硬件精度要求过高和容易失真等问题。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下还可以做出若干改进和变动，这些改进和变动也视为本发明的保护范围。需要说明的是，采用本发明的方法和测量装置还可以测量脂肪厚度，腹腔积水病情，胃部滞留的食物，以及呼吸情况等等，这些都属于本发明保护的范围。

Claims (10)

1.一种基于生物电阻抗的膀胱积尿实时监测方法，其特征在于，包括：

通过佩戴在患者测试部位上的测试电极，采集人体电阻抗数据；

根据采集到的人体电阻抗数据，提取所述人体电阻抗数据的时域特征，所述时域特征至少包括当前电阻抗值、当前电阻抗最小微分值和当前电阻抗绝对值积分值；

基于所述时域特征计算患者的膀胱积尿量；

将计算出的膀胱积尿量与预先针对不同患者设定的尿量阈值进行比较，并在所述膀胱积尿量达到和/或超过所述尿量阈值时发出警报。

2.如权利要求1所述的基于生物电阻抗的膀胱积尿实时监测方法，其特征在于，基于所述时域特征并通过以下的膀胱积尿量计算函数预测患者的膀胱积尿量：

Y(k)=k_P*x₁(k)+k_D*x₂(k)+kl*x₃(k)+c k=1,2,3,…

其中，Y(k)、x₁(k)、x₂(k)、x₃(k)、k_P、k_D、kl分别表示当前膀胱积尿量、当前电阻抗值、当前电阻抗微分值、当前电阻抗绝对值积分值、当前电阻抗值系数、当前电阻抗微分值系数、当前电阻抗绝对值积分值系数，c为修正常数；

x₂(k)可由以下函数确定：

x₂(k)=0 k=1，

x₂(k)=x₁(k-1)-x₁(k)x₂(k)≤x₂(k-1)且k=2,3,…，

x₂(k)=x₂(k-1)  x₂(k)＞x₂(k-1)且k=2,3,…

其中，x₂(k)、x₂(k-1)、x₁(k)、x₁(k-1)分别表示当前电阻抗微分值，前一时刻电阻抗微分值，当前电阻抗值和前一时刻电阻抗值；

而x₃(k)可由以下函数确定：

$x_3\left(k\right)=\underset{i=1}{\overset{k}{\mathrm{\&Sigma;}}}|x_1\left(i\right)-x_1(i-1)|,k=\mathrm{1,2,3},...$

其中，x(i),x(i-1)分别表示第i时刻和第i-1时刻的电阻抗值。

3.如权利要求1所述的基于生物电阻抗的膀胱积尿实时监测方法，其特征在于，基于所述时域特征并通过以下的膀胱积尿量计算函数预测患者的膀胱积尿量：

Y(k)=k_P*x₁(k)*e^cc+k_D*x₂(k)+kl*x₃(k)+c*e^cc k=1,2,3,…

$\mathrm{cc}=\left\{\begin{array}{cc}(30-\mathrm{tt})/6& \mathrm{tt}<30\\ 0& \mathrm{tt}\&GreaterEqual;30\end{array}\right\}$

其中，Y(k)、x₁(k)、x₂(k)、x₃(k)、k_P、k_D、kl分别表示当前膀胱积尿量、当前电阻抗值、当前电阻抗微分值、当前电阻抗绝对值积分值、当前电阻抗值系数、当前电阻抗微分值系数、当前电阻抗绝对值积分值系数，c为修正常数,tt表示测量时间，单位为分钟；

x₂(k)可由以下函数确定：

x₂(k)=0 k=1，

x₂(k)=x₁(k-1)-x₁(k)  x₂(k)≤x₂(k-1)且k=2,3,…，

x₂(k)=x₂(k-1)  x₂(k)＞x₂(k-1)且k=2,3,…

其中，x₂(k)、x₂(k-1)、x₁(k)、x₁(k-1)分别表示当前电阻抗微分值，前一时刻电阻抗微分值，当前电阻抗值和前一时刻电阻抗值；

而x₃(k)可由以下函数确定：

$x_3\left(k\right)=\underset{i=1}{\overset{k}{\mathrm{\&Sigma;}}}|x_1\left(i\right)-x_1(i-1)|,k=\mathrm{1,2,3},...$

其中，x(i),x(i-1)分别表示第i时刻和第i-1时刻的电阻抗值。

4.如权利要求1所述的基于生物电阻抗的膀胱积尿实时监测方法，其特征在于，还包括步骤：

根据采集到的人体电阻抗数据，提取所述人体电阻抗数据的不同时期的频域特征，所述频域特征至少包括低频能量LF和高频能量HF，其中，低频能量LF表示人体电阻抗数据的功率谱在区间0.04Hz～0.15Hz的能量和，高频能量HF表示人体电阻抗数据的功率谱在区间0.15Hz～0.40Hz的能量和；

基于所述频域特征计算出不同时期的高低频能量比LF/HF，并通过比较不同时期的高低频能量比LF/HF而评估患者膀胱排尿的自主神经调节功能。

5.如权利要求1所述的基于生物电阻抗的膀胱积尿实时监测方法，其特征在于，在提取所述人体电阻抗数据的时域特征前，还包括步骤：

将采集到的人体电阻抗数据进行数字变频低通滤波处理，以去除人体电阻抗数据中的极低频干扰、呼吸和心跳等人体生理活动干扰以及高频干扰，从而获得高信噪比的人体电阻抗数据。

6.一种基于生物电阻抗的膀胱积尿实时监测装置，其特征在于，包括：

至少一个下位机，所述下位机包括：

交流信号发射接收模块，用于向佩戴在患者测试部位上的测试电极发射激励电流以及接收测试电极返回的电压信号；

下位机主控模块，与所述交流信号发射接收模块连接，控制所述交流信号发射接收模块发射激励电流，并基于所述返回的电压信号计算出人体电阻抗数据；

无线发射模块，用于将带所述人体电阻抗数据的信号发送；

以及一个上位机，所述上位机包括：

无线接收模块，用于接收所述无线发射模块发送的带所述人体电阻抗数据的信号；

电阻抗时域特征提取模块，与所述无线接收模块连接，用于提取所述人体电阻抗数据的时域特征，所述时域特征至少包括当前电阻抗值、当前电阻抗最小微分值和当前电阻抗绝对值积分值；

上位机主控模块，与所述电阻抗时域特征提取模块连接，基于所述时域特征计算患者的膀胱积尿量；

排尿报警模块，与所述上位机主控模块连接，用于将所述上位机主控模块计算出的膀胱积尿量与预先针对不同患者设定的尿量阈值进行比较，并在所述膀胱积尿量达到和/或超过所述尿量阈值时发出警报。

7.如权利要求6所述的基于生物电阻抗的膀胱积尿实时监测装置，其特征在于，所述上位机主控模块可基于所述时域特征并通过以下的膀胱积尿量计算患者的膀胱积尿量：

Y(k)=k_P*x₁(k)+k_D*x₂(k)+kl*x₃(k)+c k=1,2,3,…

其中，Y(k)、x₁(k)、x₂(k)、x₃(k)、k_P、k_D、kl分别表示当前膀胱积尿量、当前电阻抗值、当前电阻抗微分值、当前电阻抗绝对值积分值、当前电阻抗值系数、当前电阻抗微分值系数、当前电阻抗绝对值积分值系数，c为修正常数；

x2(k)可由以下函数确定：

x₂(k)=0 k=1，

x₂(k)=x₁(k-1)-x₁(k)  x₂(k)≤x₂(k-1)且k=2,3,…，

x₂(k)=x₂(k-1)  x₂(k)＞x₂(k-1)且k=2,3,…

其中，x₂(k)、x₂(k-1)、x₁(k)、x₁(k-1)分别表示当前电阻抗微分值，前一时刻电阻抗微分值，当前电阻抗值和前一时刻电阻抗值；

而x₃(k)可由以下函数确定：

$x_3\left(k\right)=\underset{i=1}{\overset{k}{\mathrm{\&Sigma;}}}|x_1\left(i\right)-x_1(i-1)|,k=\mathrm{1,2,3},...$

其中，x(i),x(i-1)分别表示第i时刻和第i-1时刻的电阻抗值。

8.如权利要求6所述的基于生物电阻抗的膀胱积尿实时监测装置，其特征在于，所述上位机主控模块可基于所述时域特征并通过以下的膀胱积尿量计算患者的膀胱积尿量：

Y(k)=k_P*x₁(k)*e^cc+k_D*x₂(k)+kl*x₃(k)+c*e^cc k=1,2,3,…

$\mathrm{cc}=\left\{\begin{array}{cc}(30-\mathrm{tt})/6& \mathrm{tt}<30\\ 0& \mathrm{tt}\&GreaterEqual;30\end{array}\right\}$

其中，Y(k)、x₁(k)、x₂(k)、x₃(k)、k_P、k_D、kl分别表示当前膀胱积尿量、当前电阻抗值、当前电阻抗微分值、当前电阻抗绝对值积分值、当前电阻抗值系数、当前电阻抗微分值系数、当前电阻抗绝对值积分值系数，c为修正常数,tt表示测量时间，单位为分钟；

x₂(k)可由以下函数确定：

x₂(k)=0 k=1，

x₂(k)=x₁(k-1)-x₁(k)  x₂(k)≤x₂(k-1)且k=2,3,…，

x₂(k)=x₂(k-1)  x₂(k)＞x₂(k-1)且k=2,3,…

其中，x₂(k)、x₂(k-1)、x₁(k)、x₁(k-1)分别表示当前电阻抗微分值，前一时刻电阻抗微分值，当前电阻抗值和前一时刻电阻抗值；

而x₃(k)可由以下函数确定：

$x_3\left(k\right)=\underset{i=1}{\overset{k}{\mathrm{\&Sigma;}}}|x_1\left(i\right)-x_1(i-1)|,k=\mathrm{1,2,3},...$

其中，x(i),x(i-1)分别表示第i时刻和第i-1时刻的电阻抗值。

9.如权利要求6或7所述的基于生物电阻抗的膀胱积尿实时监测装置，其特征在于，所述上位机还包括分别与所述上位机主控模块连接的电阻抗频域特征提取模块、自主调节功能评估模块；

所述电阻抗频域特征提取模块用于提取所述人体电阻抗数据的不同时期的频域特征，所述频域特征至少包括低频能量LF和高频能量HF，其中，低频能量LF表示人体电阻抗数据的功率谱在区间0.04Hz～0.15Hz的能量和，高频能量HF表示人体电阻抗数据的功率谱在区间0.15Hz～0.40Hz的能量和；

所述上位机主控模块基于所述时域特征而计算出不同时期的高低频能量比LF/HF；

所述自主调节功能评估模块通过比较不同时期的高低频能量比LF/HF而评估患者的膀胱排尿自主调节功能。

10.如权利要求6所述的基于生物电阻抗的膀胱积尿实时监测装置，其特征在于，所述上位机还包括连接于所述无线接收模块和电阻抗时域特征提取模块之间的滤波处理模块，用于将无线接收模块接收到的人体电阻抗数据进行数字变频低通滤波处理，以去除人体电阻抗数据中的极低频干扰、呼吸和心跳等人体生理活动干扰以及高频干扰，从而获得高信噪比的人体电阻抗数据。

Images