CN108577858A - 一种组织血氧饱和度监测部位的自动判断方法和系统 - Google Patents
一种组织血氧饱和度监测部位的自动判断方法和系统 Download PDFInfo
- Publication number
- CN108577858A CN108577858A CN201810308255.2A CN201810308255A CN108577858A CN 108577858 A CN108577858 A CN 108577858A CN 201810308255 A CN201810308255 A CN 201810308255A CN 108577858 A CN108577858 A CN 108577858A
- Authority
- CN
- China
- Prior art keywords
- training
- sensor
- tissue
- machine learning
- model
- 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
- 230000000287 tissue oxygenation Effects 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 title claims description 20
- 238000012544 monitoring process Methods 0.000 title claims description 16
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 41
- 239000001301 oxygen Substances 0.000 claims abstract description 41
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 39
- 239000008280 blood Substances 0.000 claims abstract description 25
- 210000004369 blood Anatomy 0.000 claims abstract description 25
- 238000001514 detection method Methods 0.000 claims abstract description 25
- 238000007637 random forest analysis Methods 0.000 claims abstract description 14
- 238000005259 measurement Methods 0.000 claims abstract description 11
- 238000012549 training Methods 0.000 claims description 60
- 238000010801 machine learning Methods 0.000 claims description 20
- 238000013139 quantization Methods 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 9
- 238000003066 decision tree Methods 0.000 claims description 8
- 230000008520 organization Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 4
- 238000002474 experimental method Methods 0.000 claims description 2
- 230000006872 improvement Effects 0.000 claims description 2
- 238000006213 oxygenation reaction Methods 0.000 claims description 2
- 230000000644 propagated effect Effects 0.000 claims description 2
- 230000017105 transposition Effects 0.000 claims description 2
- 239000012141 concentrate Substances 0.000 claims 2
- 230000005622 photoelectricity Effects 0.000 claims 1
- 238000013507 mapping Methods 0.000 abstract description 2
- 210000001519 tissue Anatomy 0.000 description 18
- 108010054147 Hemoglobins Proteins 0.000 description 5
- 102000001554 Hemoglobins Human genes 0.000 description 5
- 108010064719 Oxyhemoglobins Proteins 0.000 description 4
- 210000004556 brain Anatomy 0.000 description 4
- 210000001015 abdomen Anatomy 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012854 evaluation process Methods 0.000 description 3
- 210000001061 forehead Anatomy 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 239000002390 adhesive tape Substances 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 210000000624 ear auricle Anatomy 0.000 description 1
- 210000000245 forearm Anatomy 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000003760 hair shine Effects 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 210000002414 leg Anatomy 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 210000000689 upper leg Anatomy 0.000 description 1
Classifications
-
- 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
- A61B5/14551—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 for measuring blood gases
-
- 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
- A61B5/14551—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 for measuring blood gases
- A61B5/14552—Details of sensors specially adapted therefor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Optics & Photonics (AREA)
- Evolutionary Computation (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Physiology (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Fuzzy Systems (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及一种组织血氧饱和度监测部位自动判断系统，得到传感器所在位置的判断，以便于血氧饱和度计算时选取对应的血氧饱和度计算模型，得到更加精确的血氧饱和度结果。本发明通过传感器采集的原始光强数据，将其进行转换得到更加有用的中间参数，然后通过随机森林分类模型，建立中间参数与检测部位分类之间的映射关系，从而实现检测部位分类评估，减少人工干预，提高测量精度。
Description
技术领域
本发明涉及医疗器械技术领域，具体涉及一种人体局部组织血氧饱和度的测量方法、测量装置以及医疗器械。
背景技术
局部组织血氧饱和度是血液中被氧结合的氧合血红蛋白(HbO2)的容量占局部全部可结合的血红蛋白(Hb，hemoglobin)容量的百分比，即血液中血氧的浓度，它是呼吸循环的重要生理参数，在手术中、特定护理情况下需要监测的重要身体参数。
目前，国内外对血氧饱和度进行检测使用最广泛的设备是脉搏式血氧仪，该仪器一般用于指尖、耳垂两个部位，检测出的血氧饱和度仅为动脉血氧饱和度，在很多情况下，动脉血氧饱和度并不能准确地反映局部组织的氧合情况，比如局部组织发生氧利用困难时，动脉血氧饱和度并不会受到影响，而静脉血氧饱和度就会变高。另外，脉搏氧检测过程需要血流量有明显的变化。因此，该仪器无法测量其它部分的组织氧。
基于近红外光谱技术的组织氧检测仪，可用于更广泛的局部组织氧的监测(一般为手臂、腹部、腿部和脑部前额)。其组织血氧饱和度的计算模型是在修正后的Beer-Lambert定律的基础上，根据测量传感器结构配置相关的假设后推导出来的。该模型与检测组织部位(如脑部前额、腹部、手臂等)相关。因此组织血氧饱和度的检测需要针对不同的部位建立不同的计算模型进行计算。专利CN104665841A和专利CN106725520，只提供脑部血氧的监测的方法和装置，未提及其它部位。专利US2010/0105998A1提出了4个地方的局部组织氧情况，但是该专利表明根据监测需求，需要手动对监测部位进行设置，加大了医护人员的工作量，同时手术中操作时容易带来误操作。此外，传感器的局部粘合位置与推荐位置有较大偏差也会导致模型产品变化，引入测量误差。
因此，监测之前需要自动判断当前传感器所在的检测部位对应的计算模型，以及传感器姿态的正确与否，减少人工干预，提高测量精度是亟待解决的问题。
发明内容
为满足临床上的上述应用和现有仪器的不足，本发明提供了一种组织血氧传感器位置判断和位置评估的方法和系统。
本发明的基本原理是根据不同部位组织结构不同，导致对近红外光的吸收程度不同，利用传感器的光强接收的光强信息，根据修正后的Beer-Lambert定律推导出与组织部位分类更加相关的特征参数，通过机器学习算法中的机器学习回归模型(如随机森林分类算法模型等)，建立特征参数与传感器放置部位、传感器位置评估级别之间的映射关系，从而实现组织血氧饱和度传感器位置的判断和评估，便于提高组织血氧饱和度的检测准确性。
其中根据据修正后的Beer-Lambert定律推导出与组织部位分类更加相关的中间参数是实现这一方案的重要原理，具体如下：
局部组织血氧监测仪采用3个或者3个以上不同的红外发光二极管粘合在待测区域的皮肤表面发出多种波长的红外光(为了表述方便，数量暂定数量为n(n≥3)，波长为λ，及不同波长可表示为(λ1,λ2,…,λn))，经由人体组织传播后由2个不同距离且贴合在待测区域的光电二极管接收，光强信号I转换为电信号后由信号处理转置采集处理。能够都到2n个光强信号，记为。进一步，采用改进Beer-Lambert定律分类相关性中间参数推导如下：
对于波长为λ1的光而言，根据Beer-Lambert定律，可以得到：
上面两个公式中，为非氧合血红蛋白和氧合血红蛋白对波长为λ1的光的吸收系数，CHb,为非氧合血红蛋白和氧合血红蛋白在检测部位的浓度，L1,L2为光从LED到2个光电二极管的光路等效距离，Co,为组织里除去血红蛋白后的组织成分的浓度和对波长为λ1的光的吸收系数，为2个光路中由于散射造成的光衰。
将公式(3)(4)相减，得到：
从上式中可以分析得到，公式右侧1、2项与组织的血红蛋白相关，公式右侧3、4项与组织的其他成分相关，而且由于组织中血红蛋白的占比不高，于是1、2项可以忽略，可以得到与组织具体部位相关性较强的参数将该参数定义为位置特征数。因此将步骤(1)中的得到的光强数据处理后得到n个中间参数：
基于上述重要原理，本发明的技术解决方案如下：
(1)基于机器学习回归模型的模型训练：
(1.1)建立训练输入参数集和训练组织部位标记集：
将原理结构与上述原理描述相同的传感器贴在不同的人体的不同部位，收集到原始光强数据计算位置特征数，构建训练参数集。
(1.2)将位置特征数加入到训练输入参数集中，将对应部位和评估结果加入到训练组织部位标记集中。
(1.3)用上述步骤1.1中收集到的训练输入参数集和训练组织部位标记集训练一个可以反应身体局部部位和位置特征数之间的关系的机器学习回归模型。
(2)检测部位判断：
(2.1)将与用于采集训练数据集时相同的传感器贴于待检测部位，然后采集原始光强数据然后求得：
(2.2)将位置特征数：带入到训练好的机器学习回归模型中进行判断，得到检测部位的分类评估结果。
(2.3)将上述步骤中2.2中的部位通过标识，在显示屏上表示，并调用相应模型算法，开始计算血氧值。
上述机器学习算法中的采用随机森林分类算法模型，参数可设置为：单个决策树使用特征的最大数量为n(即使用所有的特征)，决策树的数量为50等
实际中，医护人员在将传感器粘贴在局部位置时，传感器粘贴的局部位置有偏差也将对测量数值产生影响，因此对传感器在局部位置的粘贴方式除了医护人员严格按照说明遵守外，还需进行辅助评估，判断步骤如下：
(1)基于机器学习回归模型的模型训练：
(1.1)建立训练输入参数集和训练组织部位标记集：
将原理结构与上述原理描述相同的传感器贴在不同的人体的同一部位，并根据理论位置作为标记原点，记录此时的血氧数值作为参考值，并采集到原始光强数据计算位置特征数
(1.2)将传感器对理论位置的平面偏差为3个参数描述，Δx，Δy，Δθ，参照传感器粘贴位置说明和医护人员基本经验，不可能出现大范围内偏差，设定传感器在如下偏差范围内变化Δx≤2cm，Δy≤2cm，Δθ≤20°，在此范围内，将传感器位置随机偏移，并计算特征数记录每次的血氧数值，构建训练输入参数集。
(1.3)在足够多的随机偏移试验下，对所采集的血氧数值和参考血氧数值做比较，求出相对误差，并根据相对误差对传感器位置分为N个程度进行表示，N的具体数值为训练位置标记集，记为位置指示数。
(1.4)用上述步骤1.1中收集到的训练输入参数集和训练位置标记集训练一个可以反应位置特征数和传感器位置指示数之间的关系的机器学习回归模型。
(2)检测传感器位置：
(2.1)将与用于采集训练数据集时相同的传感器贴于待检测部位，然后采集原始光强数据然后求得：
(2.2)将位置特征数：带入到训练好的机器学习回归模型中进行判断，得到传感器位置指示数数值。
(2.3)将上述步骤中2.2中的部位通过标识，在显示屏上表示，提示医护是否需要重新调整传感器位置，无需则进行氧合值测量。
上述1.3中量化的N个程度，N＝4，其中定义如下：
相对误差0～0.2％的为合适的位置，量化传感器位置指示数为4；
相对误差大于0.2，小于等于0.3％为合适的位置，量化传感器位置指示数为3；
相对误差大于0.3，小于等于0.4％为不合适的位置，量化传感器位置指示数为2；
相对误差大于0.4，小于等于0.5％为不合适的位置，量化传感器位置指示数为1；
上述机器学习算法中的采用随机森林分类算法模型，参数可设置为：单个决策树使用特征的最大数量为n(即使用所有的特征)，决策树的数量为50等
基于以上组织血氧饱和度监测部位的判断方法，本发明还提供一种血氧饱和度监测部位的识别系统，其特征在于主要包括：局部组织氧饱和度传感器位置评估模块，该模块包括模型训练模块和位置识别模块，
其中模型训练模块包括：
光强采集模块，用于构建训练位置特征参数集和训练位置标记集，所述训练位置特征参数集的元素为不同人体不同位置在血氧监测时的光强值，所述训练位置标记集为预先监测部位的指示值，代表根据临床需求的待测人体局部位置。
位置特征参数计算模块，根据光强数值计算对应的位置特征参数。
训练模块，利用计算出的位置特征参数与训练位置标记集共同训练一个机器学习回归模型。
上述位置识别模块包括：
待测部位光强采集模块，采集待测位置在血氧监测时的光强值。
待测部位位置特征参数计算模块，根据采集的血氧光强值，计算待测部位特征参数。
待测区域位置识别模块，将待测位置特征参数输入训练模块中训练出的机器学习回归模型，得出待测部位的监测部位的指示值。
上述血氧饱和度监测部位的识别系统还包括待测部位传感器局部位置判断模块，该模块用于判断传感器粘贴是否合适，可有效的监测血氧饱和度参数。
本发明还提供一种组织血氧饱和度传感器位置的提示系统，特征在于：包括上述识别系统和提示模块，提示模块包括传感器位置提示模块和传感器局粘贴位置提示模块，上述传感器位置提示模块显示通过显示屏显示，针对不同部位进行高亮显示，用于医护人员的判断。上述传感器局粘贴位置提示模块通过显示屏显示位置指示数，同时该提示系统可根据模块数据情况进行语音播报进行提示。
上述传感器局粘贴位置提示模块通过显示屏显示位置指示数，该指示数通过方块进行显示，相对误差0～0.2％的为合适的位置，量化传感器位置指示数为4，显示4个方格；相对误差大于0.2，小于等于0.3％为合适的位置，量化传感器位置指示数为3，显示3个方格；相对误差大于0.3，小于等于0.4％为不合适的位置，量化传感器位置指示数为2，显示2个方格；相对误差大于0.4，小于等于0.5％为不合适的位置，量化传感器位置指示数为1，显示1个方格；其中当显示3格以下时，需要重新粘贴传感器位置，以保证测量数据的准确性。
本发明的优点是：本发明可以自动判断组织血氧饱和度传感器的位置，为进一步的氧饱和度计算提供模型选择依据，提高血氧饱和度测量准确度；提供传感器所贴位置的合适等级，为医护人员提供参考信息，便于调整传感器至最佳的检测位置，提高测量数据准确性。
附图说明
图1是本发明中使用的组织血氧饱和度检测传感器的结构原理图。
图2是本发明优选的检测部位判断评估方法，包括随机森林分类模型的训练过程和检测部位位置判断评估过程。
图3是本发明优选的组织血氧饱和度传感器所在位置种类示意图。
图4是本发明优选的传感器位置提示和传感器局粘贴位置提示示意图。
图5是本发明系统运行时的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明的传感器实例为：传感器主要组成部分包括柔性支撑基材101，一个发光二极管107，此发光二极管可以发出5种波长的近红外光(690nm，730nm，770nm，810nm，850nm，760nm)；两个接收光电二极管108，109；信号线104，用于将发光二极管107、光电二极管108/109与信号处理装置相连。
传感器通过柔性支撑基材101背面的双面胶粘贴到待检测组织103表面102上。信号控制装置控制发光二极管5个波长轮流发光，并采集两个光电二极管的光强信号，一共采集10个光强信号。两条从发光二极管到光电二极管的主光路105/106所示。
图2是本发明优选的检测部位判断评估方法，包括随机森林分类模型的训练过程和检测部位位置判断评估过程。
随机森林分类模型的训练过程包括：训练数据采集201、训练部位标记数据204、训练原始光强数据202、获取训练位置特征参数203、随机森林分类模型训练。所述随机森林分类模型的训练过程具体步骤如下：
首先，采集训练模型所需的原始光强数据集和训练部位标记数据集：将组织血氧饱和度传感器探头贴在50位志愿者身上如图3所示的9个身体部位组织表面，采集原始光强数据，并记录下当前部位，作为训练检测部位标记数据集。人体9个检测部位分别为：脑前额301、肩部302、胸部303、肱二头肌304、前小臂305、腹部306、腰部307、大腿308、小腿309。每个部位可以采集到10个原始光强数据数据保存在txt文本文件中。
第二步：由采集的训练原始光强数据，通过公式(6)得到训练模型所需的5个位置特征参数
第三步：使用训练所需的中间参数集和训练部位标记集进行随机森林分类模型的训练，训练的过程的python代码如下：
上述训练过程的代码是基于scikit-learn机器学习库实现的。最终，训练好的随机森林回归模型参数保存在了SensorLocRFClassify.pkl文件中。
检测部位位置判断评估过程包括：传感器探头粘贴到检测部位206、采集原始光强数据207、计算位置特征参数208、获取组织位置判断结果209。具体的步骤如下：
首先，将与训练随机森林是采集数据时一样的传感器粘贴到待检测部位，采集原始光强数据
第二步，根据公式(6)转换得到位置特征参数
最后，将转换得到的中间参数输入到训练好的随机森林分类模型中，得到分类检测结果。
图4是本发明优选的传感器位置提示和传感器局粘贴位置提示示意图。右上角显示为此时测量部位为左前额，传感器粘贴位置指示为4格灯全亮，表明粘贴位置良好。
图5是本发明系统运行时的流程图。首先系统启动，将传感器粘贴在待测区域，系统判断传感器位置，在位置正确的条件下，进行位置评估，二者都正确的情况下，则开始进行测量，若有一项不正确，即发出警报，使用人员进行传感器调整。
Claims (8)
1.一种组织血氧饱和度监测部位的自动识别系统，其实现步骤包括：
(1)基于机器学习回归模型的模型训练：
(1.1)建立训练输入参数集和训练组织部位标记集：
将原理结构与上述原理描述相同的传感器贴在不同的人体的不同部位，收集到原始光强数据计算位置特征数，构建训练参数集。
(1.2)将位置特征数加入到训练输入参数集中，将对应部位和评估结果加入到训练组织部位标记集中。
(1.3)用上述步骤1.1中收集到的训练输入参数集和训练组织部位标记集训练一个可以反应身体局部部位和位置特征数之间的关系的机器学习回归模型。
(2)检测部位判断：
(2.1)将与用于采集训练数据集时相同的传感器贴于待检测部位，然后采集原始光强数据然后求得：
(2.2)将位置特征数：带入到训练好的机器学习回归模型中进行判断，得到检测部位的分类评估结果。
(2.3)将上述步骤中2.2中的部位通过标识，在显示屏上表示，并调用相应模型算法，开始计算血氧值。
2.根据权利要求1所述的一种组织血氧饱和度监测部位的自动识别系统，其特征在于，局部组织血氧监测仪采用3个或以上不同的红外发光二极管粘合在待测区域的皮肤表面发出多种波长的红外光，经由人体组织传播后由2个不同距离且贴合在待测区域的光电二极管接收，光强信号转换为电信号后由信号处理转置采集处理。进一步，采用改进Beer-Lambert定律得到与组织具体部位相关性较强的参数，并定义为位置特征参数以供后续处理使用。
3.根据权利要求1所述的一种组织血氧饱和度监测部位的自动识别系统，其特征在于，所述机器学习算法中的采用随机森林分类算法模型，参数可设置为：单个决策树使用特征的最大数量为n(即使用所有的特征)，决策树的数量为50。
4.一种组织血氧饱和度监测部位的自动识别的辅助评估系统，其特征在于，试下步骤如下：
(1)基于机器学习回归模型的模型训练：
(1.1)建立训练输入参数集和训练组织部位标记集：
将原理结构与上述原理描述相同的传感器贴在不同的人体的同一部位，并根据理论位置作为标记原点，记录此时的血氧数值作为参考值，并采集到原始光强数据计算位置特征数
(1.2)将传感器对理论位置的平面偏差为3个参数描述，Δx，Δy，Δθ，参照传感器粘贴位置说明和医护人员基本经验，不可能出现大范围内偏差，设定传感器在如下偏差范围内变化Δx≤2cm，Δy≤2cm，Δθ≤20°，在此范围内，将传感器位置随机偏移，并计算特征数记录每次的血氧数值，构建训练输入参数集。
(1.3)在足够多的随机偏移试验下，对所采集的血氧数值和参考血氧数值做比较，求出相对误差，并根据相对误差对传感器位置分为N个程度进行表示，N的具体数值为训练位置标记集，记为位置指示数。
(1.4)用上述步骤1.1中收集到的训练输入参数集和训练位置标记集训练一个可以反应位置特征数和传感器位置指示数之间的关系的机器学习回归模型。
(2)检测传感器位置：
(2.1)将与用于采集训练数据集时相同的传感器贴于待检测部位，然后采集原始光强数据然后求得：
(2.2)将位置特征数：带入到训练好的机器学习回归模型中进行判断，得到传感器位置指示数数值。
(2.3)将上述步骤中2.2中的部位通过标识，在显示屏上表示，提示医护是否需要重新调整传感器位置，无需则进行氧合值测量。
将与用于采集训练数据集时相同的传感器贴于待检测部位，然后采集原始光强数据，求得位置特征数，带入到训练好的机器学习回归模型中进行判断，得到检测部位的分类评估结果。
5.根据权利要求4所述的一种组织血氧饱和度监测部位的自动识别的辅助评估系统，其特征在于，上述辅助评估中量化的N个程度，N＝4，其中定义如下：
相对误差0～0.2％的为合适的位置，量化传感器位置指示数为4；
相对误差大于0.2，小于等于0.3％为合适的位置，量化传感器位置指示数为3；
相对误差大于0.3，小于等于0.4％为不合适的位置，量化传感器位置指示数为2；
相对误差大于0.4，小于等于0.5％为不合适的位置，量化传感器位置指示数为1。
6.根据权利要求4所述的一种组织血氧饱和度监测部位的自动识别的辅助评估系统，其特征在于，所述机器学习算法中的采用随机森林分类算法模型，参数可设置为：单个决策树使用特征的最大数量为n(即使用所有的特征)，决策树的数量为50等。
7.一种组织血氧饱和度传感器位置的提示系统，其特征在于，提示模块包括传感器位置提示模块和传感器粘贴位置提示模块。传感器位置提示模块显示通过显示屏显示，针对不同部位进行高亮显示，用于医护人员的判断。传感器粘贴位置提示模块通过显示屏显示位置指示数，同时该提示系统可根据模块数据情况进行语音播报进行提示。
8.根据权利要求7所述的一种组织血氧饱和度传感器位置的提示系统，其特征在于，传感器粘贴位置提示模块通过显示屏显示位置指示数，该指示数通过方块进行显示，相对误差0～0.2％的为合适的位置，量化传感器位置指示数为4，显示4个方格；相对误差大于0.2，小于等于0.3％为合适的位置，量化传感器位置指示数为3，显示3个方格；相对误差大于0.3，小于等于0.4％为不合适的位置，量化传感器位置指示数为2，显示2个方格；相对误差大于0.4，小于等于0.5％为不合适的位置，量化传感器位置指示数为1，显示1个方格；其中当显示3格以下时，需要重新粘贴传感器位置，以保证测量数据的准确性。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810308255.2A CN108577858B (zh) | 2018-04-08 | 2018-04-08 | 一种组织血氧饱和度监测部位的自动判断方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810308255.2A CN108577858B (zh) | 2018-04-08 | 2018-04-08 | 一种组织血氧饱和度监测部位的自动判断方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108577858A true CN108577858A (zh) | 2018-09-28 |
| CN108577858B CN108577858B (zh) | 2023-12-19 |
Family
ID=63621291
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810308255.2A Active CN108577858B (zh) | 2018-04-08 | 2018-04-08 | 一种组织血氧饱和度监测部位的自动判断方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108577858B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109222994A (zh) * | 2018-10-12 | 2019-01-18 | 深圳迈瑞生物医疗电子股份有限公司 | 血氧监测显示方法和监护设备 |
| CN109498936A (zh) * | 2018-10-15 | 2019-03-22 | 北京工业大学 | 一种体外生命支持的供氧决策系统 |
| CN109645967A (zh) * | 2019-01-28 | 2019-04-19 | 杭州电子科技大学 | 一种长时程且位置自检的脉搏检测仪及其脉搏检测方法 |
| CN110604584A (zh) * | 2019-09-24 | 2019-12-24 | 深圳大学 | 用于血氧测量系统的信号检测方法 |
| CN111387992A (zh) * | 2020-02-14 | 2020-07-10 | 河南大学 | 基于朗伯比尔定律的薄层组织血氧成像方法及装置 |
| WO2020200276A1 (zh) * | 2019-04-02 | 2020-10-08 | 北京太一科技有限公司 | 脉诊仪输出信号修正方法、系统以及存储装置和控制装置 |
| CN112089434A (zh) * | 2020-10-16 | 2020-12-18 | 陕西师范大学 | 一种多光谱生物发光断层成像方法和系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1365649A (zh) * | 2002-02-26 | 2002-08-28 | 南开大学 | 脑血氧饱和度捡测仪 |
| US6711425B1 (en) * | 2002-05-28 | 2004-03-23 | Ob Scientific, Inc. | Pulse oximeter with calibration stabilization |
| CN1544919A (zh) * | 2003-11-14 | 2004-11-10 | 清华大学 | 吸氧刺激下新生儿脑局部组织氧饱和度的检测方法 |
| WO2005099564A1 (fr) * | 2003-11-14 | 2005-10-27 | Tsinghua University | Appareil es procede pour mesurer le parametre du metabolisme d'oxygene du sang dans un tissu humain |
| DE102004032094A1 (de) * | 2004-07-01 | 2006-01-26 | Micro-Epsilon Messtechnik Gmbh & Co Kg | Verfahren und eine Vorrichtung zur Messung der Blutsauerstoffsättigung |
| WO2009124077A1 (en) * | 2008-03-31 | 2009-10-08 | Nellcor Puritan Bennett Llc | Detection of site oximetry degradation |
| CN103519826A (zh) * | 2013-10-29 | 2014-01-22 | 北京新兴阳升科技有限公司 | 反射式血氧饱和度测量仪及其测量方法 |
| CN104887246A (zh) * | 2015-06-25 | 2015-09-09 | 广州视源电子科技股份有限公司 | 血氧测量方法和血氧测量装置 |
| CN106361349A (zh) * | 2015-11-19 | 2017-02-01 | 北京智谷睿拓技术服务有限公司 | 身体左右侧确定方法和设备 |
-
2018
- 2018-04-08 CN CN201810308255.2A patent/CN108577858B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1365649A (zh) * | 2002-02-26 | 2002-08-28 | 南开大学 | 脑血氧饱和度捡测仪 |
| US6711425B1 (en) * | 2002-05-28 | 2004-03-23 | Ob Scientific, Inc. | Pulse oximeter with calibration stabilization |
| CN1544919A (zh) * | 2003-11-14 | 2004-11-10 | 清华大学 | 吸氧刺激下新生儿脑局部组织氧饱和度的检测方法 |
| WO2005099564A1 (fr) * | 2003-11-14 | 2005-10-27 | Tsinghua University | Appareil es procede pour mesurer le parametre du metabolisme d'oxygene du sang dans un tissu humain |
| DE102004032094A1 (de) * | 2004-07-01 | 2006-01-26 | Micro-Epsilon Messtechnik Gmbh & Co Kg | Verfahren und eine Vorrichtung zur Messung der Blutsauerstoffsättigung |
| WO2009124077A1 (en) * | 2008-03-31 | 2009-10-08 | Nellcor Puritan Bennett Llc | Detection of site oximetry degradation |
| CN103519826A (zh) * | 2013-10-29 | 2014-01-22 | 北京新兴阳升科技有限公司 | 反射式血氧饱和度测量仪及其测量方法 |
| CN104887246A (zh) * | 2015-06-25 | 2015-09-09 | 广州视源电子科技股份有限公司 | 血氧测量方法和血氧测量装置 |
| CN106361349A (zh) * | 2015-11-19 | 2017-02-01 | 北京智谷睿拓技术服务有限公司 | 身体左右侧确定方法和设备 |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109222994A (zh) * | 2018-10-12 | 2019-01-18 | 深圳迈瑞生物医疗电子股份有限公司 | 血氧监测显示方法和监护设备 |
| CN109498936A (zh) * | 2018-10-15 | 2019-03-22 | 北京工业大学 | 一种体外生命支持的供氧决策系统 |
| CN109645967A (zh) * | 2019-01-28 | 2019-04-19 | 杭州电子科技大学 | 一种长时程且位置自检的脉搏检测仪及其脉搏检测方法 |
| CN109645967B (zh) * | 2019-01-28 | 2021-04-30 | 杭州电子科技大学 | 一种长时程且位置自检的脉搏检测仪及其脉搏检测方法 |
| WO2020200276A1 (zh) * | 2019-04-02 | 2020-10-08 | 北京太一科技有限公司 | 脉诊仪输出信号修正方法、系统以及存储装置和控制装置 |
| US11612329B2 (en) | 2019-04-02 | 2023-03-28 | Cyberpulse Limited | Method and system for adjusting output signal of pulse diagnosis device, storage device, and control device |
| CN110604584A (zh) * | 2019-09-24 | 2019-12-24 | 深圳大学 | 用于血氧测量系统的信号检测方法 |
| CN110604584B (zh) * | 2019-09-24 | 2022-05-27 | 深圳大学 | 用于血氧测量系统的信号检测方法 |
| CN111387992A (zh) * | 2020-02-14 | 2020-07-10 | 河南大学 | 基于朗伯比尔定律的薄层组织血氧成像方法及装置 |
| CN111387992B (zh) * | 2020-02-14 | 2021-05-28 | 河南大学 | 基于朗伯比尔定律的薄层组织血氧成像方法及装置 |
| CN112089434A (zh) * | 2020-10-16 | 2020-12-18 | 陕西师范大学 | 一种多光谱生物发光断层成像方法和系统 |
| CN112089434B (zh) * | 2020-10-16 | 2024-05-03 | 陕西师范大学 | 一种多光谱生物发光断层成像方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108577858B (zh) | 2023-12-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108577858A (zh) | 一种组织血氧饱和度监测部位的自动判断方法和系统 | |
| US11331013B2 (en) | Total hemoglobin screening sensor | |
| CN100450437C (zh) | 低灌注下测量血氧的方法 | |
| CN105377126B (zh) | 用于筛查对象的氧合状态的系统 | |
| US7430444B2 (en) | Photoplethysmographic device with species-specific calibration | |
| KR102033914B1 (ko) | 혈당 측정방법 및 이를 이용한 인체착용형 혈당 측정장치 | |
| US20080221463A1 (en) | System and method for venous pulsation detection using near infrared wavelengths | |
| CN106901705A (zh) | 一种无感知人体多生理参数采集装置及采集方法和应用 | |
| CA2512401A1 (en) | Signal quality metrics design for physiological data | |
| CN115500800A (zh) | 一种穿戴式生理参数检测系统 | |
| US20230172565A1 (en) | Systems, devices, and methods for developing a model for use when performing oximetry and/or pulse oximetry and systems, devices, and methods for using a fetal oximetry model to determine a fetal oximetry value | |
| Xie et al. | Development of wearable pulse oximeter based on internet of things and signal processing techniques | |
| US20140323833A1 (en) | System and Method for Differentiating Between Tissue-Specific and Systemic Causes of Changes in Oxygen Saturation in Tissue and Organs | |
| CN110037660A (zh) | 基于近红外光谱技术的压疮检测系统 | |
| TW202128078A (zh) | 用於動物醫學檢查之方法及檢查裝置 | |
| Nirupa et al. | Non-invasive measurement of hemoglobin content in blood | |
| CN114403904A (zh) | 基于肌电信号与肌肉血氧饱和度确定肌肉状态的装置 | |
| CN105054943A (zh) | 便于监控的血氧饱和度检测终端 | |
| AU2021350834A9 (en) | Systems, devices, and methods for developing a fetal oximetry model for use to determine a fetal oximetry value | |
| CN116327188B (zh) | 一种基于指夹式血氧仪的血氧分析方法 | |
| US20220256812A1 (en) | System and apparatus for measurement of physiological data | |
| EP3434182A1 (en) | System for monitoring the blood supply to the transplanted organ | |
| CN204950968U (zh) | 血氧饱和度检测装置 | |
| CN106073799A (zh) | 一种足底血氧检测装置、系统及方法 | |
| CN206565961U (zh) | 心理跟踪分析仪 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: An automatic judgment method and system for monitoring the site of tissue blood oxygen saturation Granted publication date: 20231219 Pledgee: Guanggu Branch of Wuhan Rural Commercial Bank Co.,Ltd. Pledgor: BLZ TECH. (WUHAN) SCIENCE AND TECHNOLOGY CO.,LTD. Registration number: Y2024980010621 |