CN108852352B - 生物阻抗Cole方程的参数估计方法、智能设备及存储介质 - Google Patents

Abstract

本发明公开了一种生物阻抗Cole方程的参数估计方法、智能设备及存储介质。方法包括：根据不同频率下测得的电位差的幅值和相位值，计算得到阻抗值的实部和虚部；根据阻抗值的实部和虚部确定各参数的初始猜测值和约束范围；根据各参数的初始猜测值和约束范围确定拟合参数以及拟合阻抗值；根据拟合阻抗值和测量值的误差平方和的阈值确定最佳拟合参数值。一种生物阻抗Cole方程的参数估计方法、智能设备及存储介质同时利用阻抗的实部和虚部，求解方程组的数值解，估计初始猜测值以及约束范围用于NLLS拟合，且进一步采取避免噪声风险的措施，有很好的鲁棒性，抗干扰能力强，在严重噪声情况下，也能准确拟合估计出Cole方程的参数，从而可以得到更准确的ECW和TBW值。

Description

生物阻抗Cole方程的参数估计方法、智能设备及存储介质

技术领域

本发明涉及一种临床医学领域，尤其涉及一种生物阻抗Cole方程的参数估计方法、智能设备及存储介质。

背景技术

液体超负荷与慢性肾病、急性肾损伤，或心力衰竭及危重病患者的患病率和死亡率升高有关。因此，测定细胞外液在临床中有重要的意义。生物阻抗是一种可靠的无创性技术，这种技术利用人体组织的电学特性，测定细胞外液和总身体水量。

细胞是生物组织的基本结构，由细胞外液、细胞内液、细胞膜构成。生物组织在低频区域(低于1MHz)时，细胞外液、细胞内液的电学性质接近于电阻，而细胞膜则可等效于电容。

Cole理论认为，生物组织的阻抗可以由下式表达：

其中，Z是阻抗，R₀是直流下的电阻，R_∞是无穷大频率下的电阻，ω是角频率，τ是和细胞膜有关的时间常数，α是时间常数的分布，上式被称为Cole方程。

当交流电流加于人体时，通过细胞内、外路径的电流比例与频率有关。在低频情况下，由于细胞膜电容的存在，细胞内路径的电阻相当大，电流基本只通过细胞外路径。随着电流频率的增加，通过细胞内路径的电流比例将增大。因此，在频率为0Hz时检测的生物电阻抗为基于细胞外液的值，在∞Hz频率检测的生物电阻抗为基于总身体水量的值。

细胞外液(ECW)和总身体水量(TBW)可以通过Cole-Cole圆弧定律评估，因此，准确的估计出Cole方程的R₀，R_∞，τ，α等参数，对于估算ECW和TBW至关重要。

Cole-Cole模型常用的求解方法有如下2种：

1)根据阻抗Z(ω)在复平面的轨迹图是一段圆弧的特点，采用圆的拟合方法可以实现R₀，R_∞，α三个参数的求解。由于拟合圆的方法不含频率信息，该方法不能直接求出τ，且在数据存在噪声时精度不高。

2)非线性最小二乘(Non-Linear Least-Squares，NLLS)法，对于给定的测量值拟合出最优的非线性模型，使测量值与拟合值的误差的平方和最小。

有文献根据阻抗的实部估计初始猜测值(David Ayllón,Methods for ColeParameter Estimation from Bioimpedance Spectroscopy Measurements AComparative Study,2008)，这种方法只用到实部，而且需要多次计算切线方程，对各参数也没有较好的定义约束范围，因此导致抗干扰能力较差。当处于严重噪声情况下，抗干扰能力更差。

发明内容

有鉴于此，本发明提供的一种生物阻抗Cole方程的参数估计方法、智能设备及存储介质能够解决现有技术中存在的生物阻抗Cole方程的参数的初始猜测值和约束范围不清楚，进而导致抗干扰能力差，特别是在有严重噪声影响下，抗干扰能力更差的问题。

本发明实施例提供的一种生物阻抗Cole方程的参数估计方法、智能设备及存储介质同时利用阻抗的实部和虚部，求解方程组的数值解，估计初始猜测值以及约束范围用于NLLS拟合，且进一步采取避免噪声风险的措施，有很好的鲁棒性，抗干扰能力强，在严重噪声情况下，仍然能够准确的拟合估计出Cole方程的参数，从而可以得到更准确的ECW和TBW值，更好的应用于临床。

为了实现上述目的，本发明实施例提供一种生物阻抗Cole方程的参数估计方法，具体包括：

根据不同频率下测得的电位差的幅值和相位值，计算得到阻抗值的实部和虚部；

根据所述阻抗值的实部和虚部确定各参数的初始猜测值和约束范围；

根据所述各参数的初始猜测值和约束范围确定拟合参数以及拟合阻抗值；

根据所述拟合阻抗值和测量值的误差平方和的阈值确定最佳拟合参数值。

优选的，所述根据不同频率下测得的电位差的幅值和相位值，计算得到阻抗值的实部和虚部，具体包括：

选取不同频率下的交流电通过所述生物阻抗Cole方程对应的电路，测量得到不同频率的电位差的幅值和相位值；

根据所述不同频率的电位差的幅值和相位值计算得到阻抗值的实部和虚部。

优选的，所述实部为：

所述虚部为：

R₀是直流下的电阻，R_∞是无穷大频率下的电阻，ω是角频率，τ是和细胞膜有关的时间常数，α是时间常数的分布。

优选的，所述根据所述阻抗值的实部和虚部确定各参数的初始猜测值和约束范围，具体包括：

根据所述虚部的相反数的最大值(-X)_max确定时间常数τ的初始猜测值τ⁰；

根据所述实部的最大值R_max和最小值R_min，所述虚部的相反数的最大值(-X)_max以及时间常数τ的初始猜测值τ⁰确定时间常数的分布α的初始猜测值α⁰，直流下的电阻R₀的初始猜测值R₀ ⁰以及无穷大频率下的电阻R_∞的初始猜测值R_∞ ⁰。

根据所述时间常数τ的初始猜测值τ⁰确定所述时间常数τ的最小值τ_min和最大值τ_max；

根据时间常数的分布α的初始猜测值α⁰确定所述时间常数的分布α的最小值α_min和最大值α_max；

根据直流下的电阻R₀的初始猜测值R₀ ⁰确定所述直流下的电阻R₀的最小值R_0min和最大值R_0max；

根据无穷大频率下的电阻R_∞的初始猜测值R_∞ ⁰确定所述无穷大频率下的电阻R_∞的最小值R_∞min和最大值R_∞max；

根据所述τ_min、τ_max、α_min、α_max、R_0min、R_0max、R_∞min以及R_∞max确定约束范围。

优选的，所述虚部的相反数的最大值为：

所述实部的最大值为：

所述实部的最小值为：

优选的，所述根据所述各参数的初始猜测值和约束范围确定拟合参数以及拟合阻抗值，具体包括：

根据所述τ⁰、α⁰、R₀ ⁰、R_∞ ⁰以及所述约束范围，进行非线性最小二乘法NLLS拟合，得到所述拟合参数τ^fit、α^fit、R₀ ^fit、R_∞ ^fit；

根据所述拟合参数τ^fit、α^fit、R₀ ^fit、R_∞ ^fit代入Cole方程

得到所述拟合阻抗值。

优选的，所述根据所述拟合阻抗值和测量值的误差平方和的阈值确定最佳拟合参数值，具体包括：

确定测量值与拟合值的误差

i，N均为正整数；

判断

是否减小，若是，则更新拟合参数；

判断

是否小于设定阈值，若是，则确定当前拟合参数为最佳拟合参数；

若不是，则去掉当前的(-X)_max后，重新确定所述虚部的相反数的最大值(-X)_max，并重新根据所述阻抗值的实部和虚部确定各参数的初始猜测值。

优选的，所述测量值为所述不同频率测量下叠加噪声的阻抗值，所述拟合值为根据所述拟合参数形成的Cole-Cole圆弧曲线。

本发明实施例提供的一种生物阻抗Cole方程的参数估计方法同时利用阻抗的实部和虚部，求解方程组的数值解，估计初始猜测值以及约束范围用于NLLS拟合，且进一步采取避免噪声风险的措施，有很好的鲁棒性，抗干扰能力强，在严重噪声情况下，仍然能够准确的拟合估计出Cole方程的参数，从而可以得到更准确的ECW和TBW值，更好的应用于临床。

另外，本发明还提供一种智能设备，所述智能设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上的生物阻抗Cole方程的参数估计程序，所述生物阻抗Cole方程的参数估计程序配置为实现所述生物阻抗Cole方程的参数估计方法的步骤。

此外，为实现上述目的，本发明还提供一种存储介质，所述存储介质上存储有生物阻抗Cole方程的参数估计程序，所述生物阻抗Cole方程的参数估计程序被处理器执行时实现所述生物阻抗Cole方程的参数估计方法的步骤。

本发明实施例提供的智能设备及存储介质同时利用阻抗的实部和虚部，求解方程组的数值解，估计初始猜测值以及约束范围用于NLLS拟合，且进一步采取避免噪声风险的措施，有很好的鲁棒性，抗干扰能力强，在严重噪声情况下，仍然能够准确的拟合估计出Cole方程的参数，从而可以得到更准确的ECW和TBW值，更好的应用于临床。

附图说明

图1为本发明一种生物阻抗Cole方程的参数估计方法一实施方式的流程图；

图2为本发明一种生物阻抗Cole方程的参数估计方法另一实施方式的流程图；

图3为现有技术中生物阻抗等效电路模型图；

图4为现有技术中生物阻抗圆图(Cole-Cole图)；

图5为本发明运用NLLS拟合一实施方式的拟合估计结果图；

图6示出了适于用来实现本发明实施方式的式例性设备的框图。

具体实施方式

下面，结合附图以及具体实施方式，对本发明做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。

参阅图1，图1为本发明一种生物阻抗Cole方程的参数估计方法一实施方式的流程图。

需要说明的是，生物阻抗Cole方程为

其中，其中，Z(ω)是阻抗，R₀是直流下的电阻，R_∞是无穷大频率下的电阻，ω是角频率，τ是和细胞膜有关的时间常数，α是时间常数的分布，上式被称为Cole方程。

在步骤S101，根据不同频率下测得的电位差的幅值和相位值，计算得到阻抗值的实部和虚部。

具体的，在多个不同频率下测量出相应的电位差的幅值和相位值，并计算得到不同频率的阻抗值的实部和虚部。

在步骤S102，根据所述阻抗值的实部和虚部确定各参数的初始猜测值和约束范围。

具体的，各参数为生物阻抗Cole方程中的R₀、R_∞、τ以及α。

初始猜测值表示在初始状态下的各参数的具体数值。

进一步地，各参数的约束范围表示各参数在最大值和最小值之间能够取得的数值。

在步骤S103，根据所述各参数的初始猜测值和约束范围确定拟合参数以及拟合阻抗值。

具体的，拟合参数为经过非线性最小二乘法(Non-Linear Least-Squares，NLLS)拟合而得的拟合参数。

进一步地，拟合阻抗值为拟合参数代入Cole方程计算得到的阻抗值。

在步骤S104，根据所述拟合阻抗值和测量值的误差平方和的阈值确定最佳拟合参数值。

具体的，采取避免噪声风险的措施，通过反复计算，选择误差最小的各参数值。

本发明实施例提供的一种生物阻抗Cole方程的参数估计方法同时利用阻抗的实部和虚部，求解方程组的数值解，估计初始猜测值以及约束范围用于NLLS拟合，且进一步采取避免噪声风险的措施，有很好的鲁棒性，抗干扰能力强，在严重噪声情况下，仍然能够准确的拟合估计出Cole方程的参数，从而可以得到更准确的ECW和TBW值，更好的应用于临床。

参阅图2，图2为本发明一种生物阻抗Cole方程的参数估计方法另一实施方式的流程图。

在步骤S201，选取不同频率下的交流电通过生物阻抗Cole方程对应的电路，测量得到不同频率的电位差的幅值和相位值。

具体的，生物阻抗Cole方程对应的电路为人体的阻抗电路，如图3所述，其中，R_e、R_i、C分别为细胞外液等效电阻、细胞内液等效电阻、细胞膜等效电容。生物阻抗Cole方程的参数与图3参数的关系如下：R₀＝R_e，

τ＝C(R_e+R_i)。

在步骤S202，根据所述不同频率的电位差的幅值和相位值计算得到阻抗值的实部和虚部。

具体的，在多个不同频率下测量出相应的电位差的幅值和相位值，并计算得到不同频率的阻抗值的实部和虚部。

优选的，将生物阻抗Cole方程分解为实部R(ω)和虚部X(ω)：

在步骤S203，根据所述虚部的相反数的最大值(-X)_max确定时间常数τ的初始猜测值τ⁰。

具体的，找出测量值的虚部的相反数的最大值(-X)_max，由(-X)_max计算得到时间常数τ的初始猜测值τ⁰。

优选的，对-X(ω)求导，斜率为0处对应的ω即为

得到τ的初始猜测值τ⁰。

进一步地，

在步骤S204，根据所述实部的最大值R_max和最小值R_min，所述虚部的相反数的最大值(-X)_max以及时间常数τ的初始猜测值τ⁰确定时间常数的分布α的初始猜测值α⁰，直流下的电阻R₀的初始猜测值R₀ ⁰以及无穷大频率下的电阻R_∞的初始猜测值R_∞ ⁰。

具体的，找出测量值的实部的最大值R_max和最小值R_min。

进一步地，

具体的，由(-X)_max，τ⁰，R_max，R_min计算得到α的初始猜测值α⁰，R₀的初始猜测值R₀ ⁰，R_∞的初始猜测值R_∞ ⁰。

进一步地，将R_max，R_min，(-X)_max，τ⁰代入公式(1)、(2)、(3)的3个方程，求解3个未知数α，R₀，R_∞，得到α的初始猜测值α⁰，R₀的初始猜测值R₀ ⁰，R_∞的初始猜测值R_∞ ⁰。

在步骤S205，根据所述时间常数τ的初始猜测值τ⁰确定所述时间常数τ的最小值τ_min和最大值τ_max，根据时间常数的分布α的初始猜测值α⁰确定所述时间常数的分布α的最小值α_min和最大值α_max，根据直流下的电阻R₀的初始猜测值R₀ ⁰确定所述直流下的电阻R₀的最小值R_0min和最大值R_0max以及根据无穷大频率下的电阻R_∞的初始猜测值R_∞ ⁰确定所述无穷大频率下的电阻R_∞的最小值R_∞min和最大值R_∞max。

优选的，τ_min＝0.8*τ⁰，τ_max＝1.2*τ⁰，α_min＝0.8*α⁰，

在步骤S206，根据所述τ_min、τ_max、α_min、α_max、R_0min、R_0max、R_∞min以及R_∞max确定约束范围。

具体的，所述时间常数τ的约束范围为τ_min到τ_max，时间常数的分布α的约束范围为α_min到α_max，直流下的电阻R₀的约束范围为R_0min到R_0max，无穷大频率下的电阻R_∞的约束范围为R_∞min到R_∞max。

在步骤S207，根据所述τ⁰、α⁰、R₀ ⁰、R_∞ ⁰以及所述约束范围，进行非线性最小二乘法NLLS拟合，得到所述拟合参数和拟合阻抗值。

具体的，根据各参数初始猜测值以及相应的约束范围，进行非线性最小二乘法NLLS拟合，得到Cole方程的拟合参数R₀ ^fit，R_∞ ^fit，τ^fit，α^fit。

进一步地，将拟合参数R₀ ^fit，R_∞ ^fit，τ^fit，α^fit代入Cole方程

得到拟合阻抗值。

在步骤S208，确定测量值与拟合值的误差

i，N均为正整数。

具体的，所述测量值为所述不同频率测量下叠加噪声的阻抗值，所述拟合值为根据所述拟合参数形成的Cole-Cole圆弧曲线，所述Cole-Cole圆弧曲线如图4所述，其中通过实部和虚部来构成。

在步骤S209，判断

是否减小，若减小，则执行步骤S210，若不减少，则执行步骤S211。

在步骤S210，更新拟合参数。

在步骤S211，判断

是否小于设定第一阈值，若是，则执行步骤S212；若不是，则去掉当前的(-X)_max后，执行步骤S203。

具体的，由于噪声的影响，R_max，R_min，(-X)_max有偏差，初始猜测值τ⁰，α⁰，R₀ ⁰，R_∞ ⁰的计算也会有误差，进一步影响最终的Cole方程参数R₀ ^fit，R_∞ ^fit，τfit，α^fit的拟合结果，因此需要不断更新拟合参数。

进一步地，当更新后的

大于等于设定第一阈值，则需要继续执行步骤S203，重新进行新的拟合参数的计算。用迭代的方法，反复计算，寻找误差最小的Cole方程的拟合参数R₀ ^fit，R_∞ ^fit，τ^fit，α^fit值。

在步骤S212，更新后的

小于设定阈值，表示找出了符合要求的拟合参数，则确定此时的拟合参数为最终的拟合参数，也就是最佳拟合参数。

本发明实施例提供的一种生物阻抗Cole方程的参数估计方法同时利用阻抗的实部和虚部，求解方程组的数值解，估计初始猜测值以及约束范围用于NLLS拟合，且进一步采取避免噪声风险的措施，有很好的鲁棒性，抗干扰能力强，在严重噪声情况下，仍然能够准确的拟合估计出Cole方程的参数，从而可以得到更准确的ECW和TBW值，更好的应用于临床。

参阅图5，图5为本发明运用NLLS拟合一实施方式的拟合估计结果图。

在本实施方式中，通过具体的模拟测量数据来反映拟合估计的过程及结果。

模拟测量数据为：

R₀＝676.8；

R_∞＝421.09；

τ＝3.02e-6；

α＝0.35；

另外，加入信噪比SNR＝25和SNR＝50的标准正态分布的随机噪声作为测量值：

其中，Z_measure为生物阻抗模拟测量值，noise为噪声值。

通过拟合估计选取6种情况下的拟合估计结果：

a)SNR＝25，初始猜测值

τ⁰＝1e-9，α⁰＝0.5，约束范围R₀≥0.0，R_∞≥0.0，τ≥0.0，

(b)SNR＝25，约束范围R₀≥0.0，R_∞≥0.0，τ≥0.0，

(c)SNR＝25，根据图2的流程图拟合估计；

(d)SNR＝50，初始猜测值

τ⁰＝1e-9，α⁰＝0.5，约束范围R₀≥0.0，R_∞≥0.0，τ≥0.0，

(e)SNR＝50，约束范围R₀≥0.0，R_∞≥0.0，τ≥0.0，

(f)SNR＝50，根据图2的流程图拟合估计。

其中，图5(a)-5(f)分别表示上述模拟结果图。

表1：模拟对比结果

表1为模拟对比结果表。

结果见表1，图5(a)～(f)。

比较(a)和(b)，可见选择合适的初始猜测值，对拟合结果有很大影响。

比较(b)和(e)，可见当噪声增大时，需要选择合适的约束范围，合适的约束范围对拟合结果也有很大影响。

比较(c)和(f)，可见当噪声增大时，本发明提出的算法，仍然可以较准确的估计出Cole方程的参数。

本发明实施例提供的一种生物阻抗Cole方程的参数估计方法同时利用阻抗的实部和虚部，求解方程组的数值解，估计初始猜测值以及约束范围用于NLLS拟合，且进一步采取避免噪声风险的措施，有很好的鲁棒性，抗干扰能力强，在严重噪声情况下，仍然能够准确的拟合估计出Cole方程的参数，从而可以得到更准确的ECW和TBW值，更好的应用于临床。

参阅图6，图6示出了适于用来实现本发明实施方式的式例性设备的框图。

所述设备包括：处理器(processor)61、存储器(memory)62、通信接口(Communications Interface)63和总线64；其中：

所述处理器61、存储器62、通信接口63通过所述总线64完成相互间的通信；

所述通信接口63用于其他设备之间的信息传输。

所述处理器61用于调用所述存储器62中的计算机程序，以执行上述方法实施例所提供的生物阻抗Cole方程的参数估计方法，具体包括：

根据不同频率下测得的电位差的幅值和相位值，计算得到阻抗值的实部和虚部；

根据所述阻抗值的实部和虚部确定各参数的初始猜测值和约束范围；

根据所述各参数的初始猜测值和约束范围确定拟合参数以及拟合阻抗值；

根据所述拟合阻抗值和测量值的误差平方和的阈值确定最佳拟合参数值。

进一步地，所述处理器61用于调用所述存储器62中的计算机程序，以执行上述方法实施例所提供的所述根据不同频率下测得的电位差的幅值和相位值，计算得到阻抗值的实部和虚部，具体包括：

选取不同频率下的交流电通过所述生物阻抗Cole方程对应的电路，测量得到不同频率的电位差的幅值和相位值；

根据所述不同频率的电位差的幅值和相位值计算得到阻抗值的实部和虚部。

进一步地，所述处理器61用于调用所述存储器62中的计算机程序，以执行上述方法实施例所提供的生物阻抗Cole方程的参数估计方法，具体还包括：所述实部为：

所述虚部为：

R₀是直流下的电阻，R_∞是无穷大频率下的电阻，ω是角频率，τ是和细胞膜有关的时间常数，α是时间常数的分布。

进一步地，所述处理器61用于调用所述存储器62中的计算机程序，以执行上述方法实施例所提供的所述根据所述阻抗值的实部和虚部确定各参数的初始猜测值和约束范围，具体包括：

根据所述虚部的相反数的最大值(-X)_max确定时间常数τ的初始猜测值τ⁰；

根据所述实部的最大值R_max和最小值R_min，所述虚部的相反数的最大值(-X)_max以及时间常数τ的初始猜测值τ⁰确定时间常数的分布α的初始猜测值α⁰，直流下的电阻R₀的初始猜测值R₀ ⁰以及无穷大频率下的电阻R_∞的初始猜测值R_∞ ⁰。

根据所述时间常数τ的初始猜测值τ⁰确定所述时间常数τ的最小值τ_min和最大值τ_max；

根据时间常数的分布α的初始猜测值α⁰确定所述时间常数的分布α的最小值α_min和最大值α_max；

根据直流下的电阻R₀的初始猜测值R₀ ⁰确定所述直流下的电阻R₀的最小值R_0min和最大值R_0max；

根据无穷大频率下的电阻R_∞的初始猜测值R_∞ ⁰确定所述无穷大频率下的电阻R_∞的最小值R_∞min和最大值R_∞max；

根据所述τ_min、τ_max、α_min、α_max、R_0min、R_0max、R_∞min以及R_∞max确定约束范围。

进一步地，所述处理器61用于调用所述存储器62中的计算机程序，以执行上述方法实施例所提供的生物阻抗Cole方程的参数估计方法，具体还包括：所述虚部的相反数的最大值为：

所述实部的最大值为：

所述实部的最小值为：

进一步地，所述处理器61用于调用所述存储器62中的计算机程序，以执行上述方法实施例所提供的所述根据所述各参数的初始猜测值和约束范围确定拟合参数以及拟合阻抗值，具体包括：

根据所述τ⁰、α⁰、R₀ ⁰、R_∞ ⁰以及所述约束范围，进行非线性最小二乘法NLLS拟合，得到所述拟合参数τ^fit、α^fit、R₀ ^fit、R_∞ ^fit；

根据所述拟合参数τ^fit、α^fit、R₀ ^fit、R_∞ ^fit代入Cole方程

得到所述拟合阻抗值。

进一步地，所述处理器61用于调用所述存储器62中的计算机程序，以执行上述方法实施例所提供的所述根据所述拟合阻抗值和测量值的误差平方和的阈值确定最佳拟合参数值，具体包括：

确定测量值与拟合值的误差

i，N均为正整数；

判断

是否减小，若是，则更新拟合参数；

判断

是否小于第一阈值，若是，则确定最终的拟合参数；

若不是，则去掉当前的(-X)_max后，重新确定所述虚部的相反数的最大值(-X)_max，并重新根据所述阻抗值的实部和虚部确定各参数的初始猜测值。

进一步地，所述处理器61用于调用所述存储器62中的计算机程序，以执行上述方法实施例所提供的生物阻抗Cole方程的参数估计方法，具体还包括：所述测量值为所述不同频率测量下叠加噪声的阻抗值，所述拟合值为根据所述拟合参数形成的Cole-Cole圆弧曲线。

本发明实施例提供的设备同时利用阻抗的生物阻抗Cole方程的实部和虚部，求解方程组的数值解，估计初始猜测值以及约束范围用于NLLS拟合，且进一步采取避免噪声风险的措施，有很好的鲁棒性，抗干扰能力强，在严重噪声情况下，仍然能够准确的拟合估计出Cole方程的参数，从而可以得到更准确的ECW和TBW值，更好的应用于临床。

此外，本发明实施例还提出一种存储介质，所述存储介质上存储有生物阻抗Cole方程的参数估计程序，所述生物阻抗Cole方程的参数估计程序被处理器执行时实现如下操作：

根据不同频率下测得的电位差的幅值和相位值，计算得到阻抗值的实部和虚部；

根据所述阻抗值的实部和虚部确定各参数的初始猜测值和约束范围；

根据所述各参数的初始猜测值和约束范围确定拟合参数以及拟合阻抗值；

根据所述拟合阻抗值和测量值的误差平方和的阈值确定最佳拟合参数值。

进一步地，所述生物阻抗Cole方程的参数估计程序被处理器执行时实现如下操作：

选取不同频率下的交流电通过所述生物阻抗Cole方程对应的电路，测量得到不同频率的电位差的幅值和相位值；

根据所述不同频率的电位差的幅值和相位值计算得到阻抗值的实部和虚部。

进一步地，所述生物阻抗Cole方程的参数估计程序被处理器执行时实现如下操作：所述实部为：

所述虚部为：

R₀是直流下的电阻，R_∞是无穷大频率下的电阻，ω是角频率，τ是和细胞膜有关的时间常数，α是时间常数的分布。

进一步地，所述生物阻抗Cole方程的参数估计程序被处理器执行时实现如下操作：

根据所述虚部的相反数的最大值(-X)_max确定时间常数τ的初始猜测值τ⁰；

根据所述实部的最大值R_max和最小值R_min，所述虚部的相反数的最大值(-X)_max以及时间常数τ的初始猜测值τ⁰确定时间常数的分布α的初始猜测值α⁰，直流下的电阻R₀的初始猜测值R₀ ⁰以及无穷大频率下的电阻R_∞的初始猜测值R_∞ ⁰。

根据所述时间常数τ的初始猜测值τ⁰确定所述时间常数τ的最小值τ_min和最大值τ_max；

根据时间常数的分布α的初始猜测值α⁰确定所述时间常数的分布α的最小值α_min和最大值α_max；

根据直流下的电阻R₀的初始猜测值R₀ ⁰确定所述直流下的电阻R₀的最小值R_0min和最大值R_0max；

根据无穷大频率下的电阻R_∞的初始猜测值R_∞ ⁰确定所述无穷大频率下的电阻R_∞的最小值R_∞min和最大值R_∞max；

根据所述τ_min、τ_max、α_min、α_max、R_0min、R_0max、R_∞min以及R_∞max确定约束范围。

进一步地，所述生物阻抗Cole方程的参数估计程序被处理器执行时实现如下操作：所述虚部的相反数的最大值为：

所述实部的最大值为：

所述实部的最小值为：

进一步地，所述生物阻抗Cole方程的参数估计程序被处理器执行时实现如下操作：

根据所述τ⁰、α⁰、R₀ ⁰、R_∞ ⁰以及所述约束范围，进行非线性最小二乘法NLLS拟合，得到所述拟合参数τ^fit、α^fit、R₀ ^fit、R_∞ ^fit；

根据所述拟合参数τ^fit、α^fit、R₀ ^fit、R_∞ ^fit代入Cole方程

得到所述拟合阻抗值。

进一步地，所述生物阻抗Cole方程的参数估计程序被处理器执行时实现如下操作：

确定测量值与拟合值的误差

i，N均为正整数；

判断

是否减小，若是，则更新拟合参数；

判断

是否小于设定阈值，若是，则确定最终的拟合参数；

若不是，则去掉当前的(-X)_max后，重新确定所述虚部的相反数的最大值(-X)_max，并重新根据所述阻抗值的实部和虚部确定各参数的初始猜测值。

进一步地，所述生物阻抗Cole方程的参数估计程序被处理器执行时实现如下操作：所述测量值为所述不同频率测量下叠加噪声的阻抗值，所述拟合值为根据所述拟合参数形成的Cole-Cole圆弧曲线。

本发明实施例提供的存储介质同时利用阻抗的生物阻抗Cole方程的实部和虚部，求解方程组的数值解，估计初始猜测值以及约束范围用于NLLS拟合，且进一步采取避免噪声风险的措施，有很好的鲁棒性，抗干扰能力强，在严重噪声情况下，仍然能够准确的拟合估计出Cole方程的参数，从而可以得到更准确的ECW和TBW值，更好的应用于临床。

随着科技的发展，计算机程序的传播途径不再受限于有形介质，还可以直接从网络下载，或者采用其他方式获取。因此，本实施例中的计算机可读介质不仅可以包括有形的介质，还可以包括无形的介质。

本实施例的计算机存储介质可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明个实施例中的功能单元可以集成在一个处理单元中，也可以是个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等可以存储程序代码的介质。

上述实施方式仅为本发明的优选实施方式，不能以此来限定本发明保护的范围，本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。

Claims (6)

1.一种生物阻抗Cole方程的参数估计方法，其特征在于，包括：

根据不同频率下测得的电位差的幅值和相位值，计算得到阻抗值的实部和虚部；

根据所述阻抗值的实部和虚部确定各参数的初始猜测值和约束范围；

根据所述各参数的初始猜测值和约束范围确定拟合参数以及拟合阻抗值；

根据所述拟合阻抗值和测量值的误差平方求和

的阈值确定最佳拟合参数值；

所述根据不同频率下测得的电位差的幅值和相位值，计算得到阻抗值的实部和虚部，具体包括：

选取不同频率下的交流电通过所述生物阻抗Cole方程对应的电路，测量得到不同频率的电位差的幅值和相位值；

根据所述不同频率的电位差的幅值和相位值计算得到阻抗值的实部和虚部；

其中，所述实部为：

所述虚部为：

R₀是直流下的电阻，R_∞是无穷大频率下的电阻，ω是角频率，τ是和细胞膜有关的时间常数，α是时间常数的分布；

所述根据所述阻抗值的实部和虚部确定各参数的初始猜测值和约束范围，具体包括：

根据所述虚部的相反数的最大值(-X)_max确定时间常数τ的初始猜测值τ⁰；

根据所述实部的最大值R_max和最小值R_min，所述虚部的相反数的最大值(-X)_max以及时间常数τ的初始猜测值τ⁰确定时间常数的分布α的初始猜测值α⁰，直流下的电阻R₀的初始猜测值R₀ ⁰以及无穷大频率下的电阻R_∞的初始猜测值R_∞ ⁰；

根据所述时间常数τ的初始猜测值τ⁰确定所述时间常数τ的最小值τ_min和最大值τ_max；

根据时间常数的分布α的初始猜测值α⁰确定所述时间常数的分布α的最小值α_min和最大值α_max；

根据直流下的电阻R₀的初始猜测值R₀ ⁰确定所述直流下的电阻R₀的最小值R_0min和最大值R_0max；

根据无穷大频率下的电阻R_∞的初始猜测值R_∞ ⁰确定所述无穷大频率下的电阻R_∞的最小值R_∞min和最大值R_∞max；

根据所述τ_min、τ_max、α_min、α_max、R_0min、R_0max、R_∞min以及R_∞max确定约束范围；

其中，所述虚部的相反数的最大值为：

所述实部的最大值为：

所述实部的最小值为：

2.根据权利要求1所述的一种生物阻抗Cole方程的参数估计方法，其特征在于，所述根据所述各参数的初始猜测值和约束范围确定拟合参数以及拟合阻抗值，具体包括：

根据所述τ⁰、α⁰、R₀ ⁰、R_∞ ⁰以及所述约束范围，进行非线性最小二乘法NLLS拟合，得到所述拟合参数τ^fit、α^fit、R₀ ^fit、R_∞ ^fit；

根据所述拟合参数τ^fit、α^fit、R₀ ^fit、R_∞ ^fit代入Cole方程

得到所述拟合阻抗值。

3.根据权利要求1所述的一种生物阻抗Cole方程的参数估计方法，其特征在于，所述根据所述拟合阻抗值和测量值的误差平方和的阈值确定最佳拟合参数值，具体包括：

确定所述测量值与拟合值的误差的平方求和

i，N均为正整数；

判断

是否减小，若是，则更新拟合参数；

判断

是否小于设定第一阈值；

若是，则确定当前拟合参数为最佳拟合参数；

若不是，则去掉当前的(-X)_max后，重新确定所述虚部的相反数的最大值(-X)_max，并重新根据所述阻抗值的实部和虚部确定各参数的初始猜测值。

4.根据权利要求3所述的一种生物阻抗Cole方程的参数估计方法，其特征在于，所述测量值为所述不同频率测量下叠加噪声的阻抗值，所述拟合值为根据所述拟合参数形成的Cole-Cole圆弧曲线。

5.一种智能设备，其特征在于，所述智能设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的生物阻抗Cole方程的参数估计程序，所述生物阻抗Cole方程的参数估计程序被所述处理器执行时实现如权利要求1至4中任一项所述的生物阻抗Cole方程的参数估计方法的步骤。

6.一种存储介质，其特征在于，所述存储介质上存储有生物阻抗Cole方程的参数估计程序，所述生物阻抗Cole方程的参数估计程序被处理器执行时实现如权利要求1至4中任一项所述的生物阻抗Cole方程的参数估计方法的步骤。

Images