CN109363662B - 一种便携式血栓检测装置 - Google Patents

一种便携式血栓检测装置 Download PDF

Info

Publication number
CN109363662B
CN109363662B CN201811326030.6A CN201811326030A CN109363662B CN 109363662 B CN109363662 B CN 109363662B CN 201811326030 A CN201811326030 A CN 201811326030A CN 109363662 B CN109363662 B CN 109363662B
Authority
CN
China
Prior art keywords
module
detection device
thrombus
detection
signal
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.)
Expired - Fee Related
Application number
CN201811326030.6A
Other languages
English (en)
Other versions
CN109363662A (zh
Inventor
蒋奇
董鑫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong University
Original Assignee
Shandong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong University filed Critical Shandong University
Priority to CN201811326030.6A priority Critical patent/CN109363662B/zh
Publication of CN109363662A publication Critical patent/CN109363662A/zh
Application granted granted Critical
Publication of CN109363662B publication Critical patent/CN109363662B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/02Detecting, 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
    • A61B5/026Measuring blood flow
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0022Monitoring a patient using a global network, e.g. telephone networks, internet
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes

Abstract

本发明公开了一种便携式血栓检测装置,包括:检测模块,所述检测模块由若干组电容单元组成,每组电容单元由相对的电容板构成,若干组电容单元构成检测待测部位的容纳空间,在检测模块与待测部位相对运动时,获得电容信号序列;信号变换模块,将电容信号序列变换为电压信号序列并进行模数转换后传输至控制模块;控制模块,对采集的数据进行滤波处理和非线性补偿处理,完成信号特征值的提取,所述信号特征值为序列信号中大于设置阈值的电容信号。本申请检测装置匀速运动,减少检测时的外部干扰。由于不需要受测人自己运动,更加方便快捷。

Description

一种便携式血栓检测装置
技术领域
本公开涉及医疗机械技术领域,特别是涉及一种便携式血栓检测装置。
背景技术
血栓形成是一种涉及许多彼此相互作用的遗传和环境因素的多因素变化的过程。临床常见的血栓患者,最主要的特点是有家族史,反复发作性,症状严重性,血栓形成部位异常性,以及发病时间年轻化,导致难以准确检查出是否产生血栓及产生血栓的准确位置。血栓是一颗定时炸弹,随时可能脱落,脱落的栓子随血流进入到肺,即形成肺栓塞、进入到脑,即形成脑血栓,严重威胁人的生命安全。
现有的器械检查如红外线技术会对人体造成一定的伤害;血管造影术属于创伤性检查,检查本身会损伤血管内皮导致血栓形成;超声多普勒血流计检查和阻抗容积技术,所用设备造价较高,且需要专业医生对医学影像做出诊断。而血液学检查不能做到实时的检测。
血液是由血浆、红细胞、白细胞、血小板等具有不同功能的成分组成,还包括水、糖、脂肪、蛋白质、钾盐及钙盐等属于一种多相流。且不同组成成分具有不同的介电常数,当血液流过血管不同部分时其整体的介电常数也会发生变化,因此,可以考虑利用多相流的检测方法对血液的特定参数进行监测。
发明内容
为了解决现有技术的不足,本公开提供了一种便携式血栓检测装置,通过检测装置与检测部位的相对运动实现对检测部位的血栓的检测。
为了实现上述目的,本申请采用以下技术方案:
一种便携式血栓检测装置,包括:
检测模块,所述检测模块由若干组电容单元组成,每组电容单元由相对的电容板构成,若干组电容单元构成检测待测部位的容纳空间,在检测模块与待测部位相对运动时,获得电容信号序列;
信号变换模块,将电容信号序列变换为电压信号序列并进行模数转换后传输至控制模块;
控制模块,对采集的数据进行滤波处理和非线性补偿处理,完成信号特征值的提取,所述信号特征值为序列信号中大于设置阈值的电容信号。
进一步的技术方案,所述控制模块还通过云平台传输模块将采集的数据传输至云端,云端还连接到医院的患者信息平台。
进一步的技术方案,对模数转换的数据采用中位值平均滤波法,采集N个数据并按从小到大进行排序,去掉最大值和最小值后对剩余的N-2个数据求平均值,作为采集到的数据值读入处理器进行存储。
进一步的技术方案,所述控制模块还包括神经网络模型构建模块,所述神经网络模型构建模块用于根据实验样本获得判断是否为血栓的阈值,
进一步的技术方案,神经网络模型构建模块,在该模块中,选取样本,通过实验确定不同样本在血栓存在情况下检测到的电压值与血栓的对应关系,通过对不同个体进行实验建立样本空间;
从样本空间中取一个样本(Ai,Bi),然后计算神经网络的实际输出O,求出D=Bi-O,根据D调整权矩阵W,对整个样本重复上述过程,直到对整个样本来说,误差不超过规定范围;
其中,权矩阵W起到通过在训练的过程中改变各个影响因素所占权重,来使输出的阈值接近实验获得的阈值的作用。
进一步的技术方案,所述控制模块还分别与语音模块、显示模块相连,分别用于播放及显示检测结果。
进一步的技术方案,所述控制模块还通过云平台传输模块将采集到的信息存储到云平台中,用户终端与云平台通信,实现信息的交互。
与现有技术相比,本公开的有益效果是:
本申请检测装置是可以在一个平台内双向移动,检测部位可以伸入检测装置的检测体放置部分进行检测。本申请检测装置匀速运动,减少检测时的外部干扰。由于不需要受测人自己运动,更加方便快捷。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。
图1为本申请实施例子的工作原理示意图;
具体实施方式
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
本申请的实施例子所考虑的因素为:当血液流过存在血栓的位置时,其对周围血管壁的压力、血流的速度等参数与正常血管的参数相比会发生变化。因此可以通过对这些参数检测来确定血管某个位置是否存在血栓。基于此设计了一种便携式家用血栓检测仪。
需要说明的是,有血栓存在时,对血液对周围血管壁的压力会变大、血液流动的速度会减缓,可以根据这些原理检测。但是这个方法不是通过检测压力和速度变化来实现血栓检测的。本方法是通过检测血液介电常数的变化实现的。
本申请的一种典型的实施例子中,如图1所示,公开了一种便携式血栓检测装置,其包括检测模块,控制模块,显示模块,语音模块,云平台传输模块。
因温度的变化会对介电常数产生影响,因此上述装置还包括温度控制模块,保持检测区域的温度不变,温度控制模块与控制模块相连,在进行检测时,开启温度控制模块,确保待测部位的温度保持恒定。
另一种具体的实施例子,温度控制模块单独作为一个装置,在进行检测时,单独的控制温度控制模块进行工作,确保待测部位的温度保持恒定。
在一种实施例子中,检测模块由正对着的两块电容板组成,当检测装置经过血栓位置时,因介电常数的变化,其两端的电容会改变,通过电容的变化完成血栓的检测部分。
由于检测模块与待测部位相对运动,例如胳膊,检测模块所测试的数据为时间序列的电容值,该时间序列的电容值与待测部位的位置相对应。
假设检查手臂是否存在血栓,那么把手臂放在检测装置上,这时让检测装置沿手臂运动,从而采集信号,该信号具体为电容序列数据。
具体实施时,将检测模块检测到的电容通过C/V变换后,连接到控制芯片的模/数转换接口,控制芯片对采集的数据进行处理和非线性补偿,结合神经网络、小波变换、插值等方法进行算法的编写,完成信号特征值的提取,即可完成对是否存在血栓的检测。
其中,对A/D转换的数据采用中位值平均滤波法,采集N个数据并按从小到大进行排序,去掉最大值和最小值后对剩余的N-2个数据求平均值,作为采集到的数据值读入处理器进行存储。后续采集到的数据值和所设定的阈值进行比较,从而确定血栓是否存在。
非线性补偿采用最小二乘法进行线性回归分析,使电容和电压值能保证良好的线性关系。
显示模块用来显示检测的结果,也可以实时显示动态检测结果,为了保证老年人看的清晰,可以采用字体变大的方式,并为其创建特殊的字体库。
语音模块用来读出检测的结果,方便人机的交互,并提高装置使用的舒适度与简易性,方便老人使用。
其中云平台传输模块的作用是将采集到的信息存储到云中,可以连接到医院的患者信息平台,进行远程诊疗,并且可以在检测到血栓的情况下,将检测的结果通过电话或短信的方式,发送到绑定的手机号上。
电容的公式为:
Figure BDA0001858784880000041
其中:ε表示极板间介质的介电常数;s表示电容极板的正对面积;k表示静电力常量;d表示电容极板间的距离。
当用来检测血栓时,检测装置经过包含血栓的部位时,其血液流量会减少,也就是流过截面的血液各成分数量减少,导致两电容间的介电常数发生变化,从而影响电容量。
在不经过存在血栓的位置时,两电容间的介电常数基本不会发生变化,或者说是在某一个范围内波动,且电容量的变化和介电常数的变化成正比,其变化规律是一样的。当经过血栓存在的部位时,其介电常数的变化相比于无血栓部位时变化会加大,表现为介电常数的增大,因此电容值会增大,超过上述的某个范围,也就是要设定的阈值。
电容传感器即平行板电容器可以放置在一种材料的表面,这种材料可以和测量物体紧密的结合起来并具有柔软舒适的特点。电容器可以放置一对,也可以放置多对,并针对待测物体的各个方位分布,组成一个阵列放置在所选材料上。
本申请实施例子中,利用电容的变化来检测血栓的原理是两极板间的介电常数发生变化,并且其他的参数不改变。在技术上需克服以下技术问题:①介电常数是受温度影响的,相同物质在不同温度下具有不同的介电常数,且人体在一天中的不同时间段体温会有所差别,需加一种保温装置,以保持待测部位的温度不变。②单个电容可能存在检测精度不够的问题,单个电容采集的数据量有限,可能会导致特征信号捕捉不到,因此多电容的布局及多数据处理问题需考虑。放置多对正对的平行板电容器,使其正对均匀的分布在360度的范围内,每个平行板电容器都外接C/V转换模块,传入拥有多路AD转换的控制芯片,将多路数据求平均后形成最后结果进行计算。③由于个体体型的差异,其电容的计算会有所差别,需对这种情况结合神经网络进行提前的训练,或者在检测之前设定好只检测固定位置。
神经网络的作用是对数据进行训练,使这个训练好的神经网络,在输入一个新的电容值序列时可以获得确定血栓存在的电容阈值。
具体的,首先是建立样本,通过实验确定血栓存在情况下检测到的电压值与血栓的对应关系,通过对不同个体进行实验建立一个样本空间,从样本空间中取一个样本(Ai,Bi),然后计算神经网络的实际输出O,求出D=Bi-O,根据D调整权矩阵W,对整个样本重复上述过程,直到对整个样本来说,误差不超过规定范围。
权矩阵起到通过在训练的过程中改变各个影响因素(这个影响因素是指个体的胖瘦,年龄等,是指样本的差异)所占权重,来使输出的阈值接近实验获得的阈值的作用。
神经网络输出的是想要的阈值。所提取的待测者的特征信号是超过阈值的信号。
检测原理:根据电容量的变化,通过C/V变化将电容量测量转换成电压量测量,然后经过模/数变换将模拟量转换成数字量送入控制芯片进行数据的处理。以此来检测电容量的变化。此处血栓检测的是腿和胳膊这种形状比较规则部位的血栓,处理起来比其他部位简单。此装置检测的时候是先把腿或手臂用橡皮筋绑住,让血液暂时不流动,然后让设备沿腿或手臂以固定速度运动,以此检测血栓的存在。在数据处理时,经过实验的对比,确定出血栓存在时的特征值,经过微分处理后,确定阈值。
上述方法为用来在实验中获得样本的方法,通过这种方法来获得大量的样本数据。神经网络再基于这些样本进行训练,从而确定出不同个体的阈值应该是多少。
电容的变化是通过C/V转换电路采集的,此电路需要一个激励源作用在被测电容上,然后通过转换电路将电容的变化量转换成电压的变化量。
数据处理的原则是能够在忠于原数据的基础上突出测量值,并滤除干扰。补偿是因为实际检测过程中会出现非线性的情况,所谓的补偿就是非线性补偿。采用的补偿方法是利用最小二乘法进行线性回归计算,使非线性部分线性化。如何提取特征值采用的是小波变换,微分处理等方法,通过实际的测试确定出血栓处的信号特征。当然,电容的变化可能会很微弱,所以需要信号的放大,通过硬件(如利用运放)组成多级信号放大电路,又因为会存在杂波所以进行硬件滤波和软件滤波结合的方法。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。

Claims (7)

1.一种便携式血栓检测装置,其特征是,包括:
检测模块,所述检测模块由若干组电容单元组成,每组电容单元由相对的电容板构成,若干组电容单元构成检测待测部位的容纳空间,检测部位伸入检测装置的容纳空间进行检测,在检测模块沿待测部位运动时,获得电容信号序列;
信号变换模块,将电容信号序列变换为电压信号序列并进行模数转换后传输至控制模块;
控制模块,对采集的数据进行滤波处理和非线性补偿处理,完成信号特征值的提取,所述信号特征值为序列信号中大于设置阈值的电容信号;
所述控制模块还包括神经网络模型构建模块,该模块建立样本,通过实验确定血栓存在情况下检测到的电压值与血栓的对应关系,通过对不同个体进行实验建立样本空间,从样本空间中取一个样本(Ai,Bi),然后计算神经网络的实际输出O,求出D=Bi-O,根据D调整权矩阵W,对整个样本重复上述过程,直到对整个样本来说,误差不超过规定范围。
2.如权利要求1所述的一种便携式血栓检测装置,其特征是,所述控制模块还通过云平台传输模块将采集的数据传输至云端,云端还连接到医院的患者信息平台。
3.如权利要求1所述的一种便携式血栓检测装置,其特征是,对模数转换的数据采用中位值平均滤波法,采集N个数据并按从小到大进行排序,去掉最大值和最小值后对剩余的N-2个数据求平均值,作为采集到的数据值读入处理器进行存储。
4.如权利要求1所述的一种便携式血栓检测装置,其特征是,神经网络模型构建模块用于根据实验样本获得判断是否为血栓的阈值。
5.如权利要求1所述的一种便携式血栓检测装置,其特征是,神经网络模型构建模块中的权矩阵W,通过在训练的过程中改变各个影响因素所占权重,来使输出的阈值接近实验获得的阈值的作用,影响因素指样本的差异。
6.如权利要求1所述的一种便携式血栓检测装置,其特征是,所述控制模块还分别与语音模块、显示模块相连,分别用于播放及显示检测结果。
7.如权利要求1所述的一种便携式血栓检测装置,其特征是,所述控制模块还通过云平台传输模块将采集到的信息存储到云平台中,用户终端与云平台通信,实现信息的交互。
CN201811326030.6A 2018-11-08 2018-11-08 一种便携式血栓检测装置 Expired - Fee Related CN109363662B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811326030.6A CN109363662B (zh) 2018-11-08 2018-11-08 一种便携式血栓检测装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811326030.6A CN109363662B (zh) 2018-11-08 2018-11-08 一种便携式血栓检测装置

Publications (2)

Publication Number Publication Date
CN109363662A CN109363662A (zh) 2019-02-22
CN109363662B true CN109363662B (zh) 2020-11-27

Family

ID=65384173

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811326030.6A Expired - Fee Related CN109363662B (zh) 2018-11-08 2018-11-08 一种便携式血栓检测装置

Country Status (1)

Country Link
CN (1) CN109363662B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104665840A (zh) * 2015-03-02 2015-06-03 桂林麦迪胜电子科技有限公司 无创血糖测量方法及指端测量探头
CN108280827A (zh) * 2018-01-24 2018-07-13 北京红云视界技术有限公司 基于深度学习的冠状动脉病变自动检测方法、系统和设备

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060100530A1 (en) * 2000-11-28 2006-05-11 Allez Physionix Limited Systems and methods for non-invasive detection and monitoring of cardiac and blood parameters
CN2852931Y (zh) * 2005-08-29 2007-01-03 刘宏宇 自动旋转式血栓检测仪
JP5691168B2 (ja) * 2009-01-08 2015-04-01 ソニー株式会社 血液凝固系解析装置、血液凝固系解析方法及びプログラム
WO2014156370A1 (ja) * 2013-03-29 2014-10-02 ソニー株式会社 血液状態評価装置、血液状態評価システム、血液状態評価方法及びプログラム
CN103919616B (zh) * 2014-05-06 2016-03-23 苏州大学 一种用于人工器官表面凝血检测的装置及检测方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104665840A (zh) * 2015-03-02 2015-06-03 桂林麦迪胜电子科技有限公司 无创血糖测量方法及指端测量探头
CN108280827A (zh) * 2018-01-24 2018-07-13 北京红云视界技术有限公司 基于深度学习的冠状动脉病变自动检测方法、系统和设备

Also Published As

Publication number Publication date
CN109363662A (zh) 2019-02-22

Similar Documents

Publication Publication Date Title
Tan et al. Non-invasive continuous blood pressure measurement based on mean impact value method, BP neural network, and genetic algorithm
Baek et al. End-to-end blood pressure prediction via fully convolutional networks
Xiao et al. Heart rate prediction model based on physical activities using evolutionary neural network
KR101947676B1 (ko) 생체 신호를 측정하는 장치 및 방법
CN105147284A (zh) 一种改进型人体平衡功能检测方法与训练系统
CN110706786B (zh) 非接触式心理参数智能分析与评测系统
US20130226019A1 (en) System and method for classifying a heart sound
Copot et al. Fractional order impedance model to estimate glucose concentration: in vitro analysis
CN106539562A (zh) 一种由脉搏波评估心功能的方法
Chowdhury et al. Design and development of microcontroller based instrumentation for studying complex bioelectrical impedance of fruits using electrical impedance spectroscopy
CN113456033B (zh) 生理指标特征值数据处理方法、系统及计算机设备
CN109363662B (zh) 一种便携式血栓检测装置
Machado et al. Recurrent neural network for contaminant type detector in surface electromyography signals
KR101744691B1 (ko) 심탄도 신호를 이용한 심박 검출 방법 및 그 장치
KR101696791B1 (ko) 흉부임피던스를 이용한 폐기능 모니터링 장치 및 방법
CN110279411A (zh) 一种心脏数据异常检测方法、装置、存储介质及终端设备
CN109480804A (zh) 用于脉搏波检测的最佳取脉压方法
CN114176532A (zh) 一种测定cfPWV参数的临床验证方法及其应用系统
CN107714039A (zh) 一种基于电子秤检测人体动脉血管硬化的方法及系统
CN111079927B (zh) 一种基于极限学习机的髌骨疼痛检测系统
Rosales et al. Vital Signs Evaluator and Blood Type Identification using Deep Learning for Blood Donation
CN113647905A (zh) 深度神经网络预测血压的训练方法、计算机装置和存储介质
Simić et al. A novel approach for parameter estimation of Fricke-Morse model using differential impedance analysis
Park et al. Detecting Human Movement during Vital Sign Measurement using Heterogeneous Sensors
CN109009020A (zh) 一种健康监测系统和健康监测方法

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20201127

Termination date: 20211108

CF01 Termination of patent right due to non-payment of annual fee