CN110811650B - 一种排尿预测方法及装置 - Google Patents
一种排尿预测方法及装置 Download PDFInfo
- Publication number
- CN110811650B CN110811650B CN201911039409.3A CN201911039409A CN110811650B CN 110811650 B CN110811650 B CN 110811650B CN 201911039409 A CN201911039409 A CN 201911039409A CN 110811650 B CN110811650 B CN 110811650B
- Authority
- CN
- China
- Prior art keywords
- urination
- patient
- time
- matrix
- prediction
- 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.)
- Active
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/20—Measuring for diagnostic purposes; Identification of persons for measuring urological functions restricted to the evaluation of the urinary system
- A61B5/202—Assessing bladder functions, e.g. incontinence assessment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/053—Measuring electrical impedance or conductance of a portion of the body
-
- 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
- A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Urology & Nephrology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种排尿预测方法及装置,针对患者无法感知尿意或无意识排尿的情况,采取测量及预测机制,通过测量患者储尿阶段的阻抗值预测得到患者未来的排尿时间,从而实现提醒患者的膀胱需适时排尿的有效性。本发明可以针对不同年龄段、体重的患者进行准确预测,同时基于生物阻抗分析技术进行膀胱阻抗值的采集,在不对患者造成创口的情况下能够预估患者的膀胱储尿情况,简化了排尿预测程序。
Description
技术领域
本发明涉及对生理事件的预测技术领域,尤其涉及一种排尿预测方法及装置。
背景技术
神经源性膀胱患者是指由于中枢神经系统中控制排尿功能神经或周围神经受损而使得膀胱尿道功能障碍,患者通常会失去感知储尿和排尿的意识,造成泌尿系统感染等并发症,给患者身心健康带来极大的影响;尿失禁患者无法预知排尿时机,排尿无意识,经常性在产生尿意时尿液就不自主地漏出来,对患者生理和心理带来严重的折磨。因此对于具有如神经源性膀胱或尿失禁等的膀胱功能障碍的患者,需要预测其排尿时间,以预先采取辅助排尿措施或自主排尿措施,避免或降低泌尿系统感染等并发症的影响。
现有的排尿预测方法一般采用超声、压力、位移检测膀胱容量从而进行排尿预测,这些方法的采样方式的操作较为繁琐,其中一些会对患者造成创口;并且由于这些方式难以实现对膀胱的实时监测,无法实现提醒患者的膀胱需适时排尿的有效性。
发明内容
本发明为解决现有的排尿预测方法预测过程不便,难以有效提醒患者适时排尿的问题,提供了一种排尿预测方法及装置。
为实现以上发明目的,而采用的技术手段是:
一种排尿预测方法,包括以下步骤:
S1.采集排尿预测所需的数据,包括:试验者和患者与排尿相关的身体参数,以及试验者的日排尿次数,患者各时段的膀胱阻抗值;
S2.对采集得到的数据进行分类,分别得到用于预测患者一天的排尿次数的数据集以及用于预测患者排尿时间的数据集;
S3.基于用于预测患者一天的排尿次数的数据集,通过试验者与患者的身体参数之间的相邻关系,按照相邻关系排列试验者的排尿次数,求取患者的排尿次数的平均值即为患者的预测排尿次数;
S4.基于用于预测患者排尿时间的数据集,任意选取某个时刻及其对应的膀胱阻抗值作为标记点,其余时刻及其对应的膀胱阻抗值作为数据点,计算得到若干个数据点与标记点的相邻关系,按照相邻关系排列患者的膀胱阻抗值及其对应时刻,分别求取患者的膀胱阻抗值及其对应时刻的平均值作为预测点;重复选取不同时刻的标记点求取预测点得到阻抗预测曲线,对所述阻抗预测曲线进行反函数变换得到患者的预测排尿时间;
S5.将步骤S3和S4得到的患者的预测排尿次数及预测排尿时间构成预测集合,利用所述预测集合对患者的排尿次数和排尿时间进行预测,输出预测结果。
上述方案中,针对患者无法感知尿意或无意识排尿的情况,采取测量及预测机制,通过试验者与患者尿相关的身体参数,以及测量患者储尿阶段的阻抗值预测得到患者未来的排尿时间。
优选的,步骤S1所述与排尿相关的身体参数包括试验者和患者的年龄以及BMI指数。
优选的,步骤S1所述的患者的各时段的膀胱阻抗值基于生物阻抗分析技术,并通过四电极连接法将测试电极与患者的测试部位连接测得,测得的膀胱阻抗值需进行去除异常点的预处理。
优选的,所述步骤S2具体包括:
定义试验者或患者的年龄以及BMI指数数据为影响值;
将试验者的影响值、试验者的排尿次数、患者的膀胱阻抗值和膀胱阻抗值采集时间作为数据集合{A S I T};
将其中的矩阵{A S}作为用于预测患者一天的排尿次数的数据集,将矩阵{I T}作为用于预测患者排尿时间的数据集;
其中影响值矩阵为A=[age BMI ...]
排尿次数矩阵为:S=[排尿次数s]
时间段膀胱阻抗值矩阵为:I=[it1 it2 it3 ... itn],itn表示第tn个时间段
其中第tn个时间段中m个时刻的膀胱阻抗值矩阵为:
itnm表示第tn个时间段中的第m个时刻
时间段矩阵为:T=[t1 t2 t3 ... tn]
其中第tn个时间段m个时刻的时刻矩阵为:
上述公式中的第tn个时间段为患者需进行排尿的时间段。
优选的,所述步骤S3具体包括:
记录l名试验者的影响值及排尿次数,将所述矩阵{A S}分别扩展为:
设定患者的年龄为agepre,BMI指数为BMIpre,
从矩阵A中选取与患者参数rpre=(agepre,BMIpre)相邻的ks个点rj=(agej,BMIj),采用欧拉距离公式计算点rpre到相邻的ks个点rj的距离:
其中rpre=(agepre,BMIpre),rj=(agej,BMIj);
将计算得到的距离值由小到大进行排列,得到ks个距离值构成的分类标志矩阵ds
优选的,所述步骤S4具体包括:
在第一个时间段,将膀胱阻抗值归一化,根据第tn个时间段中m个时刻的膀胱阻抗值矩阵itn,第一个时间段中m个时刻的膀胱阻抗值矩阵为:
根据第tn个时间段m个时刻的时刻矩阵tn,第一个时间段m个时刻的时刻矩阵为:
在上述的矩阵it1和矩阵t1中按照对应关系任意选取一个标记点zm=(it1m,t1m),在标记点zm选取相邻的kt个数据点zj=(ikj,tkj)作为样本点;
利用距离公式计算标记点zm到kt个样本点之间的距离dsj;
将求得的距离值dsj从小到大进行排列,得到kt个距离值构成分类标志dt
基于分类标志dt将其所代表的膀胱阻抗值进行排列,得到kt个膀胱阻抗值的矩阵ikt1为:
kt个膀胱阻抗值对应的时刻矩阵tkt1为:
根据矩阵ikt1,求取kt个膀胱阻抗值的平均值或加权平均值作为预测膀胱阻抗值i′t11;
其中求取kt个膀胱阻抗值的平均值时得到的预测膀胱阻抗值i′t11为:
求取kt个膀胱阻抗值的加权平均值时得到的预测膀胱阻抗值i′t11为:
由矩阵tkt1求取kt个时刻的平均值作为预测时间t′11
由以上步骤得到预测的第一个数据点wt11=(i′t11,t′11)
在上述的矩阵it1和矩阵t1中按照对应关系任意选取第二个标记点zm′=(it1m′,t1m′),计算得到预测的第二个数据点wt12=(i′t12,t′12)
重新计算得到预测的第一个时间段m′个时刻的膀胱阻抗值:
m′个时刻的膀胱阻抗值对应的时刻为:
其中m′≤m;
对预测的膀胱阻抗值和对应时刻t1pre组成的点进行连线得到第一时间段的预测曲线Wt1,将其与测量所得的膀胱阻抗值it1进行对比,即将预测曲线Wt1上的膀胱阻抗值与it1中的膀胱阻抗值采用均方误差进行对比,得到的误差为:
若得到的误差在预设的误差范围内,则代表预测曲线Wt1拟合准确;否则重新选取kt的值进行计算,直至误差在预设的误差范围内停止计算;
对第二个时间段中矩阵it2和t2采取上述步骤,得到第二时间段的预测曲线Wt2;依次类推得到各个时间段的预测曲线W:
W=[Wt1 Wt2 ... Wtn]
对预测曲线W进行非线性拟合,得到阻抗预测曲线W(i,t),将其进行反函数变换得到:
Wpre=W(t,i)
基于进行反函数变换得到的Wpre,取第tn个时间段中时刻tnm的膀胱阻抗值itnm,得到患者的预测排尿时间:
tpai=θ·Wpre(t,itnm)
其中θ为影响系数,其大小由影响值决定。
优选的,步骤S4中所述的利用距离公式计算标记点zm到kt个样本点之间的距离dsj通过以下任一种公式计算:
二、dtj=|zm-zj|
以上的公式中zm=(it1m,t1m),zj=(ikj,tkj)。
本发明还提供了一种排尿预测装置,包括:
数据采集模块,用于采集排尿预测所需的数据,包括:试验者和患者与排尿相关的身体参数,以及试验者的日排尿次数,患者各时段的膀胱阻抗值;
数据分类模块,用于对采集得到的数据进行分类,分别得到用于预测患者一天的排尿次数的数据集以及用于预测患者排尿时间的数据集;
排尿次数预测模块,用于基于用于预测患者一天的排尿次数的数据集,通过试验者与患者的身体参数之间的相邻关系,按照相邻关系排列试验者的排尿次数,求取患者的排尿次数的平均值即为患者的预测排尿次数;
排尿时间预测模块,用于基于用于预测患者排尿时间的数据集,任意选取某个时刻及其对应的膀胱阻抗值作为标记点,其余时刻及其对应的膀胱阻抗值作为数据点,计算得到若干个数据点与标记点的相邻关系,按照相邻关系排列患者的膀胱阻抗值及其对应时刻,分别求取患者的膀胱阻抗值及其对应时刻的平均值作为预测点;重复选取不同时刻的标记点求取预测点得到阻抗预测曲线,对所述阻抗预测曲线进行反函数变换得到患者的预测排尿时间;
预测结果输出模块,用于将排尿次数预测模块和排尿时间预测模块得到的患者的预测排尿次数及预测排尿时间构成预测集合,利用所述预测集合对患者的排尿次数和排尿时间进行预测,输出预测结果。
与现有技术相比,本发明技术方案的有益效果是:
本发明提供的排尿预测方法及装置,针对患者无法感知尿意或无意识排尿的情况,采取测量及预测机制,通过测量患者储尿阶段的阻抗值预测得到患者未来的排尿时间,从而实现提醒患者的膀胱需适时排尿的有效性。本发明可以针对不同年龄段、体重的患者进行准确预测,同时基于生物阻抗分析技术进行膀胱阻抗值的采集,在不对患者造成创口的情况下能够预估患者的膀胱储尿情况,简化了排尿预测程序。
本发明的排尿检测方法及装置具有安全便捷、无副作用和成本较低的优点。
附图说明
图1为本发明方法的总流程图。
图2为本发明方法步骤S2~S4的具体流程图。
图3为患者和各试验者的BMI指数-年龄图。
图4为患者储尿到排尿时段的膀胱阻抗值-时间图。
图5为本发明装置的模块图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;
对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
本实施例1提供了一种排尿预测方法,包括以下步骤:
S1.采集排尿预测所需的数据,包括:试验者和患者的年龄以及BMI指数,以及试验者的日排尿次数,患者各时段的膀胱阻抗值;
在本实施例1中,患者的各时段的膀胱阻抗值基于生物阻抗分析技术,并通过四电极连接法将测试电极与患者腹部靠近膀胱处连接测得,同时为避免不可预估的误差,在粘贴测试电极片至患者测量处时对测量处使用酒精擦拭进行清洁,患者测量处位置取位于肚脐以下10cm处的位置,而四个测试电极取两对,分别为一对测量电极以及一对刺激电极;两个正负测量电极位于肚脐中线距离3cm处,两个正负刺激电极位于肚脐中线距离8cm处。基于生物阻抗分析技术使用的阻抗分析仪器输送1mA,频率为30k~50kHz的电流通过导线和电极穿透至患者测量处,输出膀胱阻抗值。将阻抗分析仪器测量的患者膀胱阻抗值利用数据口传送至电脑,在传送至电脑前,分析仪器的后向通道增加滤波器将噪声去除,并利用电脑中数据软件对膀胱阻抗值进行校正处理,去除阻抗值的异常点,得出患者准确的膀胱阻抗值。
S2.对采集得到的数据进行分类,分别得到用于预测患者一天的排尿次数的数据集以及用于预测患者排尿时间的数据集;具体包括:
定义试验者或患者的年龄以及BMI指数数据为影响值;
将试验者的影响值、试验者的排尿次数、患者的膀胱阻抗值和膀胱阻抗值采集时间作为数据集合{A S I T};
将其中的矩阵{A S}作为用于预测患者一天的排尿次数的数据集,将矩阵{I T}作为用于预测患者排尿时间的数据集;
其中影响值矩阵为A=[age BMI ...]
排尿次数矩阵为:S=[排尿次数s]
四个时间段膀胱阻抗值矩阵为:I=[it1 it2 it3 it4]
其中第tn个时间段中30个时刻的膀胱阻抗值矩阵为:
其中n=1,2,3,4;需要说明的是,在本实施例中,将时刻定为分钟;因此一个膀胱阻抗值对应一个时刻,即为impedance/min;
时间段矩阵为:T=[t1 t2 t3 t4]
其中第tn个时间段30个时刻的时刻矩阵为:
上述公式中的第tn个时间段为患者需进行排尿的时间段。
n=1,2,3,4
S3.基于矩阵{A S},通过试验者与患者的身体参数之间的相邻关系,按照相邻关系排列试验者的排尿次数,求取患者的排尿次数的平均值即为患者的预测排尿次数;具体为:
如图3所示为预测患者排尿次数的示例图,记录4名试验者的影响值及排尿次数,将所述矩阵{A S}分别扩展为:
如图3所示将影响值矩阵A个点分布在坐标轴上;
设定患者的年龄为agepre,BMI指数为BMIpre,
如图3所示,从矩阵A中选取与患者参数rpre=(agepre,BMIpre)相邻的ks=3个点rj=(agej,BMIj),采用欧拉距离公式计算点rpre到相邻的ks个点rj的距离:
其中rpre=(agepre,BMIpre),rj=(agej,BMIj);
将计算得到的距离值由小到大进行排列,得到3个距离值构成的分类标志矩阵ds
S4.基于矩阵{I T},任意选取某个时刻及其对应的膀胱阻抗值作为标记点,其余时刻及其对应的膀胱阻抗值作为数据点,计算得到若干个数据点与标记点的相邻关系,按照相邻关系排列患者的膀胱阻抗值及其对应时刻,分别求取患者的膀胱阻抗值及其对应时刻的平均值作为预测点;重复选取不同时刻的标记点求取预测点得到阻抗预测曲线,对所述阻抗预测曲线进行反函数变换得到患者的预测排尿时间;具体为:
如图4为预测患者排尿时间的示例图,其中选取4个时间段预测患者的排尿时间。
在第一个时间段,将膀胱阻抗值归一化,第一个时间段中30个时刻的膀胱阻抗值矩阵为:
第一个时间段30个时刻的时刻矩阵为:
如图4所示,在上述的矩阵it1和矩阵t1中按照对应关系任意选取一个标记点zm=(it1m,t1m),在本实施例中选取z3=(it13,t13)在标记点zm选取相邻的kt=5个数据点zj=(ikj,tkj)作为样本点;
利用距离公式计算标记点zm到5个样本点之间的距离dsj;
其中z3=(it13,t13),zj=(ikj,tkj)
将求得的距离值dsj从小到大进行排列,得到5个距离值构成分类标志dt
基于分类标志dt将其所代表的膀胱阻抗值进行排列,得到5个膀胱阻抗值的矩阵ikt1为:
5个膀胱阻抗值对应的时刻矩阵tkt1为:
根据矩阵ikt1,求取5个膀胱阻抗值的加权平均值作为预测膀胱阻抗值i′t11;
由矩阵tkt1求取5个时刻的平均值作为预测时间t′11
由以上步骤得到预测的第一个数据点wt11=(i′t11,t′11),如图4所示;
在上述的矩阵it1和矩阵t1中按照对应关系任意选取第二个标记点zm′=(it1m′,t1m′),该点在第一个标记点之后,计算得到预测的第二个数据点wt12=(i′t12,t′12)
重新计算得到预测的第一个时间段m′个时刻的膀胱阻抗值:
m′个时刻的膀胱阻抗值对应的时刻为:
其中m′≤m;
对预测的膀胱阻抗值和对应时刻t1pre组成的点进行连线得到第一时间段的预测曲线Wt1,将其与测量所得的膀胱阻抗值it1进行对比,即将预测曲线Wt1上的膀胱阻抗值与it1中的膀胱阻抗值采用均方误差进行对比,得到的误差为:
若得到的误差在预设的误差范围内,则代表预测曲线Wt1拟合准确;否则重新选取kt的值进行计算,直至误差在预设的误差范围内停止计算;
对第二个时间段中矩阵it2和t2采取上述步骤,得到第二时间段的预测曲线Wt2,如图4所示;依次类推得到4个时间段的预测曲线W:
W=[Wt1 Wt2 Wt3 Wt4]
对预测曲线W进行非线性拟合,得到阻抗预测曲线W(i,t),将其进行反函数变换得到:
Wpre=W(t,i)
基于进行反函数变换得到的Wpre,取第4个时间段中时刻t430(即最后一个时刻)的膀胱阻抗值it430,如图4所示,得到患者的预测排尿时间:
tpai=θ·Wpre(t,it430)
其中θ为影响系数,其大小由影响值决定。
S5.将步骤S3和S4得到的患者的预测排尿次数Spre及预测排尿时间曲线Wpre构成预测集合,利用所述预测集合对患者的排尿次数和排尿时间进行预测,输出预测结果。患者即可以根据预测结果做好排尿的准备。
实施例2
本实施例2基于上述实施例1的排尿预测方法提供了一种排尿预测装置,如图5所示,包括:
数据采集模块1,用于采集排尿预测所需的数据,包括:试验者和患者与排尿相关的身体参数,以及试验者的日排尿次数,患者各时段的膀胱阻抗值;
数据分类模块2,用于对采集得到的数据进行分类,分别得到用于预测患者一天的排尿次数的数据集以及用于预测患者排尿时间的数据集;
排尿次数预测模块3,用于基于用于预测患者一天的排尿次数的数据集,通过试验者与患者的身体参数之间的相邻关系,按照相邻关系排列试验者的排尿次数,求取患者的排尿次数的平均值即为患者的预测排尿次数;
排尿时间预测模块4,用于基于用于预测患者排尿时间的数据集,任意选取某个时刻及其对应的膀胱阻抗值作为标记点,其余时刻及其对应的膀胱阻抗值作为数据点,计算得到若干个数据点与标记点的相邻关系,按照相邻关系排列患者的膀胱阻抗值及其对应时刻,分别求取患者的膀胱阻抗值及其对应时刻的平均值作为预测点;重复选取不同时刻的标记点求取预测点得到阻抗预测曲线,对所述阻抗预测曲线进行反函数变换得到患者的预测排尿时间;
预测结果输出模块5,用于将排尿次数预测模块和排尿时间预测模块得到的患者的预测排尿次数及预测排尿时间构成预测集合,利用所述预测集合对患者的排尿次数和排尿时间进行预测,输出预测结果。
附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制;
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (4)
1.一种排尿预测方法,其特征在于,包括以下步骤:
S1.采集排尿预测所需的数据,包括:试验者和患者与排尿相关的身体参数,以及试验者的日排尿次数,患者各时段的膀胱阻抗值;
S2.对采集得到的数据进行分类,分别得到用于预测患者一天的排尿次数的数据集以及用于预测患者排尿时间的数据集;
S3.基于用于预测患者一天的排尿次数的数据集,通过试验者与患者的身体参数之间的相邻关系,按照相邻关系排列试验者的排尿次数,求取试验者的排尿次数的平均值即为患者的预测排尿次数;
S4.基于用于预测患者排尿时间的数据集,任意选取某个时刻及其对应的膀胱阻抗值作为标记点,其余时刻及其对应的膀胱阻抗值作为数据点,计算得到若干个数据点与标记点的相邻关系,按照相邻关系排列患者的膀胱阻抗值及其对应时刻,分别求取患者的膀胱阻抗值及其对应时刻的平均值作为预测点;重复选取不同时刻的标记点求取预测点得到阻抗预测曲线,对所述阻抗预测曲线进行反函数变换得到患者的预测排尿时间;
S5.将步骤S3和S4得到的患者的预测排尿次数及预测排尿时间构成预测集合,利用所述预测集合对患者的排尿次数和排尿时间进行预测,输出预测结果;
步骤S1所述与排尿相关的身体参数包括试验者和患者的年龄以及BMI指数;
所述步骤S2具体包括:
定义试验者或患者的年龄以及BMI指数数据为影响值;
将试验者的影响值、试验者的排尿次数、患者的膀胱阻抗值和膀胱阻抗值采集时间作为数据集合{A S I T};
将其中的矩阵{A S}作为用于预测患者一天的排尿次数的数据集,将矩阵{I T}作为用于预测患者排尿时间的数据集;
其中影响值矩阵为A=[age BMI...]
排尿次数矩阵为:S=[排尿次数s]
时间段膀胱阻抗值矩阵为:I=[it1 it2 it3...itn],itn表示第tn个时间段
其中第tn个时间段中m个时刻的膀胱阻抗值矩阵为:
itnm表示第tn个时间段中的第m个时刻
时间段矩阵为:T=[t1 t2 t3...tn]
其中第tn个时间段m个时刻的时刻矩阵为:
上述矩阵中的第tn个时间段为患者需进行排尿的时间段;
所述步骤S3具体包括:
记录l名试验者的影响值及排尿次数,将所述矩阵{A S}分别扩展为:
设定患者的年龄为agepre,BMI指数为BMIpre;
从矩阵A中选取与患者参数rpre=(agepre,BMIpre)相邻的ks个点rj=(agej,BMIj),采用欧拉距离公式计算点rpre到相邻的ks个点rj的距离:
其中rpre=(agepre,BMIpre),rj=(agej,BMIj);
将计算得到的距离值由小到大进行排列,得到ks个距离值构成的分类标志矩阵ds
基于所述分类标志,将所代表的试验者排尿次数进行排列,得到排尿次数矩阵Sks
对排尿次数矩阵Sks求取算术平均值或加权平均值,得到患者的预测排尿次数;
其中对排尿次数矩阵Sks求取算术平均值时得到的患者的预测排尿次数为:
对排尿次数矩阵Sks求取加权平均值时得到的患者的预测排尿次数为:
所述步骤S4具体包括:
在第一个时间段,将膀胱阻抗值归一化,根据第tn个时间段中m个时刻的膀胱阻抗值矩阵itn,第一个时间段中m个时刻的膀胱阻抗值矩阵为:
根据第tn个时间段m个时刻的时刻矩阵tn,第一个时间段m个时刻的时刻矩阵为:
在上述的矩阵it1和矩阵t1中按照对应关系任意选取一个标记点zm=(it1m,t1m),在标记点zm选取相邻的kt个数据点zj=(ikj,tkj)作为样本点;
利用距离公式计算标记点zm到kt个样本点之间的距离dsj;
将求得的距离值dsj从小到大进行排列,得到kt个距离值构成分类标志dt
基于分类标志dt将其所代表的膀胱阻抗值进行排列,得到kt个膀胱阻抗值的矩阵ikt1为:
kt个膀胱阻抗值对应的时刻矩阵tkt1为:
根据矩阵ikt1,求取kt个膀胱阻抗值的算术 平均值或加权平均值作为预测膀胱阻抗值i′t11;
其中求取kt个膀胱阻抗值的算术 平均值时得到的预测膀胱阻抗值i′t11为:
求取kt个膀胱阻抗值的加权平均值时得到的预测膀胱阻抗值i′t11为:
由矩阵tkt1求取kt个时刻的平均值作为预测时间t′11
由以上步骤得到预测的第一个数据点wt11=(i′t11,t′11)
在上述的矩阵it1和矩阵t1中按照对应关系任意选取第二个标记点zm′=(it1m′,t1m′),计算得到预测的第二个数据点wt12=(i′t12,t′12)
重新计算得到预测的第一个时间段m′个时刻的膀胱阻抗值:
m′个时刻的膀胱阻抗值对应的时刻为:
其中m′≤m;
对预测的膀胱阻抗值it1pre和对应时刻t1pre组成的点进行连线得到第一时间段的预测曲线Wt1,将其与测量所得的膀胱阻抗值it1进行对比,即将预测曲线Wt1上的膀胱阻抗值与it1中的膀胱阻抗值采用均方误差进行对比,得到的误差为:
若得到的误差在预设的误差范围内,则代表预测曲线Wt1拟合准确;否则重新选取kt的值进行计算,直至误差在预设的误差范围内停止计算;
对第二个时间段中矩阵it2和t2采取上述步骤,得到第二时间段的预测曲线Wt2;依次类推得到各个时间段的预测曲线W:
W=[Wt1 Wt2...Wtn]
对预测曲线W进行非线性拟合,得到阻抗预测曲线W(i,t),将其进行反函数变换得到:
Wpre=W(t,i)
基于进行反函数变换得到的Wpre,取第tn个时间段中时刻tnm的膀胱阻抗值itnm,得到患者的预测排尿时间:
tpai=θ·Wpre(t,itnm)
其中θ为影响系数,其大小由影响值决定。
2.根据权利要求1所述的排尿预测方法,其特征在于,步骤S1所述的患者的各时段的膀胱阻抗值基于生物阻抗分析技术,并通过四电极连接法将测试电极与患者的测试部位连接测得,测得的膀胱阻抗值需进行去除异常点的预处理。
4.一种用于实现如权利要求1~3中任一项所述的排尿预测方法的装置,其特征在于,包括:
数据采集模块,用于采集排尿预测所需的数据,包括:试验者和患者与排尿相关的身体参数,以及试验者的日排尿次数,患者各时段的膀胱阻抗值;
数据分类模块,用于对采集得到的数据进行分类,分别得到用于预测患者一天的排尿次数的数据集以及用于预测患者排尿时间的数据集;
排尿次数预测模块,用于基于用于预测患者一天的排尿次数的数据集,通过试验者与患者的身体参数之间的相邻关系,按照相邻关系排列试验者的排尿次数,求取试验者的排尿次数的平均值即为患者的预测排尿次数;
排尿时间预测模块,用于基于用于预测患者排尿时间的数据集,任意选取某个时刻及其对应的膀胱阻抗值作为标记点,其余时刻及其对应的膀胱阻抗值作为数据点,计算得到若干个数据点与标记点的相邻关系,按照相邻关系排列患者的膀胱阻抗值及其对应时刻,分别求取患者的膀胱阻抗值及其对应时刻的平均值作为预测点;重复选取不同时刻的标记点求取预测点得到阻抗预测曲线,对所述阻抗预测曲线进行反函数变换得到患者的预测排尿时间;
预测结果输出模块,用于将排尿次数预测模块和排尿时间预测模块得到的患者的预测排尿次数及预测排尿时间构成预测集合,利用所述预测集合对患者的排尿次数和排尿时间进行预测,输出预测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911039409.3A CN110811650B (zh) | 2019-10-29 | 2019-10-29 | 一种排尿预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911039409.3A CN110811650B (zh) | 2019-10-29 | 2019-10-29 | 一种排尿预测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110811650A CN110811650A (zh) | 2020-02-21 |
CN110811650B true CN110811650B (zh) | 2022-05-20 |
Family
ID=69551116
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911039409.3A Active CN110811650B (zh) | 2019-10-29 | 2019-10-29 | 一种排尿预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110811650B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102551712A (zh) * | 2011-06-13 | 2012-07-11 | 广州安德生物科技有限公司 | 基于生物电阻抗的非侵入式排尿报警装置及监测方法 |
CN103598886A (zh) * | 2013-11-28 | 2014-02-26 | 中山大学 | 基于模型补偿法监测积尿过程中动态尿量的方法 |
CN106773708A (zh) * | 2017-01-09 | 2017-05-31 | 深圳亲友科技有限公司 | 多功能护理床远程控制方法以及系统 |
CN109640822A (zh) * | 2016-04-12 | 2019-04-16 | Gogo手环有限公司 | 排尿预测和监测 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019104170A2 (en) * | 2017-11-22 | 2019-05-31 | Verathon Inc. | Systems and methods for bladder health management |
-
2019
- 2019-10-29 CN CN201911039409.3A patent/CN110811650B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102551712A (zh) * | 2011-06-13 | 2012-07-11 | 广州安德生物科技有限公司 | 基于生物电阻抗的非侵入式排尿报警装置及监测方法 |
CN103598886A (zh) * | 2013-11-28 | 2014-02-26 | 中山大学 | 基于模型补偿法监测积尿过程中动态尿量的方法 |
CN109640822A (zh) * | 2016-04-12 | 2019-04-16 | Gogo手环有限公司 | 排尿预测和监测 |
CN106773708A (zh) * | 2017-01-09 | 2017-05-31 | 深圳亲友科技有限公司 | 多功能护理床远程控制方法以及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110811650A (zh) | 2020-02-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Frawley et al. | An International Continence Society (ICS) report on the terminology for pelvic floor muscle assessment | |
US20190295729A1 (en) | Universal non-invasive blood glucose estimation method based on time series analysis | |
EP2055235B1 (en) | Fetal movement information processing device and fetal movement information processing method | |
CN109893146B (zh) | 一种女性盆底功能障碍评估方法及其系统 | |
Bar-On et al. | A clinical measurement to quantify spasticity in children with cerebral palsy by integration of multidimensional signals | |
US9743857B2 (en) | Digital manometry finger-mountable sensor device | |
JP2001509721A (ja) | 神経筋機能のアセスメントのための装置および方法 | |
US8845554B2 (en) | Method and apparatus for quantitative assessment of neuromotor disorders | |
US20140350432A1 (en) | Assessment of relative proportions of adrenergic and cholinergic nervous receptors with non-invasive tests | |
Lu et al. | The minimal detectable change of the simplified stroke rehabilitation assessment of movement measure. | |
CN102429651B (zh) | 基于多参数的颅内压无创检测方法及装置 | |
Li et al. | Quantitative and sensitive assessment of neurophysiological status after human spinal cord injury | |
CN103654858A (zh) | 一种便携式预警脑卒中监测仪 | |
CN111887847A (zh) | 基于人体成分仪的内脏脂肪测量方法、装置、计算机设备和存储介质 | |
CN110811650B (zh) | 一种排尿预测方法及装置 | |
Boe et al. | Inter-rater reliability of motor unit number estimates and quantitative motor unit analysis in the tibialis anterior muscle | |
KR101958863B1 (ko) | 착용형 자궁 근전도 센서를 이용한 조산 예측 시스템 및 그 방법 | |
CN105373709B (zh) | 一种基于蓝牙的健康服务系统 | |
John et al. | Assessment of Motor Function in Peripheral Nerve Injury and Recovery | |
Godfrey et al. | A continuous wavelet transform and classification method for delirium motoric subtyping | |
Dheman et al. | Towards Enhanced Bladder Volume Measurement with Context-Aware Bio-Impedance Sensor Fusion | |
US20230233146A1 (en) | Edema detection | |
Brown et al. | Reliability of electromyography detection systems for the pelvic floor muscles | |
KR102306613B1 (ko) | 표면근전도 신호를 이용한 근육병증 감별장치 | |
Casson et al. | Interfacing biology and circuits: Quantification and performance metrics |
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 |