CN110897617A - 一种基于脉搏波参数的微血管血液粘度开关量的测量系统 - Google Patents

一种基于脉搏波参数的微血管血液粘度开关量的测量系统 Download PDF

Info

Publication number
CN110897617A
CN110897617A CN201911266172.2A CN201911266172A CN110897617A CN 110897617 A CN110897617 A CN 110897617A CN 201911266172 A CN201911266172 A CN 201911266172A CN 110897617 A CN110897617 A CN 110897617A
Authority
CN
China
Prior art keywords
blood viscosity
value
pulse wave
mass index
human
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
Application number
CN201911266172.2A
Other languages
English (en)
Other versions
CN110897617B (zh
Inventor
杨琳
孙葛
张松
王薇薇
杨益民
李旭雯
郝冬梅
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.)
Beijing University of Technology
Original Assignee
Beijing University of Technology
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 Beijing University of Technology filed Critical Beijing University of Technology
Priority to CN201911266172.2A priority Critical patent/CN110897617B/zh
Publication of CN110897617A publication Critical patent/CN110897617A/zh
Application granted granted Critical
Publication of CN110897617B publication Critical patent/CN110897617B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • A61B5/02—Detecting, 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, 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
    • A61B5/02028—Determining haemodynamic parameters not otherwise provided for, e.g. cardiac contractility or left ventricular ejection fraction
    • A61B5/02035—Determining blood viscosity
    • 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
    • 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
    • A61B5/7271—Specific aspects of physiological measurement analysis

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Physiology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Cardiology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

一种基于脉搏波参数的微血管血液粘度开关量的测量系统属于医疗设备技术领域，尤其涉及将脉搏波参数按人体胖瘦程度作为临界值以逻辑开关量表达的一种人体微血管血液粘度的测量系统，其特征在于，所述测量系统包括：人体脉搏波参数缓存模块、基于体重指数的微血管血液粘度逻辑开关量形成模块、微血管血液粘度逻辑开关量的回归计算模块以及MCU微处理器，本发明优点在于，基于脉搏波、生理模型、体重指数国际标准，采用多元回归算法得到生理血管的模拟半径用于计算微血管血液粘度估计值，此系统能用实际可测得的生理指标，结合脉搏波参数评估心血管安全性，自测操作简便，按照胖瘦程度用阈值表明慢性病的发展阶段性，以实现微血管血液粘度的无创检测。

Description

一种基于脉搏波参数的微血管血液粘度开关量的测量系统
技术领域
一种基于脉搏波参数的微血管血液粘度开关量的测量系统属于医疗设备技术领域，尤其 涉及将脉搏波参数按人体胖瘦程度作为临界值以逻辑开关量表达的一种人体微血管血液粘度 的测量系统。
背景技术
高血压、高血糖、高血脂已成为如冠心病、动脉粥样硬化、心肌梗塞等心血管疾病的高 危因素。同时由于心脑血管这种慢性疾病，具有病程长、病因复杂、迁延性、无自愈性等特 点，实时、动态测量血液粘度对研究这些疾病的形成、发展及预防有着极其重要的生理和病 理意义。
血液粘度尤其是微血管血液粘度，是表征人体血液流变特性的重要参数之一。血液粘度 的高与低部分可表征血液循环的优与劣或血液供应的多与少。并且在不同病理状态下，血液 粘度变化规律还可为疾病的诊断、治疗及预后判断提供有用的资料。
目前针对微血管血液粘度的检测方式，主要分为有创和无创两种检测方式。有创检测方 式主要通过采集人体肘前静脉血进行检测，为防止采集后的血液样本出现凝聚现象，需要添 加血液抗凝剂并将抗凝血样在室温即15～25℃下存放，静置20min后进行测量。目前普遍应 用的血液粘度的测量方法多是有创伤、离体检测的，如毛细管粘度计和旋转粘度计，这类方 法主要是根据泊肃叶定律，利用仪器检测血液中各分子间摩擦力计算血液粘度值，是临床上 的一种“金标准”。
血液粘度随着切变率的增加而减小，不同切变率下的全血血液粘度表征的 血流特性也有所不同。高切变率下的全血血液粘度，即高切粘度，主要表征血液在大血管中 的血液流动状态，临床上通过设定旋转粘度计的转速在200-s以检测高切血液粘度；低切变率下的全血血液粘度，即低切粘度，主要表征血液在微血管的血液流动状态，临床上通过设定旋转粘度计的转速在1-s以检测低切血液粘度。
无创检测方式主要通过生物力学建模或基于脉搏波血流动力学无创检测技术的波形特征 提取方式实现。其中，生物力学建模方式是依托计算机平台利用流体力学相关原理，基于生 物力学建模模拟人体血管结构，通过输入个体各项生理参数，计算得到血液粘度。
基于脉搏 波血流动力学无创检测技术的波形特征提取方式主要是通过采集人体脉搏波波形，提取波形 特征参数建立血液粘度算法，得到人体血液粘度值。
目前针对血液粘度的有创和无创检测方式都存在一定缺陷。其中，血液粘度有创检测方 式操作复杂，仪器的管壁、管道等检测环境要求严格且具有一定的局限性和专业性，因而不 易实现针对个体的连续、动态的血液粘度检测功能。基于生物力学建模的无创检测技术的算 法复杂，所需人体基础生理参数繁多，个体差异性较大，检测结果准确度有限，因而不易于 算法的移动终端平台的移植，且不易实现个体的自我管理与保健。
另一种基于脉搏波血流动 力学的无创检测技术的波形特征提取方式主要是通过采集人体脉搏波波形，提取波形特征参 数建立血液粘度算法，得到人体血液粘度值。这种方式所述血液粘度检测方式未考虑基于检 测对象的胖瘦程度、血管半径、血管状态、心脏供血能力等因素对血液粘度的影响，检测结 果有一定局限性。
2007年Kaliviotis等人提出了一种基于粘弹性模型，用以描述流体体积的机械能并通过 能量的变化率反应血液粘度值的方法，该模型在切变率约0.1s-1以上时表现较好，在0.277s-1处的切变率的模型灵敏度为0.42，该方法从微观血流动力学角度建立血液粘度模型，虽然能 够描述在体动态血液粘度值，但主要是针对某种特殊疾病对血液粘度差异性的研究，具有一 定的局限性且与临床上全血血液粘度值对应性不强。
测量微血管血液粘度，需要考虑可得到的参数范围，建立简单有效的血液粘度模型，是 为了进一步推动血液粘度的家庭长期自我监测方式得以实现。鉴于此，为了非专业人员在独 立操作时更加便捷自如，本发明以临床低切血液粘度检测的金标准为基准，考虑血管壁血管 流动、血管半径并且结合脉搏波参数来评估心血管安全性，把人体微血管网模拟为半径为R、 长度为L的细长圆管模型，主要研究不同胖瘦程度的人体微血管的在体血液流动状态，以表 征人体代谢功能反映人体血液粘滞性。
本发明基于脉搏波血流动力学无创检测技术，为模拟血液在人体微血管中的血液流动状 态，血液在一种微循环毛细血管网血流模型中的流动可近似为牛顿流体的泊肃叶流动。但泊 肃叶公式中的各项参数均表征人体的实际血流和血管值，且不易测量。基于脉搏波血流动力 学理论，本发明考虑血管壁血管流动、血管半径并且结合脉搏波参数评估心血管安全性，将 微循环毛细血管网血流模型中根据泊肃叶公式计算得到的血液粘度的各项表征不同胖瘦程度 的人体的实际血流和血管值推导为易于测量的临床检测指标形式，并进一步推导出微血管血 液粘度计算公式。
在本发明的微血管血液粘度模型包含的模型生理参数：人体肱动脉脉压差PP，单位： mmHg，人体体表面积BSA，简称BSA，单位：m2，人体心输出量CO，单位：cm3/min，生 理血管的模拟半径R中，我们考虑到微循环毛细血管网血流模型的生理血管的模拟半径R是 一个虚拟参数，不能通过临床检测值得到，且不同物理特征的人群，微血管的真实数量与管 径都是不定的，因此依据体重指数BMI的国际标准按胖瘦程度分别对不同人群建立相应的生理血管的模拟半径拟合方程是区别个体差异性的有效途径。在模型推广层面考虑，用逻辑开 关量即阈值判断慢性病发展的情况，表明其发展阶段性。
分析国内外现状可知，基于脉搏波血流动力学无创检测技术探讨血液粘度的无创检测研究已累积了一定的成果和经验。但是目前在理论研究方面仍缺乏在体血液粘度的分析，及可 移植的个体差异性较低的血液粘度模型的综合研究。从仪器开发角度，选择一种便捷简易的 脉搏波采集方式及采集位置，对于开发可应用于家庭的血液粘度无创检测装置是一项关键技 术，进而对于帮助非专业的用户方便快捷的完成血液粘度的监测，提高慢性病患者血液粘度 持续监测积极性是非常有意义的。
所以从结合脉搏波参数评估心血管安全性、按照胖瘦程度用阈值表明慢性病的发展阶段 性，以及自测操作简便三个方面描述出了微血管血液粘度的逻辑开关量表示的血液稠粘程度 模型，以实现微血管血液粘度的无创检测。
综上可以看出，若选择操作方式简单便捷、无创且重复性高的脉搏波信号采集方式，并 结合简单有效的血液粘度模型，将进一步推动血液粘度的家庭自我检测，为个体实时、动态 的长期个体监测与家庭保健提供有效手段。
发明内容
本发明旨在建立一种基于逻辑开关量表达的人体微血管血液粘度的无创测量系统，考虑 血管壁血管流动、血管半径并且结合脉搏波参数评估心血管安全性，通过对微循环血液流动 特性与血液成分的分析及微血管的血管特性分析，结合微循环毛细血管网血流模型，根据体 重指数BMI国际标准按胖瘦程度进行逻辑量化分别对不同人群建立相应的生理血管的模拟半 径的拟合方程，有效区别了个体差异性，从而进一步建立微血管血液粘度的理论计算方程。
本发明的思路是：
基于脉搏波血流动力学无创检测技术，考虑血管壁血管流动、血管半径并且结合脉搏波 参数评估心血管安全性，通过对微循环血液流动特性与血液成分的分析及微血管的血管特性 分析，为模拟血液在人体微血管中的血液流动状态，发现血液在一种微循环毛细血管网血流 模型中的流动可近似为牛顿流体的泊肃叶流动。因此可根据泊肃叶流动定律，计算得到血液 粘度值μ，单位：厘泊cp：
Figure BDA0002312907320000041
在牛顿流体的泊肃叶流动定律中，计算流体粘度涉及以下参数：在水平均匀圆管中做层 流流动时流体的体积流量Q，单位：cm3/s，圆管两端压力差Δp，单位：mmHg，圆管半径R、 圆管长度l，单位：cm，
但泊肃叶公式中的各项参数均表征人体的实际血流和血管值，且不易测量。基于脉搏波 血流动力学理论，将微循环毛细血管网血流模型中根据泊肃叶公式计算得到的血液粘度的各 项表征人体的实际血流和血管值推导为易于测量的临床检测指标形式，并进一步推导出微血 管血液粘度计算公式。
对应于微循环毛细血管网血流模型，计算微血管血液粘度的参数推导如下：
(1)体积流量Q
血流量是指某一特定时间内流经某一血管或一组血管内的血流容积，以ml/min表示。模 型中体积流量Q指单位时间单位面积内血液在微循环毛细血管网血流模型中的平均流速，即 单位时间内平均流速与圆管垂直于轴向截面面积的乘积，如下式所示，
Q＝umπR2
其中um，单位：cm/s，为微循环毛细血管网血流模型中圆管内的平均血液流速，R为圆 管模拟半径。
(2)基于微循环毛细血管网血流模型中圆管两端压力差Δp
血液在整个体循环血管中流动时，由于血液粘滞性会遇到阻力，而引起血管内血液压力 下降，而在血液的整个循环流动过程中，血液流过大、中动脉所引起的压力降仅占整个体循 环总压力降的10％左右，相对流过小动脉的压力降40％～60％和毛细血管的压力降15％～30％ 的总压力降可忽略不计，因此在测量微循环毛细血管网血流模型两端压力差时，可用人体肱 动脉测得的脉压差PP代替。
(3)基于微循环毛细血管网血流模型中圆管模拟内径R
为每一个受试者设定R的量级，人体真实的毛细血管直径仅有10-5量级，单位：m，但由于毛细血管的数量多且繁杂，其截面积达10-1量级，单位：m2，若将每根毛细血管延同一轴向(纵向)紧密排列，把人体微血管网模拟为一个聚集形毛细血管，即半径为R、长度为 L的细长圆管，计算得到的血管半径为10-2量级，单位：m，
为此，去除人体真实毛细血管床中延轴向排列的血管间隙及血管入口段旁支的影响，对 于细长圆管模型中圆管内径R的选值范围设定在10-2量级，单位：m，
根据麦克唐纳血流动力学中提到，人体血管的半径随着人体部位的不同，尤指随着切变 率的变化，是在一定范围内变动的，其中人体肾脏毛细血管床的真实血管半径是无法测量的。
R是微循环毛细血管网血流模型的生理血管的模拟半径，无直接测量方法，因此本发明 通过体重指数BMI国际标准区分人群，线性拟合临床数据建模得到拟合公式。
(4)圆管长度l
圆管的长度假设需要克服真实毛细血管复杂分支的问题，因此依据血液在圆管内定常流 动的假设，通过平均血流速度与血液滞留时间的乘积表示，如下式所示，
lm＝um·tm
其中，tm的单位：s，为血液在毛细血管床内的平均滞留时间。
根据临床生理检测报告，单位时间通过毛细血管模型的总血流量Q计算方法如下：
Figure BDA0002312907320000051
在微循环毛细血管网血流模型中，血流平均滞留时间tm，即为血流半更新率ALK的倒数， 血流平均滞留时间tm和血流半更新率ALK计算如下：
Figure BDA0002312907320000052
Figure BDA0002312907320000053
经上述推导过程的公式置换，且根据体重指数逻辑开关量XV，其中V为体重指数临界值， 取V＝25，生成含有临床可测生理参数的每个人的血液粘度微血管血液粘度数值μ，单位： 厘泊cp，命名为本发明的微血管血液粘度模型，
Figure BDA0002312907320000061
S1是微血管血液粘度公式系数，取值在开区间(14903,14906)内，
Figure BDA0002312907320000062
是用多元线性回归算法得到的生理血管模拟半径R在自乘6次方后得到的逻辑开关 量值，
线下测量每个受试者的人体脉搏波参数得到的或从人体脉搏波曲线得到的所述人体脉搏 波参数，根据BMI是否≥25对受试者进行判断，
对于体重指数
Figure BDA0002312907320000063
的受试者，
Figure BDA00023129073200000626
Figure BDA0002312907320000064
对于体重指数
Figure BDA0002312907320000065
的受试者，
Figure BDA00023129073200000627
Figure BDA0002312907320000066
Figure BDA0002312907320000067
和
Figure BDA0002312907320000068
是由体重指数逻辑开关量XV判断生成的，
Figure BDA0002312907320000069
和
Figure BDA00023129073200000610
是根据临床可测量 的数据回归拟合得到的值，跟每搏输出量SV、人体肱动脉脉压差PP、体重W、心率HR有关系，
Figure BDA00023129073200000611
公式如下：
Figure BDA00023129073200000612
Figure BDA00023129073200000613
S2是体重指数逻辑开关量
Figure BDA00023129073200000614
对应的
Figure BDA00023129073200000615
公式系数，取值在开区间(-0.34,-0.11)内，S3是 体重指数逻辑开关量
Figure BDA00023129073200000616
对应的
Figure BDA00023129073200000617
公式系数，取值在开区间(0.14,0.18)内，S4是体重指数逻 辑开关量
Figure BDA00023129073200000618
对应的
Figure BDA00023129073200000619
公式系数，取值在开区间(0.002,0.008)内，
S5是体重指数逻辑开关量
Figure BDA00023129073200000620
对应的
Figure BDA00023129073200000621
公式系数，取值在开区间(-0.35,-0.16)内，S6是 体重指数逻辑开关量
Figure BDA00023129073200000622
对应的
Figure BDA00023129073200000623
公式系数，取值在开区间(0.17,0.20)内，S7是体重指数 逻辑开关量
Figure BDA00023129073200000624
对应的
Figure BDA00023129073200000625
公式系数，取值在开区间(0.001,0.006)内，
一种基于脉搏波参数的微血管血液粘度开关量的测量系统，其特征在于，所述微血管血 液粘度是指在忽略微血管间的径向间隙及各微血管入口段的旁支后，把人体微血管网模拟为 半径为R、长度为L的细长圆管模型，再用牛顿流体模拟人体微血管血液，且把实测或计算 得到的人体脉搏波参数代入泊肃叶poiseuille流速分布公式，得到的一个人体微血管血液粘度 的数学模型中算出的，所述数学模型用于计算微血管血液粘度估计值，所述测量系统包括： 人体脉搏波参数缓存模块、基于体重指数的微血管血液粘度逻辑开关量形成模块、微血管血 液粘度逻辑开关量的回归计算模块以及MCU微处理器，其中，
人体脉搏波参数缓存模块，存有以下参数：人体体表面积BSA，简称BSA、体重W、身高H、体重指数BMI、人体肱动脉脉压差PP、人体心输出量CO、生理血管的模拟半径R、 心率HR及每搏输出量SV共九个信息，其中：
BSA是body surface area的简称，是一种用下述回归方程式表示，相当于仅适用于中国 人的人体体表面积，
BSA＝0.0061×H+0.0128×W-0.1592，
体重W、身高H均是实测值，体重指数
Figure BDA0002312907320000071
无量纲，
人体肱动脉脉压差PP，单位为mmHg，实测值，
人体心输出量CO，CO＝SV·HR，单位为cm3/min，按实测的人体脉搏波参数计算得出，
生理血管的模拟半径R，由临床可测量数据线下回归，选值范围设定在10-2量级，单位： m，
心率HR，单位为beat/min，由分解脉搏波得到，实测值，
每搏输出量SV，单位为mL/beat，按实测的人体脉搏波参数线下计算得到，
体重指数逻辑开关量形成模块，
设定：V为体重指数临界值，取V＝25，
XV为体重指数逻辑开关量，
则体重指数
Figure BDA0002312907320000072
时，
Figure BDA0002312907320000073
体重W的单位为kg，身高H的单位为m，体重指数
Figure BDA0002312907320000074
无量纲，
体重指数
Figure BDA0002312907320000076
时，
Figure BDA0002312907320000075
人体微血管血液粘度逻辑开关量回归计算模块，生成每个人的微血管血液粘度数值，单 位：厘泊cp，设定为血液粘度模型，
Figure BDA0002312907320000081
S1是微血管血液粘度公式系数，在开区间(14903,14906)内取值，
Figure BDA0002312907320000082
是用多元线性回归算法得到的生理血管模拟半径R在自乘6次方后得到的逻辑开关 量值，
对于体重指数
Figure BDA0002312907320000083
的受试者，
Figure BDA0002312907320000084
Figure BDA0002312907320000085
对于体重指数
Figure BDA0002312907320000086
的受试者，
Figure BDA0002312907320000087
Figure BDA0002312907320000088
Figure BDA0002312907320000089
和
Figure BDA00023129073200000810
是由体重指数逻辑开关量XV判断生成的，
Figure BDA00023129073200000811
和
Figure BDA00023129073200000812
是根据临床可测量的 数据回归拟合得到的值，跟每搏输出量SV、人体肱动脉脉压差PP、体重W、心率HR有关系，
MCU微处理器，依次按以下步骤计算，以体重指数临界值V为界线的不同受试人群的 每个人的人体微血管血液粘度，
步骤(1)，线下测量每个受试者的人体脉搏波参数得到的或从人体脉搏波曲线得到的所 述人体脉搏波参数，存入MCU微处理器，且输入到所述人体脉搏波参数缓存模块，
步骤(2)，在所述MCU微处理器，简称MCU控制下，把步骤(1)得到的人体脉搏波 参数输入到体重指数的逻辑开关量形成模块，得到BMI国际标准下的体重指数逻辑开关量 XV1和XV0，从而按胖瘦程度对受试者进行判断，
步骤(3)，在MCU控制下，把步骤(2)的结果输入到人体微血管血液粘度逻辑开关回归计算模块，从而得到步骤(2)所述按胖瘦程度对受试者进行判断和计算，
步骤(4)，根据体重指数逻辑开关量
Figure BDA00023129073200000813
和
Figure BDA00023129073200000814
按胖瘦程度测试每个受试者的临床低 切血液粘度
Figure BDA00023129073200000815
和
Figure BDA00023129073200000816
步骤(4.1)，根据每个受试者的临床低切血液粘度
Figure BDA00023129073200000817
和
Figure BDA00023129073200000818
计算对应的微血管生理 血管的模型半径
Figure BDA00023129073200000819
Figure BDA00023129073200000820
Figure BDA00023129073200000821
和
Figure BDA00023129073200000822
是对应的
Figure BDA0002312907320000091
和
Figure BDA0002312907320000092
在自乘6次方后得到的逻辑开关量值，
步骤(4.2)，按照胖瘦程度结合人体脉搏波参数以及
Figure BDA0002312907320000093
和
Figure BDA0002312907320000094
来拟合
Figure BDA0002312907320000095
和
Figure BDA0002312907320000096
步骤如下：采用“Statistical Product and Service Solutions”，简称SPSS统计软件中的多元回归 分析的方法，多元线性回归通式为：y＝a+b1x1+b2x2++bnxn，a是常数项，b1、b2、、bn称为y对应于x1、x2、、xn的偏回归系数，输入各变量名称和对应的数据，包括：
Figure BDA0002312907320000097
和
Figure BDA0002312907320000098
还有两组人群每个受试者对应的人体脉搏波参数，即每搏输出量SV、人体肱动脉脉压差PP、体重W、心率HR，
对应上述的多元线性回归通式具体如下：
Figure BDA0002312907320000099
为因变量“y1、y2”，人体脉搏波相 关参数为自变量“x1、x2、x3”，即：y1＝a1+b11x1+b12x2，y2＝a2+b21x1+b22x3，其中 “x1、x2、x3”为
Figure BDA00023129073200000910
HR、W，a1、a2是常数项，b11、b12为y1对应于“x1、x2”的系数， b21、b22为y2对应于“x1、x3”的系数，
根据多元回归算法输出的各自变量的权重系数和常数：“S2～S7”，推算出
Figure BDA00023129073200000911
分别 跟每搏输出量SV、人体肱动脉脉压差PP、体重W、心率HR有关的拟合方程，即得到
Figure BDA00023129073200000912
Figure BDA00023129073200000913
公式如下：
Figure BDA00023129073200000914
Figure BDA00023129073200000915
S2是体重指数逻辑开关量
Figure BDA00023129073200000916
对应的
Figure BDA00023129073200000917
公式系数，取值在开区间(-0.34,-0.11)内，S3是 体重指数逻辑开关量
Figure BDA00023129073200000918
对应的
Figure BDA00023129073200000919
公式系数，取值在开区间(0.14,0.18)内，S4是体重指数逻 辑开关量
Figure BDA00023129073200000920
对应的
Figure BDA00023129073200000921
公式系数，取值在开区间(0.002,0.008)内，
S5是体重指数逻辑开关量
Figure BDA00023129073200000922
对应的
Figure BDA00023129073200000923
公式系数，取值在开区间(-0.35,-0.16)内，S6是 体重指数逻辑开关量
Figure BDA00023129073200000924
对应的
Figure BDA00023129073200000925
公式系数，取值在开区间(0.17,0.20)内，S7是体重指数 逻辑开关量
Figure BDA00023129073200000926
对应的
Figure BDA00023129073200000927
公式系数，取值在开区间(0.001,0.006)内，
步骤(4.3)，根据体重指数逻辑开关量
Figure BDA0002312907320000101
和
Figure BDA0002312907320000102
按胖瘦程度将两组受试人群每个人的
Figure BDA0002312907320000103
拟合值，分别和按临床低切血液粘度
Figure BDA0002312907320000104
和
Figure BDA0002312907320000105
计算的对应的微血管生理血管的 模型半径
Figure BDA0002312907320000106
相比较，采用上述SPSS统计软件的Pearson相关分析，分别得到两组 受试人群对应的两个相关系数，若显著性水平α＝0.05，且统计学指标P<0.05，则相关性显 著，一般相关系数的绝对值是在0～1之间，越接近于1相关性越强，即两者之间的线性关系 越强，
步骤(4.4)，用上述对应的微血管血液粘度
Figure BDA0002312907320000107
公式计算在体重指数逻辑开关量
Figure BDA0002312907320000108
Figure BDA0002312907320000109
下两组受试人群每个人的血液粘度，即得到按不同的微血管的细长圆管模型采用 多元回归算法得到的血液粘度的估计值，
步骤(4.5)，根据体重指数逻辑开关量
Figure BDA00023129073200001010
和
Figure BDA00023129073200001011
按胖瘦程度将两组受试人群每个人的
Figure BDA00023129073200001012
分别和临床低切血液粘度
Figure BDA00023129073200001013
和
Figure BDA00023129073200001014
相比较，采用上述SPSS统计软件的 Pearson相关分析，分别得到两组受试人群对应的两个相关系数，若显著性水平α＝0.05， 且统计学指标P<0.05，则相关性显著，一般相关系数的绝对值是在0～1之间，越接近于1相 关性越强，即两者之间的线性关系越强。
本发明所提出的一种基于脉搏波参数的微血管血液粘度开关量的测量系统，目的是结合 简单有效的血液粘度模型，考虑血管壁血管流动、血管半径并且结合脉搏波参数评估心血管 安全性，以逻辑开关量即阈值表达微血管血液的稠粘程度。这样实时、动态、无创测量血液 粘度，非常适合非专业人员的自我检测，而且对研究这些疾病的形成、发展及预防有着极其 重要的生理和病理意义。将进一步推动血液粘度的家庭自我检测，为个体实时、动态的长期 个体监测与家庭保健提供有效手段。
附图说明
图1为系统框图。
图2为R的6次方的拟合值和计算值相关性比较图。
图3为微血管血液粘度计算值和实测值相关性比较图。
图4为程序流程框图。
具体实施方式
本发明提供的一种基于脉搏波参数的微血管血液粘度开关量的测量系统，其特征在于， 是在数字集成电路芯片中实现的，如存储器、运算器、微处理器芯片、可编程逻辑器件FPGA，
如图1所示是测量系统里包含的人体脉搏波参数缓存模块、基于体重指数的微血管血液 粘度逻辑开关量形成模块、微血管血液粘度逻辑开关量的回归计算模块以及MCU微处理器 共四大模块，人体脉搏波参数线下测量计算值输入到MCU微处理器中，在MCU的控制下再 将人体脉搏波参数输入到人体脉搏波参数缓存模块，接着连接到体重指数逻辑开关量形成模 块，然后导入人体微血管血液粘度逻辑开关量回归计算形成模块，最后输出显示，
人体脉搏波参数缓存模块，存有以下参数：人体体表面积BSA，简称BSA、体重W、身高H、体重指数BMI、人体肱动脉脉压差PP、人体心输出量CO、生理血管的模拟半径R、 心率HR及每搏输出量SV共九个信息，其中：
BSA(body surface area人体体表面积)是根据临床数据回归计算得到的值，跟人体体重 和身高有关系。它是估算值，回归系数随不同情况的体重和身高有所变化，为得到适用于中 国一般成人及儿童BSA的通用公式，本发明采用Stevenson公式：
1937年Paul H.Stevenson在《中国生理学杂志》上撰文称其应用修正的Du Bios线公式 测量100名中国人BSA及身高、体重值推导出估算中国受试者BSA的多元回归方程式的相 关数据后提出了目前临床上沿用至今的计算体表面积的Stevenson公式。(文献出处和摘要见 附件1：Stevenson PH.Height-Weight-Surface formula for the estimation ofsurface area in Chinese subjects(身高-体重-表面公式估计中国受试者的表面积).Chin J Physiol(中国生理学杂志), 1937,3:327～330.)Stevenson公式具体如下：
BSA＝0.0061×H+0.0128×W-0.1592
其中，身高H，单位：cm，体重W，单位：kg，BSA的单位：m2，
R是微循环毛细血管网血流模型的生理血管的模拟半径，无直接测量方法，因此本发明 通过体重指数BMI国际标准按胖瘦程度区分人群，线性拟合临床数据建模得到拟合公式。
体重指数逻辑开关量形成模块，
设定：V为体重指数临界值，取V＝25，
XV为体重指数逻辑开关量，
则体重指数
Figure BDA0002312907320000111
时，XV1＝1，体重W的单位为kg，身高H的单位为m，体重指数
Figure BDA0002312907320000112
无量纲，
体重指数
Figure BDA0002312907320000121
时，
Figure BDA0002312907320000122
其国际标准分组如表1所示，
表1 BMI国际标准
Figure BDA0002312907320000123
人体微血管血液粘度逻辑开关量回归计算模块，生成每个人的微血管血液粘度数值，单 位：厘泊cp，设定为血液粘度模型，
Figure BDA0002312907320000124
S1是微血管血液粘度公式系数，在开区间(14903,14906)内取值，
Figure BDA0002312907320000125
是用多元线性回归算法得到的生理血管模拟半径R在自乘6次方后得到的逻辑开关 量值，
对于体重指数
Figure BDA0002312907320000126
的受试者，
Figure BDA0002312907320000127
Figure BDA0002312907320000128
对于体重指数
Figure BDA0002312907320000129
的受试者，
Figure BDA00023129073200001210
Figure BDA00023129073200001211
Figure BDA00023129073200001212
和
Figure BDA00023129073200001213
是由体重指数逻辑开关量XV判断生成的，
Figure BDA00023129073200001214
和
Figure BDA00023129073200001215
是根据临床可测量的 数据回归拟合得到的值，跟每搏输出量SV、人体肱动脉脉压差PP、体重W、心率HR有关系，
2007年Kaliviotis等人提出了一种基于粘弹性模型，用以描述流体体积的机械能并通过 能量的变化率反应血液粘度值的方法，该模型在切变率约0.1s-1以上时表现较好，在0.277s-1处的切变率的模型灵敏度为0.42，该方法从微观血流动力学角度建立血液粘度模型，虽然能 够描述在体动态血液粘度值，但主要是针对某种特殊疾病对血液粘度差异性的研究，具有一 定的局限性且与临床上全血血液粘度值对应性不强。(文献出处见附件2：KALIVIOTIS E, YIANNESKIS M.An energy-rate based blood viscosity modelincorporating aggregate network dynamics(一个基于能量率结合聚合网络动态的血液粘度模型)[J].Biorheology(生物流变 学).2009,46(6):487-508.)
本发明的实验研究资料来源于2013年～2014年北京安贞医院就诊并建档住院的男性病 人，每例研究对象均具有完整的流行病学检查、血液流变学检查、生化指标检查、超声心动 图检查结果记录，共计研究样本79例。
本研究分析以世界卫生组织(WHO)标准为依据，选择依据标准主要是由于本研究数据 构成，如表2所示。
表2本研究数据结构BMI国际标准及拟合结果
Figure BDA0002312907320000131
由于79例数据中，有一例数据脉压差偏离值较大，因此将该数据剔除。故实验组共40 例数据，验证组共38例数据。
根据体重指数逻辑开关量
Figure BDA0002312907320000132
和
Figure BDA0002312907320000133
按胖瘦程度测试每个受试者的临床低切血液粘度
Figure BDA0002312907320000134
和
Figure BDA0002312907320000135
根据每个受试者的临床低切血液粘度
Figure BDA0002312907320000136
和
Figure BDA0002312907320000137
计算对应的微血管生理血管的模型半 径
Figure BDA0002312907320000138
Figure BDA0002312907320000139
Figure BDA00023129073200001310
和
Figure BDA00023129073200001311
是对应的
Figure BDA00023129073200001312
和
Figure BDA00023129073200001313
在 自乘6次方后得到的逻辑开关量值，
Figure BDA00023129073200001314
和
Figure BDA00023129073200001315
为临床数据得到的计算值，结合人体脉搏波参数，利用多元回归算法，分别 对不同BMI国际标准分组的人群进行线性拟合，得到拟合方程，具体如下：
按照胖瘦程度结合人体脉搏波参数以及
Figure BDA00023129073200001316
和
Figure BDA00023129073200001317
来拟合
Figure BDA00023129073200001318
和
Figure BDA00023129073200001319
步骤如下：采 用SPSS统计软件(SPSS Inc.SPSS for Windows 13.0.Chicago,Illinois,USA)，SPSS是 “Statistical Product and Service Solutions”的简称，即“统计产品与服务解决方案”软件，简称 SPSS统计软件中的多元回归分析的方法，多元线性回归通式为：y＝a+b1x1+b2x2+…+bnxn，a是常数项，b1、b2、…、bn称为y对应于x1、x2、…、xn的偏回归系数，输入各变量名称 和对应的数据，包括：
Figure BDA0002312907320000141
和
Figure BDA0002312907320000142
还有两组人群每个受试者对应的人体脉搏波参数，即 每搏输出量SV、人体肱动脉脉压差PP、体重W、心率HR，
对应上述的多元线性回归通式具体如下：
Figure BDA0002312907320000143
为因变量“y1、y2”，人体脉搏波相 关参数为自变量“x1、x2、x3”，即：y1＝a1+b11x1+b12x2，y2＝a2+b21x1+b22x3，其中 “x1、x2、x3”为
Figure BDA0002312907320000144
HR、W，a1、a2是常数项，b11、b12为y1对应于“x1、x2”的系数， b21、b22为y2对应于“x1、x3”的系数，
根据多元回归算法输出的各自变量的权重系数和常数：“S2～S7”，推算出
Figure BDA0002312907320000145
分别 跟每搏输出量SV、人体肱动脉脉压差PP、体重W、心率HR有关的拟合方程，即得到
Figure BDA0002312907320000146
Figure BDA0002312907320000147
公式如下：
Figure BDA0002312907320000148
Figure BDA0002312907320000149
S2是体重指数逻辑开关量
Figure BDA00023129073200001410
对应的
Figure BDA00023129073200001411
公式系数，取值在开区间(-0.34,-0.11)内，S3是 体重指数逻辑开关量
Figure BDA00023129073200001412
对应的
Figure BDA00023129073200001413
公式系数，取值在开区间(0.14,0.18)内，S4是体重指数逻 辑开关量
Figure BDA00023129073200001414
对应的
Figure BDA00023129073200001415
公式系数，取值在开区间(0.002,0.008)内，
S5是体重指数逻辑开关量
Figure BDA00023129073200001416
对应的
Figure BDA00023129073200001417
公式系数，取值在开区间(-0.35,-0.16)内，S6是 体重指数逻辑开关量
Figure BDA00023129073200001418
对应的
Figure BDA00023129073200001419
公式系数，取值在开区间(0.17,0.20)内，S7是体重指数 逻辑开关量
Figure BDA00023129073200001420
对应的
Figure BDA00023129073200001421
公式系数，取值在开区间(0.001,0.006)内，
采用上述SPSS统计软件的Pearson相关分析，若显著性水平α＝0.05，且统计学指标 P<0.05，则相关性显著，一般相关系数的数值描述的是两变量之间线性相关关系的程度和方 向，数值绝对值在0～1之间，数值越大表明相互关系越强。
按照胖瘦程度分析R6相关性，分别得到两组受试人群对应的两个相关系数，即根据体重 指数逻辑开关量
Figure BDA00023129073200001422
和
Figure BDA00023129073200001423
按胖瘦程度将两组受试人群每个人的
Figure BDA00023129073200001424
拟合值，分别和 按临床低切血液粘度
Figure BDA0002312907320000151
和
Figure BDA0002312907320000152
计算的对应的微血管生理血管的模型半径
Figure BDA0002312907320000153
相比 较，再进一步判断整体趋势，不分BMI整体比较受试人群的相关性，即如图2所示是R的6 次方的拟合值和计算值比较，拟合值和计算值相关性为0.904(P＝0.000<0.05)，两参数间具 有显著相关性，
用上述对应的微血管血液粘度
Figure BDA0002312907320000154
公式计算在体重指数逻辑开关量
Figure BDA0002312907320000155
Figure BDA0002312907320000156
下两 组受试人群每个人的血液粘度，即得到按不同的微血管的细长圆管模型采用多元回归算法得 到的血液粘度的估计值，
按照胖瘦程度分析μ的相关性，分别得到两组受试人群对应的两个相关系数，即根据体 重指数逻辑开关量
Figure BDA0002312907320000157
和
Figure BDA0002312907320000158
按胖瘦程度将两组受试人群每个人的
Figure BDA0002312907320000159
分别和临 床低切血液粘度
Figure BDA00023129073200001510
和
Figure BDA00023129073200001511
相比较，再进一步判断整体趋势，不分BMI整体比较受试人群的 相关性，即如图3所示是微血管血液粘度计算值和实测值比较，测试每个受试者实际的临床 低切血液粘度，经过生理血管的模拟半径R相关拟合的微血管血液粘度与临床低切血液粘度 的相关性为0.443(P＝0.005<0.05)，两参数间具有显著相关性，
所以，本发明基于微循环毛细血管网血流模型计算得到的血液粘度值可以表征临床上实 际的低切血液粘度。
图4为本发明的程序流程框图。

Claims (1)

1.一种基于脉搏波参数的微血管血液粘度开关量的测量系统，其特征在于，所述微血管血液粘度是指在忽略微血管间的径向间隙及各微血管入口段的旁支后，把人体微血管网模拟为半径为R、长度为L的细长圆管模型，再用牛顿流体模拟人体微血管血液，且把实测或计算得到的人体脉搏波参数代入泊肃叶poiseuille流速分布公式，得到的一个人体微血管血液粘度的数学模型中算出的，所述数学模型用于计算微血管血液粘度估计值，所述测量系统包括：人体脉搏波参数缓存模块、基于体重指数的微血管血液粘度逻辑开关量形成模块、微血管血液粘度逻辑开关量的回归计算模块以及MCU微处理器，其中，
人体脉搏波参数缓存模块，存有以下参数：人体体表面积BSA，简称BSA、体重W、身高H、体重指数BMI、人体肱动脉脉压差PP、人体心输出量CO、生理血管的模拟半径R、心率HR及每搏输出量SV共九个信息，其中：
BSA是body surface area的简称，是一种用下述回归方程式表示，相当于仅适用于中国人的人体体表面积，
BSA＝0.0061×H+0.0128×W-0.1592，
体重W、身高H均是实测值，体重指数
Figure FDA0002312907310000011
无量纲，
人体肱动脉脉压差PP，单位为mmHg，实测值，
人体心输出量CO，CO＝SV·HR，单位为cm3/min，按实测的人体脉搏波参数计算得出，
生理血管的模拟半径R，由临床可测量数据线下回归，选值范围设定在10-2量级，单位：m，
心率HR，单位为beat/min，由分解脉搏波得到，实测值，
每搏输出量SV，单位为mL/beat，按实测的人体脉搏波参数线下计算得到，
体重指数逻辑开关量形成模块，
设定：V为体重指数临界值，取V＝25，
XV为体重指数逻辑开关量，
则体重指数
Figure FDA0002312907310000012
时，
Figure FDA0002312907310000016
体重W的单位为kg，身高H的单位为m，体重指数
Figure FDA0002312907310000013
无量纲，
体重指数
Figure FDA0002312907310000014
时，
Figure FDA0002312907310000015
人体微血管血液粘度逻辑开关量回归计算模块，生成每个人的微血管血液粘度数值，单位：厘泊cp，设定为血液粘度模型，
Figure FDA0002312907310000021
S1是微血管血液粘度公式系数，在开区间(14903,14906)内取值，
Figure FDA0002312907310000022
是用多元线性回归算法得到的生理血管模拟半径R在自乘6次方后得到的逻辑开关量值，
对于体重指数
Figure FDA0002312907310000023
的受试者，
Figure FDA0002312907310000024
Figure FDA0002312907310000025
对于体重指数
Figure FDA0002312907310000026
的受试者，
Figure FDA0002312907310000027
Figure FDA0002312907310000028
Figure FDA0002312907310000029
和
Figure FDA00023129073100000210
是由体重指数逻辑开关量XV判断生成的，
Figure FDA00023129073100000211
和
Figure FDA00023129073100000212
是根据临床可测量的数据回归拟合得到的值，跟每搏输出量SV、人体肱动脉脉压差PP、体重W、心率HR有关系，
MCU微处理器，依次按以下步骤计算，以体重指数临界值V为界线的不同受试人群的每个人的人体微血管血液粘度，
步骤(1)，线下测量每个受试者的人体脉搏波参数得到的或从人体脉搏波曲线得到的所述人体脉搏波参数，存入MCU微处理器，且输入到所述人体脉搏波参数缓存模块，
步骤(2)，在所述MCU微处理器，简称MCU控制下，把步骤(1)得到的人体脉搏波参数输入到体重指数的逻辑开关量形成模块，得到BMI国际标准下的体重指数逻辑开关量
Figure FDA00023129073100000213
和
Figure FDA00023129073100000214
从而按胖瘦程度对受试者进行判断，
步骤(3)，在MCU控制下，把步骤(2)的结果输入到人体微血管血液粘度逻辑开关回归计算模块，从而得到步骤(2)所述按胖瘦程度对受试者进行判断和计算，
步骤(4)，根据体重指数逻辑开关量
Figure FDA00023129073100000215
和
Figure FDA00023129073100000216
按胖瘦程度测试每个受试者的临床低切血液粘度
Figure FDA00023129073100000217
和
Figure FDA00023129073100000218
步骤(4.1)，根据每个受试者的临床低切血液粘度
Figure FDA00023129073100000219
和
Figure FDA00023129073100000220
计算对应的微血管生理血管的模型半径
Figure FDA00023129073100000221
Figure FDA00023129073100000222
和
Figure FDA00023129073100000223
是对应的
Figure FDA0002312907310000031
和
Figure FDA0002312907310000032
在自乘6次方后得到的逻辑开关量值，
步骤(4.2)，按照胖瘦程度结合人体脉搏波参数以及
Figure FDA0002312907310000033
和
Figure FDA0002312907310000034
来拟合
Figure FDA0002312907310000035
和
Figure FDA0002312907310000036
步骤如下：采用“Statistical Product and Service Solutions”，简称SPSS统计软件中的多元回归分析的方法，多元线性回归通式为：y＝a+b1x1+b2x2+...+bnxn，a是常数项，b1、b2、...、bn称为y对应于x1、x2、...、xn的偏回归系数，输入各变量名称和对应的数据，包括：
Figure FDA0002312907310000037
和
Figure FDA0002312907310000038
还有两组人群每个受试者对应的人体脉搏波参数，即每搏输出量SV、人体肱动脉脉压差PP、体重W、心率HR，
对应上述的多元线性回归通式具体如下：
Figure FDA0002312907310000039
为因变量“y1、y2”，人体脉搏波相关参数为自变量“x1、x2、x3”，即：y1＝a1+b11x1+b12x2，y2＝a2+b21x1+b22x3，其中“x1、x2、x3”为
Figure FDA00023129073100000310
HR、W，a1、a2是常数项，b11、b12为y1对应于“x1、x2”的系数，b21、b22为y2对应于“x1、x3”的系数，
根据多元回归算法输出的各自变量的权重系数和常数：“S2～S7”，推算出
Figure FDA00023129073100000311
分别跟每搏输出量SV、人体肱动脉脉压差PP、体重W、心率HR有关的拟合方程，即得到
Figure FDA00023129073100000312
Figure FDA00023129073100000313
公式如下：
Figure FDA00023129073100000314
Figure FDA00023129073100000315
S2是体重指数逻辑开关量
Figure FDA00023129073100000316
对应的
Figure FDA00023129073100000317
公式系数，取值在开区间(-0.34,-0.11)内，S3是体重指数逻辑开关量
Figure FDA00023129073100000318
对应的
Figure FDA00023129073100000319
公式系数，取值在开区间(0.14,0.18)内，S4是体重指数逻辑开关量
Figure FDA00023129073100000320
对应的
Figure FDA00023129073100000321
公式系数，取值在开区间(0.002,0.008)内，
S5是体重指数逻辑开关量
Figure FDA00023129073100000322
对应的
Figure FDA00023129073100000323
公式系数，取值在开区间(-0.35,-0.16)内，S6是体重指数逻辑开关量
Figure FDA00023129073100000324
对应的
Figure FDA00023129073100000325
公式系数，取值在开区间(0.17,0.20)内，S7是体重指数逻辑开关量
Figure FDA00023129073100000326
对应的
Figure FDA00023129073100000327
公式系数，取值在开区间(0.001,0.006)内，
步骤(4.3)，根据体重指数逻辑开关量
Figure FDA0002312907310000041
和
Figure FDA0002312907310000042
按胖瘦程度将两组受试人群每个人的
Figure FDA0002312907310000043
拟合值，分别和按临床低切血液粘度
Figure FDA0002312907310000044
和
Figure FDA0002312907310000045
计算的对应的微血管生理血管的模型半径
Figure FDA0002312907310000046
相比较，采用上述SPSS统计软件的Pearson相关分析，分别得到两组受试人群对应的两个相关系数，若显著性水平α＝0.05，且统计学指标P<0.05，则相关性显著，一般相关系数的绝对值是在0～1之间，越接近于1相关性越强，即两者之间的线性关系越强，
步骤(4.4)，用上述对应的微血管血液粘度
Figure FDA0002312907310000047
公式计算在体重指数逻辑开关量
Figure FDA0002312907310000048
下两组受试人群每个人的血液粘度，即得到按不同的微血管的细长圆管模型采用多元回归算法得到的血液粘度的估计值，
步骤(4.5)，根据体重指数逻辑开关量
Figure FDA0002312907310000049
和
Figure FDA00023129073100000410
按胖瘦程度将两组受试人群每个人的
Figure FDA00023129073100000411
分别和临床低切血液粘度
Figure FDA00023129073100000412
和
Figure FDA00023129073100000413
相比较，采用上述SPSS统计软件的Pearson相关分析，分别得到两组受试人群对应的两个相关系数，若显著性水平α＝0.05，且统计学指标P<0.05，则相关性显著，一般相关系数的绝对值是在0～1之间，越接近于1相关性越强，即两者之间的线性关系越强。
CN201911266172.2A 2019-12-11 2019-12-11 一种基于脉搏波参数的微血管血液粘度开关量的测量系统 Active CN110897617B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911266172.2A CN110897617B (zh) 2019-12-11 2019-12-11 一种基于脉搏波参数的微血管血液粘度开关量的测量系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911266172.2A CN110897617B (zh) 2019-12-11 2019-12-11 一种基于脉搏波参数的微血管血液粘度开关量的测量系统

Publications (2)

Publication Number Publication Date
CN110897617A true CN110897617A (zh) 2020-03-24
CN110897617B CN110897617B (zh) 2022-03-22

Family

ID=69824688

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911266172.2A Active CN110897617B (zh) 2019-12-11 2019-12-11 一种基于脉搏波参数的微血管血液粘度开关量的测量系统

Country Status (1)

Country Link
CN (1) CN110897617B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113197557A (zh) * 2021-04-07 2021-08-03 季华实验室 人体脉搏分析方法、计算机可读存储介质及系统
CN116485273A (zh) * 2023-05-06 2023-07-25 中国人民解放军总医院 基于数据分析的诊断质量评估系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060184026A1 (en) * 2005-01-31 2006-08-17 Takahiko Nakamura Blood viscosity measurement device
CN2832050Y (zh) * 2005-07-18 2006-11-01 北京工业大学 便携式心血管血流参数检测仪
JP2008183256A (ja) * 2007-01-31 2008-08-14 Citizen Holdings Co Ltd 血液粘度測定装置および血液粘度測定方法
CN102894982A (zh) * 2012-09-28 2013-01-30 北京工业大学 基于脉搏波的血液粘度无创检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060184026A1 (en) * 2005-01-31 2006-08-17 Takahiko Nakamura Blood viscosity measurement device
CN2832050Y (zh) * 2005-07-18 2006-11-01 北京工业大学 便携式心血管血流参数检测仪
JP2008183256A (ja) * 2007-01-31 2008-08-14 Citizen Holdings Co Ltd 血液粘度測定装置および血液粘度測定方法
CN102894982A (zh) * 2012-09-28 2013-01-30 北京工业大学 基于脉搏波的血液粘度无创检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
STEPHANE AVRIL 等: "In vivo measurements of blood viscosity and wall stiffness in the carotid using PC-MRI", 《EUROPEAN JOURNAL OF COMPUTATIONAL MECHANICS》 *
张俊利 等: "脉搏波波形特征信息检测及与部分血流动力学变化相关分析", 《生物医学工程与临床》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113197557A (zh) * 2021-04-07 2021-08-03 季华实验室 人体脉搏分析方法、计算机可读存储介质及系统
CN113197557B (zh) * 2021-04-07 2023-07-07 季华实验室 人体脉搏分析方法、计算机可读存储介质及系统
CN116485273A (zh) * 2023-05-06 2023-07-25 中国人民解放军总医院 基于数据分析的诊断质量评估系统
CN116485273B (zh) * 2023-05-06 2024-01-23 中国人民解放军总医院 基于数据分析的诊断质量评估系统

Also Published As

Publication number Publication date
CN110897617B (zh) 2022-03-22

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
CN101357062B (zh) 基于容积脉搏波检测的生命体征参数测评装置
JP5628180B2 (ja) 脳血管分析装置
CN110897617B (zh) 一种基于脉搏波参数的微血管血液粘度开关量的测量系统
JP2009540915A (ja) アレイ圧力センサーを利用した脈波分析装置
AU2010210731A1 (en) Calculating cardiovascular parameters
CN109730663A (zh) 基于脉搏波传导速度非线性分析的血压评估方法
CN105726000A (zh) 一种基于四肢血压脉搏的心脏血管功能参数的计算方法
Bertaglia et al. Computational hemodynamics in arteries with the one-dimensional augmented fluid-structure interaction system: viscoelastic parameters estimation and comparison with in-vivo data
CN107411778A (zh) 一种末梢血管血流调节功能的无创检测系统
CN102894982B (zh) 基于脉搏波的血液粘度无创检测方法
CN200973716Y (zh) 一种脑血管循环动力学检测分析仪器
Bogatu et al. An experimental study on the blood pressure cuff as a transducer for oscillometric blood pressure measurements
CN104027097A (zh) 血管功能无创检测方法及装置
KR100951777B1 (ko) 혈액의 점도를 고려한 심장 모니터링 장치
Chen et al. Generalized regression estimator improved the accuracy rate of estimated dialysis accesses stenotic condition on in-vitro arteriovenous graft experimental model
Sun et al. An algorithm for the noninvasive and personalized measurement of microvascular blood viscosity using physiological parameters
CN105286819B (zh) 一种辅助判断全人群血管功能的试剂盒
CN113712524A (zh) 一种用于辅助评估心血管风险的数据处理装置、系统及试剂盒
Zócalo et al. Cardiac output monitoring in children, adolescents and adults based on pulse contour analysis: comparison with echocardiography-derived data and identification of factors associated with their differences
CN203341726U (zh) 一种新型智能血压计
CN114176532A (zh) 一种测定cfPWV参数的临床验证方法及其应用系统
Cui et al. A non-invasive blood viscosity detecting method based on pulse wave
Abdessalem et al. Diagnosis of arterial thrombosis and stenosis in blood vessels using bioimpedance analysis
Dewi et al. Cardiovascular system modeling using windkessel segmentation model based on photoplethysmography measurements of fingers and toes

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Zhang Song

Inventor after: Sun Ge

Inventor after: Yang Lin

Inventor after: Wang Weiwei

Inventor after: Yang Yimin

Inventor after: Li Xuwen

Inventor after: Hao Dongmei

Inventor before: Yang Lin

Inventor before: Sun Ge

Inventor before: Zhang Song

Inventor before: Wang Weiwei

Inventor before: Yang Yimin

Inventor before: Li Xuwen

Inventor before: Hao Dongmei

GR01 Patent grant
GR01 Patent grant