CN111658001B - 一种脑神经血管偶联检测方法及超声设备 - Google Patents
一种脑神经血管偶联检测方法及超声设备 Download PDFInfo
- Publication number
- CN111658001B CN111658001B CN202010468856.7A CN202010468856A CN111658001B CN 111658001 B CN111658001 B CN 111658001B CN 202010468856 A CN202010468856 A CN 202010468856A CN 111658001 B CN111658001 B CN 111658001B
- Authority
- CN
- China
- Prior art keywords
- blood flow
- cerebral blood
- data
- value
- cerebral
- 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
- 210000004556 brain Anatomy 0.000 title claims abstract description 35
- 230000003702 neurovascular coupling effect Effects 0.000 title claims abstract description 33
- 238000001514 detection method Methods 0.000 title claims abstract description 12
- 230000003727 cerebral blood flow Effects 0.000 claims abstract description 227
- 230000017531 blood circulation Effects 0.000 claims abstract description 100
- 230000002490 cerebral effect Effects 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 30
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 9
- 230000008878 coupling Effects 0.000 claims description 39
- 238000010168 coupling process Methods 0.000 claims description 39
- 238000005859 coupling reaction Methods 0.000 claims description 39
- 238000007405 data analysis Methods 0.000 claims description 24
- 238000002604 ultrasonography Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 210000003792 cranial nerve Anatomy 0.000 claims 1
- 230000002269 spontaneous effect Effects 0.000 abstract description 3
- 230000000875 corresponding effect Effects 0.000 description 93
- 230000008344 brain blood flow Effects 0.000 description 12
- 230000008321 arterial blood flow Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 230000000747 cardiac effect Effects 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 3
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 description 2
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000010455 autoregulation Effects 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000036770 blood supply Effects 0.000 description 1
- 230000007177 brain activity Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000003915 cell function Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000003788 cerebral perfusion Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000003205 diastolic effect Effects 0.000 description 1
- 208000022059 functional hyperemia Diseases 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000006996 mental state Effects 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/06—Measuring blood flow
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Hematology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本申请公开了一种脑神经血管偶联检测方法及超声设备，所述方法包括确定脑血流采集设备采集得到的脑血流数据脑对应的血流关系值序列；根据所述脑血流关系值序列，确定脑血流数据对应脑血管之神经血管偶联的程度。本发明仅需要采集目标卧姿下自发脑血流数据，通过分析脑血流数据，将神经血管偶联的相关性结果进行量化，提高了神经血管偶联的客观性。
Description
技术领域
本申请涉及超声技术领域，特别涉及一种脑神经血管偶联检测方法。
背景技术
人脑的脑血流自动调节机制有助于保证脑在各种条件下均可获得充足且适当的血液供应。其中，在人脑序列自动调节过程中当细胞活性增加时，CBF通常也会增加，通过神经血管偶联(neurovascular coupling，NVC)调整脑灌注以适应大脑活动增强时细胞功能增加的高代谢需求，又被称为功能性充血。由此，经血管偶联在脑血流自动调节中起到重要作用。然而，目前对于血管偶联性的检测主要是通过专业检测者引导患者进行检测量表的填写，常见的量表有简易精神状态检查量表(MMSE)、蒙特利尔认知评估量表(MoCA)等，这种方法依赖于患者的合作和检测者的检测水平，使得检测结果主观性强，其结果不便于医学研究。
发明内容
本申请要解决的技术问题在于，针对现有技术的不足，提供一种脑神经血管偶联检测方法以及超声设备，以解决现有血管偶联性检测的主观性强的问题。
为了解决上述技术问题，本申请实施例第一方面提供：
一种脑神经血管偶联检测方法，所述方法包括：
确定待检测的脑血流数据的脑血流关系值序列；
根据所述脑血流关系值序列，确定脑血流数据对应脑血管之神经血管偶联的程度。
在一个实现方式中，所述确定待检测的脑血流数据的脑血流关系值序列具体包括：
确定待检测的脑血流数据对应的若干脑血流数据的数据段；
确定若干脑血流的数据段中每个脑血流的数据段对应的脑血流关系值，以得到脑血流关系值序列。
在一个实现方式中，所述确定待检测的脑血流数据对应的若干脑血流数据的数据段具体包括：
按照预设数据分析长度以及预设数据分析歩移对将所述脑血流数据进行分段处理，以得到若干脑血流的数据段。
在一个实现方式中，所述确定若干脑血流的数据段中每个脑血流的数据段对应的脑血流关系值，以得到脑血流关系值序列具体包括：
对于每个脑血流的数据段，将该脑血流的数据段划分为若干子数据段；
对于每个子数据段，确定该值数据段对应的候选脑血流关系值；
根据获取到的所有候选脑血流关系值，确定该脑血流的数据段对应的脑血流关系值，以得到脑血流关系值序列。
在一个实现方式中，所述对于每个子数据段，确定该值数据段对应的候选脑血流关系值具体包括：
对于每个子数据段，将所述该子数据段划分为若干数据帧；
对于每个数据帧，确定该数据帧对应的血流峰值、血流末值以及血流均值；并基于该血流峰值、该血流末值以及该血流均值确定该数据帧对应的参照血流相关值；
确定若干数据帧中各数据帧对应的参照血流相关值的均值，并将均值作为该数据段对应的候选血流相关值。
在一个实现方式中，所述数据帧对应的采集时长与所述预设数据分析歩移对应的采集时长相等。
在一个实现方式中，所述主机端还用于基于所述脑神经血管的偶联程度确定所述脑神经血管的偶联状态。
在一个实现方式中，所述基于所述脑神经血管的偶联程度确定所述脑神经血管的偶联状态具体包括：
若所述神经血管偶联程度与基准参考值的偏差大于预设阈值时，所述脑神经血管的偶联状态为异常状态；
若所述神经血管偶联程度与基准参考值的偏差小于或者等于预设阈值时，所述脑神经血管的偶联状态为正常状态。
本实施例第二方面提供了一种超声设备，所述超声设备用于执行如上任一所述脑神经血管偶联检测方法。
益效果：与现有技术相比，本申请提供了一种脑神经血管偶联检测方法以及超声设备，所述方法包括确定待检测的脑血流数据脑对应的血流关系值序列；根据所述脑血流关系值序列，确定脑血流数据对应脑血管之神经血管偶联的程度。本发明仅需要采集目标卧姿下自发脑血流数据，通过分析脑血流数据，将神经血管偶联的相关性结果进行量化，提高了神经血管偶联的客观性。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员而言，在不符创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请提供的脑神经血管偶联检测方法的流程图。
具体实施方式
本申请提供一种脑神经血管偶联检测方法及超声设备，为使本申请的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本申请进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本申请所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。
下面结合附图，通过对实施例的描述，对申请内容作进一步说明。
本实施提供了一种脑神经血管偶联检测方法，如图1所示，所述方法包括：
S10、确定待检测的脑血流数据的脑血流关系值序列；
S20、根据所述脑血流关系值序列，确定脑血流数据对应脑血管之神经血管偶联的程度，其中，所述脑神经血管为所述脑血流数据对应的脑神经血管。
具体地，在所述步骤S10中，所述待检测的脑血流数据为目标大脑的动脉血流数据，例如，目标大脑中左侧大脑中的动脉血流，目标大脑中右侧大脑中的动脉血流，或者目标大脑中大脑后动脉血流等。此外，所述脑血流数据对应的采集时长可以为预设时长，即所述脑血流数据为对目标大脑的动脉血流进行预设时长的采集而得到的脑血流数据。所述预设时长为预先设置，其可以为10-30分钟任一数值，例如，15分钟、25分钟等。
所述脑血流关系值序列包括若干脑血流关系值，若干脑血流关系值中的每个脑血流关系值对应的脑血流数据的采集时间相同，并且各脑血流关系值在脑血流关系值序列中的位置与该脑血流关系值对应的脑血流数据的采集时间正相关，即采集时间越晚，脑血流关系值在脑血流关系值序列中的位置越靠后；反之，采集时间越早，脑血流关系值在脑血流关系值序列中的位置越靠前。例如，对于若干脑血流关系值中的任意两个脑血流关系值，脑血流关系值A和脑血流关系值B，脑血流关系值A对应的采集时间早于脑血流关系值B对应的采集时间，那么脑血流关系值A在脑血流关系值序列中位于脑血流关系值B之前。当然，值得说明的，采集时间为脑血流关系值对应的脑血流数据的采集时间，由于脑血流关系值对应的脑血流数据可以为一段脑血流数据，从而这里的采集时间可以为脑血流关系值对应的脑血流数据的起始采集时间，也可以是终止采集时间等。
进一步，所述脑血流关系值指的是血流峰值与血流末值之间的变化值与脑血流均值之间的相关值，所述相关值用于表示血流峰值与血流末值之间的变化值与脑血流均值之间相关性，其中，所述相关性具有局域性特性，这是由于脑神经血管偶联性在短时间内可以呈正相关或负相关等，而在长时间来看脑神经血管偶联性不具有相关性。由此，每个脑血流关系值对应的脑血流数据对应的采集时长需要满足预设条件，例如，采集时长小于脑神经血管偶联性呈正相关或负相关的时长等。
基于此，在获取到脑血流数据后，可以将脑血流数据划分为若干脑血流的数据段，并分别获取各脑血流的数据段对应的脑血流关系值。当然，值得说明的是，对于每个脑血流的数据段，该脑血流的数据段中的脑血流数据具有相关性。
在本实施例的一个实现方式中，所述确定待检测的脑血流数据的脑血流关系值序列具体包括：
S11、确定待检测的脑血流数据对应的若干脑血流数据的数据段；
S12、确定若干脑血流的数据段中每个脑血流的数据段对应的脑血流关系值，以得到脑血流关系值序列。
具体地，所述若干脑血流的数据段中每个脑血流的数据段对应的采集时长相同，并且每个脑血流的数据段为所述脑血流数据的部分脑血流数据，并且若干脑血流的数据段中任意两个相邻数据段之间存在重叠部分，提高脑血流关系值之间的相关性。例如，脑血流的数据段A和脑血流的数据段B，假设脑血流数据的采集时长为15分钟，脑血流的数据段A为脑血流数据中第5分钟到第8分钟之间的脑血流数据；脑血流的数据段B为脑血流数据中第6分钟到第9分钟之间的脑血流数据。
进一步，在本实施例的一个实现方式中，所述确定待检测的脑血流数据对应的若干脑血流数据的数据段具体可以为：
按照预设数据分析长度以及预设数据分析歩移对将所述脑血流数据进行分段处理，以得到若干脑血流的数据段。
具体地，所述预设数据分析长度指的是脑血流的数据段的采集时长，所述预设数据分析长度可以为预先设定，例如，所述预设数据分析长度可以为3-8分钟中的值，如，3分钟、5分钟、8分钟等。所述预设数据分析歩移指的是相邻两个脑血流的数据段中按照时间顺序位于前的第一脑血流的数据段的起始时间与位于后的第二脑血流的数据段的起始时间的时间间隔，例如，脑血流的数据段A和脑血流的数据段B为相邻脑血流的数据段，那么脑血流的数据段A的起始时间A与脑血流的数据段的起始时间B之间的间隔时间为预设数据分析歩移。此外，所述预设数据分析歩移小于所述预设数据分析长度，以使得相邻两帧脑血流的数据段之间可以有部分重叠，这样在提高脑血流关系值的连续性，可以提高脑神经血管的偶联程度的准确性。所述预设数据分析歩移可以为预先设定，例如，2-15秒中任一数值，如，2秒、3秒，5秒、8秒、10秒或15秒等。
在本实施例的一个实现方式中，所述预设数据分析长度为5分钟，所述预设数据分析歩移为3秒；使得相邻的两个脑血流的数据段之间可以重叠4分57秒，后一帧中包含脑血流数据中有4分57秒为前一帧的后4分57秒的脑血流数据，3秒为新的脑血流数据。
进一步，在获取到若干脑血流的数据段后，可以分别确定每个脑血流的数据段对应的脑血流关系值，各脑血流的数据段对应的脑血流关系值可以采用相同方式获取。在本实施例的一个实现方式中，所述确定若干脑血流的数据段中每个脑血流的数据段对应的脑血流关系值，以得到脑血流关系值序列具体包括：
A10、对于每个脑血流的数据段，将该脑血流的数据段划分为若干子数据段；
A20、对于每个子数据段，确定该值数据段对应的候选脑血流关系值；
A30、根据获取到的所有候选脑血流关系值，确定该脑血流的数据段对应的脑血流关系值，以得到脑血流关系值序列。
具体地，所述若干子数据段中每个子数据段均为该脑血流的数据段的部分脑血流数据，并且若干子数据段包括的所有脑血流数据与脑血流的数据段包括的脑血流数据相同。所述若干数据段中各子数据段对应的采集时长相同，即每个子数据段携带的脑血流数据量相同。此外，所述若干子数据段按照采集数据排序后，相邻两个子数据段可以包括重叠脑血流数据，即后一子数据段对应的起始采集时间位于前一子数据段对应的终止采集时间之前，且位于前一子数据段对应的起始采集时间之后；当然，相邻两个子数据段可以不包括重叠脑血流数据，即后一子数据段对应的起始采集时间位于前一子数据段度影的终止采集时间之后，并且前一子数据段与后一子数据段之间不存在脑血流数据。
在本实施例的一个实现方式中，所述若干子数据段的确定过程可以为：将所述脑血流的数据段等分为若干子数据段。例如，脑血流的数据段为采集时长为5分钟的脑血流的数据段，将该脑血流的数据段等分为5个采集时长为1分钟的子数据段。
进一步，在本实施例的一个实现方式中，所述对于每个子数据段，确定该值数据段对应的候选脑血流关系值具体包括：
对于每个子数据段，将所述该子数据段划分为若干数据帧；
对于每个数据帧，确定该数据帧对应的血流峰值、血流末值以及血流均值；并基于该血流峰值、该血流末值以及该血流均值确定该数据帧对应的参照血流相关值；
确定若干数据帧中各数据帧对应的参照血流相关值的均值，并将均值作为该数据段对应的候选血流相关值。
具体地，所述若干数据帧中每个数据帧包括该子数据段中部分脑血流数据，并且若干数据帧中各数据帧对应的脑血流数据的采集时长相同。可以理解的是，所述若干数据帧为通过将所述子数据段按照预设时长等分得到，其中，所述预设时长与所述预设数据分析歩移相等。也就是说，每个数据帧对应的采集时长与所述预设数据分析歩移对应的时长相同。例如，预设数据分析歩移对应的时长为3秒；那么该数据帧对应的采集时长为3秒。
进一步，在获取到各数据帧后，分别获取各数据帧对应的参照血流相关值，其中，所述参照血流相关值为根据血流峰值、该血流末值以及该血流均值确定得到。由此，在获取到各数据帧后，对于每个数据帧获取该数据帧对应的血流峰值、该血流末值以及该血流均值。其中，所述参照血流相关值与血流峰值、该血流末值以及该血流均值的对应关系可以为：参照血流相关值等于目标差与血流均值的比值，其中，目标差为血流峰值与血流末值的差。此外，所述参照血流相关值的取值范围-1到1之间，其中，参照血流相关值的绝对值越大，表示变量之间的相关程度越高，参照血流相关值的绝对值越小，表示变量之间的相关程度越低，1表示完全正相关，-1表示完全负相关。
所述血流峰值和该血流末值的获取过程可以为：对于该数据帧对应的脑血流数据通过快速傅里叶变换得到血流频谱图，通过该血流频谱图确定血流峰值和血流末值。在实际应用中，在获取到脑血流数据后，可以直接将该脑血流数据通过快速傅里叶变换得到血流频谱图，在获取到数据帧之后，可以根据数据帧对应的采集时间段，在该血流频谱图中查找该采集时间段对应的血流频谱图，进而得该数据帧对应的血流峰值和血流末值。当然，在实际应用中，每个数据帧至少包括一个心动周期，以使得所述数据帧对应的脑血流数据携带收缩峰值和舒张末值，也就是说，所述血流峰值可以为收缩峰值、该血流末值可以为舒张末值。
所述数据帧对应的血流均值可以通过采用经验值法或积分法等获取，例如，所述血流均值为通过经验值法确定，其确定过程可以为：在获取到脑血流数据后，会将脑血流数据转换成频谱信号，并计算该数据帧对应频谱信号的连续的包络数据，然后根据包络数据计算脑血流数据中每个心动周期血流速度的收缩峰值Vs及舒张末值Vd，使用血流均值Vm计算的经验公式(血流均值＝(2*收缩期峰值-舒张末值)/3)可以得到每个心动周期的血流均值，进而得到数据帧对应的血流均值。
进一步，在获取到所有数据帧中各数据帧对应的参照血流相关值后，可以将各数据帧对应的参照血流相关值的均值作为该子数据段对应的血流相关值。例如，该子数据段为采集时长为1分钟的脑血流的数据段，数据帧的采集时长为3秒，那么该子数据段对应有20帧数据帧，相应的该子数据段对应有20个对照血流相关值；将这20个对照血流相关值数据进行算术平均得到一个子数据段对应的血流相关值。
进一步，在获取到一个子数据段对应的血流相关值后，可以根据各子数据段对应的血流相关值确定脑血流的数据段对应的血流相关值，其中，脑血流的数据段对应的血流相关值等于各子数据段对应的血流相关值的平均值等。例如，脑血流的数据段包括五个子数据段，那么所述脑血流的数据段对应的血流相关值的等于五个子数据段对应的血流相关值的算术平均值。当然，在实际应用中，所述根据各子数据段对应的血流相关值确定脑血流的数据段对应的血流相关值方法还是标准差或者变异度均等方法。
此外，在获取到一个脑血流的数据段对应的血流相关值后，可以对下一个脑血流的数据段进行血流相关计算，其中，下一个脑血流数据位于按照数据采集时间位于该脑血流的数据段后的脑血流数据。当然，在实际应用中，各脑血流的数据段对应的血流相关值的计算顺序可以不分先后顺序，然而在获取到各脑血流数据对应的血流相关值后，需要将各脑血流数据对应的采集时间的先后顺序进行排序，以得到血流关系值序列。
进一步，在所述步骤S20中，在获取到脑血流数据对应的所述脑血流关系值序列后，再将血流关系值序列中连续的血流关系值进行算术平均以得偶联程度，通过偶联程度量化描述神经血管单元对脑血流波型做出调控的程度。其中，所述调控程度与偶联程度的对应关系可以为：如果神经细胞退化，神经血管单元未对脑血流波型做出调控，血流峰值与血流末值的改变与血流均值相关，即偶联程度Px的值趋近于1或-1，其中，1代表完全正相关，-1代表完全负相关；如果如果神经细胞未退化，神经血管单元对脑血流波型做出调控，血流峰值与血流末值的改变与血流均值是不相关的，其偶联程度趋近于0。
进一步，在本实施例的一个实现方式中，所述主机端还用于基于所述脑神经血管的偶联程度的绝对值确定所述脑神经血管的偶联状态，其中，所述偶联状态包括正常状态和异常状态。在本实施例的一个实现方式中，所述偶联状态可以通过预设阈值进行判断，即若所述偶联程度的绝对值大于预设阈值时，所述脑神经血管的偶联状态为异常状态；若所述偶联程度的绝对值小于或者等于预设阈值时，所述脑神经血管的偶联状态为正常状态。例如，所述预设阈值为0.5，若偶联程度的绝对值Px，当|Px|≤0.50，脑神经血管的偶联状态为正常状态，当|Px|＞0.50，则脑神经血管的偶联状态为异常状态。
进一步，在本实施例的一个实现方式中，所述主机端还用于分别获取目标大脑的左侧大脑中的动脉血流对应的第一脑血流数据，以及目标大脑的右侧大脑中的动脉血流对应的第二脑血流数据，其中，所述第一脑血流数据对应的采集时间与所述第二脑血流数据对应的采集时间相同，即所述第一脑血流数据与所述第二脑血流数据为同一时间段内，左侧大脑中动脉血流对应的脑血流数据以及右侧大脑中动脉血流对应的脑血流数据。在获取到第一脑血流数据和第二脑血流数据后，分别确定第一脑血流数据对应的第一偶联程度以及第二脑血流数据对应的第二偶联程度，并将偶联程度与第二偶联程度进行比较，根据比较结果确定左侧脑和右侧脑的损失程度或者退化程度所处状态，其中，所述处于对称状态和不对称状态。例如，左侧脑对应的第一偶联程度|Px|＝1，有右侧脑对应的第一偶联程度|Px|＝0.3，这表明左侧脑和右侧脑的损失程度或者退化程度处于不对称状态。
综上所述，本申请提供了一种脑神经血管偶联检测方法，所述方法通过获取待检测的脑血流数据脑对应的血流关系值序列；根据所述脑血流关系值序列，确定脑血流数据对应脑血管之神经血管偶联的程度。本发明仅需要采集目标卧姿下自发脑血流数据，通过分析脑血流数据，将神经血管偶联的相关性结果进行量化，提高了神经血管偶联的客观性。
基于上述脑神经血管偶联检测方法，本实施例还提供了一种超声设备，所述超声设备用于执行如上述实施例所述脑神经血管偶联检测方法。
最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (7)
1.一种脑神经血管偶联检测方法，其特征在于，所述方法包括： 确定待检测的脑血流数据的脑血流关系值序列；
根据所述脑血流关系值序列，确定脑血流数据对应脑血管之神经血管偶联的程度；
所述确定待检测的脑血流数据的脑血流关系值序列具体包括：
确定待检测的脑血流数据对应的若干脑血流数据的数据段；
确定若干脑血流的数据段中每个脑血流的数据段对应的脑血流关系值，以得到脑血流关系值序列；
所述确定待检测的脑血流数据对应的若干脑血流数据的数据段具体包括：
按照预设数据分析长度以及预设数据分析歩移对将所述脑血流数据进行分段处理，以得到若干脑血流的数据段；其中，所述预设数据分析步移为相邻两个脑血流的数据段中按照时间顺序位于前的第一脑血流的数据段的起始时间与位于后的第二脑血流的数据段的起始时间的时间间隔，且所述预设数据分析歩移小于所述预设数据分析长度。
2.根据权利要求1所述脑神经血管偶联检测方法，其特征在于，所述确定若干脑血流的数据段中每个脑血流的数据段对应的脑血流关系值，以得到脑血流关系值序列具体包括：
对于每个脑血流的数据段，将该脑血流的数据段划分为若干子数据段；
对于每个子数据段，确定该子数据段对应的候选脑血流关系值；
根据获取到的所有候选脑血流关系值，确定该脑血流的数据段对应的脑血流关系值，以得到脑血流关系值序列。
3.根据权利要求2所述脑神经血管偶联检测方法，其特征在于，所述对于每个子数据段，确定该子数据段对应的候选脑血流关系值具体包括：
对于每个子数据段，将所述该子数据段划分为若干数据帧；
对于每个数据帧，确定该数据帧对应的血流峰值、血流末值以及血流均值；并基于该血流峰值、该血流末值以及该血流均值确定该数据帧对应的参照血流相关值；
确定若干数据帧中各数据帧对应的参照血流相关值的均值，并将均值作为该数据段对应的候选血流相关值。
4.根据权利要求3所述脑神经血管偶联检测方法，其特征在于，所述数据帧对应的采集时长与所述预设数据分析歩移对应的采集时长相等。
5.根据权利要求1所述脑神经血管偶联检测方法，其特征在于，所述方法还用于基于所述脑神经血管的偶联程度确定所述脑神经血管偶联的状态。
6.根据权利要求5所述脑神经血管偶联检测方法，其特征在于，所述基于所述脑神经血管偶联程度确定所述脑神经血管的偶联状态具体包括：
若所述神经血管偶联程度与基准参考值的偏差大于预设阈值时，所述脑神经血管的偶联状态为异常状态；
若所述神经血管偶联程度与基准参考值的偏差小于或者等于预设阈值时，所述脑神经血管的偶联状态为正常状态。
7.一种超声设备，其特征在于，所述超声设备用于执行如上任一权利要求所述脑神经血管偶联检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010468856.7A CN111658001B (zh) | 2020-05-28 | 2020-05-28 | 一种脑神经血管偶联检测方法及超声设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010468856.7A CN111658001B (zh) | 2020-05-28 | 2020-05-28 | 一种脑神经血管偶联检测方法及超声设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111658001A CN111658001A (zh) | 2020-09-15 |
| CN111658001B true CN111658001B (zh) | 2022-11-29 |
Family
ID=72384913
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010468856.7A Active CN111658001B (zh) | 2020-05-28 | 2020-05-28 | 一种脑神经血管偶联检测方法及超声设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111658001B (zh) |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160256130A1 (en) * | 2013-03-15 | 2016-09-08 | Neural Analytics Inc. | Monitoring structural features of cerebral blood flow velocity for diagnosis of neurological conditions |
| WO2018130665A1 (en) * | 2017-01-13 | 2018-07-19 | INSERM (Institut National de la Santé et de la Recherche Médicale) | Method for investigating cerebral blood flow in a subject |
| WO2019173468A1 (en) * | 2018-03-07 | 2019-09-12 | Scion Neurostim, Llc | Systems, devices and methods for neurostimulation |
| CN110623686B (zh) * | 2019-08-14 | 2023-03-21 | 深圳市德力凯医疗设备股份有限公司 | 一种脑血流数据的显示方法、存储介质及终端设备 |
-
2020
- 2020-05-28 CN CN202010468856.7A patent/CN111658001B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN111658001A (zh) | 2020-09-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20240008403A (ko) | 생물학적 데이터 처리 | |
| Romano et al. | Evaluation of floatingline and foetal heart rate variability | |
| CN105147269B (zh) | 一种无创连续血压测量方法 | |
| CN111345803B (zh) | 一种基于移动设备摄像头的心率变异性测量方法 | |
| CN108143419B (zh) | 一种基于滑动窗心率信号分析的静息代谢率快速获取方法 | |
| US20220015713A1 (en) | Machine learning quality assessment of physiological signals | |
| US20220047789A1 (en) | Adequacy assessment method and system | |
| CN108670238A (zh) | 基于脑氧信号与血压信号的脑血流自主调节能力评价方法 | |
| DE102010016035A1 (de) | System und Verfahren für eine nichtinvasive Blutdruckmessung | |
| CN110680307A (zh) | 一种运动环境下基于脉搏波传导时间的动态血压监测方法 | |
| JP2021507735A (ja) | 静脈波形信号から医療機器のノイズ欠陥を取り除くシステム及び方法 | |
| CN111839494A (zh) | 一种心率监测方法及系统 | |
| Foroozan et al. | Robust beat-to-beat detection algorithm for pulse rate variability analysis from wrist photoplethysmography signals | |
| CN111658001B (zh) | 一种脑神经血管偶联检测方法及超声设备 | |
| Rivolo et al. | Accurate and standardized coronary wave intensity analysis | |
| CN110584638A (zh) | 一种基于cmor小波的非接触式心率测量方法 | |
| Podaru et al. | Determination and comparison of heart rate variability and pulse rate variability | |
| CN110464321A (zh) | 一种动脉脉搏波形的质量分析方法、装置和系统 | |
| CN103767694B (zh) | 一种准确提取袖带压力震荡波的方法 | |
| CN103211586B (zh) | 基于光学检测的无创压信号采集的方法和装置 | |
| KR101420345B1 (ko) | 차감 동작 기법 기반의 심전도 신호의 ｒ파 검출 시스템 및 방법 | |
| CN114073498A (zh) | 监护设备及其生理参数处理方法 | |
| EP3592216B1 (de) | Verfahren zum betreiben einer blutdruckmessvorrichtung | |
| WO2022192959A1 (en) | System and method for non-invasive determination of intracranial pressure | |
| CN114580477A (zh) | 一种基于多时间序列融合的可穿戴动态呼吸率估测系统 |
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 | ||
| CP03 | Change of name, title or address |
Address after: 518000, 18th Floor, Building B, High tech Innovation Center, Guangqiao Road, Tianliao Community, Yutang Street, Guangming District, Shenzhen, Guangdong Province Patentee after: Shenzhen Delikai Medical Electronics Co.,Ltd. Address before: 6 / F, building 10, Guanlong Village Second Industrial Zone, Xili street, Nanshan District, Shenzhen City, Guangdong Province Patentee before: SHENZHEN DELICA MEDICAL EQUIPMENT Co.,Ltd. |
|
| CP03 | Change of name, title or address |