CN112155979A - 一种充气加压治疗设备及其最优参数获取方法 - Google Patents

一种充气加压治疗设备及其最优参数获取方法 Download PDF

Info

Publication number
CN112155979A
CN112155979A CN202011135343.0A CN202011135343A CN112155979A CN 112155979 A CN112155979 A CN 112155979A CN 202011135343 A CN202011135343 A CN 202011135343A CN 112155979 A CN112155979 A CN 112155979A
Authority
CN
China
Prior art keywords
parameter
air bag
patient
physiological parameter
treatment
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
CN202011135343.0A
Other languages
English (en)
Other versions
CN112155979B (zh
Inventor
樊瑜波
王碧天
王亚伟
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.)
Beihang University
Original Assignee
Beihang 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 Beihang University filed Critical Beihang University
Priority to CN202011135343.0A priority Critical patent/CN112155979B/zh
Publication of CN112155979A publication Critical patent/CN112155979A/zh
Application granted granted Critical
Publication of CN112155979B publication Critical patent/CN112155979B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H9/00—Pneumatic or hydraulic massage
    • A61H9/005—Pneumatic massage
    • A61H9/0078—Pneumatic massage with intermittent or alternately inflated bladders or cuffs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/01—Constructive details
    • A61H2201/0157—Constructive details portable
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2205/00—Devices for specific parts of the body
    • A61H2205/10—Leg
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2230/00—Measuring physical parameters of the user
    • A61H2230/08—Other bio-electrical signals
    • A61H2230/085—Other bio-electrical signals used as a control parameter for the apparatus
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2230/00—Measuring physical parameters of the user
    • A61H2230/25—Blood flowrate, e.g. by Doppler effect
    • A61H2230/255—Blood flowrate, e.g. by Doppler effect used as a control parameter for the apparatus
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2230/00—Measuring physical parameters of the user
    • A61H2230/30—Blood pressure
    • A61H2230/305—Blood pressure used as a control parameter for the apparatus
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2230/00—Measuring physical parameters of the user
    • A61H2230/65—Impedance, e.g. skin conductivity; capacitance, e.g. galvanic skin response [GSR]
    • A61H2230/655—Impedance, e.g. skin conductivity; capacitance, e.g. galvanic skin response [GSR] used as a control parameter for the apparatus

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Biophysics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Rehabilitation Therapy (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pain & Pain Management (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Epidemiology (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

本申请实施例提供一种充气加压治疗设备及其最优参数获取方法，该设备包括生理参数检测模块、处理模块和加压装置；所述加压装置包括气囊装置和气囊传感器，所述气囊装置用于为患者提供充气加压测试，所述气囊传感器用于获取在所述气囊装置为患者提供充气加压测试时的第一气囊参数；所述生理参数检测模块包括血流动力学传感器，所述血流动力学传感器用于获取所述气囊装置在不加压状态下患者的第一生理参数，以及在所述气囊装置为患者提供充气加压测试时患者的第二生理参数；所述处理模块用于对所述第一生理参数、所述第二生理参数以及所述第一气囊参数进行处理，得到所述加压装置治疗所需最优参数，为患者提供个性化生理参数评估与治疗参数推荐。

Description

一种充气加压治疗设备及其最优参数获取方法
技术领域
本申请涉及医学理疗装置领域，具体而言，涉及一种充气加压治疗设备及其最优参数获取方法。
背景技术
间歇式充气加压疗法(IPC疗法)是治疗下肢外周血管病的理疗方法，在预防术后深静脉血栓、治疗小腿部静脉曲张等方面的效果获得国内外专家认可，其在预防动脉狭窄、缓解间歇性跛行以及缓解淋巴性水肿等方面的临床效果也被逐渐揭示。
目前，IPC治疗装置存在多种形式，而且在加压部位、加压次序、加压时间等方面进行了众多研究和改良设计。但是现有的治疗装置并未将治疗期间测量的信息进行有效利用，治疗模式的选择和其他加压关键参数的控制都是由专业人员手动操作，而且治疗参数的设置并不能达到最优化。
发明内容
本申请实施例的目的在于提供一种充气加压治疗设备及其最优参数获取方法，用以改善现有治疗设备的参数设置不能达到最优的问题。
第一方面，本申请实施例提供了一种充气加压治疗设备，所述设备包括：生理参数检测模块、处理模块和加压装置；所述加压装置包括气囊所述气囊和传感器，所述气囊装置用于为患者提供充气加压测试，所述传感器用于获取在所述气囊装置为患者提供充气加压测试时的第一气囊参数；所述生理参数检测模块包括血流动力学传感器，所述血流动力学传感器用于获取所述气囊装置在不加压状态下患者的第一生理参数，以及在所述气囊装置为患者提供充气加压测试时患者的第二生理参数；所述处理模块用于对所述第一生理参数、所述第二生理参数以及所述第一气囊参数进行处理，得到所述加压装置治疗所需最优参数。
在上述实现过程中，通过传感器获取加压测试时的气囊参数，及通过血流动力学传感器获取患者的生理参数，利用处理模块对气囊参数和患者的生理参数进行处理，最终得到加压装置治疗所需的最优参数，从而实现了自动评估患者的生理状态以及治疗参数推荐，进而为患者提供最优参数的加压治疗。
结合第一方面，在一种实施方式中，所述处理模块在用于对所述第一生理参数、所述第二生理参数以及所述第一气囊参数进行处理，得到所述加压装置治疗所需最优参数方面，具体用于：对所述第一生理参数、所述第二生理参数以及所述第一气囊参数进行预处理，得到处理后数据；对所述处理后数据进行特征参数提取，得到特征参数数据；将所述特征参数数据输入到预先训练好的分类器模型，得到所述加压装置治疗所需最优参数。
在上述实现过程中，通过对第一生理参数、第二生理参数以及第一气囊参数进行预处理，然后提取特征参数，接着基于提取特征参数利用预先训练好的分类器模型得出加压装置治疗所需的最优参数，从而将治疗期间的信息进行了有效地利用，进一步地得出加压装置治疗所需的最优参数，从而使治疗效果更加优化。
结合第一方面，在另一种实施方式中，所述处理模块在用于将所述特征参数数据输入到预先训练好的分类器模型，得到所述加压装置治疗所需最优参数方面，具体用于：将所述特征参数数据输入到等效电路模型，得到患者血管关键生理参数；将所述患者血管关键生理参数输入到预先训练好的分类器模型，得到所述加压装置治疗所需最优参数。
在上述实现过程中，基于特征参数数据利用等效电路模型得到患者的血管关键生理参数，从而为分类器模型提供更精准的预测参数，进一步地得到加压装置治疗所需的最优参数，从而为患者提供更优化的治疗。
结合第一方面，在另一种实施方式中，所述设备还包括：通讯模块，用于将所述生理参数检测模块、所述加压装置以及所述处理模块中的数据上传至服务器；显示模块，用于显示在所述气囊装置为患者治疗时所述加压装置中的气囊参数。
在上述实现过程中，通过通讯模块可以实现设备与服务器进行信息交流，将设备中的数据实时上传至服务器，从而实现治疗参数的更新。通过显示模块可以查看数据的处理结果，以及查看治疗所需的最优参数，也能通过显示模块手动调整及修改加压装置的治疗参数，从而实现人机交互功能。
结合第一方面，在另一种实施方式中，所述气囊装置还用于为被试者提供充气加压测试，所述传感器还用于获取在所述气囊装置为被试者提供充气加压测试时的第二气囊参数；所述血流动力学传感器还用于获取所述气囊装置在不加压状态下被试者的第三生理参数，以及在所述气囊装置为被试者提供充气加压测试时被试者的第四生理参数；所述处理模块还用于对所述第三生理参数、所述第四生理参数以及所述第二气囊参数进行处理，得到训练数据；所述处理模块还用于基于所述训练数据对分类器模型进行训练得到所述预先训练好的分类器模型。
在上述实现过程中，通过对被试者进行加压测试和不加压测试，从而获取到加压测试状态和不加压状态下的气囊参数，以及加压测试状态和不加压状态下的生理参数，并对获取到的数据进行数据处理，从而得到训练数据，通过训练数据对分类器模型进行训练，从而可以得到训练好的分类器模型，利用训练好的分类器模型能够根据患者的生理参数得到加压装置治疗所需的最优参数，从而为患者提供更优化的治疗。
第二方面，本申请实施例提供了一种充气加压治疗设备最优参数获取方法，所述方法应用于充气加压治疗设备，所述充气加压治疗设备包括生理参数检测模块、处理模块和加压装置，所述加压装置包括气囊装置和传感器，所述生理参数检测模块包括血流动力学传感器，所述方法包括：通过所述气囊装置为患者提供充气加压测试，通过所述传感器获取在所述气囊装置为患者提供充气加压测试时的第一气囊参数；通过所述血流动力学传感器获取所述气囊装置在不加压状态下患者的第一生理参数，以及在所述气囊装置为患者提供充气加压测试时患者的第二生理参数；通过所述处理模块对所述第一生理参数、所述第二生理参数以及所述第一气囊参数进行处理，得到所述加压装置治疗所需最优参数。
结合第二方面，在一种实施方式中，所述通过所述处理模块对所述第一生理参数、所述第二生理参数以及所述第一气囊参数进行处理，得到所述加压装置治疗所需最优参数，包括：通过所述处理模块对所述第一生理参数、所述第二生理参数以及所述第一气囊参数进行预处理，得到处理后数据；对所述处理后数据进行特征参数提取，得到特征参数数据；将所述特征参数数据输入到预先训练好的分类器模型，得到所述加压装置治疗所需最优参数。
结合第二方面，在另一种实施方式中，所述将所述特征参数数据输入到预先训练好的分类器模型，得到所述加压装置治疗所需最优参数，包括：将所述特征参数数据输入到等效电路模型，得到患者血管关键生理参数；将所述患者血管关键生理参数输入到预先训练好的分类器模型，得到所述加压装置治疗所需最优参数。
结合第二方面，在另一种实施方式中，所述设备还包括通讯模块和显示模块，所述方法还包括：通过所述通讯模块将所述生理参数检测模块、所述加压装置以及所述处理模块中的数据上传至服务器；通过所述显示模块显示在所述气囊装置为患者治疗时所述加压装置中的气囊参数。
结合第二方面，在另一种实施方式中，所述方法还包括：通过所述气囊装置为被试者提供充气加压测试，通过所述传感器获取在所述气囊装置为被试者提供充气加压测试时的第二气囊参数；通过所述血流动力学传感器获取所述气囊在不加压状态下被试者的第三生理参数，以及在所述气囊装置为被试者提供充气加压测试时被试者的第四生理参数；通过所述处理模块对所述第三生理参数、所述第四生理参数以及所述第二气囊参数进行处理，得到训练数据；所述处理模块基于所述训练数据对分类器模型进行训练得到所述预先训练好的分类器模型。
本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种充气加压治疗设备的功能模块示意图；
图2为本申请实施例提供的一种获取最优参数的分类器模型训练流程图；
图3为本申请实施例提供的一种治疗气囊与传感器安装示意图；
图4为本申请实施例提供的阈值划线法示意图；
图5为本申请实施例提供的RLC等效电路模型；
图6为本申请实施例提供的一种获取充气加压治疗设备最优参数的方法流程图；
图7为本申请实施例提供的一种充气加压治疗设备装置示意图；
图8为本申请实施例提供的一种便携式充气加压治疗设备装置示意图。
具体实施方式
下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
请参照图1，图1为本申请实施例提供的一种充气加压治疗设备100的功能模块示意图，充气加压治疗设备100可以是系统中的模块、程序段或代码。
作为一种实施例，如图1所示的充气加压治疗设备100可以包括：
生理参数检测模块130、处理模块120和加压装置110；
加压装置包括气囊装置和气囊传感器，所述气囊装置用于为患者提供充气加压测试，所述气囊传感器用于获取在所述气囊装置为患者提供充气加压测试时的第一气囊参数；
可选的，加压装置还可以包括高压储气瓶和储气瓶压力传感器中的至少一种，但本申请实施例并不限于此。
上述气囊装置可以包括气囊、液囊、水囊、可切换气路、电磁阀、真空泵和压缩泵中的至少一种，但本申请实施例并不限于此。
上述气囊传感器可以包括气囊压力传感器和气路流量传感器中的至少一种，但本申请实施例并不限于此。
具体的，在本申请实施例中的“气囊参数”是指充气加压治疗设备中与气囊的相关数据，气囊参数可以包括气囊内的压力、气囊的充气时间、气囊的排气时间、充气间隔时间、排气间隔时间、可切换气路流量、压缩泵压力和真空泵抽气速率中的至少一种，但本申请实施例并不限于此。
所述生理参数检测模块包括至少一个血流动力学传感器，所述血流动力学传感器用于获取所述气囊装置在不加压状态下患者的第一生理参数，以及在所述气囊装置为患者提供充气加压测试时患者的第二生理参数；
具体的，在本申请实施例中的“生理参数”可以包括人体的血压、血氧饱和度、血容量和血流量中的至少一种，但本申请实施例并不限于此。
具体的，在询问或测量获得患者的年龄、身高、体重、血压、心率、病史等基本信息，并进行记录。测量获得患者患肢体积尺寸等数据，并进行记录。
使用至少一个气囊包裹患者的患肢相应部位，并在患肢上安装至少一个血流动力学传感器；血流动力学传感器的类型可以包括血流量传感器、血容量传感器、血氧饱和度传感器和血压传感器中的至少一种，但本申请实施例并不限于此。
上述在患肢上安装的传感器的安装位置可以包括患肢末端皮肤、患肢节段肌肉组织较厚区域皮肤和患肢关节内侧皮肤中的至少一种，但本申请实施例并不限于此；
应理解，具有多个血流动力学传感器时，还可以包括双侧患肢的上述安装部位。
可选的，生理参数检测模块还可以包括肌电传感器和心阻抗传感器中的至少一种，但本申请实施例并不限于此。其中，肌电传感器安装于受加压治疗侧患肢的相应部位，心阻抗传感器安装于患者躯干部位。
具体的，上述传感器用于非侵入式评估患者的血管生理参数、评估血管健康状况以及辅助血流动力学传感器的测量，但本申请实施例并不限于此。
可选的，加压装置，不限于本申请中提出的参数检测与治疗设备，只要符合以下条件的加压装置，都可以应用本申请的治疗设备中：具有气囊内压力传感器，且其性能符合软件算法需求(采样率、误差、量程等)；气囊内压力数据可连续监测并实时导出至服务器，输出采样率不低于20Hz；气泵功率足够，其最低限度的功率要求是允许单气囊穿戴于人体时，在1秒内充气至20kPa；气囊排气后待机时间允许自定义(可人工通过调节旋钮或按钮等调整，也可通过代码自动控制)，应理解，自定义的允许范围，应为从“排气完成后不进行待机直接下一次充气(即零秒)”到至少“排气完成后持续待机十六秒”。应理解，允许自定义时间调节范围最小值为0s，最大值为16s，在此区间内，数值应能够连续调整(非离散的几个固定刻度值)。
具体的，作为一种实施例，首先，暂不启动加压装置，监测患者在静息态情况下各个传感器的数据，采集3分钟以上。之后，启动加压装置，监测患者在加压治疗情况下各个传感器的数据，包括同步采集加压装置气囊内压力信号曲线。加压装置的参数要求：气囊腔室内压力峰值高于患者患肢处浅表静脉压，但低于患者患肢处主要动脉压；气囊在1秒内充气至压力峰值，不进行压力保持，立即排气，从排气开始进行计时，等待时间小于10秒，之后进行下一次充气。上述充气-排气-等待的循环过程称为一个“加压周期”。
处理模块用于对第一生理参数、第二生理参数以及第一气囊参数进行处理，得到所述加压装置治疗所需最优参数。
具体的，处理模块在用于对第一生理参数、第二生理参数以及第一气囊参数进行处理，得到所述加压装置治疗所需最优参数方面，具体用于：
对所述第一生理参数、所述第二生理参数以及所述第一气囊参数进行预处理，得到处理后数据；
对所述处理后数据进行特征参数提取，得到特征参数数据；
将所述特征参数数据输入到预先训练好的分类器模型，得到所述加压装置治疗所需最优参数。
具体的，处理模块在用于将所述特征参数数据输入到预先训练好的分类器模型，得到所述加压装置治疗所需最优参数方面，具体用于：
将所述特征参数数据输入到等效电路模型，得到患者血管关键生理参数；
将所述患者血管关键生理参数输入到预先训练好的分类器模型，得到所述加压装置治疗所需最优参数。
所述气囊装置还用于为被试者提供充气加压测试，所述气囊传感器还用于获取在所述气囊装置为被试者提供充气加压测试时的第二气囊参数；
所述血流动力学传感器还用于获取所述气囊装置在不加压状态下被试者的第三生理参数，以及在所述气囊装置为被试者提供充气加压测试时被试者的第四生理参数；
所述处理模块还用于对所述第三生理参数、所述第四生理参数以及所述第二气囊参数进行处理，得到训练数据；
所述处理模块还用于基于所述训练数据对分类器模型进行训练得到所述预先训练好的分类器模型。
应理解，加压装置治疗所需最优参数是指在充气加压治疗设备为患者实施治疗时，气囊以及与气囊功能相匹配的可切换气路、电磁阀、真空泵和压缩泵等设备能够为患者带来最优治疗效果的相关参数。
应理解，处理模块可以用于控制加压装置的运行，能够对各个传感器、电磁阀、气泵进行访问控制，能够记录患者的基本信息，对基本信息进行编号和存储，但本申请实施例并不限于此。
可选的，处理模块还可以内嵌治疗参数优化算法和生理参数评估算法中的至少一种，但本申请实施例并不限于此。治疗参数优化算法，能够整合患者生理参数，计算最优治疗参数推荐值，生理参数评估算法，能够控制气囊运行，并整合传感器数据，计算患者多项生理参数，但本申请实施例并不限于此。
具体的，作为一种实施例，对血流动力学传感器采集的信号与加压装置的气囊内压力进行预处理。可利用肌电传感器信号，标记因肌肉动作而导致的波形突变，将受到影响的相关加压周期进行舍弃。利用加压装置气囊内压力信号曲线，寻找每个加压周期的起止点时刻，从而将整段气囊内压力信号曲线分割为数个加压周期波形。在同步的时间轴上的分割点位，将整段血流动力学传感器信号曲线分割为数个加压周期波形。如果存在多个独立运行的气囊腔室以及多个血流动力学传感器，那么应使用距离血流动力学传感器最近的气囊腔室的压力信号曲线进行血流动力学信号分割，同时，应在分割完成后的加压周期波形数据内，记录其他气囊腔室的分割点位置数据，从而得到处理后数据，但本申请实施例并不限于此。
进一步的，提取血流动力学传感器信号曲线的特征参数。作为一种实施例，特征参数以血流量传感器为例进行列举，如包含更多传感器或采用其他类型传感器，其特征参数可以以此类推。采用血流量传感器时的特征参数可以包括静息血流量信号均值、加压治疗血流量信号均值相对值、加压周期血流量信号第一波峰振幅、加压周期血流量信号第一波峰振幅相对值、加压周期血流量信号第一波峰时长、加压周期血流量信号第二波峰振幅、加压周期血流量信号第二波峰振幅相对值、加压周期血流量信号第二波峰时长、气囊腔室充气速率和气囊腔室排气等待时长中的至少一种，但本申请实施例并不限于此。
具体的，上述加压治疗血流量信号均值相对值，是指加压治疗中整段血流量信号的均值与静息态中整段血流量信号均值之比；上述加压周期血流量信号第一波峰与第二波峰，是指对单个加压周期信号波形进行0到1范围的归一化处理，之后选取一个特定阈值(比如以0.5为阈值)进行划线，在阈值线上方，存在多个信号波峰，其中波峰数值最大的称为第一波峰，数值第二大的称为第二波峰；归一化-阈值划线的处理方法称为“划线法”；上述波峰振幅，在加压治疗中是指单个加压周期内未进行归一化的信号最小值与第X波峰峰值的差值，在静息态中是指单个心动周期内未进行归一化的信号最小值与最大值的差值；上述波峰振幅相对值，是指加压治疗的波峰振幅与静息态波峰振幅之比；上述气囊腔室充气速率，是指单个加压周期内气囊压力基线值与气囊压力峰值之差同气囊充气时长的比值。上述气囊腔室排气等待时长，是指单个加压周期内，气囊从开始排气到周期结束的时长，但本申请实施例并不限于此。
进一步的，作为一种实施例，使用遗传算法与RLC等效电路模型，估算患者血管关键生理参数。
首先，建立标准人体的RLC等效电路模型，使用可塌陷管本构方程描述加压治疗过程中四肢静脉塌陷血液排空的情况，并确定模型各个血流动力学参数。通过对血流动力学参数添加随机偏差，将该模型扩展为多个类似模型作为遗传算法的第一代种群。以患者的实测各个加压周期特征参数的平均数与RLC模型仿真结果的加压周期特征参数之差值作为优化目标，调整代价函数中各个特征参数所占权重。执行遗传算法，直到结果收敛。获得收敛范围内的子代个体的血流动力学参数，作为该患者的近似血流动力学参数。所述RLC模型采用实测气囊内压力信号曲线作为患者肢体受压曲线进行计算仿真。
可选的，当具有心阻抗传感器时，可以根据心阻抗血流图和肱动脉血压数值，估算患者腿部RLC模型输入端脉动压力的波形，从而更精准的进行RLC模型仿真；当不具有心阻抗传感器时，按照固定模板波形作为脉动压力输入，但本申请实施例并不限于此。
进一步的，作为一种实施例，使用有监督学习分类型机器学习方法，建立最优化参数预测模型，预测患者的最优治疗参数推荐值。基于临床实验数据，采用多种不同治疗参数类型，对典型患者反复进行加压治疗实验，以加压周期血流动力学信号均值相对值最高的治疗参数作为该类型患者的最优治疗参数。提取典型患者加压周期波形特征参数作为该类型患者的识别特征。使用有监督学习分类型机器学习方法，采用上述数据进行训练，建立患者识别特征与最优治疗参数类型之间的映射关系模型。
请参照图2，图2为本申请实施例提供的一种获取最优参数的分类器模型训练流程图，通过图2所示的流程所得到的训练好的模型应用于图1所对应的充气加压设备中，具体的，图2所示的流程包括：
210，建立数据库，招募无下肢血管病被试者与有典型下肢血管病被试者，记录相关信息，并将信息保存在数据库中。
具体的，招募无下肢血管病被试者，招募有典型的各类下肢血管病各个疾病分级阶段的被试者，分别建立其个人档案，记录关键数据，并将数据保存在数据库中；
可选的，上述关键数据可以包括年龄、性别、身高、体重、心率、血压指标、血脂指标、血糖指标、下肢血管病病史、心血管疾病病史中的至少一种，但本申请实施例并不限于此。
220，安装气囊与传感器。
具体的，如图3所示，图3为本申请实施例提供的一种治疗气囊与传感器安装示意图；
在被试者下肢安装检测系统的气囊310，在被试者足背部第二跖背动脉安装血流动力学传感器320，作为一种实施例，传感器类型可以为激光多普勒血流量传感器。
230，静态测试与加压测试。
具体的，进行测试并同步记录传感器数据，首先不进行加压，记录被试者静息态血流量参数，然后进行加压测试，此处以排气后保持时间作最优化目标为例，但本申请实施例并不限于此。
加压参数设置：峰值压力20kPa,峰值压力保持时间0秒，排气开始至下一次充气的时间间隔在(0.5，16]秒的区间中按照一定的规律选取多数个数值以进行分段(比如1秒、2秒、4秒、6秒)；各段测试分别持续5分钟，同步获得压力信号曲线与血流量信号曲线。
240，数据预处理。
具体的，信号预处理，利用压力信号曲线，进行低通滤波去噪后，标出所有极小值点，即是每个加压周期的起止点，参照压力信号曲线的分割点位，分别将压力信号曲线与血流量信号曲线分割为数个加压周期。
250，特征参数提取。
具体的，关键特征参数可以包括：静息血流量信号均值PUR1、加压周期血流量信号第一波峰振幅OA、加压周期血流量信号第一波峰归一化时长Δt1、加压周期血流量信号第一波峰峰值BFmax和气囊腔室充气速率Rate中的至少一种，但本申请实施例并不限于此。
具体的，静息血流量信号均值，指整段静息态血流量信号均值；加压周期血流量信号第一波峰，是指对单个加压周期信号波形进行0到1范围的归一化处理，之后选取一个特定阈值(比如以0.5为阈值)进行划线，在阈值线上方，存在多个信号波峰，其中波峰数值最大的称为第一波峰；
如图4所示，图4为本申请实施例提供的阈值划线法示意图；上述归一化—阈值划线的处理方法称为“划线法”；
波峰振幅，在加压治疗中是指单个加压周期内未进行归一化的信号最小值与第X波峰峰值的差值，在静息态中是指单个心动周期内未进行归一化的信号最小值与最大值的差值；气囊腔室充气速率，是指单个加压周期内气囊压力基线值与气囊压力峰值之差同气囊充气时长的比值。
进一步的，根据230中在(0.5，16]秒的区间中按照一定的规律选取多个数值以进行分段(比如1秒、2秒、4秒、6秒)的不同的充气时间间隔数据，分别计算其加压周期血流量信号均值，均值最大的数据采用的参数就是该被试者的最优治疗加压治疗参数。
260，利用等效电路模型进行系统辨识，估算血管关键生理参数。
具体的，使用遗传算法与RLC等效电路模型进行系统辨识，估算被试者血管关键生理参数，由软件算法自动完成。使用的RLC等效电路模型如图5所示，其微分方程组如式(1)所示：
Figure BDA0002736315660000141
其中，R1、R2、R3、R4、R5、R6、R7、R8分别表示：小腿部上段动脉流阻、小腿部下段动脉流阻、小腿部分支动脉流阻、足部动脉流阻、小腿部分支静脉流阻、足部静脉流阻、小腿部下段静脉流阻、小腿部上段静脉流阻；
Pin、P1、P2、P3、P4、P5、P6、Pout分别表示：腘动脉压强输入、小腿部动脉压强、足部动脉压强、小腿部微循环压强、足部微循环压强、足部静脉压强、小腿部静脉压强、腘静脉压强输出；
q1、q2、q3、q4、q5、q6、q7、q8分别表示：小腿部上段动脉流量、小腿部下段动脉流量、小腿部分支动脉流量、足部动脉流量、小腿部分支静脉流量、足部静脉流量、小腿部下段静脉流量、小腿部上段静脉流量；
L1、L2、L3、L4、L5、L6、L7、L8分别表示：小腿部上段动脉惯性、小腿部下段动脉惯性、小腿部分支动脉惯性、足部动脉惯性、小腿部分支静脉惯性、足部静脉惯性、小腿部下段静脉惯性、小腿部上段静脉惯性；
C1、C2、C3、C4、C5、C6分别表示：小腿部动脉顺应性、足部动脉顺应性、小腿部微循环顺应性、足部微循环顺应性、足部静脉顺应性、小腿部静脉顺应性；
V1、V3、V6分别表示：C1、C3、C6处的血管容积；
t表示：时间。
其中，R7与R8用于模拟静脉瓣，其阻值变化符合如下规律：
Figure BDA0002736315660000151
Figure BDA0002736315660000152
为了模拟血管与组织在外部压力作用下的塌陷现象，图5中的可塌陷管部分(C1、C3、C6三段血管处)的压力与血管容积变化用下述公式描述：
Figure BDA0002736315660000153
式(4)中，Pcomp表示：气囊压力数值，由气囊压力传感器测得，comp指compression，压缩；P指Pressure，压强。
γ是管壁厚与管直径的比值，γ在血管段C1、C3、C6处，分别取值为0.5、0.6、0.2。i代表血管段C1、C3、C6。比例系数kp,i符合下述公式：
Figure BDA0002736315660000161
式(5)中，ν是血管壁泊松比，取值0.45。E是杨氏模量，软组织在快速反复加压松弛过程下的粘弹性效应由下述公式描述：
Figure BDA0002736315660000162
式(6)中，k1是动态刚度缩放系数，k2是弛豫效应常数，τ是时间参数。E0是准静态弹性模量，动脉取值为1.106MPa，静脉取值为0.133MPa。
上述公式联立后可赋予初值进行迭代求解。
迭代计算上述微分方程组，稳定后可获得C5血管段处的血容量曲线，求导可得其血流量曲线，与220中安装的血流量传感器的信号相对应。对于不同的被试者，其RLC模型中各个参数存在差别，通过遗传算法，进行个性化的被试者生理参数系统辨识，进行估算的生理参数包括：C1，C3，C5，C6，R2，R3，L7，L8。
遗传算法代价函数为：COST＝a1OA+a2Δt1+a3BFmax (7)
其中，ai是加权系数。
最终，通过遗传算法获得与患者实验测量表现最接近的一组生理参数，作为该患者的估计生理参数。
270，训练随机森林分类器。
具体的，基于随机森林分类器进行有监督学习，使用210获得的基本信息、250获得的波形特征参数、260获得的生理参数，构成训练数据集。
具体的，为了进一步抵消噪声干扰，对每个被试者每个阶段的训练数据中的所有挤压周期，分别进行多次排列组合，随机选取其中多数个周期，将其包含的各类特征信息进行平均，并使用平均后的特征信息作为分类器模型的训练输入。
具体的，在平均后，对周期血流量均值相对提升量、周期排气开始至下一次充气的时间间隔通过设置阈值进行因子化处理，使其从连续数值量(如5.8、3.2、0.6等)转化为离散因子A、B、C(快、中、慢)等，最终获得从各种特征信息到最优加压治疗参数的映射关系，从而保存在数据库中。
使用上述训练好的映射关系模型，对实际应用中新测量患者个体进行识别特征分类，从而将新测量患者个体分类至某一特定治疗参数类型，达到计算患者最优治疗参数推荐值的目的。
应理解，作为一种实施例，当使用遗传算法与RLC等效电路模型，估算患者血管关键生理参数的分析结果可用时，将估算得到的患者血流动力学参数加入到实际应用中新测量患者识别特征中，然后使用上述模型，对实际应用中新测量患者个体进行识别特征分类，从而将新测量患者个体分类至某一特定治疗参数类型，达到计算患者最优治疗参数推荐值的目的。
作为一种实施例，当使用遗传算法与RLC等效电路模型，估算患者血管关键生理参数的分析结果不可用时，采用210获得的基本信息、250通过血流动力学传感器信号曲线以及气囊传感器信号曲线的提取的特征参数进行模型训练，然后使用训练好的模型，对实际应用中新测量患者个体进行识别特征分类，从而将新测量患者个体分类至某一特定治疗参数类型，达到计算患者最优治疗参数推荐值的目的。
作为一种实施例，可以在230静态测试与加压测试中，对加压参数进行遍历测试，对于某一种加压参数，在一定数值区间中按照一定的规律选取多数个数值以进行分段挤压测试，获得各传感器参数进行处理，比较其血流灌注评价指标，使指标最大的一种参数作为最优参数，通过该方式获得最优参数，将新测量患者个体分类至某一特定治疗参数类型，达到计算患者最优治疗参数推荐值的目的。
可选的，作为另一实施例，一种充气加压治疗设备可以包括：
通讯模块140，用于将所述生理参数检测模块、所述加压装置以及所述处理模块中的数据上传至服务器；
具体的，通讯模块可以实现设备与服务器进行信息交流，将设备中的数据实时上传至服务器，从而实现治疗参数的更新，但本申请实施例并不限于此。
显示模块150，用于显示在所述气囊装置为患者治疗时所述加压装置中的气囊参数。
具体的，显示界面可以查看数据的处理结果，以及查看治疗所需的最优参数，也能通过显示模块手动调整及修改加压装置的治疗参数，从而实现人机交互功能，但本申请实施例并不限于此。
在上述实现过程中，基于临床实验数据，采用多种不同治疗参数类型，对典型患者反复进行加压治疗实验，以加压周期血流动力学信号均值相对值最高的治疗参数作为该类型患者的最优治疗参数。提取典型患者加压周期波形特征参数作为该类型患者的识别特征。使用有监督学习分类型机器学习方法，采用上述数据进行训练，建立患者识别特征与最优治疗参数类型之间的映射关系模型，从而将新患者个体分类至某一特定治疗参数类型，达到计算患者最优治疗参数推荐值的目的。
在上述实现过程中，通过获取静息状态下患者的血流动力学参数以及加压状态下患者的血流动力学参数和气囊参数，并对获取的参数进行处理，通过训练好的分类器模型得出加压装置治疗所需的最优参数，不仅使充气加压治疗设备能够精准可靠地获得每位患者的个性化生理参数评估与治疗参数推荐，而且能够灵活可靠地适用于不同需求的用户，既可用于医疗诊断治疗的设备，亦可用于个人预防保健的设备，市场前景广阔。
请参照图6，图6为本申请实施例提供的一种获取充气加压治疗设备最优参数的方法流程图，该方法应用于图1所示的充气加压治疗设备中，具体的，图6所示的流程包括：
610，建立患者个人档案，并记录相关信息。
具体的，建立患者个人档案，记录关键数据，并将数据保存在数据库中；
可选的，上述关键数据可以包括年龄、性别、身高、体重、心率、血压指标、血脂指标、血糖指标、下肢血管病病史、心血管疾病病史中的至少一种，但本申请实施例并不限于此。
620，安装气囊与传感器。
具体的，如图3所示，图3为本申请实施例提供的一种治疗气囊与传感器安装示意图；
在患者下肢安装检测系统的气囊310，在患者足背部第二跖背动脉安装血流动力学传感器320。作为一种实施例，传感器类型可以为激光多普勒血流量传感器。
安装位置可以包括患肢末端皮肤、患肢节段肌肉组织较厚区域皮肤和患肢关节内侧皮肤中的至少一种，但本申请实施例并不限于此。
630，静态测试与加压测试。
具体的，进行测试并同步记录传感器数据，首先不进行加压，记录患者静息态血流量参数，然后进行加压测试，加压参数设置：峰值压力20kPa,峰值压力保持时间0秒，排气开始至下一次充气的时间间隔4秒；两段测试分别持续5分钟，同步获得压力信号曲线与血流量信号曲线。
640，数据预处理。
具体的，信号预处理，利用压力信号曲线，进行低通滤波去噪后，标出所有极小值点，即是每个加压周期的起止点，参照压力信号曲线的分割点位，分别将压力信号曲线与血流量信号曲线分割为数个加压周期。
650，特征参数提取。
具体的，关键特征参数可以包括：静息血流量信号均值PUR1、加压周期血流量信号第一波峰振幅OA、加压周期血流量信号第一波峰归一化时长Δt1、加压周期血流量信号第一波峰峰值BFmax和气囊腔室充气速率Rate中的至少一种，但本申请实施例并不限于此。
具体的，静息血流量信号均值，指整段静息态血流量信号均值；加压周期血流量信号第一波峰，是指对单个加压周期信号波形进行0到1范围的归一化处理，之后选取一个特定阈值(比如以0.5为阈值)进行划线，在阈值线上方，存在多个信号波峰，其中波峰数值最大的称为第一波峰；
如图4所示，图4为本申请实施例提供的阈值划线法示意图；上述归一化—阈值划线的处理方法称为“划线法”；
波峰振幅，在加压治疗中是指单个加压周期内未进行归一化的信号最小值与第X波峰峰值的差值，在静息态中是指单个心动周期内未进行归一化的信号最小值与最大值的差值；气囊腔室充气速率，是指单个加压周期内气囊压力基线值与气囊压力峰值之差同气囊充气时长的比值。
660，利用等效电路模型进行系统辨识，估算血管关键生理参数。
具体的，在细节上与上文中获取最优参数的分类器模型训练流程中的260相同。
670，基于分类器模型对患者数据进行分类，从而获得治疗所需最优参数。
具体的，基于上述训练好的模型对患者的数据进行分类，使用步骤610获得的基本信息、步骤650获得的波形特征参数、步骤660获得的生理参数，输入随机森林分类器模型中，输出数据库中规定的加压参数中的其中一种，从而获得治疗所需最优参数。
应理解，作为一种实施例，当无法输出数据库中规定的加压参数中的其中一种时，采用230静态测试与加压测试，对加压参数进行遍历测试，对于某一种加压参数，在一定数值区间中按照一定的规律选取多数个数值以进行分段挤压测试，获得各传感器参数进行处理，比较其血流灌注评价指标，使指标最大的一种参数作为最优参数，从而达到计算患者最优治疗参数推荐值的目的。
请参照图7，图7为本申请实施例提供的一种充气加压治疗设备装置示意图，该充气加压治疗设备包括加压装置、生理参数检测模块、处理模块和显示模块，整套充气加压设备可置于移动式机架平台上。
具体的，加压装置可以包括压缩泵707，真空泵709，进气总阀708，排气总阀710，气囊腔室阀712，溢流阀711，气囊713和气囊传感器705。其中，压缩泵通过气路连接进气总阀，真空泵通过气路连接排气总阀；进气总阀、排气总阀、溢流阀、以及所有气囊腔室阀通过气路互相连接；气囊的各个腔室通过气路与每个气囊腔室阀依次连接；气囊传感器与气囊肢体最远端的腔室相连接。生理参数检测模块采用激光多普勒血流量传感器706。处理模块可以包括数据采集卡704和计算机主机702，其中，气囊传感器与血流量传感器接入数据采集卡的模拟输入端口；压缩泵、真空泵的电源接触器、进气总阀、排气总阀、多个气囊腔室阀与数据采集卡的数字输出端连接；数据采集卡与计算机主机采用外围器件互联(PeripheralComponent Interconnect，PCI总线)方式连接。显示模块可以包括显示器701，以及键盘鼠标703。显示器和键盘鼠标分别与计算机主机连接。
应理解，图6提供的一种获取充气加压治疗设备参数的方法可以应用于图7提供的充气加压治疗设备中，图6提供的方法可以以软件形式安装于图7提供的计算机主机中，通过图7提供的充气加压治疗设备可以实现图2所示的获取最优参数的分类器模型训练的过程，也可以利用图6所示的方法获取到充气加压治疗设备的最优参数。
图8为本申请实施例提供的一种便携式充气加压治疗设备装置示意图，该便携式充气加压治疗设备包括加压装置、生理参数检测模块、处理模块和显示模块，整套检测系统可置于便携式机箱内部。
具体的，加压治疗模块可以包括压缩泵807，真空泵809，进气总阀808，排气总阀810，气囊腔室阀812，溢流阀811，气囊813和气囊传感器805。其中，压缩泵通过气路连接进气总阀，真空泵通过气路连接排气总阀；进气总阀、排气总阀、溢流阀、以及所有气囊腔室阀通过气路互相连接；气囊的各个腔室通过气路与每个气囊腔室阀依次连接；气囊传感器与气囊肢体最远端的腔室相连接。生理参数检测模块采用光电容积描记血容量传感器806。处理模块可以包括数据采集电路804、运行控制电路803和单片机主板802。其中，气囊传感器与血容量传感器接入数据采集电路；压缩泵、真空泵的电源接触器、进气总阀、排气总阀、多个气囊腔室阀与运行控制电路连接。显示模块可以包括触摸显示屏801，触摸显示屏与单片机主板连接。
应理解，图6提供的一种获取充气加压治疗设备参数的方法可以应用于图8提供的便携式充气加压治疗设备中，图6提供的方法可以以数据库的形式内嵌于图8的提供的单片机主板中，图8提供的设备可以利用图6所示的方法获取到充气加压治疗设备的最优参数。
综上所述，本申请实施例提供一种充气加压治疗设备及其最优参数获取方法，该设备包括生理参数检测模块、处理模块和加压装置；所述加压装置包括气囊装置和传感器，所述气囊装置用于为患者提供充气加压测试，所述传感器用于获取在所述气囊装置为患者提供充气加压测试时的第一气囊参数；所述生理参数检测模块包括血流动力学传感器，所述血流动力学传感器用于获取所述气囊装置在不加压状态下患者的第一生理参数，以及在所述气囊装置为患者提供充气加压测试时患者的第二生理参数；所述处理模块用于对所述第一生理参数、所述第二生理参数以及所述第一气囊参数进行处理，得到所述加压装置治疗所需最优参数，进而为患者提供个性化生理参数评估与治疗参数推荐。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，也可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的，例如，所述系统装置的划分，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，又例如，多个装置或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
另外，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。
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，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 (10)

1.一种充气加压治疗设备，其特征在于，所述设备包括：
生理参数检测模块、处理模块和加压装置；
所述加压装置包括气囊装置和气囊传感器，所述气囊装置用于为患者提供充气加压测试，所述气囊传感器用于获取在所述气囊装置为患者提供充气加压测试时的第一气囊参数；
所述生理参数检测模块包括血流动力学传感器，所述血流动力学传感器用于获取所述气囊装置在不加压状态下患者的第一生理参数，以及在所述气囊装置为患者提供充气加压测试时患者的第二生理参数；
所述处理模块用于对所述第一生理参数、所述第二生理参数以及所述第一气囊参数进行处理，得到所述加压装置治疗所需最优参数。
2.根据权利要求1所述的设备，其特征在于，所述处理模块在用于对所述第一生理参数、所述第二生理参数以及所述第一气囊参数进行处理，得到所述加压装置治疗所需最优参数方面，具体用于：
对所述第一生理参数、所述第二生理参数以及所述第一气囊参数进行预处理，得到处理后数据；
对所述处理后数据进行特征参数提取，得到特征参数数据；
将所述特征参数数据输入到预先训练好的分类器模型，得到所述加压装置治疗所需最优参数。
3.根据权利要求2所述的设备，其特征在于，所述处理模块在用于将所述特征参数数据输入到预先训练好的分类器模型，得到所述加压装置治疗所需最优参数方面，具体用于：
将所述特征参数数据输入到等效电路模型，得到患者血管关键生理参数；
将所述患者血管关键生理参数输入到预先训练好的分类器模型，得到所述加压装置治疗所需最优参数。
4.根据权利要求1至3中任一项所述的设备，其特征在于，所述设备还包括：
通讯模块，用于将所述生理参数检测模块、所述加压装置以及所述处理模块中的数据上传至服务器；
显示模块，用于显示在所述气囊装置为患者治疗时所述加压装置中的气囊参数。
5.根据权利要求2至3中任一项所述的设备，其特征在于，
所述气囊装置还用于为被试者提供充气加压测试，所述气囊传感器还用于获取在所述气囊装置为被试者提供充气加压测试时的第二气囊参数；
所述血流动力学传感器还用于获取所述气囊装置在不加压状态下被试者的第三生理参数，以及在所述气囊装置为被试者提供充气加压测试时被试者的第四生理参数；
所述处理模块还用于对所述第三生理参数、所述第四生理参数以及所述第二气囊参数进行处理，得到训练数据；
所述处理模块还用于基于所述训练数据对分类器模型进行训练得到所述预先训练好的分类器模型。
6.一种充气加压治疗设备最优参数获取方法，其特征在于，所述方法应用于充气加压治疗设备，所述充气加压治疗设备包括生理参数检测模块、处理模块和加压装置，所述加压装置包括气囊装置和气囊传感器，所述生理参数检测模块包括血流动力学传感器，所述方法包括：
通过所述气囊装置为患者提供充气加压测试，通过所述气囊传感器获取在所述气囊装置为患者提供充气加压测试时的第一气囊参数；
通过所述血流动力学传感器获取所述气囊装置在不加压状态下患者的第一生理参数，以及在所述气囊装置为患者提供充气加压测试时患者的第二生理参数；
通过所述处理模块对所述第一生理参数、所述第二生理参数以及所述第一气囊参数进行处理，得到所述加压装置治疗所需最优参数。
7.根据权利要求6所述的方法，其特征在于，所述通过所述处理模块对所述第一生理参数、所述第二生理参数以及所述第一气囊参数进行处理，得到所述加压装置治疗所需最优参数，包括：
通过所述处理模块对所述第一生理参数、所述第二生理参数以及所述第一气囊参数进行预处理，得到处理后数据；
对所述处理后数据进行特征参数提取，得到特征参数数据；
将所述特征参数数据输入到预先训练好的分类器模型，得到所述加压装置治疗所需最优参数。
8.根据权利要求7所述的方法，其特征在于，所述将所述特征参数数据输入到预先训练好的分类器模型，得到所述加压装置治疗所需最优参数，包括：
将所述特征参数数据输入到等效电路模型，得到患者血管关键生理参数；
将所述患者血管关键生理参数输入到预先训练好的分类器模型，得到所述加压装置治疗所需最优参数。
9.根据权利要求6至8中任一项所述的方法，其特征在于，所述设备还包括通讯模块和显示模块，所述方法还包括：
通过所述通讯模块将所述生理参数检测模块、所述加压装置以及所述处理模块中的数据上传至服务器；
通过所述显示模块显示在所述气囊装置为患者治疗时所述加压装置中的气囊参数。
10.根据权利要求7至8中任一项所述的方法，其特征在于，所述方法还包括：
通过所述气囊装置为被试者提供充气加压测试，通过所述气囊传感器获取在所述气囊装置为被试者提供充气加压测试时的第二气囊参数；
通过所述血流动力学传感器获取所述气囊装置在不加压状态下被试者的第三生理参数，以及在所述气囊装置为被试者提供充气加压测试时被试者的第四生理参数；
通过所述处理模块对所述第三生理参数、所述第四生理参数以及所述第二气囊参数进行处理，得到训练数据；
所述处理模块基于所述训练数据对分类器模型进行训练得到所述预先训练好的分类器模型。
CN202011135343.0A 2020-10-21 2020-10-21 一种充气加压治疗设备及其最优参数获取方法 Active CN112155979B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011135343.0A CN112155979B (zh) 2020-10-21 2020-10-21 一种充气加压治疗设备及其最优参数获取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011135343.0A CN112155979B (zh) 2020-10-21 2020-10-21 一种充气加压治疗设备及其最优参数获取方法

Publications (2)

Publication Number Publication Date
CN112155979A true CN112155979A (zh) 2021-01-01
CN112155979B CN112155979B (zh) 2021-08-31

Family

ID=73867799

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011135343.0A Active CN112155979B (zh) 2020-10-21 2020-10-21 一种充气加压治疗设备及其最优参数获取方法

Country Status (1)

Country Link
CN (1) CN112155979B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112444344A (zh) * 2021-02-01 2021-03-05 中国科学院空天信息创新研究院 一种浮空器囊体气密性检测设备及方法
CN113116692A (zh) * 2021-04-19 2021-07-16 南京智能高端装备产业研究院有限公司 一种基于界面压力的自适应间歇式充气加压系统
CN114642473A (zh) * 2022-03-23 2022-06-21 首都医科大学宣武医院 一种压力监测止血装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109330846A (zh) * 2018-09-28 2019-02-15 哈尔滨工业大学 一种基于深度学习算法的空气波压力按摩仪参数优化方法
CN110613593A (zh) * 2019-10-17 2019-12-27 深圳市安康源科技有限公司 基于血压值调整的缺血预适应训练方法及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109330846A (zh) * 2018-09-28 2019-02-15 哈尔滨工业大学 一种基于深度学习算法的空气波压力按摩仪参数优化方法
CN110613593A (zh) * 2019-10-17 2019-12-27 深圳市安康源科技有限公司 基于血压值调整的缺血预适应训练方法及系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112444344A (zh) * 2021-02-01 2021-03-05 中国科学院空天信息创新研究院 一种浮空器囊体气密性检测设备及方法
CN113116692A (zh) * 2021-04-19 2021-07-16 南京智能高端装备产业研究院有限公司 一种基于界面压力的自适应间歇式充气加压系统
CN113116692B (zh) * 2021-04-19 2022-06-07 南京智能高端装备产业研究院有限公司 一种基于界面压力的自适应间歇式充气加压系统
CN114642473A (zh) * 2022-03-23 2022-06-21 首都医科大学宣武医院 一种压力监测止血装置

Also Published As

Publication number Publication date
CN112155979B (zh) 2021-08-31

Similar Documents

Publication Publication Date Title
CN112155979B (zh) 一种充气加压治疗设备及其最优参数获取方法
CN108498089B (zh) 一种基于深度神经网络的无创连续血压测量方法
JP7261811B2 (ja) 訓練された予測モデルに基づく血圧降下の非侵襲的決定のためのシステム及び方法
CN112274126B (zh) 一种基于多路脉搏波的无创连续血压检测方法、装置
Forouzanfar et al. Oscillometric blood pressure estimation: past, present, and future
Babbs Oscillometric measurement of systolic and diastolic blood pressures validated in a physiologic mathematical model
Teng et al. Theoretical study on the effect of sensor contact force on pulse transit time
US20130046191A1 (en) System and method to measure arterial pulse pressure signals
Huang et al. A new image blood pressure sensor based on PPG, RRT, BPTT, and harmonic balancing
EP2334229B1 (en) Evaluate aortic blood pressure waveform using an adaptive peripheral pressure transfer function.
WO2001095798A2 (en) Method and system for detecting vascular conditions using an occlusive arm cuff plethysmograph
EP3897363B1 (en) Control unit for deriving a measure of arterial compliance
CN112274121A (zh) 一种基于多路脉搏波的无创动脉硬化检测方法、装置
US20210219924A1 (en) Noninvasive Diagnostics of Proximal Heart Health Biomarkers
CN116600705A (zh) 用于确定关于对象的动脉性质的信息的方法和装置
US20220395183A1 (en) Control unit for deriving a measure of arterial compliance
Villata Cuffless blood pressure measurement
Kastinger From Model to Practice: Cuffless Blood Pressure Measurement on the Finger
JP2024515219A (ja) 血圧の判定
DORIZZA Deep convolutional networks for concurrent photoplethysmographic and phonocardiographic signal processing
CN116898399A (zh) 一种柔性可穿戴中医脉象智能识别手套、采集方法及分析方法
CN117137465A (zh) 一种血流动力参数测量方法及其相关设备
CN118680519A (zh) 数字化肌肉评估与训练方法、装置和电子设备
Liang et al. A Computational Cardiovascular Model for Characterizing Arterial pulses under Various Physiopathological Conditions
Bae et al. Research Article New Assessment Model of Pulse Depth Based on Sensor Displacement in Pulse Diagnostic Devices

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