CN112842303A - 自主神经系统筛查方法及系统 - Google Patents
自主神经系统筛查方法及系统 Download PDFInfo
- Publication number
- CN112842303A CN112842303A CN202011639434.8A CN202011639434A CN112842303A CN 112842303 A CN112842303 A CN 112842303A CN 202011639434 A CN202011639434 A CN 202011639434A CN 112842303 A CN112842303 A CN 112842303A
- Authority
- CN
- China
- Prior art keywords
- amplitude
- heart rate
- under
- condition
- pressure reduction
- 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.)
- Pending
Links
- 238000012216 screening Methods 0.000 title claims abstract description 69
- 210000003403 autonomic nervous system Anatomy 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 title claims description 28
- 230000035487 diastolic blood pressure Effects 0.000 claims abstract description 210
- 230000035488 systolic blood pressure Effects 0.000 claims abstract description 203
- 230000036772 blood pressure Effects 0.000 claims abstract description 104
- 230000006698 induction Effects 0.000 claims abstract description 84
- 238000004364 calculation method Methods 0.000 claims abstract description 79
- 231100000877 autonomic nervous system dysfunction Toxicity 0.000 claims abstract description 56
- 238000009423 ventilation Methods 0.000 claims abstract description 43
- 230000003340 mental effect Effects 0.000 claims abstract description 37
- 230000029058 respiratory gaseous exchange Effects 0.000 claims abstract description 29
- 230000009471 action Effects 0.000 claims abstract description 26
- 238000011156 evaluation Methods 0.000 claims abstract description 20
- 230000009467 reduction Effects 0.000 claims description 202
- 230000000630 rising effect Effects 0.000 claims description 87
- 230000007423 decrease Effects 0.000 claims description 63
- 230000004064 dysfunction Effects 0.000 claims description 30
- 230000002889 sympathetic effect Effects 0.000 claims description 29
- 230000000747 cardiac effect Effects 0.000 claims description 16
- 230000007488 abnormal function Effects 0.000 claims description 11
- 206010011985 Decubitus ulcer Diseases 0.000 claims description 10
- 238000012935 Averaging Methods 0.000 claims description 9
- 238000012502 risk assessment Methods 0.000 claims description 8
- 239000000126 substance Substances 0.000 claims description 6
- 230000001515 vagal effect Effects 0.000 claims description 5
- 239000008280 blood Substances 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 2
- 239000002994 raw material Substances 0.000 claims description 2
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 210000004369 blood Anatomy 0.000 claims 1
- 208000000122 hyperventilation Diseases 0.000 description 8
- 230000003205 diastolic effect Effects 0.000 description 7
- 230000002567 autonomic effect Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 6
- 230000000870 hyperventilation Effects 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 206010067484 Adverse reaction Diseases 0.000 description 2
- NTYJJOPFIAHURM-UHFFFAOYSA-N Histamine Chemical compound NCCC1=CN=CN1 NTYJJOPFIAHURM-UHFFFAOYSA-N 0.000 description 2
- 230000006838 adverse reaction Effects 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- JWZZKOKVBUJMES-UHFFFAOYSA-N (+-)-Isoprenaline Chemical compound CC(C)NCC(O)C1=CC=C(O)C(O)=C1 JWZZKOKVBUJMES-UHFFFAOYSA-N 0.000 description 1
- 206010008479 Chest Pain Diseases 0.000 description 1
- SNIOPGDIGTZGOP-UHFFFAOYSA-N Nitroglycerin Chemical compound [O-][N+](=O)OCC(O[N+]([O-])=O)CO[N+]([O-])=O SNIOPGDIGTZGOP-UHFFFAOYSA-N 0.000 description 1
- 239000000006 Nitroglycerin Substances 0.000 description 1
- 206010033557 Palpitations Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 210000000467 autonomic pathway Anatomy 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 208000002173 dizziness Diseases 0.000 description 1
- 229960003711 glyceryl trinitrate Drugs 0.000 description 1
- 229960001340 histamine Drugs 0.000 description 1
- 230000003434 inspiratory effect Effects 0.000 description 1
- 229940039009 isoproterenol Drugs 0.000 description 1
- 206010042772 syncope Diseases 0.000 description 1
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
- A61B5/021—Measuring pressure in heart or blood vessels
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Heart & Thoracic Surgery (AREA)
- Public Health (AREA)
- Physiology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Cardiology (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Vascular Medicine (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
本发明采用自主神经系统功能异常风险筛查模型对自主神经系统进行筛查，将立卧位收缩压、舒张压以及心率，持续力量诱导下收缩压、舒张压及心率，深呼吸诱导下的心率，心算条件下患者的收缩压、舒张压及心率，Valsalva动作条件下患者的血压，冰袋诱导条件下患者的收缩压、舒张压及心率，过度通气条件下患者的收缩压、舒张压及心率，长程直立倾斜条件下患者的收缩压、舒张压、血压及心率代入自主神经系统功能异常风险筛查模型，自主神经系统功能异常风险筛查模型进行综合评估，给出自主神经系统筛查评估结果，提高了自主神经系统功能异常判断的准确性，为医护人员判断患者自主神经系统功能异常提供了工具。
Description
技术领域
本发明涉及人工智能领域，具体的说是一种自主神经系统筛查方法及系统。
背景技术
自主神经功能的筛查需结合各项评估综合考量，目前尚无统一规范有效的筛查方法，根据某一项检测草率得出结论往往是不准确的。现阶段国内对自主神经功能疾病的认识仍处于起步阶段，病人大多就诊于心脏科、神经科、内分泌科、精神科等多个科室。现有对自主神经功能的检测仍处于单项零散状态，多集中于对各个独立疾病的诊断和临床观察。因自主神经功能的筛查需结合各项评估综合考量，但完善所有的检查费时费力，需要极大的经济投入和人力投入，所以在临床很难得到开展。
传统检测手段通过药物诱导存在不良反应，存在安全隐患。因自主神经功能的筛查需要在较短时间内探知患者在不同情况下心率血压的变化，故需要对患者采取一定的干扰。传统的检测手段，尤其是通过药物诱导(如硝酸甘油、组胺、异丙肾上腺素)的检测手段往往会诱发患者心率血压的急剧变化，造成头晕、心慌、胸闷等不良反应，甚至导致晕厥。故现阶段国内各家医疗场所已逐步要求检测时监护心率及无创血压，并对直立倾斜设备及救护条件有一定的要求。
数据零散不易解读。目前，自主神经功能筛查通过各种不同的干预方式，将在短期内获得大量的心率及血压数据，使呈现出的结果零散、庞大且不易解读。
发明内容
为了解决上述技术问题，本发明提出一种自主神经系统功能异常风险筛查方法
包括如下步骤：
S1，建立自主神经系统功能异常风险筛查模型；
S2，采集不同干扰条件下患者的收缩压、舒张压、心率、血压；
S21，采集立卧位收缩压、舒张压以及心率；
S22，采集持续力量诱导下收缩压、舒张压及心率；
S23，采集深呼吸诱导下的心率；
S24，采集心算条件下患者的收缩压、舒张压及心率；
S25，采集Valsalva动作条件下患者的血压；
S26，采集冰袋诱导条件下患者的收缩压、舒张压及心率；
S27，采集过度通气条件下患者的收缩压、舒张压及心率；
S28，采集长程直立倾斜条件下患者的收缩压、舒张压、血压及心率；
S3，将立卧位收缩压、舒张压以及心率，持续力量诱导下收缩压、舒张压及心率，深呼吸诱导下的心率，心算条件下患者的收缩压、舒张压及心率，Valsalva动作条件下患者的血压，冰袋诱导条件下患者的收缩压、舒张压及心率，过度通气条件下患者的收缩压、舒张压及心率，长程直立倾斜条件下患者的收缩压、舒张压、血压及心率代入自主神经系统功能异常风险筛查模型，自主神经系统功能异常风险筛查模型进行综合评估，给出自主神经系统筛查评估结果。
进一步的，所述自主神经系统功能异常风险筛查模型包括收缩压上升幅度或下降幅度、舒张压上升幅度或下降幅度、心率最大值、血压下降幅度以及心率上升幅度或心率下降幅度；
进一步的，自主神经系统功能异常风险筛查模型还包括计算规则，根据采集到的立卧位收缩压、舒张压以及心率，立卧位收缩压、舒张压以及心率，持续力量诱导下收缩压、舒张压及心率，深呼吸诱导下的心率，心算条件下患者的收缩压、舒张压及心率，Valsalva动作条件下患者的血压，冰袋诱导条件下患者的收缩压、舒张压及心率，长程直立倾斜条件下患者的收缩压、舒张压、血压及心率，按照计算规则分别计算：
A1立卧位收缩压下降幅度A11、舒张压下降幅度A12、心率上升幅度A13；
A2持续力量诱导收缩压下降幅度A21、舒张压下降幅度A22、心率上升幅度A23；
A3深呼吸诱导下心率上升幅度A33；
A4心算条件下收缩压下降幅度A41、舒张压下降幅度A42、心率上升幅度A43；
A5 Valsalva动作条件下血压下降幅度A54；
A6冰袋诱导条件下收缩压下降幅度A61、舒张压下降幅度A62、心率上升幅度A63；
A7过度通气条件下收缩压下降幅度A71、舒张压下降幅度A72、心率上升幅度A73；
A8长程直立倾斜条件下收缩压下降幅度A81、舒张压下降幅度A82、心率上升幅度A83、血压下降幅度A84；
进一步的，自主神经系统功能异常风险筛查模型还包括按照计算规则计算收缩压下降幅度标准化值X、舒张压下降幅度标准化值Y、心率上升幅度标准化值Z、血压下降幅度标准化值N；
对立卧位收缩压下降幅度A11、持续力量诱导收缩压下降幅度A21、心算条件下收缩压下降幅度A41、冰袋诱导条件下收缩压下降幅度A61、过度通气条件下收缩压下降幅度A71、长程直立倾斜条件下收缩压下降幅度A81进行权重加权计算，得到收缩压下降幅度标准化值X；
对立卧位舒张压下降幅度A12、持续力量诱导舒张压下降幅度A22、心算条件下舒张压下降幅度A42、冰袋诱导条件下舒张压下降幅度A62、过度通气条件下舒张压下降幅度A72、长程直立倾斜条件下舒张压下降幅度A82进行权重加权计算，得到舒张压下降幅度标准化值Y；
对立卧位心率上升幅度A13、持续力量诱导心率上升幅度A23、深呼吸诱导下心率上升幅度A33、心算条件下心率上升幅度A43、冰袋诱导条件下心率上升幅度A63、过度通气条件下心率上升幅度A73、长程直立倾斜条件下心率上升幅度A83进行权重加权计算，得到心率上升幅度标准化值Z；
对Valsalva动作条件下血压下降幅度A54、长程直立倾斜条件下血压下降幅度A84进行权重加权计算，得到血压下降幅度标准化值N；对收缩压下降幅度标准化值X、舒张压下降幅度标准化值Y、心率上升幅度标准化值Z、血压下降幅度标准化值N采用风险评估公式进行评估，得到自主神经系统功能异常风险率；
风险评估公式如下,
自主神经系统功能异常风险率M＝(X/K1+Y/K2+Z/K3+N/K4)*100％*1/4；
其中，
K1＝20mmHg，
k2＝10mmHg，
K3＝30次/min，
K4＝20mmHg，
从而，计算出自主神经系统功能异常风险率。
进一步的，自主神经系统功能异常风险筛查模型还还可以对收缩压下降幅度标准化值X、舒张压下降幅度标准化值Y、心率上升幅度标准化值Z、血压下降幅度标准化值N进行直接判断，
若收缩压下降幅度标准化值X≥20mmHg，和或
舒张压下降幅度标准化值Y≥10mmHg，和或
心率上升幅度标准化值Z≥30次/min，和或
血压下降幅度标准化值N≥20mmHg，
则M＝100％。
较佳的，所述收缩压下降幅度标准化值X为收缩压下降幅度平均值X，所述舒张压下降幅度标准化值Y为舒张压下降幅度平均值Y，所述心率上升幅度标准化值Z为心率上升幅度平均值Z，所述血压下降幅度标准化值N为血压下降幅度平均值N；
对立卧位收缩压下降幅度A11、持续力量诱导收缩压下降幅度A21、心算条件下收缩压下降幅度A41、冰袋诱导条件下收缩压下降幅度A61、过度通气条件下收缩压下降幅度A71、长程直立倾斜条件下收缩压下降幅度A81之和求平均值，得到收缩压下降幅度平均值X；对立卧位舒张压下降幅度A12、持续力量诱导舒张压下降幅度A22、心算条件下舒张压下降幅度A42、冰袋诱导条件下舒张压下降幅度A62、过度通气条件下舒张压下降幅度A72、长程直立倾斜条件下舒张压下降幅度A82之和求平均值，得到舒张压下降幅度平均值Y；对立卧位心率上升幅度A13、持续力量诱导心率上升幅度A23、深呼吸诱导下心率上升幅度A33、心算条件下心率上升幅度A43、冰袋诱导条件下心率上升幅度A63、过度通气条件下心率上升幅度A73、长程直立倾斜条件下心率上升幅度A83之和求平均值，得到心率上升幅度平均值Z；
对Valsalva动作条件下血压下降幅度A54、长程直立倾斜条件下血压下降幅度A84之和求平均值，得到血压下降幅度平均值N。
进一步的，还包括心率最大值W的判断，
对立卧位心率、持续力量诱导心率、深呼吸诱导下心率、心算条件下心率、冰袋诱导条件下心率、过度通气条件下心率、长程直立倾斜条件下心率进行统计排序，获得心率最大值W；
若，心率最大值W≥125次/min，
则直接将自主神经系统功能异常风险率M赋值为100％。
进一步的，所述自主神经系统模型通过心率最大值W的判断，还包括如下方法：
若收缩压下降幅度标准化值X≥20mmHg，和或
舒张压下降幅度标准化值Y≥10mmHg，和或
心率上升幅度标准化值Z≥30次/min，和或
血压下降幅度标准化值N≥20mmHg，和或
心率最大值W≥125次/min，
则则直接将自主神经系统功能异常风险率M赋值为100％。。
进一步的，还包括交感功能异常风险筛查和迷走系统功能异常风险筛查；
进一步的说，通过对交感功能异常风险筛查和迷走系统功能异常风险筛查的结果，给出交感功能异常的判断和迷走系统功能异常的判断；
(1)所述交感功能异常风险筛查方法包括：
按照计算规则计算收缩压下降幅度标准化值XJ、舒张压下降幅度标准化值YJ、心率上升幅度标准化值ZJ、血压下降幅度标准化值NJ；
对立卧位收缩压下降幅度A11、持续力量诱导收缩压下降幅度A21、心算条件下收缩压下降幅度A41、冰袋诱导条件下收缩压下降幅度A61、过度通气条件下收缩压下降幅度A71进行权重加权计算，得到收缩压下降幅度标准化值XJ；
对立卧位舒张压下降幅度A12、持续力量诱导舒张压下降幅度A22、心算条件下舒张压下降幅度A42、冰袋诱导条件下舒张压下降幅度A62、过度通气条件下舒张压下降幅度A72进行权重加权计算，得到舒张压下降幅度标准化值YJ；
对立卧位心率上升幅度A13、持续力量诱导心率上升幅度A23、深呼吸诱导下心率上升幅度A33、心算条件下心率上升幅度A43、冰袋诱导条件下心率上升幅度A63、过度通气条件下心率上升幅度A73进行权重加权计算，得到心率上升幅度标准化值ZJ；
对收缩压下降幅度标准化值XJ、舒张压下降幅度标准化值YJ、心率上升幅度标准化值ZJ，采用交感功能异常风险评估公式进行评估，得到交感功能异常风险率，
交感功能异常风险评估公式如下,
交感功能异常风险率MJ＝(XJ/K1+YJ/K2+ZJ/K3)*100％*1/3；
其中，
XJ＝20mmHg；
YJ＝10mmHg；
ZJ＝30次/min。
进一步的，还包括，
对收缩压下降幅度平均值X、舒张压下降幅度平均值Y、心率上升幅度平均值Z、血压下降幅度平均值N进行直接判断，
若收缩压下降幅度标准化值X≥20mmHg，和或
舒张压下降幅度标准化值Y≥10mmHg，和或
心率上升幅度标准化值Z≥30次/min，和或
则交感功能异常风险率MJ＝100％；
(2)所述迷走系统功能异常风险筛查方法包括：
按照计算规则计算血压下降幅度标准化值Nm；
对Valsalva动作条件下血压下降幅度A54、长程直立倾斜条件下血压下降幅度A84进行权重加权计算，得到血压下降幅度标准化值Nm；对血压下降幅度标准化值Nm进行判断，若血压下降幅度标准化值Nm≥20mmHg，则判定迷走系统功能异常风险率MJ＝100％；反之则MJ＝0。
有益效果：本发明采用自主神经系统功能异常风险筛查模型对自主神经系统进行筛查，将立卧位收缩压、舒张压以及心率，持续力量诱导下收缩压、舒张压及心率，深呼吸诱导下的心率，心算条件下患者的收缩压、舒张压及心率，Valsalva动作条件下患者的血压，冰袋诱导条件下患者的收缩压、舒张压及心率，过度通气条件下患者的收缩压、舒张压及心率，长程直立倾斜条件下患者的收缩压、舒张压、血压及心率代入自主神经系统功能异常风险筛查模型，自主神经系统功能异常风险筛查模型进行综合评估，给出自主神经系统筛查评估结果，提高了自主神经系统功能异常判断的准确性，为医护人员判断患者自主神经系统功能异常提供了工具。
具体实施方式
实施例1：本发明提出一种自主神经系统功能异常风险筛查方法，包括如下步骤：
S1，建立自主神经系统功能异常风险筛查模型；
S2，采集不同干扰条件下患者的收缩压、舒张压、心率、血压；
S21，采集立卧位收缩压、舒张压以及心率；
S22，采集持续力量诱导下收缩压、舒张压及心率；
S23，采集深呼吸诱导下的心率；
S24，采集心算条件下患者的收缩压、舒张压及心率；
S25，采集Valsalva动作条件下患者的血压；
S26，采集冰袋诱导条件下患者的收缩压、舒张压及心率；
S27，采集过度通气条件下患者的收缩压、舒张压及心率；
S28，采集长程直立倾斜条件下患者的收缩压、舒张压、血压及心率；
S3，将立卧位收缩压、舒张压以及心率，持续力量诱导下收缩压、舒张压及心率，深呼吸诱导下的心率，心算条件下患者的收缩压、舒张压及心率，Valsalva动作条件下患者的血压，冰袋诱导条件下患者的收缩压、舒张压及心率，过度通气条件下患者的收缩压、舒张压及心率，长程直立倾斜条件下患者的收缩压、舒张压、血压及心率代入自主神经系统功能异常风险筛查模型，自主神经系统功能异常风险筛查模型进行综合评估，给出自主神经系统筛查评估结果。
进一步的，所述自主神经系统功能异常风险筛查模型包括收缩压上升幅度或下降幅度、舒张压上升幅度或下降幅度、心率最大值、血压下降幅度以及心率上升幅度或心率下降幅度；
进一步的，自主神经系统功能异常风险筛查模型还包括计算规则，根据采集到的立卧位收缩压、舒张压以及心率，立卧位收缩压、舒张压以及心率，持续力量诱导下收缩压、舒张压及心率，深呼吸诱导下的心率，心算条件下患者的收缩压、舒张压及心率，Valsalva动作条件下患者的血压，冰袋诱导条件下患者的收缩压、舒张压及心率，长程直立倾斜条件下患者的收缩压、舒张压、血压及心率，按照计算规则分别计算：
A1立卧位收缩压下降幅度A11、舒张压下降幅度A12、心率上升幅度A13；
收缩压下降幅度A11＝立位收缩压-卧位收缩压；
舒张压下降幅度A12＝立位舒张压-卧位舒张压；
心率上升幅度A13＝立位心率-卧位心率。
A2持续力量诱导收缩压下降幅度A21、舒张压下降幅度A22、心率上升幅度A23；
收缩压下降幅度A21＝发力后收缩压-发力前收缩压；
舒张压下降幅度A22＝发力后舒张压-发力前舒张压；
心率上升幅度A23＝发力后心率-发力前心率。
A3深呼吸诱导下心率上升幅度A33；
深呼吸前后心率差A33＝吸气相心率(直接读取后取平均值)-呼气相心率(直接读取后取平均值)；
A4心算条件下收缩压下降幅度A41、舒张压下降幅度A42、心率上升幅度A43；
收缩压上升幅度A41＝心算后收缩压-心算前收缩压；
舒张压上升幅度A42＝心算后张压-心算前舒张压；
心率上升幅度A43＝心算后心率-心算前心率。
A5 Valsalva动作条件下血压下降幅度A54；
血压(或脉搏)下降平均最大值A54＝每个Valsalva Manuver周期内最高血压(或脉搏)均值减去最低血压(或脉搏)的均值.(直接读取后取平均值)。
A6冰袋诱导条件下收缩压下降幅度A61、舒张压下降幅度A62、心率上升幅度A63；
收缩压上升幅度A61＝冷敷后收缩压-冷敷前收缩压；
舒张压上升幅度A62＝冷敷后舒张压-冷敷前舒张压；
心率上升幅度A63＝冷敷后心率-冷敷前心率。
A7过度通气条件下收缩压下降幅度A71、舒张压下降幅度A72、心率上升幅度A73；
收缩压上升幅度A71＝过度通气后收缩压-过度通气前收缩压；
舒张压上升幅度A72＝过度通气后舒张压-过度通气前舒张压；
心率上升幅度A73＝过度通气后心率-过度通气前心率。
A8长程直立倾斜条件下收缩压下降幅度A81、舒张压下降幅度A82、心率上升幅度A83、血压下降幅度A84；
心率变化A83＝倾斜后-倾斜前(上升或下降均可以出现)；
血压变化A84＝倾斜后-倾斜前(上升或下降均可以出现)。
进一步的，自主神经系统功能异常风险筛查模型还包括按照计算规则计算收缩压下降幅度标准化值X、舒张压下降幅度标准化值Y、心率上升幅度标准化值Z、血压下降幅度标准化值N；
对立卧位收缩压下降幅度A11、持续力量诱导收缩压下降幅度A21、心算条件下收缩压下降幅度A41、冰袋诱导条件下收缩压下降幅度A61、过度通气条件下收缩压下降幅度A71、长程直立倾斜条件下收缩压下降幅度A81进行权重加权计算，得到收缩压下降幅度标准化值X；
对立卧位舒张压下降幅度A12、持续力量诱导舒张压下降幅度A22、心算条件下舒张压下降幅度A42、冰袋诱导条件下舒张压下降幅度A62、过度通气条件下舒张压下降幅度A72、长程直立倾斜条件下舒张压下降幅度A82进行权重加权计算，得到舒张压下降幅度标准化值Y；
对立卧位心率上升幅度A13、持续力量诱导心率上升幅度A23、深呼吸诱导下心率上升幅度A33、心算条件下心率上升幅度A43、冰袋诱导条件下心率上升幅度A63、过度通气条件下心率上升幅度A73、长程直立倾斜条件下心率上升幅度A83进行权重加权计算，得到心率上升幅度标准化值Z；
对Valsalva动作条件下血压下降幅度A54、长程直立倾斜条件下血压下降幅度A84进行权重加权计算，得到血压下降幅度标准化值N；对收缩压下降幅度标准化值X、舒张压下降幅度标准化值Y、心率上升幅度标准化值Z、血压下降幅度标准化值N采用风险评估公式进行评估，得到自主神经系统功能异常风险率；
风险评估公式如下,
自主神经系统功能异常风险率M＝(X/K1+Y/K2+Z/K3+N/K4)*100％*1/4；
其中，
K1＝20mmHg，
k2＝10mmHg，
K3＝30次/min，
K4＝20mmHg，
从而，计算出自主神经系统功能异常风险率。
进一步的，自主神经系统功能异常风险筛查模型还包括对收缩压下降幅度平均值X、舒张压下降幅度平均值Y、心率上升幅度平均值Z、血压下降幅度平均值N进行判断，
若收缩压下降幅度标准化值X≥20mmHg，和或
舒张压下降幅度标准化值Y≥10mmHg，和或
心率上升幅度标准化值Z≥30次/min，和或
血压下降幅度标准化值N≥20mmHg，
则自主神经系统功能异常风险率M＝100％，从而判断自主神经功能异常。
较佳的，所述收缩压下降幅度标准化值X为收缩压下降幅度平均值X，所述舒张压下降幅度标准化值Y为舒张压下降幅度平均值Y，所述心率上升幅度标准化值Z为心率上升幅度平均值Z，所述血压下降幅度标准化值N为血压下降幅度平均值N；
对立卧位收缩压下降幅度A11、持续力量诱导收缩压下降幅度A21、心算条件下收缩压下降幅度A41、冰袋诱导条件下收缩压下降幅度A61、过度通气条件下收缩压下降幅度A71、长程直立倾斜条件下收缩压下降幅度A81之和求平均值，得到收缩压下降幅度平均值X；对立卧位舒张压下降幅度A12、持续力量诱导舒张压下降幅度A22、心算条件下舒张压下降幅度A42、冰袋诱导条件下舒张压下降幅度A62、过度通气条件下舒张压下降幅度A72、长程直立倾斜条件下舒张压下降幅度A82之和求平均值，得到舒张压下降幅度平均值Y；对立卧位心率上升幅度A13、持续力量诱导心率上升幅度A23、深呼吸诱导下心率上升幅度A33、心算条件下心率上升幅度A43、冰袋诱导条件下心率上升幅度A63、过度通气条件下心率上升幅度A73、长程直立倾斜条件下心率上升幅度A83之和求平均值，得到心率上升幅度平均值Z；
对Valsalva动作条件下血压下降幅度A54、长程直立倾斜条件下血压下降幅度A84之和求平均值，得到血压下降幅度平均值N。
进一步的，所述自主神经系统模型还包括心率最大值W的判断，心率最大值W≥125次/min，
则自主神经系统功能异常风险率M＝100％，进而判断自主神经功能异常。
实施例2：本发明还提出一种判断交感功能异常风险评估和迷走系统功能异常风险评估的方法。
自主神经系统包括交感功能和迷走系统，
本发明所述自主神经系统模型还包括交感功能异常的判断和迷走系统功能异常风险评估的方法；
(1)所述交感功能异常风险评估方法包括：
按照计算规则计算收缩压下降幅度标准化值XJ、舒张压下降幅度标准化值YJ、心率上升幅度标准化值ZJ、血压下降幅度标准化值NJ；
对立卧位收缩压下降幅度A11、持续力量诱导收缩压下降幅度A21、心算条件下收缩压下降幅度A41、冰袋诱导条件下收缩压下降幅度A61、过度通气条件下收缩压下降幅度A71进行权重加权计算，得到收缩压下降幅度标准化值XJ；
对立卧位舒张压下降幅度A12、持续力量诱导舒张压下降幅度A22、心算条件下舒张压下降幅度A42、冰袋诱导条件下舒张压下降幅度A62、过度通气条件下舒张压下降幅度A72进行权重加权计算，得到舒张压下降幅度标准化值YJ；
对立卧位心率上升幅度A13、持续力量诱导心率上升幅度A23、深呼吸诱导下心率上升幅度A33、心算条件下心率上升幅度A43、冰袋诱导条件下心率上升幅度A63、过度通气条件下心率上升幅度A73进行权重加权计算，得到心率上升幅度标准化值ZJ；
对收缩压下降幅度标准化值XJ、舒张压下降幅度标准化值YJ、心率上升幅度标准化值ZJ，采用交感功能异常风险评估公式进行评估，得到交感功能异常风险率，
交感功能异常风险评估公式如下,
交感功能异常风险率MJ＝(XJ/K1+YJ/K2+ZJ/K3)*100％*1/3；
其中，
XJ＝20mmHg；
YJ＝10mmHg；
ZJ＝30次/min。
进一步的，还包括对收缩压下降幅度标准化值X、舒张压下降幅度标准化值Y、心率上升幅度标准化值Z、血压下降幅度标准化值N进行判断，
若收缩压下降幅度标准化值X≥20mmHg，和或
舒张压下降幅度标准化值Y≥10mmHg，和或
心率上升幅度标准化值Z≥30次/min，和或
则交感功能异常风险率MJ＝100％，判断交感功能异常；
(2)所述迷走系统功能异常风险评估方法包括：
按照计算规则计算血压下降幅度标准化值Nm；
对Valsalva动作条件下血压下降幅度A54、长程直立倾斜条件下血压下降幅度A84进行权重加权计算，得到血压下降幅度标准化值Nm；对血压下降幅度标准化值Nm进行判断，若血压下降幅度标准化值Nm≥20mmHg，则判定迷走系统功能异常风险率MJ＝100％；反之则MJ＝0。
较佳的，所述交感功能异常的判断方法还包括长程直立倾斜条件下收缩压下降幅度A81、舒张压下降幅度A82、心率上升幅度A83、血压下降幅度A84的加权计算；
包括，
对立卧位收缩压下降幅度A11、持续力量诱导收缩压下降幅度A21、心算条件下收缩压下降幅度A41、冰袋诱导条件下收缩压下降幅度A61、过度通气条件下收缩压下降幅度A71、长程直立倾斜条件下收缩压下降幅度A81进行权重加权计算，得到收缩压下降幅度标准化值X；
对立卧位舒张压下降幅度A12、持续力量诱导舒张压下降幅度A22、心算条件下舒张压下降幅度A42、冰袋诱导条件下舒张压下降幅度A62、过度通气条件下舒张压下降幅度A72、长程直立倾斜条件下舒张压下降幅度A82进行权重加权计算，得到舒张压下降幅度标准化值Y；
对立卧位心率上升幅度A13、持续力量诱导心率上升幅度A23、深呼吸诱导下心率上升幅度A33、心算条件下心率上升幅度A43、冰袋诱导条件下心率上升幅度A63、过度通气条件下心率上升幅度A73、长程直立倾斜条件下心率上升幅度A83进行权重加权计算，得到心率上升幅度标准化值Z；
对Valsalva动作条件下血压下降幅度A54、长程直立倾斜条件下血压下降幅度A84进行权重加权计算，得到血压下降幅度标准化值N；对收缩压下降幅度平均值X、舒张压下降幅度平均值Y、心率上升幅度平均值Z、血压下降幅度平均值N进行判断，
若收缩压下降幅度标准化值X≥20mmHg，和或
舒张压下降幅度标准化值Y≥10mmHg，和或
心率上升幅度标准化值Z≥30次/min，和或
血压下降幅度标准化值N≥20mmHg，
则交感功能异常风险率MJ＝100％，进而判断交感功能异常情况。
实施例3：本发明还提出一种自主神经系统筛查系统，包括数据采集设备、自主神经系统筛查系统、显示装置。所述数据采集装置将采集到的数据输入自主神经系统筛查系统，自主神经系统筛查系统将筛查结果在显示装置上呈现。
所述数据采集设备采集立卧位收缩压、舒张压以及心率；持续力量诱导下收缩压、舒张压及心率；深呼吸诱导下的心率；心算条件下患者的收缩压、舒张压及心率；Valsalva动作条件下患者的血压；冰袋诱导条件下患者的收缩压、舒张压及心率；过度通气条件下患者的收缩压、舒张压及心率；长程直立倾斜条件下患者的收缩压、舒张压、血压及心率。
所述自主神经系统筛查系统包括自主神经系统功能异常风险筛查模型，所述自主神经系统功能异常风险筛查模型包括按照计算规则计算收缩压下降幅度标准化值X、舒张压下降幅度标准化值Y、心率上升幅度标准化值Z、血压下降幅度标准化值N、心率最大值W。所述自主神经系统功能异常风险筛查模型还包括自主神经系统功能异常判断方法，
若收缩压下降幅度标准化值X≥20mmHg，和或
舒张压下降幅度标准化值Y≥10mmHg，和或
心率上升幅度标准化值Z≥30次/min，和或
血压下降幅度标准化值N≥20mmHg，和或
心率最大值W≥125次/min，
则自主神经系统功能异常风险率M＝100％，进而，判断自主神经系统异常情况。
实施例4：本发明还提出一种自主神经系统筛查系统，所述自主神经系统筛查系统采用本发明自主神经系统功能异常风险筛查方法。
Claims (7)
1.一种自主神经系统功能异常风险筛查方法，其特征在于包括如下步骤：
S1，建立自主神经系统功能异常风险筛查模型；
S2，采集不同干扰条件下患者的收缩压、舒张压、心率、血压；
S21，采集立卧位收缩压、舒张压以及心率；
S22，采集持续力量诱导下收缩压、舒张压及心率；
S23，采集深呼吸诱导下的心率；
S24，采集心算条件下患者的收缩压、舒张压及心率；
S25，采集Valsalva动作条件下患者的血压；
S26，采集冰袋诱导条件下患者的收缩压、舒张压及心率；
S27，采集过度通气条件下患者的收缩压、舒张压及心率；
S28，采集长程直立倾斜条件下患者的收缩压、舒张压、血压及心率；
S3，将立卧位收缩压、舒张压以及心率，持续力量诱导下收缩压、舒张压及心率，深呼吸诱导下的心率，心算条件下患者的收缩压、舒张压及心率，Valsalva动作条件下患者的血压，冰袋诱导条件下患者的收缩压、舒张压及心率，过度通气条件下患者的收缩压、舒张压及心率，长程直立倾斜条件下患者的收缩压、舒张压、血压及心率代入自主神经系统功能异常风险筛查模型，自主神经系统功能异常风险筛查模型进行综合评估，给出自主神经系统筛查评估结果。
2.根据权利要求1所述的自主神经系统功能异常风险筛查方法，其特征在于：
（1）所述自主神经系统功能异常风险筛查模型包括收缩压上升幅度或下降幅度、舒张压上升幅度或下降幅度、心率最大值、血压下降幅度以及心率上升幅度或心率下降幅度；
（2）自主神经系统功能异常风险筛查模型根据采集到的立卧位收缩压、舒张压以及心率，立卧位收缩压、舒张压以及心率，持续力量诱导下收缩压、舒张压及心率，深呼吸诱导下的心率，心算条件下患者的收缩压、舒张压及心率，Valsalva动作条件下患者的血压，冰袋诱导条件下患者的收缩压、舒张压及心率，长程直立倾斜条件下患者的收缩压、舒张压、血压及心率，分别计算：
A1，立卧位收缩压下降幅度A11、舒张压下降幅度A12、心率上升幅度A13；
A2，持续力量诱导收缩压下降幅度A21、舒张压下降幅度A22、心率上升幅度A23；
A3，深呼吸诱导下心率上升幅度A33;
A4，心算条件下收缩压下降幅度A41、舒张压下降幅度A42、心率上升幅度A43；
A5， Valsalva动作条件下血压下降幅度A54；
A6，冰袋诱导条件下收缩压下降幅度A61、舒张压下降幅度A62、心率上升幅度A63；
A7，过度通气条件下收缩压下降幅度A71、舒张压下降幅度A72、心率上升幅度A73；
A8，长程直立倾斜条件下收缩压下降幅度A81、舒张压下降幅度A82、心率上升幅度A83、血压下降幅度A84；
（3）按照计算规则计算收缩压下降幅度标准化值X、舒张压下降幅度标准化值Y、心率上升幅度标准化值Z、血压下降幅度标准化值N；
对立卧位收缩压下降幅度A11、持续力量诱导收缩压下降幅度A21、心算条件下收缩压下降幅度A41、冰袋诱导条件下收缩压下降幅度A61、过度通气条件下收缩压下降幅度A71、长程直立倾斜条件下收缩压下降幅度A81进行权重加权计算，得到收缩压下降幅度标准化值X；
对立卧位舒张压下降幅度A12、持续力量诱导舒张压下降幅度A22、心算条件下舒张压下降幅度A42、冰袋诱导条件下舒张压下降幅度A62、过度通气条件下舒张压下降幅度A72、长程直立倾斜条件下舒张压下降幅度A82进行权重加权计算，得到舒张压下降幅度标准化值Y；
对立卧位心率上升幅度A13、持续力量诱导心率上升幅度A23、深呼吸诱导下心率上升幅度A33、心算条件下心率上升幅度A43、冰袋诱导条件下心率上升幅度A63、过度通气条件下心率上升幅度A73、长程直立倾斜条件下心率上升幅度A83进行权重加权计算，得到心率上升幅度标准化值Z；
对Valsalva动作条件下血压下降幅度A54、长程直立倾斜条件下血压下降幅度A84进行权重加权计算，得到血压下降幅度标准化值N；
（4）对收缩压下降幅度标准化值X、舒张压下降幅度标准化值Y、心率上升幅度标准化值Z、血压下降幅度标准化值N采用风险评估公式进行评估，得到自主神经系统功能异常风险率；
风险评估公式如下,
自主神经系统功能异常风险率M=(X/K1+Y/K2+Z/K3+N/K4)*100%*1/4；
其中，
K1=20 mmHg，
k2=10 mmHg，
K3=30次/min，
K4=20 mmHg，
从而，计算出自主神经系统功能异常风险率。
3.根据权利要求2所述的自主神经系统功能异常风险筛查方法，其特征在于：
（1）对立卧位收缩压下降幅度A11、持续力量诱导收缩压下降幅度A21、心算条件下收缩压下降幅度A41、冰袋诱导条件下收缩压下降幅度A61、过度通气条件下收缩压下降幅度A71、长程直立倾斜条件下收缩压下降幅度A81之和求平均值，得到收缩压下降幅度平均值X；
（2）对立卧位舒张压下降幅度A12、持续力量诱导舒张压下降幅度A22、心算条件下舒张压下降幅度A42、冰袋诱导条件下舒张压下降幅度A62、过度通气条件下舒张压下降幅度A72、长程直立倾斜条件下舒张压下降幅度A82之和求平均值，得到舒张压下降幅度平均值Y；
（3）对立卧位心率上升幅度A13、持续力量诱导心率上升幅度A23、深呼吸诱导下心率上升幅度A33、心算条件下心率上升幅度A43、冰袋诱导条件下心率上升幅度A63、过度通气条件下心率上升幅度A73、长程直立倾斜条件下心率上升幅度A83之和求平均值，得到心率上升幅度平均值Z；
（4）对Valsalva动作条件下血压下降幅度A54、长程直立倾斜条件下血压下降幅度A84之和求平均值，得到血压下降幅度平均值N。
4.根据权利要求2所述的自主神经系统功能异常风险筛查方法，其特征在于：还包括心率最大值W的判断，
对立卧位心率、持续力量诱导心率、深呼吸诱导下心率、心算条件下心率、冰袋诱导条件下心率、过度通气条件下心率、长程直立倾斜条件下心率进行统计排序，获得心率最大值W；
若，心率最大值W≥125次/min，
则直接将自主神经系统功能异常风险率M赋值为100%。
5.根据权利要求2所述的自主神经系统功能异常风险筛查方法，其特征在于：还包括交感功能异常风险筛查和迷走系统功能异常风险筛查；
（1）所述交感功能异常风险筛查方法包括：
按照计算规则计算收缩压下降幅度标准化值XJ、舒张压下降幅度标准化值YJ、心率上升幅度标准化值ZJ、血压下降幅度标准化值NJ；
对立卧位收缩压下降幅度A11、持续力量诱导收缩压下降幅度A21、心算条件下收缩压下降幅度A41、冰袋诱导条件下收缩压下降幅度A61、过度通气条件下收缩压下降幅度A71进行权重加权计算，得到收缩压下降幅度标准化值XJ；
对立卧位舒张压下降幅度A12、持续力量诱导舒张压下降幅度A22、心算条件下舒张压下降幅度A42、冰袋诱导条件下舒张压下降幅度A62、过度通气条件下舒张压下降幅度A72进行权重加权计算，得到舒张压下降幅度标准化值YJ；
对立卧位心率上升幅度A13、持续力量诱导心率上升幅度A23、深呼吸诱导下心率上升幅度A33、心算条件下心率上升幅度A43、冰袋诱导条件下心率上升幅度A63、过度通气条件下心率上升幅度A73进行权重加权计算，得到心率上升幅度标准化值ZJ；
对收缩压下降幅度标准化值XJ、舒张压下降幅度标准化值YJ、心率上升幅度标准化值ZJ ，采用交感功能异常风险评估公式进行评估，得到交感功能异常风险率，
交感功能异常风险评估公式如下,
交感功能异常风险率MJ=(XJ/K1+YJ/K2+ZJ/K3)*100%*1/3；
其中，
XJ=20 mmHg；
YJ=10 mmHg；
ZJ=30次/min。
（2）所述迷走系统功能异常风险筛查方法包括：
按照计算规则计算血压下降幅度标准化值Nm；
对Valsalva动作条件下血压下降幅度A54、长程直立倾斜条件下血压下降幅度A84进行权重加权计算，得到血压下降幅度标准化值Nm；
对血压下降幅度标准化值Nm进行判断，若血压下降幅度标准化值Nm≥20 mmHg，则判定迷走系统功能异常风险率MJ=100%；反之则MJ=0。
6.根据权利要求4所述的自主神经系统功能异常风险筛查方法，其特征在于：
所述交感功能异常的判断方法还包括长程直立倾斜条件下收缩压下降幅度A81、舒张压下降幅度A82、心率上升幅度A83、血压下降幅度A84的加权计算；
包括，
对立卧位收缩压下降幅度A11、持续力量诱导收缩压下降幅度A21、心算条件下收缩压下降幅度A41、冰袋诱导条件下收缩压下降幅度A61、过度通气条件下收缩压下降幅度A71、长程直立倾斜条件下收缩压下降幅度A81进行权重加权计算，得到收缩压下降幅度标准化值XJ；
对立卧位舒张压下降幅度A12、持续力量诱导舒张压下降幅度A22、心算条件下舒张压下降幅度A42、冰袋诱导条件下舒张压下降幅度A62、过度通气条件下舒张压下降幅度A72、长程直立倾斜条件下舒张压下降幅度A82进行权重加权计算，得到舒张压下降幅度标准化值YJ；
对立卧位心率上升幅度A13、持续力量诱导心率上升幅度A23、深呼吸诱导下心率上升幅度A33、心算条件下心率上升幅度A43、冰袋诱导条件下心率上升幅度A63、过度通气条件下心率上升幅度A73、长程直立倾斜条件下心率上升幅度A83进行权重加权计算，得到心率上升幅度标准化值ZJ；
对Valsalva动作条件下血压下降幅度A54、长程直立倾斜条件下血压下降幅度A84进行权重加权计算，得到血压下降幅度标准化值Nm。
7.一种自主神经系统筛查系统，其特征在于所述自主神经系统筛查系统采用权利要求1的方法。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011316521 | 2020-11-23 | ||
| CN202011316521X | 2020-11-23 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112842303A true CN112842303A (zh) | 2021-05-28 |
Family
ID=76000560
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011639434.8A Pending CN112842303A (zh) | 2020-11-23 | 2020-12-31 | 自主神经系统筛查方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112842303A (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1113739A (zh) * | 1994-06-23 | 1995-12-27 | 王湘生 | 植物神经系统功能测试系统及其方法 |
| TW513298B (en) * | 2001-12-07 | 2002-12-11 | Leadtek Research Inc | Automatic remote control method and system for evaluating functions of autonomic nervous system |
| WO2007013326A1 (ja) * | 2005-07-26 | 2007-02-01 | Sharp Kabushiki Kaisha | 生体状態判定装置および刺激強度判定装置 |
| CN101642369A (zh) * | 2008-08-04 | 2010-02-10 | 南京大学 | 自主神经功能生物反馈方法和系统 |
| CN103445767A (zh) * | 2013-08-30 | 2013-12-18 | 邝建 | 传感监测交互控制全自动自主神经功能检测仪及检测方法 |
| CN104127193A (zh) * | 2014-07-14 | 2014-11-05 | 华南理工大学 | 一种抑郁症程度量化的评估系统及其评估方法 |
| CN104840186A (zh) * | 2015-05-07 | 2015-08-19 | 中山大学 | 一种充血性心力衰竭患者自主神经功能的评估方法 |
| CN105455797A (zh) * | 2014-08-19 | 2016-04-06 | 吴健康 | 自主神经心脏调控功能测量方法和设备 |
| CN105852807A (zh) * | 2016-03-25 | 2016-08-17 | 中山大学 | 一种无监督式自主神经功能量化评估方法 |
| CN106308775A (zh) * | 2015-06-23 | 2017-01-11 | 香港中文大学 | 利用体外反搏技术评价自主神经调节功能的方法和系统 |
| CN109157191A (zh) * | 2018-06-15 | 2019-01-08 | 南京宁康中科医疗技术有限公司 | 自主神经心肺代谢系统调控能力和调控状态的测量方法和系统 |
| CN109222936A (zh) * | 2018-11-09 | 2019-01-18 | 中科数字健康科学研究院（南京）有限公司 | 一种应用起立实验测量自主神经心血管系统的设备和方法 |
| CN112057087A (zh) * | 2020-08-03 | 2020-12-11 | 华南理工大学 | 精神分裂症高风险人群自主神经功能的评估方法及装置 |
| CN112057058A (zh) * | 2020-08-07 | 2020-12-11 | 南京市中医院 | 评估自主神经功能的方法及应用 |
-
2020
- 2020-12-31 CN CN202011639434.8A patent/CN112842303A/zh active Pending
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1113739A (zh) * | 1994-06-23 | 1995-12-27 | 王湘生 | 植物神经系统功能测试系统及其方法 |
| TW513298B (en) * | 2001-12-07 | 2002-12-11 | Leadtek Research Inc | Automatic remote control method and system for evaluating functions of autonomic nervous system |
| WO2007013326A1 (ja) * | 2005-07-26 | 2007-02-01 | Sharp Kabushiki Kaisha | 生体状態判定装置および刺激強度判定装置 |
| CN101642369A (zh) * | 2008-08-04 | 2010-02-10 | 南京大学 | 自主神经功能生物反馈方法和系统 |
| CN103445767A (zh) * | 2013-08-30 | 2013-12-18 | 邝建 | 传感监测交互控制全自动自主神经功能检测仪及检测方法 |
| CN104127193A (zh) * | 2014-07-14 | 2014-11-05 | 华南理工大学 | 一种抑郁症程度量化的评估系统及其评估方法 |
| CN105455797A (zh) * | 2014-08-19 | 2016-04-06 | 吴健康 | 自主神经心脏调控功能测量方法和设备 |
| CN104840186A (zh) * | 2015-05-07 | 2015-08-19 | 中山大学 | 一种充血性心力衰竭患者自主神经功能的评估方法 |
| CN106308775A (zh) * | 2015-06-23 | 2017-01-11 | 香港中文大学 | 利用体外反搏技术评价自主神经调节功能的方法和系统 |
| CN105852807A (zh) * | 2016-03-25 | 2016-08-17 | 中山大学 | 一种无监督式自主神经功能量化评估方法 |
| CN109157191A (zh) * | 2018-06-15 | 2019-01-08 | 南京宁康中科医疗技术有限公司 | 自主神经心肺代谢系统调控能力和调控状态的测量方法和系统 |
| CN109222936A (zh) * | 2018-11-09 | 2019-01-18 | 中科数字健康科学研究院（南京）有限公司 | 一种应用起立实验测量自主神经心血管系统的设备和方法 |
| CN112057087A (zh) * | 2020-08-03 | 2020-12-11 | 华南理工大学 | 精神分裂症高风险人群自主神经功能的评估方法及装置 |
| CN112057058A (zh) * | 2020-08-07 | 2020-12-11 | 南京市中医院 | 评估自主神经功能的方法及应用 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102122231B1 (ko) | 자율신경 균형 및 조절능력의 평가 장치 및 그 제어 방법 | |
| US7771364B2 (en) | Method and system for cardiovascular system diagnosis | |
| US20140288449A1 (en) | Method, System and Software Product for the Measurement of Heart Rate Variability | |
| JP2010518970A (ja) | 起立性の検出のシステムおよび方法 | |
| JP4695646B2 (ja) | 非侵襲的心臓モニタ装置および方法 | |
| JP2003532442A (ja) | 呼吸分析用波形インタプリタ | |
| Mack et al. | A passive and portable system for monitoring heart rate and detecting sleep apnea and arousals: Preliminary validation | |
| EP2194855A2 (en) | Method and system for cardiovascular system diagnosis | |
| Brandao et al. | Left ventricular function during dynamic exercise in untrained and moderately trained subjects | |
| US9820667B2 (en) | Method and system for detecting heartbeat irregularities | |
| JP6691334B2 (ja) | 睡眠時無呼吸症候群の疑いを検知するためのシステム、処理部及びコンピュータプログラム | |
| JP4516623B1 (ja) | 自律神経機能診断装置およびプログラム | |
| WO1997031568A1 (en) | Method and apparatus for measuring cardiocirculatory functionality | |
| CA3085240A1 (en) | Method and equipment for monitoring the effectiveness of physical activities, especially sports activities | |
| US20180055373A1 (en) | Monitoring device to identify candidates for autonomic neuromodulation therapy | |
| CN112057058A (zh) | 评估自主神经功能的方法及应用 | |
| WO1999012468A1 (en) | Method and apparatus for measuring myocardial impairment and dysfunctions from efficiency and performance diagrams | |
| CN112842303A (zh) | 自主神经系统筛查方法及系统 | |
| Estrada et al. | Evaluating respiratory muscle activity using a wireless sensor platform | |
| US6520917B1 (en) | Method and apparatus for measuring functionality of a periodically changing system | |
| Thomaseth et al. | Heart rate spectral analysis for assessing autonomic regulation in diabetic patients | |
| Sbrollini et al. | Segmented-beat modulation method-based procedure for extraction of electrocardiogram-derived respiration from data acquired by wearable sensors during high-altitude activity | |
| JPH08583A (ja) | 脈波伝達時間監視装置 | |
| CN115512834A (zh) | 一种适用于心衰患者的运动康复评估系统 | |
| Dellimore et al. | Towards an algorithm for automatic accelerometer-based pulse presence detection during cardiopulmonary resuscitation |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210528 |
|
| RJ01 | Rejection of invention patent application after publication |