CN113100736B - 脑血流自主神经障碍评估装置、系统及存储介质 - Google Patents
脑血流自主神经障碍评估装置、系统及存储介质 Download PDFInfo
- Publication number
- CN113100736B CN113100736B CN202110347102.0A CN202110347102A CN113100736B CN 113100736 B CN113100736 B CN 113100736B CN 202110347102 A CN202110347102 A CN 202110347102A CN 113100736 B CN113100736 B CN 113100736B
- Authority
- CN
- China
- Prior art keywords
- physiological
- peak
- information
- band
- wave
- 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
- 230000003727 cerebral blood flow Effects 0.000 title claims abstract description 115
- 210000000467 autonomic pathway Anatomy 0.000 title claims abstract description 79
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 133
- 230000036772 blood pressure Effects 0.000 claims abstract description 68
- 238000011156 evaluation Methods 0.000 claims abstract description 68
- 230000006641 stabilisation Effects 0.000 claims abstract description 37
- 238000011105 stabilization Methods 0.000 claims abstract description 37
- 230000008344 brain blood flow Effects 0.000 claims abstract description 34
- 210000004556 brain Anatomy 0.000 claims abstract description 26
- 238000000605 extraction Methods 0.000 claims abstract description 15
- 230000008859 change Effects 0.000 claims description 52
- 201000010099 disease Diseases 0.000 claims description 51
- 238000004590 computer program Methods 0.000 claims description 38
- 238000012545 processing Methods 0.000 claims description 29
- 230000010349 pulsation Effects 0.000 claims description 22
- 239000000523 sample Substances 0.000 claims description 22
- 238000013210 evaluation model Methods 0.000 claims description 19
- 230000017531 blood circulation Effects 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000003993 interaction Effects 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 7
- 239000008280 blood Substances 0.000 claims description 6
- 210000004369 blood Anatomy 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 230000000541 pulsatile effect Effects 0.000 claims 15
- 230000002567 autonomic effect Effects 0.000 claims 2
- 230000000926 neurological effect Effects 0.000 claims 2
- 208000035475 disorder Diseases 0.000 abstract description 74
- 238000004458 analytical method Methods 0.000 abstract description 5
- 206010003840 Autonomic nervous system imbalance Diseases 0.000 abstract description 4
- 238000000034 method Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000003745 diagnosis Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000002490 cerebral effect Effects 0.000 description 3
- 208000001953 Hypotension Diseases 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000036543 hypotension Effects 0.000 description 2
- 238000002203 pretreatment Methods 0.000 description 2
- 230000008844 regulatory mechanism Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 208000001089 Multiple system atrophy Diseases 0.000 description 1
- 208000018737 Parkinson disease Diseases 0.000 description 1
- 208000006011 Stroke Diseases 0.000 description 1
- 206010002022 amyloidosis Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000035581 baroreflex Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 210000003657 middle cerebral artery Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000004118 muscle contraction Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
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
- A61B5/026—Measuring blood flow
-
- 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
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Cardiology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Physiology (AREA)
- Public Health (AREA)
- Artificial Intelligence (AREA)
- Hematology (AREA)
- Vascular Medicine (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明提供一种脑血流自主神经障碍评估装置、系统及存储介质。装置包括:生理信息接收模块,用于接收受试者在卧立位检查期间的生理信息,卧立位检查包括:受试者在第一稳定时段内保持仰卧位,从第一切换时刻开始从仰卧位切换成站立位,在第二稳定时段内保持站立位,从第二切换时刻开始从站立位切换成仰卧位,并在第三稳定时段内保持仰卧位,生理信息包括:血压信号以及左侧大脑和右侧大脑各自的预定生理信号,预定生理信号包括脑血流速度信号、搏动指数信号和心率信号;特征提取模块,用于从生理信息中提取受试者的生理特征;评估模块,用于基于生理特征评估受试者的脑血流自主神经障碍状况。可以实现对脑血流自主神经障碍的自动化的分析。
Description
技术领域
本发明涉及医学设备技术领域,具体地,涉及一种脑血流自主神经障碍评估装置、系统及存储介质。
背景技术
卧立位检查是评估心脑血管自主神经障碍的检查方式,多应用于临床门诊筛查。目前,在卧立位检查中,临床医生靠肉眼识别脑血流速度曲线中的波形形态是否异常,并据此评估受试者是否存在脑血流自主神经障碍。这种人工评估方式受主观影响较大,而且仅仅基于单独的脑血流速度参数进行定性的分析来获得诊断结论,因此考虑到的参数种类比较少,缺乏系统性及全面性。此外,人工评估方式对医生的要求较高,需要医生具备一定的临床经验才能做出正确的判断。
发明内容
为了至少部分地解决现有技术中存在的问题,提供一种脑血流自主神经障碍评估装置、系统及存储介质。
根据本发明一个方面,提供一种脑血流自主神经障碍评估装置,包括:生理信息接收模块,用于接收受试者在卧立位检查期间的生理信息,其中,卧立位检查包括:受试者在第一稳定时段内保持仰卧位,从第一切换时刻开始从仰卧位切换成站立位,在第二稳定时段内保持站立位,从第二切换时刻开始从站立位切换成仰卧位,并在第三稳定时段内保持仰卧位,生理信息包括:血压信号以及左侧大脑和右侧大脑各自的预定生理信号,预定生理信号包括脑血流速度信号、搏动指数信号和心率信号;特征提取模块,用于从生理信息中提取受试者的生理特征;评估模块,用于基于生理特征评估受试者的脑血流自主神经障碍状况,以获得评估结果。
根据本发明另一方面,还提供一种脑血流自主神经障碍评估系统,包括生理信息采集装置、处理器和存储器,其中,生理信息采集装置用于采集受试者在卧立位检查期间的生理信息,其中,卧立位检查包括:受试者在第一稳定时段内保持仰卧位,从第一切换时刻开始从仰卧位切换成站立位,在第二稳定时段内保持站立位,从第二切换时刻开始从站立位切换成仰卧位,并在第三稳定时段内保持仰卧位,生理信息包括:血压信号以及左侧大脑和右侧大脑各自的预定生理信号,预定生理信号包括脑血流速度信号、搏动指数信号和心率信号;存储器中存储有计算机程序指令,计算机程序指令被处理器运行时用于执行以下步骤:自生理信息采集装置接收生理信息;从生理信息中提取受试者的生理特征;基于生理特征评估受试者的脑血流自主神经障碍状况,以获得评估结果。
根据本发明另一方面,还提供一种存储介质,在存储介质上存储了程序指令,程序指令在运行时用于执行以下步骤:接收受试者在卧立位检查期间的生理信息,其中,卧立位检查包括:受试者在第一稳定时段内保持仰卧位,从第一切换时刻开始从仰卧位切换成站立位,在第二稳定时段内保持站立位,从第二切换时刻开始从站立位切换成仰卧位,并在第三稳定时段内保持仰卧位,生理信息包括:血压信号以及左侧大脑和右侧大脑各自的预定生理信号,预定生理信号包括脑血流速度信号、搏动指数信号和心率信号;从生理信息中提取受试者的生理特征;基于生理特征评估受试者的脑血流自主神经障碍状况,以获得评估结果。
根据本发明实施例的脑血流自主神经障碍评估装置、系统及存储介质,可以实现对脑血流自主神经障碍的自动化的分析,可以有效降低人工评估方式的误差。同时这种装置可以节省人的工作量,降低对临床经验和医学知识的要求,使得经验不太足的人员也能够通过该装置实现对受试者的脑血流自主神经障碍评估,从而使得装置具有更广泛的应用场景。此外,与现有的脑血流自主神经障碍评估方法相比,该装置在评估时考虑更多种生理信号,评估结果更全面和准确,更具有参考价值。
在发明内容中引入了一系列简化形式的概念,这将在具体实施方式部分中进一步详细说明。本发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征,更不意味着试图确定所要求保护的技术方案的保护范围。
以下结合附图,详细说明本发明的优点和特征。
附图说明
本发明的下列附图在此作为本发明的一部分用于理解本发明。附图中示出了本发明的实施方式及其描述,用来解释本发明的原理。在附图中,
图1示出根据本发明一个实施例的脑血流自主神经障碍评估装置的示意性框图;
图2示出根据本发明一个实施例的在卧立位检查期间采集的单侧的脑血流速度信号、搏动指数信号和心率信号各自对应的波形曲线的示意图;
图3示出根据本发明一个实施例的脑血流自主神经障碍评估系统的示意性框图;以及
图4示出根据本发明另一个实施例的脑血流自主神经障碍评估系统400的示意性框图。
具体实施方式
在下文的描述中,提供了大量的细节以便能够彻底地理解本发明。然而,本领域技术人员可以了解,如下描述仅示例性地示出了本发明的优选实施例,本发明可以无需一个或多个这样的细节而得以实施。此外,为了避免与本发明发生混淆,对于本领域公知的一些技术特征未进行详细描述。
为了至少部分地解决上述技术问题,本发明实施例提供一种脑血流自主神经障碍评估装置。通过该装置,在受试者进行卧立位检查期间,采集受试者的脑血流速度信号、搏动指数(PI)信号、心率(HR)信号、血压信号等生理参数,通过特征提取模块从这些生理信号中提取受试者的生理特征,并基于该特征自动分析并评估脑血流自主神经障碍的状况,评估结果可以用来为临床医生提供辅助诊断意见。
根据本发明一方面,提供一种脑血流自主神经障碍评估装置。图1示出了根据本发明一个实施例的脑血流自主神经障碍评估装置100的示意性框图。
如图1所示,根据本发明实施例的脑血流自主神经障碍评估装置100包括生理信息接收模块110、特征提取模块120和评估模块130。
生理信息接收模块110用于接收受试者在卧立位检查期间的生理信息,其中,卧立位检查包括:受试者在第一稳定时段内保持仰卧位,从第一切换时刻开始从仰卧位切换成站立位,在第二稳定时段内保持站立位,从第二切换时刻开始从站立位切换成仰卧位,并在第三稳定时段内保持仰卧位,生理信息包括:血压信号以及左侧大脑和右侧大脑各自的预定生理信号,预定生理信号包括脑血流速度信号、搏动指数信号和心率信号。
本文所述的受试者可以是任何人。脑血流自主神经障碍评估装置或脑血流自主神经障碍评估系统的操作者(即本文所述的用户)可以是任何合适的操作者,例如可以是医生、实验人员等。
卧立位检查的要求大致如下:要求受试者在仰卧位(即卧位)安静平躺2~3分钟,随后要求受试者在8秒内迅速站起,并保持站立位(即立位)2分钟,最后要求受试者再次恢复仰卧位平躺2~3分钟。在实际的检查过程中,受试者在卧位和立位分别保持的时长以及卧位-立位和立位-卧位的切换时刻与医生的要求可能一致,也可能不一致。对于生理信息接收模块接收到的生理信息,可以以用户实际记录的各时段的数值作为后续计算时对应时段的数值,以用户实际记录的各时刻的数值作为后续计算时的对应时刻的数值。
例如,在实际检查中,用户可以要求受试者在某一时段(例如2~3分钟)内保持仰卧位,并记录该时段作为第一稳定时段。随后,用户可以要求受试者从某一时刻开始从仰卧位切换成站立位,并记录该时刻作为第一切换时刻。随后,用户可以要求受试者在站稳之后的某一时段(例如2分钟)内保持站立位,并记录该时段作为第二稳定时段。随后,用户可以要求受试者在某一时刻开始从站立位切换成仰卧位,并记录该时刻作为第二切换时刻。随后,用户可以要求受试者在躺平之后的某一时段(例如2~3分钟)内保持仰卧位,并记录该时段作为第三稳定时段。可选地,用户可以至少记录第一切换时刻和第二切换时刻。第一稳定时段、第二稳定时段和第三稳定时段中的一者或多者可以可选地记录。
可以随着卧立位检查的进行动态观察受试者的脑血流速度、搏动指数、心率等参数的变化趋势,收集这些信号在整个或基本整个卧立位检查期间中的数据,可以获得这些信号所对应的趋势图(或说波形曲线)。此外,还可以测量仰卧位与站立位稳定状态下受试者的血压。受试者的脑血流速度、搏动指数、心率、血压这些信号可以采用任何合适的装置进行观察和采集,这些信号中的任意两者可以采用同一装置或不同装置进行采集。示例性而非限制性地,脑血流速度、搏动指数和心率信号可以利用经颅多普勒血流分析仪(TCD)采集,血压信号可以利用血压仪采集。
特征提取模块120用于从生理信息中提取受试者的生理特征。
在卧立位检查过程中,随着受试者体位的变化,在脑血流速度、搏动指数、心率、血压等信号中的一项或多项中会有比较明显的变化,这些变化的规律可以形成每个人的生理特征。与正常人相比,脑血流自主神经障碍患者的生理特征可能有所区别。因此,可以通过分析受试者的生理特征,获知其脑血流自主神经障碍状况。
例如,关于脑血流速度信号,可以以平均脑血流速度(CBFV)作为测试对象。可以以受试者在第一稳定时段内形成的CBFV曲线为基线。健康的成年人在由卧位到立位改变时,CBFV曲线会出现两个明显的高于基线的波形(X波和W波,本文分别称为X波段和W波段),两个波段相距的时间间隔(可以用X波峰和W波峰之间的时间间隔表示)不超过30秒。由立位到第二次卧位改变时,CBFV曲线也会出现一个或多个高于基线的波形(H波,本文称为H波段)。因此,通过分析X波段、W波段、H波段中的一项或多项的特征,例如下文所述的波形特征,可以判断受试者的脑血流自主神经障碍状况。
总的来说,健康的成年人在体位发生变化时,心率会立即升高,并在8~15秒时达到峰值后降落。受试者从卧位到立位的运动过程中,肌肉收缩引起短暂的血压升高,对应脑血流速度有短暂上升,即对应X波的上升支。此后由于血压急剧下降和压力反射调节机制的反弹,血流速度下降后上升,对应X波下降支与W波上升支,此过程同时伴随心率的急剧增加,形成了第一个心率峰(本文称为心率变化峰);受试者达到稳定的立位时,血流速度、搏动指数、心率均达到一个相对稳定的状态;受试者从立位恢复至卧位的过程中,由于神经反射调节机制,脑血流速度与心率出现波动,即对应H波与第二个心率峰。
目前,临床医生仅以W波波形为参考,考虑参数量少,不够系统和全面。根据本发明实施例,还加入搏动指数信号、心率信号和血压信号,并基于多种信号提取受试者的生理特征,进而可以获得比较系统和全面的生理特征信息。
评估模块130用于基于生理特征评估受试者的脑血流自主神经障碍状况,以获得评估结果。
可以将受试者的生理特征与正常人的生理特征进行比较,以确定受试者的脑血流自主神经障碍状况。所述比较可以包括将各项特征的值进行直接比较,判断受试者的每项特征是否落入正常人的范围。此外,所述比较还可以包括将各项特征的值输入预训练好的评估模型中进行分析,以获得下文所述的疾病信息。
示例性地,评估结果可以包括关于受试者是否存在脑血流自主神经障碍的障碍信息。例如,所述障碍信息可以包括障碍概率信息,所述障碍概率信息表示受试者存在脑血流自主神经障碍的概率。所述障碍信息还可以包括下文描述的比较结果信息。示例性地,评估结果还可以包括关于受试者是否患有预设疾病的疾病信息。预设疾病是与脑血流自主神经障碍相关的疾病,例如卒中等。评估结果包括的各种信息以及这些信息的获得方式将在下文描述。
根据本发明实施例的脑血流自主神经障碍评估装置,在受试者进行卧立位检查期间,采集受试者的脑血流速度信号、搏动指数信号、心率信号、血压信号等生理参数,通过特征提取模块从这些信号中提取受试者的生理特征,并基于该特征自动分析并评估脑血流自主神经障碍的状况。这种装置可以实现对脑血流自主神经障碍的自动化的分析,可以有效降低人工评估方式的误差。同时这种装置可以节省人的工作量,降低对临床经验和医学知识的要求,使得经验不太足的人员也能够通过该装置实现对受试者的脑血流自主神经障碍评估,从而使得装置具有更广泛的应用场景。此外,与现有的脑血流自主神经障碍评估方法相比,该装置在评估时考虑更多种生理信号,评估结果更全面和准确,更具有参考价值。
根据本发明实施例,特征提取模块包括:目标波定位子模块,用于定位生理信息中的每个预定生理信号所对应的波形曲线中的一个或多个目标波段的特征点,特征点包括对应目标波段的起始点、峰值点、结束点;波形特征计算子模块,用于基于生理信息中的各预定生理信号的特征点计算波形特征,波形特征包括每个预定生理信号所对应的每个目标波段的目标特征,目标特征包括波幅、斜率、达峰时间和宽度;其中,生理特征包括波形特征。
对于一次卧立位检查,可以获得左右两侧大脑各自的脑血流速度信号、搏动指数信号、心率信号,针对每个信号都会获得一系列离散的数据点,这样可以获取6组离散数据,分别对应6个一维信号。在本文中,用平均脑血流速度作为脑血流速度的代表,即所述脑血流速度信号可以是指平均脑血流速度信号。可选地,可以按照时间,绘制每个信号的变化趋势的示意图。参见图2,示出根据本发明一个实施例的在卧立位检查期间采集的单侧的脑血流速度信号、搏动指数信号和心率信号各自对应的波形曲线的示意图,其中,横坐标为时间,纵坐标为各个信号的信号值(也就是各个信号所对应的波形曲线的曲线值)。图2中示出的几个比较突出的波段即为目标波定位子模块所要定位的目标波段。例如,脑血流速度信号可以对应有三个目标波段,包括X波段、W波段、H波段,其中X波段和W波段出现在第一次体位变化时,两个波峰间的时间间隔不超过30秒,H波段出现在第二次体位变化时。又例如,搏动指数信号可以对应有一个目标波段,在第一次体位变化时其出现一次剧烈波动,称为PI峰(本文也称为搏动指数变化波峰)。又例如,心率信号可以对应有两个目标波段,分别在两次体位变化时心率存在剧烈波动,称为第一心率变化峰和第二心率变化峰。
对于左侧大脑的脑血流速度信号、搏动指数信号和心率信号以及右侧大脑的脑血流速度信号、搏动指数信号和心率信号这六个信号中的每一个,目标波定位子模块可以确定该信号所对应的每个目标波段的起始点、峰值点、结束点,并进而获得该信号所对应的每个目标波段的目标特征。目标特征包括波幅、斜率、达峰时间和宽度,这些特征可以作为人体的部分代表性特征。存在脑血流自主神经障碍的人与正常人相比,在至少部分目标波段的至少部分目标特征上会存在区别,因此,通过这些特征可以非常方便地识别受试者是否正常,是否有可能存在脑血流自主神经障碍。
根据本发明实施例,对于脑血流速度信号,所对应的目标波段包括X波段、W波段和H波段,X波段是包含X波峰的波段,W波段是包含W波峰的波段,H波段是包含H波峰的波段,X波峰是在第一切换时刻周围的第一预设时间范围内出现的波峰,W波峰是在第一切换时刻周围的第二预设时间范围内出现的波峰,H波峰是在第二切换时刻周围的第三预设时间范围内出现的波峰;对于搏动指数信号,所对应的目标波段包括搏动指数变化波段,搏动指数变化波段是包含搏动指数变化波峰的波段,搏动指数变化波峰是在第一切换时刻周围的第四预设时间范围内出现的波峰;对于心率信号,所对应的目标波段包括第一心率变化波段和第二心率变化波段,第一心率变化波段是包含第一心率变化波峰的波段,第二心率变化波段是包含第二心率变化波峰的波段,第一心率变化波峰是在第一切换时刻周围的第五预设时间范围内出现的波峰,第二心率变化波峰是在第二切换时刻周围的第六预设时间范围内出现的波峰。
上文已经描述了各信号的目标波段以及波峰的位置和意义,此处不赘述。
在本文的描述中,某一时刻周围的某一预设时间范围是指包含该时刻在内的具有预定时间跨度的时间范围。例如,第一切换时刻已知是第T时刻,第一预设时间范围的时间跨度预设为2△t,则第一预设时间范围可以是[T-△t+x,T+△t+x],其中,x是预设偏移量。第一预设时间范围的时间跨度2△t以及预设偏移量x均可以根据需要设定为合适的大小。示例性地,-△t≤x≤△t。比较可取的是,0≤x≤△t。其他预设时间范围可以参照第一预设时间范围理解,本文不赘述。
可选地,第一预设时间范围、第二预设时间范围、第四预设时间范围和第五预设时间范围中的任意两项可以是相同的时间范围,也可以是不同的时间范围。可选地,第三预设时间和第六预设时间范围可以是相同的时间范围,也可以是不同的时间范围。可选地,第一预设时间范围、第二预设时间范围、第三预设时间、第四预设时间范围、第五预设时间范围和第六预设时间范围中的任意两项的时间跨度可以相同,也可以不同。上述各预设时间范围的时间跨度以及它们在时间线上的具体位置均可以根据需要设定,本发明不对此进行限定。
如上所述,现有的卧立位检查结论多是临床医生根据经验给出,且仅基于W波的形态进行分析。本发明提供的识别特征除脑血流速度信号所对应的几种波段的特征以外,还包括两次体位变化时心率变化波段的特征、搏动指数变化波段的特征等,综合分析多种指标的变化,有助于得到更加详细和定量的分析结论,同时可以提高自动化评估的准确性。
根据本发明实施例,目标波定位子模块包括:第一求导单元,用于对脑血流速度信号求一阶导数和二阶导数;第一查找单元,用于在第一预设时间范围内查找脑血流速度信号中一阶导数为0的位置作为X波段的峰值点(即X波峰所在的位置),在X波段的峰值点前面查找最近的二阶导数为0的位置作为X波段的起始点,在X波段的峰值点后面查找最近的二阶导数为0的位置作为X波段的结束点;第二查找单元,用于在第二预设时间范围内查找脑血流速度信号中一阶导数为0的位置作为W波段的峰值点(即W波峰所在的位置),在W波段的峰值点前面查找最近的二阶导数为0的位置作为W波段的起始点,在W波段的峰值点后面查找最近的二阶导数为0的位置作为W波段的结束点;第三查找单元,用于在第三预设时间范围内查找脑血流速度信号中一阶导数为0的位置作为H波段的峰值点(即H波峰所在的位置),在H波段的峰值点前面查找最近的二阶导数为0的位置作为H波段的起始点,在H波段的峰值点后面查找最近的二阶导数为0的位置作为H波段的结束点。
可以理解,查找目标波段的起始点和结束点时所谓的“前面”和“后面”是指按照时间顺序在先的以及按照时间顺序在后的。
一般来说,目标波段的幅度大,差分值大,且位于体位变化时刻附近。因此,对于任一信号来说,可以首先计算其所对应的波形曲线的一阶导数和二阶导数。此外,可以设定时间阈值,在体位变换前后的一段时间(即各目标波段所对应的预设时间范围)内查找一阶导数为0且信号值最大的点为峰值点,并可以在峰值点前后查找最近的二阶导数为0的位置,以确定与该峰值点匹配的始末点。
在第一预设时间范围和第二预设时间范围相同的情况下,或者虽然第一预设时间范围和第二预设时间范围不相同但是二者存在重合时段且该重合时段将X波峰和W波峰同时包含在内,则第一查找单元和第二查找单元在查找各自需要查找的峰值点时,均有可能查找到两个峰值点,此时第一查找单元可以将在先出现的峰值点作为X波段的峰值点,第二查找单元可以将在后出现的峰值点作为W波段的峰值点。
通过求导的方式查找目标波段的特征点的方案实现简单快捷,且对特征点的定位精度高。
根据本发明实施例,目标波定位子模块包括:第二求导单元,用于对搏动指数信号求一阶导数和二阶导数;第四查找单元,用于在第四预设时间范围内查找搏动指数信号中一阶导数为0的位置作为搏动指数变化波段的峰值点(即搏动指数变化波峰所在的位置),在搏动指数变化波段的峰值点前面查找最近的二阶导数为0的位置作为搏动指数变化波段的起始点,在搏动指数变化波段的峰值点后面查找最近的二阶导数为0的位置作为搏动指数变化波段的结束点。
根据本发明实施例,目标波定位子模块包括:第三求导单元,用于对心率信号求一阶导数和二阶导数;第五查找单元,用于在第五预设时间范围内查找心率信号中一阶导数为0的位置作为第一心率变化波段的峰值点(即第一心率变化波峰所在的位置),在第一心率变化波段的峰值点前面查找最近的二阶导数为0的位置作为第一心率变化波段的起始点,在第一心率变化波段的峰值点后面查找最近的二阶导数为0的位置作为第一心率变化波段的结束点;第六查找单元,用于在第六预设时间范围内查找心率信号中一阶导数为0的位置作为第二心率变化波段的峰值点(即第二心率变化波峰所在的位置),在第二心率变化波段的峰值点前面查找最近的二阶导数为0的位置作为第二心率变化波段的起始点,在第二心率变化波段的峰值点后面查找最近的二阶导数为0的位置作为第二心率变化波段的结束点。
可以参考脑血流速度信号的目标波段的特征点的定位方式理解搏动指数信号以及心率信号的目标波段的特征点的定位方式,此处不赘述。
根据本发明实施例,装置还包括:定位信息接收模块,用于接收位置指示信息,位置指示信息用于指示待修改目标波段的起始点和结束点各自所在的位置,待修改目标波段是生理信息中的任一预定生理信号所对应的波形曲线中的任一目标波段;目标波定位子模块还包括:第一定位单元,用于基于位置指示信息确定待修改目标波段的起始点和结束点,以获得最终始末信息,并基于最终始末信息确定待修改目标波段的峰值点,以获得最终峰值信息。
对于任一目标波段来说,其特征点可以完全由脑血流自主神经障碍评估装置自己自动定位,也可以由用户手动输入位置指示信息指定其至少部分特征点的位置,还可以首先由脑血流自主神经障碍评估装置自己自动定位之后输出定位结果,用户查看之后如果认为定位的不正确,则可以再手动输入至少部分特征点的位置信息进行修正。示例性地,用户可以使用诸如两线测量法进行手动测量,确定待修改目标波段的始末点位置。随后,可以由脑血流自主神经障碍评估装置自动计算该目标波段的峰值点位置,并记录始末点及峰值点的信号值与对应的时刻。当然,可选地,用户也可以直接输入待修改目标波段的起始点、峰值点、结束点这三者所在的位置。
上述方案允许用户对目标波段的特征点进行主动定位或定位修正,有助于提高特征点定位的准确性。
根据本发明实施例,目标波定位子模块包括:第二定位单元,用于在定位信息接收模块接收位置指示信息之前,自动定位待修改目标波段的起始点、峰值点、结束点,以获得与所定位的起始点、峰值点、结束点相关的初始位置信息;定位更新单元,用于在第一定位单元基于位置指示信息确定待修改目标波段的起始点和结束点,以获得最终始末信息,并基于最终始末信息确定待修改目标波段的峰值点,以获得最终峰值信息之后,基于最终始末信息和最终峰值信息对初始位置信息进行更新;装置还包括:第一输出模块,用于在第二定位单元自动定位待修改目标波段的起始点、峰值点、结束点,以获得与所定位的起始点、峰值点、结束点相关的初始位置信息之后,输出初始位置信息。
如上所述,可以首先由脑血流自主神经障碍评估装置自己自动定位之后输出定位结果,用户查看之后如果认为定位的不正确,则可以再手动输入至少部分特征点的位置信息进行修正。这种方案可以在保留用户修改权限的基础上降低用户工作量,用户体验更好。
根据本发明实施例,波形特征计算子模块具体用于通过以下公式计算任一目标波段的目标特征:
波幅=(峰值-起始值)/起始值
斜率=(峰值-起始值)/(峰值点对应时刻-起始点对应时刻)
达峰时间=峰值点对应时刻-起始点对应时刻
宽度=结束点对应时刻-起始点对应时刻;
其中,峰值是峰值点所对应的曲线值,起始值是起始点所对应的曲线值,结束值是结束点所对应的曲线值。
可以理解,对于脑血流速度信号来说,曲线值是指脑血流速度值;对于搏动指数信号来说,曲线值是指搏动指数值;对于心率信号来说,曲线值是指心率值。
如上所述,脑血流速度信号中可以存在3个目标波段,搏动指数信号中可以存在1个目标波段,心率信号中可以存在2个目标波段,每个目标波段包括波幅、达峰时间、宽度、斜率4个特征。其中,斜率主要是指的目标波段的上升支斜率。也就是说,单侧大脑所对应的目标特征是24个,双侧大脑就是48个。此外,还可以可选地包括W波段与第一个心率变化波段之间的时相差、H波段与第二个心率变化波段之间的时相差、立位血压变化率。这样共计51个特征,这些特征组成受试者的生理特征。但是以上描述的生理特征中包含的特征的数目和类型仅是示例而非对本发明的限制,生理特征中包含的特征的数目和类型可以进一步增加或者删减。
根据本发明实施例,波形特征还包括至少一组目标波段各自对应的时相差,至少一组目标波段中的任一组目标波段所对应的时相差是指该组目标波段所包括的两个目标波段之间的时相差,其中,至少一组目标波段中的任一组目标波段所包括的两个目标波段来自不同的预定生理信号或者来自同一预定生理信号;
波形特征计算子模块具体用于通过以下公式计算任一组目标波段所对应的时相差:
时相差=第一峰值点对应时刻-第二峰值点对应时刻;
其中,第一峰值点对应时刻是所计算的当前组目标波段中的第一个目标波段的峰值点所对应的时刻,第二峰值点对应时刻是所计算的当前组目标波段中的第二目标波段中的峰值点所对应的时刻。
任意两个目标波段可以组成一组目标波段,可以计算每组目标波段所对应的时相差。任一组目标波段所对应的时相差是指该组目标波段所包括的两个目标波段之间的时相差。两个目标波段之间的时相差可以用这两个目标波段的峰值点之间的时相差来表示。
根据本发明实施例,至少一组目标波段包括第一组目标波段和第二组目标波段,第一组目标波段包括W波段和第一心率变化波段,第二组目标波段包括H波段和第二心率变化波段。
对于第一组目标波段来说,时相差=W波峰对应时刻-第一心率峰对应时刻,其中,所述W波峰对应时刻是所述W波峰所对应的时刻,所述第一心率峰对应时刻是所述第一心率变化波峰所对应的时刻。
对于第二组目标波段来说,时相差=H波峰对应时刻-第二心率峰对应时刻,其中,所述H波峰对应时刻是所述H波峰所对应的时刻,所述第二心率峰对应时刻是所述第二心率变化波峰所对应的时刻。
正常人的W波峰和第一心率变化波峰之间的时间间隔不会太远,因此,可以通过W波峰和第一心率变化波峰之间的时相差来判断受试者是否正常,是否可能存在脑血流自主神经障碍。H波峰和第二心率变化波峰之间的时相差是类似的原理,此处不再赘述。
可选地,还可以附加其他目标波段之间的时相差判断,例如可以计算X波段和W波段之间的时相差,判断是否大于30秒。如上所述,正常人一般在30秒内。因此,可以通过该时相差判断受试者是否正常,是否可能存在脑血流自主神经障碍。
根据本发明实施例,血压信号包括在第一稳定时段内采集的初始卧位血压和在第二稳定时段内采集的立位血压,特征提取模块包括:血压特征计算子模块,用于通过以下公式计算血压特征:立位血压变化率=(立位血压-初始卧位血压)/初始卧位血压;其中,生理特征包括血压特征。
血压特征包括立位血压变化率。由于人身体的自我调节功能,正常人仰卧位的血压和站立位的血压相差不大,如果受试者站起来之后血压下降明显,则其有可能患有低血压。因此,立位血压变化率可以作为脑血流自主神经障碍的一项辅助性判断依据。
根据本发明实施例,在生理信息中,每个预定生理信号用离散的数据表示,装置还包括:曲线拟合模块,用于在特征提取模块从生理信息中提取受试者的生理特征之前,将生理信息中的每个预定生理信号所对应的离散数据拟合为连续曲线;去噪模块,用于在特征提取模块从生理信息中提取受试者的生理特征之前,通过滤波方式将生理信息中的每个预定生理信号所对应的连续曲线中的高频干扰去除。
在进行正式的特征提取之前,可以对各预定生理信号进行一项或多项预处理。例如,生理信息采集装置采集到的信号是用一系列离散的数据点表示的,可以将这些离散数据拟合成连续曲线。此外,在生理信号采集的过程中,获取的信号一般无法如图2所示一样理想,拟合后的曲线可能会出现微弱的波动。与目标波段的波形相比,这些无效波动一般幅度比较小,频率比较高,因此可以采用滤波方式对信号进行去噪。可选地,可以采用任何合适的现有或将来可能出现的滤波方式进行去噪,包括但不限于均值滤波等。通过预处理,可以获得有效信息更清晰的连续的波形曲线,这有助于后续更快更准确地提取所需的特征。
根据本发明实施例,评估模块包括:比较子模块,用于对于生理特征中的一项或多项待比较特征中的每一项,将该待比较特征的值与对应正常特征的值相比较,对应正常特征是预设正常生理特征中的与该待比较特征类型一致的正常特征;描述子模块,用于至少根据一项或多项待比较特征的比较结果生成比较结果信息,评估结果包括比较结果信息。
示例性地,所述对应正常特征的值可以是一个取值范围。例如,对于脑血流速度信号中的X波段的宽度这一特征来说,其对于正常人来说取值范围是例如[10,20],单位是秒,那么如果检查发现受试者的X波段的宽度是30秒,说明其在正常取值范围之外,此时可以认为受试者的这一特征不正常。
可选地,针对生理特征中的任意一项或多项待比较特征中的每一项,可以生成对应的比较结果信息。所述比较结果信息可以是描述性词条,即可以是用于表示待比较特征与对应正常特征之间的比较结果的语言信息。例如,如果发现受试者的X波段的宽度正常,可以在该特征所对应的存储位置存储(或者在该特征所对应的显示位置显示)“正常”这样的描述性词语,当然在正常时也可以不生成任何信息或者生成其他默认信息作为比较结果信息。反之,如果发现受试者的X波段的宽度大于正常人的X波段的宽度的上限,可以在该特征所对应的存储位置存储(或者在该特征所对应的显示位置显示)“过宽”这样的描述性词语,当然,还可以进一步存储(或显示)X波段的宽度比正常人的X波段的宽度的上限大多少这样的信息作为比较结果信息。
可选地,比较结果信息可以存储在本地。可选地,比较结果信息还可以输出至脑血流自主神经障碍评估装置(或系统)的显示装置以在显示装置上显示,进而供用户查看。可选地,比较结果信息还可以输出至远程设备。所述远程设备可以是例如与脑血流自主神经障碍评估装置(或系统)不同的其他设备,该设备可以是例如个人计算机、移动终端、服务器等。
根据本发明实施例,评估模块还包括:查找子模块,用于在比较子模块将该待比较特征的值与对应正常特征的值相比较之前,从特征存储数据库中查找与受试者的身体条件匹配的已知生理特征作为预设正常生理特征,其中,特征存储数据库用于存储与一组或多组已知身体条件一一对应的已知生理特征,一组或多组已知身体条件一一对应地属于一个或多个正常人,身体条件包括以下一项或多项:年龄、性别。
身体条件包括年龄和/或性别仅是示例而非对本发明的限制,身体条件还可以包含其他条件,例如身高、体重、病史等中的一项或多项。
可以预先收集若干正常人中每个正常人的各项生理特征的数值,并将收集到的已知生理特征存储在数据库中。随后,可以从数据库中查找与受试者的身体条件匹配的正常人的已知生理特征。这样,就可以获知该身体条件下正常人的生理特征应该是多少,进而将受试者的生理特征与已知生理特征进行对比,发现异常即可以记录和/或输出,并可以基于这些异常的特征分析受试者的脑血流自主神经障碍状况。
根据本发明实施例,评估模块还包括:接收子模块,用于在比较子模块将该待比较特征的值与对应正常特征的值相比较之前,接收用户输入的预设正常生理特征。
可选地,可以由用户直接输入预设正常生理特征中的每项特征的值,即由用户输入正常人的各项特征的值应该是多少。随后,可以将受试者的一项或多项待比较特征的值与用户输入的对应正常特征的值进行比较。这种方案允许用户与脑血流自主神经障碍评估装置进行交互,便于用户根据需要自行设定或调整预设正常生理特征的值。
根据本发明实施例,评估模块包括:患病评估子模块,用于利用预训练好的评估模型对生理特征进行分析,以获得疾病信息,疾病信息包括与一种或多种预设疾病一一对应的患病概率信息,患病障碍信息表示受试者患有对应的预设疾病的概率,评估结果包括疾病信息。
预设疾病是与脑血流自主神经障碍相关的疾病,包括但不限于卒中、帕金森病、多系统萎缩、糖尿病性低血压、淀粉样变性等等。
将提取的生理特征输入预训练好的评估模型中,可以同时分析脑血流速度、搏动指数、血压、心率等多种生理信号的特征。评估模型可以采用任何合适的现有或将来可能出现的机器学习模型实现,包括但不限于:决策树、神经网络、支持向量机(SVM)、极端梯度提升(xgboost)模型等。
评估模型可以输出与一种或多种预设疾病一一对应的患病概率信息,每种患病概率信息表示受试者患有对应疾病的概率是多少。可选地,评估模型还可以基于生理特征进行分析,并输出障碍概率信息,所述障碍概率信息表示受试者存在脑血流自主神经障碍的概率。
如上所述,目前通过人工方式进行脑血流自主神经障碍评估,这种评估方式仅能做出定性的诊断结论,而且受主观影响较大。采用本发明实施例的评估装置,可以避免人工结论的主观影响,有助于获得更有参考价值的诊断结论。此外,采用评估模块,结合评估模型或上述特征比较方法,可以获得更准确的定量诊断结论,例如患病概率信息等。通过上述方案,可以对受试者可能的患病情况进行预警,辅助医生进行诊断。
根据本发明实施例,评估模块还包括:特征加工子模块,用于在患病评估子模块利用预训练好的评估模型对生理特征进行分析之前,对生理特征进行特征加工,以获得加工特征;患病评估子模块具体用于将加工特征输入评估模型,以获得评估模型输出的疾病信息。
特征加工可以理解为特征的预处理。例如,可以将生理特征中的一项或多项特征处理为合格的格式之后再进行后续处理。又例如,可以将生理特征与其他数据进一步结合之后获得加工特征。又例如,可以将生理特征中的一些特征进行一定的运算(例如加权求和)之后获得加工特征。
根据本发明实施例,特征加工子模块包括:信息转化单元,用于将受试者的身体条件信息转化为数值形式,以获得身体数据,身体条件信息包括以下一项或多项:年龄、性别;归一化处理单元,用于将生理特征以及身体数据进行归一化处理,以获得加工特征。
特征加工可以包括:将非数值型的身体条件信息转化为数值型,将计算得到的各项特征的值以及数值型的身体条件信息进行归一化处理。归一化处理可以是例如将各项参数的取值各自归一化到[0,1]的范围内。不同的身体条件信息可以影响生理特征的特点,因此在评估模型进行分析的过程中,加入身体条件信息有助于获得更准确的评估结果。
根据本发明实施例,装置还包括:标识信息接收模块,用于接收受试者的标识信息,标识信息包括以下一项或多项:姓名、性别、年龄、病史、身份证号码、就诊卡号。
可选地,可以由用户输入受试者的标识信息。标识信息中可以包括上述身体条件信息,便于进行与身体条件信息相关的处理。此外,还可以将脑血流自主神经障碍评估过程中涉及的各项数据与受试者的标识信息关联在一起,这样便于数据的存储、传输等各项操作,也便于后续调阅查看受试者的历史数据。脑血流自主神经障碍评估过程中涉及的各项数据包括但不限于受试者的生理信息、生理特征以及评估结果中的一项或多项。
根据本发明实施例,装置还包括:第二输出模块,用于输出受试者的标识信息、生理信息以及评估结果中的一项或多项,其中,标识信息包括以下一项或多项:姓名、性别、年龄、病史、身份证号码、就诊卡号。
第二输出模块可以将受试者的标识信息、生理信息以及评估结果中的一项或多项输出至上文描述的远程设备,也可以将这些信息输出至脑血流自主神经障碍评估装置(或系统)的显示装置以在显示装置上显示,进而供用户查看。
根据本发明实施例,装置还包括:存储模块,用于存储受试者的标识信息、生理信息以及评估结果中的一项或多项,其中,标识信息包括以下一项或多项:姓名、性别、年龄、病史、身份证号码、就诊卡号。
可以通过任何存储装置和/或存储方式存储受试者的标识信息、生理信息以及评估结果中的一项或多项。
根据本发明另一方面,提供一种脑血流自主神经障碍评估系统。图3示出了根据本发明一个实施例的脑血流自主神经障碍评估系统300的示意性框图。脑血流自主神经障碍评估系统300包括生理信息采集装置310、处理器320和存储器330。
所述处理器320可以采用数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、微处理器中的至少一种硬件形式来实现,所述处理器320可以是中央处理单元(CPU)、图像处理器(GPU)、专用的集成电路(ASIC)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元中的一种或几种的组合,并且可以控制所述脑血流自主神经障碍评估系统300中的其它组件以执行期望的功能。
所述存储器330可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器320可以运行所述程序指令,以实现下文所述的本发明实施例中(由处理器实现)的功能以及/或者其它期望的功能。在所述计算机可读存储介质中还可以存储各种应用程序和各种数据,例如所述应用程序使用和/或产生的各种数据等。
生理信息采集装置310用于采集受试者在卧立位检查期间的生理信息,其中,卧立位检查包括:受试者在第一稳定时段内保持仰卧位,从第一切换时刻开始从仰卧位切换成站立位,在第二稳定时段内保持站立位,从第二切换时刻开始从站立位切换成仰卧位,并在第三稳定时段内保持仰卧位,生理信息包括:血压信号以及左侧大脑和右侧大脑各自的预定生理信号,预定生理信号包括脑血流速度信号、搏动指数信号和心率信号。
所述存储器330存储有计算机程序指令,所述处理器320用于运行所述存储器330中存储的计算机程序指令,以执行以下步骤:
自生理信息采集装置接收生理信息;
从生理信息中提取受试者的生理特征;
基于生理特征评估受试者的脑血流自主神经障碍状况,以获得评估结果。
根据本发明实施例,计算机程序指令被处理器320运行时所用于执行的从生理信息中提取受试者的生理特征的步骤包括:定位生理信息中的每个预定生理信号所对应的波形曲线中的一个或多个目标波段的特征点,特征点包括对应目标波段的起始点、峰值点、结束点;基于生理信息中的各预定生理信号的特征点计算波形特征,波形特征包括每个预定生理信号所对应的每个目标波段的目标特征,目标特征包括波幅、斜率、达峰时间和宽度;其中,生理特征包括波形特征。
根据本发明实施例,对于脑血流速度信号,所对应的目标波段包括X波段、W波段和H波段,X波段是包含X波峰的波段,W波段是包含W波峰的波段,H波段是包含H波峰的波段,X波峰是在第一切换时刻周围的第一预设时间范围内出现的波峰,W波峰是在第一切换时刻周围的第二预设时间范围内出现的波峰,H波峰是在第二切换时刻周围的第三预设时间范围内出现的波峰;对于搏动指数信号,所对应的目标波段包括搏动指数变化波段,搏动指数变化波段是包含搏动指数变化波峰的波段,搏动指数变化波峰是在第一切换时刻周围的第四预设时间范围内出现的波峰;对于心率信号,所对应的目标波段包括第一心率变化波段和第二心率变化波段,第一心率变化波段是包含第一心率变化波峰的波段,第二心率变化波段是包含第二心率变化波峰的波段,第一心率变化波峰是在第一切换时刻周围的第五预设时间范围内出现的波峰,第二心率变化波峰是在第二切换时刻周围的第六预设时间范围内出现的波峰。
根据本发明实施例,计算机程序指令被处理器320运行时所用于执行的定位生理信息中的每个预定生理信号所对应的波形曲线中的一个或多个目标波段的特征点的步骤包括:对脑血流速度信号求一阶导数和二阶导数;在第一预设时间范围内查找脑血流速度信号中一阶导数为0的位置作为X波段的峰值点,在X波段的峰值点前面查找最近的二阶导数为0的位置作为X波段的起始点,在X波段的峰值点后面查找最近的二阶导数为0的位置作为X波段的结束点;在第二预设时间范围内查找脑血流速度信号中一阶导数为0的位置作为W波段的峰值点,在W波段的峰值点前面查找最近的二阶导数为0的位置作为W波段的起始点,在W波段的峰值点后面查找最近的二阶导数为0的位置作为W波段的结束点;在第三预设时间范围内查找脑血流速度信号中一阶导数为0的位置作为H波段的峰值点,在H波段的峰值点前面查找最近的二阶导数为0的位置作为H波段的起始点,在H波段的峰值点后面查找最近的二阶导数为0的位置作为H波段的结束点。
根据本发明实施例,计算机程序指令被处理器320运行时所用于执行的定位生理信息中的每个预定生理信号所对应的波形曲线中的一个或多个目标波段的特征点的步骤包括:对搏动指数信号求一阶导数和二阶导数;在第四预设时间范围内查找搏动指数信号中一阶导数为0的位置作为搏动指数变化波段的峰值点,在搏动指数变化波段的峰值点前面查找最近的二阶导数为0的位置作为搏动指数变化波段的起始点,在搏动指数变化波段的峰值点后面查找最近的二阶导数为0的位置作为搏动指数变化波段的结束点。
根据本发明实施例,计算机程序指令被处理器320运行时所用于执行的定位生理信息中的每个预定生理信号所对应的波形曲线中的一个或多个目标波段的特征点的步骤包括:对心率信号求一阶导数和二阶导数;在第五预设时间范围内查找心率信号中一阶导数为0的位置作为第一心率变化波段的峰值点,在第一心率变化波段的峰值点前面查找最近的二阶导数为0的位置作为第一心率变化波段的起始点,在第一心率变化波段的峰值点后面查找最近的二阶导数为0的位置作为第一心率变化波段的结束点;在第六预设时间范围内查找心率信号中一阶导数为0的位置作为第二心率变化波段的峰值点,在第二心率变化波段的峰值点前面查找最近的二阶导数为0的位置作为第二心率变化波段的起始点,在第二心率变化波段的峰值点后面查找最近的二阶导数为0的位置作为第二心率变化波段的结束点。
根据本发明实施例,计算机程序指令被处理器320运行时还用于执行以下步骤:接收位置指示信息,位置指示信息用于指示待修改目标波段的起始点和结束点各自所在的位置,待修改目标波段是生理信息中的任一预定生理信号所对应的波形曲线中的任一目标波段;计算机程序指令被处理器320运行时所用于执行的定位生理信息中的每个预定生理信号所对应的波形曲线中的一个或多个目标波段的特征点的步骤包括:基于位置指示信息确定待修改目标波段的起始点和结束点,以获得最终始末信息,并基于最终始末信息确定待修改目标波段的峰值点,以获得最终峰值信息。
根据本发明实施例,在计算机程序指令被处理器320运行时所用于执行的接收位置指示信息的步骤之前,计算机程序指令被处理器320运行时所用于执行的定位生理信息中的每个预定生理信号所对应的波形曲线中的一个或多个目标波段的特征点的步骤还包括:自动定位待修改目标波段的起始点、峰值点、结束点,以获得与所定位的起始点、峰值点、结束点相关的初始位置信息;在计算机程序指令被处理器320运行时所用于执行的基于位置指示信息确定待修改目标波段的起始点和结束点,以获得最终始末信息,并基于最终始末信息确定待修改目标波段的峰值点,以获得最终峰值信息的步骤之后,计算机程序指令被处理器320运行时所用于执行的定位生理信息中的每个预定生理信号所对应的波形曲线中的一个或多个目标波段的特征点的步骤还包括:基于最终始末信息和最终峰值信息对初始位置信息进行更新;在计算机程序指令被处理器320运行时所用于执行的自动定位待修改目标波段的起始点、峰值点、结束点,以获得与所定位的起始点、峰值点、结束点相关的初始位置信息的步骤之后,计算机程序指令被处理器320运行时还用于执行以下步骤:输出初始位置信息。
根据本发明实施例,计算机程序指令被处理器320运行时所用于执行的基于生理信息中的各预定生理信号的特征点计算波形特征的步骤包括:
通过以下公式计算任一目标波段的目标特征:
波幅=(峰值-起始值)/起始值
斜率=(峰值-起始值)/(峰值点对应时刻-起始点对应时刻)
达峰时间=峰值点对应时刻-起始点对应时刻
宽度=结束点对应时刻-起始点对应时刻;
其中,峰值是峰值点所对应的曲线值,起始值是起始点所对应的曲线值,结束值是结束点所对应的曲线值。
根据本发明实施例,波形特征还包括至少一组目标波段各自对应的时相差,至少一组目标波段中的任一组目标波段所对应的时相差是指该组目标波段所包括的两个目标波段之间的时相差,其中,至少一组目标波段中的任一组目标波段所包括的两个目标波段来自不同的预定生理信号或者来自同一预定生理信号;
计算机程序指令被处理器320运行时所用于执行的基于生理信息中的各预定生理信号的特征点计算波形特征的步骤包括:
通过以下公式计算任一组目标波段所对应的时相差:
时相差=第一峰值点对应时刻-第二峰值点对应时刻;
其中,第一峰值点对应时刻是所计算的当前组目标波段中的第一个目标波段的峰值点所对应的时刻,第二峰值点对应时刻是所计算的当前组目标波段中的第二目标波段中的峰值点所对应的时刻。
根据本发明实施例,至少一组目标波段包括第一组目标波段和第二组目标波段,第一组目标波段包括W波段和第一心率变化波段,第二组目标波段包括H波段和第二心率变化波段。
根据本发明实施例,血压信号包括在第一稳定时段内采集的初始卧位血压和在第二稳定时段内采集的立位血压,计算机程序指令被处理器320运行时所用于执行的从生理信息中提取受试者的生理特征的步骤包括:
通过以下公式计算血压特征:
立位血压变化率=(立位血压-初始卧位血压)/初始卧位血压;
其中,生理特征包括血压特征。
根据本发明实施例,在生理信息中,每个预定生理信号用离散的数据表示,在计算机程序指令被处理器320运行时所用于执行的从生理信息中提取受试者的生理特征的步骤之前,计算机程序指令被处理器320运行时还用于执行以下步骤:将生理信息中的每个预定生理信号所对应的离散数据拟合为连续曲线;通过滤波方式将生理信息中的每个预定生理信号所对应的连续曲线中的高频干扰去除。
根据本发明实施例,计算机程序指令被处理器320运行时所用于执行的基于生理特征评估受试者的脑血流自主神经障碍状况,以获得评估结果的步骤包括:对于生理特征中的一项或多项待比较特征中的每一项,将该待比较特征的值与对应正常特征的值相比较,对应正常特征是预设正常生理特征中的与该待比较特征类型一致的正常特征;至少根据一项或多项待比较特征的比较结果生成比较结果信息,评估结果包括比较结果信息。
根据本发明实施例,在计算机程序指令被处理器320运行时所用于执行的对于生理特征中的一项或多项待比较特征中的每一项,将该待比较特征的值与对应正常特征的值相比较的步骤之前,计算机程序指令被处理器320运行时所用于执行的基于生理特征评估受试者的脑血流自主神经障碍状况,以获得评估结果的步骤还包括:从特征存储数据库中查找与受试者的身体条件匹配的已知生理特征作为预设正常生理特征,其中,特征存储数据库用于存储与一组或多组已知身体条件一一对应的已知生理特征,一组或多组已知身体条件一一对应地属于一个或多个正常人,身体条件包括以下一项或多项:年龄、性别。
根据本发明实施例,在计算机程序指令被处理器320运行时所用于执行的对于生理特征中的一项或多项待比较特征中的每一项,将该待比较特征的值与对应正常特征的值相比较的步骤之前,计算机程序指令被处理器320运行时所用于执行的基于生理特征评估受试者的脑血流自主神经障碍状况,以获得评估结果的步骤还包括:接收用户输入的预设正常生理特征。
根据本发明实施例,系统300还可以包括:第一输入装置,用于接收用户输入的交互信息,交互信息包括预设正常生理特征。
图4示出了根据本发明另一个实施例的脑血流自主神经障碍评估系统400的示意性框图。图4中的生理信息采集装置410、处理器420和存储器430分别与上述生理信息采集装置310、处理器320和存储器330的功能和结构一致,不再赘述。图4还示出了输入装置440。输入装置440的数目可以是一个或多个,第一输入装置可以是其中之一。
第一输入装置可以采用任何合适的现有或将来可能出现的能够与用户交互以接收用户输入信息的装置实现,包括但不限于键盘、鼠标、触摸屏、麦克风等中的一种或多种。
根据本发明实施例,计算机程序指令被处理器320运行时所用于执行的基于生理特征评估受试者的脑血流自主神经障碍状况,以获得评估结果的步骤包括:利用预训练好的评估模型对生理特征进行分析,以获得疾病信息,疾病信息包括与一种或多种预设疾病一一对应的患病概率信息,患病障碍信息表示受试者患有对应的预设疾病的概率,评估结果包括疾病信息。
根据本发明实施例,在计算机程序指令被处理器320运行时所用于执行的利用预训练好的评估模型对生理特征进行分析的步骤之前,计算机程序指令被处理器320运行时所用于执行的基于生理特征评估受试者的脑血流自主神经障碍状况,以获得评估结果的步骤还包括:对生理特征进行特征加工,以获得加工特征;计算机程序指令被处理器320运行时所用于执行的利用预训练好的评估模型对生理特征进行分析,以获得疾病信息的步骤包括:将加工特征输入评估模型,以获得评估模型输出的疾病信息。
根据本发明实施例,计算机程序指令被处理器320运行时所用于执行的对生理特征进行特征加工,以获得加工特征的步骤包括:将受试者的身体条件信息转化为数值形式,以获得身体数据,身体条件信息包括以下一项或多项:年龄、性别;将生理特征以及身体数据进行归一化处理,以获得加工特征。
根据本发明实施例,系统300还包括:第二输入装置,用于接收用户输入的交互信息,交互信息包括受试者的标识信息,标识信息包括以下一项或多项:姓名、性别、年龄、病史、身份证号码、就诊卡号。
第二输入装置也可以参考图4所示的输入装置440理解。
第二输入装置与上述第一输入装置可以采用同一输入装置实现,也可以采用不同的输入装置实现。第二输入装置可以采用任何合适的现有或将来可能出现的能够与用户交互以接收用户输入信息的装置实现,包括但不限于键盘、鼠标、触摸屏、麦克风等中的一种或多种。
根据本发明实施例,系统300还包括:输出装置,用于输出受试者的标识信息、生理信息以及评估结果中的一项或多项,其中,标识信息包括以下一项或多项:姓名、性别、年龄、病史、身份证号码、就诊卡号。
参见图4,示出输出装置450。输出装置可以采用任何合适的现有或将来可能出现的能够实现数据传输的装置实现,其可以包括例如有线通信接口和/或无线通信接口等。所述有线通信接口可以包括例如以太网接口、通用串行总线(USB)接口、控制器局域网络(CAN)接口等中的一种或多种。所述无线通信接口可以包括例如蓝牙接口、WiFi接口、红外数据传输接口等。
示例性地,输出装置还可以包括显示装置和/或扬声器等。输出装置可以将标识信息、生理信息以及评估结果中的一项或多项通过音频、视频、文字、图像等形式中的一种或多种输出,以供用户查看。
输出装置可以将出受试者的标识信息、生理信息以及评估结果中的一项或多项输出至本地的存储装置或存储器330中进行存储,或者输出至本地或远程的显示装置进行显示,或者输出至远程设备(参见上文描述)。
根据本发明实施例,系统300还包括:显示装置,用于显示受试者的标识信息、生理信息以及评估结果中的一项或多项,其中,标识信息包括以下一项或多项:姓名、性别、年龄、病史、身份证号码、就诊卡号,其中,生理信息以趋势图形式显示,趋势图的横坐标表示时间,纵坐标表示对应信号的值。
参见图4,示出显示装置460。显示装置可以采用任何现有或将来可能出现的显示设备实现,包括但不限于单独的液晶显示器、移动终端(诸如智能手机、平板电脑等)上的显示屏等。
上述输入装置(可以包括第一输入装置和/或第二输入装置)、显示装置和输出装置中的任意两者或三者可以采用同一交互装置(例如触摸屏)实现。
根据本发明实施例,系统300还包括:存储装置,用于存储受试者的标识信息、生理信息以及评估结果中的一项或多项,其中,标识信息包括以下一项或多项:姓名、性别、年龄、病史、身份证号码、就诊卡号。
本实施例中的存储装置与上述存储器330可以集成在一起,即是同一装置。存储装置与上述存储器330也可以各自采用不同的装置实现。所述存储装置可以参考存储器330或430加以理解。
在图3或4中,各种装置或组件之间可以通过总线系统和/或其它形式的连接机构(未示出)互连,进而实现彼此之间的通信。
根据本发明实施例,生理信息采集装置310包括经颅多普勒血流分析仪和血压仪,经颅多普勒血流分析仪用于采集左侧大脑和右侧大脑各自的预定生理信号;血压仪用于采集血压信号。
经颅多普勒血流分析仪可以具有两个探头,这样可以实现对左右两侧大脑血管信号的同时监测。示例性地,经颅多普勒血流分析仪的探头可以采用频率为2兆赫兹的探头实现。示例性地,在卧立位检查过程中,可以使用经颅多普勒血流分析仪的两个探头分别记录左右两侧大脑中动脉50~60毫米深度处的平均脑血流速度。
根据本发明实施例,系统300还包括:可佩戴式探头架,用于固定经颅多普勒血流分析仪的左右探头,在受试者佩戴可佩戴式探头架的情况下,左右探头分别固定在受试者左侧大脑的指定位置和右侧大脑的指定位置。
示例性地,可佩戴式探头架(简称为探头架)上可以设置有用于固定经颅多普勒血流分析仪的两个探头的固定件或者固定槽等。在卧立位检查之前,可以首先要求受试者佩戴探头架,然后在探头架上通过固定件或者固定槽等部件分别固定住左侧和右侧的探头,从而使得两个探头分别固定在受试者左侧大脑的指定位置和右侧大脑的指定位置。通过探头架可以保证卧立位检查过程中经颅多普勒血流分析仪的探头能够被锁紧,避免探头移动产生图像改变,进而影响评估结果的准确性。
根据本发明另一方面,提供一种存储介质,在所述存储介质上存储了程序指令,在所述程序指令被计算机或处理器运行时用于实现根据本发明实施例的脑血流自主神经障碍评估装置100中的相应模块。
在一个实施例中,程序指令在运行时用于执行以下步骤:接收受试者在卧立位检查期间的生理信息,其中,卧立位检查包括:受试者在第一稳定时段内保持仰卧位,从第一切换时刻开始从仰卧位切换成站立位,在第二稳定时段内保持站立位,从第二切换时刻开始从站立位切换成仰卧位,并在第三稳定时段内保持仰卧位,生理信息包括:血压信号以及左侧大脑和右侧大脑各自的预定生理信号,预定生理信号包括脑血流速度信号、搏动指数信号和心率信号;从生理信息中提取受试者的生理特征;基于生理特征评估受试者的脑血流自主神经障碍状况,以获得评估结果。
所述存储介质例如可以包括智能电话的存储卡、平板电脑的存储部件、个人计算机的硬盘、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器、或者上述存储介质的任意组合。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
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,可以通过其它的方式实现。例如,以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,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,例如多个单元或组件可以结合或者可以集成到另一个设备,或一些特征可以忽略,或不执行。
类似地,应当理解,为了精简本发明并帮助理解各个发明方面中的一个或多个,在对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该本发明的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如相应的权利要求书所反映的那样,其发明点在于可以用少于某个公开的单个实施例的所有特征的特征来解决相应的技术问题。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域的技术人员可以理解,除了特征之间相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的脑血流自主神经障碍评估装置或系统中的一些模块的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
以上所述,仅为本发明的具体实施方式或对具体实施方式的说明,本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。本发明的保护范围应以权利要求的保护范围为准。
Claims (45)
1.一种脑血流自主神经障碍评估装置,包括:
生理信息接收模块,用于接收受试者在卧立位检查期间的生理信息,其中,所述卧立位检查包括:所述受试者在第一稳定时段内保持仰卧位,从第一切换时刻开始从仰卧位切换成站立位,在第二稳定时段内保持站立位,从第二切换时刻开始从站立位切换成仰卧位,并在第三稳定时段内保持仰卧位,所述生理信息包括:血压信号以及左侧大脑和右侧大脑各自的预定生理信号,所述预定生理信号包括脑血流速度信号、搏动指数信号和心率信号;
特征提取模块,用于从所述生理信息中提取所述受试者的生理特征;
评估模块,用于基于所述生理特征评估所述受试者的脑血流自主神经障碍状况,以获得评估结果;
其中,所述特征提取模块包括:
目标波定位子模块,用于定位所述生理信息中的每个预定生理信号所对应的波形曲线中的一个或多个目标波段的特征点,所述特征点包括对应目标波段的起始点、峰值点、结束点;
波形特征计算子模块,用于基于所述生理信息中的各预定生理信号的特征点计算波形特征,所述波形特征包括每个预定生理信号所对应的每个目标波段的目标特征,所述目标特征包括波幅、斜率、达峰时间和宽度;
其中,所述生理特征包括所述波形特征;
其中,
对于所述脑血流速度信号,所对应的目标波段包括X波段、W波段和H波段,所述X波段是包含X波峰的波段,所述W波段是包含W波峰的波段,所述H波段是包含H波峰的波段,所述X波峰是在所述第一切换时刻周围的第一预设时间范围内出现的波峰,所述W波峰是在所述第一切换时刻周围的第二预设时间范围内出现的波峰,所述H波峰是在所述第二切换时刻周围的第三预设时间范围内出现的波峰;
对于所述搏动指数信号,所对应的目标波段包括搏动指数变化波段,所述搏动指数变化波段是包含搏动指数变化波峰的波段,所述搏动指数变化波峰是在所述第一切换时刻周围的第四预设时间范围内出现的波峰;
对于所述心率信号,所对应的目标波段包括第一心率变化波段和第二心率变化波段,所述第一心率变化波段是包含第一心率变化波峰的波段,所述第二心率变化波段是包含第二心率变化波峰的波段,所述第一心率变化波峰是在所述第一切换时刻周围的第五预设时间范围内出现的波峰,所述第二心率变化波峰是在所述第二切换时刻周围的第六预设时间范围内出现的波峰。
2.根据权利要求1所述的装置,其中,所述目标波定位子模块包括:
第一求导单元,用于对所述脑血流速度信号求一阶导数和二阶导数;
第一查找单元,用于在所述第一预设时间范围内查找所述脑血流速度信号中一阶导数为0的位置作为所述X波段的峰值点,在所述X波段的峰值点前面查找最近的二阶导数为0的位置作为所述X波段的起始点,在所述X波段的峰值点后面查找最近的二阶导数为0的位置作为所述X波段的结束点;
第二查找单元,用于在所述第二预设时间范围内查找所述脑血流速度信号中一阶导数为0的位置作为所述W波段的峰值点,在所述W波段的峰值点前面查找最近的二阶导数为0的位置作为所述W波段的起始点,在所述W波段的峰值点后面查找最近的二阶导数为0的位置作为所述W波段的结束点;
第三查找单元,用于在所述第三预设时间范围内查找所述脑血流速度信号中一阶导数为0的位置作为所述H波段的峰值点,在所述H波段的峰值点前面查找最近的二阶导数为0的位置作为所述H波段的起始点,在所述H波段的峰值点后面查找最近的二阶导数为0的位置作为所述H波段的结束点。
3.根据权利要求1所述的装置,其中,所述目标波定位子模块包括:
第二求导单元,用于对所述搏动指数信号求一阶导数和二阶导数;
第四查找单元,用于在所述第四预设时间范围内查找所述搏动指数信号中一阶导数为0的位置作为所述搏动指数变化波段的峰值点,在所述搏动指数变化波段的峰值点前面查找最近的二阶导数为0的位置作为所述搏动指数变化波段的起始点,在所述搏动指数变化波段的峰值点后面查找最近的二阶导数为0的位置作为所述搏动指数变化波段的结束点。
4.根据权利要求1所述的装置,其中,所述目标波定位子模块包括:
第三求导单元,用于对所述心率信号求一阶导数和二阶导数;
第五查找单元,用于在所述第五预设时间范围内查找所述心率信号中一阶导数为0的位置作为所述第一心率变化波段的峰值点,在所述第一心率变化波段的峰值点前面查找最近的二阶导数为0的位置作为所述第一心率变化波段的起始点,在所述第一心率变化波段的峰值点后面查找最近的二阶导数为0的位置作为所述第一心率变化波段的结束点;
第六查找单元,用于在所述第六预设时间范围内查找所述心率信号中一阶导数为0的位置作为所述第二心率变化波段的峰值点,在所述第二心率变化波段的峰值点前面查找最近的二阶导数为0的位置作为所述第二心率变化波段的起始点,在所述第二心率变化波段的峰值点后面查找最近的二阶导数为0的位置作为所述第二心率变化波段的结束点。
5.根据权利要求1所述的装置,其中,
所述装置还包括:
定位信息接收模块,用于接收位置指示信息,所述位置指示信息用于指示待修改目标波段的起始点和结束点各自所在的位置,所述待修改目标波段是所述生理信息中的任一预定生理信号所对应的波形曲线中的任一目标波段;
所述目标波定位子模块包括:
第一定位单元,用于基于所述位置指示信息确定所述待修改目标波段的起始点和结束点,以获得最终始末信息,并基于所述最终始末信息确定所述待修改目标波段的峰值点,以获得最终峰值信息。
6.根据权利要求5所述的装置,其中,
所述目标波定位子模块还包括:
第二定位单元,用于在所述定位信息接收模块接收位置指示信息之前,自动定位所述待修改目标波段的起始点、峰值点、结束点,以获得与所定位的起始点、峰值点、结束点相关的初始位置信息;
定位更新单元,用于在所述第一定位单元基于所述位置指示信息确定所述待修改目标波段的起始点和结束点,以获得最终始末信息,并基于所述最终始末信息确定所述待修改目标波段的峰值点,以获得最终峰值信息之后,基于所述最终始末信息和所述最终峰值信息对所述初始位置信息进行更新;
所述装置还包括:
第一输出模块,用于在所述第二定位单元自动定位所述待修改目标波段的起始点、峰值点、结束点,以获得与所定位的起始点、峰值点、结束点相关的初始位置信息之后,输出所述初始位置信息。
7. 根据权利要求1所述的装置,其中,所述波形特征计算子模块具体用于通过以下公式计算任一目标波段的目标特征:
波幅 = (峰值 - 起始值) / 起始值
斜率 = (峰值 - 起始值) / (峰值点对应时刻 - 起始点对应时刻)
达峰时间 = 峰值点对应时刻 - 起始点对应时刻
宽度 = 结束点对应时刻 - 起始点对应时刻;
其中,所述峰值是峰值点所对应的曲线值,所述起始值是起始点所对应的曲线值。
8.根据权利要求1-7任一项所述的装置,其中,所述波形特征还包括至少一组目标波段各自对应的时相差,所述至少一组目标波段中的任一组目标波段所对应的时相差是指该组目标波段所包括的两个目标波段之间的时相差,其中,所述至少一组目标波段中的任一组目标波段所包括的两个目标波段来自不同的预定生理信号或者来自同一预定生理信号;
所述波形特征计算子模块具体用于通过以下公式计算任一组目标波段所对应的时相差:
时相差 = 第一峰值点对应时刻 - 第二峰值点对应时刻;
其中,所述第一峰值点对应时刻是所计算的当前组目标波段中的第一个目标波段的峰值点所对应的时刻,所述第二峰值点对应时刻是所计算的当前组目标波段中的第二目标波段中的峰值点所对应的时刻。
9.根据权利要求8所述的装置,其中,所述至少一组目标波段包括第一组目标波段和第二组目标波段,所述第一组目标波段包括所述W波段和所述第一心率变化波段,所述第二组目标波段包括所述H波段和所述第二心率变化波段。
10.根据权利要求1-7任一项所述的装置,其中,所述血压信号包括在所述第一稳定时段内采集的初始卧位血压和在所述第二稳定时段内采集的立位血压,所述特征提取模块包括:
血压特征计算子模块,用于通过以下公式计算血压特征:
立位血压变化率 = (立位血压-初始卧位血压) / 初始卧位血压;
其中,所述生理特征包括所述血压特征。
11.根据权利要求1-7任一项所述的装置,其中,在所述生理信息中,每个预定生理信号用离散的数据表示,所述装置还包括:
曲线拟合模块,用于在所述特征提取模块从所述生理信息中提取所述受试者的生理特征之前,将所述生理信息中的每个预定生理信号所对应的离散数据拟合为连续曲线;
去噪模块,用于在所述特征提取模块从所述生理信息中提取所述受试者的生理特征之前,通过滤波方式将所述生理信息中的每个预定生理信号所对应的连续曲线中的高频干扰去除。
12.根据权利要求1-7任一项所述的装置,其中,所述评估模块包括:
比较子模块,用于对于所述生理特征中的一项或多项待比较特征中的每一项,将该待比较特征的值与对应正常特征的值相比较,所述对应正常特征是预设正常生理特征中的与该待比较特征类型一致的正常特征;
描述子模块,用于至少根据所述一项或多项待比较特征的比较结果生成比较结果信息,所述评估结果包括所述比较结果信息。
13.根据权利要求12所述的装置,其中,所述评估模块还包括:
查找子模块,用于在所述比较子模块将该待比较特征的值与对应正常特征的值相比较之前,从特征存储数据库中查找与所述受试者的身体条件匹配的已知生理特征作为所述预设正常生理特征,其中,所述特征存储数据库用于存储与一组或多组已知身体条件一一对应的已知生理特征,所述一组或多组已知身体条件一一对应地属于一个或多个正常人,所述身体条件包括以下一项或多项:年龄、性别。
14.根据权利要求12所述的装置,其中,所述评估模块还包括:
接收子模块,用于在所述比较子模块将该待比较特征的值与对应正常特征的值相比较之前,接收用户输入的所述预设正常生理特征。
15.根据权利要求1-7任一项所述的装置,其中,所述评估模块包括:
患病评估子模块,用于利用预训练好的评估模型对所述生理特征进行分析,以获得疾病信息,所述疾病信息包括与一种或多种预设疾病一一对应的患病概率信息,所述患病概率信息表示所述受试者患有对应的预设疾病的概率,所述评估结果包括所述疾病信息。
16.根据权利要求15所述的装置,其中,所述评估模块还包括:
特征加工子模块,用于在所述患病评估子模块利用预训练好的评估模型对所述生理特征进行分析之前,对所述生理特征进行特征加工,以获得加工特征;
所述患病评估子模块具体用于将所述加工特征输入所述评估模型,以获得所述评估模型输出的所述疾病信息。
17.根据权利要求16所述的装置,其中,所述特征加工子模块包括:
信息转化单元,用于将所述受试者的身体条件信息转化为数值形式,以获得身体数据,所述身体条件信息包括以下一项或多项:年龄、性别;
归一化处理单元,用于将所述生理特征以及所述身体数据进行归一化处理,以获得所述加工特征。
18.根据权利要求1-7任一项所述的装置,其中,所述装置还包括:
标识信息接收模块,用于接收所述受试者的标识信息,所述标识信息包括以下一项或多项:姓名、性别、年龄、病史、身份证号码、就诊卡号。
19.根据权利要求1-7任一项所述的装置,其中,所述装置还包括:
第二输出模块,用于输出所述受试者的标识信息、所述生理信息以及所述评估结果中的一项或多项,其中,所述标识信息包括以下一项或多项:姓名、性别、年龄、病史、身份证号码、就诊卡号。
20.根据权利要求1-7任一项所述的装置,其中,所述装置还包括:
存储模块,用于存储所述受试者的标识信息、所述生理信息以及所述评估结果中的一项或多项,其中,所述标识信息包括以下一项或多项:姓名、性别、年龄、病史、身份证号码、就诊卡号。
21.一种脑血流自主神经障碍评估系统,包括生理信息采集装置、处理器和存储器,其中,
所述生理信息采集装置用于采集受试者在卧立位检查期间的生理信息,其中,所述卧立位检查包括:所述受试者在第一稳定时段内保持仰卧位,从第一切换时刻开始从仰卧位切换成站立位,在第二稳定时段内保持站立位,从第二切换时刻开始从站立位切换成仰卧位,并在第三稳定时段内保持仰卧位,所述生理信息包括:血压信号以及左侧大脑和右侧大脑各自的预定生理信号,所述预定生理信号包括脑血流速度信号、搏动指数信号和心率信号;
所述存储器中存储有计算机程序指令,所述计算机程序指令被所述处理器运行时用于执行以下步骤:
自所述生理信息采集装置接收所述生理信息;
从所述生理信息中提取所述受试者的生理特征;
基于所述生理特征评估所述受试者的脑血流自主神经障碍状况,以获得评估结果;
其中,所述计算机程序指令被所述处理器运行时所用于执行的从所述生理信息中提取所述受试者的生理特征的步骤包括:
定位所述生理信息中的每个预定生理信号所对应的波形曲线中的一个或多个目标波段的特征点,所述特征点包括对应目标波段的起始点、峰值点、结束点;
基于所述生理信息中的各预定生理信号的特征点计算波形特征,所述波形特征包括每个预定生理信号所对应的每个目标波段的目标特征,所述目标特征包括波幅、斜率、达峰时间和宽度;
其中,所述生理特征包括所述波形特征;
其中,
对于所述脑血流速度信号,所对应的目标波段包括X波段、W波段和H波段,所述X波段是包含X波峰的波段,所述W波段是包含W波峰的波段,所述H波段是包含H波峰的波段,所述X波峰是在所述第一切换时刻周围的第一预设时间范围内出现的波峰,所述W波峰是在所述第一切换时刻周围的第二预设时间范围内出现的波峰,所述H波峰是在所述第二切换时刻周围的第三预设时间范围内出现的波峰;
对于所述搏动指数信号,所对应的目标波段包括搏动指数变化波段,所述搏动指数变化波段是包含搏动指数变化波峰的波段,所述搏动指数变化波峰是在所述第一切换时刻周围的第四预设时间范围内出现的波峰;
对于所述心率信号,所对应的目标波段包括第一心率变化波段和第二心率变化波段,所述第一心率变化波段是包含第一心率变化波峰的波段,所述第二心率变化波段是包含第二心率变化波峰的波段,所述第一心率变化波峰是在所述第一切换时刻周围的第五预设时间范围内出现的波峰,所述第二心率变化波峰是在所述第二切换时刻周围的第六预设时间范围内出现的波峰。
22.根据权利要求21所述的系统,其中,所述计算机程序指令被所述处理器运行时所用于执行的定位所述生理信息中的每个预定生理信号所对应的波形曲线中的一个或多个目标波段的特征点的步骤包括:
对所述脑血流速度信号求一阶导数和二阶导数;
在所述第一预设时间范围内查找所述脑血流速度信号中一阶导数为0的位置作为所述X波段的峰值点,在所述X波段的峰值点前面查找最近的二阶导数为0的位置作为所述X波段的起始点,在所述X波段的峰值点后面查找最近的二阶导数为0的位置作为所述X波段的结束点;
在所述第二预设时间范围内查找所述脑血流速度信号中一阶导数为0的位置作为所述W波段的峰值点,在所述W波段的峰值点前面查找最近的二阶导数为0的位置作为所述W波段的起始点,在所述W波段的峰值点后面查找最近的二阶导数为0的位置作为所述W波段的结束点;
在所述第三预设时间范围内查找所述脑血流速度信号中一阶导数为0的位置作为所述H波段的峰值点,在所述H波段的峰值点前面查找最近的二阶导数为0的位置作为所述H波段的起始点,在所述H波段的峰值点后面查找最近的二阶导数为0的位置作为所述H波段的结束点。
23.根据权利要求21所述的系统,其中,所述计算机程序指令被所述处理器运行时所用于执行的定位所述生理信息中的每个预定生理信号所对应的波形曲线中的一个或多个目标波段的特征点的步骤包括:
对所述搏动指数信号求一阶导数和二阶导数;
在所述第四预设时间范围内查找所述搏动指数信号中一阶导数为0的位置作为所述搏动指数变化波段的峰值点,在所述搏动指数变化波段的峰值点前面查找最近的二阶导数为0的位置作为所述搏动指数变化波段的起始点,在所述搏动指数变化波段的峰值点后面查找最近的二阶导数为0的位置作为所述搏动指数变化波段的结束点。
24.根据权利要求21所述的系统,其中,所述计算机程序指令被所述处理器运行时所用于执行的定位所述生理信息中的每个预定生理信号所对应的波形曲线中的一个或多个目标波段的特征点的步骤包括:
对所述心率信号求一阶导数和二阶导数;
在所述第五预设时间范围内查找所述心率信号中一阶导数为0的位置作为所述第一心率变化波段的峰值点,在所述第一心率变化波段的峰值点前面查找最近的二阶导数为0的位置作为所述第一心率变化波段的起始点,在所述第一心率变化波段的峰值点后面查找最近的二阶导数为0的位置作为所述第一心率变化波段的结束点;
在所述第六预设时间范围内查找所述心率信号中一阶导数为0的位置作为所述第二心率变化波段的峰值点,在所述第二心率变化波段的峰值点前面查找最近的二阶导数为0的位置作为所述第二心率变化波段的起始点,在所述第二心率变化波段的峰值点后面查找最近的二阶导数为0的位置作为所述第二心率变化波段的结束点。
25.根据权利要求21所述的系统,其中,
所述计算机程序指令被所述处理器运行时还用于执行以下步骤:
接收位置指示信息,所述位置指示信息用于指示待修改目标波段的起始点和结束点各自所在的位置,所述待修改目标波段是所述生理信息中的任一预定生理信号所对应的波形曲线中的任一目标波段;
所述计算机程序指令被所述处理器运行时所用于执行的定位所述生理信息中的每个预定生理信号所对应的波形曲线中的一个或多个目标波段的特征点的步骤包括:
基于所述位置指示信息确定所述待修改目标波段的起始点和结束点,以获得最终始末信息,并基于所述最终始末信息确定所述待修改目标波段的峰值点,以获得最终峰值信息。
26.根据权利要求25所述的系统,其中,
在所述计算机程序指令被所述处理器运行时所用于执行的接收位置指示信息的步骤之前,所述计算机程序指令被所述处理器运行时所用于执行的定位所述生理信息中的每个预定生理信号所对应的波形曲线中的一个或多个目标波段的特征点的步骤还包括:
自动定位所述待修改目标波段的起始点、峰值点、结束点,以获得与所定位的起始点、峰值点、结束点相关的初始位置信息;
在所述计算机程序指令被所述处理器运行时所用于执行的基于所述位置指示信息确定所述待修改目标波段的起始点和结束点,以获得最终始末信息,并基于所述最终始末信息确定所述待修改目标波段的峰值点,以获得最终峰值信息的步骤之后,所述计算机程序指令被所述处理器运行时所用于执行的定位所述生理信息中的每个预定生理信号所对应的波形曲线中的一个或多个目标波段的特征点的步骤还包括:
基于所述最终始末信息和所述最终峰值信息对所述初始位置信息进行更新;
在所述计算机程序指令被所述处理器运行时所用于执行的自动定位所述待修改目标波段的起始点、峰值点、结束点,以获得与所定位的起始点、峰值点、结束点相关的初始位置信息的步骤之后,所述计算机程序指令被所述处理器运行时还用于执行以下步骤:
输出所述初始位置信息。
27.根据权利要求21所述的系统,其中,所述计算机程序指令被所述处理器运行时所用于执行的基于所述生理信息中的各预定生理信号的特征点计算波形特征的步骤包括:
通过以下公式计算任一目标波段的目标特征:
波幅 = (峰值 - 起始值) / 起始值
斜率 = (峰值 - 起始值) / (峰值点对应时刻 - 起始点对应时刻)
达峰时间 = 峰值点对应时刻 - 起始点对应时刻
宽度 = 结束点对应时刻 - 起始点对应时刻;
其中,所述峰值是峰值点所对应的曲线值,所述起始值是起始点所对应的曲线值。
28.根据权利要求21-27任一项所述的系统,其中,所述波形特征还包括至少一组目标波段各自对应的时相差,所述至少一组目标波段中的任一组目标波段所对应的时相差是指该组目标波段所包括的两个目标波段之间的时相差,其中,所述至少一组目标波段中的任一组目标波段所包括的两个目标波段来自不同的预定生理信号或者来自同一预定生理信号;
所述计算机程序指令被所述处理器运行时所用于执行的基于所述生理信息中的各预定生理信号的特征点计算波形特征的步骤包括:
通过以下公式计算任一组目标波段所对应的时相差:
时相差 = 第一峰值点对应时刻 - 第二峰值点对应时刻;
其中,所述第一峰值点对应时刻是所计算的当前组目标波段中的第一个目标波段的峰值点所对应的时刻,所述第二峰值点对应时刻是所计算的当前组目标波段中的第二目标波段中的峰值点所对应的时刻。
29.根据权利要求28所述的系统,其中,所述至少一组目标波段包括第一组目标波段和第二组目标波段,所述第一组目标波段包括所述W波段和所述第一心率变化波段,所述第二组目标波段包括所述H波段和所述第二心率变化波段。
30.根据权利要求21-27任一项所述的系统,其中,所述血压信号包括在所述第一稳定时段内采集的初始卧位血压和在所述第二稳定时段内采集的立位血压,所述计算机程序指令被所述处理器运行时所用于执行的从所述生理信息中提取所述受试者的生理特征的步骤包括:
通过以下公式计算血压特征:
立位血压变化率 = (立位血压-初始卧位血压) /初始卧位血压;
其中,所述生理特征包括所述血压特征。
31.根据权利要求21-27任一项所述的系统,其中,在所述生理信息中,每个预定生理信号用离散的数据表示,在所述计算机程序指令被所述处理器运行时所用于执行的从所述生理信息中提取所述受试者的生理特征的步骤之前,所述计算机程序指令被所述处理器运行时还用于执行以下步骤:
将所述生理信息中的每个预定生理信号所对应的离散数据拟合为连续曲线;
通过滤波方式将所述生理信息中的每个预定生理信号所对应的连续曲线中的高频干扰去除。
32.根据权利要求21-27任一项所述的系统,其中,所述计算机程序指令被所述处理器运行时所用于执行的基于所述生理特征评估所述受试者的脑血流自主神经障碍状况,以获得评估结果的步骤包括:
对于所述生理特征中的一项或多项待比较特征中的每一项,将该待比较特征的值与对应正常特征的值相比较,所述对应正常特征是预设正常生理特征中的与该待比较特征类型一致的正常特征;
至少根据所述一项或多项待比较特征的比较结果生成比较结果信息,所述评估结果包括所述比较结果信息。
33.根据权利要求32所述的系统,其中,在所述计算机程序指令被所述处理器运行时所用于执行的对于所述生理特征中的一项或多项待比较特征中的每一项,将该待比较特征的值与对应正常特征的值相比较的步骤之前,所述计算机程序指令被所述处理器运行时所用于执行的基于所述生理特征评估所述受试者的脑血流自主神经障碍状况,以获得评估结果的步骤还包括:
从特征存储数据库中查找与所述受试者的身体条件匹配的已知生理特征作为所述预设正常生理特征,其中,所述特征存储数据库用于存储与一组或多组已知身体条件一一对应的已知生理特征,所述一组或多组已知身体条件一一对应地属于一个或多个正常人,所述身体条件包括以下一项或多项:年龄、性别。
34.根据权利要求32所述的系统,其中,在所述计算机程序指令被所述处理器运行时所用于执行的对于所述生理特征中的一项或多项待比较特征中的每一项,将该待比较特征的值与对应正常特征的值相比较的步骤之前,所述计算机程序指令被所述处理器运行时所用于执行的基于所述生理特征评估所述受试者的脑血流自主神经障碍状况,以获得评估结果的步骤还包括:
接收用户输入的所述预设正常生理特征。
35.根据权利要求34所述的系统,其中,所述系统还包括:
第一输入装置,用于接收所述用户输入的交互信息,所述交互信息包括所述预设正常生理特征。
36.根据权利要求21-27任一项所述的系统,其中,所述计算机程序指令被所述处理器运行时所用于执行的基于所述生理特征评估所述受试者的脑血流自主神经障碍状况,以获得评估结果的步骤包括:
利用预训练好的评估模型对所述生理特征进行分析,以获得疾病信息,所述疾病信息包括与一种或多种预设疾病一一对应的患病概率信息,所述患病概率信息表示所述受试者患有对应的预设疾病的概率,所述评估结果包括所述疾病信息。
37.根据权利要求36所述的系统,其中,
在所述计算机程序指令被所述处理器运行时所用于执行的利用预训练好的评估模型对所述生理特征进行分析的步骤之前,所述计算机程序指令被所述处理器运行时所用于执行的基于所述生理特征评估所述受试者的脑血流自主神经障碍状况,以获得评估结果的步骤还包括:
对所述生理特征进行特征加工,以获得加工特征;
所述计算机程序指令被所述处理器运行时所用于执行的利用预训练好的评估模型对所述生理特征进行分析,以获得疾病信息的步骤包括:
将所述加工特征输入所述评估模型,以获得所述评估模型输出的所述疾病信息。
38.根据权利要求37所述的系统,其中,所述计算机程序指令被所述处理器运行时所用于执行的对所述生理特征进行特征加工,以获得加工特征的步骤包括:
将所述受试者的身体条件信息转化为数值形式,以获得身体数据,所述身体条件信息包括以下一项或多项:年龄、性别;
将所述生理特征以及所述身体数据进行归一化处理,以获得所述加工特征。
39.根据权利要求21-27任一项所述的系统,其中,所述系统还包括:
第二输入装置,用于接收用户输入的交互信息,所述交互信息包括所述受试者的标识信息,所述标识信息包括以下一项或多项:姓名、性别、年龄、病史、身份证号码、就诊卡号。
40.根据权利要求21-27任一项所述的系统,其中,所述系统还包括:
输出装置,用于输出所述受试者的标识信息、所述生理信息以及所述评估结果中的一项或多项,其中,所述标识信息包括以下一项或多项:姓名、性别、年龄、病史、身份证号码、就诊卡号。
41.根据权利要求21-27任一项所述的系统,其中,所述系统还包括:
显示装置,用于显示所述受试者的标识信息、所述生理信息以及所述评估结果中的一项或多项,其中,所述标识信息包括以下一项或多项:姓名、性别、年龄、病史、身份证号码、就诊卡号,其中,所述生理信息以趋势图形式显示,所述趋势图的横坐标表示时间,纵坐标表示对应信号的值。
42.根据权利要求21-27任一项所述的系统,其中,所述系统还包括:
存储装置,用于存储所述受试者的标识信息、所述生理信息以及所述评估结果中的一项或多项,其中,所述标识信息包括以下一项或多项:姓名、性别、年龄、病史、身份证号码、就诊卡号。
43.根据权利要求21-27任一项所述的系统,其中,所述生理信息采集装置包括经颅多普勒血流分析仪和血压仪,
所述经颅多普勒血流分析仪用于采集所述左侧大脑和所述右侧大脑各自的预定生理信号;
所述血压仪用于采集所述血压信号。
44.根据权利要求43所述的系统,其中,所述系统还包括:
可佩戴式探头架,用于固定所述经颅多普勒血流分析仪的左右探头,在所述受试者佩戴所述可佩戴式探头架的情况下,所述左右探头分别固定在所述受试者左侧大脑的指定位置和右侧大脑的指定位置。
45.一种存储介质,在所述存储介质上存储了程序指令,所述程序指令在运行时用于执行以下步骤:
接收受试者在卧立位检查期间的生理信息,其中,所述卧立位检查包括:所述受试者在第一稳定时段内保持仰卧位,从第一切换时刻开始从仰卧位切换成站立位,在第二稳定时段内保持站立位,从第二切换时刻开始从站立位切换成仰卧位,并在第三稳定时段内保持仰卧位,所述生理信息包括:血压信号以及左侧大脑和右侧大脑各自的预定生理信号,所述预定生理信号包括脑血流速度信号、搏动指数信号和心率信号;
从所述生理信息中提取所述受试者的生理特征;
基于所述生理特征评估所述受试者的脑血流自主神经障碍状况,以获得评估结果;
其中,所述程序指令被处理器运行时所用于执行的从所述生理信息中提取所述受试者的生理特征的步骤包括:
定位所述生理信息中的每个预定生理信号所对应的波形曲线中的一个或多个目标波段的特征点,所述特征点包括对应目标波段的起始点、峰值点、结束点;
基于所述生理信息中的各预定生理信号的特征点计算波形特征,所述波形特征包括每个预定生理信号所对应的每个目标波段的目标特征,所述目标特征包括波幅、斜率、达峰时间和宽度;
其中,所述生理特征包括所述波形特征;
其中,
对于所述脑血流速度信号,所对应的目标波段包括X波段、W波段和H波段,所述X波段是包含X波峰的波段,所述W波段是包含W波峰的波段,所述H波段是包含H波峰的波段,所述X波峰是在所述第一切换时刻周围的第一预设时间范围内出现的波峰,所述W波峰是在所述第一切换时刻周围的第二预设时间范围内出现的波峰,所述H波峰是在所述第二切换时刻周围的第三预设时间范围内出现的波峰;
对于所述搏动指数信号,所对应的目标波段包括搏动指数变化波段,所述搏动指数变化波段是包含搏动指数变化波峰的波段,所述搏动指数变化波峰是在所述第一切换时刻周围的第四预设时间范围内出现的波峰;
对于所述心率信号,所对应的目标波段包括第一心率变化波段和第二心率变化波段,所述第一心率变化波段是包含第一心率变化波峰的波段,所述第二心率变化波段是包含第二心率变化波峰的波段,所述第一心率变化波峰是在所述第一切换时刻周围的第五预设时间范围内出现的波峰,所述第二心率变化波峰是在所述第二切换时刻周围的第六预设时间范围内出现的波峰。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110347102.0A CN113100736B (zh) | 2021-03-31 | 2021-03-31 | 脑血流自主神经障碍评估装置、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110347102.0A CN113100736B (zh) | 2021-03-31 | 2021-03-31 | 脑血流自主神经障碍评估装置、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113100736A CN113100736A (zh) | 2021-07-13 |
CN113100736B true CN113100736B (zh) | 2023-07-07 |
Family
ID=76713043
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110347102.0A Active CN113100736B (zh) | 2021-03-31 | 2021-03-31 | 脑血流自主神经障碍评估装置、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113100736B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117275737B (zh) * | 2023-11-22 | 2024-02-23 | 首都医科大学宣武医院 | 一种直立性低血压智能诊疗方法、设备及可存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101524267A (zh) * | 2008-03-04 | 2009-09-09 | 黄林 | 用于检查个人身心健康的综合评测系统及方案 |
CN110402101A (zh) * | 2017-03-14 | 2019-11-01 | 欧姆龙健康医疗事业株式会社 | 血压计、评价系统及血压计的控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120203121A1 (en) * | 2011-02-09 | 2012-08-09 | Opher Kinrot | Devices and methods for monitoring cerebral hemodynamic characteristics |
-
2021
- 2021-03-31 CN CN202110347102.0A patent/CN113100736B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101524267A (zh) * | 2008-03-04 | 2009-09-09 | 黄林 | 用于检查个人身心健康的综合评测系统及方案 |
CN110402101A (zh) * | 2017-03-14 | 2019-11-01 | 欧姆龙健康医疗事业株式会社 | 血压计、评价系统及血压计的控制方法 |
Non-Patent Citations (1)
Title |
---|
经颅多普勒超声结合卧立位试验检查帕金森病患者脑自主调节功能;陈玉辉等;中国神经免疫学和神经病学杂志;第26卷(第03期);第177-188页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113100736A (zh) | 2021-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109276241B (zh) | 一种压力识别方法及设备 | |
US11357410B2 (en) | Measuring blood pressure | |
Kaufmann et al. | ARTiiFACT: a tool for heart rate artifact processing and heart rate variability analysis | |
CN107028603B (zh) | 使用脉搏触诊信号来检测人体内的糖尿病的装置和方法 | |
CN103815896A (zh) | 一种精神疲劳监测方法、装置、系统及移动处理终端 | |
CN107374646B (zh) | 基于近红外技术的血糖检测装置及方法、电子装置 | |
US20160100787A1 (en) | Systems and methods for blood pressure measurement with psychological status validation | |
CN115299887B (zh) | 一种动态代谢功能的检测量化方法和系统 | |
US20230233152A1 (en) | Methods, apparatus and systems for adaptable presentation of sensor data | |
Candia-Rivera et al. | Integral pulse frequency modulation model driven by sympathovagal dynamics: Synthetic vs. real heart rate variability | |
CN113100736B (zh) | 脑血流自主神经障碍评估装置、系统及存储介质 | |
Benchekroun et al. | Comparison of Stress Detection through ECG and PPG signals using a Random Forest-based Algorithm | |
WO2019151143A1 (en) | Method and system for motor function rehabilitation and monitoring a patient's recovery | |
CN110200642A (zh) | 一种认知负荷与心理压力的测量方法及终端 | |
CN114027842A (zh) | 一种抑郁症客观筛查系统、方法及装置 | |
KR20190076420A (ko) | 건강지수 표출 방법 | |
CN104305958B (zh) | 一种极短时自主神经状态的光电容积波多参量分析方法 | |
Schwesig et al. | Comparison of intraobserver single-task reliabilities of the Interactive Balance System (IBS) and Vertiguard in asymptomatic subjects | |
Chu et al. | One-minute finger pulsation measurement for diabetes rapid screening with 1.3% to 13% false-negative prediction rate | |
WO2020196812A1 (ja) | 情報提供システム、情報提供プログラム、及びコンピュータ読み取り可能な非一時的記憶媒体 | |
US20210169429A1 (en) | Method and device for capacitive touch panel based biosignal measurement | |
CN103006196B (zh) | 一种基于网络拓扑分析的颅内血液循环障碍无创检测系统 | |
Salleh | Heart rate variability derived from wrist photoplethysmography sensor for mental stress assessment | |
Armijos et al. | Semiautomatic validation of RR time series in an ECG stress test database | |
KR20130091198A (ko) | 감성 평가 방법 및 이를 적용하는 장치 |
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 |