CN113842130B - 一种生物组织微循环功能参数数据的同步处理及协同分析方法 - Google Patents
一种生物组织微循环功能参数数据的同步处理及协同分析方法 Download PDFInfo
- Publication number
- CN113842130B CN113842130B CN202111122597.3A CN202111122597A CN113842130B CN 113842130 B CN113842130 B CN 113842130B CN 202111122597 A CN202111122597 A CN 202111122597A CN 113842130 B CN113842130 B CN 113842130B
- Authority
- CN
- China
- Prior art keywords
- microcirculation
- data
- function
- biological tissue
- blood flow
- 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
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
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14542—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring blood gases
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Hematology (AREA)
- Cardiology (AREA)
- Optics & Photonics (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明提供了一种生物组织微循环功能参数数据的同步处理及协同分析方法，所述方法包括：生物组织微循环功能多参数的同步捕获、生物组织微循环功能数据的清洗以及生物组织微循环功能数据的同步协同分析，其中生物组织微循环功能数据同步协同分析又包括，利用生物组织微循环功能弦图进行生物组织微循环功能协同性分析，利用生物组织微循环功能单轴气泡图，进行生物组织微循环功能参数分布和权重关联分析。通过本发明所述方法，实现微循环血流‑微循环氧的同步协同分析，准确反映某一特定时间横断面微循环血流中的微循环氧含量，实现准确、客观、全面地分析和描述生物组织微循环整体功能特征。
Description
技术领域
本发明属于数据分析技术领域，特别涉及一种生物组织微循环功能参数数据的同步处理及协同分析方法。
背景技术
生物组织微循环主要通过微血管血流负责氧气和营养物质的运输和交换，在维持生物组织正常生理功能和内环境稳态中具有关键作用。生物组织微循环中，微循环血流是微循环氧的载体，功能参数主要包括微血流数据和微循环氧数据。传统的微循环功能参数的采集是通过商用微循环功能检测仪器，分别捕获生物组织微循环血流数据或微循环氧数据，而后分别针对微血流数据和微循环氧数据进行分析(如图1所示)。这种微循环功能参数的处理、分析方法存在以下两点客观缺点：
①由于现有技术对捕获数据的分析方式为非同步、非协同方式，现有技术无法呈现某一横断面时间节点生物组织微循环血流与微循环氧的对应关系。
②受光学仪器固件属性影响，激光捕获的生物组织微循环数据中大多存在异常值，现有技术不具备包含异常值处理和边界值调整等数据清洗流程，上述客观缺点将进一步影响生物组织整体微循环功能特征描述的科学性和准确性。
因此，如何能够实现准确、客观、全面地分析和描述生物组织微循环整体功能特征，是目前需要解决的问题。
发明内容
针对现有技术中存在的问题，本发明的目的在于提供一种生物组织微循环功能参数数据的同步处理及协同分析方法，可实现微循环血流-微循环氧的同步、协同分析，准确反映某一特定时间横断面微循环血流中的微循环氧含量，实现准确、客观、全面地分析和描述生物组织微循环整体功能特征。
本发明的目的是通过以下技术方案实现的：
一种生物组织微循环功能参数数据的同步处理及协同分析方法，包括以下步骤：
步骤1，生物组织微循环功能多参数的同步捕获
应用商用增强灌注与氧饱和度检测系统，同步采集生物组织的微循环功能数据，包括微循环血流数据和微循环氧功能数据；
步骤2，生物组织微循环功能数据的清洗
将步骤1捕获的生物组织微循环功能数据导入数据清洗模块，对数据中的空值和负值进行自动化剔除处理，通过计算机脚本执行箱线图算法，处理离群的生物组织微循环功能参数，获得清洗处理后的微循环功能数据；
步骤3，生物组织微循环功能数据的同步、协同分析
步骤3.1，微循环血流与微循环氧关联分析：同时导入步骤2清洗处理后的微循环血流数据和微循环氧功能数据，生成生物组织微循环功能弦图，用弧线条展示微循环血流和氧数据之间相互关系，用于生物组织微循环功能协同性分析；
步骤3.2，微循环功能数据分布和权重关联分析：导入步骤2清洗处理后的各微循环功能数据，使用Apache许可下的ECharts生成生物组织微循环功能单轴气泡图，实现生物组织微循环功能参数分布和权重关联分析。
进一步的，步骤1中所述的微循环血流数据具体包括微循环总血流灌注水平和微循环速度分级血流灌注水平，所述微循环氧功能数据具体包括微循环血红细胞分数、微循环血红蛋白氧饱和度、微循环氧化/还原/总体血红蛋白含量。
进一步优选的，所述商用增强灌注与氧饱和度检测系统选用瑞典帕瑞医学有限公司出产的EPOS；或选用英国摩尔仪器公司(Moor instruments)出产的灌注与氧合成像仪(Perfusion and Oxygenation Imager#MOORO2FLO)。
进一步的，步骤2中所述离群的生物组织微循环功能参数的具体处理方法为：定义Q1为25％最大值，Q3为75％最大值，Q3与Q1之间的差值为四分位距IQR，并设定(Q1-1.5×IQR)和(Q3+1.5×IQR)为微循环功能参数正常范围边界值，超过边界值微循环功能数据视为离群值，并被调整为正常范围边界值。
进一步的，步骤3.1获得的生物组织微循环功能弦图，左、右两侧半弧分别代表微循环血流水平和微循环氧，每侧弧均分为n个区间，各弧之间通过具有宽度的弦进行连接；弦图中的各弧分别代表微循环血流灌注水平或微循环血红蛋白氧饱和度，弧宽度代表微循环血流灌注水平或微循环血红蛋白氧饱和度数据量，连接弧的弦宽度体现微循环血流灌注水平与微循环血红蛋白氧饱和度数据的关联属性，弦图中的弧以不同颜色体现微循环血流灌注水平和微循环血红蛋白氧饱和度丰度属性。
进一步的，步骤3.2获得的生物组织微循环功能单轴气泡图，其横轴表示微循环功能参数数据分布的取值范围，均分为n个区间，并使用数字对连续区间进行标记，微循环功能参数数据分布量与圆形“气泡”面积成正比。
本发明相比现有技术的有益效果为：
1、利用本发明所述的生物组织微循环功能参数数据的同步处理及协同分析方法，可实现微循环血流-微循环氧的同步、协同分析，准确反映某一特定时间横断面微循环血流中的微循环氧含量，实现准确、客观、全面地分析和描述生物组织微循环整体功能特征；
2、本发明通过计算机算法清洗商用仪器捕获的微循环血流及微循环氧数据(预处理)，实现了对微循环功能数据中异常值和离群值的自动化剔除和调整，提高了生物组织微循环功能特征描述的准确性和科学性。
附图说明
下面结合附图和实施例对本发明作进一步说明：
图1为现有技术微循环功能数据的捕获及分析流程图；
图2为实施例1所述生物组织微循环功能参数数据的同步处理及协同分析方法的流程示意图；
图3为实施例1所述的生物组织微循环功能弦图；
图4为实施例1利用测试数据生成的生物组织微循环功能单轴气泡示意图；
图5为实施例1所述微循环血流灌注分布权重关联分析气泡图；
图6为实施例1所述微循环血红蛋白氧饱和度分布权重关联分析气泡图。
具体实施方式
实施例1
本实施例提供了一种生物组织微循环功能参数数据的同步处理及协同分析方法，包括以下步骤：
步骤1，生物组织微循环功能多参数的同步捕获
应用瑞典帕瑞医学有限公司的商用增强灌注与氧饱和度检测系统(enhancedperfusion and oxygen saturation，EPOS)，同步采集生物组织的微循环血流数据和微循环氧功能数据，所述的微循环血流数据具体包括微循环总血流灌注水平和微循环速度分级血流灌注水平，所述微循环氧功能数据具体包括微循环血红细胞分数、微循环血红蛋白氧饱和度、微循环氧化/还原/总体血红蛋白含量。
本实施例选择的商用设备EPOS可涵盖包括微循环血红蛋白氧饱和度在内的10个微循环功能参数。
步骤2，生物组织微循环功能数据的清洗
将步骤1捕获的生物组织微循环功能数据导入数据清洗模块(module)，对数据中的空值(null值)和负值进行自动化剔除处理，通过计算机脚本执行箱线图算法，处理离群的生物组织微循环功能参数，获得清洗处理后的微循环功能数据；
离群的生物组织微循环功能参数的具体处理方法为：定义Q1为25％最大值，Q3为75％最大值，Q3与Q1之间的差值为四分位距IQR，并设定(Q1-1.5×IQR)和(Q3+1.5×IQR)为微循环功能参数正常范围边界值，超过边界值微循环功能数据视为离群值，并被调整为正常范围边界值。
步骤3，生物组织微循环功能数据的同步、协同分析
步骤3.1，微循环血流与微循环氧关联分析：导入步骤2清洗处理后的微循环功能数据，生成生物组织微循环功能弦图，用弧线条展示微循环血流和氧数据之间相互关系，用于生物组织微循环功能协同性分析。
本实施例使用弦图进行可视化呈现生物组织微循环功能数据同步分析，数据点以圆的形式呈放射状排列，这里使用微循环血流灌注水平和微循环血红蛋白氧饱和度两个指标，进行具体分析如下：
如图3所示，弦图左、右两侧半弧分别代表微循环血流灌注水平及微循环氧，每侧弧均分为5个区间。各弧之间通过具有宽度的弦进行连接。其中，左侧半弧微循环血流灌注水平按检测取值范围分为0-200PU、200-400PU、400-600PU、600-800PU和800-1000PU。右侧半弧代表微循环血红蛋白氧饱和度，其中微循环血红蛋白氧饱和度按检测取值范围分为0-20％，20-40％，40-60％，60-80％，80-100％。弦图中的各弧分别代表微循环血流灌注水平或微循环血红蛋白氧饱和度，弧宽度代表微循环血流灌注水平或微循环血红蛋白氧饱和度数据量，连接弧的弦宽度体现微循环血流灌注水平与微循环血红蛋白氧饱和度数据的关联属性。
如图3所示，弦图中的弧以不同颜色体现微循环血流灌注水平和微循环血红蛋白氧饱和度丰度属性。如微循环血流灌注水平800-1000PU与微循环血红蛋白氧饱和度40-60％之间的弦，与800-1000PU相连的一端代表800-1000PU微循环血流灌注中微循环血红蛋白氧饱和度在40-60％的微循环血流灌注有多少，与微循环血红蛋白氧饱和度40-60％一端相连则代表微循环血红蛋白氧饱和度40-60％的微循环氧供给有多少由灌注量在800-1000PU的微循环血流提供。
另外，需要说明的是，本实施例中所述弦图同样适用于其他可分级的生物组织微循环功能指标，以进行生物组织微循环功能协同分析。
步骤3.2，微循环功能数据分布权重关联分析：导入步骤2清洗处理后的微循环功能数据，使用Apache许可下的ECharts生成生物组织微循环功能单轴气泡图，实现生物组织微循环功能参数分布和权重关联分析。
本实施例使用单轴气泡图对生物组织微循环功能参数，包括微循环血流灌注和微循环氧，分布权重关联进行可视化呈现。数据以“气泡”的形式依照横轴排列，以“气泡”的面积差异展示微循环功能数据的分布权重关联。
为直观展示单轴气泡图对微循环功能数据分布权重的分析作用，本实施例使用部分测试数据生成如图4所示的气泡图，气泡图中的横轴表示微循环功能参数数据分布的取值范围，均分为4个区间，并使用数字对连续区间进行标记，分别为区间0-3、区间3-6、区间6-9、区间9-12，以反映微循环功能参数数据的分布权重关联。微循环功能参数数据分布量与圆形“气泡”面积成正比：圆形面积越大，表明越多的微循环功能数据落在圆形对应的区间；反之，圆形面积越小，表示越少的微循环功能数据分布在此区间。故单轴气泡图可直观展示生物组织微循环功能数据在各取值区间的分布、权重关联情况。
具体到图5所示的微循环血流灌注分布权重关联分析气泡图中，区间刻度500PU对应的圆形面积较大，区间刻度1000PU对应的圆形面积较小，则表明该生物组织微循环血流灌注数据较多集中分布在区间刻度500PU，较少数据分布在区间刻度1000PU，即该生物组织微循环血流灌注主要在500PU水平，500PU水平的微循环血流灌注为优势权重。
具体到图6所示的微循环血红蛋白氧饱和度分布权重关联分析气泡图中，区间刻度50％对应的圆形面积较大，区间刻度0％和100％对应的圆形面积较小，则表明该生物组织微循环血红蛋白氧饱和度数据较多集中分布在区间刻度50％，较少数据分布在区间刻度0％和100％，即该生物组织微循环血红蛋白氧饱和度主要在50％水平，50％水平的微循环血红蛋白氧饱和度为优势权重。
最后应说明的是，以上仅用以说明本发明的技术方案而非限制，尽管参照较佳布置方案对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围。
Claims (3)
1.一种生物组织微循环功能参数数据的同步处理及协同分析方法，其特征在于，所述方法包括以下步骤：
步骤1，生物组织微循环功能多参数的同步捕获
应用商用增强灌注与氧饱和度检测系统，同步采集生物组织的微循环功能数据，包括微循环血流数据和微循环氧功能数据；
步骤2，生物组织微循环功能数据的清洗
将步骤1捕获的生物组织微循环功能数据导入数据清洗模块，对数据中的空值和负值进行自动化剔除处理，通过计算机脚本执行箱线图算法，处理离群的生物组织微循环功能参数，获得清洗处理后的微循环功能数据；
步骤3，生物组织微循环功能数据的同步、协同分析
步骤3.1，微循环血流与微循环氧关联分析：同时导入步骤2清洗处理后的微循环血流数据和微循环氧功能数据，生成生物组织微循环功能弦图，用弧线条展示微循环血流和氧数据之间相互关系，用于生物组织微循环功能协同性分析；
所述生物组织微循环功能弦图，左、右两侧半弧分别代表微循环血流水平和微循环氧，每侧弧均分为n个区间，各弧之间通过具有宽度的弦进行连接；弦图中的各弧分别代表微循环血流灌注水平或微循环血红蛋白氧饱和度，弧宽度代表微循环血流灌注水平或微循环血红蛋白氧饱和度数据量，连接弧的弦宽度体现微循环血流灌注水平与微循环血红蛋白氧饱和度数据的关联属性，弦图中的弧以不同颜色体现微循环血流灌注水平和微循环血红蛋白氧饱和度丰度属性；
步骤3.2，微循环功能数据分布和权重关联分析：导入步骤2清洗处理后的各微循环功能数据，使用Apache许可下的ECharts生成生物组织微循环功能单轴气泡图，实现生物组织微循环功能参数分布和权重关联分析；
所述生物组织微循环功能单轴气泡图，其横轴表示微循环功能参数数据分布的取值范围，均分为n个区间，并使用数字对连续区间进行标记，微循环功能参数数据分布量与圆形“气泡”面积成正比。
2.根据权利要求1所述生物组织微循环功能参数数据的同步处理及协同分析方法，其特征在于，步骤1中所述的微循环血流数据具体包括微循环总血流灌注水平和微循环速度分级血流灌注水平，所述微循环氧功能数据具体包括微循环血红细胞分数、微循环血红蛋白氧饱和度、微循环氧化/还原/总体血红蛋白含量。
3.根据权利要求1所述生物组织微循环功能参数数据的同步处理及协同分析方法，其特征在于，步骤2中所述离群的生物组织微循环功能参数的具体处理方法为：定义Q1为25％最大值，Q3为75％最大值，Q3与Q1之间的差值为四分位距IQR，并设定(Q1-1.5×IQR)和(Q3+1.5×IQR)为微循环功能参数正常范围边界值，超过边界值微循环功能数据视为离群值，并被调整为正常范围边界值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111122597.3A CN113842130B (zh) | 2021-09-24 | 2021-09-24 | 一种生物组织微循环功能参数数据的同步处理及协同分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111122597.3A CN113842130B (zh) | 2021-09-24 | 2021-09-24 | 一种生物组织微循环功能参数数据的同步处理及协同分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113842130A CN113842130A (zh) | 2021-12-28 |
| CN113842130B true CN113842130B (zh) | 2022-03-25 |
Family
ID=78979312
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111122597.3A Active CN113842130B (zh) | 2021-09-24 | 2021-09-24 | 一种生物组织微循环功能参数数据的同步处理及协同分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113842130B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107320112A (zh) * | 2017-07-07 | 2017-11-07 | 广州医软智能科技有限公司 | 微循环的多参数成像检测方法及装置 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107773217B (zh) * | 2017-09-29 | 2021-01-05 | 天津大学 | 活体组织微循环代谢动态测量装置及方法 |
| WO2020141127A1 (en) * | 2019-01-03 | 2020-07-09 | Koninklijke Philips N.V. | Systems and methods for contrast enhanced imaging |
| CN110309734A (zh) * | 2019-06-14 | 2019-10-08 | 暨南大学 | 一种基于目标识别的微循环血流速度测量方法及测量系统 |
| CN111759323B (zh) * | 2020-07-08 | 2021-06-29 | 刘明明 | 一种多模块微循环功能测评装置及基于其的生物组织微循环可视化方法 |
| CN112000761A (zh) * | 2020-08-28 | 2020-11-27 | 中国科学院计算机网络信息中心 | 数据分析方法及装置、电子设备、计算机可读存储介质 |
| CN112522371A (zh) * | 2020-12-21 | 2021-03-19 | 广州基迪奥生物科技有限公司 | 一种空间转录组测序数据的分析方法 |
-
2021
- 2021-09-24 CN CN202111122597.3A patent/CN113842130B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107320112A (zh) * | 2017-07-07 | 2017-11-07 | 广州医软智能科技有限公司 | 微循环的多参数成像检测方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113842130A (zh) | 2021-12-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Pollonini et al. | PHOEBE: a method for real time mapping of optodes-scalp coupling in functional near-infrared spectroscopy | |
| Liska et al. | Functional connectivity hubs of the mouse brain | |
| Omidvarnia et al. | Functional bimodality in the brain networks of preterm and term human newborns | |
| Mesquita et al. | Resting state functional connectivity of the whole head with near-infrared spectroscopy | |
| Ciftci | Minimum spanning tree reflects the alterations of the default mode network during Alzheimer’s disease | |
| Valencia et al. | Complex modular structure of large-scale brain networks | |
| CN108596043A (zh) | 基于集合经验模式分解的单导联脑电信号的睡眠自动分期的方法 | |
| Gautama et al. | Signal nonlinearity in fMRI: a comparison between BOLD and MION | |
| CN111759323B (zh) | 一种多模块微循环功能测评装置及基于其的生物组织微循环可视化方法 | |
| US7801597B2 (en) | Method and apparatus for brain wave fluctuations analysis | |
| CN113842130B (zh) | 一种生物组织微循环功能参数数据的同步处理及协同分析方法 | |
| De Asis-Cruz et al. | Functional connectivity-derived optimal gestational-age cut points for fetal brain network maturity | |
| Zhang et al. | Receptive-field subfields of V2 neurons in macaque monkeys are adult-like near birth | |
| Castelluzzo et al. | Dependence of connectivity on the logarithm of geometric distance in brain networks | |
| DE2812988A1 (de) | Verfahren und anordnung zur erfassung der beta-thalassaemie minor | |
| CN112006665B (zh) | 一种基于物联网的景区智能综合服务可穿戴系统 | |
| Lucas et al. | Relation of cardiac ventricular repolarization and global cognitive performance in a community population | |
| Zhang et al. | Non-invasive blood glucose detection using NIR based on GA and SVR | |
| CN113951850A (zh) | 一种肺组织整体微循环功能测评及可视化呈现方法 | |
| Wang et al. | Strengths-based leadership and employee strengths use: The roles of strengths self-efficacy and job insecurity | |
| Markošová et al. | Topology of brain functional networks: towards the role of genes | |
| CN116458869B (zh) | 基于视觉脑网络的意识检测方法、系统、设备及介质 | |
| Georgieva-Tsaneva et al. | Heart rate variability analysis of healthy individuals and patients with ischemia and arrhythmia | |
| Miao et al. | Amplitude-independent machine learning for PPG through visibility graphs and transfer learning | |
| CN113729655B (zh) | 一种分离uwb雷达传感器接收信号的方法 |
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 |