CN114974566B - 一种认知功能评估方法和系统 - Google Patents

一种认知功能评估方法和系统 Download PDF

Info

Publication number
CN114974566B
CN114974566B CN202210562941.9A CN202210562941A CN114974566B CN 114974566 B CN114974566 B CN 114974566B CN 202210562941 A CN202210562941 A CN 202210562941A CN 114974566 B CN114974566 B CN 114974566B
Authority
CN
China
Prior art keywords
blood oxygen
cerebral
blood pressure
coupling
coupling strength
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
Application number
CN202210562941.9A
Other languages
English (en)
Other versions
CN114974566A (zh
Inventor
张腾宇
李增勇
李文昊
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.)
National Research Center for Rehabilitation Technical Aids
Original Assignee
National Research Center for Rehabilitation Technical Aids
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 National Research Center for Rehabilitation Technical Aids filed Critical National Research Center for Rehabilitation Technical Aids
Priority to CN202210562941.9A priority Critical patent/CN114974566B/zh
Priority to CN202310226400.3A priority patent/CN116344034A/zh
Publication of CN114974566A publication Critical patent/CN114974566A/zh
Application granted granted Critical
Publication of CN114974566B publication Critical patent/CN114974566B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • 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
    • A61B5/1455—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 using optical sensors, e.g. spectral photometrical oximeters
    • A61B5/14551—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 using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
    • A61B5/14553—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 using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases specially adapted for cerebral tissue
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
    • A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
    • 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
    • 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
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/06—Measuring blood flow
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/48—Diagnostic techniques
    • A61B8/488—Diagnostic techniques involving Doppler signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5238—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image
    • A61B8/5261—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image combining images from different diagnostic modalities, e.g. ultrasound and X-ray
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Physiology (AREA)
  • Neurology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Cardiology (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Hematology (AREA)
  • Optics & Photonics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Pulmonology (AREA)
  • Child & Adolescent Psychology (AREA)
  • Developmental Disabilities (AREA)
  • Hospice & Palliative Care (AREA)
  • Psychology (AREA)
  • Neurosurgery (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了一种认知功能评估系统，包括采集模块、计算模块和评估结果计算模块，其中：采集模块用于同步采集左右两侧前额叶脑血氧数据和连续动脉血压数据；计算模块用于计算采集时段内脑血氧饱和度平均值、左右两侧前额叶脑血氧耦合强度值以及脑血氧与血压的耦合强度值；评估结果计算模块用于根据计算得到的脑血氧饱和度平均值、左右两侧前额叶脑血氧耦合强度值以及脑血氧与血压的耦合强度值评估受试者的认知功能。

Description

一种认知功能评估方法和系统
技术领域
本发明涉及生物信号检测领域，尤其涉及一种认知功能评估方法和系统。
背景技术
随着全世界人口的老龄化，老年人痴呆的患病率逐渐增加，不仅严重影响老年人的生活质量，而且给家庭和社会带来沉重的负担。老年痴呆的病程是不可逆的，但往往在痴呆发生之前的很长一段时间就会出现认知功能的减退，如果能够及早进行检测，对认知功能进行评估，就有可能在早期发现认知功能障碍，从而可以早期预防和干预，将延缓甚至逆转认知障碍的发展，有效降低痴呆发病率，减轻家庭和社会负担。目前认知功能评估主要依据量表，评估耗时长，主观性强，依赖专业评估人员，为一些缺少专业评估师的养老机构、社区进行认知障碍筛查带来不便，因此非常需要有简单易操作、客观量化的评估系统进行评估筛查。
为此，本发明提供了一种认知功能评估方法和系统，能够较为方便、准确的对认知功能进行评估，早期发现认知障碍，在健康监测领域有着广泛的应用前景。
发明内容
为实现本发明之目的，采用以下技术方案予以实现：
一种认知功能评估系统，包括采集模块、计算模块和评估结果计算模块，其中：采集模块用于同步采集左右两侧前额叶脑血氧数据和连续动脉血压数据；计算模块用于计算采集时段内脑血氧饱和度平均值、左右两侧前额叶脑血氧耦合强度值以及脑血氧与血压的耦合强度值；评估结果计算模块用于根据计算得到的脑血氧饱和度平均值、左右两侧前额叶脑血氧耦合强度值以及脑血氧与血压的耦合强度值评估受试者的认知功能。
所述的认知功能评估系统，其中：采集模块包括：动脉血压采集模块、脑血氧采集模块和血压-脑氧同步触发模块。
所述的认知功能评估系统，其中：血压-脑氧同步触发模块控制动脉血压采集模块和脑血氧采集模块同步采集左右两侧前额叶脑血氧数据和连续动脉血压数据。
所述的认知功能评估系统，其中：计算模块包括血氧饱和度计算模块，耦合强度计算模块和血流参数计算模块。
所述的认知功能评估系统，其中：血氧饱和度计算模块按如下方式进行脑血氧饱和度的平均值计算：
Figure BDA0003657334390000021
其中，Rmean为脑血氧饱和度的平均值，N为测量时间段内的采样点数，f为采样率，Ri为第i个采样点的血氧饱和度值。
所述的认知功能评估系统，其中耦合强度计算模块按如下方式进行左右两侧前额叶脑血氧耦合强度值的计算：根据受试者在静息态下10min采集时段内大脑左右两侧前额叶的脑氧合血红蛋白浓度变化数据，计算左右两侧前额叶在0.05–0.15Hz频段内的效应连接强度，具体为，将左右前额叶两通道的脑血氧信号分别标记为i、j，首先通过小波变化提取脑氧合血红蛋白浓度变化信号在0.05–0.15Hz频段的相位信息，在此基础上构建两个通道脑氧合血红蛋白浓度变化信号的耦合相位振荡模型，基于贝叶斯推理构造似然函数，通过递归运算计算负对数似然函数的稳定点来推断两通道相位耦合模型的耦合系数，则i到j通道的耦合强度Eij为：
Figure BDA0003657334390000031
其中，
Figure BDA0003657334390000032
和/>
Figure BDA0003657334390000033
分别为i和j通道的相位耦合模型的耦合系数。
所述的认知功能评估系统，其中：耦合强度计算模块按如下方式进行脑血氧与血压耦合强度值的计算：根据受试者在静息态下10min采集时段内优势侧大脑前额叶脑氧合血红蛋白浓度变化以及动脉血压变化数据，计算0.6-2Hz频段的血压和0.02-0.07Hz频段内优势侧前额叶脑氧的耦合强度，具体为，将动脉血压信号和优势侧前额叶的脑血氧信号分别标记为x、y，首先通过小波变化提取血压信号在0.6-2Hz频段和脑氧合血红蛋白浓度变化信号在0.02-0.07Hz频段的相位信息，在此基础上构建耦合相位振荡模型，基于贝叶斯推理构造似然函数，通过递归运算计算负对数似然函数的稳定点来推断相位耦合模型的耦合系数，则x到y通道的耦合强度Exy为：
Figure BDA0003657334390000041
其中，
Figure BDA0003657334390000042
和/>
Figure BDA0003657334390000043
分别为x和y通道的相位耦合模型的耦合系数。
所述的认知功能评估系统，其中：评估结果计算模块通过脑血氧饱和度平均值评估认知功能的过程为：当优势侧前额叶脑血氧饱和度平均值>60％时，判断为认知正常；当56％≤优势侧前额叶脑血氧饱和度平均值≤60％时，判断可能为轻度认知障碍；当优势侧前额叶脑血氧饱和度平均值<56％时，判断可能为重度认知障碍；
评估结果计算模块通过左右两侧前额叶脑血氧耦合强度值评估认知功能的过程为：每月定期测试并记录左右两侧前额叶脑血氧耦合强度值，当连续3次测试的左右两侧前额叶脑血氧耦合强度值持续降低超过20％，判断可能出现认知障碍；或者当最近一次测试的耦合强度值较6个月前测试结果降低超过50％时，连续3周每周测试一次，如果3次测试结果均较6个月前测试结果降低超过50％时，判断可能出现认知障碍；
评估结果计算模块通过脑血氧与血压的耦合强度值评估认知功能的过程为：每月定期测试并记录脑血氧与血压的耦合强度值，当连续3次测试的脑血氧与血压耦合强度值持续增加超过15％，判断可能出现认知障碍；或者最近一次测试的耦合强度值较6个月前测试结果增加超过30％时，连续3周每周测试一次，如果3次测试结果均较6个月前测试结果增加超过30％时，判断可能出现认知障碍。
所述的认知功能评估系统，其中：
采集模块还用于利用经颅多普勒超声通过头部两侧颞窗探测受试者静息状态下大脑中动脉血流，探测深度50-60mm；获取两侧脑中动脉血流速度；
计算模块还用于计算两侧脑中动脉搏动指数PI值的均值，计算方式为：
Figure BDA0003657334390000051
其中：VSL、VSR分别为左右两侧中动脉血流在收缩期的峰值流速，VDL、VDR分别为左右两侧中动脉血流在舒张末期的流速，VL、VR分别为左右两侧中动脉血流的平均流速；
评估结果计算模块还用于根据计算得到的PI值的均值评估受试者的认知功能：当PI均值<1时，判断为认知正常；当1≤PI均值≤1.2时，判断可能为轻度认知障碍；当PI均值>1.2时，判断可能为重度认知障碍。
所述的认知功能评估系统，其中：
计算模块还包括用于计算优势侧大脑中动脉血流速度与血氧饱和度信号的频域相关性值CVR，计算方式为：假设优势侧大脑中动脉血流速度与血氧饱和度信号分别为x(n)、y(n)，通过傅里叶变换得到其功率谱密度函数，提取其在0.02-0.07Hz频段的功率谱，Sxx(f)和Syy(f)分别为x(n)和y(n)的自功率谱，Sxy(f)为x(n)和y(n)的互功率谱，则两信号之间的频域相关性值为：
CVR＝|Sxy(f)|2/Sxx(f)Syy(f)
评估结果计算模块按如下方式进行判断：当CVR≥0.4时，判断为认知正常；当CVR<0.4时，判断可能存在认知障碍。
所述的认知功能评估系统，其中：假设通过血氧饱和度均值评估认知功能的结果为A，当结果为认知正常时A＝0，当结果为轻度认知障碍时A＝1，当结果为重度认知障碍时A＝2；假设通过左右两侧前额叶脑血氧耦合强度值评估认知功能的结果为B，当结果为认知正常时B＝0，当结果为可能存在认知障碍时B＝1；假设通过血压和脑血氧耦合强度值评估认知功能的结果为C，当结果为认知正常时C＝0，当结果为可能存在认知障碍时C＝1；假设通过脑中动脉搏动指数PI均值评估认知功能的结果为D，当结果为认知正常时D＝0，当结果为轻度认知障碍时D＝1，当结果为重度认知障碍时D＝2；假设通过脑中动脉血流速度与血氧饱和度信号的频域相关性值评估认知功能的结果为E，当结果为认知正常时E＝0，当结果为认知障碍时E＝1；
根据以上参数建立综合评价系统模型，利用多元线性回归分析法确定各参数在评价系统中的权重W1、W2、W3、W4、W5，得到综合评估结果P的计算公式为：
P＝W1*A+W2*B+W3*C+W4*D+W5*E
其中W1、W2、W3、W4、W5均为0-1之间的值，W1、W4均大于0.5，W2、W3、W5均小于0.5。
将P与阈值P1、P2比较，确定综合评估结果为认知正常、轻度认知障碍和重度认知障碍。
所述的认知功能评估系统，其中：
P＝0.9*(A+D)+0.33*B+0.36*C+0.32*E
当P≤1时，判断最终结果为认知正常；1<P≤2时，判断最终结果为轻度认知障碍；P>2时，判断最终结果为重度认知障碍。
一种认知功能评估方法，所述认知功能评估方法包括：步骤1.同步采集左右两侧前额叶脑血氧数据和连续动脉血压数据；步骤2.计算采集时段内脑血氧饱和度平均值、左右两侧前额叶脑血氧耦合强度值，以及脑血氧与血压的耦合强度值；步骤3.根据步骤2计算得到的脑血氧饱和度平均值、左右两侧前额叶脑血氧耦合强度值以及脑血氧与血压的耦合强度值评估受试者的认知功能。
所述的认知功能评估方法，其中：同步测量受试者的连续动脉血压及左右两侧前额叶的脑血氧的过程中，受试者的测量状态为坐位、静息状态，连续测量时间不少于10分钟，采样频率不低于10Hz。
所述的认知功能评估方法，其中步骤2中脑血氧饱和度的平均值计算方法为：计算受试者在静息态下3min采集时段内优势侧大脑前额叶脑血氧饱和度值的均值。
16.根据权利要求13所述的认知功能评估方法，其特征在于：步骤2中脑血氧饱和度的平均值计算方法为：
Figure BDA0003657334390000071
其中，Rmean为脑血氧饱和度的平均值，N为测量时间段内的采样点数，f为采样率，Ri为第i个采样点的血氧饱和度值。
所述的认知功能评估方法，其中：步骤2中左右两侧前额叶脑血氧耦合强度值的计算方法为：根据受试者在静息态下10min采集时段内大脑左右两侧前额叶的脑氧合血红蛋白浓度变化数据，计算左右两侧前额叶在0.05–0.15Hz频段内的效应连接强度，具体为，将左右前额叶两通道的脑血氧信号分别标记为i、j，首先通过小波变化提取脑氧合血红蛋白浓度变化信号在0.05–0.15Hz频段的相位信息，在此基础上构建两个通道脑氧合血红蛋白浓度变化信号的耦合相位振荡模型，基于贝叶斯推理构造似然函数，通过递归运算计算负对数似然函数的稳定点来推断两通道相位耦合模型的耦合系数，则i到j通道的耦合强度Eij为：
Figure BDA0003657334390000072
其中，
Figure BDA0003657334390000073
和/>
Figure BDA0003657334390000074
分别为i和j通道的相位耦合模型的耦合系数。
所述的认知功能评估方法，其中：步骤2中脑血氧与血压耦合强度值的计算方法为：根据受试者在静息态下10min采集时段内优势侧大脑前额叶脑氧合血红蛋白浓度变化以及动脉血压变化数据，计算0.6-2Hz频段的血压和0.02-0.07Hz频段内优势侧前额叶脑氧的耦合强度，具体为，将动脉血压信号和优势侧前额叶的脑血氧信号分别标记为x、y，首先通过小波变化提取血压信号在0.6-2Hz频段和脑氧合血红蛋白浓度变化信号在0.02-0.07Hz频段的相位信息，在此基础上构建耦合相位振荡模型，基于贝叶斯推理构造似然函数，通过递归运算计算负对数似然函数的稳定点来推断相位耦合模型的耦合系数，则x到y通道的耦合强度Exy为：
Figure BDA0003657334390000081
其中，
Figure BDA0003657334390000082
和/>
Figure BDA0003657334390000083
分别为x和y通道的相位耦合模型的耦合系数。
所述的认知功能评估方法，其中：步骤3中：通过脑血氧饱和度平均值评估认知功能的过程为：当优势侧前额叶脑血氧饱和度平均值>60％时，判断为认知正常；当56％≤优势侧前额叶脑血氧饱和度平均值≤60％时，判断可能为轻度认知障碍；当优势侧前额叶脑血氧饱和度平均值<56％时，判断可能为重度认知障碍；
通过左右两侧前额叶脑血氧耦合强度值评估认知功能的过程为：每月定期测试并记录左右两侧前额叶脑血氧耦合强度值，当连续3次测试的左右两侧前额叶脑血氧耦合强度值持续降低超过20％，判断可能出现认知障碍；或者当最近一次测试的耦合强度值较6个月前测试结果降低超过50％时，连续3周每周测试一次，如果3次测试结果均较6个月前测试结果降低超过50％时，判断可能出现认知障碍；
通过脑血氧与血压的耦合强度值评估认知功能的过程为：每月定期测试并记录脑血氧与血压的耦合强度值，当连续3次测试的脑血氧与血压耦合强度值持续增加超过15％，判断可能出现认知障碍；或者最近一次测试的耦合强度值较6个月前测试结果增加超过30％时，连续3周每周测试一次，如果3次测试结果均较6个月前测试结果增加超过30％时，判断可能出现认知障碍。
所述的认知功能评估方法，其中：
步骤1还包括利用经颅多普勒超声通过头部两侧颞窗探测受试者静息状态下大脑中动脉血流，探测深度50-60mm；获取两侧脑中动脉血流速度；
步骤2还包括：计算两侧脑中动脉搏动指数PI值的均值，计算方法为：
Figure BDA0003657334390000091
其中：VSL、VSR分别为左右两侧中动脉血流在收缩期的峰值流速，VDL、VDR分别为左右两侧中动脉血流在舒张末期的流速，VL、VR分别为左右两侧中动脉血流的平均流速；
步骤3还包括：根据步骤2计算得到PI值的均值评估受试者的认知功能：当PI均值<1时，判断为认知正常；当1≤PI均值≤1.2时，判断可能为轻度认知障碍；当PI均值>1.2时，判断可能为重度认知障碍。
所述的认知功能评估方法，其中：
步骤2还包括：计算优势侧大脑中动脉血流速度与血氧饱和度信号的频域相关性值CVR，计算方法为：假设优势侧大脑中动脉血流速度与血氧饱和度信号分别为x(n)、y(n)，通过傅里叶变换得到其功率谱密度函数，提取其在0.02-0.07Hz频段的功率谱，Sxx(f)和Syy(f)分别为x(n)和y(n)的自功率谱，Sxy(f)为x(n)和y(n)的互功率谱，则两信号之间的频域相关性值为：
CVR＝|Sxy(f)|2/Sxx(f)Syy(f)
步骤3还包括：当CVR≥0.4时，判断为认知正常；当CVR<0.4时，判断可能存在认知障碍。
所述的认知功能评估方法，其中：假设通过血氧饱和度均值评估认知功能的结果为A，当结果为认知正常时A＝0，当结果为轻度认知障碍时A＝1，当结果为重度认知障碍时A＝2；假设通过左右两侧前额叶脑血氧耦合强度值评估认知功能的结果为B，当结果为认知正常时B＝0，当结果为可能存在认知障碍时B＝1；假设通过血压和脑血氧耦合强度值评估认知功能的结果为C，当结果为认知正常时C＝0，当结果为可能存在认知障碍时C＝1；假设通过脑中动脉搏动指数PI均值评估认知功能的结果为D，当结果为认知正常时D＝0，当结果为轻度认知障碍时D＝1，当结果为重度认知障碍时D＝2；假设通过脑中动脉血流速度与血氧饱和度信号的频域相关性值评估认知功能的结果为E，当结果为认知正常时E＝0，当结果为认知障碍时E＝1；
根据以上参数建立综合评价系统模型，利用多元线性回归分析法确定各参数在评价系统中的权重W1、W2、W3、W4、W5，得到综合评估结果P的计算公式为：
P＝W1*A+W2*B+W3*C+W4*D+W5*E
其中W1、W2、W3、W4、W5均为0-1之间的值，W1、W4均大于0.5，W2、W3、W5均小于0.5。
将P与阈值P1、P2比较，确定综合评估结果为认知正常、轻度认知障碍和重度认知障碍。
所述的认知功能评估方法，其中：
P＝0.9*(A+D)+0.33*B+0.36*C+0.32*E
当P≤1时，判断最终结果为认知正常；1<P≤2时，判断最终结果为轻度认知障碍；P>2时，判断最终结果为重度认知障碍。
附图说明
图1为认知功能评估方法流程图；
图2为脑血氧采集位置示意图；
图3为认知功能评估系统的结构示意图。
具体实施方式
下面结合附图1-3，对本发明的具体实施方式进行详细说明。
如图1所示，本发明的具体实施例提供一种认知功能评估方法，所述认知功能评估方法包括：步骤1.同步采集前额叶脑血氧数据和连续动脉血压数据；步骤2.计算采集时段内脑血氧饱和度的平均值、左右两侧前额叶脑血氧耦合强度，以及脑血氧与血压的耦合强度；步骤3.根据步骤2计算得到的脑血氧饱和度平均值、左右两侧前额叶脑血氧耦合强度以及脑血氧与血压的耦合强度值评估受试者的认知功能。具体步骤描述如下：
步骤1.同步测量受试者的连续动脉血压及大脑左右两侧前额叶的脑血氧数据，包括氧合血红蛋白浓度变化、脱氧血红蛋白浓度变化、总血红蛋白浓度变化以及脑血氧饱和度。
根据一个具体实施例，同步测量受试者的动脉血压及左右两侧前额叶的脑血氧的过程中，受试者的测量状态为坐位、静息状态，连续测量时间不少于10分钟，采样频率不低于10Hz。脑血氧的采集位置如图2所示。将两个脑血氧检测传感器2A、2B分别固定在受试者左右两侧前额叶待测试部位，固定位置相对于受试者的面部中线2C左右对称、上下齐平，血氧传感器中心连线2D位于眉骨上方1.5cm，避开面部中线2C。
步骤2.计算采集时段内脑血氧饱和度的平均值、左右两侧前额叶脑血氧耦合强度，以及脑血氧与血压的耦合强度。
根据一个具体实施例，脑血氧饱和度的平均值计算方法为：
Figure BDA0003657334390000111
其中，Rmean为脑血氧饱和度的平均值，N为测量时间段内的采样点数，f为采样率，Ri为第i个采样点的血氧饱和度值。
左右两侧前额叶脑血氧耦合强度的计算方法为：根据受试者在静息态下10min采集时段内大脑左右两侧前额叶的脑氧合血红蛋白浓度变化数据，应用贝叶斯推理(DBI)方法计算得到左右两侧前额叶在0.05–0.15Hz频段内的效应连接强度，具体为：左右前额叶两通道的脑血氧信号分别标记为i、j，首先通过小波变化提取脑氧合血红蛋白浓度变化信号在0.05-0.15Hz频段的相位信息，在此基础上构建两个通道脑氧合血红蛋白浓度变化信号的耦合相位振荡模型，基于DBI构造似然函数，通过递归运算计算负对数似然函数的稳定点来推断两通道相位耦合模型的耦合系数，则i到j通道的耦合强度Eij为：
Figure BDA0003657334390000121
其中，φi(t)和φj(t)分别为i和j通道的耦合相位振荡模型，
Figure BDA0003657334390000122
和/>
Figure BDA0003657334390000123
分别为i和j通道的相位耦合模型的耦合系数。
脑血氧与血压耦合强度的计算方法为：根据受试者在静息态下10min采集时段内优势侧大脑前额叶脑氧合血红蛋白浓度变化以及动脉血压变化数据，应用贝叶斯推理方法计算得到0.6-2Hz频段的血压和0.02-0.07Hz频段内优势侧前额叶脑氧的耦合强度，具体为：动脉血压信号和优势侧前额叶的脑血氧信号分别标记为x、y，首先通过小波变化提取血压信号0.6-2Hz频段和脑氧合血红蛋白浓度变化信号在0.02-0.07Hz频段的相位信息，在此基础上构建耦合相位振荡模型。基于DBI构造似然函数，通过递归运算计算负对数似然函数的稳定点来推断相位耦合模型的耦合系数，则x到y通道的耦合强度Exy为：
Figure BDA0003657334390000131
其中，φx(t)和φy(t)分别为x和y通道的耦合相位振荡模型，
Figure BDA0003657334390000132
和/>
Figure BDA0003657334390000133
分别为x和y通道的相位耦合模型的耦合系数。
以上计算方法中，优势侧定义为：如受试者为右利手，则左侧大脑为优势侧；如受试者为左利手，则右侧大脑为优势侧。如受试者存在一侧大脑损伤或发育障碍，则未受损一侧大脑为优势侧。
除以上实施例，本发明也可利用格兰杰因果分析方法或传递函数分析方法计算左右两侧前额叶的脑血氧耦合强度以及脑血氧与血压的耦合强度。
步骤3.根据步骤2计算得到的脑血氧饱和度平均值、左右两侧前额叶脑血氧耦合强度以及脑血氧与血压的耦合强度值评估受试者的认知功能。
具体地，通过脑血氧饱和度平均值评估认知功能的过程为：当优势侧前额叶脑血氧饱和度平均值>60％时，判断为认知正常；当56％≤优势侧前额叶脑血氧饱和度平均值≤60％时，判断可能为轻度认知障碍；当优势侧前额叶脑血氧饱和度平均值<56％时，判断可能为重度认知障碍。
通过左右两侧前额叶脑血氧耦合强度评估认知功能的过程为：每月定期测试并记录左右两侧前额叶脑血氧耦合强度值，当连续3次测试的左右两侧前额叶脑血氧耦合强度值持续降低超过20％，判断可能出现认知障碍；或者当最近一次测试的耦合强度值较6个月前测试结果降低超过50％时，连续3周每周测试一次，如果3次测试结果均较6个月前测试结果降低超过50％时，判断可能出现认知障碍。
通过脑血氧与血压的耦合强度评估认知功能的过程为：每月定期测试并记录脑血氧与血压的耦合强度值，当连续3次测试的脑血氧与血压耦合强度值持续增加超过15％，判断可能出现认知障碍；或者最近一次测试的耦合强度值较6个月前测试结果增加超过30％时，连续3周每周测试一次，如果3次测试结果均较6个月前测试结果增加超过30％时，判断可能出现认知障碍。
根据一个具体实施例，可利用上述三种方法中的任意一种进行认知功能评估，也可以根据三种方法评估的结果综合判断认知功能。具体地，利用三种方法的结果综合判断的方法如下：假设通过血氧饱和度均值评估认知功能的结果为A，当结果为认知正常时A＝0，当结果为轻度认知障碍时A＝1，当结果为重度认知障碍时A＝2；假设通过左右两侧前额叶脑血氧耦合强度评估认知功能的结果为B，当结果为认知正常时B＝0，当结果为可能存在认知障碍时B＝1；假设通过血压和脑血氧耦合强度评估认知功能的结果为C，当结果为认知正常时C＝0，当结果为可能存在认知障碍时C＝1。综合评估结果P的计算方法为：
P＝A+0.5*B+0.8*C
当P≤1时，判断最终结果为认知正常；1<P<2.5时，判断最终结果为轻度认知障碍；P≥2.5时，判断最终结果为重度认知障碍。
根据另一个具体实施例，利用上述三种方法评估的结果综合判断认知功能的方法为：如两种以上方法评估的结果一致，则以该结果作为最终评估结果。根据一个具体实施例，如根据左右两侧前额叶脑血氧耦合强度和脑血氧与血压的耦合强度评估结果都认为存在认知障碍，则结合脑血氧饱和度的评估结果判断认知障碍的程度，如脑血氧饱和度的评估结果为重度认知障碍，则判断为重度认知障碍，否则判断为轻度认知障碍。如脑血氧饱和度的评估结果为轻度或重度认知障碍，其他两种方法任一种的结果为存在认知障碍，则以脑血氧饱和度的评估结果为最终评估结果。如脑血氧饱和度的评估结果为轻度或重度认知障碍，其他两种方法的评估结果均无认知障碍，则暂不判定为认知障碍，但认为存在较高的认知障碍风险，需要持续监测结果变化。
本发明还提供另一种实施例，该实施例进一步基于大脑中动脉血流监测的结果进行认知功能评估，具体为：利用经颅多普勒超声通过头部两侧颞窗探测受试者静息状态下大脑中动脉血流，探测深度50-60mm；获取两侧脑中动脉血流速度。
计算两侧脑中动脉血流搏动指数PI值的均值PImean，计算方法为：
Figure BDA0003657334390000151
其中：VSL、VSR分别为左右两侧中动脉血流在收缩期的峰值流速，VDL、VDR分别为左右两侧中动脉血流在舒张末期的流速，VL、VR分别为左右两侧中动脉血流的平均流速。
当PI均值<1时，判断为认知正常；当1≤PI均值≤1.2时，判断可能为轻度认知障碍；当PI均值>1.2时，判断可能为重度认知障碍。
计算优势侧大脑中动脉血流速度与血氧饱和度信号的频域相关性值CVR，计算方法为：假设优势侧大脑中动脉血流速度与血氧饱和度信号分别为x(n)、y(n)，通过傅里叶变换得到其功率谱密度函数，提取其在0.02-0.07Hz频段的功率谱，Sxx(f)和Syy(f)分别为x(n)和y(n)的自功率谱，Sxy(f)为x(n)和y(n)的互功率谱，则两信号之间的频域相关性值为：
CVR＝|Sxy(f)|2/Sxx(f)Syy(f)
当CVR≥0.4时，判断为认知正常；当CVR<0.4时，判断可能存在认知障碍。
可单独根据本方法进行认知功能评估，或将本评估方法的结果与利用血压、脑血氧评估的结果综合进行认知功能评估，具体结合方法为：假设通过血氧饱和度均值评估认知功能的结果为A，当结果为认知正常时A＝0，当结果为轻度认知障碍时A＝1，当结果为重度认知障碍时A＝2；假设通过左右两侧前额叶脑血氧耦合强度评估认知功能的结果为B，当结果为认知正常时B＝0，当结果为可能存在认知障碍时B＝1；假设通过血压和脑血氧耦合强度评估认知功能的结果为C，当结果为认知正常时C＝0，当结果为可能存在认知障碍时C＝1；假设通过脑中动脉搏动指数PI均值评估认知功能的结果为D，当结果为认知正常时D＝0，当结果为轻度认知障碍时D＝1，当结果为重度认知障碍时D＝2；假设通过优势侧脑中动脉血流速度与血氧饱和度信号的频域相关性值评估认知功能的结果为E，当结果为认知正常时E＝0，当结果为认知障碍时E＝1。根据以上参数建立综合评价系统模型，利用多元线性回归分析法确定各参数在评价系统中的权重W1、W2、W3、W4、W5，得到综合评估结果P的计算公式为：
P＝W1*A+W2*B+W3*C+W4*D+W5*E
其中W1、W2、W3、W4、W5均为0-1之间的值，W1、W4均大于0.5，W2、W3、W5均小于0.5。
将P与阈值P1、P2比较，确定综合评估结果为认知正常、轻度认知障碍和重度认知障碍。
根据一个具体实施例：P＝0.9*(A+D)+0.33*B+0.36*C+0.32*E
当P≤1时，判断最终结果为认知正常；1<P≤2时，判断最终结果为轻度认知障碍；P>2时，判断最终结果为重度认知障碍。
增加脑中动脉血流相关参数后，能够更全面、准确的反映受试者的认知功能。经验证，利用脑血氧饱和度均值、两侧血氧耦合强度、血氧与血压耦合强度、脑中动脉血流搏动指数、血流速度与血氧饱和度频域相干性五种参数综合评估的结果较脑血氧饱和度均值、两侧血氧耦合强度、血氧与血压耦合强度三种参数评估的结果准确率明显增加。
如图3所示，本发明提供一种认知功能评估系统，包括：动脉血压采集模块3A、脑血氧采集模块3B、血压-脑氧同步触发模块3C、脑动脉血流检测模块3D、评估计算模块3E和结果报告模块3F。
根据一个具体实施例，动脉血压采集模块3A为利用光电容积脉搏波描记法连续测量人体动脉血压数据的装置，包括红外光源3A1、光信号检测探头3A2、探头固定器3A3和数据处理传输模块3A4。探头固定器3A3用于将血压检测部件(红外光源3A1、光信号检测探头3A2)固定在待测人体部位，可以为指端或手腕内侧，数据处理传输模块3A4通过光信号检测探头3A2检测到的信号计算血压数据并传输到系统的评估计算模块3E。
脑血氧采集模块3B利用近红外光谱技术获取脑皮层组织血红蛋白浓度变化数据，包括至少2个采集传感器3B1、光纤3B2和数据处理传输模块3B3。每个传感器3B1由一个近红外光源3B11和两个探头3B12、3B13组成，光源3B11与两个探头3B12、3B13之间间距分别为2cm和3cm；每个传感器3B1通过光纤3B2连接到数据处理传输模块3B3，数据处理传输模块3B3用于计算血红蛋白浓度变化数据并将其传输到系统的评估计算模块3E。
动脉血压采集模块3A和脑血氧采集模块3B同时连接到血压-脑氧同步触发模块3C，通过血压-脑氧同步触发模块3C向动脉血压采集模块3A和脑血氧采集模块3B同时发送开始采集的指令，实现血压数据和脑血氧数据的同步采集。
脑动脉血流检测模块3D包括超声探头3D1和数据处理传输模块3D2，用于检测脑动脉血流相关参数并将其传输到系统的评估计算模块3E。
评估计算模块3E包括数据预处理模块3E1、血氧饱和度计算模块3E2、耦合强度计算模块3E3、血流参数计算模块3E4和评估结果计算模块3E5。其中，数据预处理模块3E1用于对采集到的脑血红蛋白浓度信号进行预处理，血氧饱和度计算模块3E2用于计算得到采集时段内血氧饱和度均值，耦合强度计算模块3E3用于计算左右两侧前额叶脑血氧耦合强度以及脑血氧与血压的耦合强度，血流参数计算模块3E4用于计算两侧中动脉的搏动系数平均值和脑中动脉血流速度与前额叶血氧饱和度的频域相干性值，评估结果计算模块3E5用于根据计算得到的血氧饱和度、左右两侧前额叶脑血氧耦合强度、脑血氧与血压的耦合强度值、两侧中动脉的搏动系数平均值以及脑中动脉血流速度与前额叶血氧饱和度的频域相干性值计算得到最终的认知功能评估结果。其中，预处理模块3D1包含血红蛋白浓度变化信号的预处理模型，模型处理过程包括：1)根据采集到的原始光强数据去除噪声通道，去除通道的标准是光强数据大于1000或小于0.5，或均值/标准差小于2；2)将光强数据转换为光密度时间序列，采用四阶0.01-0.2Hz带通滤波器滤除心跳、呼吸成分和低频系统噪声，并去除运动伪迹；3)将光密度数据转换为Δ[oxy-Hb]数据，用主成分分析法剔除Δ[oxy-Hb]时间序列中的系统生理信号，保留神经诱发的血流动力学反应。
结果报告模块3F用于给出评估结果并出具报告。评估报告包括：受试者姓名、性别、年龄、测试时间，测试时段的优势侧前额叶脑血氧饱和度值变化曲线，本次测试的优势侧前额叶脑血氧饱和度均值，左右前额叶之间的效应连接强度的历史测试记录曲线，血压-脑氧耦合强度的历史测试记录曲线，本次测试的两侧中动脉的搏动系数平均值，优势侧脑中动脉血流速度与前额叶血氧饱和度的频域相干性值，以及认知功能评估的最终结果。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：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，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换，而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
通过本发明，能够通过血压、脑血氧、脑血流等生理信息的检测进行认知功能评估，评估方法简单易操作，结果客观量化，不依赖专业人员，可作为社区、养老机构大规模筛查认知障碍的有效手段，对实现认知障碍的早期发现、早期干预具有重要意义。

Claims (2)

1.一种认知功能评估系统，包括采集模块、计算模块和评估结果计算模块，其特征在于：采集模块用于同步采集左右两侧前额叶脑血氧数据和连续动脉血压数据；计算模块用于计算采集时段内脑血氧饱和度平均值、左右两侧前额叶脑血氧耦合强度值以及脑血氧与血压的耦合强度值；评估结果计算模块用于根据计算得到的脑血氧饱和度平均值、左右两侧前额叶脑血氧耦合强度值以及脑血氧与血压的耦合强度值评估受试者的认知功能；采集模块包括：动脉血压采集模块、脑血氧采集模块；血压-脑氧同步触发模块控制动脉血压采集模块和脑血氧采集模块同步采集左右两侧前额叶脑血氧数据和连续动脉血压数据；血氧饱和度计算模块按如下方式进行脑血氧饱和度的平均值计算：
Figure FDA0004051571910000011
其中，Rmean为脑血氧饱和度的平均值，N为测量时间段内的采样点数，f为采样率，Ri为第i个采样点的血氧饱和度值；
耦合强度计算模块按如下方式进行左右两侧前额叶脑血氧耦合强度值的计算：根据受试者在静息态下10min采集时段内大脑左右两侧前额叶的脑氧合血红蛋白浓度变化数据，计算左右两侧前额叶在0.05–0.15Hz频段内的效应连接强度，具体为，将左右前额叶两通道的脑血氧信号分别标记为i、j，首先通过小波变化提取脑氧合血红蛋白浓度变化信号在0.05–0.15Hz频段的相位信息，在此基础上构建两个通道脑氧合血红蛋白浓度变化信号的耦合相位振荡模型，基于贝叶斯推理构造似然函数，通过递归运算计算负对数似然函数的稳定点来推断两通道相位耦合模型的耦合系数，则i到j通道的耦合强度Eij为：
Figure FDA0004051571910000021
其中，
Figure FDA0004051571910000022
和/>
Figure FDA0004051571910000023
分别为i和j通道的相位耦合模型的耦合系数；
耦合强度计算模块按如下方式进行脑血氧与血压的耦合强度值的计算：根据受试者在静息态下10min采集时段内优势侧大脑前额叶脑氧合血红蛋白浓度变化以及动脉血压变化数据，计算0.6-2Hz频段的血压和0.02-0.07Hz频段内优势侧前额叶脑氧的耦合强度，具体为，将动脉血压信号和优势侧前额叶的脑血氧信号分别标记为x、y，首先通过小波变化提取血压信号在0.6-2Hz频段和脑氧合血红蛋白浓度变化信号在0.02-0.07Hz频段的相位信息，在此基础上构建耦合相位振荡模型，基于贝叶斯推理构造似然函数，通过递归运算计算负对数似然函数的稳定点来推断相位耦合模型的耦合系数，则x到y通道的耦合强度Exy为：
Figure FDA0004051571910000024
其中，
Figure FDA0004051571910000025
和/>
Figure FDA0004051571910000026
分别为x和y通道的相位耦合模型的耦合系数。
2.一种认知功能评估方法，其特征在于所述认知功能评估方法采用如权利要求1所述的认知功能评估系统进行认知功能评估，所述认知功能评估方法包括：步骤1.同步采集左右两侧前额叶脑血氧数据和连续动脉血压数据；步骤2.计算采集时段内脑血氧饱和度平均值、左右两侧前额叶脑血氧耦合强度值，以及脑血氧与血压的耦合强度值；
步骤3.根据步骤2计算得到的脑血氧饱和度平均值、左右两侧前额叶脑血氧耦合强度值以及脑血氧与血压的耦合强度值评估受试者的认知功能；其中步骤1中：同步测量受试者的连续动脉血压及左右两侧前额叶的脑血氧的过程中，受试者的测量状态为坐位、静息状态，连续测量时间不少于10分钟，采样频率不低于10Hz。
CN202210562941.9A 2022-05-23 2022-05-23 一种认知功能评估方法和系统 Active CN114974566B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210562941.9A CN114974566B (zh) 2022-05-23 2022-05-23 一种认知功能评估方法和系统
CN202310226400.3A CN116344034A (zh) 2022-05-23 2022-05-23 一种基于血压及脑血氧监测的认知功能评估系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210562941.9A CN114974566B (zh) 2022-05-23 2022-05-23 一种认知功能评估方法和系统

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202310226400.3A Division CN116344034A (zh) 2022-05-23 2022-05-23 一种基于血压及脑血氧监测的认知功能评估系统

Publications (2)

Publication Number Publication Date
CN114974566A CN114974566A (zh) 2022-08-30
CN114974566B true CN114974566B (zh) 2023-03-28

Family

ID=82985463

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202310226400.3A Pending CN116344034A (zh) 2022-05-23 2022-05-23 一种基于血压及脑血氧监测的认知功能评估系统
CN202210562941.9A Active CN114974566B (zh) 2022-05-23 2022-05-23 一种认知功能评估方法和系统

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN202310226400.3A Pending CN116344034A (zh) 2022-05-23 2022-05-23 一种基于血压及脑血氧监测的认知功能评估系统

Country Status (1)

Country Link
CN (2) CN116344034A (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116058801B (zh) * 2023-03-06 2023-11-10 慧创科仪(北京)科技有限公司 自闭症儿童的脑功能状况的评估装置、评估系统和介质
CN116110599A (zh) * 2023-04-12 2023-05-12 北京航空航天大学 用于轻度认知障碍的筛查分析的装置、系统和存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011160222A1 (en) * 2010-06-22 2011-12-29 National Research Council Of Canada Cognitive function assessment in a patient
CN106419850A (zh) * 2016-11-03 2017-02-22 国家康复辅具研究中心 基于近红外光谱和血压信息的动态脑功能检测方法及系统
CN111481174A (zh) * 2020-04-15 2020-08-04 中科搏锐（北京）科技有限公司 一种麻醉与意识深度监护系统及方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9474481B2 (en) * 2013-10-22 2016-10-25 Mindstrong, LLC Method and system for assessment of cognitive function based on electronic device usage
US11219392B2 (en) * 2015-08-31 2022-01-11 Trustees Of Tufts College Vascular oximetry system
AU2019357947A1 (en) * 2018-10-12 2021-05-13 The Brain Protection Company PTY LTD A device and diagnostic method for assessing and monitoring cognitive decline
CN110772266B (zh) * 2019-10-15 2021-10-26 西安电子科技大学 基于fNIRS的实时神经反馈调控认知能力的方法
CN112206140B (zh) * 2020-09-03 2022-04-15 国家康复辅具研究中心 心脑耦合导向的气动循环训练系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011160222A1 (en) * 2010-06-22 2011-12-29 National Research Council Of Canada Cognitive function assessment in a patient
CN106419850A (zh) * 2016-11-03 2017-02-22 国家康复辅具研究中心 基于近红外光谱和血压信息的动态脑功能检测方法及系统
CN111481174A (zh) * 2020-04-15 2020-08-04 中科搏锐（北京）科技有限公司 一种麻醉与意识深度监护系统及方法

Also Published As

Publication number Publication date
CN116344034A (zh) 2023-06-27
CN114974566A (zh) 2022-08-30

Similar Documents

Publication Publication Date Title
CN114974566B (zh) 一种认知功能评估方法和系统
US6905470B2 (en) Apparatus and method for detecting heartbeat using PPG
US9060722B2 (en) Apparatus for processing physiological sensor data using a physiological model and method of operation therefor
US6931269B2 (en) Multi-domain motion estimation and plethysmographic recognition using fuzzy neural-nets
EP3358485A1 (en) General noninvasive blood glucose prediction method based on timing analysis
EP1611847A1 (en) Validating pulse oximetry signals in the potential presence of artifact
US20040039273A1 (en) Cepstral domain pulse oximetry
US20110319724A1 (en) Methods and systems for non-invasive, internal hemorrhage detection
CN111466876B (zh) 一种基于fNIRS和图神经网络的阿尔兹海默症辅助诊断系统
JP2013510678A (ja) 複合型生理学的センサのシステムおよび方法
WO2010124034A2 (en) Processing physiological sensor data using a physiological model combined with a probabilistic processor
Ghosh et al. Detection of essential hypertension with physiological signals from wearable devices
Rundo et al. Advanced 1d temporal deep dilated convolutional embedded perceptual system for fast car-driver drowsiness monitoring
Byfield et al. Towards robust blood pressure estimation from pulse wave velocity measured by photoplethysmography sensors
Benchekroun et al. Comparison of Stress Detection through ECG and PPG signals using a Random Forest-based Algorithm
Cherif et al. Detection of artifacts on photoplethysmography signals using random distortion testing
Campbell et al. Near-real-time detection of pulse oximeter PPG peaks using wavelet decomposition
Aarthi et al. Fingertip based estimation of heart rate using photoplethysmography
CN116869499A (zh) 一种基于ppg及其多阶微分信号的血压连续测量方法
Icazatti et al. Design and validation of a respiratory rate estimation algorithm based on photoplethysmography (PPG) signal
Bassiouni et al. Combination of ECG and PPG signals for smart healthcare systems: Techniques, applications, and challenges
Guedes et al. Heart sound analysis for blood pressure estimation
CN113940637B (zh) 脉搏波信号质量评估方法、装置及存储介质
Azam et al. Photoplethysmography based detection of social stress
JP2003190109A (ja) 自律神経系機能評価方法およびそのシステム

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