CN115486820A - 一种针灸疗效及生理效应检测量化的方法、系统和装置 - Google Patents
一种针灸疗效及生理效应检测量化的方法、系统和装置 Download PDFInfo
- Publication number
- CN115486820A CN115486820A CN202211432496.0A CN202211432496A CN115486820A CN 115486820 A CN115486820 A CN 115486820A CN 202211432496 A CN202211432496 A CN 202211432496A CN 115486820 A CN115486820 A CN 115486820A
- Authority
- CN
- China
- Prior art keywords
- acupuncture
- physiological
- effect
- characteristic
- sign
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
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
- A61B5/48—Other medical applications
- A61B5/4848—Monitoring or testing the effects of treatment, e.g. of medication
-
- 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
- A61B5/02055—Simultaneously evaluating both cardiovascular condition and temperature
-
- 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
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Neurology (AREA)
- Neurosurgery (AREA)
- Pulmonology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Finger-Pressure Massage (AREA)
Abstract
本发明提出了一种针灸疗效及生理效应检测量化的方法、系统和装置,通过连续采集待检测对象在不同针灸检测阶段的针灸生理体征信号并进行信号分析处理,生成针灸生理体征信号数据;在针灸检测阶段划分针灸效应时区,对针灸生理体征信号数据进行体征状态特征分析,生成针灸生理体征阶段时效状态特征;对经过多次连续采集并经处理分析后生成的针灸生理体征阶段时效状态特征进行生理效应量化分析,生成针灸量化结果数据集,根据针灸量化结果数据集生成所述待检测对象的针灸疗效及生理效应检测量化结果。本发明可以更全面准确地检测量化待检测对象在多次针灸检测中的生理体征变化,为针灸机理研究和疗效评价提供数据证据和经验积累。
Description
技术领域
本发明涉及针灸神经生理反馈检测量化领域,特别涉及一种针灸疗效及生理效应检测量化的方法、系统和装置。
背景技术
针灸是中国传统医学的重要组成部分,经历了几千年的发展和继承,古老的中医诊疗和针灸疗法也正在逐步迈入现代主流医学体系中,在健康保健、疾病预防和疾病治疗等方面扮演了越来越重要的角色。望闻问切,砭针灸药是传统中医经典的诊断治疗方法,疾病诊治主要以中医师内在经验和传统经典处方。随着社会的不断进步和医学的不断发展,我们需要更加注重中医、针灸与科学技术、神经科学和现代医学的深入融合,促进中医和针灸在神经生理和精神心理上的机制研究和理论发展。
作为外周神经刺激,针灸是生理机能调节和医疗干预的重要手段之一 ,针灸直接带来腧穴(目标穴位)局部的应激性生理反应,以及外周神经反馈、脊髓同节段及近节段(靶向器官或针灸部位)的选择性脊神经反馈调节,大脑中枢神经的广泛性反馈调节,同时带来心率、呼吸和血压等自主神经系统功能的全身性反馈调节生理反应,进一步影响内分泌、血液循环、体液循环、免疫循环、运动、呼吸等系统的协作运行,达到系统机能调节和激励生物自愈的作用。相对于针灸的临床推广的进程来说,针灸的机制研究、针灸疗效的评价和量化、针灸与现代神经科学的融合发展显得稍微缓慢,尤其是针灸生理效应和针灸疗效的检测、量化和评价。
发明内容
本发明提供了一种针灸疗效及生理效应检测量化的方法,可以更全面准确地检测量化待检测对象或患者在多次针灸检测中的针灸前中后生理体征变化,通过腧穴应激性反馈、脊靶向选择性反馈、脑中枢广泛性反馈和自主神经全身性反馈的量化分析,进一步评价、总结和归纳不同针灸方式、配穴检测的效果和规律,为针灸机理研究和疗效评价提供数据证据和经验积累,同时也辅助临床诊断和康复治疗。本发明还提供了一种针灸疗效及生理效应检测量化的系统,用于实现上述方法。本发明还提供了一种针灸疗效及生理效应检测量化的装置,用于实现上述系统。
根据本发明的目的,本发明提出了一种针灸疗效及生理效应检测量化的方法,该方法包括:
连续采集待检测对象在不同针灸检测阶段的针灸生理体征信号并进行信号分析处理,生成针灸生理体征信号数据;
在所述针灸检测阶段划分针灸效应时区,对所述针灸生理体征信号数据进行体征状态特征分析,生成针灸生理体征阶段时效状态特征;
对经过多次连续采集并经处理分析后生成的所述针灸生理体征阶段时效状态特征进行生理效应量化分析,生成针灸量化结果数据集,根据所述针灸量化结果数据集生成所述待检测对象的针灸疗效及生理效应检测量化报告。
优选的,所述针灸生理体征信号由针灸腧穴组合决定并由多观察检测分析部位的生理体征信号构成,至少包括腧穴邻近生理体征信号、脊反射生理体征信号、自主神经生理体征信号、脑中枢生理体征信号。
优选的,所述多观察检测分析部位至少包括腧穴部位、脊靶向部位、脑中枢部位、自主神经部位。
优选的,所述腧穴部位为针灸一个或多个组合腧穴部位;
所述脊靶向部位为针灸部位或靶向器官相应脊神经的同节段或近节段支配的体表区域;
所述脑中枢部位至少包括额叶皮层、顶叶皮层、中央区皮层、颞叶皮层和枕叶皮层;
所述自主神经部位至少包括心电采集部位、血压采集部位、脉搏采集部位、呼吸采集部位、血氧采集部位、血糖采集部位、体温采集部位和皮肤电采集部位。
优选的,所述自主神经生理体征信号至少包括心电信号、血压信号、脉搏信号、呼吸信号、血氧信号、血糖信号、体温信号和皮肤电信号。
优选的,所述脑电生理信号由脑电图采集设备或传感器、脑磁图设备或传感器采集生成。
优选的,所述信号分析处理至少包括数字信号预处理、信号矫正处理和信号融合处理;其中,所述数字信号预处理至少包括A/D数模转换、重采样、重参考、降噪、去伪迹、工频陷波、低通滤波、高通滤波、带阻滤波和带通滤波;所述信号矫正处理具体为对所述针灸生理体征信号中的包含伪迹或失真的信号数据片段进行信号矫正及预测平滑处理;所述信号融合处理具体为对所述针灸生理体征信号中同一部位的、同一信号类型的、多通道的生理数字信号进行数字信号融合。
优选的,所述数字信号融合至少包括提取平均叠加、加权叠加、最大振幅序列、最小方差序列、最小变异系数序列、最大变异系数序列中的任意一信号。
优选的,所述针灸检测阶段至少包括针灸静息基线阶段、针灸检测过程阶段和针灸检测留观阶段。
优选的,所述连续采集待检测对象在不同针灸检测阶段的针灸生理体征信号并进行信号分析处理,生成针灸生理体征信号数据的步骤具体包括:
根据所述待检测对象的基本健康信息,确定所述待检测对象的针灸疗效及生理效应检测量化方案;
基于所述针灸疗效及生理效应检测量化方案,连续采集获取所述待检测对象在不同所述针灸检测阶段的所述针灸生理体征信号,得到针灸生理体征原始信号数据;
对所述针灸生理体征原始信号数据进行所述信号分析处理,生成所述针灸生理体征信号数据。
优选的,所述针灸疗效及生理效应检测量化方案至少包括针灸目标目的、针灸方式、配穴方案、腧穴数量、施行时辰、针灸时程、针灸间隔、针灸形式、针灸强度、针灸次数、疗程天数、疗程总剂量。
优选的,所述针灸方式至少包括针法和灸法。
优选的,所述配穴方案由所述针灸目标目的来确定腧穴配穴组合及具体数量,至少包括一个腧穴。
优选的,所述腧穴至少包括十四经穴、经外奇穴、阿是穴、平衡针灸穴和自定义穴。
优选的,所述施行时辰是根据靶向器官和/或靶向部位生理机能的生理和/或病理节律,来确定每一次针灸检测的最佳时间段。
优选的,所述针灸时程是每一次针灸检测中留针和/或持灸的时长。
优选的,所述针灸形式至少包括针刺、热刺激、电刺激、磁刺激和激光刺激。
优选的,所述针灸强度至少包括不同强度或等级的深度、温度、频率、电压、磁强、光强。
优选的,所述疗程总剂量由所述针灸强度、所述腧穴数量、所述针灸次数和所述疗程天数所决定。
优选的,所述在所述针灸检测阶段划分针灸效应时区,对所述针灸生理体征信号数据进行体征状态特征分析,生成针灸生理体征阶段时效状态特征的步骤具体包括:
根据所述针灸检测阶段,划分所述针灸效应时区,对所述针灸生理体征信号数据进行数据分割提取,得到针灸生理体征信号阶段时效数据;
对所述针灸生理体征信号阶段时效数据进行所述体征状态特征分析,生成所述针灸生理体征阶段时效状态特征。
优选的,所述针灸效应时区至少包括基线期、潜伏期、上升期、高峰期、下降期、留观期。
优选的,所述划分针灸效应时区的步骤具体包括:
提取所述针灸检测阶段的所述针灸生理体征信号数据中的一生理体征信号,通过希尔伯特变换并进行归一化,计算得到全时段生理体征信号的全时段振幅包络信号;
识别针灸开始时点和针灸结束时点;
以针灸开始时点前的第一预设效应时间段内,定义为基线期;
以针灸结束时点后的第二预设效应时间段内,定义为留观期;
从所述全时段振幅包络信号中,截取以所述针灸开始时点到所述针灸结束时点之间的生理体征信号,生成针灸施行过程振幅包络信号;
提取所述针灸施行过程振幅包络信号中的包络最大峰值和包络最小谷值;
以大于第一预设高峰区最低阈值且包含所述包络最大峰值在内的连续信号片段所对应的时间区间,定义为高峰期;
提取所述高峰期前后界线点对应的时间点,生成高峰期前界时点和高峰期后界时点;
以大于第二预设高峰区最低阈值且衔接所述高峰期前界时点的连续信号片段所对应的时间区间,定义为上升期;
提取所述上升期前界线点对应的时间点,生成上升期前界时点;
以所述针灸开始时点到所述上升期前界时点的时间区间,定义为潜伏期;
以所述高峰期后界时点到所述针灸结束时点的时间区间,定义为下降期。
优选的,所述体征状态特征至少包括肌电信号状态特征、皮肤电信号状态特征、皮肤温度信号状态特征、血氧水平依赖信号状态特征、脑电生理信号状态特征、心电信号状态特征、血压信号状态特征、脉搏信号状态特征、呼吸信号状态特征、血氧信号状态特征、血糖信号状态特征、体温信号状态特征和加速度信号状态特征。
优选的,所述状态特征至少包括数值特征、功率谱特征、包络特征和非线性特征;其中,所述数值特征至少包括平均值、均方根、最大值、最小值、方差、标准差、变异系数、峰度和偏度;所述功率谱特征至少包括总功率、特征频带功率、特征频带功率占比、特征频带中心频率;所述包络特征至少包括包络信号、归一化包络信号、包络均值、包络均方根、包络最大值、包络最小值、包络方差、包络标准差、包络变异系数、包络峰度和包络偏度。
优选的,所述非线性特征至少包括熵特征、分形特征和复杂度特征;
其中,所述熵特征至少包括样本熵、近似熵、模糊熵、排列熵、多尺度熵、奇异值分解熵、小波熵、谱熵、香农熵、范围熵和香农熵;
所述分形特征至少包括Higuchi分形维数、Katz分形维数、彼得罗相分形维数、Sevcik分形维数、标准化长度密度、去趋势分析指数、Hurst指数;
所述复杂度特征至少包括关联维数、最大嵌入维数、Kolmogorov熵、李雅普诺夫指数、Lempel-Ziv复杂度、Hjorth复杂性、Hjorth移动性、Fisher信息。
优选的,所述皮肤电信号状态特征至少包括皮肤电导总水平、皮肤传导水平、皮肤电导反应的状态特征。
优选的,所述血压信号状态特征至少包括收缩压、舒张压的状态特征。
优选的,所述呼吸信号状态特征至少包括呼吸频率、呼吸间隔、呼吸深度的状态特征。
优选的,所述心电信号状态特征至少包括心率和心率变异性的状态特征。
优选的,所述针灸生理体征阶段时效状态特征至少包括基线期状态特征、潜伏期状态特征、上升期状态特征、高峰期状态特征、下降期状态特征、留观期状态特征。
优选的,所述对经过多次连续采集并经处理分析后生成的所述针灸生理体征阶段时效状态特征进行生理效应量化分析,生成针灸量化结果数据集,根据所述针灸量化结果数据集生成所述待检测对象的针灸疗效及生理效应检测量化报告的步骤还包括:
对所述针灸生理体征阶段时效状态特征进行局部生理特征提取,提取针灸局部生理特征;
对所述针灸生理体征阶段时效状态特征进行生理协同特征提取,提取针灸生理协同特征;
对所述针灸生理体征阶段时效状态特征进行峰时效应特征提取,提取针灸峰时效应特征;
对所述针灸生理体征阶段时效状态特征进行效应疗效特征提取,提取针灸效应疗效特征;
对所述针灸局部生理特征、所述针灸生理协同特征、所述针灸峰时效应特征和所述针灸效应疗效特征进行综合评价分析,评估针灸的生理效应、疗效水平和疾病康复进展,生成所述待检测对象的所述针灸疗效及生理效应检测量化报告。
优选的,所述针灸局部生理特征至少包括腧穴应激性反馈量化特征、脊靶向选择性反馈量化特征、脑中枢广泛性反馈量化特征和自主神经全身性反馈量化特征。
优选的,所述自主神经全身性反馈量化特征至少包括心电量化特征、血压量化特征、脉搏量化特征、呼吸量化特征、血氧量化特征、血糖量化特征、体温量化特征、皮肤电量化特征。
优选的,所述量化特征为由不同针灸效应时区的、不同信号的、多个状态特征组成的量化曲线,表征在不同针灸效应时区的响应水平状态特征。
优选的,所述针灸生理协同特征至少包括腧穴-脊靶向协同指数、腧穴-脊靶向协同曲线、腧穴-脑中枢协同指数、腧穴-脑中枢协同曲线、腧穴-自主神经协同指数、腧穴-自主神经协同曲线、脊靶向-脑中枢协同指数、脊靶向-脑中枢协同曲线、脊靶向-自主神经协同指数、脊靶向-自主神经协同曲线、脑中枢-自主神经协同指数、脑中枢-自主神经协同曲线。
优选的,所述针灸峰时效应特征至少包括针灸效应峰值序列、针灸效应峰值序列曲线、针灸效应峰延时序列、针灸效应峰延时序列曲线、针灸峰时效应序列、针灸峰时效应序列曲线。
优选的,所述针灸效应疗效特征至少包括针灸效应指数集、针灸效应表征曲线集、针灸疗效评价集。
优选的,所述针灸效应指数集至少包括腧穴针灸效应指数、脊靶向针灸效应指数、脑中枢针灸效应指数、自主神经针灸效应指数。
优选的,所述针灸效应表征曲线集至少包括腧穴针灸效应表征曲线、脊靶向针灸效应表征曲线、脑中枢针灸效应表征曲线、自主神经针灸效应表征曲线、针灸总体效应表征曲线。
优选的,所述针灸疗效评价集至少包括针灸疗效曲线、针灸疗效指数。
优选的,所述腧穴-脊靶向协同指数和所述腧穴-脊靶向协同曲线的计算方法,具体为:
从所述针灸生理体征阶段时效状态特征中,选择并提取所述腧穴部位和所述脊靶向部位的、不同信号的、全部所述针灸效应时区的所述体征状态特征,分别生成得到腧穴体征状态特征集和脊靶向体征状态特征集;
分别对所述腧穴体征状态特征集和所述脊靶向体征状态特征集中的状态特征进行相对基线计算,分别生成腧穴生理体征相对时区特征集和脊靶向生理体征相对时区特征集;
依次求得所述腧穴生理体征相对时区特征集中的一状态特征与所述脊靶向生理体征相对时区特征集中的一状态特征的相关性特征和距离性特征,生成第一协同调节特征系数集;
对所述第一协同调节特征系数集中的多个协同调节特征系数进行多参数加权融合计算,生成当前针灸神经生理反馈检测量化的所述腧穴-脊靶向协同指数;
完成多次针灸神经生理反馈检测量化,得到每次的所述腧穴-脊靶向协同指数,生成所述腧穴-脊靶向协同曲线。
优选的,所述腧穴-脑中枢协同指数和所述腧穴-脑中枢协同曲线的计算方法,具体为:
从所述针灸生理体征阶段时效状态特征中,选择并提取所述腧穴部位和所述脑中枢部位的、不同信号的、全部所述针灸效应时区的所述体征状态特征,分别生成得到腧穴体征状态特征集和脑中枢体征状态特征集;
分别对所述腧穴体征状态特征集和所述脑中枢体征状态特征集中的状态特征进行相对基线计算,分别生成腧穴生理体征相对时区特征集和脑中枢生理体征相对时区特征集;
依次求得所述腧穴生理体征相对时区特征集中的一状态特征与所述脑中枢生理体征相对时区特征集中的一状态特征的相关性特征和距离性特征,生成第二协同调节特征系数集;
对所述第二协同调节特征系数集中的多个协同调节特征系数进行多参数加权融合计算,生成当前针灸神经生理反馈检测量化的所述腧穴-脑中枢协同指数;
完成多次针灸神经生理反馈检测量化,得到每次的所述腧穴-脑中枢协同指数,生成所述腧穴-脑中枢协同曲线。
优选的,所述腧穴-自主神经协同指数和所述腧穴-自主神经协同曲线的计算方法,具体为:
从所述针灸生理体征阶段时效状态特征中,选择并提取所述腧穴部位和所述自主神经部位的、不同信号的、全部所述针灸效应时区的所述体征状态特征,分别生成得到腧穴体征状态特征集和自主神经体征状态特征集;
分别对所述腧穴体征状态特征集和所自主神经体征状态特征集中的状态特征进行相对基线计算,分别生成腧穴生理体征相对时区特征集和自主神经生理体征相对时区特征集;
依次求得所述腧穴生理体征相对时区特征集中的一状态特征与所述自主神经生理体征相对时区特征集中的一状态特征的相关性特征和距离性特征,生成第三协同调节特征系数集;
对所述第三协同调节特征系数集中的多个协同调节特征系数进行多参数加权融合计算,生成当前针灸神经生理反馈检测量化的所述腧穴-自主神经协同指数;
完成多次针灸神经生理反馈检测量化,得到每次的所述腧穴-自主神经协同指数,生成所述腧穴-自主神经协同曲线。
优选的,所述脊靶向-脑中枢协同指数和所述脊靶向-脑中枢协同曲线的计算方法,具体为:
从所述针灸生理体征阶段时效状态特征中,选择并提取所述脊靶向部位和所述脑中枢部位的、不同信号的、全部所述针灸效应时区的所述体征状态特征,分别生成得到脊靶向体征状态特征集和脑中枢体征状态特征集;
分别对所述脊靶向体征状态特征集和所述脑中枢体征状态特征集中的状态特征进行相对基线计算,分别生成脊靶向生理体征相对时区特征集和脑中枢生理体征相对时区特征集;
依次求得所述脊靶向生理体征相对时区特征集中的一状态特征与所述脑中枢生理体征相对时区特征集中的一状态特征的相关性特征和距离性特征,生成第四协同调节特征系数集;
对所述第四协同调节特征系数集中的多个协同调节特征系数进行多参数加权融合计算,生成当前针灸神经生理反馈检测量化的所述脊靶向-脑中枢协同指数;
完成多次针灸神经生理反馈检测量化,得到每次的所述脊靶向-脑中枢协同指数,生成所述脊靶向-脑中枢协同曲线。
优选的,所述脊靶向-自主神经协同指数和所述脊靶向-自主神经协同曲线的计算方法,具体为:
从所述针灸生理体征阶段时效状态特征中,选择并提取所述脊靶向部位和所述自主神经部位的、不同信号的、全部所述针灸效应时区的所述体征状态特征,分别生成得到脊靶向体征状态特征集和自主神经体征状态特征集;
分别对所述脊靶向体征状态特征集和所自主神经体征状态特征集中的状态特征进行相对基线计算,分别生成脊靶向生理体征相对时区特征集和自主神经生理体征相对时区特征集;
依次求得所述脊靶向生理体征相对时区特征集中的一状态特征与所述自主神经生理体征相对时区特征集中的一状态特征的相关性特征和距离性特征,生成第五协同调节特征系数集;
对所述第五协同调节特征系数集中的多个协同调节特征系数进行多参数加权融合计算,生成当前针灸神经生理反馈检测量化的所述脊靶向-自主神经协同指数;
完成多次针灸神经生理反馈检测量化,得到每次的所述脊靶向-自主神经协同指数,生成所述脊靶向-自主神经协同曲线。
优选的,所述脑中枢-自主神经协同指数和所述脑中枢-自主神经协同曲线的计算方法,具体为:
从所述针灸生理体征阶段时效状态特征中,选择并提取所述脑中枢部位和所述自主神经部位的、不同信号的、全部所述针灸效应时区的所述体征状态特征,分别生成得到脑中枢体征状态特征集和自主神经体征状态特征集;
分别对所述脑中枢体征状态特征集和所自主神经体征状态特征集中的状态特征进行相对基线计算,分别生成脑中枢生理体征相对时区特征集和自主神经生理体征相对时区特征集;
依次求得所述脑中枢生理体征相对时区特征集中的一状态特征与所述自主神经生理体征相对时区特征集中的一状态特征的相关性特征和距离性特征,生成第六协同调节特征系数集;
对所述第六协同调节特征系数集中的多个协同调节特征系数进行多参数加权融合计算,生成当前针灸神经生理反馈检测量化的所述脑中枢-自主神经协同指数;
完成多次针灸神经生理反馈检测量化,得到每次的所述脑中枢-自主神经协同指数,生成所述脑中枢-自主神经协同曲线。
优选的,所述相对基线计算的方法,具体包括:
优选的,所述相关性特征至少包括相干系数、皮尔逊相关系数、杰卡德相似系数、线性互信息系数、线性相关系数。
优选的,所述距离性特征的计算方法,如下:
优选的,所述针灸效应峰值序列、所述针灸效应峰延时序列和所述针灸峰时效应序列的计算方法,具体为:
从所述针灸生理体征阶段时效状态特征中,选择并提取所述腧穴部位、所述脊靶向部位、所述脑中枢部位、所述自主神经部位的、不同信号的、所述高峰期的、所述包络特征中的所述包络信号,生成生理体征包络信号特征集;
依次求得所述生理体征包络信号特征集中的所述腧穴部位、所述脊靶向部位、所述脑中枢部位、所述自主神经部位的、不同信号的、所述高峰期的所述包络信号的最大值和最大值对应的索引时间,得到最大值索引时间序列,生成所述针灸效应峰值序列;
根据所述最大值索引时间序列,结合针灸开始时点和针灸结束时点,生成所述针灸效应峰延时序列;
对所述针灸效应峰值序列和所述针灸效应峰延时序列进行峰时效应计算,生成所述针灸峰时效应序列。
优选的,所述峰时效应的计算公式如下:
优选的,所述针灸效应峰值序列曲线、所述针灸效应峰延时序列曲线和针灸峰时效应序列曲线的计算方法,具体为:
完成多次针灸神经生理反馈检测量化,计算得到每一次的所述针灸效应峰值序列、所述针灸效应峰延时序列和所述针灸峰时效应序列;
按时间先后顺序,分别将所述针灸效应峰值序列、所述针灸效应峰延时序列和所述针灸峰时效应序列进行拼接,分别生成所述针灸效应峰值序列曲线、所述针灸效应峰延时序列曲线和所述针灸峰时效应序列曲线。
优选的,所述腧穴针灸效应表征曲线和所述腧穴针灸效应指数的计算方法,具体为:
从所述针灸生理体征阶段时效状态特征中,选择并提取所述腧穴部位的、不同信号的、全部所述针灸效应时区的所述体征状态特征,经所述相对基线计算后,生成得到腧穴生理体征相对时区特征集;
对所述腧穴生理体征相对时区特征集中的、同一所述针灸效应时区的状态特征进行多参数加权融合计算,得到第一针灸效应系数;
求得全部所述针灸效应时区的所述第一针灸效应系数,得到第一针灸效应系数序列,生成腧穴针灸效应表征曲线;
对所述第一针灸效应系数序列进行多参数加权融合计算,生成所述腧穴针灸效应指数。
优选的,所述脊靶向针灸效应表征曲线和所述脊靶向针灸效应指数的计算方法,具体为:
从所述针灸生理体征阶段时效状态特征中,选择并提取所述脊靶向部位的、不同信号的、全部所述针灸效应时区的所述体征状态特征,经所述相对基线计算后,生成得到脊靶向生理体征相对时区特征集;
对所述脊靶向生理体征相对时区特征集中的、同一所述针灸效应时区的状态特征进行多参数加权融合计算,得到第二针灸效应系数;
求得全部所述针灸效应时区的所述第二针灸效应系数,得到第二针灸效应系数序列,生成脊靶向针灸效应表征曲线;
对所述第二针灸效应系数序列进行多参数加权融合计算,生成所述脊靶向针灸效应指数。
优选的,所述脑中枢针灸效应表征曲线和所述脑中枢针灸效应指数的计算方法,具体为:
从所述针灸生理体征阶段时效状态特征中,选择并提取所述脑中枢部位的、不同信号的、全部所述针灸效应时区的所述体征状态特征,经所述相对基线计算,生成得到脑中枢生理体征相对时区特征集;
对所述脑中枢生理体征相对时区特征集中的、同一所述针灸效应时区的状态特征进行多参数加权融合计算,得到第三针灸效应系数;
求得全部所述针灸效应时区的所述第三针灸效应系数,得到第三针灸效应系数序列,生成所述脑中枢针灸效应表征曲线;
对所述第三针灸效应系数序列进行多参数加权融合计算,生成所述脑中枢针灸效应指数。
优选的,所述自主神经针灸效应表征曲线和所述自主神经针灸效应指数的计算方法,具体为:
从所述针灸生理体征阶段时效状态特征中,选择并提取所述自主神经部位的、不同信号的、全部所述针灸效应时区的所述体征状态特征,经所述相对基线计算,生成得到自主神经生理体征相对时区特征集;
对所述自主神经生理体征相对时区特征集中的、同一所述针灸效应时区的状态特征进行多参数加权融合计算,得到第四针灸效应系数;
求得全部所述针灸效应时区的所述第四针灸效应系数,得到第四针灸效应系数序列,生成所述自主神经针灸效应表征曲线;
对所述第四针灸效应系数序列进行多参数加权融合计算,生成所述自主神经针灸效应指数。
优选的,所述针灸总体效应表征曲线的计算方法,具体为:
从所述针灸生理体征阶段时效状态特征中,选择并提取所述腧穴部位、所述脊靶向部位、所述脑中枢部位、所述自主神经部位的、不同信号的、全部所述针灸效应时区的所述体征状态特征,经所述相对基线计算后,分别生成得到腧穴生理体征时区相对特征集、脊靶向生理体征相对时区特征集、脑中枢生理体征相对时区特征集、自主神经生理体征相对时区特征集;
求得全部所述针灸效应时区的所述第一针灸效应系数序列、所述第二针灸效应系数序列、所述第三针灸效应系数序列、所述第四针灸效应系数序列,生成针灸效应系数矩阵;
按照不同所述针灸效应时区,对所述针灸效应系数矩阵中的、同一所述针灸效应时区的多个针灸效应系数进行多参数加权融合计算,生成针灸总体效应系数;
求得全部所述针灸效应时区的所述针灸总体效应系数,得到针灸总体效应系数序列,生成所述针灸总体效应表征曲线。
优选的,所述针灸疗效曲线和所述针灸疗效指数的计算方法,具体为:
完成多次针灸神经生理反馈检测量化,计算得到每一次的所述针灸总体效应表征曲线,按时间先后顺序进行拼接,生成所述针灸疗效曲线;
按照不同所述针灸效应时区,从所述针灸疗效曲线中,分别提取生成基线期针灸疗效曲线、潜伏期针灸疗效曲线、上升期针灸疗效曲线、高峰期针灸疗效曲线、下降期针灸疗效曲线、留观期针灸疗效曲线,生成时区针灸疗效曲线矩阵;
对所述时区针灸疗效曲线矩阵的、同一所述针灸效应时区的针灸疗效曲线进行线性拟合,得到线性拟合直线的斜率,生成针灸疗效显著系数;
求得全部所述针灸效应时区的所述针灸疗效显著系数,得到针灸疗效显著系数序列;
对所述针灸疗效显著系数序列进行多参数加权融合计算,生成所述针灸疗效指数。
优选的,所述多参数加权融合计算的计算方法,如下:
根据本发明的目的,本发明还提出了一种针灸疗效及生理效应检测量化的系统,该系统包括如下模块:
针灸执行管理模块,用于根据待检测对象的基本健康信息,确定所述待检测对象的针灸疗效及生理效应检测量化方案,并对所述针灸疗效及生理效应检测量化方案的执行过程进行管理;
体征信号采集模块,用于连续采集所述待检测对象在不同针灸检测阶段的针灸生理体征信号,生成针灸生理体征原始信号数据;
体征信号处理模块,用于对所述针灸生理体征原始信号数据进行信号分析处理,生成针灸生理体征信号数据;
状态特征提取模块,用于在所述针灸检测阶段划分针灸效应时区,对所述针灸生理体征信号数据进行体征状态特征分析,生成针灸生理体征阶段时效状态特征;
针灸效应特征提取模块,用于对经过多次连续采集并经处理分析后生成的所述针灸生理体征阶段时效状态特征进行特征提取,提取针灸局部生理特征、针灸生理协同特征、针灸峰时效应特征和针灸效应疗效特征;
针灸疗效报告模块,用于对所述针灸局部生理特征、所述针灸生理协同特征、所述针灸峰时效应特征和所述针灸效应疗效特征进行生理效应量化分析,生成针灸量化结果数据集,根据所述针灸量化结果数据集生成所述待检测对象的针灸疗效及生理效应检测量化报告;
针灸数据管理模块,用于对所述系统的所有过程数据和全部结果数据进行可视化、存储和运营的统一管理。
优选的,所述针灸执行管理模块包括以下功能单元:
人员信息记录单元,用于记录所述待检测对象的基本健康信息,所述基本健康信息至少包括姓名、性别、出生日期、年龄、身高、体重、血压、健康状况、疾病历史信息和医生诊疗意见;
针灸方案记录单元,用于输入记录、编辑管理所述针灸疗效及生理效应检测量化方案;
针灸时点跟踪单元,用于跟踪记录每次针灸准备、开始、结束和留观过程时间节点,并根据所述针灸疗效及生理效应检测量化方案进行时间提醒,启动或结束生理体征信号的采集;
针灸安全监护单元,用于根据所述针灸疗效及生理效应检测量化方案,对所述待检测对象人身安全进行实时监护和安全预警。
优选的,所述体征信号采集模块包括以下功能单元:
通讯管理模块单元,用于连接生理体征信号采集设备或传感器,实现信号通讯和数据传输,记录设备参数,所述设备参数至少包括设备名称、厂商、设备用途、采样率、通道名、通道数;
信号采集记录单元,用于连续采集获取待检测对象在不同针灸检测阶段的针灸生理体征信号,生成所述针灸生理体征原始信号数据;所述针灸生理体征信号至少包括腧穴邻近生理体征信号、脊反射生理体征信号、自主神经生理体征信号、脑中枢生理体征信号。
优选的,所述体征信号处理模块包括以下功能单元:
信号基础处理单元,用于对所述针灸生理体征原始信号数据进行数字信号预处理,所述数字信号预处理至少包括A/D数模转换、重采样、重参考、降噪、去伪迹、工频陷波、低通滤波、高通滤波、带阻滤波和带通滤波;
信号矫正处理单元,用于对所述针灸生理体征原始信号数据中的包含伪迹或失真的信号数据片段进行信号矫正及预测平滑处理;
信号融合处理单元,用于对所述针灸生理体征原始信号数据中同一部位的、同一信号类型的、多通道的生理数字信号进行数字信号融合,生成所述针灸生理体征信号数据。
优选的,所述状态特征提取模块包括以下功能单元:
效应时区划分单元,用于根据所述针灸检测阶段,划分所述针灸效应时区;
时区数据提取单元,用于根据所述针灸效应时区,对所述针灸生理体征信号数据进行数据分割提取,得到所述针灸生理体征信号阶段时效数据;
数值特征提取单元,用于从所述针灸生理体征信号阶段时效数据中提取数值特征,所述数值特征至少包括平均值、均方根、最大值、最小值、方差、标准差、变异系数、峰度和偏度;
功率谱特征提取单元,用于提取所述针灸生理体征信号阶段时效数据中提取功率谱特征,所述功率谱特征至少包括总功率、特征频带功率、特征频带功率占比、特征频带中心频率;
包络特征提取单元,用于所述针灸生理体征信号阶段时效数据中提取包络特征,所述包络特征至少包括包络信号、归一化包络信号、包络均值、包络均方根、包络最大值、包络最小值、包络方差、包络标准差、包络变异系数、包络峰度和包络偏度;
非线性特征提取单元,用于所述针灸生理体征信号阶段时效数据中提取非线性特征,所述非线性特征至少包括熵特征、分形特征和复杂度特征;
时区特征整合单元,用于整合所述数值特征、所述功率谱特征、所述包络特征和所述非线性特征,生成所述针灸生理体征阶段时效状态特征。
优选的,所述针灸效应特征提取模块包括以下功能单元:
局部生理特征提取单元,用于对所述针灸生理体征阶段时效状态特征进行局部生理特征提取,提取针灸局部生理特征;
生理协同特征提取单元,用于对所述针灸生理体征阶段时效状态特征进行生理协同特征提取,提取针灸生理协同特征;
峰时效应特征提取单元,用于对所述针灸生理体征阶段时效状态特征进行峰时效应特征提取,提取针灸峰时效应特征;
效应疗效特征提取单元,用于对所述针灸生理体征阶段时效状态特征进行效应疗效特征提取,提取针灸效应疗效特征;
优选的,所述针灸疗效报告模块包括以下功能单元:
疗效对比评价单元,用于对所述针灸局部生理特征、所述针灸生理协同特征、所述针灸峰时效应特征和所述针灸效应疗效特征进行生理效应量化分析,生成针灸量化结果数据集;
针灸报告生成单元,用于根据所述针灸量化结果数据集生成、输出和展现所述待检测对象的所述针灸疗效及生理效应检测量化报告。
优选的,所述针灸数据管理模块包括以下功能单元:
数据可视化单元,用于对所述系统的所有过程数据和全部结果数据进行可视化展现和管理;
数据存储单元,用于对所述系统的所有过程数据和全部结果数据进行存储统一管理;
数据运营单元,用于对所述系统的所有过程数据和全部结果数据进行备份、迁移、运行统一管理。
根据本发明的目的,本发明还提出了一种针灸疗效及生理效应检测量化的装置,包括以下模组:
可视化界面,用于提供可视化操作界面,待检测对象的基本健康信息的编辑和管理,针灸疗效及生理效应检测量化方案的编辑和管理,所述针灸疗效及生理效应检测量化方案的执行过程管理,数据可视化展现和数据可视化管理;
信号采集器,用于连接针灸生理体征信号采集设备或传感器,连续采集获取所述待检测对象在不同针灸检测阶段的针灸生理体征信号变化,得到针灸生理体征原始信号数据;
数据处理器,用于对所述针灸生理体征原始信号数据进行信号分析处理,生成针灸生理体征信号数据;对不同针灸检测阶段的所述针灸生理体征信号数据进行状态特征分析,得到针灸生理体征阶段时效状态特征;对多次针灸检测量化过程中的所述针灸生理体征阶段时效状态特征进行生理效应量化分析,提取针灸局部生理特征、针灸生理协同特征、针灸峰时效应特征和针灸效应疗效特征;对所述针灸局部生理特征、所述针灸生理协同特征、所述针灸峰时效应特征和所述针灸效应疗效特征进行生理效应量化分析,生成针灸量化结果数据集,根据所述针灸量化结果数据集生成所述待检测对象的针灸疗效及生理效应检测量化报告;
数据存储器,用于记录和存储所述装置的全部过程数据。
本发明还提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序实现针灸疗效及生理效应检测量化方法的步骤。
本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行实现针灸疗效及生理效应检测量化方法的步骤。
本发明提供了一种针灸疗效及生理效应检测量化的方法、系统和装置,实现了针灸相关腧穴应激性反馈、脊靶向选择性反馈、脑中枢广泛性反馈和自主神经全身性反馈的全面检测和量化分析,通过所述针灸局部生理特征、所述针灸生理协同特征、所述针灸峰时效应特征,全面展现不同所述针灸效应时区(基线期、潜伏期、上升期、高峰期、下降期、留观期)的、不同部位、不同信号的信号状态特征的量化曲线,可以进一步评价、总结和归纳不同针灸方式、配穴检测的效果和规律,为针灸机理研究和疗效评价提供数据证据和经验积累,同时也辅助临床诊断和康复治疗;同时所述针灸效应指数集、针灸效应表征曲线集、针灸疗效评价集,尤其是针灸疗效曲线和针灸疗效指数,能够快速地识别针灸给待检测对象或患者带来的生理效应、疗效水平和疾病康复进展,进而能够对待检测对象或患者的治疗康复方案的调整和优化提供支持和帮助。
附图说明
附图用来提供对本发明技术方案的进一步理解,并且构成说明书的一部分,与本申请的实施例一起用于解释本发明的技术方案,并不构成对本发明技术方案的限制。
图1是本发明提出的针灸疗效及生理效应检测量化方法的基本流程图。
图2是本发明提出的针灸疗效及生理效应检测量化系统的模块组成图。
图3是本发明提出的针灸疗效及生理效应检测量化装置模组构成图。
图4是本发明提出的针灸疗效及生理效应检测量化方法一实施例中关于列缺穴位置的示意图。
图5是本发明提出的针灸疗效及生理效应检测量化方法一实施例中关于右上臂内侧中部采集位置的示意图。
图6是本发明提出的针灸疗效及生理效应检测量化方法一实施例中关于国际10-20系统脑电电极和采集的示意图。
图7是本发明提出的针灸疗效及生理效应检测量化方法一实施例中关于针灸效应时区划分示的示意图。
图8是本发明提出的针灸疗效及生理效应检测量化方法一实施例中关于针灸疗效曲线示的示意图。
具体实施方式
为了更清楚地说明本发明的目的和技术方案,下面将结合本发明申请实施例中的附图,对本发明进行进一步介绍说明。显而易见地,下面描述的实施例仅是本发明一部分实施例,而不是全部的实施例。在没有创造性劳动前提下,本领域普通技术人员基于本发明的实施例所得到的其他实施例,都应属于本发明的保护范围。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互任意组合。
为了更加详尽的阐述方案内容,下面对基于针灸疗效及生理效应检测量化的具体实施情况进行详细说明。需要说明的是,本发明的针灸疗效及生理效应检测量化系统被用于执行图1所示的方法以及发明内容部分以及下文中提及的对应方法流程。
如图1所示,本发明实施例提供的一种针灸疗效及生理效应检测量化的方法,包括如下步骤:
P100:连续采集待检测对象在不同针灸检测阶段的针灸生理体征信号并进行信号分析处理,生成针灸生理体征信号数据。
第一步:根据待检测对象的基本健康信息,确定待检测对象的针灸疗效及生理效应检测量化方案,并开始检测过程。
本实施例中,针灸疗效及生理效应检测量化方案包括针灸目标目的、针灸方式、配穴方案、腧穴数量、施行时辰、针灸时程、针灸间隔、针灸形式、针灸强度、针灸次数、疗程天数、疗程总剂量。基本健康信息至少包括姓名、性别、出生日期、年龄、身高、体重、血压、健康状况、疾病历史信息和医生诊疗意见。
本实施例中,以针灸针刺治疗偏头痛为具体实施例来阐述具体方案内容实施情况。通过针灸针法(针灸方式-针法),针刺(针灸形式-针刺)人体左右两侧的列缺穴、合谷穴、太冲穴和风池穴等八个腧穴(腧穴数量、配穴方案)来治疗偏头痛,以列缺穴为腧穴;选择申时15~17点(施行时辰)开始施针,选用1.5寸毫针并采用提插泻法(针灸强度等于0.5),留针40分钟(针灸时程);每天针灸一次(针灸次数),隔天针灸(针灸间隔),一个疗程共针灸15天(疗程天数);疗程剂量等于针灸强度、腧穴数量、针灸次数和疗程天数的乘积。
本实施例中,需要根据针灸疗效及生理效应检测量化方案,对待检测对象人身安全进行实时监护和安全预警。通过对待检测对象心率、血压、脉搏、呼吸等自主神经功能生理指标的实时自动监测,如果自主神经功能生理指标超过预设阈值,则终止针灸并采取相关干预措施;通过观察待检测对象的表情、动作、语言等行为反馈,若存在较大生理反馈异常或人身安全风险,则终止针灸并采取相关干预措施;通过上述两种方式,来进一步保障针灸过程的待检测对象人身安全。
第二步:基于针灸疗效及生理效应检测量化方案,连续采集获取待检测对象在不同针灸检测阶段的针灸生理体征信号,得到针灸生理体征原始信号数据。
本实施例中,以左手列缺穴为腧穴部位,如图4 列缺穴位置的示意图,采集生成腧穴邻近生理体征信号,包括肌电信号、皮肤电信号、皮肤温度信号和血氧水平依赖信号。采集参数如下:肌电信号,使用肌电传感器,采样率为512Hz,双通道,参考电极位于左上臂肱二头肌下端;皮肤电信号,使用皮肤电传感器,采样率为512Hz,单通道,参考电极位于左屈指肌中心段;皮肤温度信号,使用接触式热敏传感器,采样率为128Hz,单通道;血氧水平依赖信号,采用连续波-功能性近红外光谱成像设备,采样率为10Hz ,四通道(1个光源S1、4个探测器D1~D4组成的采样组,光源和探测器的距离SDD为2.5cm)。
本实施例中,列缺穴位于正中神经(C6~T1,起自内、外侧束)和桡神经(C5~T1,起自后束)之间,所以脊靶向部位选择左上臂内侧中部,如图5右上臂内侧中部采集位置的示意图,该部分是与正中神经和桡神经脊髓同节段和近节段脊神经最密切的臂内侧皮神经(C8~T1,起自臂丛内侧束,分布于臂内侧、臂前面皮肤)所支配,采集生成脊反射生理体征信号,包括肌电信号、皮肤电信号、皮肤温度信号和血氧水平依赖信号。采集参数如下:肌电信号,使用肌电传感器,采样率为512Hz,双通道,参考电极位于左上臂肱二头肌下端;皮肤电信号,使用皮肤电传感器,采样率为512Hz,单通道,参考电极位于左屈指肌中心段;皮肤温度信号,使用接触式热敏传感器,采样率为128Hz,单通道;血氧水平依赖信号,采用连续波-功能性近红外光谱成像设备,采样率为10Hz,四通道(1个光源S1、4个探测器D1~D4组成的采样组,光源和探测器的距离SDD为2.5cm)。
本实施例中,以中央区和顶叶区的感觉运动皮层为大脑中枢部位的关键检测区域,如图6国际10-20系统脑电电极和采集的示意图,采集生成脑中枢生理体征信号,包括脑电生理信号、血氧水平依赖信号、皮肤电信号。采集参数如下:脑电生理信号,使用EEG脑电图机,采样率为512Hz,四通道,基于国际10-20系统脑电电极位置放置标准的采集电极点,参考电极为左右耳垂;血氧水平依赖信号,采用连续波-功能性近红外光谱成像设备,采样率为10Hz,八通道(2个光源S1和 S2、8个探测器D1-D4和D5-D8组成的两个采样组, 每个采样组由1个光源S和4个探测器D组成,光源和探测器的距离SDD为2.5cm),光源分别置于和构成四边形中心;皮肤电信号,使用皮肤电传感器,采样率为512Hz,单通道,电极位于前额。需要注意脑电采集电极和功能性近红外光谱成像设备光极的错位、对称放置。
本实施例中,以多个躯干和肢体部位作为自主神经部位的采集检测区域,采集生成自主神经生理体征信号,包括心电信号、血压信号、脉搏信号、呼吸信号、血氧信号、血糖信号、体温信号、皮肤电信号。采集参数如下:心电信号,使用动态心电仪,采样率为512Hz,双导联,导联V4和导联V6;血压信号,使用动态血压仪,采样率为0.05Hz,单通道,选择右上臂作为目标部位;脉搏信号,使用压电式脉搏采集设备,采样率为128Hz,单通道,选择右手的手腕桡侧(摸桡动脉)作为目标部位;呼吸信号,使用胸腹带传感器,采样率为128Hz,单通道,固定在胸部和腹部之间中心带;血氧信号,使用指尖血氧检测仪,采样率为128Hz,单通道,选择右手的食指作为目标部位;血糖信号,使用动态血糖仪,采样率为0.1Hz,单通道,选择右手屈指肌中段作为目标部位;体温信号,使用接触式热敏传感器,采样率为128Hz,单通道,选择右胸中心区域作为目标部位;皮肤电信号,使用皮肤电传感器,采样率为512Hz,单通道,电极位于右臂肱二头肌外侧。
第三步:对针灸生理体征原始信号数据进行信号分析处理,生成针灸生理体征信号数据。
本实施例中,信号分析处理包括数字信号预处理、信号矫正处理和信号融合处理;其中,数字信号预处理包括A/D数模转换、重采样、重参考、降噪、去伪迹、工频陷波、低通滤波、高通滤波、带阻滤波和带通滤波;信号融合处理是对针灸生理体征原始信号数据中同一部位的、同一信号类型的、多通道的生理数字信号进行数字信号融合;信号矫正处理是对针灸生理体征原始信号数据中的包含伪迹或失真的信号数据片段进行信号矫正及预测平滑处理;数字信号融合方法包括平均叠加、加权叠加、最大振幅序列、最小方差序列、最小变异系数序列、最大变异系数序列中的任意一信号。
本实施例中,需要对腧穴邻近生理体征信号、脊反射生理体征信号、脑中枢生理体征信号和自主神经生理体征信号进行统一的重采样处理,重采样率为256Hz。然后,再进行后续的信号预处理并生成针灸生理体征信号数据。
本实施例中,对血氧水平依赖信号的预处理主要是进行获取光强度并转换为光密度(OD),去除坏通道,去伪迹,信号矫正,小波降噪,使用修正的比尔-朗伯定律将光密度或吸光度的变化会转化为含氧血红蛋白、脱氧血红蛋白HbR和总血红蛋白HbT的浓度,通过窗、零相位的FIR数字滤波器完成0.01-0.35Hz的带通滤波,提取、HbR和HbT的浓度变化信号。
P200:在针灸检测阶段划分针灸效应时区,对针灸生理体征信号数据进行体征状态特征分析,生成针灸生理体征阶段时效状态特征。
第一步:根据针灸检测阶段,划分针灸效应时区,对针灸生理体征信号数据进行数据分割提取,得到针灸生理体征信号阶段时效数据。
本实施例中,针灸效应时区包括基线期、潜伏期、上升期、高峰期、下降期、留观期,如图7针灸效应时区划分的示意图。
本实施例中,针灸生理体征信号针灸效应时区划分的方法,如下:
提取针灸检测阶段的全时段一针灸生理体征信号,通过希尔伯特变换并进行归一化,计算得到全时段生理体征信号的全时段振幅包络信号;
识别针灸开始时点和针灸结束时点;
以针灸开始时点前的10分钟(第一预设效应时间段)内,定义为基线期;
以针灸结束时点后的20分钟(第二预设效应时间段)内,定义为留观期;
从全时段振幅包络信号中,截取以针灸开始时点到针灸结束时点之间的生理体征信号,生成针灸施行过程振幅包络信号;
提取针灸施行过程振幅包络信号中的包络最大峰值和包络最小谷值处;
以大于0.8(第一预设高峰区最低阈值)且包含包络最大峰值在内的连续信号片段所对应的时间区间,定义为高峰期;
提取高峰期前后界线点对应的时间点,生成高峰期前界时点和高峰期后界时点;
以大于0.3(第二预设高峰区最低阈值)且衔接高峰期前界时点的连续信号片段所对应的时间区间,定义为上升期;
提取上升期前界线点对应的时间点,生成上升期前界时点;
以针灸开始时点到上升期前界时点的时间区间,定义为潜伏期;
以高峰期后界时点到针灸结束时点的时间区间,定义为下降期。
本实施例中,需要对针灸生理体征信号数据中的每一个生理体征信号进行针灸效应时区划分,因为每一个生理体征信号的生理反馈曲线和生理功能意义都不一样。
第二步:对针灸生理体征信号阶段时效数据进行体征状态特征分析,生成针灸生理体征阶段时效状态特征。
本实施例中,对针灸生理体征信号数据中的每一个生理体征信号进行状态特征提取,包括肌电信号状态特征、皮肤电信号状态特征、皮肤温度信号状态特征、血氧水平依赖信号状态特征、脑电生理信号状态特征、心电信号状态特征、血压信号状态特征、脉搏信号状态特征、呼吸信号状态特征、血氧信号状态特征、血糖信号状态特征和体温信号状态特征,生成生理体征特征集FSM。
本实施例中,还有几个复合状态特征,它们分别是:皮肤电信号状态特征,包括皮肤电导总水平、皮肤传导水平、皮肤电导反应的状态特征;血氧水平依赖信号状态特征,包括含氧血红蛋白、脱氧血红蛋白、总血红蛋白的状态特征;血压信号状态特征,包括收缩压、舒张压的状态特征;呼吸信号状态特征,包括呼吸频率、呼吸间隔、呼吸深度的状态特征;心电信号状态特征,包括心率和心率变异性的状态特征。
本实施例中,状态特征包括数值特征、功率谱特征、包络特征和非线性特征。其中,数值特征包括平均值、均方根、最大值、最小值、方差、标准差、变异系数、峰度和偏度;功率谱特征包括总功率、特征频带功率、特征频带功率占比、特征频带中心频率;包络特征包括包络信号、归一化包络信号、包络均值、包络均方根、包络最大值、包络最小值、包络方差、包络标准差、包络变异系数、包络峰度和包络偏度;非线性特征包括熵特征、分形特征和复杂度特征,其中,熵特征又包括样本熵、近似熵、模糊熵、排列熵、多尺度熵、奇异值分解熵、小波熵、谱熵、香农熵、范围熵和香农熵,分形特征又包括Higuchi分形维数、Katz分形维数、彼得罗相分形维数、Sevcik分形维数、标准化长度密度、去趋势分析指数、Hurst指数,复杂度特征又包括关联维数、最大嵌入维数、Kolmogorov熵、李雅普诺夫指数、Lempel-Ziv复杂度、Hjorth复杂性、Hjorth移动性、Fisher信息。
本实施例中,针灸生理体征信号的功率谱特征由傅里叶变换求得;脑电生理信号的特征频带包括δ节律(0.5-4Hz)、θ节律(4-8Hz)、μ-α节律(8-15Hz)、β节律(15-30Hz)、γ节律(30-75Hz),心电信号的特征频带包括δ1节律(0.1-0.3Hz)、δ2节律(0.3-0.5Hz)、δ4节律(0.5-1.5Hz)、δ5-θ节律(1.5-8Hz)、α-β节律(8-30Hz),肌电信号的特征频带包括α-β节律(8-30Hz),γ节律(30-100Hz)。
本实施例中,针灸生理体征信号的包络特征由希尔伯特变化和归一化处理求得。
P300:对经过多次连续采集并经处理分析后生成的针灸生理体征阶段时效状态特征进行生理效应量化分析,生成针灸量化结果数据集,根据针灸量化结果数据集生成待检测对象的针灸疗效及生理效应检测量化报告。
本实施例中,在对针灸生理体征阶段时效状态特征进行生理效应量化分析中,需要从不同的体征状态特征集FSM中指定或选择生理效应量化分析的数据来源,至少包含一个神经电生理特征、一个血液动力学特征或一个动态代谢动力学特征。体征状态特征选择的统一规则可以如下:
肌电信号状态特征,选择均方根和标准差,前者为主,后者为辅;
皮肤电信号状态特征,选择皮肤电导反应SCR的均方根和标准差,前者为主,后者为辅;
皮肤温度信号状态特征,选择平均值和变异系数,前者为主,后者为辅;
脑电生理信号状态特征,选择β节律(15-30Hz)的特征频带功率和特征频带功率占比,前者为主,后者为辅;
心电信号状态特征,选择心率的平均值和变异系数,前者为主,后者为辅;
血压信号状态特征,选择收缩压的平均值和变异系数,前者为主,后者为辅;
脉搏信号状态特征,选择平均值和变异系数,前者为主,后者为辅;
呼吸信号状态特征,选择呼吸频率的平均值和变异系数,前者为主,后者为辅;
血氧信号状态特征,选择平均值和变异系数,前者为主,后者为辅;
血糖信号状态特征,选择平均值和变异系数,前者为主,后者为辅;
体温信号状态特征,选择平均值和变异系数,前者为主,后者为辅;
本实施例中,主要以数值特征、功率谱特征和包络特征为生理效应量化分析的数据来源,来说明量化分析过程,暂不包括非线性特征。
本实施例中,应当理解的是,在实际应用场景中,多以数值特征中的平均值、均方根、最大值、最小值,功率谱特征中的总功率、特征频带功率、特征频带功率占比、特征频带中心频率,以及包络特征中的包络信号、归一化包络信号、包络均值、包络均方根、包络最大值、包络最小值作为分析计算的主要数据源指标,这些指标在不同特征量化分析中都有着非常稳定且确定的表现,是生理体征在不同情境下的标志性指标和区别性指标;以方差、标准差、变异系数、峰度和偏度作为分析计算的辅助数据源指标;同样,在涉及加权计算的情形中,主要数据源指标的权重系数应该不小于辅助数据源指标的权重系数。
在本实施例中,对针灸生理体征阶段时效状态特征进行特征提取,具体为:对针灸生理体征阶段时效状态特征进行局部生理特征提取,提取针灸局部生理特征;对针灸生理体征阶段时效状态特征进行生理协同特征提取,提取针灸生理协同特征;对针灸生理体征阶段时效状态特征进行峰时效应特征提取,提取针灸峰时效应特征;对针灸生理体征阶段时效状态特征进行效应疗效特征提取,提取针灸效应疗效特征。根据提取的相应特征进行量化分析计算,得到针灸量化结果数据集。
以下基于针灸生理体征阶段时效状态特征进行生理效应量化分析,生成针灸量化结果数据集,根据针灸量化结果数据集生成待检测对象的针灸疗效及生理效应检测量化报告的具体过程进行阐述。
第一步:对针灸生理体征阶段时效状态特征进行局部生理特征提取,提取针灸局部生理特征。
本实施例中,针灸局部生理特征包括腧穴应激性反馈量化特征、脊靶向选择性反馈量化特征、脑中枢广泛性反馈量化特征和自主神经全身性反馈量化特征。值得说明的是量化特征为由不同针灸效应时区的、不同信号的、多个状态特征组成的量化曲线,表征在不同针灸效应时区的响应水平状态特征。
本实施例中,针灸针刺直接造成了腧穴局部组织的炎性反应并触发组织的自我修复机制,引起腧穴和其他腧穴附近的局部生理应激反应,带来酸、麻、胀、痛、重、紧等较为强烈的感受,则皮肤肌肉紧张度、皮肤汗腺分泌、皮肤温度、皮肤毛血管血流速度在施针前、施针、运针、留针、出针后有非常明显的振荡和变化,即可以通过腧穴在不同针灸效应时区(基线期、潜伏期、上升期、高峰期、下降期、留观期)的肌电量化特征、皮肤电量化特征、皮肤温度量化特征、血氧水平依赖量化特征来表征腧穴应激性反馈生理过程。例如,肌电量化特征中肌电相关状态特征的平均值、均方根、总功率、包络信号等,在不同针灸效应时区(基线期、潜伏期、上升期、高峰期、下降期、留观期)的数值或曲线,能够清晰地表征和量化,针灸针刺带来的肌肉紧张度的变化情况。
本实施例中,针灸针刺带来躯体感觉神经反应通过脊神经进入脊髓,影响同节段与上下1~2节段内的腹侧柱运动神经和外侧柱交感神经,进而引起腧穴的、脊神经的同节段或近节段的内脏器官和/或体表肌肉部位的生理牵连反应,会带来酸、麻、胀、痛、重、紧等牵连感受,则器官和/或皮肤肌肉紧张度、皮肤汗腺分泌、器官和/或皮肤温度、器官和/或毛血管血流速度在施针前、施针、运针、留针、出针后有较为明显的振荡和变化,同样通过脊靶向部位在不同针灸效应时区(基线期、潜伏期、上升期、高峰期、下降期、留观期)的肌电量化特征、皮肤电量化特征、器官和/或皮肤温度量化特征、血氧水平依赖量化特征来表征脊靶向部位选择性反馈生理过程。例如,血氧水平依赖量化特征中含氧血红蛋白浓度水平相关状态特征的平均值、均方根、总功率、包络信号等,在不同针灸效应时区(基线期、潜伏期、上升期、高峰期、下降期、留观期)的数值或曲线,能够清晰地表征和量化,针灸针刺带来的脊靶向部位局部血液动力变化情况。
本实施例中,针灸针刺带来感觉神经上行至大脑感觉运动相关皮质或大脑深部结构,由大脑中枢对针刺感觉进行感知、认知和情绪等表征,引起大脑中枢皮质多区域跨区域的神经激活和协同活动,主要体现为在施针前、施针、运针、留针、出针后局部区域神经电生理和血液动力学方面明显生理变化,通过大脑中枢在不同针灸效应时区(基线期、潜伏期、上升期、高峰期、下降期、留观期)的脑电生理量化特征、血氧水平依赖量化特征来表征大脑中枢广泛性反馈生理过程。例如,脑电生理量化特征中脑电或脑磁相关状态特征的总功率、特征频带功率、特征频带功率占比、特征频带中心频率等,在不同针灸效应时区(基线期、潜伏期、上升期、高峰期、下降期、留观期)的数值或曲线,能够清晰地表征和量化,针灸针刺带来的大脑中枢神经电生理方面神经振荡规律和变化情况。
本实施例中,自主神经全身性反馈量化特征,包括心电量化特征、血压量化特征、脉搏量化特征、呼吸量化特征、血氧量化特征、血糖量化特征、体温量化特征、皮肤电量化特征。
本实施例中,针灸针刺引起的躯体感觉,通过脊神经反馈调节、自主神经反馈调节和脑中枢下行反馈调节,引起心血管和呼吸等一系列自主神经功能连锁生理反应和反馈调节,通过自主神经在不同针灸效应时区(基线期、潜伏期、上升期、高峰期、下降期、留观期)的心电量化特征、血压量化特征、脉搏量化特征、呼吸量化特征、血氧量化特征、血糖量化特征来表征自主神经全身性的自主神经功能连锁生理反应和反馈调节。例如,心电量化特征中心率相关状态特征的平均值、均方根、总功率、包络信号等,在不同针灸效应时区(基线期、潜伏期、上升期、高峰期、下降期、留观期)的数值或曲线,能够清晰地表征和量化,针灸针刺带来的心率变化情况。
第二步:对针灸生理体征阶段时效状态特征进行生理协同特征提取,提取针灸生理协同特征。
本实施例中,针灸生理协同特征包括腧穴-脊靶向协同指数、腧穴-脊靶向协同曲线、腧穴-脑中枢协同指数、腧穴-脑中枢协同曲线、腧穴-自主神经协同指数、腧穴-自主神经协同曲线、脊靶向-脑中枢协同指数、脊靶向-脑中枢协同曲线、脊靶向-自主神经协同指数、脊靶向-自主神经协同曲线、脑中枢-自主神经协同指数、脑中枢-自主神经协同曲线。
本实施例中,针灸生理协同特征表征的是针灸针刺过程中腧穴部位、脊靶向部位、脑中枢部位、自主神经部位的生理反馈协同情况,这能够说明待检测对象不同身体系统之间的生理耦合,系统协调能力和可能存在问题,是生理功能水平和疾病状态进展的重要量化证据。
本实施例中,针灸生理协同特征中相关性特征和距离性特征的相关计算中,相关性特征仅取皮尔逊相关系数r,距离性特征仅取平均距离dm为例。
本实施例中,针灸生理协同特征中多参数加权融合计算的相关计算中,皮尔逊相关系数r和平均距离dm的重要度是一样的。对于协同指数的计算,不同生理体征信号之间对应的生理协同意义完全不一样,不同状态特征组合的权重不一样,以同类型信号的状态特征之间的相关性特征和距离性特征的权重系数大,主要数据源指标的权重系数要比辅助数据源指标的权重系数要大。
本实施例中,腧穴-脊靶向协同指数ISJ和腧穴-脊靶向协同曲线ISJs的计算方法,如下:
从针灸生理体征阶段时效状态特征FSM中,提取腧穴部位和脊靶向部位的、不同信号的、全部针灸效应时区的体征状态特征,分别生成得到腧穴体征状态特征集sFSM和脊靶向体征状态特征集jFSM;
腧穴体征状态特征集,包括以下几个:肌电信号状态特征,选择均方根和标准差,前者为主,后者为辅;皮肤电信号状态特征,选择皮肤电导反应SCR的均方根和标准差,前者为主,后者为辅;皮肤温度信号状态特征,选择平均值和变异系数,前者为主,后者为辅;血氧水平依赖信号状态特征,选择含氧血红蛋白浓度的选择平均值和变异系数,前者为主,后者为辅;
脊靶向体征状态特征集,包括以下几个:肌电信号状态特征,选择均方根和标准差,前者为主,后者为辅;皮肤电信号状态特征,选择皮肤电导反应SCR的均方根和标准差,前者为主,后者为辅;皮肤温度信号状态特征,选择平均值和变异系数,前者为主,后者为辅;血氧水平依赖信号状态特征,选择含氧血红蛋白浓度的选择平均值和变异系数,前者为主,后者为辅;
分别对腧穴体征状态特征集sFSM和脊靶向体征状态特征集jFSM中的状态特征进行相对基线计算,分别生成腧穴生理体征相对时区特征集ssFSM和脊靶向生理体征相对时区特征集jjFSM;
依次求得腧穴生理体征相对时区特征集ssFSM中的一状态特征与脊靶向生理体征相对时区特征集jjFSM中的一状态特征的相关性特征和距离性特征,即两两状态特征的皮尔逊相关系数r和平均距离dm,生成第一协同调节特征系数集csf1;
对第一协同调节特征系数集csf1中的多个协同调节特征系数进行多参数加权融合计算,生成当前针灸神经生理反馈检测量化的腧穴-脊靶向协同指数ISJ;
多参数加权融合计算的权重系数取值如下:腧穴肌电信号状态特征、脊靶向肌电信号状态特征的主要数据源指标之间的皮尔逊相关系数r和平均距离dm分别为0.15、0.15;腧穴血氧水平依赖信号状态特征、脊靶向血氧水平依赖信号状态特征的主要数据源指标之间的皮尔逊相关系数r和平均距离dm分别为0.15、0.15;腧穴皮肤电信号状态特征、脊靶向皮肤电信号状态特征的主要数据源指标之间的皮尔逊相关系数r和平均距离dm分别为0.10、0.10;腧穴皮肤温度信号状态特征、脊靶向皮肤温度信号状态特征的主要数据源指标之间的皮尔逊相关系数r和平均距离dm分别为0.05、0.05;剩余其他所有两两状态特征的权重系数,共同均分剩余0.1权重;
完成多次针灸神经生理反馈检测量化,得到每次的腧穴-脊靶向协同指数ISJ,生成腧穴-脊靶向协同曲线ISJs。
本实施例中,腧穴-脑中枢协同指数ISN和腧穴-脑中枢协同曲线ISNs的计算方法,如下:
从体征状态特征集FSM中,提取腧穴部位和脑中枢部位的、不同信号的、全部针灸效应时区的体征状态特征,分别生成得到腧穴体征状态特征集sFSM和脑中枢体征状态特征集nFSM;
腧穴体征状态特征集,包括以下几个:肌电信号状态特征,选择均方根和标准差,前者为主,后者为辅;皮肤电信号状态特征,选择皮肤电导反应SCR的均方根和标准差,前者为主,后者为辅;皮肤温度信号状态特征,选择平均值和变异系数,前者为主,后者为辅;血氧水平依赖信号状态特征,选择含氧血红蛋白浓度的选择平均值和变异系数,前者为主,后者为辅;
脑中枢体征状态特征集,包括以下几个:脑电生理信号状态特征,选择β节律(15-30Hz)的特征频带功率和特征频带功率占比,前者为主,后者为辅;血氧水平依赖信号状态特征,选择含氧血红蛋白浓度的选择平均值和变异系数,前者为主,后者为辅;
分别对腧穴体征状态特征集sFSM和脑中枢体征状态特征集nFSM中的状态特征进行相对基线计算,分别生成腧穴生理体征相对时区特征集ssFSM和脑中枢生理体征相对时区特征集nnFSM;
依次求得腧穴生理体征相对时区特征集ssFSM中的一状态特征与脑中枢生理体征相对时区特征集nnFSM中的一状态特征的相关性特征和距离性特征,即两两状态特征的皮尔逊相关系数r和平均距离dm,生成第二协同调节特征系数集csf2;
对第二协同调节特征系数集csf2中的多个协同调节特征系数进行多参数加权融合计算,生成当前针灸神经生理反馈检测量化的腧穴-脑中枢协同指数ISN;
多参数加权融合计算的权重系数取值如下:腧穴肌电信号状态特征、脑中枢脑电生理信号状态特征的主要数据源指标之间的皮尔逊相关系数r和平均距离dm分别为0.15、0.15;腧穴皮肤电信号状态特征、脑中枢脑电生理信号状态特征的主要数据源指标之间的皮尔逊相关系数r和平均距离dm分别为0.05、0.05;腧穴血氧水平依赖信号状态特征、脑中枢血氧水平依赖信号状态特征的主要数据源指标之间的皮尔逊相关系数r和平均距离dm分别为0.15、0.15;腧穴肌电信号状态特征、脑中枢血氧水平依赖信号状态特征的主要数据源指标之间的皮尔逊相关系数r和平均距离dm分别为0.05、0. 05;腧穴皮肤电信号状态特征、脑中枢血氧水平依赖信号状态特征的主要数据源指标之间的皮尔逊相关系数r和和平均距离dm分别为0.05、0. 05;剩余其他所有两两状态特征的权重系数,共同均分剩余0.1权重;
完成多次针灸神经生理反馈检测量化,得到每次的腧穴-脑中枢协同指数ISN,生成腧穴-脑中枢协同曲线ISNs。
本实施例中,腧穴-自主神经协同指数ISZ和腧穴-自主神经协同曲线ISZs的计算方法,如下:
从体征状态特征集FSM中,提取腧穴部位和自主神经部位的、不同信号的、全部针灸效应时区的体征状态特征,分别生成得到腧穴体征状态特征集sFSM和自主神经体征状态特征集zFSM;
腧穴体征状态特征集,包括以下几个:肌电信号状态特征,选择均方根和标准差,前者为主,后者为辅;皮肤电信号状态特征,选择皮肤电导反应SCR的均方根和标准差,前者为主,后者为辅;皮肤温度信号状态特征,选择平均值和变异系数,前者为主,后者为辅;血氧水平依赖信号状态特征,选择含氧血红蛋白浓度的选择平均值和变异系数,前者为主,后者为辅;
自主神经体征状态特征集,包括以下几个:心电信号状态特征,选择心率的平均值和变异系数,前者为主,后者为辅;血压信号状态特征,选择收缩压的平均值和变异系数,前者为主,后者为辅;脉搏信号状态特征,选择平均值和变异系数,前者为主,后者为辅;呼吸信号状态特征,选择呼吸频率的平均值和变异系数,前者为主,后者为辅;血氧信号状态特征,选择平均值和变异系数,前者为主,后者为辅;血糖信号状态特征,选择平均值和变异系数,前者为主,后者为辅;体温信号状态特征,选择平均值和变异系数,前者为主,后者为辅;
分别对腧穴体征状态特征集sFSM和自主神经体征状态特征集zFSM中的状态特征进行相对基线计算,分别生成腧穴生理体征相对时区特征集ssFSM和自主神经生理体征相对时区特征集zzFSM;
依次求得腧穴生理体征相对时区特征集ssFSM中的一状态特征与自主神经生理体征相对时区特征集zzFSM中的一状态特征的相关性特征和距离性特征,即两两状态特征的皮尔逊相关系数r和平均距离dm,生成第三协同调节特征系数集csf3;
对第三协同调节特征系数集csf3中的多个协同调节特征系数进行多参数加权融合计算,生成当前针灸神经生理反馈检测量化的腧穴-自主神经协同指数ISZ;
多参数加权融合计算的权重系数取值如下:腧穴肌电信号状态特征、自主神经心电信号状态特征(心率)的主要数据源指标之间的皮尔逊相关系数r和平均距离dm分别为0.15、0.15;腧穴血氧水平依赖信号状态特征、自主神经血压信号状态特征(收缩压)的主要数据源指标之间的皮尔逊相关系数r和平均距离dm分别为0.10、0.10;腧穴皮肤电信号状态特征、自主神经呼吸信号状态特征(呼吸频率)的主要数据源指标之间的皮尔逊相关系数r和平均距离dm分别为0.10、0.10;腧穴皮肤温度信号状态特征、自主神经脉搏信号状态特征的主要数据源指标之间的皮尔逊相关系数r和平均距离dm分别为0.05、0.05;剩余其他所有两两状态特征的权重系数,共同均分剩余0.2权重;
完成多次针灸神经生理反馈检测量化,得到每次的腧穴-自主神经协同指数ISZ,生成腧穴-自主神经协同曲线ISZs。
本实施例中,脊靶向-脑中枢协同指数IJN和脊靶向-脑中枢协同曲线IJNs的计算方法,如下:
从体征状态特征集FSM中,提取脊靶向部位和脑中枢部位的、不同信号的、全部针灸效应时区的体征状态特征,分别生成得到脊靶向体征状态特征集jFSM和脑中枢体征状态特征集nFSM;
脊靶向体征状态特征集,包括以下几个:肌电信号状态特征,选择均方根和标准差,前者为主,后者为辅;皮肤电信号状态特征,选择皮肤电导反应SCR的均方根和标准差,前者为主,后者为辅;皮肤温度信号状态特征,选择平均值和变异系数,前者为主,后者为辅;血氧水平依赖信号状态特征,选择含氧血红蛋白浓度的选择平均值和变异系数,前者为主,后者为辅;
脑中枢体征状态特征集,包括以下几个:脑电生理信号状态特征,选择β节律(15-30Hz)的特征频带功率和特征频带功率占比,前者为主,后者为辅;血氧水平依赖信号状态特征,选择含氧血红蛋白浓度的选择平均值和变异系数,前者为主,后者为辅;
分别对脊靶向体征状态特征集jFSM和脑中枢体征状态特征集nFSM中的状态特征进行相对基线计算,分别生成脊靶向生理体征相对时区特征集jjFSM和脑中枢生理体征相对时区特征集nnFSM;
依次求得脊靶向生理体征相对时区特征集jjFSM中的一状态特征与脑中枢生理体征相对时区特征集nnFSM中的一状态特征的相关性特征和距离性特征,即两两状态特征的皮尔逊相关系数r和平均距离dm,生成第四协同调节特征系数集csf4;
对第四协同调节特征系数集csf4中的多个协同调节特征系数进行多参数加权融合计算,生成当前针灸神经生理反馈检测量化的脊靶向-脑中枢协同指数IJN;
多参数加权融合计算的权重系数取值如下:脊靶向肌电信号状态特征、脑中枢脑电生理信号状态特征的主要数据源指标之间的皮尔逊相关系数r和平均距离dm分别为0.15、0.15;脊靶向皮肤电信号状态特征、脑中枢脑电生理信号状态特征的主要数据源指标之间的皮尔逊相关系数r和平均距离dm分别为0.05、0.05;脊靶向血氧水平依赖信号状态特征、脑中枢血氧水平依赖信号状态特征的主要数据源指标之间的皮尔逊相关系数r和平均距离dm分别为0.15、0.15;脊靶向肌电信号状态特征、脑中枢血氧水平依赖信号状态特征的主要数据源指标之间的皮尔逊相关系数r和平均距离dm分别为0.05、0. 05;脊靶向皮肤电信号状态特征、脑中枢血氧水平依赖信号状态特征的主要数据源指标之间的皮尔逊相关系数r和平均距离dm分别为0.05、0. 05;剩余其他所有两两状态特征的权重系数,共同均分剩余0.1权重;
完成多次针灸神经生理反馈检测量化,得到每次的脊靶向-脑中枢协同指数IJN,生成脊靶向-脑中枢协同曲线IJNs。
本实施例中,脊靶向-自主神经协同指数IJZ和脊靶向-自主神经协同曲线IJZs的计算方法,如下:
从体征状态特征集FSM中,提取脊靶向部位和自主神经部位的、不同信号的、全部针灸效应时区的体征状态特征,分别生成得到脊靶向体征状态特征集jFSM和自主神经体征状态特征集zFSM;
脊靶向体征状态特征集,包括以下几个:肌电信号状态特征,选择均方根和标准差,前者为主,后者为辅;皮肤电信号状态特征,选择皮肤电导反应SCR的均方根和标准差,前者为主,后者为辅;皮肤温度信号状态特征,选择平均值和变异系数,前者为主,后者为辅;血氧水平依赖信号状态特征,选择含氧血红蛋白浓度的选择平均值和变异系数,前者为主,后者为辅;
自主神经体征状态特征集,包括以下几个:心电信号状态特征,选择心率的平均值和变异系数,前者为主,后者为辅;血压信号状态特征,选择收缩压的平均值和变异系数,前者为主,后者为辅;脉搏信号状态特征,选择平均值和变异系数,前者为主,后者为辅;呼吸信号状态特征,选择呼吸频率的平均值和变异系数,前者为主,后者为辅;血氧信号状态特征,选择平均值和变异系数,前者为主,后者为辅;血糖信号状态特征,选择平均值和变异系数,前者为主,后者为辅;体温信号状态特征,选择平均值和变异系数,前者为主,后者为辅;
分别对脊靶向体征状态特征集jFSM和自主神经体征状态特征集zFSM中的状态特征进行相对基线计算,分别生成脊靶向生理体征相对时区特征集jjFSM和自主神经生理体征相对时区特征集zzFSM;
依次求得脊靶向生理体征相对时区特征集jjFSM中的一状态特征与自主神经生理体征相对时区特征集zzFSM中的一状态特征的相关性特征和距离性特征,即两两状态特征的皮尔逊相关系数r和平均距离dm,生成第五协同调节特征系数集csf5;
对第五协同调节特征系数集csf5中的多个协同调节特征系数进行多参数加权融合计算,生成当前针灸神经生理反馈检测量化的脊靶向-自主神经协同指数IJZ;
多参数加权融合计算的权重系数取值如下:脊靶向肌电信号状态特征、自主神经心电信号状态特征(心率)的主要数据源指标之间的皮尔逊相关系数r和平均距离dm分别为0.15、0.15;脊靶向血氧水平依赖信号状态特征、自主神经血压信号状态特征(收缩压)的主要数据源指标之间的皮尔逊相关系数r和平均距离dm分别为0.10、0.10;脊靶向皮肤电信号状态特征、自主神经呼吸信号状态特征(呼吸频率)的主要数据源指标之间的皮尔逊相关系数r和平均距离dm分别为0.10、0.10;脊靶向皮肤温度信号状态特征、自主神经脉搏信号状态特征的主要数据源指标之间的皮尔逊相关系数r和平均距离dm分别为0.05、0.05;剩余其他所有两两状态特征的权重系数,共同均分剩余0.2权重;
完成多次针灸神经生理反馈检测量化,得到每次的脊靶向-自主神经协同指数IJZ,生成脊靶向-自主神经协同曲线IJZs。
本实施例中,脑中枢-自主神经协同指数INZ和脑中枢-自主神经协同曲线INZs的计算方法,如下:
从体征状态特征集FSM中,提取脑中枢部位和自主神经部位的、不同信号的、全部针灸效应时区的体征状态特征,分别生成得到脑中枢体征状态特征集nFSM和自主神经体征状态特征集zFSM;
脑中枢体征状态特征集,包括以下几个:脑电生理信号状态特征,选择β节律(15-30Hz)的特征频带功率和特征频带功率占比,前者为主,后者为辅;血氧水平依赖信号状态特征,选择含氧血红蛋白浓度的选择平均值和变异系数,前者为主,后者为辅;
自主神经体征状态特征集,包括以下几个:心电信号状态特征,选择心率的平均值和变异系数,前者为主,后者为辅;血压信号状态特征,选择收缩压的平均值和变异系数,前者为主,后者为辅;脉搏信号状态特征,选择平均值和变异系数,前者为主,后者为辅;呼吸信号状态特征,选择呼吸频率的平均值和变异系数,前者为主,后者为辅;血氧信号状态特征,选择平均值和变异系数,前者为主,后者为辅;血糖信号状态特征,选择平均值和变异系数,前者为主,后者为辅;体温信号状态特征,选择平均值和变异系数,前者为主,后者为辅;
分别对脑中枢体征状态特征集nFSM和自主神经体征状态特征集zFSM中的状态特征进行相对基线计算,分别生成脑中枢生理体征相对时区特征集nnFSM和自主神经生理体征相对时区特征集zzFSM;
依次求得脑中枢生理体征相对时区特征集nnFSM中的一状态特征与自主神经生理体征相对时区特征集zzFSM中的一状态特征的相关性特征和距离性特征,即两两状态特征的皮尔逊相关系数r和平均距离dm,生成第六协同调节特征系数集csf6;
对第六协同调节特征系数集csf6中的多个协同调节特征系数进行多参数加权融合计算,生成当前针灸神经生理反馈检测量化的脑中枢-自主神经协同指数INZ;
多参数加权融合计算的权重系数取值如下:脑中枢血氧水平依赖信号状态特征、自主神经心电信号状态特征(心率)的主要数据源指标之间的皮尔逊相关系数r和平均距离dm分别为0.15、0.15;脑中枢脑电生理信号状态特征、自主神经心电信号状态特征(心率)的主要数据源指标之间的皮尔逊相关系数r和平均距离dm分别为0.10、0.10;脑中枢血氧水平依赖信号状态特征、自主神经呼吸信号状态特征(呼吸频率)的主要数据源指标之间的皮尔逊相关系数r和平均距离dm分别为0.10、0.10;脑中枢血氧水平依赖信号状态特征、自主神经血压信号状态特征(收缩压)的主要数据源指标之间的皮尔逊相关系数r和平均距离dm分别为0.05、0.05;脑中枢血氧水平依赖信号状态特征、自主神经脉搏信号状态特征的主要数据源指标之间的皮尔逊相关系数r和平均距离dm分别为0.05、0.05;剩余其他所有两两状态特征的权重系数,共同均分剩余0.1权重;
完成多次针灸神经生理反馈检测量化,得到每次的脑中枢-自主神经协同指数INZ,生成脑中枢-自主神经协同曲线INZs。
本实施例中,相对基线计算的方法,如下:
本实施例中,相关性特征至少包括相干系数、皮尔逊相关系数、杰卡德相似系数、线性互信息系数、线性相关系数。
本实施例中,距离性特征的计算方法,如下:
第三步:对针灸生理体征阶段时效状态特征进行峰时效应特征提取,提取针灸峰时效应特征。
本实施例中,针灸峰时效应特征包括针灸效应峰值序列、针灸效应峰值序列曲线、针灸效应峰延时序列、针灸效应峰延时序列曲线。
本实施例中,针灸峰时效应特征表征的是面对针灸针刺,不同部位的不同生理体征信号所能达到的峰值水平和达到峰值所需的时间,这能够说明待检测对象的系统性应激强烈程度和生理反馈调节时间,是生理功能水平和疾病状态进展的重要量化证据。
本实施例中,针灸效应峰值序列EPAR、针灸效应峰延时序列ETAR和针灸峰时效应序列EEAR的计算方法,如下:
对体征状态特征集FSM中,提取腧穴部位、脊靶向部位、脑中枢部位、自主神经部位的、不同信号的、高峰期的、包络特征中的包络信号,生成生理体征包络信号特征集epFSM;
生理体征包络信号特征集epFSM包括腧穴生理体征包络信号特征集、脊靶向生理体征包络信号特征集、脑中枢生理体征包络信号特征集和自主神经生理体征包络信号特征集。
腧穴生理体征包络信号特征集,包括以下几个:肌电信号状态特征,选择包络特征中的包络信号;皮肤电信号状态特征,选择包络特征中的包络信号;皮肤温度信号状态特征,选择包络特征中的包络信号;血氧水平依赖信号状态特征,选择含氧血红蛋白浓度的包络特征中的包络信号;
脊靶向生理体征包络信号特征集,包括以下几个:肌电信号状态特征,选择包络特征中的包络信号;皮肤电信号状态特征,选择包络特征中的包络信号;皮肤温度信号状态特征,选择包络特征中的包络信号;血氧水平依赖信号状态特征,选择含氧血红蛋白浓度的包络特征中的包络信号;
自主神经生理体征包络信号特征集,包括以下几个:心电信号状态特征,选择包络特征中的包络信号;血压信号状态特征,选择收缩压的包络特征中的包络信号;脉搏信号状态特征,选择包络特征中的包络信号;呼吸信号状态特征,选择呼吸频率的包络特征中的包络信号;血氧信号状态特征,选择包络特征中的包络信号;血糖信号状态特征,选择包络特征中的包络信号;体温信号状态特征,选择包络特征中的包络信号;
依次求得生理体征包络信号特征集epFSM中的腧穴部位、脊靶向部位、脑中枢部位、自主神经部位的、不同信号的、高峰期的包络信号的最大值和最大值对应的索引时间,得到最大值索引时间序列,生成针灸效应峰值序列EPAR;
对针灸效应峰值序列EPAR和针灸效应峰延时序列ETAR进行峰时效应计算,生成针灸峰时效应序列EEAR。
本实施例中,峰时效应的计算公式如下:
本实施例中,针灸效应峰值序列曲线EPARs、针灸效应峰延时序列曲线ETARs和针灸峰时效应序列曲线EEARs的计算方法,如下:
完成多次针灸神经生理反馈检测量化,计算得到每一次的针灸效应峰值序列EPAR、针灸效应峰延时序列ETAR和针灸峰时效应序列EEAR;
按时间先后顺序,分别将针灸效应峰值序列EPAR、针灸效应峰延时序列ETAR和针灸峰时效应序列EEAR进行拼接,分别生成针灸效应峰值序列曲线EPARs、针灸效应峰延时序列曲线ETARs和针灸峰时效应序列曲线EEARs。
第四步:对针灸生理体征阶段时效状态特征进行效应疗效特征提取,提取针灸效应疗效特征。
本实施例中,针灸效应疗效特征包括针灸效应指数集、针灸效应表征曲线集、针灸疗效评价集。
本实施例中,针灸效应指数集包括腧穴针灸效应指数、脊靶向针灸效应指数、脑中枢针灸效应指数、自主神经针灸效应指数。
本实施例中,针灸效应表征曲线集包括腧穴针灸效应表征曲线、脊靶向针灸效应表征曲线、脑中枢针灸效应表征曲线、自主神经针灸效应表征曲线、针灸总体效应表征曲线。
本实施例中,针灸效应指数集和针灸效应表征曲线集表征的是针灸针刺对于腧穴部位、脊靶向部位、脑中枢部位、自主神经部位的生理反馈调节的效应强弱或影响程度,这能够综合评价针灸针刺所引发不同部位生理响应情况,是生理功能水平和疾病状态进展的重要量化证据。
本实施例中,神经电生理体征信号和血液动力学状态信号最能够及时准确地反应生理动态变化和总体反馈,固在针灸效应系数的多参数加权融合计算中,以神经电生理体征信号和血液动力学状态信号的状态特征权重系数最大,同时主要数据源指标的权重系数要比辅助数据源指标的权重系数要大。
本实施例中,针灸针刺前、中(高峰)、后的生理变化,最能够直观反映针灸针刺的效应和疗效,固针灸效应指数的多参数加权融合计算中,以生成基线期、高峰期、留观期的针灸效应系数权重系数最大。
本实施例中,腧穴针灸效应表征曲线SIEs和腧穴针灸效应指数IES的计算方法,如下:
从体征状态特征集FSM中,提取腧穴部位的、不同信号的、全部针灸效应时区的体征状态特征,经状态特征选择和相对基线计算,生成得到腧穴生理体征相对时区特征集ssFSM;
腧穴生理体征相对时区特征集,包括以下几个:肌电信号状态特征,选择均方根和标准差的特征相对变化量,前者为主,后者为辅;皮肤电信号状态特征,选择皮肤电导反应SCR的均方根和标准差的特征相对变化量,前者为主,后者为辅;皮肤温度信号状态特征,选择平均值和变异系数的特征相对变化量,前者为主,后者为辅;血氧水平依赖信号状态特征,选择含氧血红蛋白浓度的选择平均值和变异系数的特征相对变化量,前者为主,后者为辅;
对腧穴生理体征相对时区特征集ssFSM中的、同一针灸效应时区的状态特征进行多参数加权融合计算,得到第一针灸效应系数;
多参数加权融合计算的中权重系数取值如下:肌电信号状态特征的主要、辅助数据源指标权重系数分别为0.30、0.05;血氧水平依赖信号状态特征的主要、辅助数据源指标权重系数分别为0.30、0.05;皮肤电信号状态特征的主要、辅助数据源指标权重系数分别为0.15、0.05;皮肤温度信号状态特征的主要、辅助数据源指标权重系数分别为0.05、0.05;
求得全部针灸效应时区的第一针灸效应系数,得到第一针灸效应系数序列zcfs1,生成腧穴针灸效应表征曲线SIEs;
对第一针灸效应系数序列zcfs1进行多参数加权融合计算,生成腧穴针灸效应指数IES;
多参数加权融合计算的中权重系数取值如下:基线期、潜伏期、上升期、高峰期、下降期、留观期的针灸效应系数权重系数分别是0.25、0.05、0.05、0.30、0.10、0.25。
本实施例中,脊靶向针灸效应表征曲线JIEs和脊靶向针灸效应指数IEJ的计算方法,如下:
从体征状态特征集FSM中,提取脊靶向部位的、不同信号的、全部针灸效应时区的体征状态特征,经状态特征选择和相对基线计算,生成得到脊靶向生理体征相对时区特征集jjFSM;
脊靶向生理体征相对时区特征集,包括以下几个:肌电信号状态特征,选择均方根和标准差的特征相对变化量,前者为主,后者为辅;皮肤电信号状态特征,选择皮肤电导反应SCR的均方根和标准差的特征相对变化量,前者为主,后者为辅;皮肤温度信号状态特征,选择平均值和变异系数的特征相对变化量,前者为主,后者为辅;血氧水平依赖信号状态特征,选择含氧血红蛋白浓度的选择平均值和变异系数的特征相对变化量,前者为主,后者为辅;
对脊靶向生理体征相对时区特征集中jjFSM的、同一针灸效应时区的状态特征进行多参数加权融合计算,得到第二针灸效应系数;
多参数加权融合计算的中权重系数取值如下:肌电信号状态特征的主要、辅助数据源指标权重系数分别为0.30、0.05;血氧水平依赖信号状态特征的主要、辅助数据源指标权重系数分别为0.30、0.05;皮肤电信号状态特征的主要、辅助数据源指标权重系数分别为0.15、0.05;皮肤温度信号状态特征的主要、辅助数据源指标权重系数分别为0.05、0.05;
求得全部针灸效应时区的第二针灸效应系数,得到第二针灸效应系数序列zcfs2,生成脊靶向针灸效应表征曲线JIEs;
对第二针灸效应系数序列zcfs2进行多参数加权融合计算,生成脊靶向针灸效应指数IEJ;
多参数加权融合计算的中权重系数取值如下:基线期、潜伏期、上升期、高峰期、下降期、留观期的针灸效应系数权重系数分别是0.25、0.05、0.05、0.30、0.10、0.25。
本实施例中,脑中枢针灸效应表征曲线NIEs和脑中枢针灸效应指数IEN的计算方法,如下:
从体征状态特征集FSM中,提取脑中枢部位的、不同信号的、全部针灸效应时区的体征状态特征,经状态特征选择和相对基线计算,生成得到脑中枢生理体征相对时区特征集nnFSM;
脑中枢生理体征相对时区特征集,包括以下几个:脑电生理信号状态特征,选择β节律(15-30Hz)的特征频带功率和特征频带功率占比的特征相对变化量,前者为主,后者为辅;血氧水平依赖信号状态特征,选择含氧血红蛋白浓度的选择平均值和变异系数的特征相对变化量,前者为主,后者为辅;
对脑中枢生理体征相对时区特征集nnFSM中的、同一针灸效应时区的状态特征进行多参数加权融合计算,得到第三针灸效应系数;
求得全部针灸效应时区的第三针灸效应系数,得到第三针灸效应系数序列zcfs3,生成脑中枢针灸效应表征曲线NIEs;
对第三针灸效应系数序列zcfs3进行多参数加权融合计算,生成脑中枢针灸效应指数IEN;
多参数加权融合计算的中权重系数取值如下:基线期、潜伏期、上升期、高峰期、下降期、留观期的针灸效应系数权重系数分别是0.25、0.05、0.05、0.30、0.10、0.25。
本实施例中,自主神经针灸效应表征曲线ZIEs和自主神经针灸效应指数IEZ的计算方法,如下:
从体征状态特征集FSM中,提取自主神经部位的、不同信号的、全部针灸效应时区的体征状态特征,经状态特征选择和相对基线计算,生成得到自主神经生理体征相对时区特征集zzFSM;
自主神经生理体征相对时区特征集,包括以下几个:心电信号状态特征,选择心率的平均值和变异系数的特征相对变化量,前者为主,后者为辅;血压信号状态特征,选择收缩压的平均值和变异系数的特征相对变化量,前者为主,后者为辅;脉搏信号状态特征,选择平均值和变异系数的特征相对变化量,前者为主,后者为辅;呼吸信号状态特征,选择呼吸频率的平均值和变异系数的特征相对变化量,前者为主,后者为辅;血氧信号状态特征,选择平均值和变异系数的特征相对变化量,前者为主,后者为辅;血糖信号状态特征,选择平均值和变异系数的特征相对变化量,前者为主,后者为辅;体温信号状态特征,选择平均值和变异系数的特征相对变化量,前者为主,后者为辅;
对自主神经生理体征相对时区特征集zzFSM中的、同一针灸效应时区的状态特征进行多参数加权融合计算,得到第四针灸效应系数;
多参数加权融合计算的中权重系数取值如下:
心电信号状态特征的主要、辅助数据源指标权重系数分别为0.25、0.05;
血压信号状态特征的主要、辅助数据源指标权重系数分别为0.15、0.05;
脉搏信号状态特征的主要、辅助数据源指标权重系数分别为0.10、0.05;
呼吸信号状态特征的主要、辅助数据源指标权重系数分别为0.10、0.05;
血氧信号状态特征的主要、辅助数据源指标权重系数分别为0.05、0.05;
血糖信号状态特征的主要、辅助数据源指标权重系数分别为0.05、0.05;
体温信号状态特征的主要、辅助数据源指标权重系数分别为0.05、0.05;
求得全部针灸效应时区的第四针灸效应系数,得到第四针灸效应系数序列zcfs4,生成自主神经针灸效应表征曲线ZIEs;
对第四针灸效应系数序列zcfs4进行多参数加权融合计算,生成自主神经针灸效应指数IEZ;
多参数加权融合计算的中权重系数取值如下:基线期、潜伏期、上升期、高峰期、下降期、留观期的针灸效应系数权重系数分别是0.25、0.05、0.05、0.30、0.10、0.25。
本实施例中,针灸总体效应表征曲线AIEs的计算方法,如下:
从体征状态特征集FSM中,提取腧穴部位、脊靶向部位、脑中枢部位、自主神经部位的、不同信号的、全部针灸效应时区的体征状态特征,经状态特征选择和相对基线计算,分别生成得到腧穴生理体征相对时区特征集ssFSM、脊靶向生理体征相对时区特征集jjFSM、脑中枢生理体征相对时区特征集nnFSM、自主神经生理体征相对时区特征集zzFSM;
求得全部针灸效应时区的第一针灸效应系数序列zcfs1、第二针灸效应系数序列zcfs2、第三针灸效应系数序列zcfs3、第四针灸效应系数序列zcfs4,生成针灸效应系数矩阵zcfsM;
按照不同针灸效应时区,对针灸效应系数矩阵zcfsM中的、同一针灸效应时区的多个针灸效应系数进行多参数加权融合计算,生成针灸总体效应系数;
多参数加权融合计算的中权重系数取值如下:第一针灸效应系数、第二针灸效应系数、第三针灸效应系数、第四针灸效应系数的权重系数分别为0.25、0.15、0.35、0.25。
求得全部针灸效应时区的针灸总体效应系数,得到针灸总体效应系数序列zcfs0,生成针灸总体效应表征曲线AIEs。
本实施例中,针灸疗效评价集包括针灸疗效曲线、针灸疗效指数。
本实施例中,针灸疗效评价集是对针灸针刺疗效的综合评价,能够表征针灸针刺的多层次的、连续的治疗效果变化(变化量和变化速率),比较全面地反映疾病治疗进展,是生理功能水平和疾病状态进展的重要量化证据。针灸疗效曲线,如图8针灸疗效曲线的示意图。
本实施例中,针灸疗效曲线CIEs和针灸疗效指数ICE的计算方法,如下:
完成多次针灸神经生理反馈检测量化,计算得到每一次的针灸总体效应表征曲线AIEs,按时间先后顺序进行拼接,生成针灸疗效曲线CIEs;
按照不同针灸效应时区,从针灸疗效曲线CIEs中,分别提取生成基线期针灸疗效曲线bCIEs、潜伏期针灸疗效曲线lCIEs、上升期针灸疗效曲线uCIEs、高峰期针灸疗效曲线tCIEs、下降期针灸疗效曲线dCIEs、留观期针灸疗效曲线oCIEs,生成时区针灸疗效曲线矩阵MCIEs;
对时区针灸疗效曲线矩阵MCIEs的、同一针灸效应时区的针灸疗效曲线进行线性拟合,得到线性拟合直线的斜率,生成针灸疗效显著系数cos;
求得全部针灸效应时区的针灸疗效显著系数cos,得到针灸疗效显著系数序列coss;
对针灸疗效显著系数序列coss进行多参数加权融合计算,生成针灸疗效指数ICE;
多参数加权融合计算的中权重系数取值如下:基线期、潜伏期、上升期、高峰期、下降期、留观期的针灸效应系数权重系数分别是0.50、0.05、0.05、0.15、0.05、0.20。
本实施例中,值得说明的是,每一次针灸前的、基线期的针灸疗效显著系数能够非常直接的反映针灸的长时疗效,高峰期针灸疗效显著系数则体现了针灸的生理响应水平和适应能力,留观期的针灸效应系数则体现了针灸的生理塑造能力和疗效短时衰减速率。
本实施例中,多参数加权融合计算的计算方法,如下:
第五步:对前几步骤中生成的针灸局部生理特征、针灸生理协同特征、针灸峰时效应特征、针灸效应疗效特征进行综合评价分析,评估针灸的生理效应、疗效水平和疾病康复进展,生成待检测对象的针灸疗效及生理效应检测量化报告。
本实施例中,针灸局部生理特征、针灸生理协同特征、针灸峰时效应特征,全面展现不同针灸效应时区(基线期、潜伏期、上升期、高峰期、下降期、留观期)的、不同部位、不同信号的信号状态特征的量化曲线,以此来刻画表述针灸给待检测对象带来的腧穴应激性反馈、脊靶向选择性反馈、脑中枢广泛性反馈和自主神经全身性反馈。而针灸效应指数集、针灸效应表征曲线集、针灸疗效评价集,尤其是针灸疗效曲线CIEs和针灸疗效指数ICE,能够快速地识别针灸针刺给待检测对象或患者带来的生理效应和治疗效果,进而对待检测对象或患者的治疗康复方案的调整和优化提供支持和帮助;同时,能够从针灸局部生理特征(包括腧穴应激性反馈量化特征、脊靶向选择性反馈量化特征、脑中枢广泛性反馈量化特征和自主神经全身性反馈量化特征)中,详细地了解待检测对象或患者每一次针灸针刺过程的生理变化情况,包括不同部位的、不同信号的、多个状态特征组成的量化曲线。
本实施例中,对针灸局部生理特征、针灸生理协同特征、针灸峰时效应特征和针灸效应疗效特征进行综合评价分析,评估针灸的生理效应、疗效水平和疾病康复进展,生成待检测对象的针灸疗效及生理效应报告。
如图2所示,本发明实施例提供的一种针灸疗效及生理效应检测量化的系统,包括以下模块:
针灸执行管理模块S100,用于根据待检测对象的基本健康信息,确定待检测对象的针灸疗效及生理效应检测量化方案,并对针灸疗效及生理效应检测量化方案的执行过程进行管理;
体征信号采集模块S200,用于连续采集待检测对象在不同针灸检测阶段的针灸生理体征信号,生成针灸生理体征原始信号数据;
体征信号处理模块S300,用于对针灸生理体征原始信号数据进行信号分析处理,生成针灸生理体征信号数据;
状态特征提取模块S400,用于在针灸检测阶段划分针灸效应时区,对针灸生理体征信号数据进行体征状态特征分析,生成针灸生理体征阶段时效状态特征;
针灸效应特征提取模块S500,用于对经过多次连续采集并经处理分析后生成的针灸生理体征阶段时效状态特征进行特征提取,提取针灸局部生理特征、针灸生理协同特征、针灸峰时效应特征和针灸效应疗效特征;
针灸疗效报告模块S600,用于对针灸局部生理特征、针灸生理协同特征、针灸峰时效应特征和针灸效应疗效特征进行生理效应量化分析,生成针灸量化结果数据集,根据针灸量化结果数据集生成待检测对象的针灸疗效及生理效应检测量化报告;
针灸数据管理模块S700,用于对系统的所有过程数据和全部结果数据进行可视化、存储和运营的统一管理。
本实施例中,针灸执行管理模块S100包括以下功能单元:
人员信息记录单元S110,用于记录待检测对象的基本健康信息,基本健康信息至少包括姓名、性别、出生日期、年龄、身高、体重、血压、健康状况、疾病历史信息和医生诊疗意见;
针灸方案记录单元S120,用于输入记录、编辑管理针灸疗效及生理效应检测量化方案;
针灸时点跟踪单元S130,用于跟踪记录每次针灸准备、开始、结束和留观过程时间节点,并根据针灸疗效及生理效应检测量化方案进行时间提醒,启动或结束生理体征信号的采集;
针灸安全监护单元S140,用于根据针灸疗效及生理效应检测量化方案,对待检测对象人身安全进行实时监护和安全预警。
本实施例中,体征信号采集模块S200包括以下功能单元:
通讯管理模块单元S210,用于连接生理体征信号采集设备或传感器,实现信号通讯和数据传输,记录设备参数,设备参数至少包括设备名称、厂商、设备用途、采样率、通道名、通道数;
信号采集记录单元S220,用于连续采集获取待检测对象在不同针灸检测阶段的针灸生理体征信号,生成针灸生理体征原始信号数据;针灸生理体征信号至少包括腧穴邻近生理体征信号、脊反射生理体征信号、自主神经生理体征信号、脑中枢生理体征信号。
本实施例中,体征信号处理模块S300包括以下功能单元:
信号基础处理单元S310,用于对针灸生理体征原始信号数据进行数字信号预处理,数字信号预处理至少包括A/D数模转换、重采样、重参考、降噪、去伪迹、工频陷波、低通滤波、高通滤波、带阻滤波和带通滤波;
信号矫正处理单元S320,用于对针灸生理体征原始信号数据中的包含伪迹或失真的信号数据片段进行信号矫正及预测平滑处理;
信号融合处理单元S330,用于对针灸生理体征原始信号数据中同一部位的、同一信号类型的、多通道的生理数字信号进行数字信号融合,生成针灸生理体征信号数据。
本实施例中,状态特征提取模块S400包括以下功能单元:
效应时区划分单元S410,用于根据针灸检测阶段,划分针灸效应时区;
时区数据提取单元S420,用于根据针灸效应时区,对针灸生理体征信号数据进行数据分割提取,得到针灸生理体征信号阶段时效数据;
数值特征提取单元S430,用于从针灸生理体征信号阶段时效数据中提取数值特征,数值特征至少包括平均值、均方根、最大值、最小值、方差、标准差、变异系数、峰度和偏度;
功率谱特征提取单元S440,用于提取针灸生理体征信号阶段时效数据中提取功率谱特征,功率谱特征至少包括总功率、特征频带功率、特征频带功率占比、特征频带中心频率;
包络特征提取单元S450,用于针灸生理体征信号阶段时效数据中提取包络特征,包络特征至少包括包络信号、归一化包络信号、包络均值、包络均方根、包络最大值、包络最小值、包络方差、包络标准差、包络变异系数、包络峰度和包络偏度;
非线性特征提取单元S460,用于针灸生理体征信号阶段时效数据中提取非线性特征,非线性特征至少包括熵特征、分形特征和复杂度特征;
时区特征整合单元S470,用于整合数值特征、功率谱特征、包络特征和非线性特征,生成针灸生理体征阶段时效状态特征。
本实施例中,针灸效应特征提取模块S500包括以下功能单元:
局部生理特征提取单元S510,用于对针灸生理体征阶段时效状态特征进行局部生理特征提取,提取针灸局部生理特征;
生理协同特征提取单元S520,用于对针灸生理体征阶段时效状态特征进行生理协同特征提取,提取针灸生理协同特征;
峰时效应特征提取单元S530,用于对针灸生理体征阶段时效状态特征进行峰时效应特征提取,提取针灸峰时效应特征;
效应疗效特征提取单元S540,用于对针灸生理体征阶段时效状态特征进行效应疗效特征提取,提取针灸效应疗效特征。
本实施例中,针灸疗效报告模块S600包括以下功能单元:
疗效对比评价单元S610,用于对针灸局部生理特征、针灸生理协同特征、针灸峰时效应特征和针灸效应疗效特征进行生理效应量化分析,生成针灸量化结果数据集;
针灸报告生成单元S620,用于根据针灸量化结果数据集生成、输出和展现待检测对象的针灸疗效及生理效应检测量化报告。
本实施例中,针灸数据管理模块S700包括以下功能单元:
数据可视化单元S710,用于对系统的所有过程数据和全部结果数据进行可视化展现和管理;
数据存储单元S720,用于对系统的所有过程数据和全部结果数据进行存储统一管理;
数据运营单元S730,用于对系统的所有过程数据和全部结果数据进行备份、迁移、运行统一管理。
本实施例中,针灸数据存储在数据库mysql中。
如图3所示,本发明实施例提供的一种针灸疗效及生理效应检测量化的装置,包括以下模组:
可视化界面M100,用于提供可视化操作界面,待检测对象的基本健康信息的编辑和管理,针灸疗效及生理效应检测量化方案的编辑和管理,针灸疗效及生理效应检测量化方案的执行过程管理,数据可视化展现和数据可视化管理;
信号采集器M200,用于连接针灸生理体征信号采集设备或传感器,连续采集获取待检测对象在不同针灸检测阶段的针灸生理体征信号变化,得到针灸生理体征原始信号数据;
数据处理器M300,用于对针灸生理体征原始信号数据进行信号分析处理,生成针灸生理体征信号数据;对不同针灸检测阶段的针灸生理体征信号数据进行状态特征分析,得到针灸生理体征阶段时效状态特征;对多次针灸检测量化过程中的针灸生理体征阶段时效状态特征进行生理效应量化分析,提取针灸局部生理特征、针灸生理协同特征、针灸峰时效应特征和针灸效应疗效特征;对针灸局部生理特征、针灸生理协同特征、针灸峰时效应特征和针灸效应疗效特征进行生理效应量化分析,生成针灸量化结果数据集,根据针灸量化结果数据集生成待检测对象的针灸疗效及生理效应检测量化报告;
数据存储器M400,用于记录和存储装置的全部过程数据。
本发明还提供了可编程的各类处理器(FPGA、ASIC或其他集成电路),上述处理器用于运行程序,其中,上述程序运行时执行实施例中的步骤。
本发明还提供了对应的计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,上述存储器执行上述程序时执行实施例中的步骤。
虽然本发明所揭露的实施方式如上,但上述的内容仅为便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属领域内的技术人员,在不脱离本发明所揭露的精神和原则的前提下,可以在实施的形式及细节上进行任何的修改与变化、等同替换等,这些都属于本发明的保护范围。因此,本发明的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (78)
1.一种针灸疗效及生理效应检测量化的方法,其特征在于,所述方法包括:
连续采集待检测对象在不同针灸检测阶段的针灸生理体征信号并进行信号分析处理,生成针灸生理体征信号数据;
在所述针灸检测阶段划分针灸效应时区,对所述针灸生理体征信号数据进行体征状态特征分析,生成针灸生理体征阶段时效状态特征;
对经过多次连续采集并经处理分析后生成的所述针灸生理体征阶段时效状态特征进行生理效应量化分析,生成针灸量化结果数据集,根据所述针灸量化结果数据集生成所述待检测对象的针灸疗效及生理效应检测量化报告。
2.根据权利要求1所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述针灸生理体征信号由针灸腧穴组合决定并由多观察检测分析部位的生理体征信号构成,至少包括腧穴邻近生理体征信号、脊反射生理体征信号、自主神经生理体征信号、脑中枢生理体征信号。
3.根据权利要求2所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述多观察检测分析部位至少包括腧穴部位、脊靶向部位、脑中枢部位、自主神经部位。
4.根据权利要求3所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述腧穴部位为针灸一个或多个组合腧穴部位;
所述脊靶向部位为针灸部位或靶向器官相应脊神经的同节段或近节段支配的体表区域;
所述脑中枢部位至少包括额叶皮层、顶叶皮层、中央区皮层、颞叶皮层和枕叶皮层;
所述自主神经部位至少包括心电采集部位、血压采集部位、脉搏采集部位、呼吸采集部位、血氧采集部位、血糖采集部位、体温采集部位和皮肤电采集部位。
7.根据权利要求6所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述自主神经生理体征信号至少包括心电信号、血压信号、脉搏信号、呼吸信号、血氧信号、血糖信号、体温信号和皮肤电信号。
10.根据权利要求9所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述脑电生理信号由脑电图采集设备或传感器、脑磁图设备或传感器采集生成。
11.根据权利要求10所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述信号分析处理至少包括数字信号预处理、信号矫正处理和信号融合处理;其中,所述数字信号预处理至少包括A/D数模转换、重采样、重参考、降噪、去伪迹、工频陷波、低通滤波、高通滤波、带阻滤波和带通滤波;所述信号矫正处理具体为对所述针灸生理体征信号中的包含伪迹或失真的信号数据片段进行信号矫正及预测平滑处理;所述信号融合处理具体为对所述针灸生理体征信号中同一部位的、同一信号类型的、多通道的生理数字信号进行数字信号融合。
12.根据权利要求11所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述数字信号融合至少包括提取平均叠加、加权叠加、最大振幅序列、最小方差序列、最小变异系数序列、最大变异系数序列中的任意一信号。
13.根据权利要求12所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述针灸检测阶段至少包括针灸静息基线阶段、针灸检测过程阶段和针灸检测留观阶段。
14.根据权利要求13所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述连续采集待检测对象在不同针灸检测阶段的针灸生理体征信号并进行信号分析处理,生成针灸生理体征信号数据的步骤具体包括:
根据所述待检测对象的基本健康信息,确定所述待检测对象的针灸疗效及生理效应检测量化方案;
基于所述针灸疗效及生理效应检测量化方案,连续采集获取所述待检测对象在不同所述针灸检测阶段的所述针灸生理体征信号,得到针灸生理体征原始信号数据;
对所述针灸生理体征原始信号数据进行所述信号分析处理,生成所述针灸生理体征信号数据。
15.根据权利要求14所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述针灸疗效及生理效应检测量化方案至少包括针灸目标目的、针灸方式、配穴方案、腧穴数量、施行时辰、针灸时程、针灸间隔、针灸形式、针灸强度、针灸次数、疗程天数、疗程总剂量。
16.根据权利要求15所述的针灸疗效及生理效应检测量化的方法,其特征在于,
所述针灸方式至少包括针法和灸法。
17.根据权利要求16所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述配穴方案由所述针灸目标目的来确定腧穴配穴组合及具体数量,至少包括一个腧穴。
18.根据权利要求17所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述腧穴至少包括十四经穴、经外奇穴、阿是穴、平衡针灸穴和自定义穴。
19.根据权利要求18所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述施行时辰是根据靶向器官和/或靶向部位生理机能的生理和/或病理节律,来确定每一次针灸检测的最佳时间段。
20.根据权利要求19所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述针灸时程是每一次针灸检测中留针和/或持灸的时长。
21.根据权利要求20所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述针灸形式至少包括针刺、热刺激、电刺激、磁刺激和激光刺激。
22.根据权利要求21所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述针灸强度至少包括不同强度或等级的深度、温度、频率、电压、磁强、光强。
23.根据权利要求22所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述疗程总剂量由所述针灸强度、所述腧穴数量、所述针灸次数和所述疗程天数所决定。
24.根据权利要求23所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述在所述针灸检测阶段划分针灸效应时区,对所述针灸生理体征信号数据进行体征状态特征分析,生成针灸生理体征阶段时效状态特征的步骤具体包括:
根据所述针灸检测阶段,划分所述针灸效应时区,对所述针灸生理体征信号数据进行数据分割提取,得到针灸生理体征信号阶段时效数据;
对所述针灸生理体征信号阶段时效数据进行所述体征状态特征分析,生成所述针灸生理体征阶段时效状态特征。
25.根据权利要求24所述的针灸疗效及生理效应检测量化的方法,其特征在于,
所述针灸效应时区至少包括基线期、潜伏期、上升期、高峰期、下降期、留观期。
26.根据权利要求25所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述划分针灸效应时区的步骤具体包括:
提取所述针灸检测阶段的所述针灸生理体征信号数据中的一生理体征信号,通过希尔伯特变换并进行归一化,计算得到全时段生理体征信号的全时段振幅包络信号;
识别针灸开始时点和针灸结束时点;
以针灸开始时点前的第一预设效应时间段内,定义为基线期;
以针灸结束时点后的第二预设效应时间段内,定义为留观期;
从所述全时段振幅包络信号中,截取以所述针灸开始时点到所述针灸结束时点之间的生理体征信号,生成针灸施行过程振幅包络信号;
提取所述针灸施行过程振幅包络信号中的包络最大峰值和包络最小谷值;
以大于第一预设高峰区最低阈值且包含所述包络最大峰值在内的连续信号片段所对应的时间区间,定义为高峰期;
提取所述高峰期前后界线点对应的时间点,生成高峰期前界时点和高峰期后界时点;
以大于第二预设高峰区最低阈值且衔接所述高峰期前界时点的连续信号片段所对应的时间区间,定义为上升期;
提取所述上升期前界线点对应的时间点,生成上升期前界时点;
以所述针灸开始时点到所述上升期前界时点的时间区间,定义为潜伏期;
以所述高峰期后界时点到所述针灸结束时点的时间区间,定义为下降期。
28.根据权利要求27所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述状态特征至少包括数值特征、功率谱特征、包络特征和非线性特征;其中,所述数值特征至少包括平均值、均方根、最大值、最小值、方差、标准差、变异系数、峰度和偏度;所述功率谱特征至少包括总功率、特征频带功率、特征频带功率占比、特征频带中心频率;所述包络特征至少包括包络信号、归一化包络信号、包络均值、包络均方根、包络最大值、包络最小值、包络方差、包络标准差、包络变异系数、包络峰度和包络偏度。
29.根据权利要求28所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述非线性特征至少包括熵特征、分形特征和复杂度特征;
其中,所述熵特征至少包括样本熵、近似熵、模糊熵、排列熵、多尺度熵、奇异值分解熵、小波熵、谱熵、香农熵、范围熵和香农熵;
所述分形特征至少包括Higuchi分形维数、Katz分形维数、彼得罗相分形维数、Sevcik分形维数、标准化长度密度、去趋势分析指数、Hurst指数;
所述复杂度特征至少包括关联维数、最大嵌入维数、Kolmogorov熵、李雅普诺夫指数、Lempel-Ziv复杂度、Hjorth复杂性、Hjorth移动性、Fisher信息。
30.根据权利要求29所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述皮肤电信号状态特征至少包括皮肤电导总水平、皮肤传导水平、皮肤电导反应的状态特征。
32.根据权利要求31所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述血压信号状态特征至少包括收缩压、舒张压的状态特征。
33.根据权利要求32所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述呼吸信号状态特征至少包括呼吸频率、呼吸间隔、呼吸深度的状态特征。
34.根据权利要求33所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述心电信号状态特征至少包括心率和心率变异性的状态特征。
35.根据权利要求34所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述针灸生理体征阶段时效状态特征至少包括基线期状态特征、潜伏期状态特征、上升期状态特征、高峰期状态特征、下降期状态特征、留观期状态特征。
36.根据权利要求35所述的针灸疗效及生理效应检测量化的方法,其特征在于,
所述对经过多次连续采集并经处理分析后生成的所述针灸生理体征阶段时效状态特征进行生理效应量化分析,生成针灸量化结果数据集,根据所述针灸量化结果数据集生成所述待检测对象的针灸疗效及生理效应检测量化报告的步骤还包括:
对所述针灸生理体征阶段时效状态特征进行局部生理特征提取,提取针灸局部生理特征;
对所述针灸生理体征阶段时效状态特征进行生理协同特征提取,提取针灸生理协同特征;
对所述针灸生理体征阶段时效状态特征进行峰时效应特征提取,提取针灸峰时效应特征;
对所述针灸生理体征阶段时效状态特征进行效应疗效特征提取,提取针灸效应疗效特征;
对所述针灸局部生理特征、所述针灸生理协同特征、所述针灸峰时效应特征和所述针灸效应疗效特征进行综合评价分析,评估针灸的生理效应、疗效水平和疾病康复进展,生成所述待检测对象的所述针灸疗效及生理效应检测量化报告。
37.根据权利要求36所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述针灸局部生理特征至少包括腧穴应激性反馈量化特征、脊靶向选择性反馈量化特征、脑中枢广泛性反馈量化特征和自主神经全身性反馈量化特征。
41.根据权利要求40所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述自主神经全身性反馈量化特征至少包括心电量化特征、血压量化特征、脉搏量化特征、呼吸量化特征、血氧量化特征、血糖量化特征、体温量化特征、皮肤电量化特征。
42.根据权利要求41所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述量化特征为由不同针灸效应时区的、不同信号的、多个状态特征组成的量化曲线,表征在不同针灸效应时区的响应水平状态特征。
43.根据权利要求42所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述针灸生理协同特征至少包括腧穴-脊靶向协同指数、腧穴-脊靶向协同曲线、腧穴-脑中枢协同指数、腧穴-脑中枢协同曲线、腧穴-自主神经协同指数、腧穴-自主神经协同曲线、脊靶向-脑中枢协同指数、脊靶向-脑中枢协同曲线、脊靶向-自主神经协同指数、脊靶向-自主神经协同曲线、脑中枢-自主神经协同指数、脑中枢-自主神经协同曲线。
44.根据权利要求43所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述针灸峰时效应特征至少包括针灸效应峰值序列、针灸效应峰值序列曲线、针灸效应峰延时序列、针灸效应峰延时序列曲线、针灸峰时效应序列、针灸峰时效应序列曲线。
45.根据权利要求44所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述针灸效应疗效特征至少包括针灸效应指数集、针灸效应表征曲线集、针灸疗效评价集。
46.根据权利要求45所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述针灸效应指数集至少包括腧穴针灸效应指数、脊靶向针灸效应指数、脑中枢针灸效应指数、自主神经针灸效应指数。
47.根据权利要求46所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述针灸效应表征曲线集至少包括腧穴针灸效应表征曲线、脊靶向针灸效应表征曲线、脑中枢针灸效应表征曲线、自主神经针灸效应表征曲线、针灸总体效应表征曲线。
48.根据权利要求47所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述针灸疗效评价集至少包括针灸疗效曲线、针灸疗效指数。
49.根据权利要求48所述的针灸疗效及生理效应检测量化的方法,其特征在于,
所述腧穴-脊靶向协同指数和所述腧穴-脊靶向协同曲线的计算方法,具体为:
从所述针灸生理体征阶段时效状态特征中,选择并提取所述腧穴部位和所述脊靶向部位的、不同信号的、全部所述针灸效应时区的所述体征状态特征,分别生成得到腧穴体征状态特征集和脊靶向体征状态特征集;
分别对所述腧穴体征状态特征集和所述脊靶向体征状态特征集中的状态特征进行相对基线计算,分别生成腧穴生理体征相对时区特征集和脊靶向生理体征相对时区特征集;
依次求得所述腧穴生理体征相对时区特征集中的一状态特征与所述脊靶向生理体征相对时区特征集中的一状态特征的相关性特征和距离性特征,生成第一协同调节特征系数集;
对所述第一协同调节特征系数集中的多个协同调节特征系数进行多参数加权融合计算,生成当前针灸神经生理反馈检测量化的所述腧穴-脊靶向协同指数;
完成多次针灸神经生理反馈检测量化,得到每次的所述腧穴-脊靶向协同指数,生成所述腧穴-脊靶向协同曲线。
50.根据权利要求49所述的针灸疗效及生理效应检测量化的方法,其特征在于,
所述腧穴-脑中枢协同指数和所述腧穴-脑中枢协同曲线的计算方法,具体为:
从所述针灸生理体征阶段时效状态特征中,选择并提取所述腧穴部位和所述脑中枢部位的、不同信号的、全部所述针灸效应时区的所述体征状态特征,分别生成得到腧穴体征状态特征集和脑中枢体征状态特征集;
分别对所述腧穴体征状态特征集和所述脑中枢体征状态特征集中的状态特征进行相对基线计算,分别生成腧穴生理体征相对时区特征集和脑中枢生理体征相对时区特征集;
依次求得所述腧穴生理体征相对时区特征集中的一状态特征与所述脑中枢生理体征相对时区特征集中的一状态特征的相关性特征和距离性特征,生成第二协同调节特征系数集;
对所述第二协同调节特征系数集中的多个协同调节特征系数进行多参数加权融合计算,生成当前针灸神经生理反馈检测量化的所述腧穴-脑中枢协同指数;
完成多次针灸神经生理反馈检测量化,得到每次的所述腧穴-脑中枢协同指数,生成所述腧穴-脑中枢协同曲线。
51.根据权利要求50所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述腧穴-自主神经协同指数和所述腧穴-自主神经协同曲线的计算方法,具体为:
从所述针灸生理体征阶段时效状态特征中,选择并提取所述腧穴部位和所述自主神经部位的、不同信号的、全部所述针灸效应时区的所述体征状态特征,分别生成得到腧穴体征状态特征集和自主神经体征状态特征集;
分别对所述腧穴体征状态特征集和所自主神经体征状态特征集中的状态特征进行相对基线计算,分别生成腧穴生理体征相对时区特征集和自主神经生理体征相对时区特征集;
依次求得所述腧穴生理体征相对时区特征集中的一状态特征与所述自主神经生理体征相对时区特征集中的一状态特征的相关性特征和距离性特征,生成第三协同调节特征系数集;
对所述第三协同调节特征系数集中的多个协同调节特征系数进行多参数加权融合计算,生成当前针灸神经生理反馈检测量化的所述腧穴-自主神经协同指数;
完成多次针灸神经生理反馈检测量化,得到每次的所述腧穴-自主神经协同指数,生成所述腧穴-自主神经协同曲线。
52.根据权利要求51所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述脊靶向-脑中枢协同指数和所述脊靶向-脑中枢协同曲线的计算方法,具体为:
从所述针灸生理体征阶段时效状态特征中,选择并提取所述脊靶向部位和所述脑中枢部位的、不同信号的、全部所述针灸效应时区的所述体征状态特征,分别生成得到脊靶向体征状态特征集和脑中枢体征状态特征集;
分别对所述脊靶向体征状态特征集和所述脑中枢体征状态特征集中的状态特征进行相对基线计算,分别生成脊靶向生理体征相对时区特征集和脑中枢生理体征相对时区特征集;
依次求得所述脊靶向生理体征相对时区特征集中的一状态特征与所述脑中枢生理体征相对时区特征集中的一状态特征的相关性特征和距离性特征,生成第四协同调节特征系数集;
对所述第四协同调节特征系数集中的多个协同调节特征系数进行多参数加权融合计算,生成当前针灸神经生理反馈检测量化的所述脊靶向-脑中枢协同指数;
完成多次针灸神经生理反馈检测量化,得到每次的所述脊靶向-脑中枢协同指数,生成所述脊靶向-脑中枢协同曲线。
53.根据权利要求52所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述脊靶向-自主神经协同指数和所述脊靶向-自主神经协同曲线的计算方法,具体为:
从所述针灸生理体征阶段时效状态特征中,选择并提取所述脊靶向部位和所述自主神经部位的、不同信号的、全部所述针灸效应时区的所述体征状态特征,分别生成得到脊靶向体征状态特征集和自主神经体征状态特征集;
分别对所述脊靶向体征状态特征集和所自主神经体征状态特征集中的状态特征进行相对基线计算,分别生成脊靶向生理体征相对时区特征集和自主神经生理体征相对时区特征集;
依次求得所述脊靶向生理体征相对时区特征集中的一状态特征与所述自主神经生理体征相对时区特征集中的一状态特征的相关性特征和距离性特征,生成第五协同调节特征系数集;
对所述第五协同调节特征系数集中的多个协同调节特征系数进行多参数加权融合计算,生成当前针灸神经生理反馈检测量化的所述脊靶向-自主神经协同指数;
完成多次针灸神经生理反馈检测量化,得到每次的所述脊靶向-自主神经协同指数,生成所述脊靶向-自主神经协同曲线。
54.根据权利要求53所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述脑中枢-自主神经协同指数和所述脑中枢-自主神经协同曲线的计算方法,具体为:
从所述针灸生理体征阶段时效状态特征中,选择并提取所述脑中枢部位和所述自主神经部位的、不同信号的、全部所述针灸效应时区的所述体征状态特征,分别生成得到脑中枢体征状态特征集和自主神经体征状态特征集;
分别对所述脑中枢体征状态特征集和所自主神经体征状态特征集中的状态特征进行相对基线计算,分别生成脑中枢生理体征相对时区特征集和自主神经生理体征相对时区特征集;
依次求得所述脑中枢生理体征相对时区特征集中的一状态特征与所述自主神经生理体征相对时区特征集中的一状态特征的相关性特征和距离性特征,生成第六协同调节特征系数集;
对所述第六协同调节特征系数集中的多个协同调节特征系数进行多参数加权融合计算,生成当前针灸神经生理反馈检测量化的所述脑中枢-自主神经协同指数;
完成多次针灸神经生理反馈检测量化,得到每次的所述脑中枢-自主神经协同指数,生成所述脑中枢-自主神经协同曲线。
56.根据权利要求55所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述相关性特征至少包括相干系数、皮尔逊相关系数、杰卡德相似系数、线性互信息系数、线性相关系数。
58.根据权利要求57所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述针灸效应峰值序列、所述针灸效应峰延时序列和所述针灸峰时效应序列的计算方法,具体为:
从所述针灸生理体征阶段时效状态特征中,选择并提取所述腧穴部位、所述脊靶向部位、所述脑中枢部位、所述自主神经部位的、不同信号的、所述高峰期的、所述包络特征中的所述包络信号,生成生理体征包络信号特征集;
依次求得所述生理体征包络信号特征集中的所述腧穴部位、所述脊靶向部位、所述脑中枢部位、所述自主神经部位的、不同信号的、所述高峰期的所述包络信号的最大值和最大值对应的索引时间,得到最大值索引时间序列,生成所述针灸效应峰值序列;
根据所述最大值索引时间序列,结合针灸开始时点和针灸结束时点,生成所述针灸效应峰延时序列;
对所述针灸效应峰值序列和所述针灸效应峰延时序列进行峰时效应计算,生成所述针灸峰时效应序列。
60.根据权利要求59所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述针灸效应峰值序列曲线、所述针灸效应峰延时序列曲线和针灸峰时效应序列曲线的计算方法,具体为:
完成多次针灸神经生理反馈检测量化,计算得到每一次的所述针灸效应峰值序列、所述针灸效应峰延时序列和所述针灸峰时效应序列;
按时间先后顺序,分别将所述针灸效应峰值序列、所述针灸效应峰延时序列和所述针灸峰时效应序列进行拼接,分别生成所述针灸效应峰值序列曲线、所述针灸效应峰延时序列曲线和所述针灸峰时效应序列曲线。
61.根据权利要求60所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述腧穴针灸效应表征曲线和所述腧穴针灸效应指数的计算方法,具体为:
从所述针灸生理体征阶段时效状态特征中,选择并提取所述腧穴部位的、不同信号的、全部所述针灸效应时区的所述体征状态特征,经所述相对基线计算后,生成得到腧穴生理体征相对时区特征集;
对所述腧穴生理体征相对时区特征集中的、同一所述针灸效应时区的状态特征进行多参数加权融合计算,得到第一针灸效应系数;
求得全部所述针灸效应时区的所述第一针灸效应系数,得到第一针灸效应系数序列,生成腧穴针灸效应表征曲线;
对所述第一针灸效应系数序列进行多参数加权融合计算,生成所述腧穴针灸效应指数。
62.根据权利要求61所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述脊靶向针灸效应表征曲线和所述脊靶向针灸效应指数的计算方法,具体为:
从所述针灸生理体征阶段时效状态特征中,选择并提取所述脊靶向部位的、不同信号的、全部所述针灸效应时区的所述体征状态特征,经所述相对基线计算后,生成得到脊靶向生理体征相对时区特征集;
对所述脊靶向生理体征相对时区特征集中的、同一所述针灸效应时区的状态特征进行多参数加权融合计算,得到第二针灸效应系数;
求得全部所述针灸效应时区的所述第二针灸效应系数,得到第二针灸效应系数序列,生成脊靶向针灸效应表征曲线;
对所述第二针灸效应系数序列进行多参数加权融合计算,生成所述脊靶向针灸效应指数。
63.根据权利要求62所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述脑中枢针灸效应表征曲线和所述脑中枢针灸效应指数的计算方法,具体为:
从所述针灸生理体征阶段时效状态特征中,选择并提取所述脑中枢部位的、不同信号的、全部所述针灸效应时区的所述体征状态特征,经所述相对基线计算,生成得到脑中枢生理体征相对时区特征集;
对所述脑中枢生理体征相对时区特征集中的、同一所述针灸效应时区的状态特征进行多参数加权融合计算,得到第三针灸效应系数;
求得全部所述针灸效应时区的所述第三针灸效应系数,得到第三针灸效应系数序列,生成所述脑中枢针灸效应表征曲线;
对所述第三针灸效应系数序列进行多参数加权融合计算,生成所述脑中枢针灸效应指数。
64.根据权利要求63所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述自主神经针灸效应表征曲线和所述自主神经针灸效应指数的计算方法,具体为:
从所述针灸生理体征阶段时效状态特征中,选择并提取所述自主神经部位的、不同信号的、全部所述针灸效应时区的所述体征状态特征,经所述相对基线计算,生成得到自主神经生理体征相对时区特征集;
对所述自主神经生理体征相对时区特征集中的、同一所述针灸效应时区的状态特征进行多参数加权融合计算,得到第四针灸效应系数;
求得全部所述针灸效应时区的所述第四针灸效应系数,得到第四针灸效应系数序列,生成所述自主神经针灸效应表征曲线;
对所述第四针灸效应系数序列进行多参数加权融合计算,生成所述自主神经针灸效应指数。
65.根据权利要求64所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述针灸总体效应表征曲线的计算方法,具体为:
从所述针灸生理体征阶段时效状态特征中,选择并提取所述腧穴部位、所述脊靶向部位、所述脑中枢部位、所述自主神经部位的、不同信号的、全部所述针灸效应时区的所述体征状态特征,经所述相对基线计算后,分别生成得到腧穴生理体征时区相对特征集、脊靶向生理体征相对时区特征集、脑中枢生理体征相对时区特征集、自主神经生理体征相对时区特征集;
求得全部所述针灸效应时区的所述第一针灸效应系数序列、所述第二针灸效应系数序列、所述第三针灸效应系数序列、所述第四针灸效应系数序列,生成针灸效应系数矩阵;
按照不同所述针灸效应时区,对所述针灸效应系数矩阵中的、同一所述针灸效应时区的多个针灸效应系数进行多参数加权融合计算,生成针灸总体效应系数;
求得全部所述针灸效应时区的所述针灸总体效应系数,得到针灸总体效应系数序列,生成所述针灸总体效应表征曲线。
66.根据权利要求65所述的针灸疗效及生理效应检测量化的方法,其特征在于,所述针灸疗效曲线和所述针灸疗效指数的计算方法,具体为:
完成多次针灸神经生理反馈检测量化,计算得到每一次的所述针灸总体效应表征曲线,按时间先后顺序进行拼接,生成所述针灸疗效曲线;
按照不同所述针灸效应时区,从所述针灸疗效曲线中,分别提取生成基线期针灸疗效曲线、潜伏期针灸疗效曲线、上升期针灸疗效曲线、高峰期针灸疗效曲线、下降期针灸疗效曲线、留观期针灸疗效曲线,生成时区针灸疗效曲线矩阵;
对所述时区针灸疗效曲线矩阵的、同一所述针灸效应时区的针灸疗效曲线进行线性拟合,得到线性拟合直线的斜率,生成针灸疗效显著系数;
求得全部所述针灸效应时区的所述针灸疗效显著系数,得到针灸疗效显著系数序列;
对所述针灸疗效显著系数序列进行多参数加权融合计算,生成所述针灸疗效指数。
68.一种针灸疗效及生理效应检测量化的系统,其特征在于,所述系统包括如下模块:
针灸执行管理模块,用于根据待检测对象的基本健康信息,确定所述待检测对象的针灸疗效及生理效应检测量化方案,并对所述针灸疗效及生理效应检测量化方案的执行过程进行管理;
体征信号采集模块,用于连续采集所述待检测对象在不同针灸检测阶段的针灸生理体征信号,生成针灸生理体征原始信号数据;
体征信号处理模块,用于对所述针灸生理体征原始信号数据进行信号分析处理,生成针灸生理体征信号数据;
状态特征提取模块,用于在所述针灸检测阶段划分针灸效应时区,对所述针灸生理体征信号数据进行体征状态特征分析,生成针灸生理体征阶段时效状态特征;
针灸效应特征提取模块,用于对经过多次连续采集并经处理分析后生成的所述针灸生理体征阶段时效状态特征进行特征提取,提取针灸局部生理特征、针灸生理协同特征、针灸峰时效应特征和针灸效应疗效特征;
针灸疗效报告模块,用于对所述针灸局部生理特征、所述针灸生理协同特征、所述针灸峰时效应特征和所述针灸效应疗效特征进行生理效应量化分析,生成针灸量化结果数据集,根据所述针灸量化结果数据集生成所述待检测对象的针灸疗效及生理效应检测量化报告;
针灸数据管理模块,用于对所述系统的所有过程数据和全部结果数据进行可视化、存储和运营的统一管理。
69.根据权利要求68所述的系统,其特征在于,所述针灸执行管理模块包括以下功能单元:
人员信息记录单元,用于记录所述待检测对象的基本健康信息,所述基本健康信息至少包括姓名、性别、出生日期、年龄、身高、体重、血压、健康状况、疾病历史信息和医生诊疗意见;
针灸方案记录单元,用于输入记录、编辑管理所述针灸疗效及生理效应检测量化方案;
针灸时点跟踪单元,用于跟踪记录每次针灸准备、开始、结束和留观过程时间节点,并根据所述针灸疗效及生理效应检测量化方案进行时间提醒,启动或结束生理体征信号的采集;
针灸安全监护单元,用于根据所述针灸疗效及生理效应检测量化方案,对所述待检测对象人身安全进行实时监护和安全预警。
70.根据权利要求68所述的系统,其特征在于,所述体征信号采集模块包括以下功能单元:
通讯管理模块单元,用于连接生理体征信号采集设备或传感器,实现信号通讯和数据传输,记录设备参数,所述设备参数至少包括设备名称、厂商、设备用途、采样率、通道名、通道数;
信号采集记录单元,用于连续采集获取所述待检测对象在不同针灸检测阶段的所述针灸生理体征信号,生成所述针灸生理体征原始信号数据;所述针灸生理体征信号至少包括腧穴邻近生理体征信号、脊反射生理体征信号、自主神经生理体征信号、脑中枢生理体征信号。
71.根据权利要求68所述的系统,其特征在于,所述体征信号处理模块包括以下功能单元:
信号基础处理单元,用于对所述针灸生理体征原始信号数据进行数字信号预处理,所述数字信号预处理至少包括A/D数模转换、重采样、重参考、降噪、去伪迹、工频陷波、低通滤波、高通滤波、带阻滤波和带通滤波;
信号矫正处理单元,用于对所述针灸生理体征原始信号数据中的包含伪迹或失真的信号数据片段进行信号矫正及预测平滑处理;
信号融合处理单元,用于对所述针灸生理体征原始信号数据中同一部位的、同一信号类型的、多通道的生理数字信号进行数字信号融合,生成所述针灸生理体征信号数据。
72.根据权利要求68所述的系统,其特征在于,所述状态特征提取模块包括以下功能单元:
效应时区划分单元,用于根据所述针灸检测阶段,划分所述针灸效应时区;
时区数据提取单元,用于根据所述针灸效应时区,对所述针灸生理体征信号数据进行数据分割提取,得到所述针灸生理体征信号阶段时效数据;
数值特征提取单元,用于从所述针灸生理体征信号阶段时效数据中提取数值特征,所述数值特征至少包括平均值、均方根、最大值、最小值、方差、标准差、变异系数、峰度和偏度;
功率谱特征提取单元,用于提取所述针灸生理体征信号阶段时效数据中提取功率谱特征,所述功率谱特征至少包括总功率、特征频带功率、特征频带功率占比、特征频带中心频率;
包络特征提取单元,用于所述针灸生理体征信号阶段时效数据中提取包络特征,所述包络特征至少包括包络信号、归一化包络信号、包络均值、包络均方根、包络最大值、包络最小值、包络方差、包络标准差、包络变异系数、包络峰度和包络偏度;
非线性特征提取单元,用于所述针灸生理体征信号阶段时效数据中提取非线性特征,所述非线性特征至少包括熵特征、分形特征和复杂度特征;
时区特征整合单元,用于整合所述数值特征、所述功率谱特征、所述包络特征和所述非线性特征,生成所述针灸生理体征阶段时效状态特征。
73.根据权利要求68所述的系统,其特征在于,所述针灸效应特征提取模块包括以下功能单元:
局部生理特征提取单元,用于对所述针灸生理体征阶段时效状态特征进行局部生理特征提取,提取针灸局部生理特征;
生理协同特征提取单元,用于对所述针灸生理体征阶段时效状态特征进行生理协同特征提取,提取针灸生理协同特征;
峰时效应特征提取单元,用于对所述针灸生理体征阶段时效状态特征进行峰时效应特征提取,提取针灸峰时效应特征;
效应疗效特征提取单元,用于对所述针灸生理体征阶段时效状态特征进行效应疗效特征提取,提取针灸效应疗效特征。
74.根据权利要求68所述的系统,其特征在于,所述针灸疗效报告模块包括以下功能单元:
疗效对比评价单元,用于对所述针灸局部生理特征、所述针灸生理协同特征、所述针灸峰时效应特征和所述针灸效应疗效特征进行生理效应量化分析,生成针灸量化结果数据集;
针灸报告生成单元,用于根据所述针灸量化结果数据集生成、输出和展现所述待检测对象的所述针灸疗效及生理效应检测量化报告。
75.根据权利要求68所述的系统,其特征在于,所述针灸数据管理模块包括以下功能单元:
数据可视化单元,用于对所述系统的所有过程数据和全部结果数据进行可视化展现和管理;
数据存储单元,用于对所述系统的所有过程数据和全部结果数据进行存储统一管理;
数据运营单元,用于对所述系统的所有过程数据和全部结果数据进行备份、迁移、运行统一管理。
76.一种针灸疗效及生理效应检测量化的装置,其特征在于,所述装置包括以下模组:
可视化界面,用于提供可视化操作界面,待检测对象的基本健康信息的编辑和管理,针灸疗效及生理效应检测量化方案的编辑和管理,所述针灸疗效及生理效应检测量化方案的执行过程管理,数据可视化展现和数据可视化管理;
信号采集器,用于连接针灸生理体征信号采集设备或传感器,连续采集获取所述待检测对象在不同针灸检测阶段的针灸生理体征信号变化,得到针灸生理体征原始信号数据;
数据处理器,用于对所述针灸生理体征原始信号数据进行信号分析处理,生成针灸生理体征信号数据;对不同针灸检测阶段的所述针灸生理体征信号数据进行状态特征分析,得到针灸生理体征阶段时效状态特征;对多次针灸检测量化过程中的所述针灸生理体征阶段时效状态特征进行生理效应量化分析,提取针灸局部生理特征、针灸生理协同特征、针灸峰时效应特征和针灸效应疗效特征;对所述针灸局部生理特征、所述针灸生理协同特征、所述针灸峰时效应特征和所述针灸效应疗效特征进行生理效应量化分析,生成针灸量化结果数据集,根据所述针灸量化结果数据集生成所述待检测对象的针灸疗效及生理效应检测量化报告;
数据存储器,用于记录和存储所述装置的全部过程数据。
77.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序实现根据权利要求1-67任一项所述方法的步骤。
78.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行实现根据权利要求1-67任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211432496.0A CN115486820B (zh) | 2022-11-16 | 2022-11-16 | 一种针灸疗效及生理效应检测量化的方法、系统和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211432496.0A CN115486820B (zh) | 2022-11-16 | 2022-11-16 | 一种针灸疗效及生理效应检测量化的方法、系统和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115486820A true CN115486820A (zh) | 2022-12-20 |
CN115486820B CN115486820B (zh) | 2023-03-17 |
Family
ID=85115833
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211432496.0A Active CN115486820B (zh) | 2022-11-16 | 2022-11-16 | 一种针灸疗效及生理效应检测量化的方法、系统和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115486820B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116313029A (zh) * | 2022-12-22 | 2023-06-23 | 安徽星辰智跃科技有限责任公司 | 一种数字针灸动态控制优化的方法、系统和装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001112843A (ja) * | 1999-10-20 | 2001-04-24 | Tohoku Techno Arch Co Ltd | 鍼刺激効果および径穴位置の評価方法および装置 |
KR20130134417A (ko) * | 2012-05-31 | 2013-12-10 | 주식회사 네오닥터 | 경혈의 센싱 및 위치 추적장치 |
CN104545906A (zh) * | 2013-10-25 | 2015-04-29 | 中国科学院沈阳自动化研究所 | 基于表面肌电的面瘫患者针灸疗效检测可视化系统及方法 |
CN105242033A (zh) * | 2015-09-14 | 2016-01-13 | 郭闫萍 | 一种针灸代谢组学研究的质量控制方法 |
CN111881812A (zh) * | 2020-07-24 | 2020-11-03 | 中国中医科学院针灸研究所 | 用于针灸的基于深度学习的多模态情绪分析方法及系统 |
CN111939068A (zh) * | 2020-08-17 | 2020-11-17 | 江苏师范大学 | 一种肌电反馈智能针灸理疗仪 |
CN113456484A (zh) * | 2021-07-06 | 2021-10-01 | 国家康复辅具研究中心 | 基于多生理信号融合实时监测的针灸刺激评估方法及系统 |
CN114748080A (zh) * | 2022-06-17 | 2022-07-15 | 安徽星辰智跃科技有限责任公司 | 一种感觉运动功能的检测量化方法和系统 |
WO2022160334A1 (zh) * | 2021-02-01 | 2022-08-04 | 中国科学院深圳先进技术研究院 | 一种推拿疗效评估方法、装置、系统、以及存储介质 |
CN115005795A (zh) * | 2022-07-15 | 2022-09-06 | 中国科学院电工研究所 | 一种针灸过程中的腧穴区域皮肤电特性三维成像装置与方法 |
-
2022
- 2022-11-16 CN CN202211432496.0A patent/CN115486820B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001112843A (ja) * | 1999-10-20 | 2001-04-24 | Tohoku Techno Arch Co Ltd | 鍼刺激効果および径穴位置の評価方法および装置 |
KR20130134417A (ko) * | 2012-05-31 | 2013-12-10 | 주식회사 네오닥터 | 경혈의 센싱 및 위치 추적장치 |
CN104545906A (zh) * | 2013-10-25 | 2015-04-29 | 中国科学院沈阳自动化研究所 | 基于表面肌电的面瘫患者针灸疗效检测可视化系统及方法 |
CN105242033A (zh) * | 2015-09-14 | 2016-01-13 | 郭闫萍 | 一种针灸代谢组学研究的质量控制方法 |
CN111881812A (zh) * | 2020-07-24 | 2020-11-03 | 中国中医科学院针灸研究所 | 用于针灸的基于深度学习的多模态情绪分析方法及系统 |
CN111939068A (zh) * | 2020-08-17 | 2020-11-17 | 江苏师范大学 | 一种肌电反馈智能针灸理疗仪 |
WO2022160334A1 (zh) * | 2021-02-01 | 2022-08-04 | 中国科学院深圳先进技术研究院 | 一种推拿疗效评估方法、装置、系统、以及存储介质 |
CN113456484A (zh) * | 2021-07-06 | 2021-10-01 | 国家康复辅具研究中心 | 基于多生理信号融合实时监测的针灸刺激评估方法及系统 |
CN114748080A (zh) * | 2022-06-17 | 2022-07-15 | 安徽星辰智跃科技有限责任公司 | 一种感觉运动功能的检测量化方法和系统 |
CN115005795A (zh) * | 2022-07-15 | 2022-09-06 | 中国科学院电工研究所 | 一种针灸过程中的腧穴区域皮肤电特性三维成像装置与方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116313029A (zh) * | 2022-12-22 | 2023-06-23 | 安徽星辰智跃科技有限责任公司 | 一种数字针灸动态控制优化的方法、系统和装置 |
CN116313029B (zh) * | 2022-12-22 | 2023-08-08 | 安徽星辰智跃科技有限责任公司 | 一种数字针灸动态控制优化的方法、系统和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN115486820B (zh) | 2023-03-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1495715B1 (en) | A method and apparatus based on combination of three phsysiological parameters for assessment of analgesia during anesthesia or sedation | |
CN110623665A (zh) | 一种智能睡眠时相检测与睡眠质量评估系统及方法 | |
Paine et al. | Exploring relationships for visceral and somatic pain with autonomic control and personality | |
US20070100246A1 (en) | Heart rate based bioassessment method and apparatus | |
CN114748080B (zh) | 一种感觉运动功能的检测量化方法和系统 | |
CN101426422A (zh) | 使用生物电势可变性评估镇痛足够性的系统和方法 | |
CN110192856A (zh) | 一种基于脑电、心电的智能反馈系统 | |
CN115486820B (zh) | 一种针灸疗效及生理效应检测量化的方法、系统和装置 | |
US20230233121A1 (en) | A method and system for measuring a level of anxiety | |
US20230248294A1 (en) | A method and system for measurement of a level of anxiety combined with and/or correlated with a level of a modified state of consciousness and/or a level of pain | |
CN115486819B (zh) | 一种感知觉神经通路多级联检测量化的方法、系统和装置 | |
Vaitl et al. | Simulated micro-gravity and cortical inhibition: a study of the hemodynamic-brain interaction | |
Jo⊘ rgensen et al. | Autonomic reactivity to cognitive and emotional stress of low, medium, and high hypnotizable healthy subjects: Testing predictions from the high risk model of threat perception | |
CN115486818B (zh) | 一种运动神经通路检测量化的方法、系统和装置 | |
Farhan et al. | Linear analysis of ECG data variability to assess the autonomic nervous system in two different body positions | |
Volpes et al. | Low-invasive multisensor real-time acquisition system for the assessment of cardiorespiratory and skin conductance parameters | |
Attar | Stress Analysis Based on ECG and EEG | |
Rapalis et al. | Induced pain affects auricular and body biosignals: From cold stressor to deep breathing | |
RU2207048C2 (ru) | Способ оценки функционального состояния мозга | |
US20230284961A1 (en) | A method and system for monitoring a level of modified consciousness and a level of pain | |
de Donato | Evaluation of Meditation Practice Using a Physiological Computing Mobile Application | |
JP2023532626A (ja) | 痛みのレベルを監視するための方法およびシステム | |
Molisso | Neurophysiological and neuropsychological evaluation of stress on health care professionals during Covid-19 emergency | |
Cornes | Dynamic Changes In Heart Rate Variability Under Threat: Exploring The Effects Of Emotion Regulation On The Parasympathetic Nervous System | |
Li | Using Physiological Signals to Objectively Measure Pain in Cold Pressor Task |
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 |