CN115590497A - 基于气-电同步测量的肺通气功能障碍疾病诊断系统 - Google Patents
基于气-电同步测量的肺通气功能障碍疾病诊断系统 Download PDFInfo
- Publication number
- CN115590497A CN115590497A CN202210906708.8A CN202210906708A CN115590497A CN 115590497 A CN115590497 A CN 115590497A CN 202210906708 A CN202210906708 A CN 202210906708A CN 115590497 A CN115590497 A CN 115590497A
- Authority
- CN
- China
- Prior art keywords
- lung
- module
- pulmonary
- impedance
- relative
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 210000004072 lung Anatomy 0.000 title claims abstract description 218
- 230000004064 dysfunction Effects 0.000 title claims abstract description 72
- 238000009423 ventilation Methods 0.000 title claims abstract description 60
- 238000005259 measurement Methods 0.000 title claims abstract description 45
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 32
- 201000010099 disease Diseases 0.000 title claims abstract description 24
- 230000001360 synchronised effect Effects 0.000 title claims abstract description 17
- 238000003745 diagnosis Methods 0.000 title claims abstract description 13
- 230000002685 pulmonary effect Effects 0.000 claims abstract description 51
- 208000005069 pulmonary fibrosis Diseases 0.000 claims abstract description 38
- 238000011156 evaluation Methods 0.000 claims abstract description 30
- 208000006545 Chronic Obstructive Pulmonary Disease Diseases 0.000 claims abstract description 29
- 230000029058 respiratory gaseous exchange Effects 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000006243 chemical reaction Methods 0.000 claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 230000000638 stimulation Effects 0.000 claims abstract description 7
- 230000008859 change Effects 0.000 claims description 65
- 230000004199 lung function Effects 0.000 claims description 40
- 238000013139 quantization Methods 0.000 claims description 26
- 238000012360 testing method Methods 0.000 claims description 25
- 238000012512 characterization method Methods 0.000 claims description 20
- 230000000241 respiratory effect Effects 0.000 claims description 20
- 230000005284 excitation Effects 0.000 claims description 16
- 238000000034 method Methods 0.000 claims description 16
- 239000011159 matrix material Substances 0.000 claims description 15
- 230000001684 chronic effect Effects 0.000 claims description 12
- 230000000414 obstructive effect Effects 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 7
- 208000035475 disorder Diseases 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 210000000038 chest Anatomy 0.000 claims description 5
- 230000009471 action Effects 0.000 claims description 4
- 230000036387 respiratory rate Effects 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 210000000115 thoracic cavity Anatomy 0.000 claims description 4
- 150000001875 compounds Chemical class 0.000 claims description 3
- 238000011002 quantification Methods 0.000 claims 1
- 239000007789 gas Substances 0.000 description 81
- 230000006870 function Effects 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 7
- 208000000884 Airway Obstruction Diseases 0.000 description 4
- 208000023504 respiratory system disease Diseases 0.000 description 4
- 238000003759 clinical diagnosis Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 210000002345 respiratory system Anatomy 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 206010011409 Cross infection Diseases 0.000 description 1
- 206010029803 Nosocomial infection Diseases 0.000 description 1
- 208000002200 Respiratory Hypersensitivity Diseases 0.000 description 1
- 230000036428 airway hyperreactivity Effects 0.000 description 1
- 230000010085 airway hyperresponsiveness Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000002847 impedance measurement Methods 0.000 description 1
- 230000005980 lung dysfunction Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 230000009325 pulmonary function Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000003519 ventilatory effect Effects 0.000 description 1
- 239000002912 waste gas Substances 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0809—Detecting, measuring or recording devices for evaluating the respiratory organs by impedance pneumography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Mathematical Analysis (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Primary Health Care (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Pulmonology (AREA)
- Epidemiology (AREA)
- Physiology (AREA)
- Animal Behavior & Ethology (AREA)
- Algebra (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Surgery (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开基于气‑电同步测量的肺通气功能障碍疾病诊断系统,包括电刺激模块、电源模块、FPGA及MCU电路模块、信号采集模块、肺部阻抗计算模块、肺部阻抗与肺部相对气量转换模块、肺通气功能障碍评估模块、呼吸气体处理模块;本发明建立了COPD和肺纤维患者肺通气状态的评判指标,为医生提供诊断依据。
Description
技术领域
本发明涉及生物阻抗测量和肺功能检测领域,具体是基于气-电同步测量的肺通气功能障碍疾病诊断系统。
背景技术
呼吸系统疾病是一种常见的多发性疾病,严重影响着人们生命健康。以慢性阻塞性肺疾病为例,其特征为持续性气体受限,早期筛查和干预是预防和治疗COPD的有效方法。肺功能状态评估有助于掌握人体肺部的健康程度,肺功能参数可用于评估个体是否患有呼吸系统性疾病,它们已被全球COPD疾病防治机构倡议列为病情诊断的金标准。肺功能状态评估对气道受阻类型和程度、气道高反应性以及气道受阻可逆性有着重要的参考价值。
肺功能通气障碍检查和评估的项目主要包括通气功能、气道受阻类型和程度、气道高反应性以及气道受阻可逆性等。常用于肺功能状态评估的参数包括:用力肺活量FVC、一秒内用力呼气量FEV1、峰值呼气流速PEF以及用力呼气阶段测得与呼气流速相关的肺功能参数MMEF、V25、V50、V75等。医学上可利用它们对肺通气功能类型和通气障碍的严重程度进行判定。当前医生对肺功能的评估主要是通过对比受试者肺功能参数的实测值与预计值进行的,肺功能参数的预计值一般是通过大量试验数据拟合得出的。将肺功能参数实测值和预计值的比值与设定阈值进行比较,可获得受试者的肺功能状态以及呼吸系统疾病严重程度的评估结果。综合分析多个肺功能参数,能够实现对呼吸系统疾病的病情严重程度以及预后效果的评估,肺功能参数的测量精度直接决定了评估效果。
肺功能参数测量主要是获取肺部气体容积以及呼吸气体流速,实现肺功能参数的计算和状态评估。目前常用的肺功能检测仪器类型繁多,根据测量方案的不同可分为容积式和流量式。容积式肺功能检测仪通过测量气体的体积,计算单位时间内流过规定气道横截面的气体量,获取气体流速,以此实现肺功能检测。然而现有的肺功能检测设备除了会有交叉感染的风险以外,还具有一定的局限性:一方面基于流量或流速传感器采集的数据进行测量的肺功能测量仪价格与耗材高昂,成本太高;另一方面,基于受试者呼出(或吸入)的气体流量(或流速)进行肺功能参数测量的方法仅能检测通过受试者口、鼻的气体流动情况,若受试者的肺部出现病变导致其在呼吸过程中难以正常完成气体交换,此方法不能准确识别受试者的肺部健康与否,从而无法真实反映受试者的肺功能状态,无法对肺功能通气障碍疾病程度进行准确的评估。
发明内容
本发明的目的是提供基于气-电同步测量的肺通气功能障碍疾病诊断系统,包括电刺激模块、电源模块、FPGA及MCU电路模块、信号采集模块、肺部阻抗计算模块、肺部阻抗与肺部相对气量转换模块、肺通气功能障碍评估模块、呼吸气体处理模块;
所述电刺激模块包括4个电极;
所述4个电极布置在人体胸腔表面;
使用时,任意组合选取其中2个电极作为激励电极,剩下2个电极作为测量电极;
所述电源模块通过FPGA及MCU电路模块向激励电极传输电流激励;
所述信号采集模块采集测量电极的电信号,得到不同测量通道对应的肺阻抗数据,并传输至肺部阻抗计算模块;
所述肺部阻抗计算模块对测量电极的电信号数据进行处理,得到肺阻抗数据,并传输至肺部阻抗与肺部相对气量转换模块;
所述肺部阻抗与肺部相对气量转换模块根据肺阻抗数据计算出肺部相对气量表征参数,进而生成肺部相对气量变化曲线,并传输至肺通气功能障碍评估模块;
所述呼吸气体处理模块监测用户按照预设动作完成呼吸测试时的肺部气体变化,并生成肺部气体变化曲线;
所述肺通气功能障碍评估模块对肺部相对气量变化曲线、肺部气体变化曲线进行特征提取,得到肺部气体变化特征,并根据肺部气体变化特征计算出肺通气功能障碍评估量化指标;
所述肺通气功能障碍评估模块根据肺通气功能障碍评估量化指标对肺部气体变化特征进行评估,得到用户肺功能状态等级。
进一步,一个测量通道包括激励电极对和测量电极对。
进一步,肺通气功能障碍疾病诊断系统使用过程中,所述FPGA及MCU电路模块用于等时切换测量通道;
实现测量通道的等时切换的过程如下:
将多线程定时器的时间间隔设置为t1,同时设置1个计数器变量k,其值为定时器触发次数对n求余数再加1,根据计数器变量的值发送对应的控制字实现测量通道的等时切换;n为测量通道的数量。
进一步,所述信号采集与处理模块采集测量电极的电信号的采样频率fc>t1/2;t1为多线程定时器的时间间隔。
进一步,所述肺阻抗数据记为Z(s),即:
式中,U(s)、I(s)分别为测量电极电信号、激励电极的激励电流。
进一步,所述肺部相对气量的表征参数包括用力肺活量FVC、一秒内用力呼气量FEV1。
所述肺部阻抗与肺部相对气量转换模块选择用力肺活量FVC、一秒内用力呼气量FEV1中的一个作为肺部相对气量的表征参数,进而生成肺部相对气量变化曲线。
进一步,所述肺部阻抗与肺部相对气量转换模块根据肺阻抗数据计算肺部相对气量表征参数的步骤包括:
1)建立肺阻抗数据随时间变化的阻抗曲线,并获取阻抗曲线的波峰、波谷;
2)计算第i个呼吸周期Ti;所述呼吸周期Ti为相邻峰值Pi+1、Pi之间的时间差;
3)计算呼吸频率RR,即:
式中,h为呼吸周期数量;
4)计算相邻波峰与波谷之间的差值(ΔZFVC)i,并取相邻波峰与波谷之间差值的最大值作为肺阻抗模数的变化极差ΔZFVC;
波峰处开始计时,计算得出1秒内肺阻抗模值的变化量(ΔZFEV1)i,重复h次,取肺阻抗模值的最大变化量,记为ΔZFEV1;
5)建立肺阻抗与肺部相对气量表征参数之间的初始函数关系,即:
式中,Zmax为肺阻抗的最大模数;pf表示比例系数,ps表示幂系数,pt表示常系数;
6)优化所述初始函数关系(3)-(4),得到肺阻抗与肺部相对气量表征参数之间的函数关系,步骤包括:
6.1)获取用户个体影响参数ξL/W=L/W;L、W为胸腔横断面的长、短轴的长度;
6.2)根据用户个体影响参数ξL/W,建立比例系数pf、幂系数ps、常系数pt与用户个体影响参数ξL/W的拟合函数关系,即:
式中,pft、pff、pfs为比例系数pf的高阶参数矩阵中的元素;psf、pss、pst为幂系数ps的高阶参数矩阵中的元素;ptf、pts、ptt为常系数pt的高阶参数矩阵中的元素;
6.3)建立肺阻抗与肺部相对气量表征参数之间的函数关系,即:
7)根据公式(6),计算得到肺部相对气量的表征参数。
进一步,所述肺部气体变化特征包括肺部相对气量变化曲线、肺部气体变化曲线达到峰值的时间、从测试开始到测试结束的呼吸时间、一个呼吸周期时间;
所述肺通气功能障碍评估量化指标包括量化指标δ1和量化指标δ2,即:
式中,T1是肺部相对气量变化曲线达到峰值的时间,T2是肺部气体变化曲线达到峰值的时间,TQ是肺部气体变化曲线中从测试开始到测试结束的呼吸时间整个呼吸周期时间。TZ是肺部相对气量变化曲线一个呼吸周期时间,也即电极测试时的一个周期时间。
进一步,所述用户肺功能状态等级包括慢性阻塞性肺疾病状态等级、肺纤维化状态等级。
进一步,当量化指标δ1=[0,8%]时,所述慢性阻塞性肺部状态等级为正常,即无COPD功能障碍;
当量化指标δ1=(8,35%]时,所述慢性阻塞性肺部状态等级为轻度COPD功能障碍;
当量化指标δ1=(35,50%]时,所述慢性阻塞性肺部状态等级为中度COPD功能障碍;
当量化指标δ1>50%时,所述慢性阻塞性肺部状态等级为重度COPD功能障碍;
当量化指标δ2=[0,10%]时,所述肺纤维化状态等级为正常,即无肺纤维化功能障碍;
当量化指标δ2=(10,40%]时,所述肺纤维化状态等级为轻度肺纤维化功能障碍;
当量化指标δ2=(40,65%]时,所述肺纤维化状态等级为中度肺纤维化功能障碍;
当量化指标δ2>65%时,所述肺纤维化状态等级为重度肺纤维化功能障碍。
本发明的技术效果是毋庸置疑的,本专利采用生物阻抗分析方法,获得不同测量模式下人体肺阻抗数据,同时检测用户按照规定动作完成呼吸测试,获得同时同频率下用户肺部呼吸气体变化数据,将两者获得的数据进行归一化处理,然后进行特性值分析,重点分析COPD和肺部纤维化患者的一次性完整呼吸周期中,肺阻抗模数与呼出(或吸入)气体变化量的时变曲线,建立新的肺部通气状态的评估指标,从而形成基于气-电同步测量的肺通气功能障碍疾病诊断系统。
本发明采用了生物阻抗测量技术,在保证肺通气功能参数准确测量的同时,提供一种无创肺通气功能检测系统;
本发明同步测量用户肺部气体变化曲线和肺部相对气量数据进行归一化处理和特征值提取分析,设计肺通气功能量化评估系统,建立特殊肺通气障碍患者的临床诊断新指标;
本发明提出的量化肺部通气障碍程度指标科学有效,为医生临床诊断提供了新思路、新依据。
附图说明
图1为流程图;
图2为系统硬件的组成;
图3为时分复用测量方法示意图;
图4为肺阻抗-时间波形;
图5为肺功能参数对应的肺阻抗模数变化量;
图6为胸腔横断面模型的长、短轴示意图;
图7(a)-(c)为肺通气功能正常用户、COPD患者、肺纤维化患者的相对气量变化曲线与气体变化量的时变曲线对照。
具体实施方式
下面结合实施例对本发明作进一步说明,但不应该理解为本发明上述主题范围仅限于下述实施例。在不脱离本发明上述技术思想的情况下,根据本领域普通技术知识和惯用手段,做出各种替换和变更,均应包括在本发明的保护范围内。
实施例1:
参见图1至图7,基于气-电同步测量的肺通气功能障碍疾病诊断系统,包括电刺激模块、电源模块、FPGA及MCU电路模块、信号采集模块、肺部阻抗计算模块、肺部阻抗与肺部相对气量转换模块、肺通气功能障碍评估模块、呼吸气体处理模块;
所述电刺激模块包括4个电极;
所述4个电极布置在人体胸腔表面;
使用时,任意组合选取其中2个电极作为激励电极,剩下2个电极作为测量电极;
所述电源模块通过FPGA及MCU电路模块向激励电极传输电流激励;
一个测量通道包括激励电极对和测量电极对。
肺通气功能障碍疾病诊断系统使用过程中,所述FPGA及MCU电路模块用于等时切换测量通道;
实现测量通道的等时切换的过程如下:
将多线程定时器的时间间隔设置为t1,同时设置1个计数器变量k,其值为定时器触发次数对n求余数再加1,根据计数器变量的值发送对应的控制字实现测量通道的等时切换;n为测量通道的数量。
所述信号采集模块采集测量电极的电信号,得到不同测量通道对应的肺阻抗数据,并传输至肺部阻抗计算模块;
所述信号采集与处理模块采集测量电极的电信号的采样频率fc>t1/2;t1为多线程定时器的时间间隔。
所述肺阻抗数据记为Z(s),即:
式中,U(s)、I(s)分别为测量电极电信号、激励电极的激励电流。
所述肺部阻抗计算模块对测量电极的电信号数据进行处理,得到肺阻抗数据,并传输至肺部阻抗与肺部相对气量转换模块;
所述肺部阻抗与肺部相对气量转换模块根据肺阻抗数据计算出肺部相对气量表征参数,进而生成肺部相对气量变化曲线,并传输至肺通气功能障碍评估模块;
所述肺部相对气量的表征参数包括用力肺活量FVC、一秒内用力呼气量FEV1。
所述肺部阻抗与肺部相对气量转换模块选择用力肺活量FVC、一秒内用力呼气量FEV1中的一个作为肺部相对气量的表征参数,进而生成肺部相对气量变化曲线。
建立肺阻抗与肺部相对气量表征参数之间的函数关系的步骤包括:
1)建立肺阻抗数据随时间变化的阻抗曲线,并获取阻抗曲线的波峰、波谷;
2)计算第i个呼吸周期Ti;所述呼吸周期Ti为相邻峰值Pi+1、Pi之间的时间差;
3)计算呼吸频率RR,即:
式中,h为呼吸周期数量;
4)计算相邻波峰与波谷之间的差值(ΔZFVC)i,并取相邻波峰与波谷之间差值的最大值作为肺阻抗模数的变化极差ΔZFVC;
波峰处开始计时,计算得出1秒内肺阻抗模值的变化量(ΔZFEV1)i,重复h次,取肺阻抗模值的最大变化量,记为ΔZFEV1;
5)建立肺阻抗与肺部相对气量表征参数之间的初始函数关系,即:
式中,Zmax为肺阻抗的最大模数;pf表示比例系数,ps表示幂系数,pt表示常系数;
6)优化所述初始函数关系(3)-(4),得到肺阻抗与肺部相对气量表征参数之间的函数关系,步骤包括:
6.1)获取用户个体影响参数ξL/W=L/W;L、W为胸腔横断面的长、短轴的长度;
6.2)根据用户个体影响参数ξL/W,建立比例系数pf、幂系数ps、常系数pt与用户个体影响参数ξL/W的拟合函数关系,即:
式中,pft、pff、pfs为比例系数pf的高阶参数矩阵中的元素;psf、pss、pst为幂系数ps的高阶参数矩阵中的元素;ptf、pts、ptt为常系数pt的高阶参数矩阵中的元素;
6.3)建立肺阻抗与肺部相对气量表征参数之间的函数关系,即:
本实施中,比例系数pf的高阶参数矩阵中的元素pft、pff、pfs,幂系数ps的高阶参数矩阵中的元素psf、pss、pst,常系数pt的高阶参数矩阵中的元素ptf、pts、ptt如下所示:
当ΔZ取ΔZFEV1时,求得的ΔV即为最大呼气第一秒呼出气体容积的计算值FEV1M,当ΔZ取ΔZFVC时,求得的ΔV即为用力肺活量的计算值FVCM。由此获得了肺功能参数的计算方法。
7)根据公式(6),计算得到肺部相对气量的表征参数。
所述呼吸气体处理模块监测用户按照预设动作完成呼吸测试时的肺部气体变化,并生成肺部气体变化曲线;
具体而言,在肺通气功能障碍疾病检测系统同一时间,相同的工作频率下,所述呼吸气体处理模块对用户进行同步呼吸测试和电极测试,得到用户肺部气体变化数据和肺部阻抗转换的气体变化曲线,并传输至肺通气功能障碍评估模块;
所述肺通气功能障碍评估模块对肺部相对气量变化曲线、肺部气体变化曲线进行特征提取,得到肺部气体变化特征,并根据肺部气体变化特征计算出肺通气功能障碍评估量化指标;
在提取肺部气体变化特征前,所述肺通气功能障碍评估模块对气量变化曲线、肺部气体变化曲线都进行了归一化处理。
所述肺部气体变化特征包括肺部相对气量变化曲线、肺部气体变化曲线达到峰值的时间、从测试开始到测试结束的呼吸时间、一个呼吸周期时间;
所述肺通气功能障碍评估量化指标包括量化指标δ1和量化指标δ2,即:
式中,T1是肺部相对气量变化曲线达到峰值的时间,T2是肺部气体变化曲线达到峰值的时间,TQ是肺部气体变化曲线中从测试开始到测试结束的呼吸时间整个呼吸周期时间。TZ是肺部相对气量变化曲线一个呼吸周期时间,也即电极测试时的一个周期时间。
所述肺通气功能障碍评估模块根据肺通气功能障碍评估量化指标对肺部气体变化特征进行评估,得到用户肺功能状态等级。
所述用户肺功能状态等级包括慢性阻塞性肺疾病状态等级、肺纤维化状态等级。
当量化指标δ1=[0,8%]时,所述慢性阻塞性肺部状态等级为正常,即无COPD功能障碍;
当量化指标δ1=(8,35%]时,所述慢性阻塞性肺部状态等级为轻度COPD功能障碍;
当量化指标δ1=(35,50%]时,所述慢性阻塞性肺部状态等级为中度COPD功能障碍;
当量化指标δ1>50%时,所述慢性阻塞性肺部状态等级为重度COPD功能障碍;
当量化指标δ2=[0,10%]时,所述肺纤维化状态等级为正常,即无肺纤维化功能障碍;
当量化指标δ2=(10,40%]时,所述肺纤维化状态等级为轻度肺纤维化功能障碍;
当量化指标δ2=(40,65%]时,所述肺纤维化状态等级为中度肺纤维化功能障碍;
当量化指标δ2>65%时,所述肺纤维化状态等级为重度肺纤维化功能障碍。
实施例2:
参见图1至图7,基于气-电同步测量的肺通气功能障碍疾病诊断系统,包括电刺激模块、电源模块、FPGA及MCU电路模块、信号采集模块、肺部阻抗计算模块、肺部阻抗与肺部相对气量转换模块、肺通气功能障碍评估模块、呼吸气体处理模块;
肺通气功能障碍疾病诊断系统的使用过程如下:
1)在人体胸腔表面布置4个生物电极,其中,任意组合选取其中2个电极作为激励电流输入,分别去测剩下2个电极的电位,作为输出;
2)接收到电流激励的生物电极作为激励电极,未接收到电流激励的生物电极作为测量电极,从而形成若干测量通道;
3)利用信号采集与处理模块采集和处理测量电极的电信号,得到每个测量通道对应的肺阻抗数据;
4)重复步骤2)至步骤3),实现测量通道的等时切换,进而实现不同测量通道下肺阻抗数据的测量;其中,每个测量通道的占用时长均为1个时隙,各个时隙大小一致,每6个时隙构成1个时分复用帧;
5)上位机根据肺阻抗数据建立肺阻抗数据随时间变化的阻抗曲线,建立肺阻抗与肺部相对气量表征参数之间的函数关系,将肺阻抗转换为肺部相对气量;
6)再次利用气体检测技术,开展同时同步同频率下的试验,用户按照医生指示完成规定呼吸动作,得到肺部气体变化曲线;
7)将步骤5)和步骤6)测试得到的气体变化数据进行归一化处理,提取特征值,形成评估模块。
实现测量通道的等时切换的过程如下:
将多线程定时器的时间间隔设置为t1,同时设置1个计数器变量k,其值为定时器触发次数对n求余数再加1,根据计数器变量的值发送对应的控制字实现测量通道的等时切换;n为测量通道的数量。
所述信号采集与处理模块采集测量电极的电信号的采样频率fc>t1/2;t1为多线程定时器的时间间隔。
所述肺功能参数计算模块对肺阻抗数据进行处理的步骤包括:
I)建立肺阻抗数据随时间变化的阻抗曲线,并获取阻抗曲线的波峰、波谷;
II)计算第i个呼吸周期Ti;所述呼吸周期Ti为相邻峰值Pi+1、Pi之间的时间差;
III)计算呼吸频率RR,即:
式中,h为呼吸周期数量;
IV)计算相邻波峰与波谷之间的差值(ΔZFVC)i,并取相邻波峰与波谷之间差值的最大值作为肺阻抗模数的变化极差ΔZFVC;
波峰处开始计时,计算得出1秒内肺阻抗模值的变化量(ΔZFEV1)i,重复h次,取肺阻抗模值的最大变化量,记为ΔZFEV1;
V)建立肺功能参数拟合函数方程;所述肺功能参数包括用力肺活量FVC、一秒内用力呼气量FEV1;
其中,用力肺活量FVC的拟合函数方程、一秒内用力呼气量FEV1的拟合函数方程分别如下所示:
式中,Zmax为肺阻抗的最大模数;pf表示比例系数,ps表示幂系数,pt表示常系数。
所述肺功能参数优化计算模块获取用户个体影响参数,并根据用户个体影响参数对肺功能参数拟合函数方程进行优化的步骤包括:
a)获取用户个体影响参数ξL/W=L/W;L、W为胸腔横断面的长、短轴的长度;
b)根据用户个体影响参数ξL/W,建立比例系数pf、幂系数ps、常系数pt与用户个体影响参数ξL/W的拟合函数关系,即:
式中,pft、pff、pfs为比例系数pf的高阶参数矩阵中的元素;psf、pss、pst为幂系数ps的高阶参数矩阵中的元素;ptf、pts、ptt为常系数pt的高阶参数矩阵中的元素;
所述评估模块对用户肺功能参数测量值进行评估的步骤包括:
S1)将肺功能检测系统测得的肺部气体变化曲线和肺部相对气体变化曲线进行特征值分析和提取;
S2)根据COPD患者和肺纤维患者的呼吸特点,定义新的COPD和肺纤维患者的量化指标,得到用户肺功能状态等级;所述量化指标值存储在评估模块中;所述肺功能状态等级和呼吸系统状态等级包括轻度功能障碍、中度功能障碍、重度功能障碍。
同类型肺通气功能受试者的同步测量信号特征存在明显差异,选取COPD患者以及肺纤维化患者的同步测量信号特征进行分析,采取离散小波分析方法对不同类型受试者一次完整呼吸周期中,肺部相对气量与呼出(或吸入)气体变化量的时变曲线对照图进行特征值提取分析。
首先,根据COPD患者的呼吸特点,定义
其中,δ1是选取的新的量化COPD的指标,T1是相对气量曲线达到峰值的时间,T2是气体曲线达到峰值的时间,TQ是气体曲线整个呼吸周期时间。TZ是相对气量曲线一个周期的时间。
则对于COPD患者,建立如下评判标准:
根据肺纤维化患者的呼吸特点,定义:
其中,δ2是选取的新的量化肺部纤维化的指标。
则对于肺部纤维化患者,建立如下评判标准:
不同类型受试者一次完整呼吸周期中,相对气量曲线与呼出(或吸入)气体变化量的时变曲线对照图,如图7所示,其中实线是通过电极测试得到的相对气量变化曲线,虚线是通过气体测试得到的肺部气体变化曲线。由图7(a)可见,对肺通气功能正常的受试者而言,其相对气量曲线和气体曲线的走势近乎一致,二者呈同步变化的趋势,也就是说,吸入或呼出的气体直接导致了肺部气体发生同步变化。图7(b)表明,COPD患者的相对气量曲线和气体曲线变化趋势一致,但相对气量曲线存在明显的滞后性,约0.5s。这表明了该受试者的气体交换过程存在阻碍,表征了COPD患者气道受限的病理,即由口、鼻吸入的气体不能马上参与到气体交换中去,代谢产生的废气也不能顺畅地从呼吸道排出。对比图7(c)的相对气量曲线和气体曲线,可以看出肺纤维化患者的相对气量曲线与气体曲线变化趋势存在明显的滞后,且在呼气阶段的末期,相对气量曲线相较于气体曲线变化缓慢。这是因为该类患者的肺部纤维化组织难以完成气体交换,尽管尽力从空气中吸入或呼出足够的气体,但受限于肺部组织的容纳量,多余的气体游离于呼吸系统的其他器官或组织内,无法进入肺部参与气体交换,故此,相对气量曲线变化范围明显小于气体曲线。综上所述,肺功能参数检测系统测得的曲线能够有效提取出慢性阻塞性肺疾病和肺纤维化患者在呼吸过程中的肺部形态特征信息,从而为COPD患者以及肺纤维化患者提供临床诊断方案,形成基于气-电同步测量的肺通气功能障碍疾病诊断系统。
Claims (10)
1.基于气-电同步测量的肺通气功能障碍疾病诊断系统,其特征在于:包括所述电刺激模块、电源模块、FPGA及MCU电路模块、信号采集模块、肺部阻抗计算模块、肺部阻抗与肺部相对气量转换模块、肺通气功能障碍评估模块、呼吸气体处理模块。
所述电刺激模块包括4个电极。
所述4个电极布置在人体胸腔表面;
使用时,任意组合选取其中2个电极作为激励电极,剩下2个电极作为测量电极;
所述电源模块通过FPGA及MCU电路模块向激励电极传输电流激励;
所述信号采集模块采集测量电极的电信号,得到不同测量通道对应的肺阻抗数据,并传输至肺部阻抗计算模块;
所述肺部阻抗计算模块对测量电极的电信号数据进行处理,得到肺阻抗数据,并传输至肺部阻抗与肺部相对气量转换模块;
所述肺部阻抗与肺部相对气量转换模块根据肺阻抗数据计算出肺部相对气量表征参数,进而生成肺部相对气量变化曲线,并传输至肺通气功能障碍评估模块;
所述呼吸气体处理模块监测用户按照预设动作完成呼吸测试时的肺部气体变化,并生成肺部气体变化曲线;
所述肺通气功能障碍评估模块对肺部相对气量变化曲线、肺部气体变化曲线进行特征提取,得到肺部气体变化特征,并根据肺部气体变化特征计算出肺通气功能障碍评估量化指标;
所述肺通气功能障碍评估模块根据肺通气功能障碍评估量化指标对肺部气体变化特征进行评估,得到用户肺功能状态等级。
2.根据权利要求1所述的基于气-电同步测量的肺通气功能障碍疾病诊断系统,其特征在于,一个测量通道包括激励电极对和测量电极对。
3.根据权利要求2所述的基于气-电同步测量的肺通气功能障碍疾病诊断系统,其特征在于,肺通气功能障碍疾病诊断系统使用过程中,所述FPGA及MCU电路模块用于等时切换测量通道;
实现测量通道的等时切换的过程如下:
将多线程定时器的时间间隔设置为t1,同时设置1个计数器变量k,其值为定时器触发次数对n求余数再加1,根据计数器变量的值发送对应的控制字实现测量通道的等时切换;n为测量通道的数量。
4.根据权利要求1所述的基于气-电同步测量的肺通气功能障碍疾病诊断系统,其特征在于:所述信号采集与处理模块采集测量电极的电信号的采样频率fc>t1/2;t1为多线程定时器的时间间隔。
6.根据权利要求1所述的肺通气功能障碍疾病诊断系统,其特征在于,所述肺部相对气量的表征参数包括用力肺活量FVC、一秒内用力呼气量FEV1;
所述肺部阻抗与肺部相对气量转换模块选择用力肺活量FVC、一秒内用力呼气量FEV1中的一个作为肺部相对气量的表征参数,进而生成肺部相对气量变化曲线。
7.根据权利要求6所述的肺通气功能障碍疾病诊断系统,其特征在于,所述肺部阻抗与肺部相对气量转换模块根据肺阻抗数据计算肺部相对气量表征参数的步骤包括:
1)建立肺阻抗数据随时间变化的阻抗曲线,并获取阻抗曲线的波峰、波谷;
2)计算第i个呼吸周期Ti;所述呼吸周期Ti为相邻峰值Pi+1、Pi之间的时间差;
3)计算呼吸频率RR,即:
式中,h为呼吸周期数量;
4)计算相邻波峰与波谷之间的差值(ΔZFVC)i,并取相邻波峰与波谷之间差值的最大值作为肺阻抗模数的变化极差ΔZFVC;
波峰处开始计时,计算得出1秒内肺阻抗模值的变化量(ΔZFEV1)i,重复h次,取肺阻抗模值的最大变化量,记为ΔZFEV1;
5)建立肺阻抗与肺部相对气量表征参数之间的初始函数关系,即:
式中,Zmax为肺阻抗的最大模数;pf表示比例系数,ps表示幂系数,pt表示常系数;
6)优化所述初始函数关系(3)-(4),得到肺阻抗与肺部相对气量表征参数之间的函数关系,步骤包括:
6.1)获取用户个体影响参数ξL/W=L/W;L、W为胸腔横断面的长、短轴的长度;
6.2)根据用户个体影响参数ξL/W,建立比例系数pf、幂系数ps、常系数pt与用户个体影响参数ξL/W的拟合函数关系,即:
式中,pft、pff、pfs为比例系数pf的高阶参数矩阵中的元素;psf、pss、pst为幂系数ps的高阶参数矩阵中的元素;ptf、pts、ptt为常系数pt的高阶参数矩阵中的元素;
6.3)建立肺阻抗与肺部相对气量表征参数之间的函数关系,即:
7)根据公式(6),计算得到肺部相对气量的表征参数。
9.根据权利要求8所述的肺通气功能障碍疾病诊断系统,其特征在于,所述用户肺功能状态等级包括慢性阻塞性肺疾病状态等级、肺纤维化状态等级。
10.根据权利要求9所述的肺通气功能障碍疾病诊断系统,其特征在于,当量化指标δ1=[0,8%]时,所述慢性阻塞性肺部状态等级为正常,即无COPD功能障碍;
当量化指标δ1=(8,35%]时,所述慢性阻塞性肺部状态等级为轻度COPD功能障碍;
当量化指标δ1=(35,50%]时,所述慢性阻塞性肺部状态等级为中度COPD功能障碍;
当量化指标δ1>50%时,所述慢性阻塞性肺部状态等级为重度COPD功能障碍;
当量化指标δ2=[0,10%]时,所述肺纤维化状态等级为正常,即无肺纤维化功能障碍;
当量化指标δ2=(10,40%]时,所述肺纤维化状态等级为轻度肺纤维化功能障碍;
当量化指标δ2=(40,65%]时,所述肺纤维化状态等级为中度肺纤维化功能障碍;
当量化指标δ2>65%时,所述肺纤维化状态等级为重度肺纤维化功能障碍。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210906708.8A CN115590497A (zh) | 2022-07-29 | 2022-07-29 | 基于气-电同步测量的肺通气功能障碍疾病诊断系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210906708.8A CN115590497A (zh) | 2022-07-29 | 2022-07-29 | 基于气-电同步测量的肺通气功能障碍疾病诊断系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115590497A true CN115590497A (zh) | 2023-01-13 |
Family
ID=84843151
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210906708.8A Pending CN115590497A (zh) | 2022-07-29 | 2022-07-29 | 基于气-电同步测量的肺通气功能障碍疾病诊断系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115590497A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116369898A (zh) * | 2023-06-06 | 2023-07-04 | 青岛市第五人民医院 | 一种用于危重症的呼吸数据提醒系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104545912A (zh) * | 2015-01-31 | 2015-04-29 | 中山大学 | 一种心肺阻抗的测量方法及装置 |
KR101696791B1 (ko) * | 2015-07-31 | 2017-01-17 | 연세대학교 원주산학협력단 | 흉부임피던스를 이용한 폐기능 모니터링 장치 및 방법 |
US20190328268A1 (en) * | 2016-11-18 | 2019-10-31 | Bilab Co., Ltd. | Device for Subject Image Monitoring, Method Therefor, and System for Image Monitoring |
CN110533658A (zh) * | 2019-09-02 | 2019-12-03 | 山东大学齐鲁医院 | 智能肺气肿诊断信息处理系统及方法、信息数据处理终端 |
CN112022123A (zh) * | 2020-09-29 | 2020-12-04 | 上海交通大学 | 一种基于胸阻抗的运动肺功能测量系统 |
CN112231997A (zh) * | 2020-09-25 | 2021-01-15 | 重庆大学 | 基于人体组织电导率精细化建模设计的胸腔电阻抗仿真方法 |
CN114027824A (zh) * | 2021-12-16 | 2022-02-11 | 上海交通大学 | 普适性肺通气量与经胸电阻抗的线性模型构建方法及应用 |
-
2022
- 2022-07-29 CN CN202210906708.8A patent/CN115590497A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104545912A (zh) * | 2015-01-31 | 2015-04-29 | 中山大学 | 一种心肺阻抗的测量方法及装置 |
KR101696791B1 (ko) * | 2015-07-31 | 2017-01-17 | 연세대학교 원주산학협력단 | 흉부임피던스를 이용한 폐기능 모니터링 장치 및 방법 |
US20190328268A1 (en) * | 2016-11-18 | 2019-10-31 | Bilab Co., Ltd. | Device for Subject Image Monitoring, Method Therefor, and System for Image Monitoring |
CN110533658A (zh) * | 2019-09-02 | 2019-12-03 | 山东大学齐鲁医院 | 智能肺气肿诊断信息处理系统及方法、信息数据处理终端 |
CN112231997A (zh) * | 2020-09-25 | 2021-01-15 | 重庆大学 | 基于人体组织电导率精细化建模设计的胸腔电阻抗仿真方法 |
CN112022123A (zh) * | 2020-09-29 | 2020-12-04 | 上海交通大学 | 一种基于胸阻抗的运动肺功能测量系统 |
CN114027824A (zh) * | 2021-12-16 | 2022-02-11 | 上海交通大学 | 普适性肺通气量与经胸电阻抗的线性模型构建方法及应用 |
Non-Patent Citations (4)
Title |
---|
LEHMANN, S ; LEONHARDT, S; NGO, C;等: "Global and regional lung function in cystic fibrosis measured by electrical impedance tomography", 《PEDIATRIC PULMONOLOGY》, 1 November 2016 (2016-11-01) * |
何为;肖汉光;刘兴华: "上肢动脉系统的三段式电网络建模与仿真", 《重庆大学学报》, 15 May 2012 (2012-05-15) * |
张一鸣: "基于多端口网络转移阻抗的肺功能参数测量与状态评估", 《万方数据知识服务平台》, 1 November 2023 (2023-11-01) * |
徐佳世;罗艳: "电阻抗断层成像技术指导个体化呼气末正压通气的研究进展", 《临床麻醉学杂志》, 15 December 2020 (2020-12-15) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116369898A (zh) * | 2023-06-06 | 2023-07-04 | 青岛市第五人民医院 | 一种用于危重症的呼吸数据提醒系统 |
CN116369898B (zh) * | 2023-06-06 | 2024-02-20 | 青岛市第五人民医院 | 一种用于危重症的呼吸数据提醒系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Iotti et al. | Respiratory mechanics by least squares fitting in mechanically ventilated patients: applications during paralysis and during pressure support ventilation | |
US6893405B2 (en) | Analysis of Sleep Apnea | |
US6091973A (en) | Monitoring the occurrence of apneic and hypopneic arousals | |
EP1883349B1 (en) | Computer program product and device for diagnosing respiratory disorders | |
US7862515B2 (en) | Apparatus for detecting sleep apnea using electrocardiogram signals | |
US8795189B2 (en) | System and method for determining pulmonary performance from transthoracic impedance measures | |
JP4755801B2 (ja) | 電気インピーダンス・トモグラフィのデータにより得られる情報を表示するための方法及び装置 | |
ES2699970T3 (es) | Método de monitorización de pacientes y dispositivo de monitorización | |
CN110087540B (zh) | 用于肺功能测试的方法和设备 | |
EP2584966B1 (en) | Method and system for sleep disturbance analysis | |
EP2228009A1 (en) | Apparatus and method to determine functional lung characteristics | |
WO1996024285A1 (en) | Non-invasive estimation of arterial blood gases | |
WO2005099716A2 (en) | Method for analyzing the biological age of a subject | |
Mann et al. | Simultaneous activity and respiratory monitoring using an accelerometer | |
JP2004503316A (ja) | 自律神経系機能の指標を与えるための方法及び装置 | |
CN115590497A (zh) | 基于气-电同步测量的肺通气功能障碍疾病诊断系统 | |
Shouldice et al. | Real time breathing rate estimation from a non contact biosensor | |
Rodrigues et al. | Semi-automated detection of the timing of respiratory muscle activity: validation and first application | |
Beck et al. | Methods for cardiopulmonary exercise testing | |
CN210903016U (zh) | 一种用于评估受试者气流受限的装置 | |
CN114027824A (zh) | 普适性肺通气量与经胸电阻抗的线性模型构建方法及应用 | |
Sierra et al. | Comparison of respiratory rate estimation based on tracheal sounds versus a capnograph | |
Al-Ani et al. | Noninvasive automatic sleep apnea classification system | |
Cotes | Exercise testing and interpretation, including reference values | |
RU2427315C1 (ru) | Способ оценки функционального резерва сердечно-сосудистой системы |
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 |