CN115998261A - 一种左心室压力的估计方法及装置 - Google Patents

Abstract

本发明实施例提供了一种左心室压力的估计方法及装置，涉及医疗器械技术领域，上述方法包括：在左心室导管泵运行于患者体内过程中，获得目标参数数据，其中，所述目标参数数据包括：所述患者的生理数据和/或所述左心室导管泵的运行数据；提取所述目标参数数据的数据特征；基于所述目标参数数据所对应目标参数项的预设数据区间，对所述目标参数数据的数据特征进行映射，得到映射特征，其中，所述预设数据区间为：所述目标参数项所包含的参数数据中表征相同程度的连续参数数据形成的区间；基于所述映射特征，预估所述患者的左心室压力。应用本实施例提供的方案进行估计左心室压力时，能够准确地预估患者的左心室压力。

Description

一种左心室压力的估计方法及装置

技术领域

本发明涉及医疗器械技术领域，特别是涉及一种左心室压力的估计方法及装置。

背景技术

左心室导管泵为用于支持患者血液循环系统的血管内微型轴流泵。左心室导管泵植入患者的左心室中，当左心室导管泵处于正常运行状态时，左心室导管泵可以将血液从位于左心室内的入口区通过导管输送到升主动脉出口。左心室导管泵能够辅助增加心输出量，升高主动脉压和冠状动脉灌注压，改善平均动脉压、冠状动脉血流量。

在左心室导管泵辅助患者过程中，由于左心室压力能够指示患者当前的心室功能，所以可以基于左心室压力对心室导管泵的运行情况进行调整。因此，亟需一种左心室压力的估计方案，以准确地检测患者的左心室压力。

发明内容

本发明实施例的目的在于提供一种左心室压力的估计方法及装置，以准确检测患者的左心室压力。具体技术方案如下：

第一方面，本发明实施例提供了一种左心室压力的估计方法，所述方法包括：

在左心室导管泵运行于患者体内过程中，获得目标参数数据，其中，所述目标参数数据包括：所述患者的生理数据和/或所述左心室导管泵的运行数据；

提取所述目标参数数据的数据特征；

基于所述目标参数数据所对应目标参数项的预设数据区间，对所述目标参数数据的数据特征进行映射，得到映射特征，其中，所述预设数据区间为：所述目标参数项所包含的参数数据中表征相同程度的连续参数数据形成的区间；

基于所述映射特征，预估所述患者的左心室压力。

本发明的一个实施例中，上述基于所述目标参数数据所对应目标参数项的预设数据区间，对所述目标参数数据的数据特征进行映射，得到映射特征，包括：

按照所述目标参数数据所对应目标参数项的每一预设数据区间对应的预设映射关系，确定所述目标参数数据的数据特征相对应的目标隶属度，将目标隶属度确定为映射特征，其中，预设数据区间对应的预设映射关系为：所述目标参数项的预设数据特征与预设数据特征属于预设数据区间的隶属度之间的映射关系。

本发明的一个实施例中，上述基于所述映射特征，预估所述患者的左心室压力，包括：

按照预设的集合对应关系，确定目标隶属度集相对应的目标左心室压力，其中，所述集合对应关系为：目标参数项的每一预设数据区间对应的预设隶属度组合形成的隶属度集与左心室压力之间的对应关系，所述目标隶属度集为：每一目标参数项的每一预设数据区间对应的目标隶属度组合形成的隶属度集；

基于所述目标左心室压力，确定所述患者的左心室压力。

本发明的一个实施例中，在存在多个目标左心室压力的情况下，所述基于所述目标左心室压力，确定所述患者的左心室压力，包括：

针对每一目标左心室压力，基于该目标左心室压力对应的目标隶属度集，计算该目标左心室压力的置信度；

基于计算得到的置信度，从目标左心室压力中确定所述患者的左心室压力。

本发明的一个实施例中，按照以下方式预估所述患者的左心室压力：

将目标参数数据输入预先训练的系统辨识模型，得到所述系统辨识模型输出的左心室压力，作为所述患者的左心室压力，其中，所述系统辨识模型为：以样本对象的参数数据为训练样本、以样本对象的左心室压力为训练基准，采用模糊逻辑算法、对初始神经网络模型进行训练得到的、用于估计对象的左心室压力的模型。

第二方面，本发明实施例提供了一种左心室压力的估计装置，所述装置包括：

数据获得模块，用于在左心室导管泵运行于患者体内过程中，获得目标参数数据，其中，所述目标参数数据包括：所述患者的生理数据和/或所述左心室导管泵的运行数据；

特征提取模块，用于提取所述目标参数数据的数据特征；

特征映射模块，用于基于所述目标参数数据所对应目标参数项的预设数据区间，对所述目标参数数据的数据特征进行映射，得到映射特征，其中，所述预设数据区间为：所述目标参数项所包含的参数数据中表征相同程度的连续参数数据形成的区间；

压力预估模块，用于基于所述映射特征，预估所述患者的左心室压力。

本发明的一个实施例中，上述特征映射模块，具体用于按照所述目标参数数据所对应目标参数项的每一预设数据区间对应的预设映射关系，确定所述目标参数数据的数据特征相对应的目标隶属度，将目标隶属度确定为映射特征，其中，预设数据区间对应的预设映射关系为：所述目标参数项的预设数据特征与预设数据特征属于预设数据区间的隶属度之间的映射关系。

本发明的一个实施例中，上述压力预估模块，包括：

第一压力确定子模块，用于按照预设的集合对应关系，确定目标隶属度集相对应的目标左心室压力，其中，所述集合对应关系为：目标参数项的每一预设数据区间对应的预设隶属度组合形成的隶属度集与左心室压力之间的对应关系，所述目标隶属度集为：每一目标参数项的每一预设数据区间对应的目标隶属度组合形成的隶属度集；

第二压力确定子模块，用于基于所述目标左心室压力，确定所述患者的左心室压力。

本发明的一个实施例中，在存在多个目标左心室压力的情况下，所述第二压力确定子模块，具体用于针对每一目标左心室压力，基于该目标左心室压力对应的目标隶属度集，计算该目标左心室压力的置信度；基于计算得到的置信度，从目标左心室压力中确定所述患者的左心室压力。

本发明的一个实施例中，上述压力预估模块，具体用于将目标参数数据输入预先训练的系统辨识模型，得到所述系统辨识模型输出的左心室压力，作为所述患者的左心室压力，其中，所述系统辨识模型为：以样本对象的参数数据为训练样本、以样本对象的左心室压力为训练基准，采用模糊逻辑算法、对初始神经网络模型进行训练得到的、用于估计对象的左心室压力的模型。

第三方面，本发明实施例提供了一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现上述第一方面所述的方法步骤。

第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的方法步骤。

由以上可见，应用本发明实施例提供的方案，由于上述映射特征是基于目标参数项的预设数据区间，对目标参数数据的数据特征进行映射得到的，又由于预设数据区间为表征相同程度的连续参数数据形成的区间，也就是说，每一预设数据区间所表征数据程度是不同的。那么，映射特征能够反映目标参数数据所表征的数据程度，也就是说，映射特征从更深层次反映目标参数数据所表征的数据含义，因此，基于上述映射特征，能够更为准确地预估患者的左心室压力。

当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的实施例。

图1为本发明实施例提供的一种左心室压力的估计方法的流程示意图；

图2示出了主动脉压力参数项的每一预设数据区间的模糊函数示意图；

图3为本发明实施例提供的一种左心室压力的估计装置的结构示意图；

图4为本发明实施例提供的一种电子设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员基于本申请所获得的所有其他实施例，都属于本发明保护的范围。

首先，在对本发明实施例提供的方案进行具体说明之前，对本发明实施例的应用场景以及执行主体进行介绍。

本发明实施例的应用场景为：左心室导管泵运行于患者体内的应用场景。

本发明实施例的执行主体为：左心室导管泵的控制设备。上述控制设备用于监视以及控制左心室导管泵。

以下对本发明实施例提供的左心室压力的估计方法进行具体说明。

参见图1，图1为本发明实施例提供的一种左心室压力的估计方法的流程示意图，上述方法包括以下步骤S101-S104。

步骤S101：在左心室导管泵运行于患者体内过程中，获得目标参数数据。

其中，上述目标参数数据包括：左心室导管泵的运行数据和/或患者的生理数据。

一种实施方式中，患者的生理数据为患者的主动脉压力；左心室导管泵的运行数据为左心室导管泵的电机电流以及电机转速。

上述主动脉压力可以由心室导管泵内所设置的光纤传感器采集得到，上述电机电流以及电机转速可以由控制设备内所设备的信号采集器采集得到。

在由参数采集设备采集得到上述目标参数数据后，可以将目标参数数据存储于控制设备内，也可以存储于云服务器，在估计左心室压力时，可以从本地存储的信息或者云服务器存储的信息中读取上述目标参数数据。

步骤S102：提取目标参数数据的数据特征。

上述数据特征用于反映目标参数数据深层次的信息，在提取上述数据特征时，一种实施方式中，可以采用特征提取算法对目标参数数据进行特征提取，得到数据特征，上述特征提取算法可以为主成分分析、线性判别分析等。

步骤S103：基于目标参数数据所对应目标参数项的预设数据区间，对目标参数数据的数据特征进行映射，得到映射特征。

由于目标参数项的参数值为目标参数数据，所以，每一目标参数数据具有相对应的目标参数项，例如：当目标参数数据为主动脉压力时，主动脉压力对应的目标参数项为主动脉压力参数项；当目标参数数据为电机电流时，电机电流对应的目标参数项为电机电流参数项；当目标参数数据为电机转速时，电机转速对应的目标参数项为电机转速参数项。

上述预设数据区间为：目标参数项所包含的参数数据中表征相同程度的连续参数数据形成的区间。以目标参数项为主动脉压力参数项为例，主动脉压力参数项所包含的参数数据为：60-200mmHg之间所有的参数数据，在这些参数数据中，存在不同数值的数据所表征的程度是相同的，如60-90mmHg这一范围内的各参数数据表征主动脉压力较小，90-140mmHg这一范围内的各参数数据表征主动脉压力正常，140-200mmHg这一范围内的各参数数据表征主动脉压力较大。基于此，[60mmHg，90mmHg]、[90mmHg，140mmHg]、[140mmHg，2000mmHg]分别为主动脉压力参数项的预设数据区间。

由于上述映射特征是基于目标参数项的预设数据区间，对目标参数数据的数据特征进行映射得到的，又由于预设数据区间为表征相同程度的连续参数数据形成的区间，也就是说，每一预设数据区间所表征数据程度是不同的。那么，映射特征能够反映目标参数数据所表征的数据程度。

在对目标参数数据的数据特征进行映射时，一种实施方式中，可以从目标参数项的各预设数据区间中确定包含目标参数数据的目标数据区间，计算目标参数数据的数据特征与目标数据区间最小值的数据特征之间的第一距离，并计算参数数据的数据特征与目标数据区间最大值的数据特征之间的第二距离，从第一距离与第二距离中选取最小距离的特征距离作为映射特征。

对数据特征进行映射的其他方式可以参见后续实施例，在此不进行详述。

步骤S104：基于映射特征，预估患者的左心室压力。

由于映射特征能够反映目标参数数据所表征的数据程度，映射特征更深层次反映目标参数数据所表征的数据含义，因此，基于上述映射特征，能够准确地预估患者的左心室压力。

在预估左心室压力时，一种实施方式中，可以结合深度学习算法，将映射特征输入预先训练的压力预估模型，得到压力预估模型输出的压力值，作为患者的左心室压力。上述压力预估模型为：采用样本对象的参数数据对应的映射特征作为训练样本、以样本对象的左心室压力作为训练基准，对初始神经网络模型进行训练得到的、用于预估样本对象的左心室压力。

上述样本对象为：样本左心室导管泵或样本测试患者，样本左心室导管泵运行于样本测试患者体内。

上述样本对象的参数数据包括样本测试患者的生理数据和/或样本左心室导管泵的运行数据；

上述样本对象的参数数据对应的映射特征为：基于样本对象的参数数据所对应的参数项的数据区间，对上述参数数据的数据特征进行映射得到的特征，上述数据区间为：上述参数项所包含的参数数据中表征相同程度的连续参数数据形成的区间。

由以上可见，应用本实施例提供的方案，由于上述映射特征是基于目标参数项的预设数据区间，对目标参数数据的数据特征进行映射得到的，又由于预设数据区间为表征相同程度的连续参数数据形成的区间，也就是说，每一预设数据区间所表征数据程度是不同的。那么，映射特征能够反映目标参数数据所表征的数据程度，也就是说，映射特征从更深层次反映目标参数数据所表征的数据含义，因此，基于上述映射特征，能够更为准确地预估患者的左心室压力。

在前述图1对应实施例的步骤S103中，除了可以采用所提及的映射方式对数据特征进行映射之外，还可以采用下述步骤A的映射方式对数据特征进行映射。

步骤A：按照目标参数数据所对应目标参数项的每一预设数据区间对应的预设映射关系，确定目标参数数据的数据特征相对应的目标隶属度，将目标隶属度确定为映射特征。

上述预设数据区间对应的预设映射关系为：目标参数项的预设数据特征与预设数据特征属于预设数据区间的隶属度之间的映射关系。上述隶属度反映预设数据特征属于预设数据区间的程度，隶属度越大，表示预设数据特征属于预设数据区间的程度越高，隶属度越小，表示预设数据特征属于预设数据区间的程度越低。

上述预设映射关系可以以模糊函数表征，模糊函数的形式可以为高斯分布、梯形分布、岭形分布、抛物型分布以及三角形分布等，具体可以基于目标参数项的类型选择相对应的模糊函数。

上述目标隶属度反映目标参数数据属于预设数据区间的隶属度。

上述目标隶属度的数量可以为多个，一种情况是，每一目标参数项的目标参数数据对应一个目标隶属度，另一种情况是，每一目标参数项的目标参数数据对应多个目标隶属度，以下对后一种情况进行具体说明。

不同预设数据区间对应的预设映射关系中可能会记录同一预设数据特征相对应的隶属度，那么基于上述预设映射关系，所确定的目标隶属度可以为多个。以图2为例，图2示出了主动脉压力参数项的每一预设数据区间的模糊函数，其中，横坐标为预设数据特征，纵坐标表示隶属度，函数S为预设数据区间Ds1的模糊函数，函数M为预设数据区间Ds2的模糊函数，函数H为预设数据区间Ds3的模糊函数，函数S、函数M、函数H之间均有重叠情况，那么，同一预设数据特征可能存在多个相对应隶属度，以数据特征X1为例，相对应的隶属度分别为：B1、B2。

在确定目标隶属度时，可以从预设映射关系中确定目标参数数据的数据特征相对应的隶属度，作为目标隶属度。由于预设映射关系为目标参数项的预设数据特征与预设数据特征属于预设数据区间的隶属度之间的映射关系，基于上述映射关系，能够准确地确定数据特征对应的目标隶属度，从而得到准确的映射特征。

在上述步骤A的基础上，前述图1对应实施例的步骤S104，还可以按照下述步骤B1-步骤B2的预估方式预估患者的左心室压力。

步骤B1：按照预设的集合对应关系，确定目标隶属度集相对应的左心室压力候选值。

上述集合对应关系为：目标参数项每一预设数据区间对应的预设隶属度组合形成的隶属度集与左心室压力之间的对应关系。结合下述表1，以目标参数项为主动脉压力、电机电流参数项为例，对上述集合对应关系进行说明。

表1

上述表1中P1_1、……P3_4表示主动脉压力参数项的每一预设数据区间对应的隶属度，I1_1、……I3_4表示电机电流参数项的每一预设数据区间对应的隶属度，空白单元格表示左心室压力，具体的左心室压力值未在表1中体现。表1记录了预设隶属度组合形成的隶属度集与左心室压力之间的对应关系。表1中，每一空白单元格对应每一预设数据区间的预设隶属度组合。

上述目标隶属度集为：每一目标参数项对应的目标隶属度组合形成的隶属度集。

在确定左心室压力候选值时，一种实施方式中，可以从预设的集合对应关系中确定目标隶属集相对应的左心室压力值，作为左心室压力候选值。

步骤B2：基于目标左心室压力，确定患者的左心室压力。

由于集合对应关系为隶属度集与左心室压力之间的对应关系，基于上述集合对应关系，能够准确地确定目标隶属度集对应的目标左心室压力，进而准确地确定患者的左心室压力。

基于前述步骤A中的分析可知，每一目标参数项的目标参数数据可以对应一个目标隶属度，也可以对应多个目标隶属度。在每一目标参数项的目标参数数据对应一个目标隶属度的情况下，目标隶属度集的数量为1，在这种情况下，基于一个目标隶属度集确定得到一个左心室压力，也就是目标左心室压力的数量为1，因此，可以将目标左心室压力直接确定为患者的左心室压力。

在在每一目标参数项的目标参数数据对应多个目标隶属度的情况下，目标隶属度集的数量为多个，在这种情况下，目标左心室压力的数量也为多个，因此，需要从多个目标左心室压力中确定患者的左心室压力。基于此，本发明的一个实施例中，可以针对每一目标左心室压力，基于该目标左心室压力对应的目标隶属度集，计算该目标左心室压力的置信度；基于计算得到的置信度，从目标左心室压力中确定患者的左心室压力。

上述置信度表示目标左心室压力为患者的实际左心室压力的可信程度，置信度越大，目标左心室压力为患者的实际左心室压力的可信程度越高；置信度越小，目标左心室压力为患者的实际左心室压力的可信程度越低。

在计算上述置信度时，可以计算目标左心室压力对应的目标隶属度集中各目标隶属度的平均值，将平均值作为上述置信度。

在确定患者的左心室压力时，一种实施方式中，可以将最大置信度对应的目标左心室压力确定为患者的左心室压力。

由于上述置信度表示目标左心室压力为患者的实际左心室压力的可信程度，在有多个目标左心室压力的情况下，基于目标左心室压力的置信度，能够准确地从目标左心室压力确定患者的左心室压力。

在预估患者的左心室压力时，本发明的一个实施例中，还可以结合模糊逻辑算法与深度学习算法，将目标参数数据输入预先训练的系统辨识模型，得到系统辨识模型输出的左心室压力，作为患者的左心室压力。

其中，上述系统辨识模型为：以样本对象的参数数据为训练样本、以样本对象的左心室压力为训练基准，采用模糊逻辑算法、对初始神经网络模型进行训练得到的、用于估计对象的左心室压力的模型。

系统辨识模型结合模糊逻辑算法以及深度学习算法，在得到目标参数数据后，首先提取目标参数数据的数据特征，其次计算数据特征属于每一预设模糊集合的隶属度，然后基于隶属度进行模糊化推理，最后基于对推理结果进行反模糊化，输出患者的左心室压力。

由于系统辨识模型是采用大量训练样本进行训练得到的，系统辨识模型能够学习基于参数数据预估左心室压力的规律，利用系统辨识模型能够准确地预估患者的左心室压力。

与上述左心室压力的估计方法相对应，本发明实施例还提供了一种一种左心室压力的估计装置。

参见图3，图3为本发明实施例提供的一种左心室压力的估计装置的结构示意图，上述装置包括以下模块301-304。

数据获得模块301，用于在左心室导管泵运行于患者体内过程中，获得目标参数数据，其中，所述目标参数数据包括：所述患者的生理数据和/或所述左心室导管泵的运行数据；

特征提取模块302，用于提取所述目标参数数据的数据特征；

特征映射模块303，用于基于所述目标参数数据所对应目标参数项的预设数据区间，对所述目标参数数据的数据特征进行映射，得到映射特征，其中，所述预设数据区间为：所述目标参数项所包含的参数数据中表征相同程度的连续参数数据形成的区间；

压力预估模块304，用于基于所述映射特征，预估所述患者的左心室压力。

由以上可见，应用本实施例提供的方案，由于上述映射特征是基于目标参数项的预设数据区间，对目标参数数据的数据特征进行映射得到的，又由于预设数据区间为表征相同程度的连续参数数据形成的区间，也就是说，每一预设数据区间所表征数据程度是不同的。那么，映射特征能够反映目标参数数据所表征的数据程度，也就是说，映射特征从更深层次反映目标参数数据所表征的数据含义，因此，基于上述映射特征，能够更为准确地预估患者的左心室压力。

本发明的一个实施例中，上述特征映射模块303，具体用于按照所述目标参数数据所对应目标参数项的每一预设数据区间对应的预设映射关系，确定所述目标参数数据的数据特征相对应的目标隶属度，将目标隶属度确定为映射特征，其中，预设数据区间对应的预设映射关系为：所述目标参数项的预设数据特征与预设数据特征属于预设数据区间的隶属度之间的映射关系。

由于预设映射关系为目标参数项的预设数据特征与预设数据特征属于预设数据区间的隶属度之间的映射关系，基于上述映射关系，能够准确地确定数据特征对应的目标隶属度，从而得到准确的映射特征。

本发明的一个实施例中，上述压力预估模块304，包括：

第一压力确定子模块，用于按照预设的集合对应关系，确定目标隶属度集相对应的目标左心室压力，其中，所述集合对应关系为：目标参数项的每一预设数据区间对应的预设隶属度组合形成的隶属度集与左心室压力之间的对应关系，所述目标隶属度集为：每一目标参数项的每一预设数据区间对应的目标隶属度组合形成的隶属度集；

第二压力确定子模块，用于基于所述目标左心室压力，确定所述患者的左心室压力。

由于集合对应关系为隶属度集与左心室压力之间的对应关系，基于上述集合对应关系，能够准确地确定目标隶属度集对应的目标左心室压力，进而准确地确定患者的左心室压力。

本发明的一个实施例中，在存在多个目标左心室压力的情况下，所述第二压力确定子模块，具体用于针对每一目标左心室压力，基于该目标左心室压力对应的目标隶属度集，计算该目标左心室压力的置信度；基于计算得到的置信度，从目标左心室压力中确定所述患者的左心室压力。

由于上述置信度表示目标左心室压力为患者的实际左心室压力的可信程度，在有多个目标左心室压力的情况下，基于目标左心室压力的置信度，能够准确地从目标左心室压力确定患者的左心室压力。

本发明的一个实施例中，上述压力预估模块304，具体用于将目标参数数据输入预先训练的系统辨识模型，得到所述系统辨识模型输出的左心室压力，作为所述患者的左心室压力，其中，所述系统辨识模型为：以样本对象的参数数据为训练样本、以样本对象的左心室压力为训练基准，采用模糊逻辑算法、对初始神经网络模型进行训练得到的、用于估计对象的左心室压力的模型。

由于系统辨识模型是采用大量训练样本进行训练得到的，系统辨识模型能够学习基于参数数据预估左心室压力的规律，利用系统辨识模型能够准确地预估患者的左心室压力。

与上述左心室压力的估计方法相对应，本发明实施例还提供了一种电子设备。

参见图4，图4为本发明实施例提供的一种电子设备的结构示意图，包括处理器401、通信接口402、存储器403和通信总线404，其中，处理器401，通信接口402，存储器403通过通信总线404完成相互间的通信，

存储器403，用于存放计算机程序；

处理器401，用于执行存储器403上所存放的程序时，实现本发明实施例提供的左心室压力的估计方法。

上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended IndustryStandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

通信接口用于上述电子设备与其他设备之间的通信。

存储器可以包括随机存取存储器(RandomAccess Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。

上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例提供的左心室压力的估计方法。

在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行时实现本发明实施例提供的左心室压力的估计方法。

由以上可见，应用本实施例提供的方案，由于上述映射特征是基于目标参数项的预设数据区间，对目标参数数据的数据特征进行映射得到的，又由于预设数据区间为表征相同程度的连续参数数据形成的区间，也就是说，每一预设数据区间所表征数据程度是不同的。那么，映射特征能够反映目标参数数据所表征的数据程度，也就是说，映射特征从更深层次反映目标参数数据所表征的数据含义，因此，基于上述映射特征，能够更为准确地预估患者的左心室压力。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、电子设备、计算机可读存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (10)

1.一种左心室压力的估计方法，其特征在于，所述方法包括：

在左心室导管泵运行于患者体内过程中，获得目标参数数据，其中，所述目标参数数据包括：所述患者的生理数据和/或所述左心室导管泵的运行数据；

提取所述目标参数数据的数据特征；

基于所述目标参数数据所对应目标参数项的预设数据区间，对所述目标参数数据的数据特征进行映射，得到映射特征，其中，所述预设数据区间为：所述目标参数项所包含的参数数据中表征相同程度的连续参数数据形成的区间；

基于所述映射特征，预估所述患者的左心室压力。

2.根据权利要求1所述的方法，其特征在于，所述基于所述目标参数数据所对应目标参数项的预设数据区间，对所述目标参数数据的数据特征进行映射，得到映射特征，包括：

按照所述目标参数数据所对应目标参数项的每一预设数据区间对应的预设映射关系，确定所述目标参数数据的数据特征相对应的目标隶属度，将目标隶属度确定为映射特征，其中，预设数据区间对应的预设映射关系为：所述目标参数项的预设数据特征与预设数据特征属于预设数据区间的隶属度之间的映射关系。

3.根据权利要求2所述的方法，其特征在于，所述基于所述映射特征，预估所述患者的左心室压力，包括：

按照预设的集合对应关系，确定目标隶属度集相对应的目标左心室压力，其中，所述集合对应关系为：目标参数项的每一预设数据区间对应的预设隶属度组合形成的隶属度集与左心室压力之间的对应关系，所述目标隶属度集为：每一目标参数项的每一预设数据区间对应的目标隶属度组合形成的隶属度集；

基于所述目标左心室压力，确定所述患者的左心室压力。

4.根据权利要求3所述的方法，其特征在于，在存在多个目标左心室压力的情况下，所述基于所述目标左心室压力，确定所述患者的左心室压力，包括：

针对每一目标左心室压力，基于该目标左心室压力对应的目标隶属度集，计算该目标左心室压力的置信度；

基于计算得到的置信度，从目标左心室压力中确定所述患者的左心室压力。

5.根据权利要求1-4中任一项所述的方法，其特征在于，按照以下方式预估所述患者的左心室压力：

将目标参数数据输入预先训练的系统辨识模型，得到所述系统辨识模型输出的左心室压力，作为所述患者的左心室压力，其中，所述系统辨识模型为：以样本对象的参数数据为训练样本、以样本对象的左心室压力为训练基准，采用模糊逻辑算法、对初始神经网络模型进行训练得到的、用于估计对象的左心室压力的模型。

6.一种左心室压力的估计装置，其特征在于，所述装置包括：

数据获得模块，用于在左心室导管泵运行于患者体内过程中，获得目标参数数据，其中，所述目标参数数据包括：所述患者的生理数据和/或所述左心室导管泵的运行数据；

特征提取模块，用于提取所述目标参数数据的数据特征；

特征映射模块，用于基于所述目标参数数据所对应目标参数项的预设数据区间，对所述目标参数数据的数据特征进行映射，得到映射特征，其中，所述预设数据区间为：所述目标参数项所包含的参数数据中表征相同程度的连续参数数据形成的区间；

压力预估模块，用于基于所述映射特征，预估所述患者的左心室压力。

7.根据权利要求6所述的装置，其特征在于，所述特征映射模块，具体用于按照所述目标参数数据所对应目标参数项的每一预设数据区间对应的预设映射关系，确定所述目标参数数据的数据特征相对应的目标隶属度，将目标隶属度确定为映射特征，其中，预设数据区间对应的预设映射关系为：所述目标参数项的预设数据特征与预设数据特征属于预设数据区间的隶属度之间的映射关系。

8.根据权利要求7所述的装置，其特征在于，所述压力预估模块，包括：

第一压力确定子模块，用于按照预设的集合对应关系，确定目标隶属度集相对应的目标左心室压力，其中，所述集合对应关系为：目标参数项的每一预设数据区间对应的预设隶属度组合形成的隶属度集与左心室压力之间的对应关系，所述目标隶属度集为：每一目标参数项的每一预设数据区间对应的目标隶属度组合形成的隶属度集；

第二压力确定子模块，用于基于所述目标左心室压力，确定所述患者的左心室压力。

9.根据权利要求8所述的装置，其特征在于，在存在多个目标左心室压力的情况下，所述第二压力确定子模块，具体用于针对每一目标左心室压力，基于该目标左心室压力对应的目标隶属度集，计算该目标左心室压力的置信度；基于计算得到的置信度，从目标左心室压力中确定所述患者的左心室压力。

10.根据权利要求6-9中任一项所述的装置，其特征在于，所述压力预估模块，具体用于将目标参数数据输入预先训练的系统辨识模型，得到所述系统辨识模型输出的左心室压力，作为所述患者的左心室压力，其中，所述系统辨识模型为：以样本对象的参数数据为训练样本、以样本对象的左心室压力为训练基准，采用模糊逻辑算法、对初始神经网络模型进行训练得到的、用于估计对象的左心室压力的模型。

Images