CN116168842B - 一种用于血氧测定模型的训练数据集自动生成方法和装置 - Google Patents
一种用于血氧测定模型的训练数据集自动生成方法和装置 Download PDFInfo
- Publication number
- CN116168842B CN116168842B CN202211545394.XA CN202211545394A CN116168842B CN 116168842 B CN116168842 B CN 116168842B CN 202211545394 A CN202211545394 A CN 202211545394A CN 116168842 B CN116168842 B CN 116168842B
- Authority
- CN
- China
- Prior art keywords
- parameters
- blood
- numerical simulation
- hemoglobin
- simulation program
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Abstract
本发明公开了一种用于血氧测定模型的训练数据集自动生成方法和装置,包括如下步骤:步骤1:设置数值仿真程序控制系统的参数;步骤2:通过随机数发生器生成血液组织的部分参数;步骤3:设定的数值仿真程序的血液参数,结合步骤2中生成的血液组织的部分参数计算血氧测定需要的参数;步骤4:设定数值仿真程序的生物组织参数,并进行数值仿真,数值仿真程序包括光学吸收、散射、透射和反射的物理过程;等。本发明一种用于血氧测定模型的训练数据集自动生成方法和装置,本发明提供了一种用于血氧测定模型的训练数据集自动生成方法,该方法可以通过控制系统设定要求的数据集参数,快速自动生成可靠的数据集。
Description
技术领域
本发明涉及生物医学、可穿戴设备、血氧测定技术领域,特别涉及一种用于血氧测定模型的训练数据集自动生成方法和装置。
背景技术
随着经济的进步和科技的发展,人民越来越重视自己的健康状态,因此,近些年大量血压测量、血脂测量、心率测量以及血氧测量技术通过可穿戴设备进入普通人的生活,这也使得实时监测身体状态成为可能。其中血氧是人体重要的生理参数之一,它反映了人体的新陈代谢状态,人体内的血氧有着一定的饱和度,过低的血氧饱和度会造成机体供氧不足,因此监测血氧对于反映身体健康和预防疾病有着重要意义。目前市场上已有大量的可穿戴设备可以监测血氧,基本原理是利用脱氧血红蛋白和氧和血红蛋白对不同波长的光吸收不同,因而利用双波长或多波长方法获取光强度,从而计算血氧饱和度。但是由于光在组织中经过复杂的散射和折射过程,使得测量结果准确性不高,目前仍不能满足疾病防治的要求,其精度亟待提高。应用人工智能技术可以通过处理光谱数据进一步提升精度,但是训练网络需要大量的数据,若用传统实验的方法采集数据,需要付出极高的时间成本和经济成本。此外,实际的数据采集条件和过程对于数据集质量有很大影响,使得数据可重复性低,标准难以统一。因此,利用计算机仿真方法,高效率低成本的产生大量可靠的数据具有重要意义。
发明内容
本发明的目的在于提供一种用于血氧测定模型的训练数据集自动生成方法和装置,以克服现有技术中的不足。
为实现上述目的,本发明提供如下技术方案:
本发明公开了一种用于血氧测定模型的训练数据集自动生成方法,包括如下步骤:
步骤1:设置数值仿真程序控制系统的参数,包括设置能谱间隔参数、数值仿真程序的运行次数;
步骤2:通过随机数发生器生成血液组织的部分参数;
步骤3:设定数值仿真程序的血液参数,结合步骤2中生成的血液组织的部分参数计算血氧测定需要的参数;
步骤4:设定数值仿真程序的生物组织参数,并进行数值仿真,数值仿真程序包括光学吸收、散射、透射和反射的物理过程;
步骤5:获取在数值仿真过程中得到的初始光子的能量数据以及透射或反射光子的能量数据;
步骤6:根据步骤5中获取的光子能量数据,并根据步骤1中控制系统的能谱统计间隔参数,计算得到透射或反射能谱;
步骤7:根据步骤3计算得到的血氧测定需要的参数获取血氧参数标签值;
步骤8:根据步骤6和步骤7得到的透射或反射能谱和血氧参数标签值,汇集成用于血氧测定模型的训练数据集。
作为优选的,所述步骤1中的所述能谱统计间隔,表示能谱统计的步长,用于将光子能量按照能谱统计间隔截断,并计数;所述数值仿真程序的运行次数,每次程序的运行表示完成一次数值实验,控制数值模拟程序运行,直至达到设定的运行次数时退出。
作为优选的,所述步骤2具体为,先设定满足要求的各血液组织的参数的范围,再通过随机数发生器在各血液组织的参数的范围内生成各血液组织的参数,具体采用均匀抽样分布产生血液组织的参数。
作为优选的,所述步骤2中的生成血液组织的部分参数满足通过计算可得到其他血液参数,包括血红蛋白浓度、氧合血红蛋白占总血红蛋白的质量比、脱氧血红蛋白占总血红蛋白质量比和血浆浓度以及它们对应的摩尔浓度。
作为优选的,所述步骤3中设定数值仿真程序的血液参数包括血液密度、血红蛋白占血液质量百分数;得到的血氧测定需要的参数包括血红蛋白浓度、氧合血红蛋白摩尔浓度、氧合血红蛋白占总血红蛋白质量比、脱氧血红蛋白摩尔浓度、氧合血红蛋白占总血红蛋白质量比、血红蛋白总摩尔浓度以及氧饱和度。
作为优选的,所述步骤4中设定的生物组织参数包括密度、浓度、光学参数,血液参数根据步骤2或步骤3产生的参数计算设定。
作为优选的,所述步骤4中,具体的仿真方法包括理论计算或蒙特卡洛方法,对于理论计算,具体为根据比尔定律计算,公式如下:
其中ε(λ)i是波长为λ时i种物质的吸光系数,Ci是i种物质的浓度,li是第i种物质对应的光程,I为通量值,I0为初始的通量值,输运过程可以通过辐射传输方程和扩散理论解析或近似。
作为优选的,所述步骤6计算得到透射或反射能谱,具体公式如下:
其中Statistics()表示对数据集以E_step的能量间隔做统计,{in_Ei}表示初始光子的能量数据集,{out_Ej}表示透射/反射光子的能量数据集。
本发明还公开了一种用于血氧测定模型的训练数据集自动生成装置,所述装置包括存储器和一个或多个处理器,所述存储器中存储有可执行代码,所述一个或多个处理器执行所述可执行代码时,用于实现上述用于血氧测定模型的训练数据集自动生成方法。
本发明的有益效果:本发明一种用于血氧测定模型的训练数据集自动生成方法和装置,本发明提供了一种用于血氧测定模型的训练数据集自动生成方法,该方法基于计算机模拟技术,可以通过控制系统设定要求的数据集参数,快速自动生成可靠的数据集,与传统实验方法相比,大幅降低经济成本和时间成本。
附图说明
图1是本发明实施例的步骤示意图;
图2是实施例中控制系统的输出结果;
图3是实施例中的部分输出结果;
图4是不同血液标签文件中的参数;
图5是数值模拟能谱与理论计算能谱结果;
图6是本发明实施例的装置示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了,下面通过附图及实施例,对本发明进行进一步详细说明。但是应该理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限制本发明的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
需要说明的是,在不冲突的情况下,下述的实施例及实施方式中的特征可以相互组合。
第一步:控制系统中设置相关参数,在本实施例中通过Shell脚本语言实现控制系统,其中可以设置相关参数,包括:1)能谱统计间隔,它是能谱统计的步长,可将光子能量按照能谱统计间隔截断,并计数;2)设置数值仿真程序的运行次数,每次程序的运行表示完成一次数值实验,该方法保证了数值仿真过程的独立性;3)控制数值模拟程序运行,直至达到设定的运行次数时退出。其实现方法如下:
1设置能谱统计间隔参数E_step;
2设置累计程序运行次数的变量初值为0:mum=0;
3设置程序运行总次数Max;
4while(mum<Max);
./program(仿真程序可执行文件);
mum++;
5运行结束;
第二步:随机数发生器产生血液组织的部分参数,这些参数可以计算得到仿真需要的其他血液参数。可选择的参数包括血红蛋白浓度、氧合血红蛋白占总血红蛋白的质量比、脱氧血红蛋白占总血红蛋白质量比和血浆浓度以及它们对应的摩尔浓度。在本实施例中采用均匀抽样分布产生血红蛋白浓度和氧合血红蛋白占总血红蛋白的质量比,其中血红蛋白浓度在120~160g/L之间,氧合血红蛋白占总血红蛋白的质量比在0.8~0.98之间。
以选择“血红蛋白浓度”和“氧合血红蛋白占总血红蛋白的质量比”参数为例:
1随机生成血红蛋白浓度(g/L):ND_xh=NDmin+(NDmax-NDmin)*Rand();
2随机生成氧合血红蛋白占总血红蛋白的质量比:yh_xh=yhmin+(yhmax-yhmin)*Rand();
其中,NDmax和NDmin表示血红蛋白浓度的最大值和最小值,yhmax和yhmin表示血红蛋白浓度的最大值和最小值,Rand()函数生成0~1之间的随机数。
第三步:根据数值仿真程序设定的参数(血液密度、血红蛋白占血液质量百分数等),并结合第二步中生成的参数计算血氧测定需要的其他相关参数,该步骤可以在“数值仿真”过程中完成,亦可单独完成。本实施例在数值模拟过程中计算血氧测定需要的相关参数。具体包括:血红蛋白浓度(g/L)、氧合血红蛋白摩尔浓度、氧合血红蛋白占总血红蛋白质量比、脱氧血红蛋白摩尔浓度、氧合血红蛋白占总血红蛋白质量比、血红蛋白总摩尔浓度以及氧饱和度。
仿真程序中以设定密度为例,结合第二步:
1设定密度(g/L)Dst_xueye;
2计算血液测定需要的其他参数:
血浆浓度(g/L):ND_xj=Dst_xueye-ND_xh;
氧合血红蛋白质量分数Mass_yh_p=(ND_xh*yh_xh/Dst_xueye);
脱氧血红蛋白质量分数Mass_ty_p=(ND_xh*ty_xh/Dst_xueye);
血浆质量分数Mass_xj_p=1-Mass_yh_p-Mass_ty_p;
第四步:本实施例中采用了基于开源的物理工具包Geant4编写的程序实现数值仿真过程。仿真程序中可以设定生物组织的密度、浓度、光学参数,血液参数可以根据“第二步”或“第三步”产生的参数计算设定,包括:1)血浆浓度;2)脱氧血红蛋白占总血红蛋白质量比;3)氧合血红蛋白、脱氧血红蛋白和血浆占血液的质量比;4)氧合血红蛋白、脱氧血红蛋白和血浆占血液的摩尔浓度。数值仿真过程中包括光学吸收、散射、透射和反射的物理过程,具体的仿真方法包括理论计算,并且在探测方案简单的情况下(如准直光探测、积分球探测等),理论计算可以根据比尔定律计算:其中ε(λ)i是波长为λ时i种物质的吸光系数,Ci是i种物质的浓度,li是第i种物质对应的光程,I0为初始的通量值,输运过程可以通过辐射传输方程和扩散理论解析或近似;亦可以采用蒙特卡洛方法。
第五步:获取数据是指在数值仿真过程中获取初始光子的能量数据集{in_Ei}以及透射/反射光子的能量数据集{out_Ej}。
第六步:通过“第五步”得到的光子能量数据,结合“第一步”控制系统的能谱间隔参数E_step,计算出需要的透射/反射能谱:Statistics()表示对数据集以E_step的能量间隔做统计。本实施例中基于C++语言实现了能谱计算,最终以“xxxNengPu.txt”的文件输出。
第七步:结合“第二步”和“第三步”的血氧参数获取需要的血氧参数,即血氧参数标签值。本实施例中的血液参数最终以“xxxXueYeCanShu.txt”的文件输出。
例如需要的标签值如下:
血红蛋白浓度(g/L):ND_xh/(g/L);
氧和血红蛋白摩尔浓度(mol/L):
MND_yh=(Dst_xueye*Mass_yh_p)/(MassOfMolecule_yh)/NA;
脱氧血红蛋白摩尔浓度(mol/L):
MND_ty=(Dst_xueye*Mass_ty_p)/(MassOfMolecule_ty)/NA;
血红蛋白总摩尔浓度(mol/L):(MND_yh+MND_ty)/(mole/L);
氧饱和度:MND_yh/(MND_yh+MND_ty);
血浆占血液质量分数:Mass_xj_p;
氧合血红蛋白占血液质量分数:Mass_yh_p;
脱氧血红蛋白占血液质量分数:Mass_ty_p;
其中,MassOfMolecule_yh和MassOfMolecule_ty分别表示氧合血红蛋白和脱氧血红蛋白的分子质量,NA表示阿佛加德罗常数。
第八步:根据“第六步”和“第七步”获得的透射/反射能谱和血氧参数标签值,汇集成数据集。本实施例中汇集的数据集存放于“Data”文件夹。
本实施例中的输出文件“xxxNengPu.txt”和“xxxXueYeCanShu.txt”文件名中的“xxx”是指随机编号,用于区分文件,而随机编号存放于“BiaoHao.txt”文件中,方便于批量处理。
图2是本实施例中控制系统在运行时输出的结果,“1~10”表示运行的次数,数据集的最大数据量为10,该值仅用于演示,不代表它所允许的最大数据量。图3是本实施例的部分输出结果,图3中的(a)中是“Data”文件中的数据文件,包括能谱数据、标签数据和随机编号文件。图3中的(b)是能谱文件“45582NengPu.txt”中的数据,第一列是指能量,第二列是该能量下对应的强度值;图3中的(c)是标签数据“45582XueYeCanShu.txt”中的输出内容,包括“血红蛋白浓度”、“氧和血红蛋白摩尔浓度(mol/L)”、“氧合血红蛋白占总血红蛋白的质量比”、“脱氧血红蛋白摩尔浓度(mol/L)”、“脱氧血红蛋白占总血红蛋白的质量比”、“血红蛋白总摩尔浓度(mol/L)”、“氧饱和度”;图3中的(d)是文件的随机编号,这方便批量处理。图4是数据集中不同的几个标签数据对比,可以看出它们是不相等的,这保证该方法可以产生产生大量数据。图5是模拟能谱和理论计算能谱的对比,可以看出二者吻合,因此这为数据的可靠性提供了保证。
参见图6,本发明实施例还提供了一种用于血氧测定模型的训练数据集自动生成装置,还包括存储器和一个或多个处理器,存储器中存储有可执行代码,所述一个或多个处理器执行所述可执行代码时,用于实现上述实施例中的用于血氧测定模型的训练数据集自动生成方法。
本发明一种用于血氧测定模型的训练数据集自动生成装置的实施例可以应用在任意具备数据处理能力的设备上,该任意具备数据处理能力的设备可以为诸如计算机等设备或装置。装置实施例可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。以软件实现为例,作为一个逻辑意义上的装置,是通过其所在任意具备数据处理能力的设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言,如图6所示,为本发明一种用于血氧测定模型的训练数据集自动生成装置所在任意具备数据处理能力的设备的一种硬件结构图,除了图6所示的处理器、内存、网络接口、以及非易失性存储器之外,实施例中装置所在的任意具备数据处理能力的设备通常根据该任意具备数据处理能力的设备的实际功能,还可以包括其他硬件,对此不再赘述。上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程,在此不再赘述。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本发明方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
本发明实施例还提供一种计算机可读存储介质,其上存储有程序,该程序被处理器执行时,实现上述实施例中的用于血氧测定模型的训练数据集自动生成方法。
所述计算机可读存储介质可以是前述任一实施例所述的任意具备数据处理能力的设备的内部存储单元,例如硬盘或内存。所述计算机可读存储介质也可以是任意具备数据处理能力的设备的外部存储设备,例如所述设备上配备的插接式硬盘、智能存储卡(Smart Media Card,SMC)、SD卡、闪存卡(Flash Card)等。进一步的,所述计算机可读存储介质还可以既包括任意具备数据处理能力的设备的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述任意具备数据处理能力的设备所需的其他程序和数据,还可以用于暂时地存储已经输出或者将要输出的数据。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换或改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种用于血氧测定模型的训练数据集自动生成方法,其特征在于:包括如下步骤:
步骤1:设置数值仿真程序控制系统的参数,包括设置能谱间隔参数、数值仿真程序的运行次数;
步骤2:通过随机数发生器生成血液组织的部分参数;
步骤3:设定的数值仿真程序的血液参数,结合步骤2中生成的血液组织的部分参数计算血氧测定需要的参数;
步骤4:设定数值仿真程序的生物组织参数,并进行数值仿真,数值仿真程序包括光学吸收、散射、透射和反射的物理过程;
步骤5:获取在数值仿真过程中得到的初始光子的能量数据以及透射或反射光子的能量数据;
步骤6:根据步骤5中获取的光子能量数据,并根据步骤1中控制系统的能谱统计间隔参数,计算得到透射或反射能谱;
步骤7:根据步骤3计算得到的血氧测定需要的参数获取血氧参数标签值;
步骤8:根据步骤6和步骤7得到的透射或反射能谱和血氧参数标签值,汇集成用于血氧测定模型的训练数据集;
所述步骤1中的所述能谱统计间隔,表示能谱统计的步长,用于将光子能量按照能谱统计间隔截断,并计数;所述数值仿真程序的运行次数,每次程序的运行表示完成一次数值实验,控制数值模拟程序运行,直至达到设定的运行次数时退出;
所述步骤2中的生成血液组织的部分参数满足通过计算可得到血液参数,包括血红蛋白浓度、氧合血红蛋白占总血红蛋白的质量比、脱氧血红蛋白占总血红蛋白质量比和血浆浓度以及它们对应的摩尔浓度;
所述步骤3中设定的数值仿真程序的血液参数包括血液密度、血红蛋白占血液质量百分数;得到的血氧测定需要的参数包括血红蛋白浓度、氧合血红蛋白摩尔浓度、氧合血红蛋白占总血红蛋白质量比、脱氧血红蛋白摩尔浓度、氧合血红蛋白占总血红蛋白质量比、血红蛋白总摩尔浓度以及氧饱和度;
所述步骤4中设定的生物组织参数包括密度、浓度、光学参数,血液参数根据步骤2或步骤3产生的参数计算设定;
所述步骤4中,具体的仿真方法包括理论计算,对于理论计算,具体为根据比尔定律计算,公式如下:
其中ε(λ)i是波长为λ时i种物质的吸光系数,Ci是i种物质的浓度,li是第i种物质对应的光程,I为通量值,I0为初始的通量值,输运过程通过辐射传输方程和扩散理论解析或近似;
所述步骤6计算得到透射或反射能谱,具体公式如下:
其中Statistics()表示对数据集以E_step的能量间隔做统计,{in_Ei}表示初始光子的能量数据集,{out_Ej}表示透射或反射光子的能量数据集。
2.如权利要求1所述的一种用于血氧测定模型的训练数据集自动生成方法,其特征在于:所述步骤2具体为,先设定满足要求的各血液组织的参数的范围,再通过随机数发生器在各血液组织的参数的范围内生成各血液组织的参数,具体采用均匀抽样分布产生血液组织的参数。
3.一种用于血氧测定模型的训练数据集自动生成装置,其特征在于:所述装置包括存储器和一个或多个处理器,所述存储器中存储有可执行代码,所述一个或多个处理器执行所述可执行代码时,用于实现权利要求1-2任一项所述用于血氧测定模型的训练数据集自动生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211545394.XA CN116168842B (zh) | 2022-12-05 | 2022-12-05 | 一种用于血氧测定模型的训练数据集自动生成方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211545394.XA CN116168842B (zh) | 2022-12-05 | 2022-12-05 | 一种用于血氧测定模型的训练数据集自动生成方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116168842A CN116168842A (zh) | 2023-05-26 |
CN116168842B true CN116168842B (zh) | 2023-08-08 |
Family
ID=86420843
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211545394.XA Active CN116168842B (zh) | 2022-12-05 | 2022-12-05 | 一种用于血氧测定模型的训练数据集自动生成方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116168842B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005007215A2 (en) * | 2003-07-09 | 2005-01-27 | Glucolight Corporation | Method and apparatus for tissue oximetry |
CN101526465A (zh) * | 2009-04-22 | 2009-09-09 | 天津大学 | 快速多波长组织光学参数测量装置及反构方法 |
CN102389314A (zh) * | 2011-12-13 | 2012-03-28 | 秦皇岛市康泰医学系统有限公司 | 一种分离式脉搏血氧仿真系统 |
CN112137624A (zh) * | 2019-06-26 | 2020-12-29 | 凤凰电机公司 | 血氧饱和度的测定方法 |
TW202126259A (zh) * | 2020-01-08 | 2021-07-16 | 奇美醫療財團法人奇美醫院 | 智能血氧監測方法、裝置、系統、程式產品及根據血氧狀態評估心肺功能之方法 |
WO2022067125A1 (en) * | 2020-09-24 | 2022-03-31 | Raydiant Oximetry, Inc. | Systems, devices, and methods for developing a fetal oximetry model for use to determine a fetal oximetry value |
CN115062359A (zh) * | 2022-04-24 | 2022-09-16 | 上海交通大学 | 非接触实时血氧成像用滤光片光谱响应设计方法、滤光片 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10638979B2 (en) * | 2017-07-10 | 2020-05-05 | Glysens Incorporated | Analyte sensor data evaluation and error reduction apparatus and methods |
US11583212B2 (en) * | 2019-06-17 | 2023-02-21 | Robert Ricky Steuer | Method and apparatus for non-invasive photometric blood constituent diagnosis |
US20210259596A1 (en) * | 2020-02-24 | 2021-08-26 | Chimei Medical Center | Smart oximetry method, system thereof and method for assessing cardiovascular function based on blood oxygen state |
US20210228161A1 (en) * | 2021-03-18 | 2021-07-29 | Wellness Allied Inc | Tissue hemoglobin measuring instrument and tomographic reconstruction method for oxyhemoglobin/deoxyhemoglobin concentrations |
-
2022
- 2022-12-05 CN CN202211545394.XA patent/CN116168842B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005007215A2 (en) * | 2003-07-09 | 2005-01-27 | Glucolight Corporation | Method and apparatus for tissue oximetry |
CN101526465A (zh) * | 2009-04-22 | 2009-09-09 | 天津大学 | 快速多波长组织光学参数测量装置及反构方法 |
CN102389314A (zh) * | 2011-12-13 | 2012-03-28 | 秦皇岛市康泰医学系统有限公司 | 一种分离式脉搏血氧仿真系统 |
CN112137624A (zh) * | 2019-06-26 | 2020-12-29 | 凤凰电机公司 | 血氧饱和度的测定方法 |
TW202126259A (zh) * | 2020-01-08 | 2021-07-16 | 奇美醫療財團法人奇美醫院 | 智能血氧監測方法、裝置、系統、程式產品及根據血氧狀態評估心肺功能之方法 |
WO2022067125A1 (en) * | 2020-09-24 | 2022-03-31 | Raydiant Oximetry, Inc. | Systems, devices, and methods for developing a fetal oximetry model for use to determine a fetal oximetry value |
CN115062359A (zh) * | 2022-04-24 | 2022-09-16 | 上海交通大学 | 非接触实时血氧成像用滤光片光谱响应设计方法、滤光片 |
Non-Patent Citations (1)
Title |
---|
CMR-based blood oximetry via multi- parametric estimation using multiple T2 measurements;Juliet Varghese et al;《 Journal of Cardiovascular Magnetic Resonance 》;第1-14页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116168842A (zh) | 2023-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10136819B2 (en) | Short-wave infrared super-continuum lasers and similar light sources for imaging applications | |
CN110123339B (zh) | 一种无创血糖测量装置与方法 | |
US9949675B2 (en) | Noninvasive blood measurement platform | |
CN107205624A (zh) | 用于组织分类的反射式多光谱时间分辨光学成像方法和装备 | |
EP3678545A1 (en) | Method and apparatus for non-invasive glucose measurement | |
CN104224197A (zh) | 双波长光电容积脉搏波特征量的动脉血氧饱和度计算方法 | |
CN106456069A (zh) | 用于促进非侵入性、非穿刺性血液血红蛋白监测的装置及机制 | |
CN109924987A (zh) | 反射式血氧仪的标定方法、系统和可读存储介质 | |
Yu et al. | In-vivo monitoring of tissue oxygen saturation in deep brain structures using a single fiber optical system | |
US20230172565A1 (en) | Systems, devices, and methods for developing a model for use when performing oximetry and/or pulse oximetry and systems, devices, and methods for using a fetal oximetry model to determine a fetal oximetry value | |
CN116168842B (zh) | 一种用于血氧测定模型的训练数据集自动生成方法和装置 | |
Haque et al. | Cuffless blood pressure estimation based on Monte Carlo simulation using photoplethysmography signals | |
Marin et al. | Noninvasive monitoring of dynamical processes in bruised human skin using diffuse reflectance spectroscopy and pulsed photothermal radiometry | |
Haque et al. | Noninvasive in vivo estimation of blood-glucose concentration by Monte Carlo Simulation | |
JP2013198576A (ja) | 皮膚色素濃度測定方法 | |
JP4586680B2 (ja) | 体内成分の定量分析用検量線の作成方法、および同検量線を用いた定量分析装置 | |
Zahra | Technological advancements to reduce the influence of absorption and scattering on the optical imaging | |
Kim et al. | Quantitative monitoring of tattoo contrast variations after 755-nm laser treatments in in vivo tattoo models | |
Timm et al. | Novel multi wavelength sensor concept to detect total hemoglobin concentration, methemoglobin and oxygen saturation | |
JP6183030B2 (ja) | 皮膚色素濃度測定方法 | |
Fine et al. | A Computational Modeling and Simulation Workflow to Investigate the Impact of Patient-Specific and Device Factors on Hemodynamic Measurements from Non-Invasive Photoplethysmography | |
JP5821436B2 (ja) | 皮膚色素濃度測定方法 | |
Verdecchia et al. | Investigation of the best model to characterize diffuse correlation spectroscopy measurements acquired directly on the brain | |
Cuervo-Soto et al. | MOCARTS: a lightweight radiation transport simulator for easy handling of complex sensing geometries | |
Jumadi et al. | Development of theoretical oxygen saturation calibration curve based on optical density ratio and optical simulation approach |
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 |