CN116687360A - 一种基于指标融合的血管内皮功能评估方法及系统 - Google Patents
一种基于指标融合的血管内皮功能评估方法及系统 Download PDFInfo
- Publication number
- CN116687360A CN116687360A CN202310937540.1A CN202310937540A CN116687360A CN 116687360 A CN116687360 A CN 116687360A CN 202310937540 A CN202310937540 A CN 202310937540A CN 116687360 A CN116687360 A CN 116687360A
- Authority
- CN
- China
- Prior art keywords
- index
- data
- endothelial function
- vascular endothelial
- evaluation
- 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
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000003845 vascular endothelial function Effects 0.000 title claims abstract description 56
- 230000004927 fusion Effects 0.000 title claims abstract description 18
- 238000011156 evaluation Methods 0.000 claims abstract description 66
- 238000013528 artificial neural network Methods 0.000 claims abstract description 25
- 238000005259 measurement Methods 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 19
- 230000008753 endothelial function Effects 0.000 claims abstract description 13
- 230000002093 peripheral effect Effects 0.000 claims abstract description 13
- 230000004872 arterial blood pressure Effects 0.000 claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 12
- 206010020565 Hyperaemia Diseases 0.000 claims description 11
- 208000022064 reactive hyperemia Diseases 0.000 claims description 11
- 230000006378 damage Effects 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 10
- 230000002792 vascular Effects 0.000 claims description 10
- 210000002321 radial artery Anatomy 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 7
- 230000000903 blocking effect Effects 0.000 claims description 5
- 230000017531 blood circulation Effects 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 238000006467 substitution reaction Methods 0.000 claims description 4
- 210000002889 endothelial cell Anatomy 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 15
- 238000000605 extraction Methods 0.000 abstract 1
- 239000004973 liquid crystal related substance Substances 0.000 description 8
- 230000003511 endothelial effect Effects 0.000 description 6
- 238000000691 measurement method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000000747 cardiac effect Effects 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 210000004204 blood vessel Anatomy 0.000 description 2
- 210000002302 brachial artery Anatomy 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000009532 heart rate measurement Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000000284 resting effect Effects 0.000 description 2
- 230000002889 sympathetic effect Effects 0.000 description 2
- 210000000707 wrist Anatomy 0.000 description 2
- 206010020751 Hypersensitivity Diseases 0.000 description 1
- 206010047139 Vasoconstriction Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 208000026935 allergic disease Diseases 0.000 description 1
- 230000007815 allergy Effects 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 238000002586 coronary angiography Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 230000006806 disease prevention Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000003989 endothelium vascular Anatomy 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 230000001404 mediated effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000008035 nerve activity Effects 0.000 description 1
- 230000001734 parasympathetic effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000009257 reactivity Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 230000006441 vascular event Effects 0.000 description 1
- 230000025033 vasoconstriction Effects 0.000 description 1
- 239000005526 vasoconstrictor agent Substances 0.000 description 1
Classifications
-
- 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
-
- 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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0499—Feedforward networks
-
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Artificial Intelligence (AREA)
- Theoretical Computer Science (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Signal Processing (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Animal Behavior & Ethology (AREA)
- Evolutionary Computation (AREA)
- Psychiatry (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Cardiology (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明涉及一种基于指标融合的血管内皮功能评估方法及系统。在脉搏信号采集模块,采用外周动脉压力法,进行双臂同时测量。数据处理分析模块是对记录的脉搏波数据进行信息提取和误差修正,其中将利用前馈神经网络进行误差补偿因子的计算,并利用误差补偿因子对原脉搏波数据进行调整。血管内皮功能评估模块将对新数据进行指标提取和血管内皮功能综合评估计算得血管内皮功能评估结果。本发明采用外周动脉压力法双臂测量方法,结合神经网络,避免现有内皮功能检测操作复杂、准确性低等问题,为无创血管内皮功能检测提供了一种快速测量,简单操作且结果准确的检测方法与装置。
Description
技术领域
本发明属于血管内皮功能检测医疗仪器领域,是一种基于指标融合的血管内皮功能评估方法及系统。
背景技术
血管内皮功能状态欠佳的背后隐藏众多疾病早期症状。由于血管内皮损伤可逆性,可通过及时了解血管内皮功能,从而避免血管不良事件,达到疾病预防的目的。所以,发明一种无创又快速提供精确结果且方便测量的血管内皮功能检测系统,可为疾病的诊疗提供巨大帮助。
当前血管内皮功能检测方法中,一般使用有创的冠脉造影法,该方法为血管内皮测量的“金标准”,虽准确性高,但操作复杂、有创、手术专业要求极高且有造影剂过敏风险。无创方法主要为利用超声检测血管内径变化的FMD(Flow Mediated Dilation)方法,虽避免手术,但因操作复杂且专业性要求高、成本高、准确度不高导致该方法应用受限。
为此研究了一种基于外周动脉压力法(PAT,Peripheral Artery Tonometry)的线性和非线性指标融合的血管内皮功能评估系统。采用双臂对照的无创PAT脉搏测量法,经过神经网络矫正误差,融合线性与非线性指标参量,达到快速测量、操作简单且结果能够准确评估血管内皮功能的目的。
发明内容
本发明为避免现有技术存在的不足之处,提出一种基于指标融合的血管内皮功能评估方法及系统,专注研究对精确度的提高与评估结果的综合性,从而指导用户及时了解血管内皮功能状态。
本发明为解决技术问题采用如下技术方案:
本发明提出一种基于指标融合的血管内皮功能评估方法,包括以下步骤:
步骤1.首先通过外周动脉压力法,于双臂桡动脉处实时采集脉搏波数据;
步骤2.数据经除噪后,对数据进行归一化处理,得到归一化后的数据,作为前馈神经网络的输入;
步骤3.建立前馈神经网络,输入归一化后的数据,计算误差补偿因子,并对归一化后的数据进行误差修正;
步骤4.对误差修正后的数据分别提取三项线性指标:PAT-RHI指标,指标,/>指标及三项非线性指标:庞加莱/>指标,庞加莱/>指标,庞加莱SSR指标;
步骤5.将上述各项指标输入由最小二乘法计算得到的指标拟合方程中,得到综合评价指标;
步骤6.根据综合评价指标及血管内皮功能分级评估范围标准对用户血管内皮功能进行评估。
进一步,在步骤1中,外周动脉压力法基于血管反应性充血,于双臂桡动脉处实时采集脉搏波数据;其中,左手臂作为测试手臂,分别经历束臂不加压、加压阻断血流、卸压反应性充血三个阶段,右手臂作为对照手臂,在此期间同时测量并不进行任何压力处理。
进一步,步骤2的具体实现方法为:
一次测量得到一组脉搏波数据,在对数据通过滤波操作初步除噪后,将数据进行归一化处理,得到归一化后的数据:
。
进一步,步骤3具体步骤包括:
(1)建立前馈神经网络,由输入层、隐层,输出层顺序组成,且输入层与隐层,隐层与输出层之间均有权值连接;
(2)将一次测量得到的经归一化处理后的数据作为前馈神经网络输入层;
(3)前馈神经网络计算输出该次测量的误差补偿因子;
(4)将误差补偿因子与原始脉搏波数据加和,得到误差补偿后的数据。
进一步,步骤4具体包括:
(1)提取三项线性指标,分别为PAT-RHI指标,指标,/>指标;
(2)提取三项非线性指标,分别为庞加莱指标,庞加莱/>指标,庞加莱SSR指标。
进一步,步骤5包括以下步骤:
(1)将各指标输入指标拟合方程中,由/>计算得到并输出综合评价指标S;
(2)根据综合评价指标S,对照血管内皮功能分级评估表,得出血管内皮功能情况;
其中,以上所述指标拟合方程具体包括:
将上述各指标输入指标拟合方程中,由/>计算得到并输出综合评价指标S;具体步骤为:
(1)通过最小二乘法计算得到中指标/>与输出评价指标S之间具有最优拟合曲线的拟合方程预设参数A;计算具体的方法为:
①设指标拟合方程为,矩阵表示为/>;
其中,指标θ样本数据为n×m维矩阵,即n组指标样本,每组样本有m维特征;A表示拟合方程预设参数,为m×1维矩阵;
②利用线性平方差计算已知的观测量Y与模型预测值之间的损失函数:
,
其中,Y为已知的观测量,维度为n×1;
③对损失函数求偏导得到:
,解得:
,
④代入指标θ样本数据和观测量Y即可求解拟合方程预设参数A,得到指标拟合方程;
(2)已知求解得到的指标拟合方程后,输入一组n×m维的指标/>矩阵,输出得到一维综合评价指标S。
进一步,所述步骤6中:通过实验得出人体血管内皮功能综合评价指标S分级评估范围为:
若0<S<1.67,评价结果为正常,则内皮功能健康;
若1.67<S<2.23,评价结果为三级损失,则内皮功能欠佳;
若2.23<S<2.89,评价结果为二级损伤,则内皮功能受损较为严重;
若S>2.89,评价结果为一级损伤,则内皮功能受损严重。
本发明还提出一种基于指标融合的血管内皮功能评估系统,该评估系统包括:
脉搏信号采集模块、数据处理分析模块、血管内皮功能评估模块:
所述脉搏信号采集模块用于采集由外周动脉压力法得到的脉搏波数据,并输出脉搏波数据,提供给数据处理分析模块;
所述数据处理分析模块用于对记录的脉搏波数据进行信息提取和误差修正,并输出误差修正后的数据,提供给血管内皮功能评估模块;
所述血管内皮功能评估模块用于对误差修正后的数据进行线性和非线性指标提取,并利用指标进行血管内皮功能综合评估。
与已有技术相比,本发明的有益效果在于:
本发明提供一套完整的血管内皮功能检测仪器,从基于PAT测量方法的信号采集模块,到误差补偿的信号处理模块以及多源信息融合的信号分析模块,各个模块相互协调实现人体血管内皮系统功能的综合分级评估,从而使用户及时了解到自己血管内皮状态。
本发明集成信号处理模块和信号分析模块,通过了有效可靠性检测,方便对用户进行血管内皮功能检测,并无创、自助、操作方便,解决了当下血管内皮测量方法操作复杂,专业性要求高,缺乏普适性的问题。
本发明充分考虑用户各种疾病及人体因素影响,通过多源信息参量融合综合评估,同时参考直接由脉搏波信号计算获得的PAT-RHI线性参量指标,以及根据信号绘制庞加莱图并计算该绘制图像的长短轴标准差非线性参量指标,/>,SSD,不仅局限于脉搏波体现的用户信息,也从脉率及神经角度综合分析影响,经过融合得到综合评价体系S。
本发明操作简单,无需专业性技术,因其简便高效的内部实现方法以达到快速测量、简单操作、结果准备的效果。
本发明可远程获取用户信息,进行实时医患交互,检测结果可上传至用户信息库,用户可登陆平台查看历史测量数据,医生及负责人员可查看用户信息,有效增强了医患交互,增强用户粘性。
附图说明
图1是本发明中一种基于指标融合的血管内皮功能评估方法示意图。
图2是本发明中建立血管内皮功能综合评估模型流程图。
具体实施方式
下面将结合本发明实例中的附图,对本发明实施例中的技术方案进行清楚完整的解释和说明。
本发明实例提供了一种基于指标融合的血管内皮功能评估系统,其是一种基于PAT的线性和非线性指标融合的血管内皮功能评估系统,其评估方法如图1所示,有助于更好的测量处理脉搏信号,提高结果的精确度。其组成包括:脉搏信号采集模块、数据处理分析模块、血管内皮功能评估模块:
所述脉搏信号采集模块用于采集由PAT测量方法得到的脉搏波数据,并输出脉搏波数据,提供给数据处理分析模块;
所述数据处理分析模块用于对记录的脉搏波数据进行信息提取和误差修正,并输出误差修正后的新数据,提供给血管内皮功能评估模块;
所述血管内皮功能评估模块用于对误差修正后的新数据进行线性和非线性指标提取,并利用指标进行血管内皮功能综合评估。
进一步,评估方法的流程图如图2所示,包括:
步骤1.首先通过外周动脉压力法,于双臂桡动脉处实时采集脉搏波数据;
步骤2.数据经除噪后,对数据进行归一化处理,得到归一化后的数据,作为前馈神经网络的输入;
步骤3.建立前馈神经网络,输入归一化后的数据,计算误差补偿因子,并对归一化后的数据进行误差修正;
步骤4.对误差修正后的数据分别提取三项线性指标:PAT-RHI指标,指标,/>指标及三项非线性指标:庞加莱/>指标,庞加莱/>指标,庞加莱SSR指标;
步骤5.将上述各项指标输入由最小二乘法计算得到的指标拟合方程中,得到综合评价指标;
步骤6.根据综合评价指标及血管内皮功能分级评估范围标准对用户血管内皮功能进行评估。
其中,步骤1中,所述基于外周动脉压力法的测量方法包括:
外周动脉压力法PAT的测量方法是基于血管反应性充血,于双臂桡动脉处实时动态采集脉搏信号;其中,一只手臂分别经历正常,加压阻断,反应性充血三个阶段,另一边不进行任何操作,作为对照处理,具体实现方法为:
①以使用者在使用过程中的健康舒适要求为基准,根据脉搏信号波的波形检测单元实时检测其振动波的振幅信号;
②根据预设的测量时间与压力阈值,决定压力控制单元的充气与卸压时间及压力大小;
③对压力前后全阶段脉搏波形实时显示。
步骤2中,其具体包括:
以一次测量所得的一组脉搏波数据为例,在对数据通过滤波等操作初步除噪后,将数据进行归一化处理,得到归一化后的数据:
,
步骤3中,其具体包括:
①建立前馈神经网络,由输入层、隐层,输出层顺序组成,且输入层与隐层,隐层与输出层之间均有权值连接;
人在一次测量中的每一个心动周期数据都对应相同的误差,故选择一次心动周期数据记为/>作为输入向量/>,误差/>作为输出向量/>。
一次测量中有N个心动周期,故对于该前馈神经网络,其输入量M=N,输出量P=1,隐层的节点数为I, 由此建立前馈神经网络。神经网络中每层的神经元分布由1到i表示,记为。
输入层与隐层的之间权值用表示, 隐层与输出层之间权值用/>表示;
隐层中第 i 个神经元的输出为:
,
输出层第 p 个神经元的输出为:
,
其中,, />分别为前馈神经网络隐层和输出层的激励函数。误差在反向传播过程中, 经过迭代逐层逐次的修改层级之间的权值,如下公式所述:
输入层和隐层节点之间迭代的权值为:
,
隐层与输出层节点之间迭代的权值为:
,
其中,是学习速率。
②将该次测量的归一化数据作为输入传入前馈神经网络输入层;
③前馈神经网络计算输出该次测量的误差补偿因子:
④将误差补偿因子与原数据加和,得到误差补偿后的新数据;
所述对于该神经网络的训练,有如下步骤:
①由专业医护人员进行束臂测量,该数据作为训练网络的标准数据;
②使用者在测量时得到的测量数据由神经网络进行拟合修正,得到该次测量的输出误差补偿因子;
③将测试手臂的数据与补偿因子结合,得到误差补偿后的修正数据;
④重复以上步骤直至结果训练准确。
步骤4中,其具体包括:
在修正数据中分别提取线性指标与非线性指标。
①根据补偿后的脉搏波信号数据,提取PAT-RHI线性指标;
②根据脉搏波信号,提取脉率信息,绘制庞加莱图像,计算庞加莱图短轴标准差参量,长轴标准差参量/>,标准差比值SSR,获得非线性指标。
其中,所述PAT-RHI指标的计算方法为:
分别测量左臂测试手臂反应性充血90-150s的平均PAT振幅,左臂基线周期的平均PAT 振幅,右臂对照手臂反应性充血90-150s的平均PAT振幅,右臂基线周期的平均PAT振幅,左臂阻断期间的平均PAT振幅;得到PAT-RHI指标、指标、/>指标分别如下:
PAT-RHI指标诊断公式结果:
;
其中:
A表示测试手臂反应性充血90-150s的平均PAT振幅;
B表示测试手臂基线周期的平均PAT 振幅;
C表示对照手臂反应性充血90-150s的平均PAT振幅;
D表示对照手臂基线周期的平均PAT振幅;
基线矫正因子一般取0.2276×In(闭塞基线振幅-0.2);
指标的计算方法为:
;
其中,表示袖带加压前和释压后指端脉搏波包络波形的相对幅值;式中:/>表示加压前静息幅度的均值;/>表示释压后冲高幅度的均值。
指标的计算方法为:
;
其中,表示袖带释压后包络波形冲高过程的斜率;式中:/>表示释压前的幅度;表示冲高幅度最大值所对应的时间;/>表示袖带释压时刻所对应的时间;
以上各项指标均反应了血管阻塞与反应性充血阶段各项信息。
所述非线性指标计算方法包括:
庞加莱图标准差指标的短轴标准差、长轴标准差/>,标准差比值SSR。提取血管静息状态下反应舒张收缩弹性特性等信息。具体计算方法包括:
记录的RR间期作为一个时间序列,将/>时序延迟一个单位得到/>;以/>为横坐标,/>为纵坐标,在二维坐标上画散点图,计算图像的平均值设为中心点,用包围的手法画出椭圆形,用该椭圆形覆盖的云状图就是庞加莱图。画出该椭圆的长轴与短轴,/>代表分布在短轴数据的标准差;/>代表分布在长轴上数据的标准差。
;
;
;
其中,var是方差计算,当越大,图形呈现越宽大,当/>越大,图形呈现越细长。庞加莱图的分布越接近左下角代表心率越快,越接近右上角则越慢,正常功能下分布应接近对角线,代表相邻心跳时间间隔越接近。
进一步地,该庞加莱图的结果表示:
若偏小,副交感神经活性降低,交感神经活性增强,血管舒张能力大于收缩能力。若/>偏小,主要与交感神经活性增加有关,体现血管收缩能力。通过SSR作为最终指标,能有效体现血管收缩舒张功能情况。
步骤5中,其包括:
①将各指标输入指标拟合方程中,由/>计算得到并输出综合评价指标S;
②根据综合评价指标S,对照血管内皮功能分级评估表,得出血管内皮功能情况;
其中,以上所述指标拟合方程具体包括:
通过最小二乘法计算得到中输入指标/>与输出评价指标S之间的最优拟合曲线方程的参数A:
(ⅰ)设线性拟合方程为,矩阵表示为;
其中训练样本数据为n×m维矩阵,即n组指标样本,每组样本包括以上所述的6个线性与非线性指标,即每组样本有m=6维特征。
A表示拟合方程预设参数,为m×1维(本发明中即6×1维)矩阵。
(ⅱ)利用线性平方差计算已知的观测量Y与模型预测值S’之间的损失函数:
;
其中,Y为已知观测量,维度为n×1。
(ⅲ)对平方差损失函数求偏导得到:
,解得:
;
(ⅳ)代入样本数据和观测量Y即可求解拟合方程参数A,得到线性拟合方程。
(ⅴ)已知求解得到的拟合方程后,输入一组n×6维的指标矩阵/>,输出得到一维标量评价值S。
步骤6中,其包括:
通过实验得出人体血管内皮功能综合评价指标S分级评估范围为:
若0<S<1.67,评价结果为正常,则内皮功能健康;
若1.67<S<2.23,评价结果为三级损失,则内皮功能欠佳;
若2.23<S<2.89,评价结果为二级损伤,则内皮功能受损较为严重;
若S>2.89,评价结果为一级损伤,则内皮功能受损严重。
下面详细描述本发明的基于PAT的血管内皮功能检测系统的具体工作原理与操作流程:
在进行测量前,患者尽量在24 h内少摄入油腻荤腥,保持心情愉快平稳。测量期间保持呼吸平稳均匀,手臂放松,平置于手臂支架或者桌子上,保持手臂以及身体处于静息状态,不要有大幅度动作,以免影响脉搏测量结果。由工作人员在双臂肱动脉处穿戴加压袖带,并保持固定。将压电传感器通过绑带绑于手腕桡动脉处,接通电源,连接计算机进行测试。
下面进行PAT的三个测量阶段,分别是基线阶段,闭塞阶段,反应性充血阶段,检测手臂经历完整三阶段,每个阶段各30s;对照手臂不加压,始终处于基线阶段。
具体地,本实施例的系统的使用过程为:
将传感器绑在桡动脉手腕处固定,连接血流阻断模块,连接计算机和信号处理模块。开主板电源,信号灯显示绿色,在串口调试界面调整好参数,传感器控制界面扫描显示接入相应传感器装置。串口输入1-100,对应不同速度的充气加压;输入0,则停止充气,开始卸压;一般输入速度40进行充气。整个测量过程显示脉搏实时波形,选择记录波形数据。
袖带未充气加压时测量10min。袖带充气阻塞肱动脉血流,再袖带放气,恢复压力,进行反应性充血测量。同时测量不做操作的对照手臂。将结果输入计算机中,经过数据处理,得出血管内皮综合评估值S,根据经验得到该患者的内皮健康情况。
综上所述,本发明通过PAT双臂测量方法,利用血管反应性充血原理,在桡动脉出进行脉搏检测;再利用人工神经网络补偿误差,大大减少了误差带来的影响;通过指标融合评估体系,得到评估血管内皮功能功能的综合指标,使血管内皮功能结果更加精确全面。本设计系统便捷方便,测量舒适,无创特性对人体无害,结果综合全面,准确性高可靠性高。
以上是对本发明的良好实施进行了具体说明,但本发明并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (8)
1.一种基于指标融合的血管内皮功能评估方法,其特征在于:包括以下步骤:
步骤1.首先通过外周动脉压力法,于双臂桡动脉处实时采集脉搏波数据;
步骤2.数据经除噪后,对数据进行归一化处理,得到归一化后的数据,作为前馈神经网络的输入;
步骤3.建立前馈神经网络,输入归一化后的数据,计算误差补偿因子,并对归一化后的数据进行误差修正;
步骤4.对误差修正后的数据分别提取三项线性指标:PAT-RHI指标,指标,/>指标及三项非线性指标:庞加莱/>指标,庞加莱/>指标,庞加莱SSR指标;
步骤5.将上述各项指标输入由最小二乘法计算得到的指标拟合方程中,得到综合评价指标;
步骤6.根据综合评价指标及血管内皮功能分级评估范围标准对用户血管内皮功能进行评估。
2.根据权利要求1所述的评估方法,其特征在于,在步骤1中,
外周动脉压力法基于血管反应性充血,于双臂桡动脉处实时采集脉搏波数据;其中,左手臂作为测试手臂,分别经历束臂不加压、加压阻断血流、卸压反应性充血三个阶段,右手臂作为对照手臂,在此期间同时测量并不进行任何压力处理。
3.根据权利要求1所述的评估方法,其特征在于,步骤2的具体实现方法为:
一次测量得到一组脉搏波数据,在对数据通过滤波操作初步除噪后,将数据进行归一化处理,得到归一化后的数据:
。
4.根据权利要求1所述的评估方法,其特征在于,步骤3具体步骤包括:
(1)建立前馈神经网络,由输入层、隐层和输出层顺序组成,且输入层与隐层,隐层与输出层之间均有权值连接;
(2)将一次测量得到的经归一化处理后的数据作为前馈神经网络输入层;
(3)前馈神经网络计算输出该次测量的误差补偿因子;
(4)将误差补偿因子与原始脉搏波数据加和,得到误差补偿后的数据。
5.根据权利要求1所述的评估方法,其特征在于,步骤4具体包括:
(1)提取三项线性指标,分别为PAT-RHI指标,指标,/>指标;
(2)提取三项非线性指标,分别为庞加莱指标,庞加莱/>指标,庞加莱SSR指标。
6.根据权利要求1所述的评估方法,其特征在于,步骤5的具体实现方式为:
将上述各指标输入指标拟合方程中,由/>计算得到并输出综合评价指标S;具体步骤为:
(1)通过最小二乘法计算得到中指标/>与输出评价指标S之间具有最优拟合曲线的拟合方程预设参数A;计算具体的方法为:
①设指标拟合方程为,矩阵表示为;
其中,指标样本数据为n×m维矩阵,即n组指标样本,每组样本有m维特征;A表示拟合方程预设参数,为m×1维矩阵;
②利用线性平方差计算已知的观测量Y与模型预测值之间的损失函数:
;
其中,Y为已知的观测量,维度为n×1;
③对损失函数求偏导得到:
,解得:
;
④代入指标样本数据和观测量Y即可求解拟合方程预设参数A,得到指标拟合方程;
(2)已知求解得到的指标拟合方程后,输入一组n×m维的指标/>矩阵,输出得到一维综合评价指标S。
7.根据权利要求1所述的评估方法,其特征在于,所述步骤6中:
通过实验得出人体血管内皮功能综合评价指标S分级评估范围为:
若0<S<1.67,评价结果为正常,则内皮功能健康;
若1.67<S<2.23,评价结果为三级损失,则内皮功能欠佳;
若2.23<S<2.89,评价结果为二级损伤,则内皮功能受损较为严重;
若S>2.89,评价结果为一级损伤,则内皮功能受损严重。
8.一种基于指标融合的血管内皮功能评估系统,其特征在于,该评估系统包括:
脉搏信号采集模块、数据处理分析模块、血管内皮功能评估模块:
所述脉搏信号采集模块用于采集由外周动脉压力法得到的脉搏波数据,并输出脉搏波数据,提供给数据处理分析模块;
所述数据处理分析模块用于对记录的脉搏波数据进行信息提取和误差修正,并输出误差修正后的数据,提供给血管内皮功能评估模块;
所述血管内皮功能评估模块用于对误差修正后的数据进行线性和非线性指标提取,并利用指标进行血管内皮功能综合评估。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310937540.1A CN116687360B (zh) | 2023-07-28 | 2023-07-28 | 一种基于指标融合的血管内皮功能评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310937540.1A CN116687360B (zh) | 2023-07-28 | 2023-07-28 | 一种基于指标融合的血管内皮功能评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116687360A true CN116687360A (zh) | 2023-09-05 |
CN116687360B CN116687360B (zh) | 2023-10-24 |
Family
ID=87826013
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310937540.1A Active CN116687360B (zh) | 2023-07-28 | 2023-07-28 | 一种基于指标融合的血管内皮功能评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116687360B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117995338A (zh) * | 2024-04-03 | 2024-05-07 | 中国科学院合肥物质科学研究院 | 一种基于语义分析的体检数据处理方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009000388A (ja) * | 2007-06-22 | 2009-01-08 | Parama Tec:Kk | 血管内皮機能測定装置 |
US20090264775A1 (en) * | 2008-04-18 | 2009-10-22 | Hsien-Tsai Wu | Blood vessel ageing index measuring and analyzing system, and measuring and analyzing method thereof |
CN103561639A (zh) * | 2011-05-31 | 2014-02-05 | 罗兹工业大学 | 评估血管内皮功能的方法和系统 |
US20150359437A1 (en) * | 2014-04-03 | 2015-12-17 | The Regents Of The University Of California | Assessing endothelial function using a blood pressure cuff |
CN105433985A (zh) * | 2015-12-17 | 2016-03-30 | 深圳前海圣晔尔医疗电子生物科技有限公司 | 基于fmd的血管内皮功能评估检测系统及方法 |
CN114173645A (zh) * | 2019-06-18 | 2022-03-11 | 生命解析公司 | 使用生物物理信号的动态分析来评估疾病的方法和系统 |
CN115137319A (zh) * | 2022-06-30 | 2022-10-04 | 中国科学院合肥物质科学研究院 | 一种皮肤微血管内皮功能检测设备及其检测方法 |
-
2023
- 2023-07-28 CN CN202310937540.1A patent/CN116687360B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009000388A (ja) * | 2007-06-22 | 2009-01-08 | Parama Tec:Kk | 血管内皮機能測定装置 |
US20090264775A1 (en) * | 2008-04-18 | 2009-10-22 | Hsien-Tsai Wu | Blood vessel ageing index measuring and analyzing system, and measuring and analyzing method thereof |
CN103561639A (zh) * | 2011-05-31 | 2014-02-05 | 罗兹工业大学 | 评估血管内皮功能的方法和系统 |
US20150359437A1 (en) * | 2014-04-03 | 2015-12-17 | The Regents Of The University Of California | Assessing endothelial function using a blood pressure cuff |
CN105433985A (zh) * | 2015-12-17 | 2016-03-30 | 深圳前海圣晔尔医疗电子生物科技有限公司 | 基于fmd的血管内皮功能评估检测系统及方法 |
CN114173645A (zh) * | 2019-06-18 | 2022-03-11 | 生命解析公司 | 使用生物物理信号的动态分析来评估疾病的方法和系统 |
CN115137319A (zh) * | 2022-06-30 | 2022-10-04 | 中国科学院合肥物质科学研究院 | 一种皮肤微血管内皮功能检测设备及其检测方法 |
Non-Patent Citations (2)
Title |
---|
WU, HT等: "Assessment of autonomic dysfunction in patients with type 2 diabetes using reactive hyperemia", 《JOURNAL OF THEORETICAL BIOLOGY》, vol. 330, pages 9 - 17, XP028555763, DOI: 10.1016/j.jtbi.2013.03.022 * |
胡炳,等: "基于PPG的便携式血管内皮功能检测系统的设计", 《电子测量技术》, vol. 43, no. 11, pages 22 - 28 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117995338A (zh) * | 2024-04-03 | 2024-05-07 | 中国科学院合肥物质科学研究院 | 一种基于语义分析的体检数据处理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116687360B (zh) | 2023-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106037694B (zh) | 一种基于脉搏波的连续血压测量装置 | |
US5101828A (en) | Methods and apparatus for nonivasive monitoring of dynamic cardiac performance | |
JP5984088B2 (ja) | 非侵襲的連続血圧モニタリング方法及び装置 | |
US6010457A (en) | Non-invasive determination of aortic flow velocity waveforms | |
Wu et al. | Arterial stiffness using radial arterial waveforms measured at the wrist as an indicator of diabetic control in the elderly | |
EP2334229B1 (en) | Evaluate aortic blood pressure waveform using an adaptive peripheral pressure transfer function. | |
CN116687360B (zh) | 一种基于指标融合的血管内皮功能评估方法及系统 | |
TWI429417B (zh) | Erectile function monitoring system and its monitoring method | |
Mieloszyk et al. | A comparison of wearable tonometry, photoplethysmography, and electrocardiography for cuffless measurement of blood pressure in an ambulatory setting | |
CN107411778A (zh) | 一种末梢血管血流调节功能的无创检测系统 | |
US20140316291A1 (en) | Measurement device, evaluating method, and evaluation program | |
JP4668421B2 (ja) | 被験者の心臓血管活動の連続的解析方法および装置 | |
CN104323761A (zh) | 一种基于红外热像技术的血管内皮功能检测装置及其检测方法 | |
EP0957756B1 (en) | Non-invasive determination of aortic flow velocity waveforms | |
Liu et al. | The underlying mechanism of intersite discrepancies in ejection time measurements from arterial waveforms and its validation in the Framingham Heart Study | |
Chen et al. | The effects of polycystic ovary syndrome on cardiovascular system in women of childbearing age | |
Zhang et al. | Reconstruction of continuous brachial arterial pressure from continuous finger arterial pressure using a two-level optimization strategy | |
Sharman et al. | Measurements of arterial pressure and flow in vivo | |
Anisimov et al. | Simultaneous registration of hemodynamic parameters during ortho-and anti-orthostatic loads | |
TW201505605A (zh) | 人體微循環評估系統 | |
Balestrieri et al. | Calibration of automated non invasive blood pressure measurement devices | |
CN112842295B (zh) | 一种动脉特征参数检测方法及动脉功能与结构检测方法 | |
Lee et al. | Palmar Arch (Allen’s) Test | |
Johnston et al. | Noninvasive measurement of systolic pressure slope: a reliable index of the presence of peripheral arterial occlusive disease | |
AU722135B2 (en) | Non-invasive determination of aortic flow velocity waveforms |
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 |