CN117243634B - 基于超声颈动脉血流的心脏骤停识别分析评判系统 - Google Patents

基于超声颈动脉血流的心脏骤停识别分析评判系统 Download PDF

Info

Publication number
CN117243634B
CN117243634B CN202311541146.2A CN202311541146A CN117243634B CN 117243634 B CN117243634 B CN 117243634B CN 202311541146 A CN202311541146 A CN 202311541146A CN 117243634 B CN117243634 B CN 117243634B
Authority
CN
China
Prior art keywords
blood flow
module
cardiopulmonary resuscitation
risk
curve
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
Application number
CN202311541146.2A
Other languages
English (en)
Other versions
CN117243634A (zh
Inventor
秦瑶
吕立文
尹万红
赵利灿
周然
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
West China Hospital of Sichuan University
Original Assignee
West China Hospital of Sichuan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by West China Hospital of Sichuan University filed Critical West China Hospital of Sichuan University
Priority to CN202311541146.2A priority Critical patent/CN117243634B/zh
Publication of CN117243634A publication Critical patent/CN117243634A/zh
Application granted granted Critical
Publication of CN117243634B publication Critical patent/CN117243634B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/06—Measuring blood flow
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/42—Details of probe positioning or probe attachment to the patient
    • A61B8/4209—Details of probe positioning or probe attachment to the patient by using holders, e.g. positioning frames
    • A61B8/4236—Details of probe positioning or probe attachment to the patient by using holders, e.g. positioning frames characterised by adhesive patches
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/46—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient
    • A61B8/461—Displaying means of special interest
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Veterinary Medicine (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Hematology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

本发明公开了一种基于超声颈动脉血流的心脏骤停识别分析评判系统，涉及医学图像处理技术领域。图像获取模块采集患者超声颈动脉血流频谱图像，自动识别模块为预先训练好的模型，其对患者超声颈动脉血流频谱图像进行自动识别，识别结果包括收缩期血流峰速度、舒张末期血流速度、血流频谱曲线下面积、曲线上升斜率、曲线下降斜率和阻力指数，综合分析风险分级模块根据识别的血流参数对患者心脏骤停严重程度进行风险分级，心肺复苏质量评价模块根据识别的血流参数对心肺复苏质量进行评价，预警模块提供相关预警警示，诊疗建议模块生成诊疗建议和心脏骤停原因，实现人工智能识别心跳骤停的原因、预警并实时评估复苏质量。

Description

基于超声颈动脉血流的心脏骤停识别分析评判系统
技术领域
本发明涉及医学图像处理技术领域，更具体地说涉及一种基于人工智能的超声颈动脉血流的心脏骤停快速识别、原因分析及心脏按压质量评判系统。
背景技术
心脏骤停是严重威胁人民群众生命健康的重大公共卫生问题，致残、致死率高，高质量的心肺复苏可有效提高心肺复苏成功率，改善患者的救治结局。高质量心肺复苏的前提是快速、高效的识别心脏骤停，以及心肺复苏过程中确保每一次胸外心脏按压达到复苏要求，以保证足够的心输出量。
颈动脉搏动是目前判断心脏骤停的主要方式之一，但是欧洲复苏理事协会的报告显示，急救人员在10秒钟之内识别颈动脉搏动消失的正确率仅为60%，医护人员判断颈动脉的经验、触摸颈动脉位置、紧张情绪、患者颈动脉搏动微弱、体型肥胖、颈项过短、水肿、心率过慢等因素，均有可能导致医护人员对颈动脉搏动判断不准确，而导致对患者实施CPR（心肺复苏术）的启动时间延迟。在按压过程中，按压质量受各种因素的影响，按压深度、按压部位也会有差异，而目前对按压的质量的评估手段有限。
现有研究证实，与传统评估颈动脉搏动的方式相比，CPR过程中超声监测和评估颈动脉搏动可有效缩短心脏骤停的评估时间。且现已有颈动脉频谱粘贴式探头，可动态采集颈动脉血流频谱，但不能自动识别心跳骤停和评价心肺复苏的质量。
发明内容
为了克服上述现有技术中存在的缺陷，本发明公开了一种基于超声颈动脉血流的心脏骤停识别分析评判系统，本发明的目的是解决现有技术中没有与超声监测相结合、不能自动识别心跳骤停和评价心肺复苏的质量的问题。
为了实现以上目的，本发明采用的技术方案：
一种基于超声颈动脉血流的心脏骤停识别分析评判系统，包括图像获取模块、自动识别模块、综合分析风险分级模块、预警模块、诊疗建议模块和心肺复苏质量评价模块，具体如下：
1、图像获取模块
所述图像获取模块，采集患者疑似心脏骤停以及心肺复苏过程中的超声颈动脉血流频谱图像并将其发送至自动识别模块；
优选的，所述图像获取模块包括贴片式血管超声探头和含心电识别功能的便携超声显示设备，所述贴片式血管超声探头和便携超声显示设备连接，贴片式血管超声探头粘贴于患者颈动脉搏动位置，采集患者的超声颈动脉血流频谱信息，并将采集的超声颈动脉血流频谱信息发送至所述便携超声显示设备，所述便携超声显示设备以图像的形式显示采集的信息。
现有技术中，普通血管探头设备较大，采集图像时，需检查者手持探头进行监测，如需实时监测，需专人持探头进行检查，且在心肺复苏过程中，头颈部需进行建立人工气道、保持体位、观察呼吸等，检查者占用抢救空间，可实施性差。若不实时监测，便不能持续监测心肺复苏的效果，间断检查会导致抢救中断，影响抢救效果。贴片式探头，可规避上述风险，能通过便携、实时、持续监测颈动脉频谱实现对心跳骤停的判断和复苏质量的评价，同时，贴片式探头也可避免对人力和空间的占用，有助于心肺复苏的实施。但现有的粘贴式探头设备，可以结合颈动脉频谱进行实时的采集，但不能对频谱进行人工智能的分析和决策。
本发明中，对于贴片式血管超声探头，对现有的血管超声探头进行粘贴式改进，探头粘贴于患者甲状软骨水平、胸锁乳突肌内侧，即颈动脉搏动的体表位置处。探头将自动识别颈动脉并进行颈动脉血流频谱采集，采集的频谱图像实时传输至便携超声显示设备显示，便携超声显示设备含心电识别功能。
2、自动识别模块
所述自动识别模块，与所述图像获取模块连接，对超声颈动脉血流频谱图像进行识别与处理，得到相关血流参数并将其发送至综合分析风险分级模块和心肺复苏质量评价模块；
优选的，所述相关血流参数包括收缩期血流峰速度、舒张末期血流速度、血流频谱曲线下面积、曲线上升斜率、曲线下降斜率和阻力指数。
以上各个血流参数具体如下：
收缩期血流峰速度是指颈动脉在心脏收缩时的最快速度。将其用于血流参数是因为在血管无明显结构异常时，可客观呈现心律和心脏输出状态。
舒张末期血流速度是指颈动脉在心脏舒张末期时的速度。将其用于血流参数是因为在血管无明显结构异常时，可客观呈现心律和心脏输出状态。
血流频谱曲线下面积是指根据颈动脉频谱的边界描记的速度时间积分，在设定时间段内从颈动脉连续多个心动周期对应的动脉频谱中测出颈动脉血流速度时间积分VTI，结合颈动脉横截面积CSA，计算出外周动脉前向血流量VTI*CSA。将其用于血流参数是因为其可通过评价颈动脉的血流量判断心输出量。
曲线上升斜率是指血流速度上升过程中，速度差和时间差的比值。将其用于血流参数是因为其可评估颈动脉的血管阻力。其具体的计算公式为：
。
曲线下降斜率是指血流速度下降过程中，速度差和时间差的比值。将其用于血流参数是因为其可评估颈动脉的血管阻力。其具体的计算公式为：
。
阻力指数是指通过颈动脉血流速度计算出的代表血管阻力的参数。将其用于血流参数是因为在血管无明显结构异常时，其可对血管阻力进行评估。其具体的计算公式为：
。
3、综合分析风险分级模块
所述综合分析风险分级模块，与所述自动识别模块连接，根据相关血流参数，辅助判断颈动脉搏动情况和血流状态，并对患者心脏骤停进行识别、严重程度进行风险分级，并将相应的风险等级发送至预警模块；
本发明中，根据收缩期血流峰速度、舒张末期血流速度、血流频谱曲线下面积、曲线上升斜率、曲线下降斜率和阻力指数六个参数，对患者严重程度进行风险分级的具体方法为：
一级风险：包括收缩期和舒张期均有血流，但较正常值低30%以内但不包括30%或者血流频谱不规律，心输出量较正常值下降30%以内但不包括30%，曲线上升斜率、曲线下降斜率较正常值降低30%以内但不包括30%，阻力指数较正常值升高30%以内但不包括30%，表示有心脏输出，需实时监测颈动脉频谱，并筛查心输出量减少的原因；
二级风险：包括收缩期和舒张期均有血流，但较正常值低30%-50%或血流频谱不规律，心输出量较正常值下降30%-50%，曲线上升斜率、曲线下降斜率较正常值降低30%-50%，阻力指数较正常值升高30%-50%，表示有心脏输出，但较正常心脏输出明显减少，需立即对心脏功能进行专科评估，必要时予以干预；
三级风险：包括存在只有收缩期血流，无舒张期血流或者血流频谱不规律，心输出量较正常值低50%以上但不包括50%，曲线上升斜率、曲线下降斜率较正常值低50%以上但不包括50%，阻力指数等于1，表示有心脏输出，但是存在严重心输出量不足的表现，因舒张期无心脏输出，冠状动脉供血不足，会导致心肌进一步缺血，随时可能发生心跳骤停，需进一步评估心脏功能并进行干预，需密切关注颈动脉血流频谱；
四级风险：包括收缩期和舒张期均无血流，曲线上升斜率、曲线下降斜率及阻力指数测不出，表示患者心脏无有效搏出，已发生心跳骤停，需立即进行心肺复苏及相应抢救措施。
优选的，所述自动识别模块和综合分析风险分级模块均采用机器学习的方式进行数据处理，其机器学习包括：
贴片式血管超声探头采集患者的超声颈动脉血流频谱信息并将其发送至便携超声显示设备，有资质的医师对便携超声显示设备上的颈动脉血流频谱边界进行标记，并计算收缩期血流峰速度、舒张末期血流速度、血流频谱曲线下面积、曲线上升斜率、曲线下降斜率和阻力指数；
自动识别模块对照人工标记的频谱图片和原图进行机器学习，自动识别颈动脉血流频谱，自动计算收缩期血流峰速度、舒张末期血流速度、血流频谱曲线下面积、曲线上升斜率、曲线下降斜率和阻力指数；
综合分析风险分级模块根据计算后的数据，对患者心脏骤停严重程度进行风险分级；
对机器学习的效果进行专家审核，并采用校正算法对机器学习进行校正，形成颈动脉血流频谱自动识别的自动识别模块和心脏骤停严重程度自动分级的综合分析风险分级模块。
本发明中，对于机器学习，可为现有技术中常规的机器学习方法，比如CNN图像分类，通过对视频减帧、切割，设置感兴趣区域，提取出想要的图像。同理校正算法也可采用现有技术中的校正算法。本发明的主要创新点，并不是机器学习和相关算法的研究，其均可采用现有技术。
优选的，所述自动识别模块和综合分析风险分级模块均采用机器学习的方式进行数据处理，所述机器学习包括正常颈动脉血流频谱学习，所述正常颈动脉血流频谱学习包括：
收集健康志愿者颈动脉血流频谱用于机器学习，训练机器识别正常血流频谱，并自动生成收缩期血流峰速度、舒张末期血流速度、血流频谱曲线下面积、曲线上升斜率、曲线下降斜率和阻力指数参数；通过专家审核，校验正常颈动脉血流学习参数的准确性。
优选的，所述自动识别模块和综合分析风险分级模块均采用机器学习的方式进行数据处理，所述机器学习包括异常颈动脉血流频谱学习及警报，所述异常颈动脉血流频谱学习及警报包括：
收集临床异常颈动脉血流频谱用于机器学习，训练机器识别异常颈动脉血流频谱，并根据收缩期血流峰速度、舒张末期血流速度、血流频谱曲线下面积、曲线上升斜率、曲线下降斜率和阻力指数参数的异常情况，自动识别患者的心跳状态，自动识别并进行根据频谱严重程度分级，并与专家识别结果和严重程度分级进行比对，检验异常颈动脉血流的识别与严重程度分级的准确性。
4、预警模块
所述预警模块，与所述综合分析风险分级模块和心肺复苏质量评价模块连接，根据综合分析风险分级模块发送的风险等级进行预警警示，并将相应的风险等级预警警示发送至诊疗建议模块；根据心肺复苏质量评价模块发送的心肺复苏质量评价结果进行预警警示，并将相应的心肺复苏质量预警警示发送至诊疗建议模块；
优选的，所述预警模块包括绿、蓝、黄、红四种颜色的提示灯，分别与综合分析风险分级模块输出的一级风险、二级风险、三级风险、四级风险对应，同时分别与心肺复苏质量评价模块输出的心肺复苏按压有效、心肺复苏按压效果一级差、心肺复苏按压效果二级差和心肺复苏按压无效对应。
本发明中，预警模块中设置有绿、蓝、黄、红四种颜色的提示灯，绿灯亮时表示一级风险、心肺复苏按压有效，蓝灯亮时表示二级风险、心肺复苏按压效果一级差，黄灯亮时表示三级风险、心肺复苏按压效果二级差，红灯亮时表示四级风险、心肺复苏按压无效，以提醒相关人员。
5、诊疗建议模块
所述诊疗建议模块，与所述预警模块连接，根据风险等级预警警示，生成心脏诊疗建议和心脏骤停原因并输出；当风险等级预警警示为最高等级时，将心肺复苏质量评价触发信号发送至心肺复苏质量评价模块；根据心肺复苏质量预警警示，生成心肺复苏诊疗建议并输出；
本发明中，诊疗建议模块生成心脏诊疗建议、心肺复苏诊疗建议、心脏骤停原因并输出，以供医生参考，减轻医生的工作量。
例如，当一级风险时，表示有心脏输出，需实时监测颈动脉频谱，并筛查心输出量减少的原因；二级风险时，表示有心脏输出，但较正常心脏输出明显减少，需立即对心脏功能进行专科评估，必要时予以干预；三级风险时，表示有心脏输出，但是存在严重心输出量不足的表现，因舒张期心脏无输出，冠状动脉供血不足，会导致心肌进一步缺血，随时可能发生心跳骤停，需进一步评估心脏功能并进行干预，需密切关注颈动脉血流频谱；四级风险时，表示患者心脏无有效搏出，已发生心跳骤停，需立即进行心肺复苏及相应抢救措施。
心肺复苏按压有效时，表示有心脏输出，可满足基本灌注需求；心肺复苏按压效果一级差时，表示有心脏输出，但不能满足基本灌注需求，需要调整按压深度和速度；心肺复苏按压效果二级差时，表示有心脏输出，但心脏输出严重不足，心肺复苏按压效果二级差，需调整按压深度和速度；心肺复苏按压无效时，表示患者心脏无有效搏出，表明心肺复苏无效，需快速调整按压深度、速度或更换抢救人员。
优选的，所述心脏骤停原因包括心源性因素、严重低血容量因素、梗阻因素、分布性因素、心律失常因素、内环境因素。
本发明中，对于心脏骤停原因分析，当患者出现预警风险四级时，除立即进行心肺复苏之外，需同步完善心脏超声（经胸超声或者经食道超声）、血气监测等快速检测，在避免心跳骤停带来的死亡或者不可逆脏器功能损伤的同时，通过上述快速评估识别心跳骤停的原因，有且不限于心源性因素（急性大面积心肌梗死、急性心功能衰竭），随即需进行纠正心功能衰竭、PCI、心脏辅助装置安置等治疗；严重低血容量因素，需快速建立通道，并进行液体复苏；梗阻因素，如大面肺栓塞导致的右心梗阻、心包填塞等，需立即解除梗阻，如溶栓、心包穿刺等；分布性因素，需快速予以血管活性药物并明确病因；心律失常因素，患者发生恶性心律失常，有但不限于心室颤动、室上性心动过速等，导致心脏无有效输出，需立即进行电除颤、电复律及药物复律等；内环境因素，如严重酸中毒、严重低钾血症、高钾血症等，需立即进行纠正。
6、心肺复苏质量评价模块
所述心肺复苏质量评价模块，与所述自动识别模块和诊疗建议模块连接，接收诊疗建议模块发送的心肺复苏质量评价触发信号后，利用自动识别模块发送的相关血流参数，对心肺复苏质量进行评价，并将心肺复苏质量评价结果发送至预警模块。
本发明中，心肺复苏质量评价模块根据自动识别模块识别的收缩期血流峰速度、舒张末期血流速度、血流频谱曲线下面积、曲线上升斜率、曲线下降斜率和阻力指数六个参数，对心肺复苏质量评价的具体方法为：
心肺复苏按压有效：包括收缩期和舒张期均有血流，但较正常值低30%以内但不包括30%，心输出量较正常值下降30%以内但不包括30%，曲线上升斜率、曲线下降斜率较正常值降低30%以内但不包括30%，阻力指数较正常值升高30%以内但不包括30%，表示有心脏输出，可满足基本灌注需求；
心肺复苏按压效果一级差：包括收缩期和舒张期均有血流，但较正常值低30%-50%，心输出量较正常值下降30%-50%，曲线上升斜率、曲线下降斜率较正常值降低30%-50%，阻力指数较正常值升高30%-50%，表示有心脏输出，但不能满足基本灌注需求，需要调整按压深度和速度；
心肺复苏按压效果二级差：包括存在只有收缩期血流，无舒张期血流，心输出量较正常值低50%以上但不包括50%，曲线上升斜率、曲线下降斜率较正常值低50%以上但不包括50%，阻力指数等于1，表示有心脏输出，但心脏输出严重不足，心肺复苏按压效果二级差，需调整按压深度和速度；
心肺复苏按压无效：包括收缩期和舒张期均无血流，曲线上升斜率、曲线下降斜率及阻力指数测不出，表示患者心脏无有效搏出，表明心肺复苏无效，需快速调整按压深度、速度或更换抢救人员。
本发明中，对于心肺复苏质量评价模块，其在诊疗建议模块判断出存在四级风险时，需立即启动心肺复苏，在按压过程中，每一次按压是否产生足够的心脏输出可通过颈动脉频谱的上述测值进行评判，仍可通过绿、蓝、黄、红四种颜色的提示来进行判读和提醒。绿色代表按压有效，可提供满足基本灌注需求的心脏输出；蓝色代表按压有效，但不能满足基本灌注需求，需要调整按压深度和速度；黄色代表按压效果差，按压深度、速度可能需要进行调整；红色代表按压无效，需快速调整按压深度、速度或者更换抢救人员。
优选的，所述心脏骤停识别分析评判系统内置心肺复苏前评估路径和心肺复苏后评价路径，所述心肺复苏前评估路径触发所述心肺复苏后评价路径。
所述心肺复苏前评估路径包括：
①、图像获取模块采集患者疑似心脏骤停过程中的超声颈动脉血流频谱图像并将其发送至自动识别模块；
②、自动识别模块对超声颈动脉血流频谱图像进行识别与处理，得到相关血流参数并将其发送至综合分析风险分级模块；
③、综合分析风险分级模块根据相关血流参数，辅助判断颈动脉搏动情况和血流状态，并对患者心脏骤停进行识别、严重程度进行风险分级，并将相应的风险等级发送至预警模块；
④、预警模块根据综合分析风险分级模块发送的风险等级进行预警警示，并将相应的风险等级预警警示发送至诊疗建议模块；诊疗建议模块根据风险等级预警警示，生成心肺复苏前评估诊疗建议并输出。
所述心肺复苏后评价路径包括：
1、当风险等级预警警示为最高等级时，诊疗建议模块将心肺复苏质量评价触发信号发送至心肺复苏质量评价模块；
2、医护人员进行心肺复苏，同时心肺复苏质量评价模块将图像采集信号发送至图像获取模块；
3、图像获取模块根据图像采集信号，采集心肺复苏过程中的超声颈动脉血流频谱图像并将其发送至自动识别模块；
4、自动识别模块对超声颈动脉血流频谱图像进行识别与处理，得到相关血流参数并将其发送至心肺复苏质量评价模块；
5、心肺复苏质量评价模块利用自动识别模块发送的相关血流参数，对心肺复苏质量进行评价，并将心肺复苏质量评价结果发送至预警模块；
6、预警模块根据心肺复苏质量评价模块发送的心肺复苏质量评价结果进行预警警示，并将相应的心肺复苏质量预警警示发送至诊疗建议模块；诊疗建议模块根据心肺复苏质量预警警示，生成心肺复苏后诊疗建议。
本发明的有益效果：
1、本发明提供的心脏骤停识别分析评判系统，图像获取模块采集患者超声颈动脉血流频谱图像，自动识别模块为预先训练好的模型，其对患者超声颈动脉血流频谱图像进行自动识别，识别结果包括收缩期血流峰速度、舒张末期血流速度、血流频谱曲线下面积、曲线上升斜率、曲线下降斜率和阻力指数，综合分析风险分级模块根据识别的血流参数对患者心脏骤停严重程度进行风险分级，心肺复苏质量评价模块根据识别的血流参数对心肺复苏质量进行评价，预警模块提供相关预警警示，诊疗建议模块生成诊疗建议和心脏骤停原因，实现人工智能识别心跳骤停的原因、预警并实时评估复苏质量，其辅助医生对患者心脏骤停进行快速识别、分析和评判，一方面节约了诊断时间，提高了诊断效率，降低了患者的风险，另一方面也减轻了医生的工作量，提高诊疗质量。
2、本发明提供的心脏骤停识别分析评判系统，可通过辅助识别心跳骤停，快速识别心跳骤停，并通过预警提示医生启动心肺复苏，避免因个体经验不足、患者特殊情况以及客观条件限制导致的判读失误，延误心跳患者的抢救时机，从而最大限度的挽救患者生命。
3、本发明提供的心脏骤停识别分析评判系统，心肺过程中的实时颈动脉频谱监测可通过其图像频谱观察心脏输出，并可自动测量心输出量，以评价心肺复苏的质量，以尽量保证每一次心肺复苏的有效性，保证足够的脏器灌注，满足全身脏器，尤其的心、脑的灌注，以降低致残率，降低社会负担。
附图说明
图1为本发明各个模块的连接示意图；
图2为本发明人工智能学习示意图。
图1中：
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本发明的目的、特征和效果。
实施例1
一种基于超声颈动脉血流的心脏骤停识别分析评判系统，如图1所示，包括图像获取模块、自动识别模块、综合分析风险分级模块、预警模块、诊疗建议模块和心肺复苏质量评价模块；
所述图像获取模块，采集患者疑似心脏骤停以及心肺复苏过程中的超声颈动脉血流频谱图像并将其发送至自动识别模块；
所述自动识别模块，与所述图像获取模块连接，对超声颈动脉血流频谱图像进行识别与处理，得到相关血流参数并将其发送至综合分析风险分级模块和心肺复苏质量评价模块；
所述综合分析风险分级模块，与所述自动识别模块连接，根据相关血流参数，辅助判断颈动脉搏动情况和血流状态，并对患者心脏骤停进行识别、严重程度进行风险分级，并将相应的风险等级发送至预警模块；
所述预警模块，与所述综合分析风险分级模块和心肺复苏质量评价模块连接，根据综合分析风险分级模块发送的风险等级进行预警警示，并将相应的风险等级预警警示发送至诊疗建议模块；根据心肺复苏质量评价模块发送的心肺复苏质量评价结果进行预警警示，并将相应的心肺复苏质量预警警示发送至诊疗建议模块；
所述诊疗建议模块，与所述预警模块连接，根据风险等级预警警示，生成心脏诊疗建议和心脏骤停原因并输出；当风险等级预警警示为最高等级时，将心肺复苏质量评价触发信号发送至心肺复苏质量评价模块；根据心肺复苏质量预警警示，生成心肺复苏诊疗建议并输出；
所述心肺复苏质量评价模块，与所述自动识别模块和诊疗建议模块连接，接收诊疗建议模块发送的心肺复苏质量评价触发信号后，利用自动识别模块发送的相关血流参数，对心肺复苏质量进行评价，并将心肺复苏质量评价结果发送至预警模块。
本实施例中，图像获取模块采集患者超声颈动脉血流频谱图像，自动识别模块为预先训练好的模型，其对患者超声颈动脉血流频谱图像进行自动识别，综合分析风险分级模块根据识别的血流参数对患者心脏骤停严重程度进行风险分级，心肺复苏质量评价模块根据识别的血流参数对心肺复苏质量进行评价，预警模块提供相关预警警示，诊疗建议模块生成诊疗建议和心脏骤停原因，实现人工智能识别心跳骤停的原因、预警并实时评估复苏质量，其辅助医生对患者心脏骤停进行快速识别、分析和评判，一方面节约了诊断时间，提高了诊断效率，降低了患者的风险，另一方面也减轻了医生的工作量，提高诊疗质量。
实施例2
本实施例在实施例1的基础上对图像获取模块作进一步的阐述，所述图像获取模块包括贴片式血管超声探头和含心电识别功能的便携超声显示设备，所述贴片式血管超声探头和便携超声显示设备连接，贴片式血管超声探头粘贴于患者颈动脉搏动位置，采集患者的超声颈动脉血流频谱信息，并将采集的超声颈动脉血流频谱信息发送至所述便携超声显示设备，所述便携超声显示设备以图像的形式显示采集的信息。
现有技术中，普通血管探头设备较大，采集图像时，需检查者手持探头进行监测，如需实时监测，需专人持探头进行检查，且在心肺复苏过程中，头颈部需进行建立人工气道、保持体位、观察呼吸等，检查者占用抢救空间，可实施性差。若不实时监测，便不能持续监测心肺复苏的效果，间断检查会导致抢救中断，影响抢救效果。贴片式探头，可规避上述风险，能通过便携、实时、持续监测颈动脉频谱实现对心跳骤停的判断和复苏质量的评价，同时，贴片式探头也可避免对人力和空间的占用，有助于心肺复苏的实施。但现有的粘贴式探头设备，可以结合颈动脉频谱进行实时的采集，但不能对频谱进行人工智能的分析和决策。
本实施例中，对于贴片式血管超声探头，对现有的血管超声探头进行粘贴式改进，探头粘贴于患者甲状软骨水平、胸锁乳突肌内侧，即颈动脉搏动的体表位置处。探头将自动识别颈动脉并进行颈动脉血流频谱采集，采集的频谱图像实时传输至便携超声显示设备显示，便携超声显示设备含心电识别功能。
实施例3
本实施例在实施例2的基础上对自动识别模块作进一步的阐述，自动识别模块得到相关血流参数包括收缩期血流峰速度、舒张末期血流速度、血流频谱曲线下面积、曲线上升斜率、曲线下降斜率和阻力指数。
以上各个血流参数具体如下：
收缩期血流峰速度是指颈动脉在心脏收缩时的最快速度。将其用于血流参数是因为在血管无明显结构异常时，可客观呈现心律和心脏输出状态。
舒张末期血流速度是指颈动脉在心脏舒张末期时的速度。将其用于血流参数是因为在血管无明显结构异常时，可客观呈现心律和心脏输出状态。
血流频谱曲线下面积是指根据颈动脉频谱的边界描记的速度时间积分，在设定时间段内从颈动脉连续多个心动周期对应的动脉频谱中测出颈动脉血流速度时间积分VTI，结合颈动脉横截面积CSA，计算出外周动脉前向血流量VTI*CSA。将其用于血流参数是因为其可通过评价颈动脉的血流量判断心输出量。
曲线上升斜率是指血流速度上升过程中，速度差和时间差的比值。将其用于血流参数是因为其可评估颈动脉的血管阻力。其具体的计算公式为：
。
曲线下降斜率是指血流速度下降过程中，速度差和时间差的比值。将其用于血流参数是因为其可评估颈动脉的血管阻力。其具体的计算公式为：
。
阻力指数是指通过颈动脉血流速度计算出的代表血管阻力的参数。将其用于血流参数是因为在血管无明显结构异常时，其可对血管阻力进行评估。其具体的计算公式为：
。
实施例4
本实施例在实施例3的基础上对综合分析风险分级模块作进一步的阐述，综合分析风险分级模块根据收缩期血流峰速度、舒张末期血流速度、血流频谱曲线下面积、曲线上升斜率、曲线下降斜率和阻力指数六个参数，对患者严重程度进行风险分级的具体方法为：
一级风险：包括收缩期和舒张期均有血流，但较正常值低30%以内但不包括30%或者血流频谱不规律，心输出量较正常值下降30%以内但不包括30%，曲线上升斜率、曲线下降斜率较正常值降低30%以内但不包括30%，阻力指数较正常值升高30%以内但不包括30%，表示有心脏输出，需实时监测颈动脉频谱，并筛查心输出量减少的原因；
二级风险：包括收缩期和舒张期均有血流，但较正常值低30%-50%或血流频谱不规律，心输出量较正常值下降30%-50%，曲线上升斜率、曲线下降斜率较正常值降低30%-50%，阻力指数较正常值升高30%-50%，表示有心脏输出，但较正常心脏输出明显减少，需立即对心脏功能进行专科评估，必要时予以干预；
三级风险：包括存在只有收缩期血流，无舒张期血流或者血流频谱不规律，心输出量较正常值低50%以上但不包括50%，曲线上升斜率、曲线下降斜率较正常值低50%以上但不包括50%，阻力指数等于1，表示有心脏输出，但是存在严重心输出量不足的表现，因舒张期心脏无输出，冠状动脉供血不足，会导致心肌进一步缺血，随时可能发生心跳骤停，需进一步评估心脏功能并进行干预，需密切关注颈动脉血流频谱；
四级风险：包括收缩期和舒张期均无血流，曲线上升斜率、曲线下降斜率及阻力指数测不出，表示患者心脏无有效搏出，已发生心跳骤停，需立即进行心肺复苏及相应抢救措施。
如图2所示，所述自动识别模块和综合分析风险分级模块均采用机器学习的方式进行数据处理，其机器学习包括：
贴片式血管超声探头采集患者的超声颈动脉血流频谱信息并将其发送至便携超声显示设备，有资质的医师对便携超声显示设备上的颈动脉血流频谱边界进行标记，并计算收缩期血流峰速度、舒张末期血流速度、血流频谱曲线下面积、曲线上升斜率、曲线下降斜率和阻力指数；
自动识别模块对照人工标记的频谱图片和原图进行机器学习，自动识别颈动脉血流频谱，自动计算收缩期血流峰速度、舒张末期血流速度、血流频谱曲线下面积、曲线上升斜率、曲线下降斜率和阻力指数；
综合分析风险分级模块根据计算后的数据，对患者心脏骤停严重程度进行风险分级；
对机器学习的效果进行专家审核，并采用校正算法对机器学习进行校正，形成颈动脉血流频谱自动识别的自动识别模块和心脏骤停严重程度自动分级的综合分析风险分级模块。
本实施例中，对于机器学习，可为现有技术中常规的机器学习方法，比如CNN图像分类，通过对视频减帧、切割，设置感兴趣区域，提取出想要的图像。同理校正算法也可采用现有技术中的校正算法。本发明的主要创新点，并不是机器学习和相关算法的研究，其均可采用现有技术。
所述自动识别模块和综合分析风险分级模块均采用机器学习的方式进行数据处理，所述机器学习包括正常颈动脉血流频谱学习，所述正常颈动脉血流频谱学习包括：
收集健康志愿者颈动脉血流频谱用于机器学习，训练机器识别正常血流频谱，并自动生成收缩期血流峰速度、舒张末期血流速度、血流频谱曲线下面积、曲线上升斜率、曲线下降斜率和阻力指数参数；通过专家审核，校验正常颈动脉血流学习参数的准确性。
所述自动识别模块和综合分析风险分级模块均采用机器学习的方式进行数据处理，所述机器学习包括异常颈动脉血流频谱学习及警报，所述异常颈动脉血流频谱学习及警报包括：
收集临床异常颈动脉血流频谱用于机器学习，训练机器识别异常颈动脉血流频谱，并根据收缩期血流峰速度、舒张末期血流速度、血流频谱曲线下面积、曲线上升斜率、曲线下降斜率和阻力指数参数的异常情况，自动识别患者的心跳状态，自动识别并进行根据频谱严重程度分级，并与专家识别结果和严重程度分级进行比对，检验异常颈动脉血流的识别与严重程度分级的准确性。
实施例5
本实施例在实施例4的基础上对预警模块作进一步的阐述，所述预警模块包括绿、蓝、黄、红四种颜色的提示灯，分别与综合分析风险分级模块输出的一级风险、二级风险、三级风险、四级风险对应，同时分别与心肺复苏质量评价模块输出的心肺复苏按压有效、心肺复苏按压效果一级差、心肺复苏按压效果二级差和心肺复苏按压无效对应。
本实施例中，预警模块中设置有绿、蓝、黄、红四种颜色的提示灯，绿灯亮时表示一级风险、心肺复苏按压有效，蓝灯亮时表示二级风险、心肺复苏按压效果一级差，黄灯亮时表示三级风险、心肺复苏按压效果二级差，红灯亮时表示四级风险、心肺复苏按压无效，以提醒相关人员。
实施例6
本实施例在实施例5的基础上对诊疗建议模块作进一步的阐述。本实施例中，诊疗建议模块生成心脏诊疗建议、心肺复苏诊疗建议、心脏骤停原因并输出，以供医生参考，减轻医生的工作量。
例如，当一级风险时，表示有心脏输出，需实时监测颈动脉频谱，并筛查心输出量减少的原因；二级风险时，表示有心脏输出，但较正常心脏输出明显减少，需立即对心脏功能进行专科评估，必要时予以干预；三级风险时，表示有心脏输出，但是存在严重心输出量不足的表现，因舒张期心脏无输出，冠状动脉供血不足，会导致心肌进一步缺血，随时可能发生心跳骤停，需进一步评估心脏功能并进行干预，需密切关注颈动脉血流频谱；四级风险时，表示患者心脏无有效搏出，已发生心跳骤停，需立即进行心肺复苏及相应抢救措施。
心肺复苏按压有效时，表示有心脏输出，可满足基本灌注需求；心肺复苏按压效果一级差时，表示有心脏输出，但不能满足基本灌注需求，需要调整按压深度和速度；心肺复苏按压效果二级差时，表示有心脏输出，但心脏输出严重不足，心肺复苏按压效果二级差，需调整按压深度和速度；心肺复苏按压无效时，表示患者心脏无有效搏出，表明心肺复苏无效，需快速调整按压深度、速度或更换抢救人员。
本实施例中，对于心脏骤停原因分析，当患者出现预警风险四级时，除立即进行心肺复苏之外，需同步完善心脏超声（经胸超声或者经食道超声）、血气监测等快速检测，在避免心跳骤停带来的死亡或者不可逆脏器功能损伤的同时，通过上述快速评估识别心跳骤停的原因，有且不限于心源性因素（急性大面积心肌梗死、急性心功能衰竭），随即需进行纠正心功能衰竭、PCI、心脏辅助装置安置等治疗；严重低血容量因素，需快速建立通道，并进行液体复苏；梗阻因素，如大面肺栓塞导致的右心梗阻、心包填塞等，需立即解除梗阻，如溶栓、心包穿刺等；分布性因素，需快速予以血管活性药物并明确病因；心律失常因素，患者发生恶性心律失常，有但不限于心室颤动、室上性心动过速等，导致心脏无有效输出，需立即进行电除颤、电复律及药物复律等；内环境因素，如严重酸中毒、严重低钾血症、高钾血症等，需立即进行纠正。
实施例7
本实施例在实施例6的基础上对心肺复苏质量评价模块作进一步的阐述，心肺复苏质量评价模块根据自动识别模块识别的收缩期血流峰速度、舒张末期血流速度、血流频谱曲线下面积、曲线上升斜率、曲线下降斜率和阻力指数六个参数，对心肺复苏质量评价的具体方法为：
心肺复苏按压有效：包括收缩期和舒张期均有血流，但较正常值低30%以内但不包括30%，心输出量较正常值下降30%以内但不包括30%，曲线上升斜率、曲线下降斜率较正常值降低30%以内但不包括30%，阻力指数较正常值升高30%以内但不包括30%，表示有心脏输出，可满足基本灌注需求；
心肺复苏按压效果一级差：包括收缩期和舒张期均有血流，但较正常值低30%-50%，心输出量较正常值下降30%-50%，曲线上升斜率、曲线下降斜率较正常值降低30%-50%，阻力指数较正常值升高30%-50%，表示有心脏输出，但不能满足基本灌注需求，需要调整按压深度和速度；
心肺复苏按压效果二级差：包括存在只有收缩期血流，无舒张期血流，心输出量较正常值低50%以上但不包括50%，曲线上升斜率、曲线下降斜率较正常值低50%以上但不包括50%，阻力指数等于1，表示有心脏输出，但心脏输出严重不足，心肺复苏按压效果二级差，需调整按压深度和速度；
心肺复苏按压无效：包括收缩期和舒张期均无血流，曲线上升斜率、曲线下降斜率及阻力指数测不出，表示患者心脏无有效搏出，表明心肺复苏无效，需快速调整按压深度、速度或更换抢救人员。
本发明中，对于心肺复苏质量评价模块，其在诊疗建议模块判断出存在四级风险时，需立即启动心肺复苏，在按压过程中，每一次按压是否产生足够的心脏输出可通过颈动脉频谱的上述测值进行评判，仍可通过绿、蓝、黄、红四种颜色的提示来进行判读和提醒。绿色代表按压有效，可提供满足基本灌注需求的心脏输出；蓝色代表按压有效，但不能满足基本灌注需求，需要调整按压深度和速度；黄色代表按压效果差，按压深度、速度可能需要进行调整；红色代表按压无效，需快速调整按压深度、速度或者更换抢救人员。
实施例8
本实施例在实施例7的基础上作进一步的阐述，如图1所示，所述心脏骤停识别分析评判系统内置心肺复苏前评估路径和心肺复苏后评价路径，所述心肺复苏前评估路径触发所述心肺复苏后评价路径。
所述心肺复苏前评估路径包括：
①、图像获取模块采集患者疑似心脏骤停过程中的超声颈动脉血流频谱图像并将其发送至自动识别模块；
②、自动识别模块对超声颈动脉血流频谱图像进行识别与处理，得到相关血流参数并将其发送至综合分析风险分级模块；
③、综合分析风险分级模块根据相关血流参数，辅助判断颈动脉搏动情况和血流状态，并对患者心脏骤停进行识别、严重程度进行风险分级，并将相应的风险等级发送至预警模块；
④、预警模块根据综合分析风险分级模块发送的风险等级进行预警警示，并将相应的风险等级预警警示发送至诊疗建议模块；诊疗建议模块根据风险等级预警警示，生成心肺复苏前评估诊疗建议并输出。
所述心肺复苏后评价路径包括：
1、当风险等级预警警示为最高等级时，诊疗建议模块将心肺复苏质量评价触发信号发送至心肺复苏质量评价模块；
2、医护人员进行心肺复苏，同时心肺复苏质量评价模块将图像采集信号发送至图像获取模块；
3、图像获取模块根据图像采集信号，采集心肺复苏过程中的超声颈动脉血流频谱图像并将其发送至自动识别模块；
4、自动识别模块对超声颈动脉血流频谱图像进行识别与处理，得到相关血流参数并将其发送至心肺复苏质量评价模块；
5、心肺复苏质量评价模块利用自动识别模块发送的相关血流参数，对心肺复苏质量进行评价，并将心肺复苏质量评价结果发送至预警模块；
6、预警模块根据心肺复苏质量评价模块发送的心肺复苏质量评价结果进行预警警示，并将相应的心肺复苏质量预警警示发送至诊疗建议模块；诊疗建议模块根据心肺复苏质量预警警示，生成心肺复苏后诊疗建议。
以上对本发明的实施方式进行了具体说明，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作出种种等同变型或替换，这些等同或替换均包含在本发明权利要求所限定的范围内。

Claims (22)

1.一种基于超声颈动脉血流的心脏骤停识别分析评判系统，其特征在于，包括图像获取模块、自动识别模块、综合分析风险分级模块、预警模块、诊疗建议模块和心肺复苏质量评价模块；
所述图像获取模块，采集患者疑似心脏骤停以及心肺复苏过程中的超声颈动脉血流频谱图像并将其发送至自动识别模块；
所述自动识别模块，与所述图像获取模块连接，对超声颈动脉血流频谱图像进行识别与处理，得到相关血流参数并将其发送至综合分析风险分级模块和心肺复苏质量评价模块；
所述综合分析风险分级模块，与所述自动识别模块连接，根据相关血流参数，辅助判断颈动脉搏动情况和血流状态，并对患者心脏骤停进行识别、严重程度进行风险分级，并将相应的风险等级发送至预警模块；
所述预警模块，与所述综合分析风险分级模块和心肺复苏质量评价模块连接，根据综合分析风险分级模块发送的风险等级进行预警警示，并将相应的风险等级预警警示发送至诊疗建议模块；根据心肺复苏质量评价模块发送的心肺复苏质量评价结果进行预警警示，并将相应的心肺复苏质量预警警示发送至诊疗建议模块；
所述诊疗建议模块，与所述预警模块连接，根据风险等级预警警示，生成心脏诊疗建议和心脏骤停原因并输出；当风险等级预警警示为最高等级时，将心肺复苏质量评价触发信号发送至心肺复苏质量评价模块；根据心肺复苏质量预警警示，生成心肺复苏诊疗建议并输出；
所述心肺复苏质量评价模块，与所述自动识别模块和诊疗建议模块连接，接收诊疗建议模块发送的心肺复苏质量评价触发信号后，利用自动识别模块发送的相关血流参数，对心肺复苏质量进行评价，并将心肺复苏质量评价结果发送至预警模块。
2.如权利要求1所述的心脏骤停识别分析评判系统，其特征在于，所述图像获取模块包括贴片式血管超声探头和含心电识别功能的便携超声显示设备，所述贴片式血管超声探头和便携超声显示设备连接，贴片式血管超声探头粘贴于患者颈动脉搏动位置，采集患者的超声颈动脉血流频谱信息，并将采集的超声颈动脉血流频谱信息发送至所述便携超声显示设备，所述便携超声显示设备以图像的形式显示采集的信息。
3.如权利要求1所述的心脏骤停识别分析评判系统，其特征在于，所述自动识别模块得到的相关血流参数包括收缩期血流峰速度、舒张末期血流速度、血流频谱曲线下面积、曲线上升斜率、曲线下降斜率和阻力指数。
4.如权利要求3所述的心脏骤停识别分析评判系统，其特征在于，所述收缩期血流峰速度是指颈动脉在心脏收缩时的最快速度；
所述舒张末期血流速度是指颈动脉在心脏舒张末期时的速度；
所述血流频谱曲线下面积是指根据颈动脉频谱的边界描记的速度时间积分，在设定时间段内从颈动脉连续多个心动周期对应的动脉频谱中测出颈动脉血流速度时间积分VTI，结合颈动脉横截面积CSA，计算出外周动脉前向血流量VTI*CSA；
所述曲线上升斜率是指血流速度上升过程中，速度差和时间差的比值；
所述曲线下降斜率是指血流速度下降过程中，速度差和时间差的比值；
所述阻力指数是指通过颈动脉血流速度计算出的代表血管阻力的参数，其具体的计算公式为：
。
5.如权利要求3所述的心脏骤停识别分析评判系统，其特征在于，所述综合分析风险分级模块输出的风险等级包括一级风险、二级风险、三级风险和四级风险。
6.如权利要求5所述的心脏骤停识别分析评判系统，其特征在于，所述一级风险包括收缩期和舒张期均有血流，但较正常值低30%以内但不包括30%或者血流频谱不规律，心输出量较正常值下降30%以内但不包括30%，曲线上升斜率、曲线下降斜率较正常值降低30%以内但不包括30%，阻力指数较正常值升高30%以内但不包括30%，表示有心脏输出，需实时监测颈动脉频谱，并筛查心输出量减少的原因。
7.如权利要求5所述的心脏骤停识别分析评判系统，其特征在于，所述二级风险包括收缩期和舒张期均有血流，但较正常值低30%-50%或血流频谱不规律，心输出量较正常值下降30%-50%，曲线上升斜率、曲线下降斜率较正常值降低30%-50%，阻力指数较正常值升高30%-50%，表示有心脏输出，但较正常心脏输出明显减少，需立即对心脏功能进行专科评估。
8.如权利要求5所述的心脏骤停识别分析评判系统，其特征在于，所述三级风险包括存在只有收缩期血流，无舒张期血流或者血流频谱不规律，心输出量较正常值低50%以上但不包括50%，曲线上升斜率、曲线下降斜率较正常值低50%以上但不包括50%，阻力指数等于1，表示有心脏输出，但是存在严重心输出量不足的表现，需进一步评估心脏功能并进行干预，需密切关注颈动脉血流频谱。
9.如权利要求5所述的心脏骤停识别分析评判系统，其特征在于，所述四级风险包括收缩期和舒张期均无血流，曲线上升斜率、曲线下降斜率及阻力指数测不出，表示患者心脏无有效搏出，已发生心跳骤停，需立即进行心肺复苏及相应抢救措施。
10.如权利要求1所述的心脏骤停识别分析评判系统，其特征在于，所述自动识别模块和综合分析风险分级模块均采用机器学习的方式进行数据处理，其机器学习包括：
贴片式血管超声探头采集患者的超声颈动脉血流频谱信息并将其发送至便携超声显示设备，有资质的医师对便携超声显示设备上的颈动脉血流频谱边界进行标记，并计算收缩期血流峰速度、舒张末期血流速度、血流频谱曲线下面积、曲线上升斜率、曲线下降斜率和阻力指数；
自动识别模块对照人工标记的频谱图片和原图进行机器学习，自动识别颈动脉血流频谱，自动计算收缩期血流峰速度、舒张末期血流速度、血流频谱曲线下面积、曲线上升斜率、曲线下降斜率和阻力指数；
综合分析风险分级模块根据计算后的数据，对患者心脏骤停严重程度进行风险分级；
对机器学习的效果进行专家审核，并采用校正算法对机器学习进行校正，形成颈动脉血流频谱自动识别的自动识别模块和心脏骤停严重程度自动分级的综合分析风险分级模块。
11.如权利要求1所述的心脏骤停识别分析评判系统，其特征在于，所述自动识别模块和综合分析风险分级模块均采用机器学习的方式进行数据处理，所述机器学习包括正常颈动脉血流频谱学习，所述正常颈动脉血流频谱学习包括：
收集健康志愿者颈动脉血流频谱用于机器学习，训练机器识别正常血流频谱，并自动生成收缩期血流峰速度、舒张末期血流速度、血流频谱曲线下面积、曲线上升斜率、曲线下降斜率和阻力指数参数；通过专家审核，校验正常颈动脉血流学习参数的准确性。
12.如权利要求1所述的心脏骤停识别分析评判系统，其特征在于，所述自动识别模块和综合分析风险分级模块均采用机器学习的方式进行数据处理，所述机器学习包括异常颈动脉血流频谱学习及警报，所述异常颈动脉血流频谱学习及警报包括：
收集临床异常颈动脉血流频谱用于机器学习，训练机器识别异常颈动脉血流频谱，并根据收缩期血流峰速度、舒张末期血流速度、血流频谱曲线下面积、曲线上升斜率、曲线下降斜率和阻力指数参数的异常情况，自动识别患者的心跳状态，自动识别并进行根据频谱严重程度分级，并与专家识别结果和严重程度分级进行比对，检验异常颈动脉血流的识别与严重程度分级的准确性。
13.如权利要求1所述的心脏骤停识别分析评判系统，其特征在于，所述诊疗建议模块生成的心脏骤停原因包括心源性因素、严重低血容量因素、梗阻因素、分布性因素、心律失常因素、内环境因素。
14.如权利要求5所述的心脏骤停识别分析评判系统，其特征在于，所述心肺复苏质量评价模块的心肺复苏质量评价结果包括心肺复苏按压有效、心肺复苏按压效果一级差、心肺复苏按压效果二级差、心肺复苏按压无效。
15.如权利要求14所述的心脏骤停识别分析评判系统，其特征在于，所述心肺复苏按压有效包括收缩期和舒张期均有血流，但较正常值低30%以内但不包括30%，心输出量较正常值下降30%以内但不包括30%，曲线上升斜率、曲线下降斜率较正常值降低30%以内但不包括30%，阻力指数较正常值升高30%以内但不包括30%，表示有心脏输出，可满足基本灌注需求。
16.如权利要求14所述的心脏骤停识别分析评判系统，其特征在于，所述心肺复苏按压效果一级差包括收缩期和舒张期均有血流，但较正常值低30%-50%，心输出量较正常值下降30%-50%，曲线上升斜率、曲线下降斜率较正常值降低30%-50%，阻力指数较正常值升高30%-50%，表示有心脏输出，但不能满足基本灌注需求，需要调整按压深度和速度。
17.如权利要求14所述的心脏骤停识别分析评判系统，其特征在于，所述心肺复苏按压效果二级差包括存在只有收缩期血流，无舒张期血流，心输出量较正常值低50%以上但不包括50%，曲线上升斜率、曲线下降斜率较正常值低50%以上但不包括50%，阻力指数等于1，表示有心脏输出，但心脏输出严重不足，心肺复苏按压效果二级差，需调整按压深度和速度。
18.如权利要求14所述的心脏骤停识别分析评判系统，其特征在于，所述心肺复苏按压无效包括收缩期和舒张期均无血流，曲线上升斜率、曲线下降斜率及阻力指数测不出，表示患者心脏无有效搏出，表明心肺复苏无效，需快速调整按压深度、速度或更换抢救人员。
19.如权利要求14所述的心脏骤停识别分析评判系统，其特征在于，所述预警模块包括绿、蓝、黄、红四种颜色的提示灯，分别与综合分析风险分级模块输出的一级风险、二级风险、三级风险、四级风险对应，同时分别与心肺复苏质量评价模块输出的心肺复苏按压有效、心肺复苏按压效果一级差、心肺复苏按压效果二级差和心肺复苏按压无效对应。
20.如权利要求1所述的心脏骤停识别分析评判系统，其特征在于，所述心脏骤停识别分析评判系统内置心肺复苏前评估路径和心肺复苏后评价路径，所述心肺复苏前评估路径触发所述心肺复苏后评价路径。
21.如权利要求20所述的心脏骤停识别分析评判系统，其特征在于，所述心肺复苏前评估路径包括：
图像获取模块采集患者疑似心脏骤停过程中的超声颈动脉血流频谱图像并将其发送至自动识别模块；
自动识别模块对超声颈动脉血流频谱图像进行识别与处理，得到相关血流参数并将其发送至综合分析风险分级模块；
综合分析风险分级模块根据相关血流参数，辅助判断颈动脉搏动情况和血流状态，并对患者心脏骤停进行识别、严重程度进行风险分级，并将相应的风险等级发送至预警模块；
预警模块根据综合分析风险分级模块发送的风险等级进行预警警示，并将相应的风险等级预警警示发送至诊疗建议模块；
诊疗建议模块根据风险等级预警警示，生成心肺复苏前评估诊疗建议并输出。
22.如权利要求20所述的心脏骤停识别分析评判系统，其特征在于，所述心肺复苏后评价路径包括：
当风险等级预警警示为最高等级时，诊疗建议模块将心肺复苏质量评价触发信号发送至心肺复苏质量评价模块；
医护人员进行心肺复苏，同时心肺复苏质量评价模块将图像采集信号发送至图像获取模块；
图像获取模块根据图像采集信号，采集心肺复苏过程中的超声颈动脉血流频谱图像并将其发送至自动识别模块；
自动识别模块对超声颈动脉血流频谱图像进行识别与处理，得到相关血流参数并将其发送至心肺复苏质量评价模块；
心肺复苏质量评价模块利用自动识别模块发送的相关血流参数，对心肺复苏质量进行评价，并将心肺复苏质量评价结果发送至预警模块；
预警模块根据心肺复苏质量评价模块发送的心肺复苏质量评价结果进行预警警示，并将相应的心肺复苏质量预警警示发送至诊疗建议模块；
诊疗建议模块根据心肺复苏质量预警警示，生成心肺复苏后诊疗建议。
CN202311541146.2A 2023-11-20 2023-11-20 基于超声颈动脉血流的心脏骤停识别分析评判系统 Active CN117243634B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311541146.2A CN117243634B (zh) 2023-11-20 2023-11-20 基于超声颈动脉血流的心脏骤停识别分析评判系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311541146.2A CN117243634B (zh) 2023-11-20 2023-11-20 基于超声颈动脉血流的心脏骤停识别分析评判系统

Publications (2)

Publication Number Publication Date
CN117243634A CN117243634A (zh) 2023-12-19
CN117243634B true CN117243634B (zh) 2024-02-02

Family

ID=89128084

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311541146.2A Active CN117243634B (zh) 2023-11-20 2023-11-20 基于超声颈动脉血流的心脏骤停识别分析评判系统

Country Status (1)

Country Link
CN (1) CN117243634B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117694925B (zh) * 2024-02-05 2024-04-19 北京超数时代科技有限公司 一种无创连续逐搏超声血流动力学检测仪

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105224383A (zh) * 2015-08-21 2016-01-06 上海理工大学 心肺复苏术模拟系统
CN108389619A (zh) * 2018-05-21 2018-08-10 王子华 一种早期识别干预抢救反应系统
CN111466955A (zh) * 2020-05-12 2020-07-31 湖州市第一人民医院 心肺复苏辅助监测头及心肺复苏辅助监测装置
CN111514458A (zh) * 2020-03-12 2020-08-11 四川大学华西医院 穿戴式心电动态全真绘测智能除颤仪及其控制方法
CN112037895A (zh) * 2020-08-10 2020-12-04 苏州尚领医疗科技有限公司 一种新型心肺复苏质量管控平台和方法
JP2021159276A (ja) * 2020-03-31 2021-10-11 キヤノンメディカルシステムズ株式会社 超音波診断装置
KR20220026116A (ko) * 2020-08-25 2022-03-04 인하대학교 산학협력단 심정지 환자의 목격자 심폐소생술에 대한 효과평가 모델 제공 장치
KR20220040515A (ko) * 2020-09-22 2022-03-30 주식회사 바디프랜드 딥러닝 기반 심전도를 이용한 심정지 위험도 예측 시스템
CN114632263A (zh) * 2022-03-16 2022-06-17 苏州圣泽医疗科技有限公司 除颤器防误判装置、除颤系统及其方法、急救系统
CN217133868U (zh) * 2022-02-24 2022-08-05 中国科学院上海硅酸盐研究所 一种用于心肺复苏训练的智能手套
CN115089155A (zh) * 2022-06-30 2022-09-23 苏州圣泽医疗科技有限公司 心肺复苏参数的监测方法及心肺复苏监测装置
CN218220185U (zh) * 2022-01-11 2023-01-06 深圳市智慧健康产业发展有限公司 动脉硬化评估及心脏骤停应急培训一体化工作站

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050065445A1 (en) * 2001-05-22 2005-03-24 Arzbaecher Robert C. Cardiac arrest monitor and alarm system
US20150289838A1 (en) * 2012-10-26 2015-10-15 University Of Washington Through Its Center For Commercialization Systems and methods for real-time assessment of the presence and quantity of carotid blood flow during cardiac arrest
US20160256102A1 (en) * 2015-03-05 2016-09-08 Oridion Medical 1987 Ltd. Identification of respiration waveforms during cpr
US11707198B2 (en) * 2015-12-16 2023-07-25 Eggers & Associates, LLC Wearable apparatus, system and method for detection of cardiac arrest and alerting emergency response
US20200107989A1 (en) * 2018-10-09 2020-04-09 University Of Washington System and method of noninvasive blood flow measurement during cardiopulmonary resuscitation using signal gating
EP4126189A4 (en) * 2020-03-31 2024-03-20 Zoll Medical Corporation PORTABLE MEDICAL TREATMENT DEVICE WITH INTERACTIVE GUIDANCE AND CARDIOPULMONARY RESUSCITATION FUNCTION
US20230320692A1 (en) * 2022-04-11 2023-10-12 Ryan Giorgetti Method for transesophogeal echocardiography for cardiopulmonary resuscitation and treatment of shock

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105224383A (zh) * 2015-08-21 2016-01-06 上海理工大学 心肺复苏术模拟系统
CN108389619A (zh) * 2018-05-21 2018-08-10 王子华 一种早期识别干预抢救反应系统
CN111514458A (zh) * 2020-03-12 2020-08-11 四川大学华西医院 穿戴式心电动态全真绘测智能除颤仪及其控制方法
JP2021159276A (ja) * 2020-03-31 2021-10-11 キヤノンメディカルシステムズ株式会社 超音波診断装置
CN111466955A (zh) * 2020-05-12 2020-07-31 湖州市第一人民医院 心肺复苏辅助监测头及心肺复苏辅助监测装置
CN112037895A (zh) * 2020-08-10 2020-12-04 苏州尚领医疗科技有限公司 一种新型心肺复苏质量管控平台和方法
KR20220026116A (ko) * 2020-08-25 2022-03-04 인하대학교 산학협력단 심정지 환자의 목격자 심폐소생술에 대한 효과평가 모델 제공 장치
KR20220040515A (ko) * 2020-09-22 2022-03-30 주식회사 바디프랜드 딥러닝 기반 심전도를 이용한 심정지 위험도 예측 시스템
CN218220185U (zh) * 2022-01-11 2023-01-06 深圳市智慧健康产业发展有限公司 动脉硬化评估及心脏骤停应急培训一体化工作站
CN217133868U (zh) * 2022-02-24 2022-08-05 中国科学院上海硅酸盐研究所 一种用于心肺复苏训练的智能手套
CN114632263A (zh) * 2022-03-16 2022-06-17 苏州圣泽医疗科技有限公司 除颤器防误判装置、除颤系统及其方法、急救系统
CN115089155A (zh) * 2022-06-30 2022-09-23 苏州圣泽医疗科技有限公司 心肺复苏参数的监测方法及心肺复苏监测装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
心脏骤停患者自主循环恢复后肺损伤的研究进展;周婷圆;姚鹏;唐颂龄;马雯;王智渊;曹钰;华西医学;37(004);全文 *

Also Published As

Publication number Publication date
CN117243634A (zh) 2023-12-19

Similar Documents

Publication Publication Date Title
CN117243634B (zh) 基于超声颈动脉血流的心脏骤停识别分析评判系统
TWI669096B (zh) 具有確定頸動脈血壓的多功能量測裝置
US7771364B2 (en) Method and system for cardiovascular system diagnosis
RU2571333C2 (ru) Система, стетоскоп и способ для индикации риска ишемической болезни сердца
EP3340871B1 (en) High/low frequency signal quality evaluations of ecg lead signals
US8483810B2 (en) Apparatus and method for monitoring fetus in maternal body
US20160128640A1 (en) Detecting apparatus for arrhythmia and detecting method of the detecting apparatus
US20160206287A1 (en) Wearable Doppler Ultrasound Based Cardiac Monitoring
CN110200619A (zh) 一种建立重大心血管疾病风险预警模型方法及装置
WO2020100322A1 (ja) 医療機器及びプログラム
CN117635552B (zh) 一种心脏骤停快速识别及原因分析的辅助决策系统
US10327648B2 (en) Blood vessel mechanical signal analysis
US11439347B2 (en) Portable dehydration monitoring system
US20220125323A1 (en) Systems, devices, and methods for detecting brain conditions from cranial movement due to blood flow in the brain
US9402571B2 (en) Biological tissue function analysis
CN117577301B (zh) 一种心脏骤停自动识别及智能辅助决策的院外急救系统
Shokouhmand et al. Detection of left ventricular ejection fraction abnormality using fusion of acoustic and biopotential characteristics of precordium
A‐Mohannadi et al. Conventional Clinical Methods for Predicting Heart Disease
CN113397506A (zh) 用于筛查先天性心脏病的装置
JP2000217796A (ja) 循環機能診断装置
Jeanningros et al. Abnormal Cardiac Rhythm Detection Based on Photoplethysmography Signals and a Recurrent Neural Network
US12023165B2 (en) Screening cardiac conditions using cardiac vibrational energy spectral heat maps
Dahal The Model of Internet of Medical Things for Electrocardiography (ECG)
EP3692922A1 (en) A system and method for identifying a location of the heart responsible for a particular sound
Oktivasari et al. A Multimodal Model of ECG and Heart Sound Signal by Considering Normal and Abnormal Heart

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