CN117615704A

CN117615704A - 使用组织血氧测定和血压的自调节系统和方法

Info

Publication number: CN117615704A
Application number: CN202280047215.1A
Authority: CN
Inventors: A·阿拉图兰加拉詹; P·B·本尼; 蹇忠平; A·阿尔巴内塞; A·S·阿吉雷; B·M·施奈德
Original assignee: Edwards Lifesciences Corp
Current assignee: Edwards Lifesciences Corp
Priority date: 2021-05-18
Filing date: 2022-05-02
Publication date: 2024-02-27

Abstract

提供一种用于确定受试者的自调节功能状态的方法和设备。所述方法包含：在某一时间段期间用组织血氧计持续感测受试者的组织区域以产生表示至少一个组织氧合参数的第一信号；在所述时间段期间持续测量所述受试者的血压水平以产生表示所述时间段期间所述受试者的血压的第二信号；确定以独立于所述受试者的自调节功能的方式影响所感测的组织氧合参数的混杂因素的存在，所述确定使用所述第一信号；当确定不存在所述混杂因素时，使用所述第一信号和所述第二信号来确定所述受试者的自调节功能状态。所述方法可以包含确定受试者的自调节功能状态的LLA或ULA中的至少一者。

Description

使用组织血氧测定和血压的自调节系统和方法

本申请要求基于2021年5月18日提交的且名称为“使用组织氧测定和血压的自调节系统和方法(AUTOREGULATION SYSTEM AND METHOD USING TISSUE OXIMETRY AND BLOODPRESSURE)”的第63/189,813号美国临时专利申请以及2021年8月10日提交的且名称为“使用组织氧测定和血压的自调节系统和方法(AUTOREGULATION SYSTEM AND METHOD USINGTISSUE OXIMETRY AND BLOOD PRESSURE)”的第63/231,463号美国临时专利申请的优先权，这两个美国临时专利申请的完整公开内容由此以全文引用的方式并入本文。

技术领域

本公开大体上涉及医疗设备和方法，尤其涉及用于测量和/或监测自调节的医疗设备和方法。

背景技术

自调节是哺乳动物体内旨在针对一系列灌流压维持足够且稳定(例如，“恒定”)的血流到器官(例如，脑部、心脏、肾脏等)的过程。虽然身体的大多数系统显示出一定程度的自调节，但脑部对灌流过度和灌流不足非常敏感。图1示出将灌流压从100mmHg突然降低到70mmHg的效果。在被动血管床(即，不良自调节)中，这种压力的突然下降将导致血流的快速和持续下降。通过自调节，血管阻力增加，以努力返回到标称流量。然而，血管阻力可以变化的范围存在限制。由于血管舒张剂药物或其它原因，动脉血管可能达到最大扩张点，其中血管反应性(即，改变血管阻力的能力)变得被动。在被动状态下，血压的变化可能导致血流的变化。如果血流充分减少，则可能发生灌流不足并在器官内产生局部缺血。相反，动脉血管可能达到最大收缩状态，其中血管反应性也变得被动。血压升高可能导致到器官的血流过多；例如，参见图2。

不同的器官显示出不同程度的自调节行为。肾脏、大脑和冠状动脉循环通常显示出极好的自调节，而骨骼肌和内脏循环显示出中度自调节。皮肤循环显示出几乎没有自调节能力。

多个因素(例如，随着年龄的增长而发生的动脉硬化)可能改变血管反应性反应的特性，并且这些因素又可能改变相关的自调节特性。因此，由于血压变化而导致的血流的自调节范围在受试者之间可能各有不同，并且不能假设是常量。图3示出大脑自调节曲线可如何因慢性高血压和低血压而移位。用于确定特定受试者的自调节是否起作用以及管理血压可变性的潜在范围的方法和设备将对临床医生有很大帮助。

此外，在一些情况下，用于确定或测量受试者的自调节状态的生理数据可能受到独立于所述受试者的自调节系统的因素的影响。例如，一个或多个NIRS指数(例如，组织氧饱和度(StO₂)、单位体积组织的相对总血红蛋白浓度(rTHb)、氧合血红蛋白(O2Hb)和脱氧血红蛋白(HHb)的差分变化、HbD(即，O2Hb-HHb)等)可以处于不可归因于自调节的水平。在这些情况下，使用这些值进行的自调节确定或测量可能会对确定或测量的准确性产生负面影响。作为另一实例，如果受试者的血液二氧化碳水平在正常范围(正常碳酸血)之外，则自调节确定或测量的准确性可能受到负面影响。

需要一种用于监测自调节的设备和方法，所述设备和方法比现有技术中已知的设备和方法有改进，包含标识和解释可能混淆自调节确定或测量的因素的设备和方法。

发明内容

根据本公开的一方面，提供一种用于确定受试者的自调节功能状态的方法。所述方法包含：在某一时间段期间用组织血氧计持续感测受试者的组织区域，所述感测产生表示至少一个组织氧合参数的第一信号；在所述时间段期间使用血压感测装置持续测量所述受试者的血压水平，所述测量产生表示所述时间段期间所述受试者的血压的第二信号；确定以独立于所述受试者的自调节功能的方式影响所感测的至少一个组织氧合参数的混杂因素的存在或不存在，所述确定使用所述第一信号；以及当确定不存在所述混杂因素时，使用所述第一信号和所述第二信号来确定所述受试者的自调节功能状态。

在上文和此处所描述的任一方面或实施例中，所述确定所述混杂因素的所述存在或不存在的步骤还可包含使用所述第二信号确定所述混杂因素是否已经以独立于所述受试者的所述自调节功能的方式影响所述受试者的测得血压水平。

在上文和此处所描述的任一方面或实施例中，所述确定所述混杂因素的所述存在或不存在的步骤可利用基于所述第一信号的组织氧合参数趋势数据和基于所述第二信号的血压水平趋势数据。

在上文和此处所描述的任一方面或实施例中，所述方法还可包含确定所述时间段期间所述受试者的心率，并产生表示所述时间段期间所述受试者的心率的第三信号，并且所述确定所述混杂因素的所述存在或不存在的步骤还可包含使用所述第三信号确定所述混杂因素是否已经以独立于所述受试者的所述自调节功能的方式影响所述受试者的所述心率。

在上文和此处所描述的任一方面或实施例中，所述确定所述混杂因素的所述存在或不存在的步骤可利用基于所述第一信号的组织氧合参数趋势数据和基于所述第三信号的心率趋势数据。

在上文和此处所描述的任一方面或实施例中，所述确定所述混杂因素的所述存在或不存在的步骤还可包含使用变化量值过滤器来评估所述第一信号。

在上文和此处所描述的任一方面或实施例中，所述至少一个组织氧合参数可包含组织氧饱和度(StO₂)、单位体积组织的总血红蛋白浓度(THb)、单位体积组织的相对总血红蛋白浓度(rTHb)、氧合血红蛋白(O2Hb)和脱氧血红蛋白(HHb)的差分变化或O2Hb-HHb(HbD)中的一者或多者。

在上文和此处所描述的任一方面或实施例中，所述确定所述混杂因素的所述存在或不存在的步骤还可包含确定所述受试者的血液二氧化碳(CO₂)水平。

在上文和此处所描述的任一方面或实施例中，所述至少一个组织氧合参数可包含第一组织氧合参数和第二氧合参数，并且从所述感测产生的所述第一信号可包含表示所述第一组织氧合参数的第一信号的第一子集和表示第二组织氧合参数的第一信号的第二子集，并且所述确定所述混杂因素的所述存在或不存在的步骤可利用所述第一信号的第一子集和所述第一信号的第二子集。

在上文和此处所描述的任一方面或实施例中，所述第一组织氧合参数可以是StO₂、THb、rTHb、O2Hb和HHb的差分变化或HbD中的一者，并且所述第二组织氧合参数可以是StO₂、THb、rTHb、O2Hb和HHb的差分变化或HbD中的另一者。

在上文和此处所描述的任一方面或实施例中，所述确定所述混杂因素的所述存在或不存在的步骤可利用基于所述第一信号的第一子集的第一组织氧合参数趋势数据和基于所述第一信号的第二子集的第二组织氧合参数趋势数据。

在上文和此处所描述的任一方面或实施例中，所述组织血氧计可以是近红外光谱(NIRS)型组织血氧计。

在上文和此处所描述的任一方面或实施例中，被持续感测的所述组织可以是脑部组织，并且在不存在所述混杂因素的情况下确定的所述自调节功能状态可以是所述受试者的脑部自调节功能状态。

在上文和此处所描述的任一方面或实施例中，所述确定所述混杂因素的所述存在或不存在的步骤还可包含评估所述第一信号以将脑外血流确定为所述混杂因素。

在上文和此处所描述的任一方面或实施例中，所述用所述组织血氧计持续感测所述受试者的所述组织区域的步骤可包含使用与所述组织血氧计通信的一个或多个传感器，所述一个或多个传感器各自具有至少一个光源、位于距所述至少一个光源第一距离处的至少一个近检测器和位于距所述至少一个光源第二距离处的至少一个远检测器，其中所述第二距离大于所述第一距离。

根据本公开的另一方面，提供一种用于确定受试者的自调节功能状态的设备。所述设备包含近红外光谱(NIRS)组织血氧计、血压感测装置和控制器。所述NIRS组织血氧计被配置成在某一时间段期间持续感测所述受试者的组织区域，并产生表示所述时间段期间至少一个组织氧合参数的第一信号。所述血压感测装置被配置成在所述时间段期间持续测量所述受试者的血压水平，并产生表示所述时间段期间所述受试者的血压的第二信号。所述控制器与NIRS组织血氧计和血压感测装置通信。所述控制器包含至少一个处理器和被配置成存储指令的存储器装置。所存储指令在被执行时使所述控制器：控制所述NIRS组织血氧计以在某一时间段期间持续感测所述受试者的组织区域并产生表示在所述时间段期间在所述组织区域内感测到的至少一个组织氧合参数的第一信号；控制所述血压感测装置以在所述时间段期间持续测量所述受试者的血压水平并产生表示所述时间段期间所述受试者的血压的第二信号；使用所述第一信号确定混杂因素的存在或不存在，所述混杂因素可用于以独立于所述受试者的自调节功能的方式影响所感测的至少一个组织氧合参数；以及当确定不存在所述混杂因素时，使用所述第一信号和所述第二信号来确定所述受试者的自调节功能状态。

在上文和此处所描述的任一方面或实施例中，所述所存储指令在被执行时可使所述至少一个处理器当确定存在所述混杂因素时在不使用所述第一信号和所述第二信号的情况下确定所述受试者的所述自调节功能状态。

在上文和此处所描述的任一方面或实施例中，所述所存储指令在被执行时可使所述至少一个处理器当确定存在所述混杂因素时使用所述第一信号和所述第二信号来确定所述受试者的所述自调节功能状态，并标记所述自调节功能状态。

在上文和此处所描述的任一方面或实施例中，所述所存储指令在被执行时可使所述控制器使用所述第二信号来确定所述混杂因素是否已经以独立于所述受试者的所述自调节功能的方式影响所述受试者的测得血压水平。

在上文和此处所描述的任一方面或实施例中，所述所存储指令在被执行时可使所述控制器基于所述第一信号确定组织氧合参数趋势数据并基于所述第二信号确定血压水平趋势数据，并且所述混杂因素的所述存在或所述不存在的所述确定利用所述组织氧合参数趋势数据和所述血压水平趋势数据。

在上文和此处所描述的任一方面或实施例中，所述所存储指令在被执行时可使所述控制器确定所述时间段期间所述受试者的心率，并产生表示所述时间段期间所述受试者的心率的第三信号，并且所述所存储指令在被执行时可使所述控制器使用所述第三信号来确定所述混杂因素是否已经以独立于所述受试者的所述自调节功能的方式影响所述受试者的所述心率。

在上文和此处所描述的任一方面或实施例中，所述所存储指令在被执行时可使所述控制器基于所述第一信号确定组织氧合参数趋势数据并基于所述第三信号确定心率趋势数据，并且所述混杂因素的所述存在或所述不存在的所述确定利用所述组织氧合参数趋势数据和所述心率趋势数据。

在上文和此处所描述的任一方面或实施例中，所述所存储指令在被执行时可使所述控制器使用变化量值过滤器来评估所述第一信号。

在上文和此处所描述的任一方面或实施例中，所述设备还可包含CO₂传感器，所述CO₂传感器被配置成感测所述受试者的血液二氧化碳(CO₂)水平，并且所述指令在被执行时可使所述控制器使用所述CO₂传感器确定所述受试者的血液二氧化碳(CO₂)水平。

在上文和此处所描述的任一方面或实施例中，所述组织血氧计可被配置成感测脑外组织和大脑组织，并且所述所存储指令在被执行时可使所述组织血氧计持续感测脑外组织和脑部组织，并且在不存在所述混杂因素的情况下确定的所述自调节功能状态可以是所述受试者的脑部自调节功能状态。

在上文和此处所描述的任一方面或实施例中，所述所存储指令在被执行时可使所述控制器将脑外血流确定为混杂因素。

在上文和此处所描述的任一方面或实施例中，所述组织血氧计可包含一个或多个传感器，所述一个或多个传感器各自具有至少一个光源、位于距所述至少一个光源第一距离处的至少一个近检测器和位于距所述至少一个光源第二距离处的至少一个远检测器，其中所述第二距离大于所述第一距离。

根据本公开的一方面，一种用于确定受试者的自调节功能状态的自调节下限(LLA)或自调节上限(ULA)中的至少一者的方法。所述方法包含：a)在某一时间段期间用组织血氧计持续感测受试者的组织区域，所述感测产生表示至少一个组织氧合参数的第一信号；b)在所述时间段期间使用血压感测装置持续测量所述受试者的血压水平，所述测量产生表示所述时间段期间所述受试者的血压的第二信号；c)使用表示至少一个组织氧合参数的所述第一信号和表示所述时间段期间所述受试者的所述血压的所述第二信号来确定随受试者血压而变的自调节数据；以及d)确定所述受试者的自调节功能状态的自调节下限或自调节上限中的至少一者。

在上文和此处所描述的任一方面或实施例中，所述确定所述受试者的自调节功能状态的LLA或ULA中的至少一者的步骤可包含使用算法将曲线拟合到随受试者血压而变的所述自调节数据。

在上文和此处所描述的任一方面或实施例中，所述将所述曲线拟合到所述自调节数据的步骤可包含确定所述曲线的算法模型，并且所述使用拟合曲线确定所述受试者的自调节功能状态的所述LLA或所述ULA中的至少一者的步骤可包含使用所述曲线的所述算法模型确定拐点。

在上文和此处所描述的任一方面或实施例中，其中所述拐点的所述确定可包含确定所述曲线的一阶导数。

在上文和此处所描述的任一方面或实施例中，其中所述拐点的所述确定可使用所述自调节数据中的至少一些。

在上文和此处所描述的任一方面或实施例中，其中所述拐点的所述确定可包含确定所述曲线的二阶导数。

在上文和此处所描述的任一方面或实施例中，所述使用拟合曲线确定所述受试者的自调节功能状态的所述LLA或所述ULA中的至少一者的步骤可包含利用所述拟合曲线的一阶导数、所述拟合曲线的二阶导数或所述拟合曲线的绝对值或其任何组合。

在上文和此处所描述的任一方面或实施例中，其中所述使用拟合曲线确定所述受试者的自调节功能状态的所述LLA或所述ULA中的至少一者的步骤可利用肘点方法。

在上文和此处所描述的任一方面或实施例中，其中所述确定随受试者血压而变的自调节数据的步骤可包含根据多个增量血压分区对在所述时间段内确定的所述自调节数据进行分区，并且所述方法还可包含确定每个增量血压分区中的所述自调节数据的置信度值。

在上文和此处所描述的任一方面或实施例中，其中所述将所述曲线拟合到所述自调节数据的步骤可包含基于每个增量血压分区中的所述自调节数据的所确定置信度值来评估所述相应增量血压分区中的所述自调节数据以用于包含在曲线拟合中。

在上文和此处所描述的任一方面或实施例中，其中所述确定每个增量血压分区中的所述自调节数据的所述置信度值的步骤包含确定每个相应增量血压分区中的所述自调节数据的一阶统计信息，并使用所确定的一阶统计信息确定相应置信度值。

在上文和此处所描述的任一方面或实施例中，所述方法还可包含可视地显示根据所述增量血压分区进行分区的自调节数据。

在上文和此处所描述的任一方面或实施例中，所述方法还可包含用分区的自调节数据可视地显示每个增量血压分区中的所述自调节数据的置信度值。

根据本公开的一方面，提供一种用于确定受试者的自调节功能状态的设备，其包含近红外光谱(NIRS)组织血氧计、血压感测装置和控制器。所述NIRS组织血氧计被配置成在某一时间段期间持续感测所述受试者的组织区域，并产生表示所述时间段期间至少一个组织氧合参数的第一信号。所述血压感测装置被配置成在所述时间段期间持续测量所述受试者的血压水平，并产生表示所述时间段期间所述受试者的血压的第二信号。所述控制器与NIRS组织血氧计和血压感测装置通信。所述控制器包含至少一个处理器和被配置成存储指令的存储器装置，所存储指令在被执行时使所述控制器：a)控制所述NIRS组织血氧计以在某一时间段期间持续感测所述受试者的组织区域并产生表示在所述时间段期间在所述组织区域内感测到的至少一个组织氧合参数的第一信号；b)控制所述血压感测装置以在所述时间段期间持续测量所述受试者的血压水平并产生表示所述时间段期间所述受试者的血压的第二信号；c)使用所述第一信号和所述第二信号来确定自调节数据；以及

以及d)确定所述受试者的自调节功能状态的LLA或ULA中的至少一者。

在上文和此处所描述的任一方面或实施例中，所述指令在被执行时可包含使所述控制器使用算法将曲线拟合到随受试者血压而变的所述自调节数据。

在上文和此处所描述的任一方面或实施例中，所述指令在被执行时可使所述控制器确定所述曲线的算法模型并使用所述算法模型将所述曲线拟合到所述自调节数据，并且在所述确定所述受试者的自调节功能状态的所述LLA或所述ULA中的所述至少一者时使用所述曲线的所述算法模型来确定拐点。

在上文和此处所描述的任一方面或实施例中，在被执行时使所述控制器确定随受试者血压而变的所述自调节数据的所述指令还可使所述控制器根据多个增量血压分区对在所述时间段内确定的所述自调节数据进行分区，并且确定每个增量血压分区中的所述自调节数据的置信度值。

在上文和此处所描述的任一方面或实施例中，所述指令在被执行时可使所述控制器基于每个增量血压分区中的所述自调节数据的所确定置信度值来评估所述相应增量血压分区中的所述自调节数据以用于包含在曲线拟合中。

根据本公开的一方面，可提供一种或多种非暂时性计算机可读介质，其包括用于实施本文中所描述的本公开实施例中的一者或多者的指令。

除非另外明确指示，否则前述特征和元件可以各种组合来组合而没有排他性。根据以下描述和附图，这些特征和元件以及其操作将变得更加显而易见。然而，应当理解，以下描述和图式旨在在本质上是示例性的并且是非限制性的。

附图说明

图1是随时间而变的自调节参数的图解说明。

图2是血流相对于灌流压的图解说明，指示扩张血管和收缩血管与自调节功能之间的关系。

图3是大脑血流相对于大脑灌流压的图解说明，指示正常状况、低血压状况和高血压状况。

图4A是根据本公开的实施例的自调节系统的图解表示。

图4B是根据本公开的实施例的自调节系统的图解表示。

图5是示例性频域方法的图解表示。

图6是自调节曲线图实施例实例。

图7是自调节曲线图实施例实例。

图8是自调节曲线图实施例实例。

图9是本公开的一方面的实施例的功能图。

图10是在频率轴上描绘的图9中所示的多个频带的图。

图11是在时间轴上描绘的图9中所示的多个频带的图。

图12是示出多个NIRS指数的自调节图的图解显示。

图12A提供利用了多个不同NIRS指数的本公开实施例的图解实例。

图13是示出相位与频率之间的示例性关系的图表。

图14是根据本公开的示例性频域方法的实施例的图解表示。

图15是根据本公开的实施例的自调节数据的示例性显示。

图16是根据本公开的实施例的呈S形曲线形式的自调节数据的示例性显示。

图17是在AR指数相对于平均血压的图上的根据本公开的实施例的呈S形曲线形式的自调节数据的示例性显示。

图18是在AR指数相对于平均血压的图上的根据本公开的实施例的呈S形曲线形式的自调节数据的示例性显示。

图19是在AR指数相对于平均血压的图上的根据本公开的实施例的呈S形曲线形式的自调节数据的示例性显示，包含多个自调节区。

图20是示出肘点方法的实例的图示。

图21是拟合到随分区的血压(MAP)值而变的CAI数据的S形曲线的图解说明，其中使用肘点技术确定LLA。

图22是CAI值相对于分区血压(MAP)的曲线图。

图23是呈AR指数相对于平均血压的图形式的自调节数据的示例性显示，示出自调节数据方差的指示符。

图24A-24E是从示出随时间而变的自调节曲线(沿着Y轴的AR指数值和沿着X轴(分区)的血压值)产生的视频截取的静态画面，其中图24A-24E表示来自所述视频的依序时间点。

图25是示出根据拟合到数据的曲线确定的自调节下限(LLA)的示例性自调节曲线。

图26是示出本公开的各方面的流程图。

图27是示出混杂因素功能实施例的功能图。

图28是示出与生理不确定性相关的混杂因素功能实施例的功能图。

图29是包含BP、StO₂和THb趋势的示例性多趋势输入表。

图30是生理事件之后的NIRS指数趋势的图解说明。

图31是生理事件之后的NIRS指数趋势的图解说明。

图32是生理事件之后的NIRS指数趋势的图解说明。

图33是生理事件之后的NIRS指数趋势的图解说明。

图34是生理事件之后的NIRS指数趋势的图解说明。

图35是示出与缺氧相关的混杂因素功能实施例的功能图。

图36-38是示出与疼痛相关的混杂因素功能实施例的功能图。

图39A是示出高碳酸血的影响的大脑血流相对于大脑灌流压的图示。

图39B是示出低碳酸血的影响的大脑血流相对于大脑灌流压的图示。

图40是示出与血液内的二氧化碳水平相关的混杂因素功能实施例的功能图。

图41是示出与血液内的二氧化碳水平相关的混杂因素功能实施例的功能图。

图42是示出与脑外血流相关的混杂因素功能实施例的功能图。

具体实施方式

参考图4A和4B，示出自调节测量和监测系统(“AM系统20”)的非限制性实施例。如本文将描述，AM系统20可被配置成产生可被测量和/或监测的数据值(例如，相干性值)，或指示受试者的自调节系统功能的状态的数据值；例如，受试者的自调节系统起作用的程度，或其任何组合。虽然示出示例性AM系统20，但图4A和4B中所示的示例性组件不旨在是限制性的；例如，可使用额外或替代的组件和/或实施方案。在一些实施例(例如，图4A)中，AM系统20可包含集成到单个系统装置中的血压感测装置22、组织血氧计24、其它装置32(例如，经皮血气监测器或呼出面包CO₂传感器等或其组合之类的二氧化碳(CO₂)传感器，心电图-“ECG”之类的心率监测器等)、控制器26、一个或多个输出装置28和一个或多个输入装置30；例如，与感测硬件(例如，与组织血氧计相关联的硬件、与血压传感器相关联的硬件等)一体连接的控制器26。在其它实施例(例如，图4B)中，AM系统20可包含控制器26，并且可被配置成与血压感测装置22、组织血氧计24、CO₂传感器、心率监测器、一个或多个输入装置30和一个或多个输出装置28通信(例如，从其接收信号数据和/或向其发送信号数据)。换句话说，在这些实施例中，AM系统20可被配置成与能够独立于AM系统20起作用的血压感测装置22、能够独立于AM系统20起作用的组织血氧计24、能够独立于AM系统20起作用的CO₂传感器、能够独立于AM系统20起作用的心率监测器等通信。在其它实施例中，AM系统20可包含呈一体式和独立形式的这些装置的某一组合。

血压感测装置22(“BP感测装置22”)可以是被配置成持续确定受试者的血压(例如，动脉血压)的任何传感器或装置。例如，BP感测装置22可以是被配置成提供持续血压测量的装置，例如动脉导管线，或持续非侵入式血压装置，或脉搏血氧测定传感器。然而，本公开不限于使用血压感测/测量/监测装置22的这些特定实例。BP感测装置22被配置成产生指示某一时间段期间受试者的血压(例如，动脉血压)的血压值信号。BP感测装置22被配置成与AM系统控制器26通信；例如，将血压值信号发送到AM系统控制器26，并且可从AM系统控制器26接收控制信号等。BP感测装置22与AM系统控制器26之间的通信可通过任何已知手段进行；例如，硬连线、无线等。如本文中所使用的术语“持续”(用以描述持续确定受试者的血压的BP感测装置22)意指BP感测装置22在监测时间段期间周期性地感测和收集受试者数据，所述周期性足够频繁，使得可被视为临床上持续。例如，一些BP感测装置22每十秒或更短时间对数据进行取样，并且可被配置成更频繁地(例如，每两秒或更短时间)对数据进行取样。

组织血氧计24可以是被配置成持续感测随受试者的组织中的血流而变化的组织氧合参数(下文分别称为“NIRS指数”或统称为“NIRS指数”)的装置；所述组织氧合参数例如组织氧饱和度(StO₂)、单位体积组织的总血红蛋白浓度(THb)、单位体积组织的相对总血红蛋白浓度(rTHb)、脱氧血红蛋白(HHb)、相对脱氧血红蛋白(rHHb)、氧合血红蛋白(O2Hb)、相对氧合血红蛋白(rO2Hb)、氧合血红蛋白(O2Hb)和脱氧血红蛋白(HHb)的差分变化、相对氧合血红蛋白(rO2Hb)和脱氧血红蛋白(rHHb)的差分变化、HbD(即，O2Hb-HHb)等。为了清楚起见，本公开不限于这些特定NIRS指数，并且本文种所使用的各种缩略词(例如，StO₂、THb、rTHb、Hb、rHHb、O2Hb、rO2Hb和HbD)是本领域技术人员可用于指代相应NIRS指数的缩略词的非限制性实例。本领域技术人员将认识到，有时使用例如Hb、HbO₂、TotalHb等不同的缩略词来指代相同的NIRS指数。

可接受的组织血氧计24的实例是近红外光谱(“NIRS”)型组织血氧计(“NIRS组织血氧计”)。每一者以全文引用的方式并入本文中的第6,456,862号、第7,072,701号、第8,078,250号、第8,396,526号和第8,965,472号以及第10,117,610号美国专利公开了可用于本公开内的非侵入式NIRS组织血氧计的非限制性实例。如本文中所使用的术语“持续”(用以描述持续感测组织氧合参数的组织血氧计24)意指组织血氧计24在监测时间段期间周期性地感测和收集受试者数据，所述周期性足够频繁，使得可被视为临床上持续。例如，一些组织血氧计24每十秒或更短时间对数据进行取样，并且可被配置成更频繁地(例如，每两秒或更短时间)对数据进行取样。

组织血氧计24包含与控制器部分通信的一个或多个传感器。每个传感器包含一个或多个光源(例如，发光二极管或“LED”)和一个或多个光检测器(例如，光电二极管等)。光源被配置成发射不同光波长的光，所述光波长例如为红光或近红外范围400-1000nm中的光波长。在一些传感器实施例中，传感器可被配置成包含光源、近检测器和远检测器。近检测器设置成比远检测器更靠近光源。此类传感器的非限制性实例公开于第8,965,472号美国专利中，如上文所指示，所述美国专利以全文引用的方式并入。组织血氧计24被配置成与AM系统控制器26通信；例如，将表示(或可用于确定)一个或多个NIRS指数的信号发送到AM系统控制器26，并且可从AM系统控制器26接收控制信号等。组织血氧计24与AM系统控制器26之间的通信可通过任何已知手段进行；例如，硬连线、无线等。

NIRS组织血氧计24可利用一个或多个算法来确定一个或多个NIRS指数。本公开不限于用于确定所感测的组织的NIRS指数的任何特定NIRS组织血氧计24或任何算法。第9,913,601号、第9,848,808号、第9,456,773号、第9,364,175号、第9,923,943号、第8,788,004号、第8,396,526号、第8,078,250号、第7,072,701号和第6,456,862号美国专利全都描述了用于确定可与本公开一起使用的NIRS指数的算法的非限制性实例，并且全都以其相应全文以引用的方式并入本文。

BP感测装置22或组织血氧计24中的一者或两者还可被配置成测量其它参数，例如呼吸速率、呼吸努力、心率等。BP感测装置22和组织血氧计24可放置在患者身体的相同或不同部位上。

如上所述，BP感测装置22、组织血氧计24和本文中标识的其它装置可集成在AM系统20内，或者这些装置可以是向AM系统20提供信号数据的独立装置，或其任何组合。在前述装置中的一者或多者独立于AM系统20的那些实施例中，所述独立装置可以任何方式与AM系统控制器26通信。

如上所述，AM系统20包含控制器26，并且可包含一个或多个输出装置28和一个或多个输入装置30。输入装置30的非限制性实例包含键盘、触控板或其中用户可输入数据、命令或信号信息的另一装置，或被配置成经由硬连线或无线连接与外部输入装置通信的端口等。输出装置28的非限制性实例包含任何类型的显示器、打印机或被配置成显示或传送由AM系统20产生的信息或数据的另一装置。AM系统20可被配置成经由硬连线连接或无线连接与输入装置30或输出装置28连接。

在一些实施例中，AM系统控制器26可被配置成(例如，经由电路系统)处理各种接收的信号(从一体式或独立装置接收)，并且可被配置成产生送至所述装置的某些信号；例如，被配置成控制AM系统20内的一个或多个组件的信号。替代地，AM系统20可被配置成使得来自相应组件的信号被发送到一个或多个中间处理装置，并且所述中间处理装置又可将已处理信号或数据提供到AM系统控制器26。如下文将解释，AM系统控制器26还可被配置成执行所存储指令(例如，算法指令)，所述所存储指令使AM系统20执行本文中所描述的步骤或功能，以产生与受试者的自调节系统相关的数据(例如，测量值等)、进行通信等。

AM系统控制器26可包含任何类型的计算装置、计算电路或能够执行存储在存储器34中的一系列指令的任何类型的过程或处理电路。控制器26可包含多个处理器和/或多核CPU，并且可包含任何类型的处理器，例如微处理器、数字信号处理器、协同处理器、微控制器、微计算机、中央处理单元、现场可编程门阵列、可编程逻辑装置、状态机、逻辑电路系统、模拟电路、数字电路系统等，和其任何组合。例如，在上文所描述的AM系统20的包含与系统20成一体的多个组件(例如，与所述系统成一体的血压感测装置22、组织血氧计24、CO₂传感器等)的那些实施例中，控制器26可包含多个处理器；例如，专用于每个相应组件的独立处理器，任何和所有所述处理器可与AM系统20的中央处理器通信，所述中央处理器协调控制器26/AM系统20的功能。存储在存储器中的指令可表示用于控制AM系统20的一个或多个算法，并且所存储指令不限于任何特定形式(例如，程序文件、系统数据、缓冲器、驱动程序、公用程序、系统程序等)，条件是所存储指令可由控制器26执行。指令被配置成执行本文中所描述的方法和功能。

存储器34可以是机器可读存储介质，其被配置成存储指令，所述指令在由一个或多个处理器执行时使所述一个或多个处理器执行某些功能或引起某些功能的执行。存储器34可以是单个存储器装置或多个存储器装置。存储器装置可以是非暂时性装置，并且可包含存储区域网络、网络附接的存储器以及磁盘驱动器、只读存储器、随机存取存储器、易失性存储器、非易失性存储器、静态存储器、动态存储器、快闪存储器、高速缓存存储器和/或存储数字信息的任何装置。基于对本公开的回顾，本领域技术人员将理解，控制器26的实施可经由使用硬件、软件、固件或其任何组合来实现。

本文中所描述的技术、框块、步骤和方法的实施可以各种方式完成。例如，这些技术、框块、步骤和方法可在硬件、软件或其组合中实施。对于硬件实施方案，被配置成(例如，通过执行所存储指令)实行所描述的功能和步骤的处理装置可在一个或多个专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理装置(DSPD)、可编程逻辑装置(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器或被设计成执行本文中所描述的功能的其它电子单元，和/或其任何组合内实施。

而且，应注意，本公开的实施例可在本文中描述为作为流程表、流程图、框图等描绘的过程。尽管这些结构中的任一者可将操作描述为依序过程，但许多操作可并行地或同时执行。另外，可重新布置所述操作的次序。过程可对应于方法、功能、程序、子例程、子程序等。

本AM系统20利用组织血氧计24的数据(例如，与一个或多个NIRS指数相关)和持续血压测量数据的实时数据收集来产生与受试者的自调节功能相关的数据。组织血氧计24和BP感测装置22的特定功能(例如，取样速率等)可设置成适于AR系统20的操作，并且本公开不限于任何特定装置设置。组织血氧计24的数据和BP感测装置22的数据(例如，呈信号形式)被发送到AR系统控制器26，在所述AR系统控制器中使用所存储指令处理所述数据以确定自调节数据。例如，本AM系统20可被配置成产生指示至少一个NIRS指数与血压数据之间的相关性的数据，以确定受试者的自调节数据。在一些实施例中，AM系统20可被配置成使用基于频域方法的算法来产生相干性分析。

在包含CO₂传感器(例如，经皮血气监测器、呼出宽度CO₂传感器等，或其任何组合)的本AM系统20的那些实施例中，AM系统20可利用CO₂传感器数据的实时数据收集。CO₂传感器的特定功能(例如，取样速率等)可设置成适于AR系统20的操作，并且本公开不限于任何特定装置设置。CO₂传感器数据(例如，呈信号形式)被发送到AR系统控制器26，在所述AR系统控制器中使用所存储指令处理所述数据，如本文中所描述。

图5以图解方式描绘涉及在预定取样窗口(例如，时间段)中获取同步血压和NIRS指数值的示例性频域方法。如本文所述，本公开的各方面不限于使用频域方法。在此示例性频域方法中，血压和NIRS指数值各自(例如，经由傅立叶变换)从时域变换到频域(示为血压相对于频率和NIRS指数相对于频率的相应图；变换后的组织氧合参数值(例如，NIRS指数)可称为“频域组织氧合参数值”，并且变换后的血压值可称为“频域血压值”，并且进一步分析变换后的数据以确定频率的单个频带(即，单个频带)内的相干度。相干度可根据任意指派的零到一(0-1)的标度来指示，其中相干度从零增加到一(示为相干性值相对于频率的图)。相干性值一表示如上文所描述的压力被动状况。相反，接近零的相干性值指示NIRS指数与血压参数之间越来越小的关系。表示单个频带中基本上所有频率的相干性值(“COHZ”)可用作自调节(“AR指数”)或压力被动指数(“PPI”)。出于本说明书的目的，术语“AR指数”和压力被动指数“PPI”旨在基本上等同，并且为了清楚起见，下文将使用术语“AR指数”。用于单个频带的代表性相干性值(“COHZ”)可以是单个频带内的相干性值的平均值，或均值，或中值，或共同地表示单个频带中的所有频率上的相干性值的任何类似值。

在一些实施例中，在某一时间段内确定的COHZ值(在单频带内)可按血压增量(例如，每5mmHg)或按增量血压范围(例如，0-20mmHg、20-25mmHg、25-30mmHg等)进行分区。图6-8中示出几个小时内的自调节曲线图的非限制性实例，所述自调节曲线图基于在单个频带内确定的COHZ值。

在图6中，示出基于猪实验室数据的自调节曲线图，其描绘了AR指数和代表性StO₂值(即，NIRS指数)的Y轴、代表性血压范围的X轴(以5mmHg分区示出)和每个血压分区的相干性值(“COHZ”)。代表性StO₂值可以是共同表示频带中的所有频率上的StO₂值的均值、平均值、中值或类似值。在替代实施例中，自调节曲线图可包含除StO₂外的NIRS指数；即THb、rTHb、O2Hb和HHb的差分变化、HbD等。如图6中可见，可根据AR指数来查看COHZ值。图6中所描绘的数据指示，在小于约三十mmHg(30mmHg)的血压值下，受试猪的自调节变得越来越压力被动。图6包含处于约0.3的AR指数值的水平线38，以反映AR指数值拐点，在所述拐点上方，受试者的自调节系统可被描述为在一定程度上是压力被动的(例如，受试者的自调节系统处于压力被动的程度随着AR指数接近AR指数值1而上升)，并且在所述拐点下方，受试者的自调节功能基本上正常。本公开不限于0.3的AR指数值拐点或任何特定AR指数值拐点。AR指数值拐点可基于经验数据，并且可根据例如受试者的特性例如年龄、健康、吸烟者等因素而变化。

在图7中，示出基于人类新生儿数据的自调节曲线图，其描绘了AR指数和代表性StO₂值(即，NIRS指数)的Y轴、代表性血压范围的X轴(以5mmHg分区示出)和每个血压分区的相干性值(“COHZ”)。如上所述，自调节曲线图可包含除StO₂外的NIRS指数；即，rTHb、O2Hb和HHb的差分变化、HbD等。图7中所描绘的数据指示，在小于约五十mmHg(50mmHg)的血压值下，人类新生儿受试者的自调节变得越来越压力被动。图7包含处于约0.3的AR指数值的水平线38，以反映AR指数值拐点，在所述拐点上方，受试者的自调节系统可被描述为在一定程度上是压力被动的，并且在所述拐点下方，受试者的自调节功能基本上正常。如上所述，本公开不限于0.3的AR指数值拐点或任何特定AR指数值拐点。

在图8中，示出基于人类新生儿数据的自调节曲线图，其描绘了AR指数和代表性StO₂值(即，NIRS指数)的Y轴、代表性血压范围的X轴(以5mmHg分区示出)和每个血压分区的相干性值(“COHZ”)。如上所述，自调节曲线图可包含除StO₂外的NIRS指数；即，rTHb、O2Hb和HHb的差分变化、HbD等。图8中所描绘的数据指示，在大于约八十五mmHg(85mmHg)的血压值下，人类新生儿受试者的自调节变得越来越压力被动。图8包含处于约0.3的AR指数值的水平线38，以反映AR指数值拐点，在所述拐点上方，受试者的自调节系统可被描述为在一定程度上是压力被动的，并且在所述拐点下方，受试者的自调节功能基本上正常。如上所述，本公开不限于0.3的AR指数值拐点或任何特定AR指数值拐点。

本公开的各方面可提供对受试者的自调节功能的增强测量(例如，受试者的自调节系统起作用的程度)，或对受试者的自调节功能的状态的增强确定，或其任何组合。例如，在一些实施例中，本公开包含根据从不同取样窗口获取的NIRS组织血氧测定和生理(例如，平均血压)数据同时(或几乎同时)确定和分析来自不同预定频带的COHZ值，以及根据不同预定频带内确定的COHZ值确定给定时间点的峰值COHZ值(即，“MAX COHZ”值)。可周期性地(例如，每30秒)确定MAX COHZ值。以此方式，用于进一步分析的MAX COHZ值可基于从不同预定频带中的任一者确定的COHZ值；例如，在第一时间点，MAX COHZ值可基于来自第一频带的数据，并且在另一时间点，MAX COHZ值可基于来自不同频带的数据，等。如下文将解释，与从单个频带确定相比，从多个不同的预定频带确定MAX COHZ值的可能性被认为会增加AM系统20的灵敏度和准确度，并且改进AM系统20的实时响应检测(例如，提高AM系统20更快地检测受试者的自调节功能的问题的能力)。

参考图9，可在至少多个预定频带中(例如，在类似于上文相对于图5描述的方法中)确定代表性相干性值(“COHZ”)，并且可根据那些COHZ值确定(即，根据在相应的不同频带中确定的COHZ值确定)实时峰值相干性值(MAX COHZ)。例如，在图9中所示的示例性方法中，示出五个不同的频带。频带1号(“#1”)具有0.00333Hz到0.05Hz的带宽和五分钟取样窗口。频带2号(“#2”)具有0.00166Hz到0.05Hz的带宽和十分钟取样窗口。频带3号(“#3”)具有0.000833Hz到0.05Hz的带宽和二十分钟取样窗口。因此，频带号#1-3表示不同的带宽和不同的取样窗口；例如，至少部分地基于例如5分钟、10分钟、20分钟等相关联取样窗口的持续时间来选择频带号#1-3内的频率范围。还可鉴于组织血氧计24的取样速率、或血压感测装置22的取样速率(或收集速率)或这两者或其某一组合来选择频带内的频率范围；例如，可选择频带，使得相应装置的取样速率在所述频带内。当受试者的血压快速变化时，频带#1应理解为有效地标识相干性(例如，易于标识的相干性)。当受试者的血压变化不如频带#1内所考虑的变化快时，频带#2应理解为有效地标识相干性(例如，易于标识的相干性)。当受试者的血压变化不如频带#2内所考虑的变化快时，频带#3应理解为有效地标识相干性(例如，易于标识的相干性)。上文所描述的频带#1-3的频率范围是实例，并且本公开不限于这些特定频率范围。频带号#4具有0.05Hz到0.15Hz的带宽和五分钟取样窗口。频带#4内的频率范围被选择以准许评估高于频带#1-3内的频率范围的频率范围，并且应理解为在受试者的血压快速变化时会有效地标识相干性(例如，易于标识的相干性)，和/或可选择来反映呼吸效应(例如，呼吸速率等)。上文所描述的频带#4的频率范围也是实例，并且本公开不限于此特定频率范围。频带号#5具有0.08Hz到0.12Hz的带宽和五分钟取样窗口。频带#5内的频率范围可选择来评估受试者的生理特性(例如，迈耶波(Mayer wave))，并且应理解为有效地标识与迈耶波相关联的相干性(例如，易于标识的相干性)。迈耶波是由压力感受器和化学感受器反射控制系统中的振荡引起的动脉血压的循环变化(例如，“波”)。迈耶波可定义为在比呼吸频率慢的频率下的动脉血压振荡，并且其显示出与传出的交感神经活动最强、显著的相干性(频域中两个变量的波动之间的线性耦合强度)。上文所描述的频带#5的频率范围也是实例，并且本公开不限于此特定频率范围。

从多个预定频带确定MAX COHZ的本公开的实施例不限于上文公开的频带或标识的取样窗口；例如，可使用与不同持续时间的取样窗口相关联的更少或更多频带，和/或可使用不同的取样窗口等。上文公开的频带和取样窗口应理解为提供如下文将描述的相当大的效用，但本公开不限于此。

通过确定多个预定义频带(例如，类似于图9中所示的那些频带)内的COHZ值，最高COHZ值(即，MAX COHZ值)可在任何给定时间点(例如，包含如本文所指示的周期性确定)经由COHZ峰值检测器36从不同频带中选择。与从单个频带确定的COHZ值相比，MAX COHZ值提供在任何给定时间点对自调节功能更大的灵敏度；例如，如图5中所描绘的方法中所示。因此，MAX COHZ值(和对应的AR指数)更多指示实时(当前时间)情况，并且特别是在受试者的血压下降到低于较低的自调节阈值(例如，“LLA”，其在图示解决方案中呈现为较低的血压偏转点)的情况下可更快速地提醒临床医生。例如，如果受试者的血压和NIRS指数(例如，StO₂)快速变化，则从较高频带确定的COHZ值将很可能显著高于从较低频带确定的COHZ值。因此，“事件”(即，受试者的血压和NIRS指数的快速变化)在较高频带内被更快速地标识。相反，如果受试者的血压和NIRS指数(例如，StO₂)存在缓慢的同时变化，则从较低频带确定的COHZ值将很可能显著高于从较高频带确定的COHZ值。因此，“事件”(即，受试者的血压和NIRS指数的慢速变化)在较低频带内被更快速地标识。

尽可能快速确定受试者的自调节作用性的变化的指示(例如，如果自调节功能失败，例如压力被动状况等)存在显著的临床价值。通过利用单个频带的频域方法监测受试者的自调节作用性的自调节监测系统可能在报告高相干性值方面较慢，或者由于对所有个别频率相干性值求平均值，相干性值的量值可能被较低频率下的较低相干性值稀释。本公开的实施例通过确定多个预定义频带内的COHZ值并从中确定MAX COHZ值来减轻这些限制。

图10中所示的图解说明描绘例如图9中所示和上文所描述的频域方法。在图10中，预定频带#1-5在水平频率轴上示出以说明相应频带的差异。

图11中所示的图解说明示出对应于图9中所示和上文所描述的示例性预定频带#1-5的时域取样窗口。图11中所示的时域取样窗口的取向示出在本公开的一些实施例中，在给定时间点(“T_当前”)产生的自调节数据可基于表示刚刚过去的5分钟(“T_-5分钟”)、10分钟(“T_-10分钟”)和20分钟(“T_-20分钟”)的时间取样窗口；即，至少部分地重合的取样窗口。如上所述，本公开不限于这些特定取样窗口持续时间。

本公开的其它方面还可提供对受试者的自调节功能的增强测量。如上文所描述，可在某一时间段内使用同步血压和NIRS指数值来评估受试者的自调节作用性，其中血压和NIRS指数值各自从时域变换到频域，并且变换后的数据被进一步分析以确定其间的相干度。在本公开的一些实施例中，可针对多个不同的NIRS指数执行(例如，使用StO₂、rTHb、O2Hb和HHb的差分变化、HbD等中的至少两者执行)此过程。在一个NIRS指数比另一NIRS指数更对自调节功能敏感的情况下，执行本文中所描述的自调节功能确定过程(例如，在单个频带内或在多个频带内)可提供对受试者的自调节功能变化的额外灵敏度和/或更快标识。例如，图12示出基于第一NIRS指数(例如，StO₂)的第一自调节图52(AR指数相对于BP范围)、基于第二NIRS指数(例如，rTHb)的第二自调节图54和基于第三NIRS指数的第三自调节图56(例如，O2Hb和HHb的差分变化)。可基于每个血压分区相对于彼此评估前述NIRS指数中的每一者的COHZ值；例如，与50-55mmHg分区的StO₂相关联的COHZ值、与50-55mmHg分区的THb相关联的COHZ值，以及50-55mmHg分区的HbO₂和Hb的差分变化的COHZ值等。在一些实施例中，评估过程可包含选择具有所述分区的最高COHZ值的NIRS指数。图12A提供上述方法的图解实例，以及可如何显示前述方法的图解视图。在其它实施例中，评估过程可包含基于所述分区的前述NIRS指数的COHZ值来创建平均COHZ值(或均值或中值等)。在一些情况下，第一NIRS指数值可能比另一NIRS指数值更对自调节功能敏感(或在其它情况下，一个NIRS指数可能受生理事件影响，而另一NIRS指数不受同一生理事件影响或影响较小)，并且执行上文所描述的自调节功能确定过程可提供对受试者的自调节功能变化的额外灵敏度和/或更快标识。本公开不限于用于使用多个不同的NIRS指数监测受试者的自调节作用性的任何特定方法。例如，在第一实施例中，可针对每个NIRS指数执行本文中所描述的用于确定MAX COHZ值的方法，随后可相对于彼此评估来自每个此类确定的MAX COHZ值(即，MAX COHZ_NIRS指数1、MAX COHZ_NIRS指数2、MAX COHZ_NIRS指数3等)，以从中选择随后可用于评估如本文中所描述的受试者的自调节功能的最大值(例如，MAX COHZ_NIRS指数)。作为另一实例，多个不同的NIRS指数可在MAX COHZ值确定中的别处(例如，更早)使用。例如，在用于确定每个频带的COHZ值的过程期间，可针对特定频带内的每个NIRS指数(例如，对于第一频带：COHZ_{NIRS指数1-FB1}、COHZ_{NIRS指数2-FB1}、COHZ_{NIRS指数3-FB1})确定COHZ值以及从中选择的峰值COHZ值，并且针对每个频带重复所述过程。随后可例如以本文中所描述的方式根据前述COHZ值确定峰值相干性值(MAXCOHZ)。用于使用多个不同的NIRS指数监测受试者的自调节作用性的这些示例性方法旨在是说明性的而非限制性的。

在一些实施例中，一旦根据从在所述时刻分析的多个预定频率范围确定的相干性值(COHZ)确定MAX COHZ值，MAX COHZ值就可按血压范围(例如，每5mmHg)进行分区；例如，如果检测到小的血压变化。在一些实施例中，可在给定时间段(例如，小时)内周期性地(例如，每30秒)持续确定MAX COHZ值，并且可进一步处理那些MAX COHZ值以例如促进信息的显示。例如，可对在某一时间段内收集的周期性确定的MAX COHZ值进行分区，并且可在例如类似于图6-8中所示的图结构化的图等自调节曲线图内显示分区值的代表值(例如，平均值、均值或中值)。在包含分区过程其中针对每个分区确定代表值的那些实施例中，产生代表值(例如，确定平均值、均值或中值)的过程可提供减少离群值(例如，误报和漏报)的额外优点。

为了增强临床医生对自调节数据的可见性(例如，以便更容易识别不良自调节)，本公开的一些实施例可操纵MAX COHZ值(例如，通过乘数或通过数学函数等)，以使受试者的自调节功能(例如，MAX COHZ值)的变化更容易识别。例如，在一些实施例中，自调节曲线可包含基于数学函数的AR指数，例如以下等式：

AR指数＝2×(MAX COHZ)² [等式1]

另外，如上所述，可通过显示反映AR指数值拐点的线来增强临床医生对自调节数据的可见性，在所述拐点上方，受试者的自调节系统可能不良地起作用(例如，以压力被动方式起作用)。图6-8和15中所示的示例性自调节图曲线包含在0.3处的AR指数值拐线38。本公开不限于包含AR指数值拐线38的自调节图曲线，并且对于确实包含AR指数值拐线38的那些曲线实施例，它们不限于0.3或任何其它特定AR指数值。

在本公开的一些实施例中，自调节曲线图可反映整个监测周期的数据。在一些实施例中，自调节曲线图可反映在小于整个监测周期的时间段期间收集的数据。本公开AR系统可被配置成选择性地显示这些实施例中的任一者。

在一些实施例中，AR系统可被配置成准许同时(例如，在同一显示屏上)显示多个自调节曲线图；例如，显示在监测周期期间的长时间段内收集的数据的第一自调节曲线图，以及显示在监测周期期间的例如更新近的时间段的较短时间段内收集的数据的第二自调节曲线图。

NIRS指数变化或血压变化不一定暗示受试者的自调节功能。自调节功能通常响应于NIRS指数和血压的相关变化。例如，如果NIRS指数在血压变化的相对短的时间段(例如，30秒)内变化，则从NIRS指数变化和血压变化导出的COHZ值很可能归因于受试者的生理机能，并且表示自调节功能的有效指示符。相反，考虑在血压变化之后相对长的时间段(例如，2分钟)发生的NIRS指数变化。这两个事件之间的时间分离使得所述事件不大可能作为生理反应彼此相关。因此，从这些时间上不同的变化导出的COHZ值不大可能归因于受试者的生理机能，并且所述COHZ值将很可能是自调节功能的不良指示符。时间上不同的变化更可能归因于其它生理事件，例如缺氧或外部干扰，例如受试者移动。

参考图13和14，本公开的实施例在评估受试者的自调节功能时考虑了NIRS指数变化与血压变化之间的时间关系。例如，在一些实施例中，可根据“相位”范围来评估在特定频带中确定的相干性值。如本文中所使用，术语“相位”或“相位范围”用于表示NIRS指数变化发生与血压变化发生之间的预定时间关系，或NIRS指数变化发生与血压变化之间的频率关系。例如，相位可定义为：

上述数学关系是可如何定义术语“相位”的非限制性实例，并且本公开不限于这种特定数学关系。在一些实施例中，NIRS指数变化发生与血压变化之间的相位关系可根据在频域中表达的前述值与频域中前述值彼此异相的程度之间的关系来表达。

为了示出相位可如何用于评估相干性值的有效性，考虑在特定频带(例如，极低频带)内确定的相干性值。如果相位(例如，血压变化与NIRS指数变化之间的时间间隔)在预定相位范围之外，则可丢弃相应的已确定相干性值，或指派不会破坏所述特定频带的COHZ确定的值(例如，低值，例如零)。可在处理(例如，平均化)特定频带的相干性值之前执行个别频率的相位评估，以产生所述特定频带的COHZ值。如图13中所示，随着对血压变化的NIRS响应时间而变的可允许最大相位随着频率增大而增大；例如，在较高频率下，在评估受试者的自调节功能时，所有相位值在生理学上可能是有效的，而在极低频率下，仅有限相位值在评估受试者的自调节功能时在生理学上可能是有效的(例如，血压变化与NIRS指数变化之间的时间关系过大，因此不大可能归因于受试者的生理机能)。

在一些情况下，受试者可能经历可能变得低于或高于较低自调节血压范围的急性血压下降。在此类情况下，本发明的AR系统可被配置成(例如，经由所存储的算法指令)更新所显示的自调节信息，包含自调节曲线图。所显示的信息可包含高于预定AR指数(或PPI指数)值的高值，所述预定AR指数值指示阈值自调节功能(所述值可描绘为AR指数值拐线)，在所述预定AR指数值上方，受试者的自调节功能变得越来越压力被动。

本公开的一些实施例可显示一个或多个自调节图、示出血压和NIRS指数信号的短实时窗口以及对应的相干性信号。本公开的一些实施例可显示随血压而变的NIRS指数分区值，类似于自调节图的情况。NIRS指数值(例如，StO₂值)的分区可通过至少小的血压变化来触发。在图15中示出显示实施例的非限制性实例，该图描绘示出自调节曲线图40(例如，AR指数或COHZ相对于BP范围)、分区NIRS指数(例如，StO₂)值相对于BP范围的对应图42以及实时窗口44的显示，所述实时窗口示出随时间而变的血压(例如，平均血压)、NIRS指数(例如，StO₂)和COHZ。

根据本公开实施例产生的自调节数据可以各种不同格式显示，包含但不限于图6-8和15中所示的自调节曲线图格式。在一些实施例中，根据本公开实施例产生的自调节数据可根据例如S形函数的数学模型显示；例如，出于显示目的，可将数学模型拟合到数据。S型函数是具有特性“S”形曲线(有时称为“S型曲线”)的数学函数。可与本公开一起使用的S型函数的实例如下，并且在图16中以图形方式描绘：

如图16中可见，S形曲线具有在两个不同值处的独特的平坦区域加上作为两个平坦区域之间的过渡区的曲线区域。在本公开的一些实施例中，S形函数可用于对自调节数据进行数学拟合。在图17中所示的S形曲线表示中，AR指数随着血压下降到低于下部自调节拐点而增加，并且单独地拟合自调节数据，其中AR指数随着血压增加到高于上部自调节拐点而增加。在这些实施例中，下部和上部自调节拐点可标记受试者的自调节起作用的范围。

非线性回归技术可用于在单个过程中或在多个单独的过程中在下部和上部拐点处将两个不同的S形函数曲线拟合到自调节数据，其中单独的结果稍后进行数学组合。图17示出拟合到随平均血压而变的自调节数据(例如，AR指数)的两个不同S形函数的实例。在一些实施例中，可在S形函数拟合过程期间将例如自调节曲线图的上部平坦区域的变量约束为小于或等于一(即，≤1)的值，并且可将自调节曲线图的下部平坦区域约束为大于或等于零(即，≥0)的值。可用于拟合S形函数的线性回归过程的非限制性实例是依序二次编程(SQP)，其是用于受约束非线性优化的迭代方法。

在图17中所示的实例中，通过非线性回归对自调节数据进行拟合的模型等式由两个S形函数组成：

在此示例性模型等式中，项：

表示上部平均血压S形函数，并且项：

表示下部MBP S形函数。参数“MBP”表示血压分区，参数“M”表示在上部拐点与下部拐点之间的MBP值处的低AR指数值的平均值或中值，所述平均值或中值通常表示生理自调节曲线的平坦部分，参数“ZU”表示上部S形函数中点，参数“TU”表示上部S形函数曲率，参数“ZL”表示下部S形函数中点，并且参数“TL”表示下部S形函数曲率。参数“M”、“ZU”、“ZL”、“TU”和“TL”(拟合变量)可通过非线性回归(NLR)来求解，并且可被约束到有限范围以帮助NLR收敛到解。“M”变量可在NLR之前通过预先计算下部拐点与上部拐点之间的MBP值处的低AR指数值的平均值或中值来预先确定，这可以进一步简化NLR。此外，等式4中的下部和上部S形函数可在MBP的中点(其中AR指数值最低)处分割，然后用NLR独立地处理。如果自调节曲线图示出AR指数仅在低MBP下上升，则可在NLR中使用下部MBP S形函数来求解参数“ZL”和“TL”，并且可丢弃上部MBP S形函数。同样，如果自调节曲线图示出AR指数仅在高MBP下上升，则可在NLR中使用上部MBP S形函数来求解参数“ZU”和“TU”，并且可通过将“M”添加到等式来替换下部MBP S形函数。

当通过NLR求解等式4的自调节模型时，可用相同参数将等式4进一步操纵成下文的等式5，以通过对下部S形函数进行求反来产生看起来像图3中所示的生理教科书自调节曲线的自调节曲线：

基于等式5重新绘制自调节曲线产生如图18中所示的生理自调节表示(例如，曲线)。(本AR系统可被配置成显示的)图18中所示的图形表示可显示为供临床医生理解通过实时组织血氧计和血压监测来监测的患者的大脑自调节状态的指示符。类似于使用等式5(或类似等式)产生且在图18中示出的图形表示可促进临床医生理解，并且由于其与图3中所示的曲线配置的相似性而提供即时解释，这被认为是本领域中已知的。

在图18中所示的图形表示中，指示自调节下限(“LLA”)的下部MBP拐点介于约40-50之间，并且指示自调节上限(“ULA”)的上部MBP拐点介于约100-110之间。

使用S形函数(例如，如等式3-5中所指示，并且如图17和18中所示)的数学建模的上述描述是可如何操纵自调节数据以供显示的非限制性实例。本公开不限于所描述的特定等式或所示的图形表示；例如，替代的S形函数和相关显示在本公开的范围内。

在本公开的一些实施例中，AM系统控制器26可配置有用以在NLR曲线拟合数据之前检查(例如，过滤)自调节数据的指令。例如，如果数据(例如，AR指数值)对于所有MBP值异常高，则被监测的受试者可能具有异常的自调节功能或没有自调节功能。例如，如果所计算的最低AR指数高于预定阈值(例如，AR指数值>0.5)，则控制器26指令可指示不执行NLR曲线拟合，并且代替拟合曲线，可提供(例如，显示)所有血压下的不良自调节功能的指示。

在本公开的一些实施例中，AM系统控制器26可配置有用以产生当前测得的MBP是否在大脑自调节极限内的“简化”指示的指令。例如，指示(例如，所显示数据)可包含生理自调节曲线(例如，如图18中所示的生理自调曲线)和当前测得的MBP是否在大脑自调节极限内的图形指示(例如，从自调节曲线图和/或导出的生理自调节曲线确定)。此类图形指示的实例在图19中示出，其示出区中的当前实时MBP值；指示MBP值在自调节区内(例如，正常)的第一区46、指示MBP值是边界(例如，在自调节区的周边处，但尚未在自调节区之外)的第二区48，以及指示MBP值在自调节区之外(例如，异常)的第三区50。为了便于临床医生快速识别这些区46、48、50，前述区可以是颜色协调的；例如，第一区46(自调节)可被着色为“可接受的”颜色(例如，如绿色)以指示正常状况，第二区48(边界)可被着色为第二颜色(例如，“警示”颜色，如橙色或黄色)以指示边界状况，并且第三区50(边界)可被着色为第三颜色(例如，“警告”颜色，如红色)以指示自调节被动性。换句话说，颜色方案可提供快速可识别的信息显示以指示受试者的当前MBP值所在的自调节功能状态。

如上所述，自调节数据的数学建模及其图形表示可向临床医生提供有用的信息。利用S形函数的自调节数据建模特别有用。如上文所公开，S形曲线内的拐点可根据自调节指数和血压分区值提供LLA和/或ULA位置的指示。拐点/LLA点/ULA点可用于定义受试者的与压力无关的血流的界限(即，拐点之间)，并且同样定义压力被动血流的界限(即，拐点外部)。然而，从曲线本身的目视检查来看，LLA或ULA的特定位置并不总是清楚的。表示新近时间段或在延长时间段内或其任何组合的准确LLA/ULA信息(例如，当前AR状态、AR趋势、AR变化等)对于临床医生可能是宝贵的。

在本公开的一些实施例中，AM系统控制器26可被配置成以更大程度的确定性标识拐点/LLA点/ULA点。例如，在确定自调节数据(例如，基于COHZ的大脑自调节指数(“CAI”)或AR指数值等)和对应的血压数据(例如，MBP分区)并对其进行数学建模(如本文中所描述)的情况下，可基于数学建模本身来标识指示受试者的LLA和ULA的拟合曲线的拐点。例如，拟合到AR数据的曲线的斜率值(即，一阶导数)可用于标识拐点。所述标识可基于斜率值本身或基于斜率值相对于预定阈值的比较。除斜率之外，变化率值(例如，曲线的二阶导数)可用于标识与LLA或ULA相关联的拐点。拐点的标识可基于变化率值本身(例如，最大变化率)或基于相对于预定阈值的变化率值。替代地，拐点可被预测为拟合曲线上的“肘点”；例如，对于任何曲线f(x)，“肘点”方法可用于在曲线上找到与接合曲线上的第一点和最后点的线具有最大垂直距离“d”的点“P”(例如，参见图20；Satopaa等人，“大海捞针：检测系统行为中的拐点(Finding a needle in a haystack:Detecting knee points in system behavior)”；2011年第31^届分布式计算系统国际会议研讨会，IEEE 2011年)。图21示出拟合到随分区血压(MAP)值而变的CAI数据的S形曲线。使用肘点技术确定的LLA在图21中的曲线上示出。用于标识拐点(例如，LLA)的又一种技术组合了斜率的使用和在基于经验数据的预定阈值内的自调节数据(例如，CAI值、AR指数值等)。

预定阈值可基于考虑了血压、NIRS指数参数、大脑血流(CBF)数据、血管反应性数据、受试者生理参数等中的一者或多者的经验数据。经验数据可以多种不同格式提供。例如，经验数据可以促进预定阈值的确定的方式进行统计处理和组织。基于经验数据的预定阈值可呈值的形式或在值范围内。基于经验数据的预定阈值的特定非限制性实例包含根据血压确定和组织的一个或多个NIRS指数值(如上文所描述和图6-8中所示)。可分析前述NIRS指数/血压数据(例如，经由曲线拟合过程)以确定LLA点和ULA点，并且预定阈值可至少部分地基于所述点。作为另一实例，预定阈值可基于经验上与LLA和/或ULA相关联的CBF数据(例如，使用经颅多普勒技术确定的CBF数据)。

上文和本文中的描述详细描述了用于确定受试者的LLA或ULA的自调节数据(例如，COHZ值等)、血压数据和NIRS指数数据(例如，StO₂)可被过滤以去除不一致的数据，并且过滤后的数据可被处理成每个增量血压范围(例如，0-20mmHg、20-25mmHg、25-30mmHg等)的平均值、均值、中值或类似的集体值。在一些实施例中，AM系统控制器26可配置有用以确定在每个增量血压范围内表示的自调节数据中存在的可变性的量值的指令。参考图22，示出CAI值相对于分区血压(MAP)的曲线图。落在每个MAP分区内的CAI值可随时间而递归地求平均值。然而，除了均值或平均值之外，还可确定例如标准差或方差等一级统计信息、MAP分区内的多个数据点、偏度、峰度或百分位信息。此类统计值可单独地或以任何组合用于确定用于曲线拟合的每个平均数据点的置信度。在一些情况下，可在曲线拟合过程中跳过特定分区中的CAI数据(或其它AR数据)。例如，如果特定MAP分区仅具有分区的单个CAI值，或方差非常高的多个CAI值，则可在曲线拟合过程中省略所述MAP分区内的CAI数据。可能存在于增量血压范围内的自调节数据可变性的量值可用作数据的置信度度量。低自调节数据可变性(例如，低标准差)可表示为具有较高置信度水平的数据，并且相反，高自调节数据可变性(例如，高标准差)可表示为具有较低置信度水平的数据。替代地，数据可变性量值可被描述为所确定AR数据(例如，呈拟合曲线的形式等)的不确定性的指示。数据可变性量值可以各种不同方式报告/显示，并且本公开不限于任何特定方法。在自调节曲线作为视觉图像提供的情况下，数据可变性可作为所述视觉图像的一部分显示。作为实例，图23示出表示相应自调节数据的可变性的竖直条；例如，所述条的竖直长度指示可变性的量。图23中所示的视觉指示符(即，竖直条)是可如何可视地指示数据可变性的非限制性实例。在一些实施例中，可用数字报告数据可变性。

本公开的AM系统20的一些实施例可被配置成(例如，经由所存储指令)产生例如实时的随时间而变的自调节数据和曲线拟合。图24A-24E中所示的图示是从示出随时间而变的自调节曲线(沿着Y轴的AR指数值和沿着X轴(分区)的血压值)产生的视频截取的代表性静态画面。在图24A-24E中所示的每个图示中，存在：示出每个血压分区的条的上部图示，其中所述条的高度表示所述血压分区的相关联AR指数值(例如，平均AR指数值)；以及示出每个AR指数/血压分区值的数据点的下部图示。在下部图示中，曲线随时间而拟合到绘制的数据点。本文中描述了可使用的曲线拟合技术的非限制性实例。所述图示示出自监测开始起依序拟合的数据点和曲线：图24A示出在开始之后不久绘制的数据；图24B示出从开始到约三分钟收集的数据；图24C示出从开始到约七分钟的数据；图24D示出从开始到约九分钟收集的数据；并且图24E示出从开始到约十分半钟收集的数据。如上文所指示，自调节数据(例如，AR指数、CAI、COHZ值等)可被处理为每个增量血压范围(例如，0-20mmHg、20-25mmHg、25-30mmHg等)的平均值、均值、中值或类似的集体值。图24A-24E中所示的自调节数据以此方式处理以示出自调节数据的实时产生。如图24A中可见，基于极短的监测周期，在几个血压分区中可获得有限量的AR指数数据。图24B-24E表示与大得多数目的血压分区相关联的显著更多的自调节数据。如图24A-24E中所示的实例中可见，相应分区中的AR指数值随时间(例如，从T＝0到T＝10：30分钟)而变化。AR指数的变化是自监测开始起的相应时间段内AR指数数据的平均值的函数。

在一些实施例中，AM系统20可被配置成(例如，经由所存储指令)产生并显示在若干不同模式中产生的自调节数据。在第一模式中，系统20可被配置成产生并显示表示整个监测周期的自调节数据。在第二模式中，AM系统20可被配置成产生并显示在例如小于整个监测周期的“截断”时间段的选定时间段内收集的自调节数据；例如在最后一小时或最后五小时内收集的数据等。在一些实施例中，截断时间段可以是非常短暂的；例如，避免任何大量初始数据缓冲的一分钟或多分钟的“启动”周期。示出此类短暂启动周期的显示可快速提供信息，并且避免在缓冲数据的情况下可能发生的自监测开始起的自调节数据报告中的任何失误。在第三模式中，AM系统20可被配置成产生并显示在整个监测周期内收集的数据和在截断时间段内收集的数据，或被配置成准许用户在这些模式之间选择性地切换。在一些实施例中，AM系统20可被配置成在默认正常模式中产生并显示表示在整个监测周期内收集的数据的数据。在这些实施例中，AM系统20还可被配置成在事件发生时显示表示预选的截断时间段的自调节。例如，如果在新近时间段(例如，最后十分钟等)内产生的COHZ值/AR指数值以关于的方式突然变化(例如，达到或超过预定阈值等)，则AM系统20可被配置成产生并显示在预选的截断时间段(例如，最后一小时等)内收集的自调节数据。在预选的截断时间段内收集的前述自调节数据可替换“正常”示出的自调节数据，或者可与正常示出的自调节数据一起显示，或者系统可被配置成产生“标志”，所述标志提醒用户从正常模式切换到显示模式以显示在截断时间段内收集的数据。以此方式，可能引起关注的新近自调节数据将不受长期平均化的影响，且因此不会受到长期平均化/稀释的影响。

在被配置成产生随时间而变(例如，实时地，如图24A-24E中所示的实例)的自调节数据和曲线拟合的本公开AM系统20的那些实施例中，当已收集足够的自调节数据并且已发生曲线拟合时，还可确定并示出LLA点和/或ULA点。上文描述了确定LLA点和/或ULA点的示例性方法。以与上文所描述的产生并显示自调节数据的模式类似的方式，可确定并显示LLA点和/或ULA点(参见图25)；例如，基于表示整个监测周期的自调节数据，和/或基于在例如最后一个小时等截断时间段内收集的自调节数据。基于表示整个监测周期的自调节数据和/或基于在截断时间段内收集的自调节数据而实时显示LLA点和/或ULA点的能力应理解为有用的；例如，促进LLA变化的标识等。

参考图26，在本公开的一些实施例中，AM系统控制器26可被配置成标识“混杂因素”的存在或不存在，所述“混杂因素”可能不利地影响受试者的自调节状态的确定(所述确定可包含其测量)的有效性。如本文中所使用，术语“混杂因素”是指以独立于受试者的自调节状态的方式影响一个或多个生理参数(例如，受试者的NIRS指数、血压、心率等或其任何组合)的生理状况。如果此类生理状况未被考虑，则受试者的自调节状态的有效性的确定可能受到不利影响。混杂因素包含但不限于缺氧、疼痛、CO₂水平(高碳酸血和低碳酸血)、生理不确定性、头皮/脑外血流变化和静脉充血。如果标识了指示混杂因素的生理数据，则AM系统控制器26可被配置成起作用；例如，忽略所述数据，将所述数据标记为可疑的，不使用所述数据产生受试者的自调节状态的确定等。

图27示出可如何根据本公开确定混杂因素的存在或不存在的示例性逻辑图。在此实例中，各自分别组织在预定周期内收集的NIRS指数数据(例如，StO₂、rTHb等)和平均动脉血压(MAP)数据。前述数据可在时域内组织并使用相关性技术进行处理，或者在时域内组织，随后变换到频域中，并且为用于产生以类似于上文所描述方式的方式确定的COHZ值的频域数据；例如，参见图5和9以及与其相关联的描述。然后可将时域相关数据或频域COHZ数据输入到生理学混杂过滤器中。同时，还可将其它数据(例如，NIRS参数或血压趋势值，或血流动力学参数，或二氧化碳数据，例如，潮气末二氧化碳值-EtCO₂和/或经皮二氧化碳值-PtcCO₂等)输入到生理学混杂过滤器中。前述生理学混杂过滤器可被配置成评估输入数据的重要性。如果过滤器确定输入数据独立于受试者的自调节功能(其也可被描述为与受试者的自调节功能无关)(例如，参数的量值与受试者的自调节状态不一致，或者多个参数提供与受试者的自调节状态相关的冲突信息，例如相反趋势数据等)，则可确定混杂因素的存在。由于确定存在混杂因素，输入数据可能无法用于确定受试者的自调节状态，或者使用数据产生的任何自调节数据可被标记为潜在可疑的，或者可不产生自调节数据，等等。图29中所示的表是逻辑表的实例，所述逻辑表可以是用于评估StO₂与rTHb之间的趋势以及这些趋势相对于自调节分析的重要性的生理学混杂过滤器的基础。

例如StO₂和/或MAP的NIRS指数可变化，或者它们的趋势可在相反方向上，并且所述(多个)变化或相反趋势可以是独立于受试者的自调节状态的因素的结果。换句话说，混杂因素可使受试者的StO₂和/或MAP变化或趋势相反，并且所述变化或相反趋势不是受试者的自调节功能的结果。一些现有技术的公开案表明，自调节状态确定不受在相反方向上变化/趋向的STO₂和MAP值的影响。然而，关于此假设的有效性存在不确定性，并且更具体地关于与MAP值趋势相反的StO₂值趋势是否被不同的生理过程混淆存在不确定性。因此，假设自调节状态确定不受在相反方向上变化/趋势的StO₂和MAP值的影响可能导致可接受自调节状态的误报，而事实上，StO₂变化可独立于受试者的自调节状态而变化并且与受试者的自调节状态无关。

图28示出可如何将NIRS指数(例如，StO₂)数据和MAP数据用于标识作为混杂因素的生理不确定性的存在或不存在，以及NIRS指数数据是否应用于自调节状态确定中的示例性功能图。例如，本公开可被配置成通过在预定时间段内感测受试者的StO₂和MAP来确定生理不确定性(例如，混杂因素)的存在，并且针对所感测的StO₂和MAP值创建“趋势数据”。预定周期的持续时间可变化以适应应用，但短至二十秒到长达五分钟的预定时间段被认为是可接受的。术语“趋势数据”此处用于指StO₂值和MAP值在预定时间段内的变化。例如，可使用回归线拟合分析对所述时间段内周期性收集的StO₂值和MAP值进行数学评估，以产生相应NIRS指数的回归线斜率。然后，可比较地分析StO₂值和MAP值相对于预定时间段的回归线斜率。例如，可将斜率值相乘，并且如果斜率值乘法的乘积为正，则前述乘积将指示所比较的StO₂值和MAP值呈相同趋势。回归线斜率的乘法可被视为“极性过滤器”的类型。StO₂值和MAP值呈相同趋势(例如，都沿着正斜率或负斜率)指示StO₂值和MAP值大体上彼此一致(例如，正常状况)，而StO₂值和MAP值的趋势在相反方向上(例如，一个值具有正斜率，另一值具有负斜率)可指示生理不确定性。除回归线拟合分析外的分析工具可用于评估StO2值和MAP值。本公开不限于使用StO₂值和MAP值来评估趋势，和/或不限于使用StO₂值和MAP值作为极性过滤器的基础。

图29是多趋势输入表的实例，所述多趋势输入表可用作极性过滤器的基础，以确定NIRS指数值(和基于其的COHZ值)是否可用于基于其相对于相关联血压趋势的相应趋势(“Inrc”＝增加趋势；“Decr”＝减小趋势；“N/C”＝无变化；并且“任何”＝增加或减小趋势或无趋势变化中的任一者)来确定自调节信息。图29中所示的示例表包含大量BP、StO₂和THb趋势变化以用于说明目的。极性过滤器可包含更少或更多的BP、StO₂和rTHb趋势变化，并且可包含补充或代替StO₂和rTHb的其它NIRS指数值。如从图29可见，当NIRS指数数据的有用性/有效性时(例如，NIRS指数数据是否独立于自调节或与自调节相关)被视为与相关联血压趋势相关时，可容易地评估NIRS指数数据的有用性/有效性(例如，“CAI数据有效”)。如果相对趋势使得NIRS指数数据可归因于自调节，则NIRS指数数据对于用于自调节数据确定是有效的。例如，在案例1中，BP、StO₂和rTHb相应收集数据都呈增加趋势。在此情况下，BP和StO₂变化很可能相关，并且由StO2和THB的增加趋势以及BP的增加趋势指示的血流变化很可能指示不良自调节。相反，在案例8中，BP和StO₂呈减小趋势，但rTHb呈增加趋势。在此情况下，BP和StO₂的相对趋势不大可能相关，并且可以是静脉充血的指示符。因此，NIRS指数数据不大可能归因于自调节，并且NIRS指数数据对于用于自调节数据确定无效。在案例7中，BP呈平坦趋势(即，N/C)。由于任何自调节确定都需要血压变化，因此在此情况下，NIRS指数数据趋势不大可能归因于自调节，并且NIRS指数数据对于用于自调节数据确定无效。如从上文可见，一个或多个NIRS指数和BP的相对趋势可提供用于确定生理不确定性(例如，混杂因素)和过滤器的存在或不存在的手段。由如上文所描述的趋势输入表/过滤器/混杂因素确定提供的众多优点之一是其将可归因于某些临床情况的NIRS指数数据与可归因于自调节的NIRS指数数据区分开的能力。如上所述，静脉充血的存在可提供NIRS趋势数据，所述NIRS趋势数据可能被误解为与自调节相关联。例如，当导管阻碍或阻塞静脉血流时，可能发生静脉充血，导致受试者身体的某个区域，特别是脑部内的血液回流或淤积。本公开提供一种用于区分此类数据的改进方法。图30-34提供响应于生理事件的可能NIRS指数趋势的视觉表示。图30和31示出对例如呼吸变化的生理事件的趋势反应，其中StO₂趋势变化但rTHb趋势保持基本上恒定/无变化。图30中所示的NIRS指数趋势可与呼吸窘迫和心血管缺陷相关联。图31中所示的NIRS指数趋势可与呼吸和心血管恢复相关联。图32和33示出对例如血流变化和心血管变化(例如，局部缺血、血管反应性、血液血红蛋白-HGB等)的生理事件的趋势反应，其中StO2和rTHb的趋势在相同方向上。图32中所示的NIRS指数趋势可与心血管缺陷相关联，并且图33中所示的NIRS指数趋势可与心血管恢复相关联。图34示出对例如静脉血液循环受阻的生理事件的趋势反应(例如，StO2和rTHb)，其中StO2和rTHb的趋势在相反方向上。

确定作为混杂因素的生理不确定性的存在或不存在的此实例还可评估所考虑因素的变化量值；即，如果所考虑混杂因素证明了变化，但所述变化极小(例如，低于阈值量)，则混杂因素很可能在临床上不相关。“变化量值”评估的实例可利用所比较的StO₂和MAP值的标准差(或其它统计参数)确定。如果所比较的StO₂和MAP值两者的标准差高于相应的预定阈值，则前述标准差值将指示StO₂和MAP值的量值具有临床意义。低于预定阈值的标准差值将指示趋势没有临床意义。可被视为“量值变化过滤器”类型的前述标准差确定是“变化量值”评估技术的实例，并且本公开不限于此。

然后，可将StO₂和MAP趋势数据和量值变化数据输入到逻辑门(例如，AND门)中，以确定作为混杂因素的生理不确定性的存在或不存在，并且因此确定收集的StO₂数据和MAP数据对于受试者的自调节状态的确定是可接受的还是不可接受的。图28中所示的逻辑图表示用于根据STO₂和MAP来确定作为混杂因素的生理不确定性的存在或不存在的示例性机制，并且本公开不限于此。为了清楚起见，图28中所示的逻辑图是出于说明性目的提供的简化表示。如上所述，如以图解方式示出的逻辑门/过滤器可包含各种趋势变化(例如，参见图29)，所述趋势变化可利用除了STO₂和rTHb之外或除STO₂和rTHb外的NIRS指数。

如果受试者正经历缺氧，或正从缺氧中恢复，或被给予补充氧等，则由组织血氧计24感测的一个或多个NIRS指数将很可能基本上独立于受试者的自调节状态。因此，使用(多个)前述独立NIRS指数的任何自调节状态确定都很可能不利地影响自调节状态确定的有效性。为了避免这种不利影响，本公开的实施例可包含感测受试者以确定受试者是缺氧的，还是正趋向于缺氧或正从缺氧中恢复，或已被给予补充氧等。如果受试者是缺氧的，或正从缺氧中恢复，或已被给予补充氧等，则本公开的实施例可鉴于其而起作用(例如，经由算法指令)，所述动作可包含丢弃(例如，不分区)在受试者缺氧时产生的数据、标记或不产生自调节状态确定数据等。本公开不限于用于确定缺氧的任何特定技术。作为实例，本公开的实施例可利用组织血氧计24来感测一个或多个NIRS指数，并且将(多个)所确定的NIRS指数值与适当的对应阈值进行比较，以确定受试者是否缺氧；例如，使用所存储的算法指令。

图35示出可如何将NIRS指数趋势数据用于标识作为混杂因素的缺氧的存在或不存在，以及随后NIRS指数数据是否应用于确定自调节状态的示例性功能图。例如，以类似于上文所描述方式的方式，本公开可被配置成通过在预定时间段内感测至少两个NIRS指数(例如，StO₂、rTHb)来确定缺氧的存在，或确定受试者是否正从缺氧中恢复，或受试者是否已被给予补充氧等等，并且针对每个相应的NIRS指数创建趋势数据；例如，可使用回归线拟合分析对在某一时间段内周期性收集的相应NIRS指数值进行数学评估，然后可比较地分析相应NIRS指数回归线相对于预定时间段的所确定的斜率。在缺氧发作期间或当受试者正从缺氧中恢复或已被给予补充氧时，受试者的StO₂趋向于变化，但rTHb保持相对稳定(相对于时间零斜率)。NIRS指数呈相同趋势(例如，都沿着正斜率或负斜率)指示NIRS指数一致，很可能与受试者的自调节系统相关，且因此收集的NIRS数据对于自调节状态确定将是可接受的。另一方面，NIRS指数的趋势在相反方向上(例如，一个指数正斜率、另一指数负斜率)指示NIRS指数中的至少一者独立于受试者的自调节系统，且因此收集的NIRS数据对于自调节状态确定将是不可接受的。还类似于上文所描述的过程，将缺氧评估为可能的混杂因素的本公开的实施例还可评估所考虑因素的变化量值；即，如果所考虑的相关参数证明了变化，但所述变化极小(例如，低于阈值量)，则混杂因素很可能在临床上不相关。回归线斜率和标准差值的乘积可输入到逻辑门(例如，“AND门”)或其它趋势过滤器。如果回归线斜率的乘积指示比较的NIRS指数(例如，StO₂、rTHb)呈相同趋势(即，正值)，并且标准差值指示足够量值的趋势，则这两者都表示逻辑门的“真”输入，并且NIRS指数数据被确定为可用于确定受试者的自调节状态；即，不存在作为混杂因素的缺氧。相反，如果回归线斜率的乘积不指示NIRS指数呈相同趋势(即，负值，或接近零的值)，和/或标准差值不指示足够量值的趋势，则任一者或这两者表示逻辑门的“假”输入，并且确定了作为可能混杂因素的缺氧的存在，且NIRS指数数据可在受试者的自调节状态确定中不使用或标记。

受试者所经历的破坏性或潜在破坏性刺激可使伤害感受器产生信号，所述信号继而产生一个或多个生理反应(例如，疼痛)以解决破坏性或潜在破坏性刺激。这些生理反应中的至少一些可能涉及可用于评估自调节的相同参数；例如，心率、血压、NIRS指数等。因此，经历疼痛的受试者可能表现出某些生理参数的变化，并且这些变化可独立于受试者的自调节状态。如果未被考虑到，则这些生理参数可能对受试者的自调节状态确定的准确性产生负面影响。

本公开的一些实施例可被配置成确定受试者是否正经历疼痛，并且基于所述确定，随后确定收集的生理数据(例如，血压数据、NIRS指数数据等)是否应用于自调节状态确定。

确定作为混杂因素的疼痛的存在或不存在的非限制性实例在图36-38中以图解方式示出。在图36中以图解方式示出的实例中，可在预定时间段内收集心率数据和收缩血压数据。前述心率和收缩血压数据可在完全相同的预定时间段内或基本上相同的时间段内收集。可对前述心率和收缩血压数据进行数学评估以确定相应的参数是否在预定时间段内增加；例如，可使用回归线拟合分析来分析相应的数据以产生回归线斜率。如果心率数据和收缩血压数据都呈正趋势(增加)，则这将指示受试者可能正在经历疼痛，且因此疼痛作为混杂因素存在。如本文中所描述，每个参数的趋势数据可输入到逻辑门(例如，如图36中所示的“AND门”)，所述逻辑门被配置成确定混杂因素的存在或不存在，且因此确定收集的数据对于自调节状态确定是否是可接受的。图36中所示的逻辑图表示根据心率和收缩血压数据确定作为混杂因素的疼痛的存在或不存在的示例性机制，并且本公开不限于此。

在图37中以图解方式示出的实例中，可在预定时间段内收集心率数据、收缩血压数据和NIRS指数数据。前述心率、收缩血压和NIRS指数数据可在完全相同的预定时间段内或基本上相同的时间段内收集。本公开不限于用于确定受试者的心率的任何特定技术；例如，可使用心电图(ECG)。

在图37中以图解方式示出的非限制性实例中，在预定周期内收集的心率数据和收缩血压数据可各自分别在时域内组织，随后变换到频域中，并且为用于产生以类似于上文所描述方式的方式确定的COHZ值的频域数据；例如，参见图5和9以及与其相关联的描述。然后可使用极性过滤器和变化量值过滤器来评估COHZ值，以确定受试者的收缩血压和心率是否指示疼痛反应。例如，如果COHZ值指示受试者的心率和收缩血压都呈相同趋势(即，都为正值)，并且值的标准差分析指示足够量值的趋势，则这两者都可指示作为混杂因素的疼痛的存在。相反，如果COHZ值指示受试者的心率和收缩血压不都呈相同趋势，和/或受试者的心率和收缩血压值的标准差分析不指示足够量值的趋势，则这些参数可能不指示作为混杂因素的疼痛。以类似方式，在预定周期内收集的受试者的NIRS指数数据(例如，StO₂、HbD等)和心率数据可各自分别在时域内组织，变换到频域中，并且为用于产生以类似于上文所描述方式的方式确定的COHZ值的频域数据。然后可使用极性过滤器和变化量值过滤器来评估COHZ值，以确定受试者的NIRS指数和心率是否指示作为混杂因素的疼痛的存在。例如，如果COHZ值指示受试者的NIRS指数和心率都呈相同趋势(即，正值)，并且值的标准差分析指示足够量值的趋势，则这两者都可指示作为混杂因素的疼痛的存在。相反，如果COHZ值指示受试者的NIRS指数和心率不都呈相同趋势，和/或受试者的NIRS指数和心率值的标准差分析不指示足够量值的趋势，则这些参数可能不指示作为混杂因素的疼痛的存在。然后可将心率和收缩血压COHZ趋势数据和量值变化数据以及NIRS指数和心率COHZ趋势数据和量值变化数据输入到逻辑门(例如，AND门)中，以确定作为混杂因素的疼痛的存在或不存在，且因此确定收集的NIRS指数数据和收缩血压数据对于受试者的自调节状态的确定是否是可接受的。图37中所示的逻辑图表示用于根据心率、收缩血压数据和NIRS参数评估疼痛的示例性机制，并且本公开不限于此。另外，上述实例利用频域和COHZ值方法。如本文所指示，本公开不限于利用频域和COHZ值方法；例如，可使用时域和相关性技术。

在图38中以图解方式示出的实例中，使用类似于上文根据图37所描述分析方法的分析方法，并且在此情况下，添加额外评估参数。具体地，在此实例中，额外评估参数利用在预定周期内收集的额外NIRS指数数据(例如，rTHb)和心率数据。此处同样，两个参数可各自分别在时域内组织，变换到频域中，并且为用于产生以类似于上文所描述方式的方式确定的COHZ值的频域数据。然后可使用极性过滤器和变化量值过滤器来评估COHZ值，以确定受试者的NIRS指数(例如，rTHb)和心率是否指示疼痛反应。例如，如果COHZ值指示受试者的NIRS指数(例如，rTHb)和心率两者都呈相同趋势(例如，正值)，并且值的标准差分析指示足够量值的趋势，则这两者都指示作为混杂因素的疼痛。相反，如果COHZ值指示受试者的NIRS指数(例如，rTHb)和心率不都呈相同趋势，和/或受试者的NIRS指数和心率值的标准差分析不指示足够量值的趋势，则这些参数不指示作为混杂因素的疼痛。然后可将a)心率和收缩血压COHZ趋势数据和量值变化数据；b)NIRS指数(StO₂、HbD)和心率COHZ趋势数据和量值变化数据；以及c)NIRS指数(rTHb)和心率COHZ趋势数据和量值变化数据输入到逻辑门(例如，AND门)中，以确定收集的心率、NIRS指数数据和收缩血压数据是否指示作为混杂因素的疼痛，且因此确定所述数据对于受试者的自调节状态的确定是否是可接受的。图38中所示的逻辑图表示用于根据心率、收缩血压数据和NIRS数据评估作为混杂因素的疼痛的示例性机制，并且本公开不限于此。

血液内的二氧化碳(CO₂)独立于大脑灌流压而影响脑血管反应性。如果血液内的CO₂水平在其正常范围(正常碳酸血)之外，例如，如果受试者正经历高碳酸血或低碳酸血，则大脑自调节曲线的形状，包含自调节下限(LLA)和自调节上限(ULA)可能变化。图39A是示出高碳酸血的影响的大脑血流(CBF)相对于大脑灌流压(CPP)的图示。图39B是示出低碳酸血的影响的大脑血流(CBF)相对于大脑灌流压(CPP)的图示。(来自以下文献的图示：L.Meng和A.W.Gelb，“二氧化碳对大脑自调节的调节(Regulation of Cerebral Autoregulationby Carbon Dioxide)”，麻醉学，2015年。)图39A中的高碳酸血图示示出处于轻度高碳酸血状态的LLA和ULA与处于正常碳酸血状态的LLA和ULA之间的显著差异，以及处于重度高碳酸血状态的LLA和ULA与处于正常碳酸血状态的LLA和ULA之间的甚至更显著差异。图39B中的低碳酸血图示示出处于轻度低碳酸血状态的ULA与处于正常碳酸血状态的ULA之间的显著差异，以及处于重度低碳酸血状态的ULA与处于正常碳酸血状态的ULA之间的甚至更显著差异。因此，如果受试者的血CO₂水平在其正常范围之外并且所述状况未被考虑到，则受试者的自调节状态确定的有效性可能受到不利影响。

本公开的一些实施例可被配置成确定受试者的血CO₂水平是否异常并因此确定其是否可以是混杂因素，并且基于所述确定，确定收集的生理数据(例如，血压数据、NIRS指数数据等)是否应用于确定或测量自调节。

在图40中以图解方式示出的第一实例中，可在预定时间段内收集NIRS指数数据(例如，StO₂)、MAP数据和CO₂水平数据(例如，呼气末CO₂-“EtCO₂”，或经皮CO2-“PtcCO₂”等)。前述NIRS指数数据、MAP数据和血CO₂数据可在完全相同的预定时间段内或基本上相同的时间段内收集。本公开不限于用于确定受试者的血CO₂数据的任何特定技术。收集的StO₂和MAP数据可在时域内组织并使用相关性技术进行处理，或者在时域内组织，随后变换到频域中，并且为用于产生以类似于上文所描述方式的方式确定的COHZ值的频域数据；例如，参见图5和9以及与其相关联的描述。可对在预定时间段期间收集的CO₂水平数据进行数学评估以确定均值。如本文中所使用，术语“均值”预期产生表示在预定时间段期间确定的所感测的CO₂值的数字。术语“均值”不限于算术平均值(即，数字的总和除以所平均的数字的数目)，并且替代地可以是集中趋势的另一度量，例如平均值、中值、众数值等。然后可评估CO₂水平数据以确定受试者的血CO₂水平是否异常；例如，通过将平均CO₂水平与可接受CO₂水平的预定范围进行比较。如果确定CO₂水平在可接受CO₂水平的预定范围内(即，正常碳酸血)，则收集的StO₂和MAP数据可用于确定受试者的自调节状态。如果确定CO₂水平在可接受CO₂水平的预定范围之外(即，高碳酸血或低碳酸血)，则受试者的CO₂水平可以是混杂因素，并且收集的StO₂和MAP数据可能无法用于确定受试者的自调节状态(或者可标记或不产生使用收集的STO₂和MAP数据产生的任何自调节数据等)。

在图41中以图解方式示出的第二实例中，执行类似于上文关于图40所描述分析方法的分析方法。此处同样，在预定时间段内收集NIRS指数数据(例如，StO₂)、MAP数据和血CO₂数据，收集的StO₂和MAP数据可在时域内组织并使用相关性技术进行处理，或被组织成以例如上文所描述方式的方式产生COHZ值(以下统称为“COHZ”值以简化描述)，并且可对收集的CO₂水平数据进行数学评估以确定均值。在此实例中，与正常碳酸血范围内的CO₂水平数据相关联的COHZ值可用于产生第一自调节数据，与高碳酸血范围内的CO₂水平数据相关联的COHZ值可用于产生第二自调节数据(例如，COHZ值相对于MAP的图)，并且与低碳酸血范围内的CO₂水平数据相关联的COHZ值可用于产生第三自调节数据。如图41中所示，这些群组中的每一者的自调节数据可被组织为COHZ值相对于MAP的图，但本公开不限于这种类型的数据组织；例如，自调节数据可在查找表中组织等。如图41中所示产生并组织的自调节数据向临床医生提供了唯一、详细的信息，这可以极大地促进自调节状态评估。

在一些情况下，与受试者的脑外血流(例如，在受试者的头皮内)相关联的NIRS指数值(例如，StO₂)可不同于与受试者的大脑血流相关联的相同NIRS指数值，并且前述差异可独立于受试者的自调节。在此情况下，脑外血流可以是混杂因素。例如，如果受试者的头皮血流内的StO₂水平与受试者的大脑血流的StO₂水平显著不同，则可使大脑血氧计测得的StO₂值偏斜。例如，如果已施用以不同方式影响大脑和外周循环血管系统的血管舒张剂或血管收缩剂，则脑外与脑部组织StO₂水平可能会发生差异。在这些情况下，头皮血流与大脑血流之间的StO₂值的差可能给出正常自调节状态的错误指示，而事实上，受试者的脑外血流的StO₂值独立于受试者的自调节状态。本公开的实施例可被配置成确定受试者的脑外STO₂和大脑血流的相对差异、变化和/或趋势，并且基于所述确定，随后确定脑外血流充当混杂因素，且因此确定收集的生理数据(例如，NIRS指数等)是否应用于确定自调节状态。

图42示出可如何将NIRS指数趋势数据用于确定脑外血流是否可能充当混杂因素，以及随后NIRS指数数据是否应用于确定自调节状态的示例性功能图。本公开可被配置成通过在预定时间段内感测一个或多个NIRS指数(例如，rO2Hb、rHHb)来确定脑外血流是否可能充当混杂因素。在此实例中，NIRS指数(例如，rO2Hb、rHHb)的感测包含以头皮特定方式和以常规组织血氧测定方式确定那些NIRS指数。例如，具有一个或多个传感器的组织血氧计(例如，由爱德华兹生命科学公司(Edwards Lifesciences Corporation)生产的ForeSight组织血氧计)可附接到受试者的前额，每个传感器具有光源、近光检测器和一个或多个远检测器。由近检测器收集的NIRS光表示已询问浅深度组织(例如，脑外组织)的光，并且由一个或多个远检测器收集的NIRS光表示已询问浅深度组织和深深度组织(例如，大脑组织)两者的光。可处理收集的光以确定浅深度组织以及浅深度组织和深深度组织的NIRS指数值(例如，rO2Hb、rHHb)。如上文所指示，每一者被指派给爱德华兹生命科学公司的第7,072,701号、第8,078,250号、第8,396,526号和第8,965,472号以及第10,117,610号美国专利公开了可用于确定浅深度组织以及浅深度组织和深深度组织的NIRS指数值(例如，rHbO₂，rHb)的非侵入式NIRS组织血氧计的非限制性实例。然而，本公开不限于这些组织血氧计实例。

以类似于上文所描述方式的方式，可处理在预定时间段内感测到的NIRS指数(例如，rO2Hb、rHHb)以创建相应NIRS指数的趋势数据；例如，可使用回归线拟合分析对在某一时间段内周期性收集的相应NIRS指数值(例如，rO2Hb、rHHb、rO2Hb-rHHb等)进行数学评估，然后可比较地分析相应NIRS指数回归线的所确定的斜率。还类似于上文所描述的过程，将脑外血流评估为可能的混杂因素的本公开的实施例还可评估所考虑因素的变化量值；即，如果所考虑的相关参数证明了变化，但所述变化极小(例如，低于阈值量)，则混杂因素很可能在临床上不相关。回归线斜率和标准差值的乘积可输入到逻辑门(例如，“AND门”)或其它趋势过滤器。如果回归线斜率的乘积指示比较的NIRS指数(例如，对于头皮以及对于浅组织和深组织的rO2Hb、rHHb、rO2Hb-rHHb等值)呈相同趋势(例如，正值)，并且标准差值指示足够量值的趋势，则这两者都表示逻辑门的“真”输入，并且NIRS指数数据被确定为可用于确定受试者的自调节状态；即，脑外血流不充当混杂因素。相反，如果回归线斜率的乘积不指示NIRS指数呈相同趋势(即，负值)，则这将是逻辑门的“假”输入--脑外血流作为混杂因素的指示符，并且NIRS指数数据可能无法用于确定受试者的自调节状态。此处同样，标准差值可用于评估趋势是否具有足够的量值，以保证在确定受试者的自调节状态时不使用数据(或标记结果等)。

如上文所指示，本文中所描述的功能可例如在硬件、有形地体现在计算机可读介质中的软件、固件或其任何组合中实施。在一些实施例中，本文中所描述的功能的至少一部分可在一个或多个计算机程序中实施。每个此类计算机程序可在计算机程序产品中实施，所述计算机程序产品有形地体现在机器可读存储装置中的非暂时性信号中以供计算机处理器执行。本公开的方法步骤可由计算机处理器执行，所述计算机处理器执行有形地体现在计算机可读介质上的程序，以通过对输入进行操作并生成输出来执行本公开的功能。下文本发明权利要求范围内的每个计算机程序可用例如汇编语言、机器语言、高级程序编程语言或面向对象的编程语言等任何编程语言实施。例如，编程语言可以是编译或解释的编程语言。

虽然上文已结合特定设备和方法描述了本公开的原理，但应清楚地理解，此描述仅作为举例而非对本公开的范围的限制。在以上描述中给出具体细节以提供对实施例的透彻理解。然而，应理解，可在没有这些具体细节的情况下实践实施例。

应注意，实施例可被描述为过程，所述过程被描绘为流程表、流程图、框图等。尽管这些结构中的任一者可将操作描述为依序过程，但许多操作可并行地或同时执行。另外，可重新布置所述操作的次序。过程可对应于方法、功能、程序、子例程、子程序等。

除非上下文另外明确规定，否则单数形式“一(a)”、“一(an)”和“所述(the)”是指一个或超过一个。例如，术语“包括试样”包含单数或复数的试样，并且被视为等同于“包括至少一个试样”。除非上下文另外明确指示，否则术语“或”是指所陈述的替代要素中的单一要素，或两个或更多个要素的组合。如本文中所使用，“包括”意指“包含”。因此，“包括A或B”意指“包含A或B，或A和B”，而不排除额外要素。

应注意，在本说明书和附图中阐述了要素之间各种连接(其内容通过参考包含在本公开中)。应注意，这些连接是一般性的，并且除非另外规定，否则这些连接可以是直接的或间接的，本说明书不旨在在此方面进行限制。对附接、固定、连接等的任何提及可包含永久、可移除、临时、部分、完全和/或任何其它可能的附接选项。

在本公开中没有元件、组件或方法步骤是既定专用于公众的，无论元件、组件或方法步骤是否明确地在权利要求书中叙述。除非要素使用短语“用于……的构件”明确陈述，否则不得根据35U.S.C.112(f)的规定来解释任何权利要求要素。如本文中所使用，术语“包括(comprises)”、“包括(comprising)”或其任何其它变体旨在涵盖非排他性包含，使得包括一系列要素的过程、方法、制品或设备并不只是包含那些要素，而是可包含并未明确地列出的或并非此类过程、方法、制品或设备固有的其它要素。

虽然本公开的各种发明方面、概念和特征可在本文中描述和示出为在示例性实施例中组合体现，但这些各个方面、概念和特征可单独地或以其各种组合和子组合用于许多替代实施例中。除非在本文中明确排除，否则所有这样的组合和子组合均意图在本申请的范围内。另外，虽然本文中可能描述了关于本公开的各个方面、概念和特征的各种替代实施例，例如替代材料、结构、配置、方法、装置和组件等，但此类描述并不旨在作为目前已知或将来开发出来的可用替代实施例的完整或穷举列表。本领域技术人员可以容易地将这些发明方面、概念或特征中的一者或多者采用到本申请范围内的额外实施例和用途中，即使此类实施例没有在本文明确公开。例如，上文在本说明书的具体实施方式部分内描述的示例性实施例中，要素可能被描述为单独的单元并且示为彼此独立以促进描述。在替代实施例中，此类要素可被配置为组合要素。

另外，尽管本公开的一些特征、概念和方面可能在本文中描述为优选布置或方法，但除非明确如此陈述，否则此类描述并不旨在暗示此类特征是必须的或必要的。此外，可包含示例性或代表性的值和范围以帮助理解本申请，然而，此类值和范围不应被解释为限制性的，并且仅当如此明确地陈述时才被认为是临界值或范围。

Claims

1.一种用于确定受试者的自调节功能状态的方法，包括：

在某一时间段期间用组织血氧计持续感测受试者的组织区域，所述感测产生表示至少一个组织氧合参数的第一信号；

在所述时间段期间使用血压感测装置持续测量所述受试者的血压水平，所述测量产生表示所述时间段期间所述受试者的血压的第二信号；

确定以独立于所述受试者的自调节功能的方式影响所感测的至少一个组织氧合参数的混杂因素的存在或不存在，所述确定使用所述第一信号；以及

当确定不存在所述混杂因素时，使用所述第一信号和所述第二信号来确定所述受试者的自调节功能状态。

2.根据权利要求1所述的方法，其中所述确定所述混杂因素的所述存在或所述不存在的步骤还包含使用所述第二信号确定所述混杂因素是否已经以独立于所述受试者的所述自调节功能的方式影响所述受试者的测得血压水平。

3.根据权利要求2所述的方法，其中所述确定所述混杂因素的所述存在或所述不存在的步骤利用基于所述第一信号的组织氧合参数趋势数据和基于所述第二信号的血压水平趋势数据。

4.根据权利要求1所述的方法，还包括确定所述时间段期间所述受试者的心率，并产生表示所述时间段期间所述受试者的心率的第三信号；并且

其中所述确定所述混杂因素的所述存在或所述不存在的步骤还包含使用所述第三信号确定所述混杂因素是否已经以独立于所述受试者的所述自调节功能的方式影响所述受试者的所述心率。

5.根据权利要求4所述的方法，其中所述确定所述混杂因素的所述存在或所述不存在的步骤利用基于所述第一信号的组织氧合参数趋势数据和基于所述第三信号的心率趋势数据。

6.根据权利要求1所述的方法，其中所述确定所述混杂因素的所述存在或所述不存在的步骤还包含使用变化量值过滤器来评估所述第一信号。

7.根据权利要求1所述的方法，其中所述至少一个组织氧合参数包含组织氧饱和度(StO₂)、单位体积组织的总血红蛋白浓度(THb)、单位体积组织的相对总血红蛋白浓度(rTHb)、氧合血红蛋白(O2Hb)和脱氧血红蛋白(HHb)的差分变化或HbD中的一者或多者。

8.根据权利要求1所述的方法，其中所述确定所述混杂因素的所述存在或所述不存在的步骤还包含确定所述受试者的血液二氧化碳(CO₂)水平。

9.根据权利要求1所述的方法，其中所述至少一个组织氧合参数包含第一组织氧合参数和第二氧合参数；并且

其中从所述感测产生的所述第一信号包含表示所述第一组织氧合参数的第一信号的第一子集和表示第二组织氧合参数的第一信号的第二子集；并且

所述确定所述混杂因素的所述存在或所述不存在的步骤利用所述第一信号的第一子集和所述第一信号的第二子集。

10.根据权利要求9所述的方法，其中所述第一组织氧合参数是StO₂、THb、rTHb、氧合血红蛋白(O2Hb)和脱氧血红蛋白(HHb)的差分变化或HbD中的一者，并且所述第二组织氧合参数是StO₂、THb、rTHb、氧合血红蛋白(O2Hb)和脱氧血红蛋白(HHb)的差分变化或HbD中的另一者。

11.根据权利要求9所述的方法，其中所述确定所述混杂因素的所述存在或所述不存在的步骤利用基于所述第一信号的第一子集的第一组织氧合参数趋势数据和基于所述第一信号的第二子集的第二组织氧合参数趋势数据。

12.根据权利要求1所述的方法，其中所述组织血氧计是近红外光谱型组织血氧计。

13.根据权利要求1所述的方法，其中被持续感测的所述组织是脑部组织，并且在不存在所述混杂因素的情况下确定的所述自调节功能状态是所述受试者的脑部自调节功能状态。

14.根据权利要求13所述的方法，其中所述确定所述混杂因素的所述存在或所述不存在的步骤还包含评估所述第一信号以将脑外血流确定为所述混杂因素。

15.根据权利要求14所述的方法，其中所述用所述组织血氧计持续感测所述受试者的所述组织区域的步骤包含使用与所述组织血氧计通信的一个或多个传感器，所述一个或多个传感器各自具有至少一个光源、位于距所述至少一个光源第一距离处的至少一个近检测器和位于距所述至少一个光源第二距离处的至少一个远检测器，其中所述第二距离大于所述第一距离。

16.一种用于确定受试者的自调节功能状态的设备，包括：

近红外光谱(NIRS)组织血氧计，其被配置成在某一时间段期间持续感测所述受试者的组织区域，并产生表示所述时间段期间至少一个组织氧合参数的第一信号；

血压感测装置，其被配置成在所述时间段期间持续测量所述受试者的血压水平，并产生表示所述时间段期间所述受试者的血压的第二信号；以及

控制器，其与所述NIRS组织血氧计和所述血压感测装置通信，所述控制器包含至少一个处理器和被配置成存储指令的存储器装置，所存储指令在被执行时使所述控制器：

控制所述NIRS组织血氧计以在某一时间段期间持续感测所述受试者的组织区域并产生表示在所述时间段期间在所述组织区域内感测到的至少一个组织氧合参数的第一信号；

控制所述血压感测装置以在所述时间段期间持续测量所述受试者的血压水平并产生表示所述时间段期间所述受试者的血压的第二信号；

使用所述第一信号确定混杂因素的存在或不存在，所述混杂因素能用于以独立于所述受试者的自调节功能的方式影响所感测的至少一个组织氧合参数；以及

17.根据权利要求16所述的设备，其中所述所存储指令在被执行时使所述至少一个处理器当确定存在所述混杂因素时在不使用所述第一信号和所述第二信号的情况下确定所述受试者的所述自调节功能状态。

18.根据权利要求16所述的设备，其中所述所存储指令在被执行时使所述至少一个处理器当确定存在所述混杂因素时使用所述第一信号和所述第二信号来确定所述受试者的所述自调节功能状态，并标记所述自调节功能状态。

19.根据权利要求16所述的设备，其中所述所存储指令在被执行时使所述控制器使用所述第二信号来确定所述混杂因素是否已经以独立于所述受试者的所述自调节功能的方式影响所述受试者的测得血压水平。

20.根据权利要求19所述的设备，其中所述所存储指令在被执行时使所述控制器基于所述第一信号确定组织氧合参数趋势数据并基于所述第二信号确定血压水平趋势数据，并且所述混杂因素的所述存在或所述不存在的所述确定利用所述组织氧合参数趋势数据和所述血压水平趋势数据。

21.根据权利要求16所述的设备，其中所述所存储指令在被执行时使所述控制器确定所述时间段期间所述受试者的心率，并产生表示所述时间段期间所述受试者的心率的第三信号；并且

所述所存储指令在被执行时使所述控制器使用所述第三信号来确定所述混杂因素是否已经以独立于所述受试者的所述自调节功能的方式影响所述受试者的所述心率。

22.根据权利要求21所述的设备，其中所述所存储指令在被执行时使所述控制器基于所述第一信号确定组织氧合参数趋势数据并基于所述第三信号确定心率趋势数据，并且所述混杂因素的所述存在或所述不存在的所述确定利用所述组织氧合参数趋势数据和所述心率趋势数据。

23.根据权利要求16所述的设备，其中所述所存储指令在被执行时使所述控制器使用变化量值过滤器来评估所述第一信号。

24.根据权利要求16所述的设备，其中所述至少一个组织氧合参数包含组织氧饱和度(StO₂)、单位体积组织的总血红蛋白浓度(THb)、单位体积组织的相对总血红蛋白浓度(rTHb)、氧合血红蛋白(O2Hb)和脱氧血红蛋白(HHb)的差分变化或HbD中的一者或多者。

25.根据权利要求16所述的设备，还包括CO2传感器，所述CO2传感器被配置成感测所述受试者的血液二氧化碳(CO₂)水平，并且所述指令在被执行时使所述控制器使用所述CO2传感器确定所述受试者的血液二氧化碳(CO₂)水平。

26.根据权利要求16所述的设备，其中所述至少一个组织氧合参数包含第一组织氧合参数和第二氧合参数；并且

所述混杂因素的所述存在或所述不存在的所述确定利用所述第一信号的第一子集和所述第一信号的第二子集。

27.根据权利要求26所述的设备，其中所述第一组织氧合参数是StO₂、THb、rTHb、O2Hb和HHb的差分变化或HbD中的一者，并且所述第二组织氧合参数是StO₂、THb、rTHb、O2Hb和HHb的差分变化或HbD中的另一者。

28.根据权利要求26所述的设备，其中所述混杂因素的所述存在或所述不存在的所述确定利用基于所述第一信号的第一子集的第一组织氧合参数趋势数据和基于所述第一信号的第二子集的第二组织氧合参数趋势数据。

29.根据权利要求16所述的设备，其中所述组织血氧计被配置成感测脑外组织和大脑组织；并且

所述所存储指令在被执行时使所述组织血氧计持续感测脑外组织和脑部组织，并且在不存在所述混杂因素的情况下确定的所述自调节功能状态是所述受试者的脑部自调节功能状态。

30.根据权利要求29所述的设备，其中所述所存储指令在被执行时使所述控制器将脑外血流确定为所述混杂因素。

31.根据权利要求29所述的设备，其中所述组织血氧计包含一个或多个传感器，所述一个或多个传感器各自具有至少一个光源、位于距所述至少一个光源第一距离处的至少一个近检测器和位于距所述至少一个光源第二距离处的至少一个远检测器，其中所述第二距离大于所述第一距离。

32.一种用于确定受试者的自调节功能状态的自调节下限(LLA)或自调节上限(ULA)中的至少一者的方法，包括：

使用表示至少一个组织氧合参数的所述第一信号和表示所述时间段期间所述受试者的所述血压的所述第二信号来确定随受试者血压而变的自调节数据；以及

确定所述受试者的自调节功能状态的LLA或ULA中的至少一者。

33.根据权利要求32所述的方法，其中所述确定所述受试者的自调节功能状态的LLA或ULA中的至少一者的步骤包含使用算法将曲线拟合到随受试者血压而变的所述自调节数据。

34.根据权利要求33所述的方法，其中所述将所述曲线拟合到所述自调节数据的步骤包含确定所述曲线的算法模型；并且

其中所述使用拟合曲线确定所述受试者的自调节功能状态的所述LLA或所述ULA中的至少一者的步骤包含使用所述曲线的所述算法模型确定拐点。

35.根据权利要求34所述的方法，其中所述确定所述拐点包含确定所述曲线的一阶导数。

36.根据权利要求35所述的方法，其中所述确定所述拐点使用所述自调节数据中的至少一些。

37.根据权利要求34所述的方法，其中所述确定所述拐点包含确定所述曲线的二阶导数。

38.根据权利要求33所述的方法，其中所述使用拟合曲线确定所述受试者的自调节功能状态的所述LLA或所述ULA中的至少一者的步骤包含利用所述拟合曲线的一阶导数、所述拟合曲线的二阶导数或所述拟合曲线的绝对值或其任何组合。

39.根据权利要求33所述的方法，其中所述使用拟合曲线确定所述受试者的自调节功能状态的所述LLA或所述ULA中的至少一者的步骤包含利用肘点方法。

40.根据权利要求32所述的方法，其中所述确定随受试者血压而变的自调节数据的步骤包含根据多个增量血压分区对在所述时间段内确定的所述自调节数据进行分区；

其中所述方法还包括确定每个增量血压分区中的所述自调节数据的置信度值。

41.根据权利要求40所述的方法，还包括可视地显示根据所述增量血压分区进行分区的自调节数据。

42.根据权利要求40所述的方法，还包括在分区的自调节数据的顶部可视地显示每个增量血压分区中的所述自调节数据的所述置信度值。

43.根据权利要求40所述的方法，其中所述确定每个增量血压分区中的所述自调节数据的所述置信度值的步骤包含确定每个相应增量血压分区中的所述自调节数据的一阶统计信息，并使用所确定的一阶统计信息确定相应置信度值。

44.根据权利要求33所述的方法，其中所述确定随受试者血压而变的自调节数据的步骤包含根据多个增量血压分区对在所述时间段内确定的所述自调节数据进行分区；并且

其中所述方法还包括确定每个增量血压分区中的所述自调节数据的置信度值；并且

其中所述将所述曲线拟合到所述自调节数据的步骤包含基于每个增量血压分区中的所述自调节数据的所确定置信度值来评估所述相应增量血压分区中的所述自调节数据以用于包含在曲线拟合中。

45.一种用于确定受试者的自调节功能状态的设备，包括：

使用所述第一信号和所述第二信号来确定自调节数据；以及

确定所述受试者的自调节功能状态的自调节下限(LLA)或自调节上限(ULA)中的至少一者。

46.根据权利要求45所述的设备，其中所述指令在被执行时包含使所述控制器使用算法将曲线拟合到随受试者血压而变的所述自调节数据。

47.根据权利要求46所述的设备，其中所述指令在被执行时使所述控制器确定所述曲线的算法模型并使用所述算法模型将所述曲线拟合到所述自调节数据；并且

在所述确定所述受试者的自调节功能状态的所述LLA或所述ULA中的所述至少一者时使用所述曲线的所述算法模型来确定拐点。

48.根据权利要求46所述的设备，其中在被执行时使所述控制器确定所述自调节数据的所述指令还使所述控制器根据多个增量血压分区对在所述时间段内确定的所述自调节数据进行分区，并且确定每个增量血压分区中的所述自调节数据的置信度值。

49.根据权利要求48所述的设备，其中所述指令在被执行时使所述控制器基于每个增量血压分区中的所述自调节数据的所确定置信度值来评估所述相应增量血压分区中的所述自调节数据以用于包含在曲线拟合中。

50.一种含有计算机程序指令的非暂时性计算机可读介质，其中所述计算机程序指令能由至少一个计算机处理器执行以执行非侵入地确定组织体的组织动脉氧饱和度值的方法，所述方法包括：

控制光源以将至少第一波长和第二波长的近红外光发射到组织体中，所述第一波长不同于所述第二波长；

控制至少一个光检测器以感测所述组织体的所述近红外光，并产生表示所感测近红外光的信号；

使用所述信号确定第一组织氧参数的AC分量；

使用所述信号确定第二组织氧参数的AC分量；以及

使用所述第一组织氧参数的所确定的AC分量和所述第二组织氧参数的所确定的AC分量来确定组织体的组织动脉氧饱和度值。

51.一种含有计算机程序指令的非暂时性计算机可读介质，其中所述计算机程序指令能由至少一个计算机处理器执行以执行确定受试者的自调节功能状态的方法，所述方法包括：

控制组织血氧计以在某一时间段期间持续感测受试者的组织区域，所述感测产生表示至少一个组织氧合参数的第一信号；

控制血压感测装置以在所述时间段期间持续测量所述受试者的血压水平，所述测量产生表示所述受试者的血压的第二信号；

52.一种含有计算机程序指令的非暂时性计算机可读介质，其中所述计算机程序指令能由至少一个计算机处理器执行以执行确定受试者的自调节功能状态的自调节下限(LLA)或自调节上限(ULA)中的至少一者的方法，所述方法包括：

控制血压感测装置以在所述时间段期间使用血压感测装置持续测量所述受试者的血压水平，所述测量产生表示所述时间段期间所述受试者的血压的第二信号；

确定所述受试者的自调节功能状态的LLA或ULA中的至少一者。