CN1370503A - 利用胸部生物阻抗和心电图的血液动力参数无损伤性监测 - Google Patents
利用胸部生物阻抗和心电图的血液动力参数无损伤性监测 Download PDFInfo
- Publication number
- CN1370503A CN1370503A CN01104722A CN01104722A CN1370503A CN 1370503 A CN1370503 A CN 1370503A CN 01104722 A CN01104722 A CN 01104722A CN 01104722 A CN01104722 A CN 01104722A CN 1370503 A CN1370503 A CN 1370503A
- Authority
- CN
- China
- Prior art keywords
- signal
- impedance
- point
- time
- bio
- 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.)
- Pending
Links
- 239000008280 blood Substances 0.000 title claims abstract description 49
- 210000004369 blood Anatomy 0.000 title claims abstract description 46
- 210000000481 breast Anatomy 0.000 title abstract description 3
- 238000012544 monitoring process Methods 0.000 title description 4
- 238000000034 method Methods 0.000 claims abstract description 141
- 238000001228 spectrum Methods 0.000 claims abstract description 39
- 238000005259 measurement Methods 0.000 claims abstract description 27
- 238000012360 testing method Methods 0.000 claims abstract description 24
- 230000017531 blood circulation Effects 0.000 claims abstract description 14
- 230000000747 cardiac effect Effects 0.000 claims description 64
- 230000000241 respiratory effect Effects 0.000 claims description 40
- 230000004087 circulation Effects 0.000 claims description 32
- 238000000718 qrs complex Methods 0.000 claims description 25
- 210000000038 chest Anatomy 0.000 claims description 24
- 238000001914 filtration Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 14
- 230000000740 bleeding effect Effects 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 11
- 230000002861 ventricular Effects 0.000 claims description 11
- 238000009826 distribution Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 8
- 230000000149 penetrating effect Effects 0.000 claims description 8
- 230000005764 inhibitory process Effects 0.000 claims description 6
- 210000000115 thoracic cavity Anatomy 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 210000002417 xiphoid bone Anatomy 0.000 claims description 6
- 210000003141 lower extremity Anatomy 0.000 claims description 5
- 210000001061 forehead Anatomy 0.000 claims description 4
- 230000003287 optical effect Effects 0.000 claims description 4
- 238000009795 derivation Methods 0.000 claims description 3
- 210000000629 knee joint Anatomy 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 2
- 238000005054 agglomeration Methods 0.000 claims 10
- 230000002776 aggregation Effects 0.000 claims 10
- 210000003128 head Anatomy 0.000 claims 1
- 239000000758 substrate Substances 0.000 claims 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims 1
- 210000005240 left ventricle Anatomy 0.000 abstract description 14
- 238000004458 analytical method Methods 0.000 abstract description 13
- 238000010586 diagram Methods 0.000 abstract description 5
- 238000000605 extraction Methods 0.000 abstract 1
- 239000000843 powder Substances 0.000 abstract 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 26
- 208000032843 Hemorrhage Diseases 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000011084 recovery Methods 0.000 description 8
- 210000005241 right ventricle Anatomy 0.000 description 8
- 230000000004 hemodynamic effect Effects 0.000 description 7
- 230000003595 spectral effect Effects 0.000 description 7
- 210000001519 tissue Anatomy 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000005534 hematocrit Methods 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 238000013459 approach Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- 238000009792 diffusion process Methods 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 210000003484 anatomy Anatomy 0.000 description 3
- 230000006378 damage Effects 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 238000010790 dilution Methods 0.000 description 3
- 239000012895 dilution Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 239000000700 radioactive tracer Substances 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 210000002376 aorta thoracic Anatomy 0.000 description 2
- 238000010009 beating Methods 0.000 description 2
- 230000037396 body weight Effects 0.000 description 2
- 230000003130 cardiopathic effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 210000003743 erythrocyte Anatomy 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 210000000088 lip Anatomy 0.000 description 2
- 230000035479 physiological effects, processes and functions Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 210000002345 respiratory system Anatomy 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 208000036487 Arthropathies Diseases 0.000 description 1
- 208000028399 Critical Illness Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000006793 arrhythmia Effects 0.000 description 1
- 206010003119 arrhythmia Diseases 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 239000011230 binding agent Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000003113 dilution method Methods 0.000 description 1
- 238000004070 electrodeposition Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 230000004217 heart function Effects 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 238000013101 initial test Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000000302 ischemic effect Effects 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000005039 memory span Effects 0.000 description 1
- 210000004115 mitral valve Anatomy 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 210000001147 pulmonary artery Anatomy 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000036391 respiratory frequency Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
Images
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
一种根据胸部生物阻抗信号和心电图确定心搏率、心搏量和心搏出血量的方法和装置。采用一种独特的生物阻抗电极排列,通过测量或检测电极识别畸变,利用正弦测试信号对生物阻抗信号作增益-相位-频率畸变校正,在实际测量期间作同样的校正。采用生物阻抗信号的时间导数,计算功率谱,采用新颖的自动卷积方法突出心搏率谐波。去除呼吸波和其它不表示病人心脏循环的信号。根据生物阻抗信号导出左心室射血时间。采用改进的Kubicek方程式导出心搏量,因而导出心搏出血量。还揭示确定射血结束、呼吸图形提取和CO稳定性分析的方法。
Description
本发明一般涉及心动监测,更具体地涉及根据胸部生物阻抗和心电图(ECG)信号的检测和综合分析确定心搏率(HR)、心搏量(SV)和心搏出血量(CO),这允许精确检测左心室射血开始时间。
心搏率是指心脏每分钟搏动的次数。心搏量是指在每次心搏期间的排血量。心搏出血量是指每分钟的排血量,通常被认为是心脏健康的最重要指标。医生必须经常根据这些心脏参数诊断心脏疾病,评估病人的总体健康状况,确定最适合的治疗方法,以及迅速发现心脏功能的突然衰竭。
现有的测量心搏出血量和其它心脏参数的方法可以分为两类:即损伤性的和非损伤性的。损伤性的方法要求医生将测量器械插入病人体内,如将导管插入喉咙,这对病人和医生来说都是不好的。病人必须忍受疼痛和不适,医生必须施行较为复杂的操作流程,有时还要冒受血液感染的风险。目前采用的非损伤性的方法有很大的好处,但是仍然存在明显的缺点。绝大多数采用超声波、心音描记法或电学生物阻抗法进行测量,以便计算心脏参数。
采用生物阻抗测量的方法需要将多个电极置于病人皮肤(以胸部区域为主)上,从某些电极产生高频、低幅电流流入病人体内,测量病人组织的电阻抗随时间的变化,使电阻抗变化同心脏参数相联系。
电极在病人身体上的排列方法在心脏参数最终测量结果的相对准确性中起重要作用。由于各种各样的解剖因素,电极必须置于病人身体的特定部位,以获得测得的生物阻抗与心脏参数之间的最佳相关关系。目前采用的许多电极结构未能适当考虑通过胸部的电位线所走的路径,因此在心脏测量中产生畸变。此外,有几种电极排列需要采用带状电极。例如作用带状电极A、B和测量带状电极C、D,每个电极的宽度为“n”(见图1)。这些带状电极通常象绷带一样缠绕在病人身体上,进一步限制了接触病人,尤其是在抢救过程中是不理想的状态。当将带状电极置于颈部和胸部时,与呼吸相关的运动也使带状电极非常不便。
也许,与现有生物阻抗法有关的最主要的问题是心脏参数与生物阻抗之间不精确的数学推导。心室射血时间(VET)是测量心搏中心脏收缩-舒张循环期间主动脉阀开与闭之间的时间,它是作为确定心搏量中的一个中间步骤而必须计算的。现有技术中没有以足够高的准确度确定心室射血时间的方法。此外,现有技术未能考虑到VET不是单个事件的事实。实际上,存在左VET和右VET。现已表明,阻抗信号的时间导数实际上与左心射出的主动脉血流量峰值成正比。对于大多数病人而言,左VET和右VET的测量结果通常是非常接近的,但是,在目前采用的方法中,二者之间的少许差别会产生生物阻抗读数的误差。
此外,射血开始时间的经典算法是精细的,但仅仅对健康人在休息时是适合的,对于在运动训练或其它身体紧张状态下的病人或者对于垂危病人,如通常处于监护病房中的病人是不准确的。
根据生物阻抗信号导出心搏量的一般方程式为Kubicek方程式,由下式给出:
SV=R(L/Z0)2·ΔZ
式中:SV指心搏量,R指血液电阻率,L是内外电压敏感电极之间的距离,Z0是根据内电压敏感电极确定的平均胸部阻抗,ΔZ是由于血液流入造成的阻抗变化。这个值的Kubicek估算值为:
ΔZ=(VET)·(dZ/dt)max
这里,VET是左、右心室射血组合时间,(dZ/dt)max是阻抗信号时间导数的最大负斜率变化。绝大多数的生物阻抗心脏监测系统采用某种形式的Kubicek方程式。
然而,没有作进一步的改进时,Kubicek方程式给出的测量结果常常不准确。其部分原因是两个心室对于阻抗变化都有贡献,所以Kubicek方程式计算的射血时间(VET)不能与特定的关键心室,尤其是左心室相关。因此,当观察到左、右心室存在较强的不一致时,Kubicek方程式的ΔZ估算值变得无效。结果,Kubicek方程式的SV计算结果常常正比于,但是不等于实际心搏量,因此,必须乘以某个相关常数。此外,现有技术未揭示根据病人的血细胞比容(血红细胞数)调节R的方法。正在接受输血的病人中,R的调节是尤为重要的。
许多生物阻抗心动描记法要求病人在每次测量期间屏住呼吸,因为呼吸会引起对生物阻抗的干扰。这种方法对于有些病人来说是不方便的,而对于其他那些失去知觉或者不能屏住呼吸的病人来说是完全没有用的。最近采用的一些方法具有增强信号、识别呼吸影响以及消除缺陷信号的信号处理能力,所以没有把误差引入到最终计算结果中。有效的信号处理通常是保证生物阻抗心动描记法准确度的关键,在这方面取得的改进能够显著地推进现有技术的提高。
本发明的一个方面是一种利用生物阻抗心动描记图与心电图的新颖组合测量血液动力参数的方法,该方法能够使医生获得对病人心脏功能的准确且基本连续的评估。在所关注的一般时间间隔上,最好是大于十次(10)心搏的时间上,测量生物阻抗和心电图。
本发明的装置采用一系列适合于置于病人皮肤表面,产生高频、低幅电流流过病人胸部,测量生物阻抗变化的点状电极。所揭示的电极结构利用了电势电力线在人体中的生理排列。
因此,本发明的方法可以利用心电图法增强根据测得的生物阻抗信号检测射血时间的准确度。以众所周知的心电图法在任何标准位置中可以获得心电图。为了减少病人皮肤上的电极总数,本发明可以采用同一组电极作生物阻抗和ECG测量(见图6B)。
本发明还涉及到根据血液红细胞计数的变化以及根据不同病人体格程度不同而连续调节心脏参数的计算,因此在各种不同情况中可以采用这一步骤,不会造成准确度的损失。
此外,本发明包括一种改善生物阻抗信号处理的方法。它可以采用计算机系统以多种方式同时分析生物阻抗信号和心电图,提供心脏参数的准确报告。可以采用计算机系统对测量生物阻抗和ECG所采用的传感器引起的增益-相位-频率特性作校正。计算机系统可以把正弦测试曲线传送给传感器接收器,然后测量和记录接收器产生的增益-相位-频率畸变。接下来由计算机系统通过传感器接收的“真实”生物阻抗信号送至滤波器,滤波器滤除传感器的特性畸变以及呼吸和运动等人为现象。增益-频率响应和相位-频率响应的准确度可以校正到5%范围内。
本发明进一步包括对ECG信号进行信号处理,确定QRS复合波(特征心搏波形)并检测在改进生物阻抗信号计算中所使用的点位置。信号处理涉及到对得到的ECG信号进行取样以及滤波,以突出QRS复合波的位置。可以记录峰-峰幅度和计算阈值幅度。利用阈值幅度选择无缺陷的QRS复合波。最后,可以对所选事件进行附加分析,确定检测点位置。
本发明的计算机系统可以导出生物阻抗信号的时间导数并保存在存储器中。可以绘出生物阻抗信号的时间导数相对时间的曲线,代表重复的心脏循环。采用离散傅里叶变换可以计算生物阻抗信号的功率谱,经过研究可估算病人的心搏率以及识别每个心脏循环的前沿。可以采用新颖的数学自动卷积过程来强调生物阻抗信号时间导数中的心搏率谐波。
在功率谱中应可发现心脏循环信号,作出其包络,然后去除位于包络之外的那些信号,可以去除呼吸波。
计算机系统可以采用一种新的根据生物阻抗信号和ECG信号导出有效左心室射血时间(ELVET)的方法。具体说,射血开始时间的精确检测是基于对生物阻抗和ECG信号的综合分析。ELVET的导出是详细的多步骤的分析,它涉及到根据ECG曲线上的相应点找出生物阻抗时间导数曲线上的各个点并确定这些点中哪个点能够最准确地反映心脏事件。这需要进行多种数学计算,包括对生物阻抗时间导数曲线的微分作近似。
在健康人中,左-右心室不一致或者左、右心室阀打开之间的不一致是很小的。然而,在重病病人中,由于左、右心室的不一致,Kubicek方程式通常低估了生物阻抗信号的时间导数。根据本发明,计算机系统对左、右心室阀打开时间之间出现不一致的信号作自动调节,计算ΔZ校正值,即由于血液流入造成的阻抗变化。
在计算机系统计算ELVET和ΔZ后,它采用改进形式的Kubicek方程式由ELVET、血液电阻率、病人的特定体格以及最大生物阻抗变化导出心搏量。计算机系统分析生物阻抗信号的时间导数,去除具有某些失常的心脏循环。
最后,本发明进一步包括检测有效心脏循环的方法。
图1是带状型电极在病人身体上排列的示意图。
图2A、2B和2C以示意图方式示出本发明点状型电极位置。
图3A示出放置本发明测量胸部电极的解剖区。
图3B示出图3所示解剖区在病人身体上的位置。
图4示出本发明各胸部电极的结构。
图5A是本发明为抑制微分和谐波信号而采用的A型滤波器的增益与频率特性图。
图5B是本发明中采用的B型滤波器的增益与频率特性图,重点强调心脏循环的前沿。
图5C是从本发明的综合(呼吸波和心动波)功率谱中去除呼吸波功率谱而采用的过滤图。
图6A是本发明方法的分支图。
图6B是信号处理的流程图和执行本发明方法而采用的装置。
图7A示出本发明生物阻抗传感器的增益-频率特性G(f)。
图7B示出本发明生物阻抗传感器的相位-频率特性P(f)。
图7C示出与图7A所示特性相对应的“R”或恢复滤波器的增益频率特性1/G(f),用作根据本发明的GPF校正。
图7D示出与图7B所示特性相对应的“R”或恢复滤波器的相位频率特性-P(f),用作根据本发明的GPF校正。
图8A示出传感器信号产生的增益频率特性G(f),经本发明R-滤波器校正。
图8B示出传感器信号产生的相位频率特性P(f),经本发明R-滤波器校正。
图9示出依照本发明产生的生物阻抗信号的时间导数,相对时间而绘出,表示在相同时间周期上由于血液流入(ΔZ)造成的阻抗变化的示例。
图10是横穿病人心脏的电位与时间的曲线图(心电图),表示单次心搏中QRS复合波的峰-峰幅度(E1-前沿,E2-后沿)。
图11是在10秒周期内在心电图中得到的所有峰值的散射图。散射图的坐标为(E1、E2),QRS复合波在右下角的圆圈中。
图12是ECG信号和生物阻抗信号时间导数随时间的曲线图,表示ECG信号上的P、Sa和Sb检测点,相对于生物阻抗信号上的Q、S和A检测点。
图13是ECG、生物阻抗Z(t)和生物阻抗时间导数dZ/dt信号相对于时间的曲线图,表示健康人中S与Q点之间的生物阻抗差,Zs-q。
图14是ECG、生物阻抗Z(t)和生物阻抗时间导数dZ/dt信号相对于时间的曲线图,表示患有局部缺血的心脏病的人中S与Q点之间的生物阻抗差,Zs-q。
图15是与经典Kubicek算术方法相比,本发明确定ELVET的方法与理想的超声确定法关系的图形图示。
图16示出信号上T点的方法,这里dZ/dt中的局部极值不是清楚地可识别的。
图17是针对图16的方法,ECG信号、生物阻抗信号Z、生物阻抗信号的第一阶导数dZ/dt和生物阻抗的第三阶导数d3Z/dt3的时间关系曲线图。
图18示出根据本发明的呼吸图形提取方法。
图19示出对于心律/呼吸率之比小于3的病人,本发明的单点算法。
图20示出利用来自与图19中所述相同的病人的原始数据,与多点方法相关的五条曲线a-e。
图21示出患病心脏的心脏循环形状。
图22是来自病人的数据的直方图,显示心脏出血量的并发值。
图23示出直方图,反映在给定时间窗口期间瞬时CO值的分布。
本发明的的第一步是获取病人身体上各部分组织的生物阻抗测量结果。必须将电极置于皮肤表面的合适位置点上,以产生高频、低幅电流,并检测产生的电流在流过各部分组织后的变化(见图2A、2B、3和4)。为了使病人身体上的自由区达到最大,电极采用“点状电极”而不是“带状电极”。点状电极最好是一次性使用的单一用途的电极。因此,增大了病人移动的自由度,医生能够在更多的病人皮肤上进行其它医疗项目,如插入导管和进行麻醉。
生物阻抗电极总共采用6个电极,一对检测(测量)电极20位于剑突线上;一对检测(测量)电极22位于颈部两侧;一个作用电极24位于左腿上;一个作用电极26位于前额上。
作用电极24、26可以是标准ECG点状电极,其接触面为2cm×2cm。上部的作用电极26最好置于前额中间,位于中线上。下部的作用电极24最好置于左膝或者略低于左膝,如左脚上。如果必要的话,下部的作用电极24也可以置于膝盖上方,只要满足以下条件即可:
L>5R0这里,L是作用电极之间的距离,R是胸部的半径。采用左腿而不是右腿是考虑到心脏在解剖学上的不对称性。主动脉弓的生理定位使得左腿最适合于作下部作用电极,主要集中的电势电力线是通过主动脉弓的。以这种方式排列的作用电极可以保证感应电流电力线在测量电极之间均匀分布,因此,有助于使最终心脏参数测量结果的误差减至最小。
上部的一对测量电极也可以是标准ECG点状电极,其接触面为2cm×2cm。这对电极对称地置于病人颈部27周长的病人颈部侧面线上,比颈底高出距离S。距离S定义为颈底与电极22中心32之间的距离,约为4cm较佳。颈底定义为颈部侧面线的最大曲率点的位置。将上部测量电极22置于这个区域可避免颈部-胸部交会处电力线非线性而导致的误差。
下部的一对胸部测量电极20的接触面积各为12cm2至30cm2。如果减小或是增大这一接触面积的话,将会低估心搏量。接触面积低于12cm2提供的测量深度不够,体格高大的病人这个问题就更为严重,接触面积大于30cm2会使测量延伸到另外的解剖区中。
各个胸部电极20最好各由一组4个标准ECG点状电极28组成,每个电极的接触面29为2cm×2cm,每个胸部电极的点状电极28中上部一对电极34位于剑突线38(见图2B和4)。所有的接触面29与箔或电线31连接。相邻点状电极分开的距离G约为5cm。如果点状电极28不具有粘合特性的话,采用导电胶将接触区29置于人体上。这种配置利用了人体I区和III区的解剖特性(见图3A和3B),保证误差最小,因为测量是在一定深度上进行的,允许不同病人体格有所不同。所述的胸部电极20置于剑突线38的胸部相对两侧(见图2A、2B和2C)。如图3A和3B所示,放置位置在II区和IV区中,从剑突线38处通过人体延伸的侧面线向前或向后正负约10cm。
作用电极24、26产生高频、低幅电流流入病人体内,检测电极20、22测量通过人体组织后的电流。根据发生电流与测量电流之间的差别可以方便地确定出人体组织的电阻抗。由于血液流动、呼吸以及其它因素等作用的结果,人体组织的电阻抗是随时间变化的。
本发明还采用与生物阻抗信号同时测量的ECG信号。除了测量后的信号处理(去除硬件的人为现象,如下文所述)外,ECG信号的测量是采用传统方式进行的,对此不作进一步描述。
本发明的第一步是确定模拟输入装置(ECG转换器和阻抗转换器)的增益-相位-频率(GPF)特性,供下一步信号处理使用。
计算机系统可以包括专门编程的通用计算机,如个人计算机,计算机接收来自检测电极20、22的电流测量结果,确定组织阻抗(生物阻抗)和横穿心脏的电位(ECG)与时间的关系,最终计算HR(心搏量)、SV(心搏量)和CO(心搏出血量)。确定SV的方程式由下式给出:
SV=K·P·(L/Z0)2·ΔZ
式中:K是新的比例因子,P是比血液电阻率,L是电压测量或敏感电极20和22之间的距离,Z0是平均或基准胸部阻抗(根据敏感电极20和22确定的),△Z是由于血液流入引起的阻抗变化。△Z按照下式计算:
△Z=ELVET*(dZ/dt)max+Zs-q
式中:ELVET是有效左心室射血时间,(dZ/dt)max是根据两个测量电极获得的阻抗信号时间导数的最大绝对值,Zs-q是计入左-右心室不一致的新的校正因子,它等于S与Q点之间的生物阻抗差(见图13和14和所附的文字)。
K项考虑了不同病人体格的差异。为了获得K因子的值,医生首先利用传统装置或者市场上提供的超声测量装置测量病人的身高和体重和病人颈部27和胸部36的周长。然后,医生把测量值输入到计算机系统中,计算机系统又利用这些值计算胸部的有效截面面积和K因子。胸部的有效截面面积(SCHEST)为:
SCHEST=(PCHEST2+(PNECK·PCHEST)+PNECH2)/12π
式中:PCHEST是病人胸部36的周长,PNECK是病人颈部27的周长。那么,K因子按照下式计算:
这里,H是病人身高,W是病人体重,K0、K1、K2和K3是与性别和年龄有关,取值范围为:
K0∈[1-4];K1∈[3-16];K2∈[0-1]:K3∈[0.1-2]:
因此,本发明能够应用于不同体格的病人,而不损失准确度。
人体血液的电阻率不是常数。它随不同的人而不同,即使是同一个人在不同的时间也是不同的。血液电阻率对病人接受输血时起伏特别敏感。结果,准确的生物阻抗心动图系统必须包括连续改变Kubicek方程式的血液电阻率的装置。
病人的比血液电阻率在很大程度上取决于病人的血细胞比容。毛细血管血的这两个值之间的关系为:
P=13.5+(4.29.H)
式中:P为比血液电阻率,H为毛细血管血细胞比容。这个关系被V.I.Arinchin等人所采纳,“计入血液的电阻将提高胸部四极性血流图方法的准确度”,J.of Pediatrics(U.S.S.R.),1987,V.7,pp.59-52。利用任何一种当前使用的方法都能够测量血细胞比容。血细胞比容或是由医生输入到计算机系统中,或是由电子装置从血细胞比容测量装置直接送至计算机系统。
本发明采用一种新颖的ECG信号(去除硬件的人为因素后)处理方法,包括下列步骤:
(i)采样点的信号近似;
(ii)进行特别滤波,突出QRS复合波的位置;
(iii)以给定的记录时间间隔测量峰-峰幅度;
(iv)计算幅度阈值;
(v)用算出的幅度阈值选取QRS;
(vi)对所选事件进行辅助分析,确定检测点位置。
除非采样频率极高,需要上述步骤(i)以提高确定QRS的准确度和可靠性。根据实际情况,这样的高频采样是不必要的(因为会耗费过多的处理时间和存储器容量),获得受限制的功率谱的信号也是不实际的。设想两种适合本发明使用的近似方法。首先,众所周知,用在s(n*ΔT)点的取样完全能够描述任何有限谱(限定最高谐波为ωm=2πfm)的信号s(t),这里,ΔT<1/2fm是取样周期,n是一个整数。这个信号的精确近似由方程式给出:式中
用其它方法,首先计算信号s(t)的傅里叶变换,然后给所有的谐波加上一个小的相移Δ能够获得同样结果,所以
Δ/2πf=τ=常数,f。
然后,在计算傅里叶逆变换后,获得从原始取样点偏移τ的点处s(t)的近似值。后一种方法在计算中更有效。两种方法允许采用较低的取样率,这导致存储器的消耗少,可以根据需要采用这两种方法来计算原始信号的精确近似。
下一步是对ECG信号进行滤波,突出QRS复合波的位置。图10示出典型的QRS复合波,信号峰值具有从单次心搏中的峰-峰测得最大幅度。从所需增益-频率特性(GFC滤波器)计算对称型有限脉冲响应(FIR)数字滤波器。根据QRS复合波功率谱的分析得出所需GFC滤波器,其通带在6Hz至22Hz之间,最大值在12.5Hz。根据V.S.Gutnikov在“测量信号的滤波”,Leningrad,Energoatomizdat(USSR)1990,pp.172-181,这里引作参考,中所述的滤波合成算法,利用离散傅里叶变换,把所需GFC滤波器转变为有限脉冲特性。这种滤波器让QRS复合波通过,而抑制ECG信号中呼吸和运动等人为现象,也抑制P波和T波。
下一步是计算峰-峰幅度阈值和选择有效的QRS复合波。计算机系统通过复合波的前沿(E1)和后沿(E2)幅度测量滤波后ECG信号的每个局部峰,见图10。对于每个局部峰,E1是从峰的前沿局部极小值到最相近的下一个最大值测量的,E2是从峰的最大值到后沿最小值测量的。图11示出在10秒时间间隔或周期上由复合波(E1,E2)坐标表示的峰的分布(散射图)。图11还示出在图的右下角中以圆圈突出的QRS复合波。每个峰的特征可以用其(E1,E2)矢量和幅度Ai来表示,这里:
Ai=((E1i)2+(E2i)2)1/2。
然后,计算机系统搜索Ai和Ai+1之间最大差值的{Ai}分类数组。如果找到第k元的最大值,那么,按照T=(Ak+Ak+1)/2计算幅度阈值。因此,如果Aj超过阈值T,那么,在j点检测到QRS复合波。按照Ta=Tak-1+αTk,阈值T适合于ECG数据的每个10秒块或间隔,这里,Tak-1是以前数据块的合适阈值,Tk是当前块的计算阈值,α是采用的参数,取值在0-1范围内。
然后,从确定QRS位置起的-50至+200毫秒间隔内对采用上述“阈值”方法识别的每个QRS复合波进行进一步分析。对于识别的每一个QRS复合波,计算机系统确定幅度、峰的序列和峰前沿的导数,以便排列3个检测点(见图12):QRS复合波开始(P点)、偏离基准线的最大偏差(Sa点,这与正常ECG中的峰R相一致)以及QRS复合波结束(Sb点)。采用这些检测点来改善如下所述的对生物阻抗信号的分析。
本发明采用的生物阻抗信号的新颖处理方法包括下列步骤:
(i)数字式滤波和相位校正;
(ii)心搏率估算;
(iii)抑制呼吸波;
(iv)确定心脏循环;
(v)安排检测点;
(vi)选择没有人为干扰现象的循环。
电子滤波的第一部分涉及让信号通过一个“恢复”R滤波器,进行增益-相位-频率(GPF)校正。R滤波器对由用于测量生物阻抗变换的特定电子传感器而引起的畸变进行补偿。众所周知,生物阻抗传感器的GPF特性(图7)在很大程度上会影响生物阻抗曲线的形状。必须从信号中去除这些影响。R滤波器采用后信号处理方法来校正GPF畸变。这是以这样的方法进行的,即生物阻抗传感器加R滤波器的系统具有对生物阻抗信号在给定频率范围,如0.3Hz至30Hz范围内相位漂移为零和增益恒定的GPF特性(见图8)。因此,可以实现对不同生物阻抗装置输出的校正。除了这里所述的R滤波器和其它滤波器的所需或关键滤波器参数和工作特性外,本领域的专业人员能够方便地作出同样的构造,对此不作进一步描述。
GPF校正的第一步是将生物阻抗传感器与电学发生正弦阻抗信号的源相联系,然后测量传感器的输出。电学发生的正弦阻抗信号相对基准线(如100欧姆至200欧姆)的幅度为0.1欧姆至0.2欧姆。利用由光敏电阻、光发射器(光电二极管)、电源和模拟-数字-模拟(ADA)计算机接口组成的电压-阻抗转换器已经产生这一信号。在不透光的外壳内将成对的光敏电阻和光发射器耦合起来,使得光敏电阻根据光发射器的光强度而改变其阻抗。ADA转换处理包括对19kHz频率数学模型正弦波的数字-模拟转换和100Hz频率、12比特分辨率的模拟-数字转换。通过接口,计算机产生一组频率范围在0Hz至75Hz的测试正弦信号并记录传感器的响应。电压-阻抗转换器的工作特性包括0V至5V输入信号、-0.1Q至0.1Q的输出信号,基准线为100Ω至200Ω(如上所述)。然后,根据初始测试信号谱和传感器产生的响应可以计算传感器的GPF特性H(f),以图形表示或者以ASCII码或其它存储器文件而储存。系统采用算出的传感器的GPF特性H(f)计算“恢复”R-滤波器。在特定的频率范围内,从形式上可以将这种R-滤波器的GPF特性写成1/H(f)。通过提供对随机低频和高频干扰抑制的低频和高频滤波器(见图7),R-滤波器也提供频率束缚。用R-滤波器的滤波可以在频段内用傅里叶变换进行。最好能采用高斯窗口与傅里叶变换消除记录信号的边界效应:
G(t)=exp[-2(at/(2T))2]
式中:2T是记录信号的周期,t<T是时间,“a”是一预定常量,取值最好在2.5-3范围内。记录信号的傅里叶图象与R-滤波器的GPF特性的乘积导致对GPF畸变的抑制以及对信号的额外滤波。也可以采用傅里叶逆变换和除以高斯窗口。在没有进行傅里叶变换的时域中可以采用同样的步骤。经过R-滤波后的信号称为“恢复”信号,采用这一信号进行进一步计算。
这时还应当注意:采用类似于上述对生物阻抗信号所采用的方式对ECG连接所识别的GPF特性进行处理,从ECG信号中去除硬件的人为现象。ECG信号和生物阻抗信号二者的GPF校正有助于两个信号之间时间间隔和事件时间的真实对应。
生物阻抗信号处理的下一步是心搏率(HR)的估算。本发明采用两种方法来计算HR。第一种方法是如上所述对ECG信号上的R-峰进行检测,计算R-R间隔。其倒数乘以60即为心搏率。如果由于某种原因不能对ECG信号进行处理以检测R-峰,那么,采用第二种方法。在第二种方法中,用离散傅里叶变换计算“恢复”生物阻抗信号的功率谱并将其用于估算病人的心搏率(HR)。呼吸谐波常常是生物阻抗信号功率谱中的最大幅度峰。因此,必须抑制它,以突出HR频率响应。为此采用特定的变换。首先,将“恢复”信号的功率谱(PS)与A-滤波器的增益频率特性相乘(见图5A)。这个滤波器对信号进行微分,进一步抑制低于特定频率(最好选为1Hz至3Hz范围)的谐波,因为呼吸波谐波通常低于2Hz,HR谐波高于0.8Hz。纯心脏信号的功率谱是由HR、2*HR、3*HR等频率的重复峰组成的。因此,以下的功率谱自动卷积将强调心搏率的谐波:
AS1(f)=PSa(f)·PSa(2f)·Psa(3f)…这里,AS1(i)是功率谱自动卷积的结果,PSa(i)是先前通过A-滤波器的频率i的特定频谱线的功率。在上述乘积中最好只有前三项PSa,因为频率越高,信噪比越低。计算机系统采用自动卷积在0.6Hz至5Hz范围内搜索AS1(i)最大值Mas。把与Mas相关的频率当作是HR的估计值。然后,在另外的滤波(见图5C)和心动循环识别过程中采用HR的估算值。
为了提高准确度并保证正确识别心动循环,必须要去除生物阻抗信号中由呼吸引起的偏差。通常,呼吸频率低于心搏率频率,但是,呼吸波产生的功率谱与心脏循环产生的功率谱的最低谐波相重叠。所以,从综合功率谱中完全去除呼吸波的功率谱是不可能的(见图5C)。同呼吸相比,心脏搏动是一种更加稳定的重复过程。因此,我们可以认为他们的功率谱是由几个窄的峰组成的。主要心动波谱线之间的所有功率谱谐波是这些主要谱线和噪声功率谱的侧面斜率的组合。如果这些内部谐波减少,那么噪声基本得到抑制,而心动波仅仅被少许抑制。正如接着将说明的,这些思想形成了滤除呼吸波的算法的基础。在估算心搏率(HR)后,如上所述,可确定心动波谱的第一和第二谐波。可以把功率谱上最靠近这些谱峰值的局部最小看作是他们界限。除了位于第一峰界限内的这些谐波外,低于第二峰的下限的所有谐波乘以一个小于1的预定值(图图5C所示意的)。这就导致消除了呼吸波幅度,因为后者的功率谱位于被乘区域内,但是对于心动波只是略有影响。
生物阻抗信号处理的下一步是心脏循环的检测。本发明也采用两种方法进行检测。第一种方法是根据ECG信号中QRS复合波的位置确定心脏循环边界位置。如果不能对ECG进行处理,那么采用第二种方法。采用第二种方法时让上述“恢复”信号通过B型滤波器(图5B)以突出心脏循环中的前沿。B型滤波器是一种具有正弦形频率边界的微分滤波器。B型滤波器的通带适合于对心脏循环前沿产生主要作用的频率谐波(以1Hz至6Hz为佳)。通过B型滤波器的信号中局部最大与下一个局部最大之间的区域被看作是循环前沿并用峰-峰随时间的变化和峰-峰随幅度的变化来描述。然后,计算机系统根据分析信号通过B型滤波器后产生的功率谱的前五(5)个谐波产生时间-幅度包络。检查循环的前沿并标出一些循环前沿以供进一步分析,峰-峰时间变化和峰-峰幅度变化是否位于时间-幅度包络内。为了提高心脏循环识别的可靠性,计算机系统计算所选区域的峰-峰幅度的平均值和变异。
如果变异对平均值的比小于预定值,以0.3为佳,那么,将标出的所有前沿传送至下一阶段处理,它涉及检测点的排列和无缺陷心脏循环的选择。另一方面,如果变异对平均值的比大于预定值,那么,必须进行另外的分析。另外的分析包括以下步骤:(i)根据它们的峰-峰幅度将接受检查的区域分成两组,即高于平均值的区域(“上方组”)和低于平均值的区域(“下方组”);(ii)计算每一组的平均值M1和M2以及变异或标准偏差V1和V2;(iii)对于每一组将合适的值插入以下不等式中:
M2+a·V2<M1-a·V1
这里“a”是预定值,最好取为1.96,V1和V2分别是上下各组的标准偏差;(iv)如果不等式为真,那么,取上方中的区域为心脏循环的前沿,在下一步考虑中取消下方中的区域,否则将所有的所选区域送至下一阶段处理。
计算机系统识别生物阻抗信号时间微分中的特定检测点,计算有效的左心室射血时间ELVET,作为确定心搏量(SV)的第一步。
本发明采用仅代表左心室射血时间的术语ELVET,而不采用Kubicek方程式中采用的代表左、右心室组合射血时间的术语VET。众所周知,生物阻抗信号的时间微分的值正比于左心室射出的峰值主动脉血流。因此,SV的最准确计算需要采用LVET。LVET是根据下列方程式计算的:
LVET=ELVET+LVPT式中ELVET是指左心室阀打开的时刻(S-点)与左心室阀开始关闭的时刻(T-点)之间的时间,LVPT是指心脏舒张初期时间(左心室阀关闭所花的时间)。由于在心脏舒张初期血液流动的变化是不明显的,用血液动力监测装置检测不出LVPT。为此,考虑到缺少LVPT测量结果,本发明采用ELVET与(dZ/dt)max(胸部阻抗对时间的一阶导数最大绝对值)的乘积。
ELVET的计算需要分析由生物阻抗的时间导数相对时间绘出的Y(x)图形产生的曲线(见图9)。计算机系统首先找出阻抗的时间导数Y(x)在给定心脏循环上的总体最大值并将其指定为A点。然后,计算机系统对A点至在时间上对应于EGG信号上Sa点的点进行倒时跟踪,找出这两个点之间生物阻抗信号的异常(见图12)。关注的异常包括;(1)dZ/dt零交叉点;(2)dZ/dt中的局部极小值;(3)生物阻抗的三阶导数,d3Z/dt3中的局部极大值。如果在A点与Sa点之间的时间间隔内在生物阻抗信号中没有发现异常,那么,该循环被认为是有缺陷的并被排除在进一步考虑范围之外。如果发现在Sb的右侧存在任何异常,那么,从右侧起最靠近Sb点的异常被选作射血开始时间S。否则,从左侧起最接近Sb点的异常选作射血开始时间S。ECG信号的利用提高了复杂情况中S识别的可靠性。
为了辨别ELVET的结束时间,即T点,计算机系统首先找出T0点,它取为生物阻抗信号时间微分上A点后的第一或第二局部极小值,分别标为T1或T2(见图9)。计算机系统分析每个点处的曲线深度(幅度)后在T1与T2之间选择。如果第二极小值的深度大于第一极小值深度的一预定分数值,那么选择T2作为T0。否则选择T1作为T0。为了提高噪声信号中T0检测的稳定性,本发明寻找ECG信号中T-波的后沿或尾部。在ECG信号对时间曲线图中从ECG信号的局部极大值依次到QRS复合波,最后直至下一个局部极大值,检测T-波的后沿。如果T1或T2点中的一个点在T-波后沿边界之外,那么采用另一个点作为T0,不管其幅度如何。然后,在Y(x)二阶导数产生的曲线图上把T点,即心室射血的有效终点,辨认为T0点前的最近的局部极小值。将ELVET计算为S点与T点之间的时间间隔。
确定ELVET的这一方法已经与超声ELVET确定法进行相关,相关系数为r=0.86。Kubicek经典算法给出的相关系数仅仅为r=0.71。参见图15,图中示出经典方法的相关性与新方法的相关性和理想的相关性比较。因此,同Kubicek不同,本发明方法测量的左心室射血时间是与右心室射血时间基本隔离的情况下测量的。
本发明的再一个方面是一种确定信号上T点的方法,这里dZ/dt中的局部极值不是清楚可识别。已知,在心动循环期间阀门打开和闭合是最快速的血动力过程。因为胸部生物阻抗信号通常反映动脉中的血动力过程,随着信号斜率的快速变化,能够检测动脉阀打开和闭合。这种快速变化与dZ/dt信号的曲率或者生物阻抗信号的第三阶导数d3Z/dt3的局部极小值或极大值相关。
理想地,在对应于阀打开和闭合的心动循环期间在d3Z/dt3曲线上只存在两个局部极大值(峰值)。然而,由于信号中的人为现象和影响生物阻抗信号的胸部中其它过程(例如肺动脉阀打开和闭合、二尖瓣和三尖瓣阀事件等),通常在d3Z/dt3曲线上存在两个以上的峰值。
图16示出确定信号上T点的方法,这里dZ/dt中的局部极值不是清楚地可识别。还参考图17,该图示出ECG信号、生物阻抗信号Z、生物阻抗信号的第一阶导数dZ/dt和生物阻抗信号的第三阶导数d3Z/dt3中的时间关系。该方法首先计算点A之间d3Z/dt3的局部极大值的总数。点A是在以前步骤期间发现的dZ/dt的绝对最大值。然后采用时间-幅度包络来去除d3Z/dt3曲线中的小峰值,这是由信号中的人为现象(噪声)引起的。根据剩余局部极大值的总数和经验规则,把剩余局部极大值中的一个选为估测点T0。基于剩余局部极大值总数的经验规则可以例如包括以下规则:如果仅存在两个最大值,T0与第一个最大值相关。
该方法还分析ECG信号以增大T0检测n噪声信号的稳定性。该方法搜索ECG信号中T波的后沿或尾沿。T波的尾沿可以在ECG信号曲线中从QRS复合波后的第一个局部极大值一直到ECG信号曲线中下一个局部极大值来检测。如果估测的T0是在T波尾沿之前,选择d3Z/dt3曲线中下一个剩余局部极大值作为T0。另一方面,如果初始估测的T0是在T波尾沿之后,那么,选择初始估测的作为T0。把恰好在T0出现之前的d3Z/dt3的局部极小值选择在射血的有效端或点T。在AV和CO的进一步计算中采用点T。
已经使确定ELVET的这一方法与超声ELVET确定方法相关,相关系数r=0.86,与以前揭示的方法相同。这种方法胜于以前揭示的方法的优点在于稳定确定信号上点T,这里噪声人为现象(在dZ/dt曲线中表明为局部极大值)可能引起以前的方法在选择正确点T中有困难。
通常,射血开始点,即S点与生物阻抗信号时间微分(dZ/dt)的零交叉点相一致(见图13),但是,对于重病人情况却不同(见图14)。对于这种病人,射血开始点常常位于生物阻抗信号第一前沿的“阶梯”或“异常”位置处。这种重病病人的“阶梯”或“异常”特征(也称为“前波”)通常被称作左、右心室不一致。
对于健康人,ECG上QRS复合波开始位置(Q点)处的阻抗值Zq同S点处的阻抗值Zs几乎相同。这一阻抗差测量为Zs-q(见图13)。然而,对于有病的人,Zs-q会较明显(见图14)。Zs-q小的地方,ΔZ=(dZ/dt)max·VET的Kubicek估算较为准确。然而,对于呈现左、右心室不一致的重病病人,Kubicek方程式通常低估了ΔZ。因此,在计算中应当考虑到“前波”的前提。本发明通过在Kubicek的ΔZ估算值中加上S点与Q点之间的阻抗差Zs-q,对有病病人的ΔZ固有的低估进行补偿。通过这一补偿,能够更准确地估算ΔZ,使生物阻抗值与热稀释心搏出血量值之间的回归线性化。因此,计算机系统按照下式估算ΔZ:
ΔZ=(dZ/dt)max·ELVET+Zs-q式中Zs-q是S与Q点之间的生物阻抗差。
计算机系统安排所有的检测点后,计算机系统消除有某些失常的心脏循环。在这一过程中可以采用模糊逻辑和拟合算法。为此采用几种判别标准。计算机系统首先确认每个循环中上述点(如A点、T点、S点)之间的时间间隔不超过特定界限。此外,它还要验证心脏循环的开始与结束之间的幅度差不超过预定值。心脏循环的开始与结束之间幅度变化必须不超过该循环上最大幅度的预定百分比。另外,A点的生物阻抗信号幅度时间导数与T点的生物阻抗时间导数之比必须大于预定值,即:
Y(A)/Y(T)>c式中:Y(A)和Y(T)分别是A点和T点的生物阻抗信号时间导数值,“c”为一预定值。通过这一级别的所有心脏循环被认为是“不是非常不好”。然后,计算机系统检查“相邻判别标准”,消除生物阻抗信号中随机噪声的影响。对于10秒时间段内的每一对心脏循环计算具有矢量元(A1i、A2i、A3i)的三维“接近”矢量。利用下列方程式确定接近矢量的各个矢量元:
Ali=[Y(Ai)-Y(Aj)]/[Y(Ai)+Y(Aj)],
A2i=(STi-STj)/(STi+STj), 式中:Y(x)是给定点x处的生物阻抗的时间微分;A、T和B是每个心脏循环内的检测点位置(见图9);ST是S点与T点之间的时间;i和j是不同的心脏循环。计算机系统对所有的算出的接近矢量进行比较,去除其中接近矢量幅度超过特定阈值的这些心脏循环。利用两个阈值分析进行比较。如果有两个心脏循环的接近矢量幅度小于第一预定阈值L1,那么,相似性被认为是“好的”。如果相似性未被认为是“好的”(相似性超过L1),但是仍然小于第二预定阈值L2,那么,它被认为是“可以接受的”。如果对于10秒的数据块,相似性未被认为是“可以接受的”,那么,计算机系统将测试心脏循环与以前的多至50个“不是很不好”的循环进行比较。如果仍然没有循环类似于正在考虑的循环,那么,把正在考虑的循环看作是噪声并被除去。如果“好的”心脏循环的数量足够大,那么,也可以从最终计算中去除所有的“可以接受的”心脏循环。这种方法提高了在最高噪声水平下计算的稳定性,因为在最终计算值中仅采用“好的”心脏循环。
完成生物阻抗信号处理后,计算机系统结合整个数学块的平均值和变异值进行血液动力参数的最终计算。除了采用经过处理的生物阻抗信号代替未经处理的生物阻抗信号外,利用上述各种方法重新计算心搏率(HR)和心搏量(SV)。心搏出血量(CO)是按照HR与SV的乘积计算的,即:
CO=SV·HR
图6A给出了本发明一般方法的轮廓。另外,图6B示出了本发明信号处理的流程图。
呼吸图形提取方法
呼吸分析对诊断是十分重要的,尤其是提高心搏出血量(CO)确定的准确度。众所周知,心博率(HR)和心搏量(SV)随病人呼吸同步地变化。由于以下三个原因这必须要考虑:
1)CO值必须在呼吸循环的时间周期上求平均。(例如,TD必须在不同呼吸阶段中随机地开始。)这消除了由于自然SV变异造成的偶然测量误差;
2)呼吸率和幅度对医生是重要的测量值;
3)SV变异可能是由于心脏未充盈静脉回流引起的,所以在呼吸期间胸腔内压力的小变异强烈影响着SV。这就是为什么SV变异对医生而言是十分重要的,可以用作辅助诊断参数。
生物阻抗信号通常由两个主要分量构成:低频“呼吸信号”(0.1-0.5Hz)和高频“心动信号”(0.5-3.5Hz)。通常把呼吸波看作是不想要的人为现象,但是对于呼吸率、幅度和呼吸相位估测,有可能使用它们。此外,在循环和呼吸系统的联合功能上,有可能研究循环和呼吸系统而不使附加硬件。所以,分离呼吸信号和心脏信号是重要的。
有几种方法可以从生物阻抗信号中提取呼吸波。其中一种方法是频谱分析。ECG信号给出有关心博率的信息,所以,识别并清除心动波频谱峰是有可能的。这种方法具有多个主要限制:
1)呼吸和心动信号的频谱峰强烈地重叠,所以,在有些情况下是不可能识别频谱峰的;
2)心博率和呼吸率明显不稳定,使所有频谱峰模糊不清并使识别变复杂;
3)为了精确频谱评价,相对低(小于1Hz)的呼吸率需要长时间采样,这引起信号处理中的时间滞后;
4)傅里叶变换以固定尺寸数据块(在我们的情况中为10秒)工作,所以,产生的呼吸和“纯”心脏生物阻抗信号在数据块连接处断开。
必须强调,这些限制对于临危病人和进行体育活动的病人是基本的。
该方法的简要描述
提出了一种“呼吸波”提取的新技术。这种方法基于在血流图上一组特征点上构造三次平滑样条。三次样条是由以下原因选择的:
1)相邻三次样条曲线的简单平滑连接(即,产生的曲线具有连续的二阶导数);
2)可以为每个点分布设定权重系数;
3)如果逼近水平固定,那么,平滑三次样条保证总曲率的最小值;
4)三次多项式值及其导数的快速计算。
三次样条需要一组适合于其的参考点。不必采用整个生物阻抗曲线,因为心动循环的不同相位具有不同的噪声水平。对应于ECG信号中Q点的时刻可以被取为初次参考点(见图18)。图18示出根据本发明的呼吸图形提取方法。在图18中,ECG信号示于图的底部曲线中,具有初次参考点(即直立直线)和呼吸图形(即叠加在其上的较平滑的线)的原始生物阻抗信号示于中间曲线中,去除呼吸图形的生物阻抗信号示于顶部曲线中。图18的所有三条曲线以同一条时间轴示出。
揭示了呼吸图形提取的两种方法(“单点”和“多点”)。单点方法仅采用初次参考点。而多点方法增加一组“预测”点。在两种方法中,将下一个计算出的样条与前一个样条平滑连接,所以,产生的信号保持连续。
单点方法
在单点方法中,仅考虑在初次参考点上的血流图值而计算样条曲线(图18)。产生的样条曲线靠近根据其加权系数的参考点而通过。某个点的权重越大,样条曲线越靠近它。
这种技术具有不需要有关血流循环形状的信息和心脏脉动不在产生的呼吸曲线上的明显优点。已经用实验方法对单点方法进行测试,以找出最有效的权重系数。测试表明,由于缺少每个呼吸循环的参考点,如果心博率/呼吸率之比小于3,产生的呼吸曲线不是令人满意的,见图19。然而,对于较高的心博率/呼吸率之比,单点方法工作很好。
图19针对心博率/呼吸率之比小于3的病人示出了本发明的单点算法。在图19中,右上方曲线:“平均”心动循环(实线)及其变异(虚线)。在图19中,左上方曲线示出“平均”心动循环对时间的变异。下方的三条曲线与图18中所示的相同。
多点方法
在多点方法中,假设纯心动信号(没有呼吸波)具有相对稳定的形状。多点方法分析以前的信号并对下一信号作出血流循环形状的病状预断。病状预断是通过对一组组以前血流循环的加权平均作出的,从而使近期循环的权重大于过去的循环。在平均之前,排除明显“不好”血流循环。这种不好的血流循环可能太短或者太长,或者如果存在在这一循环期间偏离比例的模拟-数字转换。此外,病状预断的变异是在每个时刻计算的,见图20。采用这种病状预断来计算预测的呼吸曲线。另外,采用各个变异来设定每个预测点的权重系数。一个给定点的变异越大,其权重系数越小,见图20。
实际上,如果存在“纯”血流图(即没有呼吸的),病状预断变为可以提供。一旦病状预断构成,多点方法完成。人们能够采用单点方法作为“纯”血流图的初始评价。
从呼吸描记图获得的呼吸信号和用同时记录生物阻抗曲线进行的测试已经表明实际与计算呼吸图形之间的良好一致性。
图20示出五条曲线a-e,与利用来自与图19所示相同的病人的原始数据的多点方法相关。在图20a)中,右侧曲线示出“平均”心动循环(实线)及其变异(虚线)。在图20a)中,左侧曲线示出“平均”心动循环对时间的变异。在图20b)中,示出去除了呼吸图形的生物阻抗信号,在图20c)中,示出具有预测(病状预断)呼吸图形点(虚线)的生物阻抗信号。在图20d)中示出ECG信号。在图20e)中示出根据本发明方法的具有多点呼吸图形的原始生物阻抗信号。
实验测试表明:
1)血流图信号中的尖峰已经降低了对最终曲线的影响(与频谱技术相比);
2)“呼吸曲线”接近于目视最佳曲线;
3)血流图波形更稳定。
应当强调一下,多点方法便于以在线模式(近实时)构成呼吸图形,时间延迟最高达2-3个心动循环周期。相比而言,频谱技术需要至少10秒延迟。
利用本发明的方法相关系数没有增大,然而,对于有心律不齐的病人,算出的呼吸图形比频谱技术明显要好。上述方法可以用于从胸部生物阻抗信号提取呼吸图形,没有心博率/呼吸率之比为3的限制、计算呼吸率、限定吸气和出气阶段以及研究呼吸-心动同步功能性(例如,窦性再呼吸心律不齐)。这种方法的使用可以允许非损伤性研究相对于呼吸的心搏量结构,不用辅助硬件。
多点方法可以与单点方法相结合,作为按照本发明的另一个方法。如果平均病状预断偏差大于特定阈值,那么采用单点方法(血流循环形状不稳定,所以病状预断不准确)否则采用多点方法。相信这种组合技术是最有前景的。
分析和目视各CO稳定性特性的方法
病人状态稳定性的判别标准和血液动力参数估测的精确与心脏的无秩序特性直接联系。众所周知,健康心脏的心搏量(SV)对于相继的搏动是不相同的。患病心脏有时以准规律方式工作,这可以易于识别。例如在图21中,心动循环形状每3个循环周期重复一次,见箭头。
在我们的临床经验中有这样一位病人,他具有心博出血量(CO)≈3每分升(l/min)和6l/min的两个共存值,见图22。在这种情况下的热稀释测量给出粗略结果,它们依赖于射血的时刻而并不反映CO的实际值。此外,在这种情况中,任何CO测量方法的精确性是有限的,所以,两种不同方法之间的比较是不正确的。生物阻抗方法的优点是血液动力稳定性估测的可能性,对于热稀释方法是不可能的。
实验结果已经表明,CO值的分布直方图能够给医生提供十分重要的信息,这种信息以前是不能提供的。此外,实验表明,平均CO及其变异的估测与分布直方图能够增大系统在复杂情况中的准确度,见图22。
实验结果表明,当CO值的分布(每个值用单个搏动计算)是高斯形时,生物阻抗与热稀释之间具有良好的相关性。在患有严重心脏病的情况中,心脏状态是不稳定的,CO分布变为非对称的,或者具有两个或多个能够被描述为不同类型射血的峰。在这种情况中,不仅要看CO平均值,而且要看CO值的范围或者整个分布,这是十分重要的。发明人知道现有系统不能以在线模式给医生提供这一信息。
CO稳定性估测的方法
图23示出一直方图,反映在给定时间窗口(例如,最后20秒)期间瞬时CO值的分布(为每次心脏博动计算的)。水平轴代表CO值,垂直轴代表具有这种CO的心动循环的数目。CO变异依赖于在心动循环上的CO平均值,所以,对于具有较大CO值的较大直方图箱(例如,绝对箱值的5-10%)是有价值的。将直方图显示在计算机屏上,医生不仅能够看到CO的平均值,而且能够看到其变化能力,这可以是附加诊断参数,代表心脏的规律过程和稳定性。
CO稳定性估测的方法包括以下步骤:
1)计算CO分布直方图,见图23。
2)用直方图计算以下值,见图23
=COmax-最大直方图箱的值;
=CO中间值-中间值;
=CO1/4-第一四分点值;
=CO3/4-第三四分点值;
CO中间值、CO1/4、CO3/4值是用常用算法计算的,假设CO值的均等几率:
P(CO|CO<CO1/4)=P(CO|CO∈[CO1/4CO中间值])=P(CO|CO∈[CO中间值;CO3/4])=P(CO|CO>CO3/4)
3)值“COh”“CO+”和“CO-”计算为:
如果COmax∈[CO1/4CO3/4],那么“COh”=COmax,否则“COh”=CO中间值;
“CO+”=CO3/4-“COh”;
“CO-”=“COh”-CO1/4;
4)可以被医生使用的血液动力稳定性的判别标准包括:
-病人状态是稳定的,当:
a)直方图是对称的,仅有一个最大值;
b)“CO+”和“CO-”值接近(±0.1l/min);
c)变化在时间上是不明显的。
-病人状态变化:
a)直方图是不对称的,具有一个最大值,它在时间上“流动”;
b)“CO+”和“CO-”值明显不同(>±0.1l/min)。
-不稳定状态
a)在直方图上存在两个或多个最大值;
b)“CO+”和“CO-”值各大于0.8l/min。
虽然采用较佳实施例对本发明作了描述,但是,本领域的专业人员将会看到并明白本发明不限于此。只要不偏离后文权利要求书中限定的本发明范围,可以对所公开实施例作出许多增加、删除和改进。
Claims (36)
1.一种根据检测到的胸部生物阻抗信号和心电图确定受验者心搏率、心搏量和心搏出血量的装置,其特征在于所述装置包括
检测所述胸部生物阻抗信号和所述心电图的电极阵列;以及
计算射血结束、CO稳定性和呼吸图形的计算机系统。
2.如权利要求1所述的装置,其特征在于进一步包括:
置于受验者头部的一个上部作用电极;
置于受验者左下肢的一个下部作用电极;
置于受验者颈部的一对上部检测电极;以及
置于受验者躯干的一对下部检测电极。
3.如权利要求2所述的装置,其特征在于放置几何位置进一步包括:
置于受验者前额的一个上部作用电极;
置于受验者左膝一般部位的一个下部作用电极;
置于受验者颈部的一对上部检测电极;以及
横向置于受验者胸部相对两侧的一对下部检测电极。
4.如权利要求3所述的装置,其特征在于:所述上部作用电极包括取向为所述受验者前额垂直和水平中心线的点状电极。
5.如权利要求3所述的装置,其特征在于:所述下部作用电极包括点状电极,其放置位置满足L<5R关系,这里L是所述上部作用电极与所述下部作用电极之间的垂直距离,R是所述受验者胸部的半径。
6.如权利要求3所述的装置,其特征在于:所述上部检测电极包括一对点状电极,沿所述受验者颈部基底上方约4厘米水平线对称地置于所述受验者颈部相对两侧。
7.如权利要求3所述的装置,其特征在于:所述下部检测电极进一步包括一对电极组件,每个组件提供约12cm2至约30cm2的接触表面面积,大约位于所述受验者胸部剑突线相对两侧。
8.如权利要求7所述的装置,其特征在于:每个组件进一步包括四个点状电极,这里,每个点状电极包括约4cm2接触表面面积,每个所述点状电极的中心位于边长测量为5cm的正方形的四角,所述组件的所有4个点状电极是相互电连接的。
9.如权利要求8所述的装置,其特征在于:每个组件的上部点状电极位于受验者剑突线上。
10.一种对生物阻抗信号和心电图进行处理,用于导出心搏率、心搏量和心搏出血量的方法,其特征在于所述方法包括:
登录测量生物阻抗的输入模拟装置的增益-相位-频率(GPF)特性;
登录测量心电图的输入模拟装置的增益-相位-频率(GPF)特性;
采用所述生物阻抗输入模拟装置在给定的时间周期上测量生物阻抗与时间的函数关系并产生生物阻抗信号;
用所述心电图输入模拟装置在所述的给定时间周期上测量心电图与时间的函数关系并产生心电图(ECG)信号;
根据以前登录的GPF特性校正生物阻抗信号的畸变;
根据以前登录的GPF特性校正心电图信号的畸变;
确定与给定时间周期内所述心电图信号的每次心脏循环有关的有效QRS复合波;
确定所述有效QRS复合波上检测点的位置;
对所述ECG信号和所述经过校正的生物阻抗信号中的一个信号进行处理,估算心搏率;
求经校正生物阻抗信号的时间导数;
确定给定时间周期内生物阻抗时间导数的每个所述心脏循环的检测点;
利用所述生物阻抗时间导数的检测点与相应QRS检测点的关系确定有效左心室射血时间(ELVET);
利用所述生物阻抗时间导数的检测点与相应QRS检测点的关系确定新的校正因子Zs-q;
计算心搏量与所述ELVET、生物阻抗的最大时间导数(dZ/dt)max、比血液电阻率(P)、生物阻抗模拟输入装置两个生物阻抗电压作用电极之间的距离(L)、基准生物阻抗(Z0)、所述校正因子Zs-q和新的比例因子(K)间的函数关系;以及
通过将所述心搏量乘以所述心搏率计算心搏出血量;和计算射血结束、CO稳定性和呼吸图形。
11.如权利要求10所述的方法,其特征在于:所述的登录所述生物阻抗输入模拟装置的增益-相位-频率(GPF)特性包括在利用所述装置进行检测前确定在所述生物阻抗检测中采用的传感器的相位-频率特性和增益-频率特性。
12.如权利要求10所述的方法,其特征在于:所述的对测得的生物阻抗信号进行校正包括对测得的所述生物阻抗进行数字滤波和相位校正,去除所述传感器输出中的畸变。
13.如权利要求10所述的方法,其特征在于:所述的登录所述心电图输入模拟装置的增益-相位-频率(GPF)特性包括在利用所述装置进行检测前确定在所述心电图检测中采用的传感器的相位-频率特性和增益-频率特性。
14.如权利要求10所述的方法,其特征在于:所述的对测得的心电图信号进行校正包括对测得的所述心电图进行数字滤波和相位校正,去除所述传感器输出中的畸变。
15.如权利要求10所述的方法,其特征在于:所述的估算心搏率包括利用生物阻抗信号的功率谱和所述功率谱的自动卷积函数。
16.如权利要求10所述的方法,其特征在于:所述的估算心搏率包括对心电图信号进行处理。
17.如权利要求12所述的方法,其特征在于:所述的对测得的生物阻抗信号进行校正进一步包括抑制呼吸波,去除不希望有的功率谱成分,产生恢复形状的生物阻抗信号。
18.如权利要求10所述的方法,其特征在于:所述的确定有效QRS复合波包括确定在(从前峰幅度(E1)到后峰幅度(E2))时间周期中在心电图上测得的所有峰值的分布,计算(E1,E2)幅度包络以及除去包络外的所有峰值。
19.如权利要求11所述的方法,其特征在于:所述的确定传感器的相位-频率特性和增益-频率特性包括:
产生具有约0.2Ω峰-峰阻抗和约100Ω至200Ω的基准阻抗的高精度正弦阻抗信号;
将所述正弦阻抗信号接至所述传感器;
测量所述传感器的输出;
在预定频率范围内计算所述传感器的增益-相位-频率特性H(f)。
20.如权利要求19所述的方法,其特征在于进一步包括利用包括光电阻、光发射器、电源和模拟-数字-模拟计算机接口的电压-阻抗转换器产生所述高精度正弦阻抗信号。
21.如权利要求20所述的方法,其特征在于进一步包括通过所述接口产生一组具有预定幅度和频率范围的测试信号;确定所述传感器的输出信号;以及分析所述输出信号,确定所述相位-频率特性和所述增益-频率特性。
22.如权利要求19所述的方法,其特征在于进一步包括通过把所述传感器的真实工作特性转换成预定特性,采用后信号处理校正线性增益-相位-频率畸变,这里,在预定频率范围内相位漂移为零,增益假设为常数。
23.一种心搏率估算的方法,其特征在于所述方法包括:
计算生物阻抗信号的功率谱;
将所述功率谱乘以所选幅度-频率函数,对信号求导和抑制呼吸谐波;
根据下列公式对产生的功率谱进行自动卷积
AS1(f)=PSa(f)·PSa(2f)·Psa(3f)…;
确定预定频率范围内的自动卷积的最大幅度值,作为心搏率的估算值;以及
计算射血结束、CO稳定性和呼吸图形。
24.一种确定心脏循环的方法,其特征在于所述方法包括:
对生物阻抗信号进行滤波,强调心脏循环的前沿;
在所述滤波后,通过分析所述生物阻抗信号功率谱的前五个谐波,计算所述心脏循环的时间-幅度包络;
通过与算出的所述时间-幅度包络比较,选择所述心脏循环的前沿;
去除错检的前沿;以及
计算射血结束、CO稳定性和呼吸图形。
25.一种从经过校正的生物阻抗中消除人为干扰的心脏循环、选择有效心脏循环的方法,其特征在于所述方法包括:
参考各个心脏循环中的检测点,检测时间与幅度关系;
比较所述各个心脏循环之间的所述时间与幅度关系;
根据多个比较判别标准对所选的存在人为现象的心脏循环作进一步审查;以及
计算射血结束、CO稳定性和呼吸图形。
26.如权利要求25所述的方法,其特征在于进一步包括:
为每个所选心脏循环构造一个多维矢量;
将所述多维矢量与其它心脏循环的多维矢量进行比较;以及
当与最后50个有效心脏循环和其它候选心脏循环进行比较时去除没有相邻矢量的矢量的心脏循环。
27.一种根据测得的生物阻抗信号和测得的心电图信号导出有效的左心室射血时间的方法,包括对测得的所述生物阻抗信号进行滤波和对呼吸波进行抑制,其特征在于所述方法包括:
对测得的生物阻抗信号滤波并抑制其中的呼叫波;
对测得的所述心电图信号进行滤波;
检测有效心脏循环;
计算所述生物阻抗信号Y(x)的时间导数;
确定时间导数(dZ/dt)max的最大值;
确定有效的射血开始时间(S-点);
确定有效的射血结束时间(T-点);
计算有效的左心室射血时间(ELVET),作为有效射血开始时间与结束时间之间的时间变化;以及
计算射血结束、CO稳定性和呼吸图形。
28.如权利要求27所述的方法,其特征在于:确定有效射血开始时间包括:
确定生物阻抗时间导数的给定有效心脏循环的总体极大值并将所述极大值指定为A点;
反向跟踪从心电图上相应的A点到Sa点的时间;
寻找A与Sa点之间生物阻抗信号的异常;
如果不存在所述的异常,那么,心脏循环作为噪声而被排除;
如果存在任何所述的异常,那么,从右侧起最靠近Sb点的点选作血开始时间S;
否则,从左侧起最接近Sb点的异常选作射血开始时间S。
29.如权利要求28所述的方法,其特征在于:确定有效射血结束时间包括:
确定A点之后生物阻抗信号时间导数的第一(T1)和第二(T2)局部极小值;
分析第一(T1)和第二(T2)局部极小值各点上信号曲线的深度;
如果第二(T2)极小值的深度大于第一(T1)极小值深度的某一预定分数值,那么选择第二(T2)极小值作为T0;
否则选择T1作为T0;
在Y(x)二次导数产生的曲线图上将T点认为是T0点前的最接近的局部极小值。
30.如权利要求29所述的方法,其特征在于进一步包括:
在识别T1和T2后和识别T点前,不管T1和T2的相对幅度;
检测心电图信号中T波的后沿;
确定T1或T2是否超出T波的后沿的界限;
如果是,那么选择T1或T2中没有超出边界的一个作为T0。
31.如权利要求28所述的方法,其特征在于:从dZ/dt零交叉点(Q-点)、dZ/dt局部极小值和生物阻抗信号的三次时间导数d3Z/dt3的局部极大值中选择异常。
32.一种确定病人心搏量的方法,其特征在于所述方法包括:
确定血液电阻率P;
测量施加在所述病人身体上的两个生物阻抗电极之间的距离L;
确定基准胸部阻抗Z0;
确定ELVET;
确定ΔZ,由于血液流入造成的阻抗变化;
根据下列方程式计算心搏量SV
SV=K·P·(L/Z0)2·ΔZ
式中K是与病人身体有关的新比例因子,以及
计算射血结束、CO稳定性和呼吸图形。
33.如权利要求32所述的方法,其特征在于进一步包括按照下式计算K:
K=K0-K1·(SCHEST/(HK2·WK3))
式中
SCHEST=(PCHEST2+(PNECK·PCHEST)+PNECH2)/12π。
34.如权利要求33所述的方法,其特征在于:K0、K1、K2、K3与性别和年龄有关,取值范围为
K0∈[1-4];K1∈[3-16];K2∈[0-1];K3∈[0.1-2]。
35.如权利要求32所述的方法,其特征在于,确定ΔZ包括:
定出ECG信号的QRS复合波的开始位置并将其标示为Q点;
确定S点的阻抗,Zs;
确定Q点的阻抗,Zq;
计算S与Q点之间的阻抗差,Zs-q;
根据下式估算ΔZ
ΔZ=(dZ/dt)max·ELVET+Zs-q。
36.一种生物阻抗信号的呼吸波抑制的方法,其特征在于所述方法包括:
计算所述信号的傅里叶变换;
定出在所述信号的计算出频谱中心脏循环的第一和第二频率谐波的位置;
估算每个谐波的宽度;
抑制低于第二谐波下限的频率谐波,除非谐波位于第一频率谐波的界限内;
计算所述信号的傅里叶逆变换;以及
计算射血结束、CO稳定性和呼吸图形。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN01104722A CN1370503A (zh) | 2001-02-20 | 2001-02-20 | 利用胸部生物阻抗和心电图的血液动力参数无损伤性监测 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN01104722A CN1370503A (zh) | 2001-02-20 | 2001-02-20 | 利用胸部生物阻抗和心电图的血液动力参数无损伤性监测 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN1370503A true CN1370503A (zh) | 2002-09-25 |
Family
ID=4653993
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN01104722A Pending CN1370503A (zh) | 2001-02-20 | 2001-02-20 | 利用胸部生物阻抗和心电图的血液动力参数无损伤性监测 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN1370503A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1703165B (zh) * | 2002-10-07 | 2010-04-28 | 科恩瑟斯蒂姆斯医疗技术公司 | 一种基于人体或体段的电阻抗测量导电性体液的体积、组成和运动的方法 |
CN106163389A (zh) * | 2014-04-01 | 2016-11-23 | 皇家飞利浦有限公司 | 中央腔灌注计算 |
CN106308788A (zh) * | 2015-06-23 | 2017-01-11 | 上海微创电生理医疗科技有限公司 | 便携式心电监测设备 |
CN106361334A (zh) * | 2016-08-30 | 2017-02-01 | 苏州品诺维新医疗科技有限公司 | 一种检测装置及获取阻抗变化值和温度变化值的方法 |
CN107693948A (zh) * | 2017-08-21 | 2018-02-16 | 深圳先进技术研究院 | 红外理疗效果的监测方法、装置、医疗设备及存储介质 |
CN109171676A (zh) * | 2018-09-20 | 2019-01-11 | 芯海科技(深圳)股份有限公司 | 一种血流动力学参数测量装置及方法 |
CN109171674A (zh) * | 2018-09-20 | 2019-01-11 | 芯海科技(深圳)股份有限公司 | 马桶盖及基于该马桶盖的血流动力学参数测量方法 |
CN109171675A (zh) * | 2018-09-20 | 2019-01-11 | 芯海科技(深圳)股份有限公司 | 一种穿戴式设备及基于该设备的血流动力学参数测量方法 |
CN109171677A (zh) * | 2018-09-20 | 2019-01-11 | 芯海科技(深圳)股份有限公司 | 一种便携式测量装置及基于该装置的血流动力学参数测量方法 |
CN109965877A (zh) * | 2019-04-08 | 2019-07-05 | 中国人民解放军陆军军医大学第二附属医院 | 基于腹部电阻抗频谱参数的便携式组织血流灌注监护仪 |
WO2020057448A1 (zh) * | 2018-09-20 | 2020-03-26 | 芯海科技(深圳)股份有限公司 | 血流动力学参数测量设备及测量方法 |
CN112423656A (zh) * | 2018-06-11 | 2021-02-26 | 博能电子公司 | 生物阻抗测量配置 |
CN113100735A (zh) * | 2021-03-30 | 2021-07-13 | 桂林电子科技大学 | 一种基于静脉血流图的血栓检测装置及方法 |
CN113288169A (zh) * | 2021-05-26 | 2021-08-24 | 东软集团股份有限公司 | 一种心电波形信号的波形识别方法、装置及设备 |
US12029541B2 (en) | 2018-06-11 | 2024-07-09 | Polar Electro Oy | Bioimpedance measurement configuration |
-
2001
- 2001-02-20 CN CN01104722A patent/CN1370503A/zh active Pending
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1703165B (zh) * | 2002-10-07 | 2010-04-28 | 科恩瑟斯蒂姆斯医疗技术公司 | 一种基于人体或体段的电阻抗测量导电性体液的体积、组成和运动的方法 |
CN106163389A (zh) * | 2014-04-01 | 2016-11-23 | 皇家飞利浦有限公司 | 中央腔灌注计算 |
CN106308788A (zh) * | 2015-06-23 | 2017-01-11 | 上海微创电生理医疗科技有限公司 | 便携式心电监测设备 |
CN106361334B (zh) * | 2016-08-30 | 2019-04-12 | 苏州涵轩信息科技有限公司 | 一种检测装置及获取阻抗变化值和温度变化值的方法 |
CN106361334A (zh) * | 2016-08-30 | 2017-02-01 | 苏州品诺维新医疗科技有限公司 | 一种检测装置及获取阻抗变化值和温度变化值的方法 |
CN107693948A (zh) * | 2017-08-21 | 2018-02-16 | 深圳先进技术研究院 | 红外理疗效果的监测方法、装置、医疗设备及存储介质 |
CN107693948B (zh) * | 2017-08-21 | 2019-09-17 | 深圳先进技术研究院 | 红外理疗效果的监测方法、装置、医疗设备及存储介质 |
US12029541B2 (en) | 2018-06-11 | 2024-07-09 | Polar Electro Oy | Bioimpedance measurement configuration |
CN112423656A (zh) * | 2018-06-11 | 2021-02-26 | 博能电子公司 | 生物阻抗测量配置 |
CN109171676A (zh) * | 2018-09-20 | 2019-01-11 | 芯海科技(深圳)股份有限公司 | 一种血流动力学参数测量装置及方法 |
CN109171674A (zh) * | 2018-09-20 | 2019-01-11 | 芯海科技(深圳)股份有限公司 | 马桶盖及基于该马桶盖的血流动力学参数测量方法 |
CN109171675A (zh) * | 2018-09-20 | 2019-01-11 | 芯海科技(深圳)股份有限公司 | 一种穿戴式设备及基于该设备的血流动力学参数测量方法 |
CN109171677A (zh) * | 2018-09-20 | 2019-01-11 | 芯海科技(深圳)股份有限公司 | 一种便携式测量装置及基于该装置的血流动力学参数测量方法 |
WO2020057448A1 (zh) * | 2018-09-20 | 2020-03-26 | 芯海科技(深圳)股份有限公司 | 血流动力学参数测量设备及测量方法 |
CN109965877A (zh) * | 2019-04-08 | 2019-07-05 | 中国人民解放军陆军军医大学第二附属医院 | 基于腹部电阻抗频谱参数的便携式组织血流灌注监护仪 |
CN109965877B (zh) * | 2019-04-08 | 2023-03-14 | 中国人民解放军陆军军医大学第二附属医院 | 基于腹部电阻抗频谱参数的便携式组织血流灌注监护仪 |
CN113100735B (zh) * | 2021-03-30 | 2022-08-05 | 桂林电子科技大学 | 一种基于静脉血流图的血栓检测装置及方法 |
CN113100735A (zh) * | 2021-03-30 | 2021-07-13 | 桂林电子科技大学 | 一种基于静脉血流图的血栓检测装置及方法 |
CN113288169A (zh) * | 2021-05-26 | 2021-08-24 | 东软集团股份有限公司 | 一种心电波形信号的波形识别方法、装置及设备 |
CN113288169B (zh) * | 2021-05-26 | 2024-05-17 | 东软集团股份有限公司 | 一种心电波形信号的波形识别方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1221325A (zh) | 利用胸部生物阻抗和心电图的血液动力参数无损伤性监测 | |
CN1370503A (zh) | 利用胸部生物阻抗和心电图的血液动力参数无损伤性监测 | |
CN1703165A (zh) | 血液动力学参数的基于阻抗的测量方法 | |
CN1244779A (zh) | 非侵入地确定血球比率的方法和设备 | |
US7909772B2 (en) | Non-invasive measurement of second heart sound components | |
CN1832703A (zh) | 测量血流和血容量的系统、方法和装置 | |
CN1903117A (zh) | 非侵入性桡动脉血压波型量测系统及其应用 | |
CN1137744A (zh) | 治疗心血管病状的方法和装置 | |
US20190336027A1 (en) | Annotation of a wavefront | |
CN1228014A (zh) | 监视外周动脉紧张性来无创伤诊断健康状况的方法和设备 | |
JPH1170089A (ja) | 心臓波形特性表示方法 | |
WO2016183683A1 (en) | Method and system for assessing qrs components and the risk of ventricular arrhythmias | |
US20130041276A1 (en) | METHOD AND SYSTEM FOR AUTOMATICALLY DETECTING AND ANALYZING PEDIATRIC ECGs | |
Gunnarsdottir et al. | A novel sleep stage scoring system: combining expert-based rules with a decision tree classifier | |
CN112842321B (zh) | 基于流量-容积环图的肺通气功能检测方法、设备及介质 | |
Llamedo et al. | Cross-database evaluation of a multilead heartbeat classifier | |
Azad et al. | Seismocardiographic signal variability during regular breathing and breath hold in healthy adults | |
Sheikh et al. | An open-source automated algorithm for removal of noisy beats for accurate impedance cardiogram analysis | |
CN86104798A (zh) | 采用心率能谱分析监视心血管调节作用的方法及装置 | |
CN110063726B (zh) | 一种心电信号单导联f波提取方法和装置 | |
US11944464B2 (en) | Methods and system for detecting inhalations and extracting measures of neural respiratory drive from an EMG signal | |
JPWO2020039811A1 (ja) | 運動強度決定装置及び運動強度決定方法 | |
US20150359500A1 (en) | Synchronous physiological measurements for cardiac acquisitions | |
Kyle et al. | Computer identification of systolic time intervals | |
CN1753640A (zh) | 具备附加导联的心电图机和附加导联心电图合成法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |