CN1869690A - 压电传感器数据处理模型 - Google Patents

Abstract

本发明公开了一种应用于压电传感器检测的数据处理模型，期望能提高压电传感器检测数据处理的准确性和重复性，为实际推广应用打下基础。本发明基于Sauerbrey方程、流体力学、剪切波传播原理及凝血反应基本规律，理论上推导出压电传感器检测凝血反应时，其频率随着时间变化规律满足

数学模型。模型参数f₀、Δf、t₀和dt，分别代表反应开始前传感器频率、反应中压电频率变化值、最大反应速度的时间点、反应速度决定因子，并利用曲线拟合的思想求解这些参数，作为压电传感器检测凝血反应的检测结果。

Description

压电传感器数据处理模型

技术领域

本发明涉及一种适用于检测凝血反应时，压电传感器频率动态响应规律和数据处理的一种数学模型。

背景技术

传统上压电传感器主要用于气体传感和压力传感。目前，将压电传感器应用于生物学反应检测的研究正方兴未艾，但是，其频率动态响应规律和数据处理方法是制约其实际应用的瓶颈。

该数学模型的基本理论是：根据Sauerbrey方程、流体力学、剪切波传播原理及凝血反应基本规律，压电传感器频率变化值Δf与反应时间t满足 $\mathrm{\Δf}=k\·e^{\frac{(t-t_0)}{\mathrm{dt}}}$ 关系式，此时传感器的频率呈现指数下降；随着纤维蛋白凝块的形成，传感器的频率下降速度逐渐减缓，最终达到新的谐振；整个检测过程，传感器的频率变化呈现反S模型： $F=(f_0-\mathrm{\Δf})+\frac{\mathrm{\Δf}}{1+e^{(t-t_0)/\mathrm{dt}}}.$ 在这个模型中，t代表时间自变量，F代表压电传感器频率因变量，f₀、Δf、t₀和dt为模型参数，分别代表反应开始前传感器频率、反应中压电频率变化值、最大反应速度的时间点、反应速度决定因子。不同的血浆，其凝血因子的质和量不同，决定了其模型参数的不同。采用曲线拟合的思想，将传感器的检测数据用该模型拟合并求出各个参数，就可以得到准确的检测结果。

利用该数学模型分析检测数据具有如下几个重要的优点：1、标准统一：利用同一个数学模型分析不同的检测数据，使得不同的检测结果是在同一标准下计算出来，不受人为因素的影响，数据间具有可比性，便于结果分析。2、理论性强、重复性及准确度更好：该模型是基于相关理论推导得来，模型的各个参数都代表了反应的某个特征，理论性强，数据处理表现稳健，重复性很高，准确度更好。3、耗时更短、更可靠：本模型只要频率-时间曲线刚出现反S形状时就可中止实验，进行分析，耗时更短，结果不受尾段数据长度影响；而传统的分析方式需要等到传感器重新完全达到新的谐振后才能分析，耗时较长，且检测结果容易出现受尾段数据长度不同而发生飘逸现象。4、易于自动化：结合现代计算机技术，可以使得压电传感器检测凝血反应的数据处理过程实现高度自动化。目前，该数学模型在压电传感器应用上，尚未见在生物医学领域的研究报道。

发明内容

本发明的目的是提供一种应用于压电传感器检测凝血反应的数据处理模型，期望能提高压电传感器应用于该领域的准确性和重复性，为实际推广应用打下基础。

本发明基于Sauerbrey方程、流体力学、剪切波传播原理及凝血反应基本规律，理论上推导出压电传感器检测凝血反应时，其频率随着时间的响应规律满足 $F=(f_0-\mathrm{\Δf})+\frac{\mathrm{\Δf}}{1+e^{(t-t_0)/\mathrm{dt}}}$ 数学模型。t代表时间自变量，F代表压电传感器频率因变量，f₀、Δf、t₀和dt为模型参数，分别代表反应开始前传感器频率、反应中压电频率变化值、最大反应速度的时间点、凝血反应速度决定因子，模型基本形状为反S曲线模型。

利用本发明模型，采用曲线拟合的方法对凝血反应的压电传感器检测数据进行分析，并求解出模型的各个参数，其中Δf、t₀、dt可以作为该反应的压电传感器检测结果。

附图说明

下面结合附图对本发明进一步详细的说明。

图1是压电传感器检测凝血反应的实际例子：反应曲线呈现反S形状。

图2是利用本发明的数学模型拟合压电凝血检测曲线图解，图中标明了模型各参数的意义，并求解出模型各参数值。

图3显示了模型参数t₀的意义：其为传感器频率下降到一半时的时间点，对应于凝血反应最大速度的时间点，并决定了曲线在时间轴上的位置。

图4显示了模型参数dt的意义：其取值不同，会明显影响传感器频率下降的速度，为凝血反应速度决定因子。

具体实施方式

1.凝血反应体系粘度密度变化规律

血液离体并加入适当的凝血因子后，可以启动体外凝血反应。按照“瀑布学说”，凝血反应速度即形成纤维蛋白速度很快呈指数增长，导致反应体系的粘度和密度也呈现指数增大，直至纤维蛋白凝块形成，反应结束。

2. 凝血反应中传感器频率变化值与时间关系

根据Sauerbrey方程、流体力学及剪切波传播原理，压电石英晶体传感器在粘度为η_l，，密度为ρ_l，的液体中频率飘移(Δf)符合下面公式：

$\mathrm{\Δf}=-2f^{\frac{3}{2}}\·\sqrt{\frac{1}{{\mathrm{\π\ρ}}_q{\mathrm{\μ}}_q}}\·\sqrt{{\mathrm{\ρ}}_l{\mathrm{\η}}_l}=k\·\sqrt{{\mathrm{\ρ}}_l{\mathrm{\η}}_l},$ k为与石英晶振品质有关的常数………(1)

由1分析可知，凝血过程中反应体系的粘度密度变化呈指数增大，则可以假设其粘度密度在t₀点后随时间t以e^(t-t0)增大，即 ${\mathrm{\ρ}}_l{\mathrm{\η}}_l\∝e^{(t-t_0)}$ 则由公式(1)得：

$\mathrm{\Δf}=k\·e^{\frac{(t-t_0)}{2}}$

由于不同血浆凝血因子质和量不同，则其反应速度会有差异，导致增长速率不同，因此引进参数dt来限制Δf增长速率，上述公式可以变为：

$\mathrm{\Δf}=k\·e^{\frac{(t-t_0)}{2\·\mathrm{dt}}}=k^{\′}\·e^{\frac{(t-t_0)}{\mathrm{dt}}}$

如果同批次传感器质量稳定，则参数k′可以忽略，公式可以简写为：

$\mathrm{\Δf}=e^{\frac{(t-t_0)}{\mathrm{dt}}}---\left(2\right)$

3.构建数学模型

由图1中检测曲线呈反S形状，我们可以构建一个简单的以公式(2)为基础的反S基本模型：

$f=\frac{1}{1+e^{(t-t_0)/\mathrm{dt}}},---\left(3\right)$

公式(3)的曲线形状见图3、图4，f在0-1的范围内呈现反S变化。该公式有2个未知参数，t₀为该方程的特征参数，是f下降到

的时间点，也即f下降速度最快的时间点，并决定了该曲线在时间轴上的位置，它的取值不影响曲线形状；dt则决定了f下降的速率，为凝血反应速度决定因子，其值的变化会明显改变曲线形状。

实际检测中，f的变化范围在[0-Δf]范围内。假设反应开始前传感器频率为f₀，则反应结束后传感器频率应该为(f₀-Δf)，将这两个参数引入到公式(3)，则构建出能实际应用的数学模型： $F=(f_0-\mathrm{\Δf})+\frac{\mathrm{\Δf}}{1+e^{(t-t_0)/\mathrm{dt}}}.$

Claims (4)

1.压电传感器数据处理模型，适用于液相中凝血反应的压电传感器检测，其特征包括：该模型为 $F=(f_0-\mathrm{\Δf})+\frac{\mathrm{\Δf}}{1+e^{(t-t_0)/\mathrm{dt}}},$ t代表时间自变量，F代表压电传感器频率因变量，f₀、 t₀和dt为模型参数，分别代表反应开始前传感器频率、反应中压电频率变化值、最大反应速度的时间点、凝血反应速度决定因子，模型基本形状为反S曲线模型；利用该模型采用曲线拟合的方法分析压电传感器检测的数据；模型参数 t₀、dt可以作为该反应的压电传感器检测结果。

2.如权利要求1中的压电传感器数据处理模型，其特征在于：模型参数分别代表凝血反应过程的某个特征，模型参数可以作为该反应的压电传感器检测结果。

3.如权利要求1中的压电传感器数据处理模型，其特征在于：利用数学模型采用曲线拟合的方法来分析压电传感器的检测数据。

4.如权利要求1中的压电传感器数据处理模型，其特征在于：以时间作为自变量，传感器频率作为因变量，模型基本形状为反S曲线模型。

Images