WO2015027544A1 - 排尿感知检测方法及装置 - Google Patents
排尿感知检测方法及装置 Download PDFInfo
- Publication number
- WO2015027544A1 WO2015027544A1 PCT/CN2013/084318 CN2013084318W WO2015027544A1 WO 2015027544 A1 WO2015027544 A1 WO 2015027544A1 CN 2013084318 W CN2013084318 W CN 2013084318W WO 2015027544 A1 WO2015027544 A1 WO 2015027544A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- impedance
- ecg
- neural network
- signal
- module
- Prior art date
Links
- 230000027939 micturition Effects 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims abstract description 22
- 230000008447 perception Effects 0.000 title claims abstract description 19
- 238000013528 artificial neural network Methods 0.000 claims abstract description 70
- 238000001514 detection method Methods 0.000 claims abstract description 42
- 238000012549 training Methods 0.000 claims abstract description 20
- 238000005516 engineering process Methods 0.000 claims abstract description 12
- 239000013598 vector Substances 0.000 claims abstract description 11
- 238000012360 testing method Methods 0.000 claims description 30
- 210000002569 neuron Anatomy 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000005259 measurement Methods 0.000 claims description 15
- 210000002700 urine Anatomy 0.000 claims description 15
- 230000035807 sensation Effects 0.000 claims description 14
- 238000001228 spectrum Methods 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 7
- 230000003321 amplification Effects 0.000 claims description 6
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 230000005611 electricity Effects 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000003750 conditioning effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 2
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 claims description 2
- 238000007726 management method Methods 0.000 claims description 2
- 239000011159 matrix material Substances 0.000 claims description 2
- 238000010183 spectrum analysis Methods 0.000 claims description 2
- 210000003403 autonomic nervous system Anatomy 0.000 claims 1
- 210000000467 autonomic pathway Anatomy 0.000 claims 1
- 210000000653 nervous system Anatomy 0.000 claims 1
- 208000008967 Enuresis Diseases 0.000 abstract description 10
- 231100000957 no side effect Toxicity 0.000 abstract description 3
- 238000003062 neural network model Methods 0.000 abstract 1
- 230000002485 urinary effect Effects 0.000 description 41
- 239000003814 drug Substances 0.000 description 6
- 230000002567 autonomic effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000001467 acupuncture Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 229940126678 chinese medicines Drugs 0.000 description 2
- 238000004070 electrodeposition Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000013024 troubleshooting Methods 0.000 description 2
- 229940126673 western medicines Drugs 0.000 description 2
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009535 clinical urine test Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 208000005346 nocturnal enuresis Diseases 0.000 description 1
- 230000005622 photoelectricity Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000004936 stimulating effect Effects 0.000 description 1
- 210000003954 umbilical cord Anatomy 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/20—Measuring for diagnostic purposes; Identification of persons for measuring urological functions restricted to the evaluation of the urinary system
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/053—Measuring electrical impedance or conductance of a portion of the body
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Cardiology (AREA)
- Physiology (AREA)
- Urology & Nephrology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
一种排尿感知检测方法及装置,该方法包括:采集原始膀胱阻抗信息和原始心电信号(S1);提取排尿感知特征参数,包括心电近似熵、心电高低频能量比、阻抗近似熵和阻抗高低频能量比(S3);建立神经网络排尿感知检测模型,将所述排尿感知特征参数作为神经网络的输入矢量,训练神经网络,确定神经网络参数(S4);利用训练完成的神经网络对受试者的排尿感知程度进行检测,输出检测结果(S5)。此方法利用电子技术实现对遗尿患者的尿感检测与排尿唤醒,安全,有效,且无任何副作用。
Description
排尿感知检测方法及装置 技术领域
本发明涉及医疗技术领域,尤其涉及一种排尿感知检测方法及装 置。 背景技术
遗尿症又称尿床,通常指 3岁以上儿童睡眠中仍不能自控而将尿 液排泄在床上的一种病症, 病因十分复杂,其中 90%以上属于原发性 遗尿症。 据国内外调查统计遗尿症的发病率为 10%-15%, 男性多于 女性, 约为 1.5: 1。 遗尿症若不能尽早治愈, 对儿童的身心健康都有 较大影响。
国内外都十分重视 d、儿遗尿的防治, 中西药都有不少治疗方法, 如西药、 中药内服外治、 针灸、 按摩等, 对小儿遗尿的治疗具有一定 的疗效。 但是目前的治疗方法存在着如下缺点: 西药副作用较大; 内 服中药常被儿童拒服;针灸不易被儿童及家长接受;外用药虽然不少, 但疗效理想者尚乏。 发明内容
本发明实施例提出一种排尿感知检测方法,利用电子技术实现对 遗尿患者的尿感检测与排尿唤醒, 安全, 有效, 且无任何副作用。
本发明实施例提供一种排尿感知检测方法, 包括:
51 ,将多个测试电极紧贴患者的测试部位, 采集原始膀胱阻抗信 息和原始心电信号;
52, 采用数字信号处理技术, 去除所述原始心电信号中的干扰, 并从去干扰后的心电信号中提取心率变异性信号; 同时, 采用带通滤 波器从所述原始膀胱阻抗信息中提取反映膀胱排尿自主神经调节的 阻抗信号;
53 ,根据所述心率变异性信号和所述阻抗信号,提取排尿感知特 征参数, 包括心电近似熵、 心电高低频能量比、 阻抗近似熵和阻抗高 低频能量比;
54, 建立神经网络排尿感知检测模型,将所述排尿感知特征参数 作为神经网络的输入矢量, 训练神经网络, 确定神经网络参数;
55 , 利用训练完成的神经网络对受试者的排尿感知程度进行检 测, 输出检测结果。
相应地, 本发明实施例还提供一种排尿感知检测装置, 包括下位 机测量模块和上位机计算模块;
所述下位机测量模块包括:
心电采集模块, 用于从患者的测试部位中采集原始心电信号; 阻抗采集模块, 用于从患者的测试部位中采集原始膀胱阻抗信 模数转换模块,用于将模拟信号形式的原始心电信号和原始膀胱 阻抗信息, 分别转换为数字信号; 和,
下位机主控模块,用于通过无线通信方式将数字信号形式的原始 心电信号和原始膀胱阻抗信息传输给所述上位机计算模块;
所述上位机计算模块包括上位机主控制模块,所述上位机主控制 模块用于:
采用数字信号处理技术, 去除所述原始心电信号中的干扰, 并从 去干扰后的心电信号中提取心率变异性信号; 同时, 采用带通滤波器 从所述原始膀胱阻抗信息中提取反映膀胱排尿自主神经调节的阻抗 信号;
根据所述心率变异性信号和所述阻抗信号,提取排尿感知特征参 数, 包括心电近似熵、 心电高低频能量比、 阻抗近似熵和阻抗高低频 能 比;
建立神经网络排尿感知检测模型,将所述排尿感知特征参数作为 神经网络的输入矢量, 训练神经网络, 确定神经网络参数; 以及, 利用训练完成的神经网络对受试者的排尿感知程度进行检测,输 出检测结果。
本发明实施例提供的排尿感知检测方法及装置,具有如下有益效 果:
1、 结合阻抗变异性和心率变异性, 并且提取频率中的高低频能 量比和信息熵中的近似熵,有助于最大化提取膀胱积尿中产生的尿意 感觉信息, 提高尿感检测灵敏度。
2、 通过(4-N-1 )三层神经网络的训练, 特别是中间层神经网络 个数的自适应获取, 将进一步提高尿感强弱检测精度和可靠性。
3、 创造性的提出利用电子技术实现遗尿患者尿感检测与排尿唤 醒, 与已有的中西药相比, 具有安全、 有效、 无任何副作用的优点。 附图说明
图 1 是本发明提供的排尿感知检测方法的一个实施例的流程示 意图;
图 2是本发明提供的神经网络的一个实施例的结构示意图; 图 3是本发明提供的神经网络的另一个实施例的结构示意图; 图 4是本发明提供的排尿感知检测装置的一个实施例的结构示 意图;
图 5是本发明提供排尿感知检测装置的算法流程示意图。 具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方 案进行清楚、 完整地描述, 显然, 所描述的实施例仅仅是本发明一部 分实施例, 而不是全部的实施例。 基于本发明中的实施例, 本领域普 通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例, 都属于本发明保护的范围。
参见图 1 , 是本发明提供的排尿感知检测方法的第一实施例的流 程示意图。
本发明实施例提供一种排尿感知检测方法, 包括步骤 S1至 S5 , 具体如下:
51 , 将多个测试电极紧贴患者的测试部位, 采集原始膀胱阻抗 信息和原始心电信号。
具体实施时, 本发明根据心电采集和生物电阻抗技术, 通过排尿 感知检测装置实时采集心电信号和膀胱阻抗数据。
测试电极的佩戴包括: 电极位置的选择与安放。 电极位置的选择 是基于多通道开关模块的比较而获得最佳安放位置; 在电极安放前, 最好要剃除皮肢表面的不洁净物质,再用酒精试擦其表面, 以减小对 测量的影响。 阻抗测试电极佩戴在膀胱附近时, 四个测试电极必须处 于脐肚下同一水平面, 两个测量电极在内, 两个刺激电极在外, 心电 测量电极在附近。
52, 采用数字信号处理技术, 去除所述原始心电信号中的干扰, 并从去干扰后的心电信号中提取心率变异性信号; 同时,采用带通滤 波器从所述原始膀胱阻抗信息中提取反映膀胱排尿自主神经调节的 阻抗信号。
原始心电信号中包括了工频干扰、高频干扰和基线漂移等在内的 各种噪声。 本发明通过实时数字滤波方法, 能够去除原始心电信号中 的各种干扰。
在上述步骤 S2中, 采用通带带宽为 [0.1Hz, 25Hz]的带通滤波去 除原始心电信号中的干扰, 然后对去干扰后的心电信号进行峰值检 测, 获取 RR序列, 所述 RR序列即为心率变异性信号。
同时, 采用通带为 [0.04 Hz, 0.4 Hz]的带通滤波器, 从原始膀胱 阻抗信息中提取阻抗序列,所述阻抗序列是反映膀胱排尿自主神经调
节的阻抗信号。
S3, 根据所述心率变异性信号和所述阻抗信号, 提取排尿感知 特征参数, 包括心电近似熵、 心电高低频能量比、 阻抗近似熵和阻抗 高低频能量比。
具体的, 在上述步骤 S3中, 包括:
构造 RR序列模版 X和 :
X(i) = [RR(/),RR(/' + l)] i = 1,2,3,...N-1;
7(0 = [RR(i\ RR(i + 1), RR(i + 2)] ζ· = 1,2,3 ··Ν - 2 ;
按照以下公式计算两个模版间的距离:
d(Y(i), Y(j)) = J∑ ( + k)- RR(j + k)) 其中, d(X(i), ^^表示模版 X中第 个模版和第 j个模版之间的 距离, d(Y(i), ^表示模版 Y中第 个模版和第 j个模版之间的距离; 构造模版距离矩阵, 如下:
心电(f) =
N-l N-2
ii) =∑ cov1 (i, j) , N (i) = Xcov2 (i, j);
7=1 7=1
阻几
需要说明的是, 本领域技术人员可以理解, 在上述的心电近似熵 计算方法的教导下, 可以同理地得出阻抗近似熵的计算方法, 因此, 本文不对阻抗近似熵的计算方法进行详细描述。
在上述步骤 S3中, 采用基于功率谱分析方法提取阻抗高低频能 量比和心电高低频能量比, 包括:
LF I HF心电 = 、电 (0.04 - 0.15Hz) I ¾电(0.15 - ΟΛΗζ); LF I HF阻抗 = LF阻抗 (0.04 _ 0.15Hz) I / 抗 (0.15— ΟΑΗζ); 其中, LF 心电 ( 0.04-0· 15Hz )表示 RR序列在频带 [0.04 , 0.15 Hz] 范围内的功率谱能量总和;
LF 阻抗 ( 0.04-0.15HZ )表示阻抗序列在频带 [0.04 , 0.15 Hz]范围内 的功率谱能量总和;
HF 心电 ( 0.04-0.15Hz )表示 RR序列在频带 [0.15 , 0.4 Hz]范围内 的功率谱能量总和;
LF 阻抗 ( 0.04-0.15Hz )表示阻抗序列在频带 [0.15 , 0.4 Hz]范围内 的功率谱能量总和。
S4 , 建立神经网络排尿感知检测模型, 将所述排尿感知特征参 数作为神经网络的输入矢量, 训练神经网络, 确定神经网络参数。
上述步骤 S4具体包括步骤 S41至 S4:
541、 构建 4-N-l三层神经网络, 输入层为 4个神经元, 输出层 为 1个神经元, 中间层为 N个神经元, 其中数目 N可调。
542、 将所述心电近似熵、 心电高低频能量比、 阻抗近似熵和阻 抗高低频能量比,作为训练样本的特征值输入到所述神经网络的输入 层神经元中。
543、 开始网络训练, 从第 1个中间层神经元开始, 通过检查输 出误差使神经网络自动增加中间层神经元数目,并重新检查新的神经 网络的误差,重复此过程直到训练得到期望误差或最大中间层神经元 数为止。
544、 通过大样本训练和最大剃度法确定神经网络的权值参数和 阀值。
其中, 网络误差函数如下: E赚 : ^ ΣλΖ 、-赠 .,
其中, Mffi表示网络误差, ( (/)表示神经网络的输出, N为训练 样本组数, Z(/)为真实值。
参见图 2,是本发明提供的神经网络的一个实施例的结构示意图。 该神经网络为 4-N-1三层神经网络, 包括: 输入层、 中间层和输出层。 输入层神经元数为 4个, 输出层为 1个神经元, 中间层为 N个神经 元。 具体实施时, 从心电信号和阻抗信号提取心电近似熵、 心电高低 频能量比、 阻抗近似熵和阻抗高低频能量比四个排尿感知特征参数, 并作为神经网元输入矢量,通过 4-N-1三层神经网络输出尿感程度预 测值。 本发明通过最大梯度等最优算法可以修正 N和权值参数, 提
高预测精度。
步骤 S4通过训练获得网络的权值参数, 利用所述权值参数即可 进行尿感检测。
S5, 利用训练完成的神经网络对受试者的排尿感知程度进行检 测, 输出检测结果。
上述步骤 S5具体包括:
将多个测试电极紧贴患者的测试部位,采集实测的膀胱阻抗信息 和实测的心电信号;
从所述实测的膀胱阻抗信息中提取阻抗近似熵和阻抗高低频能 量比,以及从所述实测的心电信号中提取实测的心率变异性的近似熵 和高低频能量比;
将所述实测的心电近似熵、 心电高低频能量比、 阻抗近似熵和阻 抗高低频能量比输入到所述神经网络中, 获得排尿感觉强弱分级结 果,包括:所述神经网络的输出层神经元输出为 0时表示基本无尿感, 输出为 1表示有较强尿感, 输出为 2表示急迫尿感。
参见图 3 , 是本发明提供的神经网络的另一个实施例的结构示意 图。 该神经网络包括三层: 输入层、 中间层和输出层。 输入层神经元 数为 4个, 其输入矢量为排尿感知特征参数: 心电近似熵、 心电高低 频能量比、 阻抗近似熵和阻抗高低频能量比。 中间层神经元数可调, 通过大样本学习训练获取最佳的神经元个数。权值向量和阀值可根据 最大剃度误差方法进行修正。 输出层仅含 1个神经元, 其输出值为 0 表示无尿感, 为 1表示有尿感但不急迫, 为 2表示有急迫尿感。
需要说明的是, 在尿感强弱预测实验中, 一般要求受试者先排尽 尿液才开始测量并预测尿感。 同时为了避免测量故障(如电极接触不 良, 电源电量不足等), 本发现增加异常情况提醒措施。 如下:
进一步的, 在上述步骤 S5 中, 测试时间超过 T小时 (例如 2.5 小时), 神经网络输出仍为 0时, 发出异常报警, 提醒测试者进行系 统问题排查, 其中 T > 0。 本发明还提供一种排尿感知检测装置,能够实现上述的排尿感知 检测方法的所有步骤。 下面结合图 4和图 5 , 对本发明提供的排尿感 知检测装置的结构及算法流程进行详细描述。
参见图 4, 是本发明提供的排尿感知检测装置的一个实施例的结 构示意图。
本发明实施例提供一种排尿感知检测装置,包括下位机测量模块 和上位机计算模块。 其中, 所述下位机测量模块包括:
心电采集模块 101 ,用于从患者的测试部位中采集原始心电信号; 阻抗采集模块 102, 用于从患者的测试部位中采集原始膀胱阻抗 信息;
模数转换模块 103 , 用于将模拟信号形式的原始心电信号和原始 膀胱阻抗信息, 分别转换为数字信号; 和,
下位机主控模块 104, 用于通过无线通信方式将数字信号形式的 原始心电信号和原始膀胱阻抗信息传输给所述上位机计算模块。
所述上位机计算模块包括上位机主控制模块 200, 所述上位机主
控制模块 200用于:
采用数字信号处理技术, 去除所述原始心电信号中的干扰, 并从 去干扰后的心电信号中提取心率变异性信号; 同时, 采用带通滤波器 从所述原始膀胱阻抗信息中提取反映膀胱排尿自主神经调节的阻抗 信号;
根据所述心率变异性信号和所述阻抗信号,提取排尿感知特征参 数, 包括心电近似熵、 心电高低频能量比、 阻抗近似熵和阻抗高低频 能 比;
建立神经网络排尿感知检测模型,将所述排尿感知特征参数作为 神经网络的输入矢量, 训练神经网络, 确定神经网络参数; 以及, 利用训练完成的神经网络对受试者的排尿感知程度进行检测,输 出检测结果。
进一步, 上述下位机测量模块还包括信号调理模块 104、 电源管 理模块 405和无线模块 106; 其中, 信号调理模块 104用于信号的趋 势去除, 噪声消除等。 所述上位机计算模块及所述下位机测量模块之 间的数据通信是通过所述下位机测量模块中设置的无线模块 106 来 实现。 可选的, 无线模块 106为 RS232无线模块。
更为具体的, 上述心电采集模块 101包括初级放大子模块、 滤波 子模块和主放大子模块;上述阻抗采集模块 102包括阻抗幅值计算子 模块、 信号放大子模块、 中频正弦信号发生子模块和恒流源子模块。 参见图 5 , 是本发明提供排尿感知检测装置的算法流程示意图。
在本实施例中,排尿感知检测装置的算法流程主要包括数据采集 与预处理、 尿感特征提取和尿感的预测, 如下:
5501 , 初始化; 在患者排尽尿的情况下检测。
5502, 系统检查与开机。
5503 , 从患者的测试部位中采集原始心电信号。
5504,对原始心电信号进行滤波处理, 并从去干扰后的心电信号 中提取心率变异性信号 (R波信号)。
5505 , 从心率变异性信号中提取心电近似熵和心电高低频能量 比。
5506, 从患者的测试部位中采集原始膀胱阻抗信息。
5507, 对原始膀胱阻抗信息进行滤波处理。
5508 , 从膀胱阻抗信号中提取阻抗近似熵和阻抗高低频能量比。 需要说明的是, 步骤 S503至 S505和步骤 S506至 S508可以同 步进行。
5509, 将心电近似熵、 心电高低频能量比、 阻抗近似熵和阻抗高 低频能量比作为神经网络的输入矢量, 训练神经网络, 确定神经网络 参数; 并且, 利用训练完成的神经网络对受试者的排尿感知程度进行 检测, 输出检测结果。
5510, 当检测结果为无尿感时, 进行异常检测, 如果出现异常, 返回步骤 S502; 例如, 测试时间超过 T小时, 神经网络输出仍为 0 时, 发出异常报警, 提醒测试者进行系统问题排查。
5511 , 当检测结果为有尿感时, 进行排尿判断, 若需要排尿, 贝' J
执行步骤 S512, 否则返回步骤 S503和步骤 S506继续监测患者测试 部位。
S512, 进行排尿报警。 其中, 排尿报警信号可以显示在排尿提醒 监控界面上, 或者发出光电、 声音等报警信号。 本发明实施例提供的排尿感知检测方法及装置,结合阻抗变异性 和心率变异性, 并且提取频率中的高低频能量比和信息熵中的近似 熵,有助于最大化提取膀胱积尿中产生的尿意感觉信息, 提高尿感检 测灵敏度。 而且, 通过(4-N-1 ) 三层神经网络的训练, 特别是中间 层神经网络个数的自适应获取,将进一步提高尿感强弱检测精度和可 靠性。 此外, 创造性的提出利用电子技术实现遗尿患者尿感检测与排 尿唤醒, 与已有的中西药相比, 具有安全、 有效、 无任何副作用的优 点。 以上所述是本发明的优选实施方式,应当指出, 对于本技术领域 的普通技术人员来说, 在不脱离本发明原理的前提下,还可以做出若 干改进和润饰, 这些改进和润饰也视为本发明的保护范围。
Claims
1、 一种排尿感知检测方法, 其特征在于, 包括:
51 ,将多个测试电极紧贴患者的测试部位, 采集原始膀胱阻抗信 息和原始心电信号;
52, 采用数字信号处理技术, 去除所述原始心电信号中的干扰, 并从去干扰后的心电信号中提取心率变异性信号; 同时, 采用带通滤 波器从所述原始膀胱阻抗信息中提取反映膀胱排尿自主神经调节的 阻抗信号;
53 ,根据所述心率变异性信号和所述阻抗信号,提取排尿感知特 征参数, 包括心电近似熵、 心电高低频能量比、 阻抗近似熵和阻抗高 低频能量比;
54, 建立神经网络排尿感知检测模型,将所述排尿感知特征参数 作为神经网络的输入矢量, 训练神经网络, 确定神经网络参数;
55 , 利用训练完成的神经网络对受试者的排尿感知程度进行检 测, 输出检测结果。
2、 如权利要求 1所述的排尿感知检测方法, 其特征在于, 在所 述步骤 S2中, 采用通带带宽为 [0.1Hz, 25Hz]的带通滤波去除所述原 始心电信号中的干扰, 然后对去干扰后的心电信号进行峰值检测, 获 取 RR序列, 所述 RR序列即为心率变异性信号;
同时, 采用通带为 [0.04 Hz, 0.4 Hz]的带通滤波器, 从所述原始 膀胱阻抗信息中提取阻抗序列,所述阻抗序列是反映膀胱排尿自主神
经调节的阻抗信号。
3、 如权利要求 2所述的排尿感知检测方法, 其特征在于, 在所 述步骤 S3中, 采用信息熵方法提取阻抗近似熵和心电近似熵, 包括: 构造 RR序列模版 X和 :
X(i) = [RR(/),RR(/' + l)] i = 1,2,3,...N-1;
7(0 = [RR(i\ RR(i + 1), RR(i + 2)] ζ· = 1,2,3 ··Ν - 2 ;
按照以下公式计算两个模版间的距离:
d(Y(i), Y(j)) = J∑ (卿 + k)- RR(j + k)) 其中, d(X(i), ^^表示模版 X中第 个模版和第 j个模版之间的 距离, d(Y(i), ^表示模版 Y中第 个模版和第 j个模版之间的距离; 构造模版距离矩阵, 如下:
心电(f) =
N-l N-2
阻抗(f)
N-l N-2
4、 如权利要求 3所述的排尿感知检测方法, 其特征在于, 在所 述步骤 S3中, 采用基于功率谱分析方法提取阻抗高低频能量比和心 电高低频能量比, 包括:
LF I HF心电 = 、电 (0.04 - 0.15Hz) I ¾电(0.15 - ΟΛΗζ); LF I HF阻抗 = LF阻抗 (0.04 _ 0.15Hz) I / 抗 (0.15— ΟΑΗζ); 其中, LF心电 (0.04-0· 15Hz)表示 RR序列在频带 [0.04, 0.15 Hz] 范围内的功率谱能量总和;
LF阻抗 (0.04-0.15HZ)表示阻抗序列在频带 [0.04, 0.15 Hz]范围内 的功率谱能量总和;
HF心电 ( 0.04-0.15Hz)表示 RR序列在频带 [0.15, 0.4 Hz]范围内 的功率谱能量总和;
LF阻抗 ( 0.04-0.15Hz)表示阻抗序列在频带 [0.15, 0.4 Hz]范围内 的功率谱能量总和。
5、 如权利要求 4所述的排尿感知检测方法, 其特征在于, 所述 步骤 S4具体包括:
构建 4-Ν-1三层神经网络, 输入层为 4个神经元, 输出层为 1个 神经元, 中间层为 Ν个神经元, 其中数目 Ν可调;
将所述心电近似熵、 心电高低频能量比、 阻抗近似熵和阻抗高低
频能量比,作为训练样本的特征值输入到所述神经网络的输入层神经 元中;
开始网络训练,从第 1个中间层神经元开始, 通过检查输出误差 使神经网络自动增加中间层神经元数目,并重新检查新的神经网络的 误差, 重复此过程直到训练得到期望误差或最大中间层神经元数为 止;
通过大样本训练和最大剃度法确定神经网络的权值参数和阀值; 其中, 网络误差函数如下:
E赚 : ^ ΣλΖ 、-赠 .,
其中, Mffi表示网络误差, ( (/)表示神经网络的输出, N为训练 样本组数, Z(/)为真实值。
6、 如权利要求 5所述的排尿感知检测方法, 其特征在于, 所述 步骤 S5具体包括:
将多个测试电极紧贴患者的测试部位,采集实测的膀胱阻抗信息 和实测的心电信号;
从所述实测的膀胱阻抗信息中提取阻抗近似熵和阻抗高低频能 量比,以及从所述实测的心电信号中提取实测的心率变异性的近似熵 和高低频能量比;
将所述实测的心电近似熵、 心电高低频能量比、 阻抗近似熵和阻 抗高低频能量比输入到所述神经网络中, 获得排尿感觉强弱分级结 果, 包括: 所述神经网络的输出层神经元输出为 0时表示无尿感, 输
出为 1表示有尿感但不急迫, 输出为 2表示有急迫尿感。
7、 如权利要求 6所述的排尿感知检测方法, 其特征在于, 在所 述步骤 S5中, 测试时间超过 T小时, 神经网络输出仍为 0时, 发出 异常报警, 提醒测试者进行系统问题排查, 其中 T > 0。
8、 一种排尿感知检测装置, 其特征在于, 包括下位机测量模块 和上位机计算模块;
所述下位机测量模块包括:
心电采集模块, 用于从患者的测试部位中采集原始心电信号; 阻抗采集模块, 用于从患者的测试部位中采集原始膀胱阻抗信 模数转换模块,用于将模拟信号形式的原始心电信号和原始膀胱 阻抗信息, 分别转换为数字信号; 和,
下位机主控模块,用于通过无线通信方式将数字信号形式的原始 心电信号和原始膀胱阻抗信息传输给所述上位机计算模块;
所述上位机计算模块包括上位机主控制模块,所述上位机主控制 模块用于:
采用数字信号处理技术, 去除所述原始心电信号中的干扰, 并从 去干扰后的心电信号中提取心率变异性信号; 同时, 采用带通滤波器 从所述原始膀胱阻抗信息中提取反映膀胱排尿自主神经调节的阻抗 信号;
根据所述心率变异性信号和所述阻抗信号,提取排尿感知特征参 数, 包括心电近似熵、 心电高低频能量比、 阻抗近似熵和阻抗高低频 能 比;
建立神经网络排尿感知检测模型,将所述排尿感知特征参数作为 神经网络的输入矢量, 训练神经网络, 确定神经网络参数; 以及, 利用训练完成的神经网络对受试者的排尿感知程度进行检测,输 出检测结果。
9、 如权利要求 8所述的排尿感知检测装置, 其特征在于, 所述 下位机测量模块还包括信号调理模块、 电源管理模块和无线模块; 所述上位机计算模块及所述下位机测量模块之间的数据通信是 通过所述下位机测量模块中设置的无线模块来实现。
10、 如权利要求 9所述的排尿感知检测装置, 其特征在于, 所述 心电采集模块包括初级放大子模块、 滤波子模块和主放大子模块; 所述阻抗采集模块包括阻抗幅值计算子模块、 信号放大子模块、 中频正弦信号发生子模块和恒流源子模块。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310392336.2 | 2013-09-02 | ||
CN201310392336.2A CN103445770B (zh) | 2013-09-02 | 2013-09-02 | 排尿感知检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2015027544A1 true WO2015027544A1 (zh) | 2015-03-05 |
Family
ID=49728930
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/CN2013/084318 WO2015027544A1 (zh) | 2013-09-02 | 2013-09-26 | 排尿感知检测方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN103445770B (zh) |
WO (1) | WO2015027544A1 (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA3020748C (en) | 2016-04-12 | 2022-10-04 | GOGO Band, Inc. | Urination prediction and monitoring |
CN107343782A (zh) * | 2016-05-06 | 2017-11-14 | 尹继超 | 排尿和排便提前预警装置 |
CN106264876A (zh) * | 2016-09-21 | 2017-01-04 | 安徽工程大学机电学院 | 一种智能尿不湿 |
CN107510437A (zh) * | 2017-08-01 | 2017-12-26 | 广州安德生物科技有限公司 | 一种尿失禁患者积尿过程中自主神经功能评估方法及装置 |
CN109009073B (zh) * | 2018-07-20 | 2021-07-20 | 广州视源电子科技股份有限公司 | 房颤检测装置及存储介质 |
CN109528180B (zh) * | 2018-11-16 | 2021-12-03 | 歌尔科技有限公司 | 一种提醒方法、系统、智能可穿戴设备及可读存储介质 |
CN113662578B (zh) * | 2021-10-20 | 2022-05-24 | 华南理工大学 | 一种基于残差网络的人体排便预测系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101940469A (zh) * | 2010-06-29 | 2011-01-12 | 中山大学 | 一种便携式膀胱尿量检测方法及装置 |
JP2011182954A (ja) * | 2010-03-09 | 2011-09-22 | Panasonic Corp | 排尿障害治療器 |
EP1940510B1 (en) * | 2005-10-28 | 2012-03-28 | Medtronic, Inc. | Systems for impedance-based bladder sensing |
CN102551712A (zh) * | 2011-06-13 | 2012-07-11 | 广州安德生物科技有限公司 | 基于生物电阻抗的非侵入式排尿报警装置及监测方法 |
US20120197336A1 (en) * | 2011-01-28 | 2012-08-02 | Medtronic, Inc. | Intra-burst pulse variation for stimulation therapy |
JP5075966B2 (ja) * | 2010-10-27 | 2012-11-21 | 花王株式会社 | 排泄検知装置 |
CN102961152A (zh) * | 2012-11-01 | 2013-03-13 | 中山大学 | 低负荷膀胱尿量实时监测与自动报警方法 |
CN103126672A (zh) * | 2013-03-13 | 2013-06-05 | 中山大学 | 基于生物电阻抗的膀胱积尿实时监测方法及装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8271080B2 (en) * | 2007-05-23 | 2012-09-18 | Cardiac Pacemakers, Inc. | Decongestive therapy titration for heart failure patients using implantable sensor |
US8805508B2 (en) * | 2007-05-30 | 2014-08-12 | Medtronic, Inc. | Collecting activity data for evaluation of patient incontinence |
WO2011158166A1 (en) * | 2010-06-13 | 2011-12-22 | Venugopal Gopinathan | Systems and methods for measurements of anatomical parameters |
-
2013
- 2013-09-02 CN CN201310392336.2A patent/CN103445770B/zh not_active Expired - Fee Related
- 2013-09-26 WO PCT/CN2013/084318 patent/WO2015027544A1/zh active Application Filing
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1940510B1 (en) * | 2005-10-28 | 2012-03-28 | Medtronic, Inc. | Systems for impedance-based bladder sensing |
JP2011182954A (ja) * | 2010-03-09 | 2011-09-22 | Panasonic Corp | 排尿障害治療器 |
CN101940469A (zh) * | 2010-06-29 | 2011-01-12 | 中山大学 | 一种便携式膀胱尿量检测方法及装置 |
JP5075966B2 (ja) * | 2010-10-27 | 2012-11-21 | 花王株式会社 | 排泄検知装置 |
US20120197336A1 (en) * | 2011-01-28 | 2012-08-02 | Medtronic, Inc. | Intra-burst pulse variation for stimulation therapy |
CN102551712A (zh) * | 2011-06-13 | 2012-07-11 | 广州安德生物科技有限公司 | 基于生物电阻抗的非侵入式排尿报警装置及监测方法 |
CN102961152A (zh) * | 2012-11-01 | 2013-03-13 | 中山大学 | 低负荷膀胱尿量实时监测与自动报警方法 |
CN103126672A (zh) * | 2013-03-13 | 2013-06-05 | 中山大学 | 基于生物电阻抗的膀胱积尿实时监测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103445770A (zh) | 2013-12-18 |
CN103445770B (zh) | 2015-04-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2015027544A1 (zh) | 排尿感知检测方法及装置 | |
CN104173043B (zh) | 一种适合于移动平台的心电数据分析方法 | |
JP6767059B2 (ja) | 生体情報取得装置及び信号処理方法 | |
CN101658425B (zh) | 基于心率变异分析的注意力集中程度的检测装置及方法 | |
CN103126672B (zh) | 基于生物电阻抗的膀胱积尿实时监测方法及装置 | |
US20140180036A1 (en) | Device and method for predicting and preventing obstructive sleep apnea (osa) episodes | |
CN104644165B (zh) | 一种佩戴式的脑电采集装置 | |
CN103815896A (zh) | 一种精神疲劳监测方法、装置、系统及移动处理终端 | |
US20180317800A1 (en) | Characterizing gastrointestinal functions from surface electrophysiology recording | |
CN114748080B (zh) | 一种感觉运动功能的检测量化方法和系统 | |
CN106937808A (zh) | 一种智能床垫的数据采集系统 | |
CN107742534A (zh) | 患者存活性预测系统 | |
KR101366348B1 (ko) | 우울증 진단을 위한 뉴로-퍼지 네트워크 기반의 데이터 분석 방법 | |
Annese et al. | FPGA based architecture for fall-risk assessment during gait monitoring by synchronous EEG/EMG | |
CN104605850B (zh) | 一种基于电阻抗断层成像技术的膀胱尿量实时监测装置和方法 | |
WO2016168979A1 (zh) | 一种生命体征分析方法与系统 | |
KR20120094857A (ko) | 피복타입 무구속 생체신호 측정 및 이를 이용한 재활훈련 정도 판단방법 | |
CN113855053A (zh) | 基于肌电的佩戴式肌肉阈值监测系统 | |
JP7177443B2 (ja) | 生体振動信号検出装置 | |
TWI629049B (zh) | A method for analyzing a heart shock signal for calculating a short-term heart rate value | |
WO2023186050A1 (zh) | 体征信号的解析方法、装置以及存储介质 | |
CN103340639A (zh) | 一种基于生物电阻抗的急迫性尿失禁识别方法 | |
CN106691437A (zh) | 一种基于母体心电信号的胎儿心率提取方法 | |
CN207024063U (zh) | 一种提升肠鸣音区分度的主动多点肠蠕动监测装置 | |
CN109222934A (zh) | 用于生物电阻抗一致性测量的系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 13892401 Country of ref document: EP Kind code of ref document: A1 |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 13892401 Country of ref document: EP Kind code of ref document: A1 |