无创颅内压测量方法及应用该方法的无创颅内压分析仪的制作方法
【专利摘要】本发明涉及一种无创颅内压测量方法及应用该方法的无创颅内压分析仪，将样本病人的样本数据作为样本建立初始样本数据库，进行数据训练，建立若干样本模型，无创测量、分析处理被测病人的颅内压关联数据，选出与被测病人相似度最大的样本模型，将测得的被测病人的颅内压关联数据带入所选择的样本模型中以求得被测病人的无创ICP数据。本发明的方法及分析仪通过预先建立多个样本模型，并通过选择误差最小的样本模型作为当前被测样本的样本模型来预测无创颅内压，适用于不同个体、不同群体的病人且具有良好的后向兼容性，经过数据训练的数据库能够通过简单的计算进行快速、准确的测量，显著提高了测量速度和准确性。
【专利说明】无创颅内压测量方法及应用该方法的无创颅内压分析仪
【技术领域】
[0001]本发明涉及一种颅内压的无创测量方法，主要用于神经内科、神经外科、重症监护室(ICU)中的无创颅内压测量，本发明还涉及一种采用该测量方法的无创颅内压分析仪。
【背景技术】
[0002]由于闪光视觉诱发信号非常弱(0.3~20 μ V)，极易淹没在脑电信号和其他外界信号之中(脑电信号为30~100 μ V)，需要多次测量求取平均值，多次闪光刺激给病人带来疲劳和不适，也易于引入爆发性伪迹，尤其是对于重症病人该方法的适应范围受到一定限制。且基于闪光视觉诱发电位法通常假设颅内压信号与该闪光视觉诱发电位之间存在固定的函数关系，但颅内压信号与该闪光视觉诱发电位之间的函数关系非常复杂，尤其是涉及不同的生理病理特征时更是如此，因此其测量的准确性很难保证。另外，该方法测得的是颅内压的平均值，无法反应颅内压的波动信息，无法满足动态连续监测的要求，而颅内压的动态波型中含有很多有价值的重要信息。
[0003]而目前较为常用的经颅多普勒法主要是基于“黑匣子”理论建立ICP与ABP (血压)之间的函数关系，即用可以进行动态监测的ABP的函数式来表示ICP，如可以用下式表示:
ICP=kXABPXF (TCD)+b
其中，F (IOD)为用T⑶测量值经过变化后的函数表达式，k和b为修正值。
[0004]实际应用中，对样本病 人进行测量并记录FV (血流)、ABP和有创ICP的值，从FV曲线中得到TCD特征参数，从ABP曲线和有创ICP曲线中得到加权函数，然后通过加权函数和TCD特征参数，基于特定的算法(如最小均方误差、最小二乘法等)进行预测，得到无创颅内压预测的经验公式，并根据经验公式预测未知病人的无创颅内压，通常在建立该函数式之后，将被测病人的ABP值输入后得出其ICP曲线。
[0005]但是，由于上述函数式是根据样本病人的数据建立的单一的关系式，而并未考虑具体被测病人的个体差异情况，因此，其对于不同病人、不同病症的适用性较差，不能满足实际应用中的要求。
【发明内容】
[0006]为了克服现有技术的上述缺陷，本发明的目的在于提供一种无创颅内压测量方法及应用该方法的无创颅内压分析仪，能够对病人的ICP数值进行无创测量，并能够进行动态监测，适用于不同个体、不同群体的病人，能够通过简单的计算进行快速、准确的测量。
[0007]本发明的技术方案是:
一种无创颅内压测量方法，包括如下步骤:
(1)建立含有η个样本的样本数据的样本数据库，所述样本数据包括无创检测获得的颅内压关联数据(动脉血压和血流速度)和有创检测获得的颅内压实测数据；
(2)对各所述样本的样本数据进行数据分析，建立体现所述颅内压关联数据和所述颅内压实测数据之间关系的样本模型；
(3)依据通过无创检测方式获得的被测病人的颅内压关联数据，选择与被测病人最接近的所述样本的所述样本模型；
(4)以与被测病人最接近的所述样本的所述样本模型，计算出与被测病人颅内压关联数据对应的颅内压预测数据，并以此预测数据作为被测病人的无创颅内压检测数据。
[0008]较优地，采用下列数据训练的方式进行所述的步骤(2)和(3):
(a)利用时间序列模型对样本数据进行分析，以样本的颅内压实测数据为输出时间序列0TS，以样本的颅内压关联数据为输入时间序列ITS，对每个样本的每个{ITS，OTS}对进行系统辨识，建立ITS与OTS的关系，获得相应样本的样本模型；
(b)计算得到各{ITS，OTS}对之间的相异度矩阵E；
(c)提取ITS的血流动力学特征参数P,建立所述血流动力学特征参数P与所述相异度矩阵E的映射关系F ；
(d)依据所述被测病人的颅内压关联数据，提取相应的血流动力学特征参数p，依据映射关系F求出相异度矩阵E，以相异度最小的样本为所述与被测病人最接近的样本。
[0009]较优地，所述步骤(a)的具体方法为:
选择第i (/为自然数，i<?)个样本数据，采用子空间模式识别方法或增广Kalman滤波或基于粒子滤波的点估计方法进行模式识别对公式(I)求解，求出第k个样本数据的ITS与OTS的对应关系:
【权利要求】
1.一种无创颅内压测量方法，其特征在于包括如下步骤: (1)建立含有η个样本的样本数据的样本数据库，所述样本数据包括无创检测获得的无创动脉血压和血流等颅内压关联数据和有创检测获得的颅内压实测数据； (2)对各所述样本的样本数据进行数据分析，建立体现所述颅内压关联数据和所述颅内压实测数据之间关系的样本模型； (3)依据通过无创检测方式获得的被测病人的颅内压关联数据，选择与被测病人最接近的所述样本的所述样本模型； (4)以与被测病人最接近的所述样本的所述样本模型，计算出与被测病人颅内压关联数据对应的颅内压预测数据，并以此预测数据作为被测病人的无创颅内压检测数据。
2.根据权利要求1所述的无创颅内压测量方法，其特征在于采用下列数据训练的方式进行所述的步骤(2)和(3): (a)利用时间序列模型对样本数据进行分析，以样本的颅内压实测数据为输出时间序列OTS，以样本的颅内压关联数据为输入时间序列ITS，对每个样本的每个{ITS，OTS}对进行系统辨识，建立ITS与OTS的关系，获得相应样本的样本模型； (b)计算得到各{ITS，OTS}对之间的相异度矩阵E； (c)提取ITS的血流动力学特征参数向量P,建立所述血流动力学特征参数F与所述相异度矩阵E的映射关系f; (d)依据所述被测病人的颅内压关联数据，提取相应的血流动力学特征参数U，依据映射关系B求出相异度矩阵E，以相异度最小的样本为所述与被测病人最接近的样本。
3.根据权利要求2所述的无创颅内压测量方法，其特征在于: 所述步骤(a)的具体方法为: 考虑一个线性多变量系统，根据一般常识，其状态空间模型描述如下: x{k +1) = Ax (k) + Bu (I") + w(t) y(k) = Cx (k) + Du {￥) + v{k) 采用子空间系统辨识算法(N4SID)进行模式识别对公式(I)求解，求出该样本数据的its与OTS的对应关系: 其中，
4.根据权利要求1、2或3所述的无创颅内压测量方法，其特征在于所述颅内压关联数据包括血压信息和/或血流信息，所述血压信息和血流信息分别至少包括动脉血压ABP和脑血流速度CBFV。
5.根据权利要求4所述的无创颅内压测量方法，其特征在于所述动脉血压为包括逐跳连续血压信号的平均脑动脉血压，所述平均脑动脉血压为通过无创测量法根据桡动脉脉搏信息测得的平均外周动脉血压，所述脑血流速度包括通过经颅多普勒法测得的搏动指数、阻力指数、收缩期峰值血流速度和/或舒张期末血流速度，所述脑血流信息还包括脑血流方向、脑血流量和/或脑血管阻力。
6.根据权利要求5所述的无创颅内压测量方法，其特征在于每个所述样本数据的记录时间为20分钟，包括多个若干心跳长度的小片段，所述样本包括脑损伤的病人和脑积水的病人，所述样本和/或被测病人的颅内压关联数据为精选的、无伪迹的数据。
7.根据权利要求6所述的无创颅内压测量方法，其特征在于根据动脉血压的脉搏周期属性识别所述颅内压关联数据中的ABP数据的伪差，具体识别方法为:首先以每个脉搏为单位，判断取样的最高压ABPmax和最低压ABPmin,再设定一个ABP预警门限和观察周期，所述ABP预警门限依据所述最高压ABPmax和最低压ABPmin的差值进行设定，如果在设定的观察周期内测得ABP的最高值与最低值的差值超过所述ABP预警门限，则将此段ABP数据判断为伪差。
8.根据权利要求7所述的无创颅内压测量方法，其特征在于所述血流动力学参数采用慢波动态法进行提取。
9.根据权利要求8所述的无创颅内压测量方法，其特征在于所述数据训练还包括: 当需要在已经完成数据训练的包括η组所述样本数据的样本数据库中增加m组新的所述样本数据时，所述数据训练在所述步骤(c)之后还包括如下步骤: (Cl)将m组新的所述样本数据输入所述样本数据库， (c2)根据每组新的所述样本数据中的颅内压关联数据和颅内压实测数据建立相应的所述{ITS, OTS}对， (c3)对每个新的所述样本数据的{ITS，0TS}对进行系统辨识，建立新的所述样本数据的ITS与OTS的对应关系，并结合已有的η组所述样本数据计算得到(m+n)组所述样本数据中的各{ITS，0TS}对之间的相异度矩阵， (c4)提取(m+n)组所述样本数据的ITS的血流动力学特征参数u,建立(m+n)组所述样本数据的ITS的血流动力学特征参数u与相异度矩阵E的映射关系B，在已有的样本数据库中增加新数据的数据训练完成；当需要在已经完成数据训练的所述样本数据库中增加附加颅内压关联数据时，在所述数据训练完成之后还包括如下步骤: (Cl丨)根据所增加的所述附加颅内压关联数据更新所述样本数据库， (c2丨)更新所述{ITS，OTS}对，将所述ITS更新为还包括所述附加颅内压关联数据的输入时间序列， (c3 ')重复所述步骤(c3)、(c4), 所述附加颅内压关联数据包括下列中的一种、几种或全部: 颈静脉压力、脑灌注压、二氧化碳分压、氧分压、测量过程中病人的呼吸信息。
10.一种无创颅内压分析仪，采用权利要求1-9中任一项所述的测量方法无创测量颅内压，其特征在于包括用于测量所述颅内压关联数据的探头模块，用于将测得的所述颅内压关联数据进行AD转换和滤波预处理的FPGA信号采集模块，用于对所述样本数据及所采集的数字信号进行处理的FPGA信号处理模块，用于输出测量结果的输出模块，以及分别与所述探头模块、FPGA信号采集模块、FPGA信号处理模块和输出模块连接并用于控制所述各模块的ARM微处理 器控制模块。
【文档编号】A61B5/021GK103654760SQ201210331774
【公开日】2014年3月26日 申请日期:2012年9月10日 优先权日:2012年9月10日
【发明者】焦文华 申请人:焦文华