在软件应用程序的情形中）大体指的是实现某 些功能性或主题的可执行软件单元。应用程序的主题跨越任何数量的原理和功能（如，按 需内容管理、电子商业交易、佣金交易、家庭娱乐、计算器等）而广泛地变化，并且一个应用 程序可具有一个以上的主题。可执行软件的单元大体在预先确定的环境中运行；例如，单元 可包括在JavaTV?环境内运行的可下载JavaXlet?。
[0034] 如本文所使用，术语"计算机程序"或"软件"意图包括执行功能的任何序列或人或 机器可辨识的步骤。这类程序可事实上在任何编程语言或环境中呈现，所述编程语言或环 境包括例如C/C++、Fortran、COBOL、PASCAL、汇编语言、标记语言（例如，HTML、SGML、XML、 VoXML)等，以及在面向对象的环境中呈现，所述面向对象的环境如公共对象请求代理体系 结构（C0RBA)、Java?(包括J2ME、JavaBeans等）等。
[0035] 如本文所使用，术语处理器、"微处理器"和"数字处理器"大体意图包括所有类 型的数字处理设备，包括而不限于数字信号处理器（DSP)、精简指令集计算机（RISC)、通用 (CISC)处理器、微处理器、门阵列（例如，FPGA)、PLD、可重构计算构造（RCF)、阵列处理器和 专用集成电路（ASIC)。这类数字处理器可包含在单个一体式1C晶粒上，或在多个部件上分 配。
[0036] 综述
[0037] 在一个基本方面中，本公开包括用于计算心输出量的装置和方法。在一个实施方 案中，人工智能和机器学习的概念被用于执行多维非线性优化，目标是建立用于心输出量 的非线性数学模型，所述非线性数学模型克服常规线性方法的限制。数学模型以在数学上 优化的方式将生理输入源数据矢量与目标心输出值相联系，所述目标心输出值是逐心跳进 行测量，或被测量为对应于在预先指定的时间内的移动平均值的短期平均值。
[0038] 生理输入数据是通过由血液动力学传感器或其他仪器产生的测量结果收集，或可 从传感器产生的数据推导。所测量的参数包括例如a)心缩压、b)舒张压、c)脉搏压、d)心 跳至心跳间隔、e)平均动脉压、f)在心缩期间压力升高的最大斜率、g)脉搏压波的心缩部 分下方面积。将这些测量结果与作为另一组输入参数传递到所选非线性模型的性别（男性 或女性）、年龄、身高和体重组合。
[0039] 使用对平均值的回归的数学概念来获得目标心输出值，这暗示多个测量模态的应 用产生与单独方法相关联的系统偏移分量的最小化，并且过采样产生统计噪声的最小化。 因此，在跨越多个个体使用许多方法的一个实现方式中获取心输出值，所述方法包括已确 立的基于波形的方法、基于多普勒回波心动描记术的方法和基于热稀释的方法。
[0040] 随后使用多维非线性优化找出数学模型，所述数学模型以最小二乘优化方式将生 理输入数据变换成目标心输出数据。
[0041] 随后将模型应用于单独患者。
[0042] 示例性操作
[0043] 如以上所讨论，心输出量（C0)指的是在心脏的心缩阶段期间，来自右心室的输出 和来自左心室的输出的组合总和，并且在数学上表示为：
[0044] CO=心搏量X心率
[0045] 其中心率（HR)指的是每单位时间的心跳数量（以bpm计），并且心搏量（SV)指的 是每一次心跳从心脏的一个心室栗送的血液体积（以mL计）。
[0046] 如先前所指出的，病理生理学研究指示：左心室心缩和舒张功能以及中心血管功 能是非线性过程。因此，使用现有技术线性近似策略的心输出量的计算是不精确和欠佳的。 因此，本公开通过尤其提供用于计算C0的基于非线性的机制而改进当前技术。
[0047] 现参考图1，例示了根据本公开的用于计算心输出量的一般化方法100。如图所 示，方法大体上包括获得心输出量的多个目标值（步骤102)。如将在以下关于图2更详细 讨论的，在示例性实施方案中，通过多普勒、热稀释等并且使用对平均值的回归来从C0测 量结果获得目标值。非线性优化算法被用于建立数学模型，所述数学模型能够基于活体受 试者的一个或多个所测量的生理参数而估计C0。
[0048] 在步骤104处，建立数学模型。数学模型（如附录I和II所例示）被配置来将 一个或多个所测量的血液动力学参数与目标C0值相联系。因此，根据步骤106,测量受试 者的一个或多个血液动力学参数。可几乎使用适于血液动力学参数测量的任何类型的装 置测量血液动力学参数。血液动力学参数是使用压平张力测定法，包括例如通过2009年 3 月 17 日签发的名称为"METHODANDAPPARATUSFORTHENONINVASIVEASSESSMENT0F HEMODYNAMICPARAMETERSINCLUDINGBLOODVESSELLOCATION" 的共同拥有的美国专利号 7,503. 896,和 2006 年 5 月 23 日签发的名称为"METHODANDAPPARATUSFORASSESSING HEMODYNAMICPARAMETERSWITHINTHECIRCULATORYSYSTEMOFALIVINGSUBJECT" 的美 国专利号7, 048, 691中（两项专利都转让给本发明的受让人）所述的设备来测量。在同时 使用或不使用所引用的共同拥有的专利和专利申请中所述的装置和方法的情况下，可使用 用于本文公开的血液动力学参数测量中的每一种的其他装置。
[0049] 根据方法100的步骤108,将数学模型（在步骤104处建立）应用于在步骤106所 获得的血液动力学参数值。如以上所指出的，数学模型将所测量的血液动力学参数与目标 C0值相联系。因此，当在步骤108处应用时，模型能够在给定所测量的血液动力学参数的情 况下近似出C0值。随后向用户显示这个C0值（步骤110)或将所述值用作另一个设备或 过程的输入。
[0050] 产生用于计算心输出量的优化数学模型
[0051] 现参考图2,例示用于产生数学模型的一般方法200的示例性实施方案，所述数学 模型用于计算C0。
[0052] 方法200通过利用从活体受试者（即，试验受试者）的样本收集的数据来产生数 学模型，样本群体的规模理想地为大规模的。根据步骤202,测量受试者中的每一个的多个 生理参数值。所测量的生理参数可包括例如受试者的高度（如以cm计）和体重（如以kg 计），所述生理参数是使用用于进行这样测量的传统工具来测量。
[0053] 另外，所测量的生理参数包括心缩血压（PSys;以mmHg计）和舒张血压（PDia;以 mmHg计），所述生理参数可例如通过使用无水银血压计和听诊器的听诊方法来测量。或者 或另外，心缩血压和舒张血压可使用例如美国专利号7, 503, 896和7, 048, 691的先前引用 方法和装置来测量。也可使用所谓的"A线";然而，这是次优选的，因为它涉及侵入程序。
[0054] 另外，心跳至心跳间隔（BTBI)可在所测量的生理参数中。BTBI是通过监听每一受 试者的心跳以检测出第一心跳并且测量（以秒计）到下一心跳的时间来测量。或者，BTBI可从使用先前描述的参数测量设备获得的数据推导。
[0055] 接着，根据方法的步骤204,针对受试者中的每一个产生输入矢量X。输入矢量表 示所有所测量的参数（例如，高度、体重、心缩压（PSys)、舒张压（PDia)和心跳至心跳间隔 (BTBI))的矩阵；针对所测量的每一受试者产生矢量。
[0056] 另外，矢量可含有手动输入的或从其他可测量信息推导的信息。例如，输入矢量可 进一步包括手动输入的受试者的年龄和性别。另外，输入矢量可包括脉搏压（PP，以mmHg测 量）、平均动脉压（MAP，以mmHg/s)、心缩内的最大斜率（dPdtMax，以mmHg/s测量）和心缩 面积（SysA，以mmHg*s测量）的值。表示输入矢量的示例性矩阵例示如下：
[0057] X=[性别，年龄，身高，体重，PSys,PDia,PP,BTBI,MAP,dPdtMax,SysA]T
[0058] PP、MAP、dPdtMax和SysA的值的推导可通过第一过程来执行，所述第一过程可在 与用于产生输入矢量的过程相同的处理器上运行，或在不同处理实体上运行。例如，C0算 法推导设备（以下关于图4所讨论）可用于执行输入矢量产生。C0算法推导设备也可执行 推导PP、MAP、dPdtMax和SysA的值所必需的数学运算。本公开的普通技术人员将认识到各 种其他实现方式。
[0059] 脉搏压可从心缩血压测量结果与舒张血压测量结果之间的差异推导。先前引用的 美国专利号7, 503, 896和7, 048, 691中公开的方法和装置可进一步用于基于心缩血压测量 结果和舒张血压测量结果来独立地计算并显示PP。
[0060] 平均动脉压（MAP)是个体的平均血压，并且被定义为在单个心动周期期间的平均 动脉压。可如下基于心缩血压（PSys)和舒张血压（PDia)的测量值来计算MAP:
[0062] 心缩内的最大斜率（dPdtMax)被定义为对应于心缩的时间间隔内的血压（BP)信 号的一阶导数的最大值。它如下计算：
[0063]
[0064] 其中P(t)表示BP信号并且Tsys表示当前心跳的心缩间隔。在均匀离散化BP信 号的情况下，导数可通过一阶有限差分来近似：
[0066] 其中dt是以秒计的BP信号的采样周期。
[0067] 使用这种估计法，通过以下来计算dPdtMax: (i)确定当前BP心跳的开始（t开 始），（ii)确定当前BP心跳的心缩峰值的位置（tsys)，（iii)根据以上给出的估计法计