上在步骤202处针对多个受试者测量的血液动力学参数是 在步骤302处针对单独的受试者测量的相同血液动力学参数。在一个情况下，所测量的参 数包括高度、体重、心缩血压（PSys)、舒张血压（PDia)和心跳至心跳间隔（BTBI)。如以上 所指出的，血压测量可通过传统测量工具或通过更先进的张力测定或甚至侵入性方法（例 如，其中已针对其他目的安装A线或类似物）来获得。
[0106] 接着，根据步骤304,将所测量的血液动力学参数数据输入运行心输出量计算算法 的设备中（如以下关于图5讨论的设备），并且进行预处理。在一个实施方案中，血液动力 学参数数据的预处理包括使用所测量的数据来推导额外参数。例如，PSys和H)ia测量可 用于计算脉搏压（PP)、平均动脉压（MAP)和心缩内的最大斜率（dPdtMax)。另外，BTBI的 测量值用于计算心缩面积（SysA)。所测量的数据的预处理可由操作者手动地执行、由用于 计算C0的设备（如以下讨论的图5的设备）执行，或由独立于C0计算设备的设备（可与 所述C0计算设备通信）执行。
[0107] 类似于以上关于步骤204产生的矢量，可将所测量、推导并输入的血液动力学参 数表示为矢量。如先前所指出的，关于单独受试者收集的血液动力学参数和其他参数在示 例性实施方案中与在模型产生（图2)期间收集的那些参数相同，或至少最低限度上含有以 下讨论的计算所需的相同要素。因此，这些参数可类似于以上针对多个受试者产生的那些 参数以矢量来表示。具体来说，矢量可表示为：
[0108] X=[性别，年龄，身高，体重，PSys, PDia, PP, BTBI, MAP, dPdtMax, SysA]T
[0109] 可在（连续）生物信号内检测特定数据点的各种参数，并且所述参数用于允许选 择多个输入矢量（在步骤204处产生）中的一个，所述输入矢量对应于针对单独受试者输 入（步骤306)的血液动力学参数。或者，可省略这个步骤，并且可将模型直接地应用于所 产生的矢量（对应于单独受试者的实际数据）；参见以下讨论的步骤308。
[0110] 接着，根据步骤308,非线性数学模型随后用于将单独受试者的输入矢量与所计算 的目标值关联。附录I和II例示示例性Matlab兼容性代码，所述代码用于应用获得心输 出量的参数以实现根据本公开来计算心输出量的算法。如图所示，算法的应用涉及首先调 用多个参数（在附录I和II中标记为"params"）以供输入到算法中。大体上，参数内的值 是常数，所述常数是从标准信息推导。将参数存储于与执行心输出量算法的处理器通信的 存储设备上。在一个实施方案中，存储设备和处理器共同位于心输出量计算装置上，如以下 关于图5所讨论的。调用"params"内的数据以用于算法内，如附录II所示。尽管例示为 Matlab兼容性代码，但是应指出，本公开决不限于任何特定计算语言或软件包，所例示的实 施方案仅仅是心输出量计算算法的功能的示例。
[0111] 以下伪码总体上描述由C0计算算法执行的步骤：
[0112] 给定以下参数：
[0113] X-输入矢量[11]，其构成为：
[0114] X
[0115] A-矩阵[13, 11];图3a给出的矩阵的系数
[0116] b，w，xl，x2-矢量[13];图3a给出的矢量的系数
[0117] α、β、γ1、γ2、γ3_具有图3a中给出的值的标量
[0118] Z-辅助矢量[13]
[0119] V-辅助标量
[0120] 使用矩阵和矢量代数的抽象，根据非线性数学模型将心输出量计算如下：
[0121]z=(X-χ1)_*χ2+β;%按元素矢量乘法
[0122] t=A*z+b; %矩阵矢量乘法
[0123]t= 2.Al+exp(-2*t))-l;%非线性函数的按元素评估
[0124] v=wT*t+α; % 内积
[0125] SV=(ν-γ1) *γ2+γ3 ; % 心搏量（mL)
[0126]CO= (60/1000)*SV/BTBI心输出量（L/min)
[0127] 因此，在输入单独受试者的矢量数据之后，将数据与先前通过一系列数学步骤获 得的数据比较，以得出心搏量，所述心搏量用于结合BTBI来得出心输出量的准确量度。应 进一步认识到，仅需要测量单独活体受试者的某些血液动力学参数，并且理想地以非侵入 性方式来测量所测量的参数。因此，本文讨论的装置和方法提供用于计算活体受试者的心 输出量的有效、准确和非侵入性机制。
[0128] 随后向用户显示或以其他方式提供心输出值（根据步骤310)。在一个实施方案 中，这在用于计算C0的装置将C0值传送至显示设备时发生。或者，C0计算设备可被配置来 包括显示器，所述显示器直接显示由算法推导的值，所确定的C0(或与此相关联的任何组 成数据）也可被提供至另一设备或过程的输入端，如在受试者的进一步评估（例如，多参数 分析）中利用C0的设备或过程。参见例如，2004年3月16日签发的名称为"METHODAND APPARATUSFORMONITORINGPHYSIOLOGICPARAMETERSOFALIVINGSUBJECT"的美国专利 6, 705, 990。
[0129] 心输出量计算算法推导设备
[0130] 如以上所指出的，用于计算心输出量的算法由被配置来从多个试验受试者接收多 个数据的设备产生。设备400的示例性实施方案（参见图4)使用所接收的信息、通过非线 性优化方法将血液动力学数据与心输出量关联。
[0131] 如图所示，设备400大体包括接口 404、存储实体406和处理器402。处理器402 被配置来至少运行数据推导应用程序410、输入矢量产生应用程序412、参数产生应用程序 414和算法推导应用程序416。应了解，虽然前述应用程序在本文中描述为基本上独立的应 用程序或模块，但是也可取决于特定实现方式将所述应用程序彼此（和/或还与其他例行 程序或模块）部分地或整体地组合。也可将所述应用程序跨越两个或更多个物理和/或软 件环境进行分配，所述物理和/或软件环境包括设置在独立位置处的独立设备（所述设备 可包括例如基于"云"的过程）。
[0132] 数据推导应用程序410包括多个指令，所述指令被配置来利用通过用户输入端 420或数据接口 404输入的信息来推导其他数据。例如，心缩血压测量结果和舒张血压测 量结果可用于推导脉搏压（PP，以mrnHg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。以上讨论了推 导这些值中的每一个所需的数学过程，并且根据本发明的实施方案，所述数学过程是由数 据推导应用程序410来执行。因此，在通过输入设备420 (或通过另一数据来源，如通过数 据接口 404或无线接口接收，未示出）输入所测量的血液动力学参数数据之后，设备的操作 者仅仅需要运行数据推导应用410来获得前述值，所述值可在与设备400通信的显示设备 422处显示。
[0133] 输入矢量产生应用412包括多个指令，所述指令被配置来至少部分地基于所测量 的血液动力学参数、所输入的数据（如年龄和性别）以及从所测量的血液动力学参数推导 (如通过以上讨论的数据推导应用程序410推导）的数据而产生多个矢量。每一矢量对应 于多个试验受试者中的单独一个。在一个实施方案中，矢量包括矩阵或"元组"，如以下所例 示：
[0134] X=[性别，年龄，身高，体重，PSys,PDia,PP,BTBI,MAP,dPdtMax,SysA]T
[0135] 参数产生应用程序414包括多个指令，所述指令被配置来产生多个矩阵（或如附 录I和II提及的"params"），所述矩阵具有以用于根据本公开计算心输出量的算法实现的 系数。参数内的值是从标准信息推导的恒定值。参数被存储于装置的存储实体上，所述装 置将执行心输出量计算算法（如，以下讨论的图5的装置）。
[0136] 算法推导应用程序416包括多个指令，所述指令被配置来至少部分地基于输入矢 量和参数而产生心输出量计算算法。在一个实施方案中，心输出量计算算法包括如以上讨 论的附录I和II所例示的多个步骤。
[0137] -旦产生算法，就将所述算法转移到由临床医生操作的设备，所述设备将用于计 算单独受试者（即，患者）的心输出量。设备可例如是关于以下图5描述的那种设备。
[0138] 应了解，虽然输入设备420和显示设备422被例示为独立部件，但前述设备可被整 合到单个设备中（如通过例如电容性的或具有本领域中众所周知的类型的其他触摸屏设 备来整合）。此外，图4的设备400可几乎采取任何外形尺寸，如固定或台式设备、移动无线 设备（例如，平板计算机）、适用于较大主机设备的卡或"片"等。
[0139] 心输出量计算设备
[0140] 如以上所指出的，用于计算心输出量的算法在示例性实施方案中由临床医生操作 的设备来实现。所述设备被配置来接收单个患者所特定的多个数据（即，血液动力学数据 和其他输入数据），以计算受试者的心输出量。在一个实施方案中，图5的设备500用于这 些功能。
[0141] 如图所示，示例性设备500大体包括数据接口 504、存储实体506和处理器502。处 理器502被配置来至少运行数据预处理应用程序510、矢量选择应用程序412和C0计算算 法 514。
[0142] 数据预处理应用程序510包括多个指令，所述指令被配置来利用通过输入设备或 通过数据接口 504输入的信息以推导计