专利名称：用于监护系统的报警方法
技术领域：
本发明属于生物医学信号处理领域，尤其涉及一种用于监护系统的报警方法。
背景技术：
现有的监护系统主要采用如下两种的分析方式基于预置阈值的分析方式法和 M. Imboff等人提出的基于时序建模的分析方法。这两种方式在使用过程中均存在一定问题。基于预置阈值的分析方式是指监护系统对监测的各项生命体征参数分别设定上下限(如对于心率参数预先设定上限为120、下限为50，当监测值超出此范围时，即发出报警信息)，这种分析方式存在着增加系统运行复杂性、易出现误报警信息、无法反映监护对象身体状况变化等缺点。通常的多参数生理监护仪可实现几个甚至多达十几种生理参数监护功能，监护内容涉及到心血管系统、呼吸系统。由于监护对象的身体状况各异，要求预置阈值也存在差异。因此往往需要为每个监护对象的各种生理参数分别预置阈值。这无疑增加系统运行的复杂性。通常连续检测的过程数据集中都包含有0. 5% 10%，甚至20%的异常值，高质量的数据中也常有0.01% 0. 05%的异常值。这些异常值表现为远离大多数观察值的形式出现。 同时这些异常点通常会超出预置阈值，触发报警信息产生。在重症监护病房(ICUs)的生理参数连续监测系统中，这种现象同样经常出现。I⑶s起源于二战期间，在救护车中对全身麻醉情况下进行手术后的战士进行监护，这一项技术在1947 - 1952年期间获得广泛的应用。目前I⑶s的医疗监护技术已经非常完善，但是它的用于监护系统的报警方法在近二十年却一直引起相关研究人员的关注。其中主要原因就是由于在连续监护过程中，由于采用预置阈值的分析方式带来大量的误报警信息，给医护人员带来大量的额外工作负担。而这主要是由于检测仪器误差、以及由于监护对象移动产生的异常值造成的。监护系统的目的更重要的是能尽快的发现身体状况的变化。监护系统中监护信息的状况归纳为如
图1、图2、图3、图4所示的四种。图1是监护信息处于稳定状态的示意图。图2是监护信息有异常值出现的示意图，显示在100、200、350位置出现异常值，这些异常点经常是由于监护系统或者环境所造成的，并非反映监护对象身体状况真实的变化，因此虽然测量值超出预置阈值，但显然无需发出报警信息。相关统计资料显示在ICUs中超出50%的误报警信息是有异常值引起的。图 3是监护对象出现状态偏移的示意图，图4是监护对象出现趋势变化的示意图，图3以及图 4虽然检测值可能还未达到预置阈值，但是表示监护对象出现异常状况，要求及早发现，提请医护人员对监护对象的状况予以关注。因此对于图3以及图4中的两种状态要实现实时在线识别，并发出报警信息。M. Imboff等人提出的基于时序建模的分析方法是
权利要求
1.一种用于监护系统的报警方法，其特征在于步骤如下(1)监护系统在线运行，获得数据，作为样本数据集A；(2)对样本数据集A采用Daubechies小波基进行分解；(3)对上述分解获得各层信号进行建模，建模类型为最小二乘支持向量机(LS-SVM)；(4)应用粒子群优化算法确定LS-SVM模型参数；(5)用获得的LS-SVM模型对小波分解的各层数据进行预报；(6)采用Mallat算法，合成各分解序列的预报结果，并对合成的低频系数和高频系数分别进行小波重构，得到最终的预报结果；(7)作前向预报确定预报上下阈值PI，并对监护对象处于何种状态做出判断；(8)作前向递推修正模型参数，并重新开始预报和判断过程。
2.根据权利要求1所述的用于监护系统的报警方法，其特征在于所述步骤(1)中获得数据是获得100个数据。
3.根据权利要求1所述的用于监护系统的报警方法，其特征在于所述步骤(1)中监护系统的客户端由三个生理参数检测模块构成，分别是630A无创血压模块、811心电/呼吸 /体温模块、9003血氧模块。
4.根据权利要求1所述的用于监护系统的报警方法，其特征在于所述步骤(1)中样本数据集A包括血压、心电、呼吸、体温和血氧。
5.根据权利要求1所述的用于监护系统的报警方法，其特征在于所述步骤O)中 Daubechies小波基分解层数为3层。
6.根据权利要求1所述的用于监护系统的报警方法，其特征在于所述步骤(3)中的建模步骤如下监护信息的样本集
7.根据权利要求1所述的用于监护系统的报警方法，其特征在于所述步骤中的 LS-SVM模型参数包括核函数参数σ、调整参数Y。
8.根据权利要求1所述的用于监护系统的报警方法，其特征在于所述步骤(7)中监护对象的状态包括稳定状态、有异常值和状态偏移。
9.根据权利要求1所述的用于监护系统的报警方法，其特征在于所述步骤(7)中前向预报的步数为20 30步。
10.根据权利要求1所述的用于监护系统的报警方法，其特征在于所述步骤(8)中前向递推的步数为20 30步。
全文摘要
本发明公开了一种用于监护系统的报警方法，基于Daubechies小波基将监护信息时序数据分解为高频信号和低频信号；采用最小二乘支持向量机算法，分别建立高频信号和低频信号的预报模型；由预报模型确定预报值，利用小波逆变换获得到最终预报结果。本发明采用粒子群优化算法能实时地根据观测数据和估计结果来自动调整模型参数，以实现对“慢”时变生理参数时间序列的追踪，保证模型准确性。本发明可根据建模结果，作前向预报，确定预报值和上下域值，自动设置为报警域值，从而实现可根据不同监护对象建立因人而异的报警模型，自动设置报警阈值。本发明可应用于医院中的中央监护系统、重症监护病房、冠心病重症监护以及社区远程监护系统中。
文档编号A61B5/0205GK102499651SQ20111032488
公开日2012年6月20日 申请日期2011年10月24日 优先权日2011年10月24日
发明者张铁, 蒋贤海, 邹焱飚 申请人:华南理工大学