用于检测流体响应的方法和系统与流程

本发明大体涉及一种方法和系统，尤其涉及一种用于检测流体注入被测对象后的流体响应的方法和系统。
背景技术：
：败血症是一种严重的疾病，是指致病菌或条件致病菌侵入血循环，并在血中生长繁殖，产生毒素而发生的急性全身性感染。血液中用于对抗感染的炎症因子或者化学物质引起普遍的炎症反应，从而导致血液凝块和血管渗漏。这样使得机体血流量受损，由于剥夺了血液中的营养和氧气，对机体器官造成损害。最严重的情况是，感染引起危及生命的血压下降，即败血性休克，其导致例如肺、肾和肝等若干器官衰竭，最终致死。败血症是美国10大致死原因之一。每年约有750,000例败血症病例，其中超过215,000例导致死亡。败血症还是进入重症监护以及重症监护过程中致死原因中最常见的原因之一。因此，作为重症监护过程中最主要的致死原因，败血症是重症监护中面临的最大挑战。提高对于败血症的治疗不仅有利于病人的康复，还有利于减轻巨大的医疗负担。静脉注射液是治疗败血症病患的重要组成部分。在对败血症患者的治疗过程中，一旦出现血流灌注过少，就应该开始进行程序性的和定量的复苏。根据具体的病人和所处败血症阶段，在流体注射后，产生不同种类的流体响应。对于每种类型的流体响应，推荐采用不同的治疗方法。因此，对于败血症流体复苏，需要可靠的流体响应检测结果。对于一些其他的疾病，例如低血压、心跳过速和/或少尿症，同样需要可靠的流体响应检测结果协助治疗。因此，有必要提供一种用于解决上述问题的解决方案。技术实现要素：本发明的一个方面在于提供一种检测被测对象的流体响应的方法，其包括在流体注入所述被测对象后，测定血压值的时间序列；计算所述血压值的平均值；在所述血压值中，确定高于所述平均值的连续的血压值的最大数量；确定至少一个临界值；及至少根据所述最大数量和所述临界值对所述被测对象的流体响应进行分类，得到流体响应状态。本发明的另一个方面在于提供一种用于检测流体响应的系统，其包括：监测装置和处理器。所述监测装置用于在流体注入被测对象后，测定血压值的时间序列。所述处理器用于计算所述血压值的平均值；在所述血压值中，确定高于所述平均值的连续的血压值的最大数量；确定至少一个临界值；及至少根据所述最大数量和所述临界值对所述被测对象的流体响应进行分类，得到流体响应状态。附图说明通过结合附图对于本发明的实施方式进行描述，可以更好地理解本发明，在附图中：图1是本发明的三种类型的流体响应的血压值的时间序列的一个实施方式的图表；图2是本发明的检测流体响应的方法的一个实施方式的流程图；图3是本发明的血压值和血压值的平均值的一个实施方式的示意图；图4是本发明的多个训练片段的血压值的最大数量和血压值总数的比例的一个实施方式的图表；及图5是本发明的检测系统的一个实施方式的示意图。具体实施方式为帮助本领域的技术人员能够确切地理解本发明所要求保护的主题，下面结合附图详细描述本发明的具体实施方式。在以下对这些具体实施方式的详细描述中，本说明书对一些公知的功能或构造不做详细描述以避免不必要的细节而影响到本发明的披露。除非另作定义，本权利要求书和说明书中所使用的技术术语或者科学术语应当为本发明所属
技术领域：
内具有一般技能的人士所理解的通常意义。本说明书以及权利要求书中所使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“一个”或者“一”等类似词语并不表示数量限制，而是表示存在至少一个。“包括”或者“具有”等类似的词语意指出现在“包括”或者“具有”前面的元件或者物件涵盖出现在“包括”或者“具有”后面列举的元件或者物件及其等同元件，并不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。本发明的具体实施方式主要涉及一种检测被测对象(例如病人)在注入流体后的流体响应的方法。作为非限制性示例，该方法可以适用于败血症、低血糖、心跳过速和/或少尿症病人的流体响应检测。该方法包括：在流体注入被测对象后，测量血压值的时间序列并计算血压值的平均值。该方法还包括：在血压值中确定高于平均值的连续血压值的最大数量，且确定至少一个临界值，并至少根据最大数量和临界值对被测对象的流体响应进行分类，得到流体响应状态。在一具体实施方式中，血压指平均动脉血压(MeanArterialPressure，MAP)，其由收缩压(SystolicBloodPressure，SBP)和舒张压(DiastolicBloodPressure，DBP)计算而来。对于败血症病人，流体响应可以被归为无响应、瞬时响应和快速响应三种分类中的一类。对于其他某些疾病或在其他的条件下，流体响应的分类可能会有所变化。相应地，流体响应的分类是根据具体的应用而确定的。用于 败血症病人的流体响应检测方法将在接下来的段落中作为示例进行描述和说明。图1示出一个具体实施方式的三种类型的流体响应的MAP的时间序列。参照图表A，流体注入败血症病人后，MAP基本上没有发生改变，因此，流体响应被归于无响应。在本具体实施方式中，流体是1000ml的0.9％的生理盐水。现参照图表B，注入流体后，MAP短暂地升高，然后回落到原始水平，即注入流体前的血压水平，因此，流体响应被归于瞬时响应。现参照图表C，注入流体后，MAP逐渐升高并维持在一个相对较高水平，因此，流体响应被归于快速响应。在一些具体实施方式中，流体可能是生理盐水、5％的葡萄糖水溶液(D5W)或者其他类似物质。图表A，B，C所示为每种类型的流体响应的MAP的典型变化，然而，具体病人的MAP可能有不同地变化和/或以更复杂的方式变化。在具体应用中，根据多种血液动力学参数对流体响应进行分类，血液动力学参数不仅包括血压，还包括其他血液动力学指标，例如心率(HR)、氧饱和度、实验测试、心脏排血量(CO)等。对于流体响应，不但根据流体注入后检测到的血液动力学参数对其进行分类，而且根据病人的电子医疗记录中的血液动力学参数对其进行分类。本发明实施例涉及在假设其他血液动力学参数符合对应类型的流体响应的要求时，根据血压对流体响应进行分类的方法。图2示出一个具体实施方式的用于检测流体响应的方法10的流程图。方法10包括模块12中的在流体注入被测对象后测量血压值的时间序列pi(i＝1,…,n)，其中n是血压值的总数。在特定的时间段(例如30分钟或1小时)内相同间隔时间(例如1分钟)地测量血压值。例如，在注入流体后的1小时内每隔1分钟对病人的血压值进行测量，一共收集到的61个血压值，其中包括注入流体时的初始血压值p1。因此，这里总数n是61。血压值的序列是离散的数值序列。在本具体实施方式中，血压是MAP。在所示具体实施方式中，方法10还包括在模块14中从血压值中移除一个或多个异常值以及平滑血压值。在一具体实施方式中，如果血压值超出其一系列的邻近的血压值的3西格玛(Sigma)，将其作为异常值。在另一具体实施方式中，可以根据另一标准判断血压值是否为异常值。在某些情况下，检测到的血压值可能包括一个或多个异常值。将异常值从血压值中移除，保留可靠的血压值。在一具体实施方式中，血压值通过移动平均进行平滑，也就是说，平滑后的血压值是一系列的邻近的血压值的平均值。邻近的血压值的数量可以进行调整。在另一具体实施方式中，血压值通过其他平滑方法进行平滑。在另一具体实施方式中，可以将移除异常值的过程和平滑过程分为两个模块。在另一具体实施方式中，根据具体应用移除和/或平滑步骤可以省略。在模块16中计算血压值的平均值pmean。在所示具体实施方式中，利用不含异常值的平滑后的血压值计算平均值pmean。在本具体实施方式中，在模块18中根据初始血压值p1和血压值的平均值pmean对流体响应进行分类。初始血压值p1是在流体注入被测对象时测量的。平均值pmean与初始血压值p1进行比较，如果平均值pmean小于初始血压值p1，被测对象的流体响应被归于模块20中的无响应。如果平均值pmean不小于初始血压值p1，在模块22中根据初始血压值p1和终止血压值pn对流体响应进一步进行分类。终止血压值pn在特定时间段结束时测量。在模块22中，终止血压值pn和初始血压值p1之间的差值与目标血压增量进行比较。目标血压增量为所期望血压增加的量。如果差值不小于目标血压增量，那么流体响应被归于模块32中的快速响应。也就是说，对于快速响应，血压升高到目标血压水平(或期望的血压水平)并在一定时间段内血压维持在该水平。在一具体实施方式中，目标血压增量是初始血压值p1的大约10％到大约20％。流体注入后的血压预计将升高大约10％到大约20％。在另一具体实施方式中，目标血压增量是10mmHg(毫米汞柱)。目标血压增量 是在1小时或30分钟内达到的，升高的血压将维持一段时间，例如，至少1小时或至少30分钟。如果终止血压值pn和初始血压值p1之间的差值小于目标血压增量，参见模块24，在血压值的时间序列pi中确定高于平均值pmean的连续血压值的最大数量Ω。结合参照图3，其示出一具体实施方式的血压值序列40和血压值序列40的平均值42。其中，血压值的序列40中3个子集的血压值连续地高于平均值42。三个子集分别为血压值V1到血压值V2的血压值子集、血压值V3到血压值V4的血压值子集和血压值V5到血压值V6的血压值子集。血压值V1到血压值V2的第一子集拥有7个高于平均值42的连续数值，血压值V3到血压值V4的第二子集拥有8个高于平均值42的连续数值，血压值V5到血压值V6的第三子集拥有14个高于平均值42的连续数值，所以最大数量Ω是第三子集所拥有的血压值的数量。因此，这里最大数量Ω是14，但是此处仅为用于说明目的的示例，并不限于此。继续参照图2，方法10还包括确定至少一个临界值并至少根据最大数量Ω和临界值对被测对象的流体响应进行分类。在所示具体实施方式中，在模块26中计算最大数量Ω与血压值的总数n之间的比例R。在图3的具体实施方式中，比例R＝Ω/n＝14/61。通过比较比例R与临界值对流体响应进行分类。在所示具体实施方式中，确定一个较低临界值Rth-low和一个较高临界值Rth-high，两者都在0和1之间。在模块28中，如果比例R小于较低临界值Rth-low，流体响应被归为无响应，否则比例R与较高临界值Rth-high进行比较，如模块30。如果比例R不大于较高临界值Rth-high，流体响应被归为模块34中的瞬时响应，否则，流体响应被归为模块32中的快速响应。在本具体实施方式中，设置的两个临界值将流体响应分为三类。在另一具体实施方式中，对于其他具体应用，可以设置一个或两个以上的临界值。在另一具体实施方式中，最大数量Ω与临界值比较，对流体响应进行分类。这里临界值是对应最大数量Ω的正整数，其在一具体实施方式中可能在 1到60之间。在某些情况下，模块18和22中的步骤可以加快方法10的过程。在一些具体实施方式中，可以省略模块18和/或22中的步骤，并且确定最大数量Ω和合适的临界值，从而对流体响应进行分类。较低临界值Rth-low和较高临界值Rth-high可以通过多种方法确定。以下将结合图4对一具体实施方式中确定临界值的方法进行描述。从已知数据库中选出若干训练片段(或称作流体响应片段)，每一个训练片段均拥有血压值的时间序列。在本具体实施方式中，从MICICII数据库中选取46个训练片段，其中3个训练片段由于数据质量问题无效，所以，43个训练片段有效。每一个训练片段均已被标注上流体响应的三种分类中的一种，一般由多个经验丰富的医生进行分类和标注，并且训练片段的不同流体响应种类在图4中用不同形状的图标分别标注。将图2中的方法10用于训练片段，即利用每个训练片段的血压值，通过方法10对其流体响应进行分类。在本具体实施方式中，通过方法10分别计算43个训练片段的比例R。比例R在0到1的范围内，其中对应无响应的比例R最低，对应快速响应的比例R最高。在具体实施方式中，模块18中，如果平均值pmean小于初始血压值p1，无响应的比例R设为0。模块22中，如果平均值pmean不小于初始血压值p1，并且终止血压值pn和初始血压值p1之间的差值不小于目标血压增量，快速响应的比例R设为1。这里将比例R设为0或1有助于对临界值的确定，而并不限于此。在方法10的其他条件下，根据最大数量Ω和总数n计算比例R。各个训练片段的比例R由图4示出。比例R用作较低临界值Rth-low和较高临界值Rth-high的候选，并计算分类错误的数量。在图4中，对于每一个训练片段，根据已标注的分类标记流体响应，同时示出通过方法10计算的比例R。设定合适的较低临界值Rth-low和较高临界值Rth-high确保快速响应分布在较高临界值Rth-high之上，瞬时响应分布在较低临界值Rth-low和较高临界值Rth-high之间，并且无响应分布在较低临界值Rth-low之下。如果流体响应分布和已标注的流体响应类型不对应，将其视 为错误分类。较高临界值Rth-high的比例R的一些可能值、快速响应错误数量、瞬时响应错误数量，以及快速响应和瞬时响应的错误总数如下表1所示。表1较高临界值Rth-high快速响应错误瞬时响应错误错误总数0.54100000.52460110.39340220.32790330.32470330.27870550.27870550.24590770.22950880.22950880.22950880.22950880.22950880.196701313001414由表1可知，当较高临界值Rth-high是0.5410时，错误总数最小，所以0.5410可以被选作方法10的较高临界值Rth-high。现参照图4，较高临界值Rth-high可以稍微调整。在图4所示的实施例中，较高临界值Rth-high可以是归于快速响应的训练片段中的最小比例R和归于瞬时响应的训练片段中的最大比例R之间的任意值，即训练片段50的比例R和训练片段52的比例R之间的任意值，例如，如图4所示，在0.61到0.5410之间。但并不限于图4所示的实施例，在其他实施例中较高临界值Rth-high可以根据实际数据情况进行调整。与较高临界值Rth-high相似，较低临界值Rth-low的比例R的一些可能值、无响应的错误数量、瞬时响应的错误数量，以及无响应和瞬时响应的错误总数如下表2所示。表2较低临界值Rth-low无响应错误瞬时响应错误错误总数0.5410014140.5246013130.3934012120.3279210120.3279210120.278728100.278728100.24592790.22952240.22952240.22952240.22952240.22952240.1967213023023由表2可知，当较低临界值Rth-low是0.1967时，错误总数值最小，所以，0.1967可被选作方法10的较低临界值Rth-low。与较高临界值Rth-high相似，较低临界值Rth-low也可以稍微调整。对于具有3个无效训练片段的46个训练片段，前述选择出的临界值用于方法10，产生三个分类错误，三个分类错误为应归于无响应的训练片段54和56，和应归于瞬时响应的训练片段58。应归于无响应的训练片段54和56通过方法10被分类为瞬时响应，应归于瞬时响应的训练片段58通过方法10被分类为无响应。训练错误比例为3/(46-3)＝7.0％。换言之，方法10可以正确将93％的流体响应正确分类。方法10可以相对准确地将流体响应进行分类。在另一具体实施方式中，临界值可以通过其他任何方法确定。图5示出本发明的一个具体实施方式的用于检测流体响应的系统60的示意图。系统60包括监测装置62，其与病人64接触，用来在流体注入病人64后检测血液动力学信号，血液动力学信号包括血压值的时间序列。监测装置62可以包括多个与病人64某些身体部分接触的探测头(未图示)，其用于检测不同的血液动力学信号。监测装置62接收血液动力学信号并将其传送至处理器66。处理器66将信号转化为数字模式，并将其存储在存储器68中。处理器66用于：计算血压值的平均值，在血压值的时间序列中确定高于平均值的连续血压值的最大数量，确定至少一个临界值并至少根据最大数量和临界值对被测对象的流体响应进行分类，从而得到流体响应状态。处理器66用于处理图2方法10的模块14-34中的操作。具体操作的细节不在此赘述。存储器68用于储存来自处理器66的数据，例如在处理过程中的中间数据。病人64的电子医疗记录信息可以储存在存储器68中，其可以提供给处理器66。存储器68可以与处理器66集成在一起，也可以与处理器66相互分离。对系统60的指令、参数和/或其他信息可以通过用户界面70输入，用户界面70可以包括一个集成的或分离的显示单元72。在本具体实施方式中，用户界面70可以接收表示流体已经注入的信号，并且用户界面70在几乎同时给处理器66发出指令信号，命令处理器66开始监测流体响应。显示器72可以显示来自处理器66的流体响应状态、血压值和/或其他信息。在一具体实施方式中，系统60还包括一些其他单元，这些单元并未在图5中示出。在一具体实施方式中，监测装置62、处理器66、存储器68、用户界面70和显示器72可以整合成为一个装置，例如病人监护仪(PatientMonitor)。方法10可以通过病人监护仪实现。本发明的具体实施方式在本文以功能和/或模块组件及各种处理步骤进行描述。应当理解的是，这些组件可以通过任何数量的用于执行该特定功能的硬件和/或软件配置实现。例如，本发明的一个具体实施方式可以使用各种集成电路元件，例如，存储元件、数字信号处理元件、逻辑元件、查找表等，因此在一个或者多个微处理器或者其他控制设备的控制下，可以实现多种功能。另外，本发明的具体实施方式可以与现实中任意数量的数据传输协议相结合。此外，本文所述系统，仅作为一个示例性具体实施方式进行描述。虽然结合特定的具体实施方式对本发明进行了详细说明，但本领域的技术人员可以理解，对本发明可以作出许多修改和变型。因此，要认识到，权 利要求书的意图在于覆盖在本发明真正构思和范围内的所有这些修改和变型。当前第1页1 2 3