一种基于模型的心脑血管参数多区域搜索估计方法
【专利摘要】本发明是一种基于模型的心脑血管参数多区域搜索估计方法。先体表无创测量颈总动脉血流量、四肢动脉脉搏波和血压。再建立包含人体主要动脉血管段单元的心脑循环分布式耦合的血液循环系统混合模型，该模型可分为多个子循环系统。最后辨识血液循环系统混合模型的心脑血管参数：通过预分析输入信号的结果是否正常设置加权系数；将不敏感参数或者病态参数选择出来并设为标称值；对各子循环系统分别进行参数估计，每次估计时，将剩余子循环系统中的参数设定为标称值；对各子循环系统的估计结果子集进行综合分析，得到最终的参数估计结果。本发明无创、简便、成本低，参数估计结果更可靠，实现了局部区域结果最优化的计算，具有个体识别性。
【专利说明】一种基于模型的心脑血管参数多区域搜索估计方法【技术领域】[0001]本发明属于医学检测的信号获取【技术领域】，涉及一种基于模型的心脑血管参数多区域搜索估计方法。
【背景技术】
[0002]动脉硬化和动脉狭窄是许多心脑血管疾病(如高血压、冠心病、脑卒中等)的重要诱因，严重危害人们的生命健康。在动脉硬化和狭窄疾病初期，虽然患者尚没有明显的自觉症状,但事实上,其心血管系统中的血压、血流、血管弹性、血管阻力、血液粘度等一系列血流动力学参数早已发生了变化。如果能实现对心脑血管系统中动脉参数的有效估计，就可以根据血管参数的变化情况实现对疾病的无创检测与定位，提高心脑血管类疾病的治疗水平。
[0003]传统的非线性最小二乘优化计算方法是目前最普遍、最常用的心脑血管参数估计方法，主要是以模型输出值与实验测量值的残差最小作为准则条件来进行参数估计的。但这种方法得到的参数值只能代表某一种最小化问题的解集，但并不一定是唯一解集，也不能保证求解的参数值在人体合理的生理值范围内。要保证估计得到的参数值在合理的生理状态值标准内，就需要根据生理系统先验知识或前人研究经验定义(或计算)参数的合理初始值，这在基于最小二乘的非线性优化计算中是十分重要的。另外，基于非线性最小二乘方法进行的心脑血管参数估计是一种全局优化技术，并不能保证针对具体问题实现局部结果的最优化。
【发明内容】
[0004]针对现有心脑血管参数估计技术中存在的局限性，本发明提出一种基于模型的心脑血管参数多区域搜索估计方法。本发明方法基于分块设计的心脑循环分布式耦合模型，运用体表检测的血流量、脉搏波等生理数据，采用自适应迭代计算方法对模型中各子区域的心脑血管参数分别进行搜索估计，并通过对各个估计结果子集的综合分析，实现对模型中多段心脑动脉血管阻抗、顺应性等参数的有效估算，实现了心脑血管参数估计过程中的局部优化计算，且具有个体识别性。
[0005]本发明的一种基于模型的心脑血管参数多区域搜索估计方法，包括如下步骤:
[0006]第一步，体表无创测量颈总动脉血流量、四肢动脉脉搏波和血压。
[0007]第二步，建立包含人体主要动脉血管段单元的心脑循环分布式耦合的血液循环系统混合模型。
[0008]第三步，辨识血液循环系统混合模型的心脑血管参数，具体是:
[0009]步骤3.1:根据外周动脉疾病检测技术及检测指标随输入信号进行预分析，并根据预分析的结果进行各信号权系数矩阵值的设置；
[0010]步骤3.2:对血液循环系统混合模型的心脑血管参数进行分析，将其中不敏感参数或者容易引起病态方程问题的病态参数选择出来，将选择出来的参数设为标称值不进行估计，估计剩余参数；
[0011]步骤3.3:分别对血液循环系统混合模型中的每个子循环系统中的待估计参数进行估计，得到各个子循环系统的估计结果子集；在对某一子循环系统进行参数估计时，将血液循环系统混合模型中的剩余子循环系统中的参数设定为标称值；
[0012]步骤3.4:对各子循环系统的估计结果子集进行综合分析，得到最终的参数估计结果。
[0013]所述的步骤3.1中，对不同位置处输入信号进行先验分析，加权系数以第一步的测量值的均值来设置，在预分析的信号结果为正常时，加权系数设置为相应测量值均值的函数，在预分析的信号结果为异常时，加权系数设置为I。
[0014]所述的步骤3.3中，采用自适应加权优化迭代方法对子循环系统中的待估计参数进行估计。
[0015]本发明的优点和积极效果在于:
[0016](I)本发明同时运用血流量、脉搏波和血压数据对心脑血管循环系统进行分析，无仓IJ、简便、成本低；且获取的数据量更充分，参数估计结果更可靠，分析结果的可靠性更强；
[0017](2)本发明根据心脑血管系统分块设计的理念，对模型中各个子系统区域的参数分别进行搜索估计，实现了局部区域结果最优化的计算，克服了传统上非线性优化计算仅满足全局结果最优的缺点；
[0018](3)本发明采用的自适应加权优化迭代方法中，根据对输入信号预分析结果设置各个输入量的加权系数，实现了针对个人差异的自适应参数估计。
【专利附图】
【附图说明】
[0019]图1是本发明中多参数生理数据体表无创测量位点及检测量示意图；
[0020]图2是本发明进行动脉脉搏波采集的步骤流程图；
[0021]图3是本发明的心脑循环分布式耦合的血液循环系统混合模型结构图；
[0022]图4是本发明的心脑血管参数多区域搜索估计方法的流程示意图。
[0023]图中:
[0024]1-左颈总动脉 2-右颈总动脉 3-左肱动脉 4-右肱动脉 5-左胫后动脉6-右胫后动脉
[0025]7-颈总动脉血流量8-肱动脉脉搏波9-胫后动脉脉搏波【具体实施方式】
[0026]下面结合附图和实施例对本发明的技术方案作进一步地详细描述。
[0027]本发明的基于模型的心脑血管参数多区域搜索估计方法，涉及一种基于心脑血管分布式模型，运用体表检测的血流量、脉搏波等生理数据进行动脉血管参数自适应辨识，根据心脑血管系统模型各子系统的“分块设计”理念，采用自适应迭代计算方法对模型中各子区域的心脑血管参数分别进行搜索估计，并通过对各个估计结果子集的综合分析，得到最终的模型参数估计结果。
[0028]本发明的系统控制学基础是:利用包含主要心脑动脉血管段单元的心脑循环系统分布式耦合模型，结合相应大动脉血管体表血流量、脉搏波、血压等多种生理数据无创检测技术，将心脑血管系统看作是系统结构既定、系统参数未知的灰盒系统，将无创测量的生理参数作为系统的输入，根据系统参数辨识问题的研究思路，实现对系统中与动脉血管生理功能直接相关的参数数值的辨识。
[0029]下面结合图1到图4，说明本发明的基于模型的心脑血管参数多区域搜索估计方法的各个步骤。
[0030]第一步，在体表无创测量颈总动脉血流量、四肢动脉脉搏波和血压。
[0031]本发明方法对体表多个采集点进行生理参数数据的无创采集，体表采集点如图1所示，包括测量左颈总动脉1、右颈总动脉2，以及四肢动脉:上臂的左肱动脉3、右肱动脉4，以及足踝部的左胫后动脉5、右胫后动脉6。根据采集的生理参数获取颈总动脉血流量7、左、右肱动脉脉搏波8、左、右胫后动脉脉搏波9，以及四肢动脉的收缩压和舒张压。
[0032]本发明方法中运用袖带加压方法测量四肢动脉的动态脉搏波和血压数据。
[0033]本方法对四肢动脉血管(上臂肱动脉3，4和足踝部胫后动脉5，6)的脉搏波采集包括动态模式米集和静态模式米集两个过程，如图2所不。
[0034]在被测者四肢上绑定袖带后，启动动态模式脉搏波采集。
[0035]A.动态模式脉搏波采集:
[0036]动态模式下，通过对被试者四肢上绑定的袖带进行充气加压，使袖带中压力增大至设定的最大充气压力值；之后袖带开始放气，同步采集四肢动脉搏动测量数据；根据示波法测血压的原理，计算各检测动脉血管单元的舒张压和收缩压。
[0037]动态模式脉搏波采集完成后，启动静态模式脉搏波采集。
[0038]B.静态模式脉搏波采集:
[0039]首先设定静态模式下袖带的充气压力值:根据被试者的收缩压和舒张压值设定静态模式的袖带的充气压力，充气压力值应大于舒张压值而小于收缩压值。静态采集模式下，袖带的充气压力维持在设定值不变，并在此恒定充气压力下同步采集四肢动脉脉搏波；10?15秒后，袖带放气，保存采集的脉搏波数据，停止检测。
[0040]对于颈总动脉难以用袖带测量脉搏波，采用多普勒超声测量血流量。
[0041]第二步，建立包含人体主要动脉血管段单元的心脑循环分布式耦合的血液循环系统混合模型。
[0042]本发明方法所建立的心脑循环分布式耦合的血液循环系统混合模型主要着眼于人体动脉系统，包含较多的动脉血管单元，结构如图3所示。本发明方法所述的心脑循环分布式耦合的血液循环系统混合模型既包含多个体表无创检测位点对应的动脉血管分布单元:左、右颈总动脉，左、右上肢肱动脉和左、右下肢胫后动脉；也包含临床上易发生硬化和狭窄病变的血管段单元:肾动脉、肝动脉等胸腹部动脉，以及其他的中间动脉血管集中参数单元；心血管和脑血管则分别作为独立的单元，以进行详细具体的描述。
[0043]如图3所示，本发明所建立的血液循环系统混合模型，在头部部分的血管分布单元包括左、右颈总动脉，脑部和头颈部静脉；上肢部分的血管分布单元包括左、右肱动脉，左、右桡动脉，左、右尺动脉、外周阻抗以及左、右上肢静脉；下肢部分的血管分布单元包括左、右股动脉，中间动脉，左、右胫后动脉，外周阻抗以及左、右下肢静脉等等；上躯干包括胸腹部动脉；心脏部位包括心脏、瓣膜、系统静脉和主动脉等。
[0044]第三步，辨识心脑血管系统参数。本发明建立了基于多区域搜索的心脑血管系统参数反演辨识方法。
[0045]根据系统参数辨识问题的求解方法，以上述无创测量的血流量和脉搏波数据作为输入信号，将心脑循环分布式耦合的血液循环系统混合模型看作是结构既定、模型参数未知的灰盒系统，以输入信号与模型仿真信号的残差最小为准则，求解系统中心脑血管参数的数值，实现对与动脉功能直接相关的血管阻抗参数R、血管顺应性参数C的准确辨识。
[0046]本发明提出了一种新型参数辨识方法一基于多区域搜索的心脑血管参数估计方法，如图1所示。该参数辨识方法主要是针对普通非线性优化技术是一种全局优化算法、无法实现局部结果的最优化的问题提出的。本发明所提出的基于多区域搜索的心脑血管参数估计方法主要包括两个关键思路。其一是模型“分块”概念:本发明建立的心脑循环分布式耦合的血液循环系统混合模型包括心脏、胸部、腹部、上肢、下肢等多个子循环系统区域，在参数估计过程中，每次只对其中一个子区域的参数进行估计，其他子区域假设为功能正常状态，包含在其中的参数设为标称值，不进行估计。其二是自适应加权优化技术的使用。基于现有的一些外周动脉疾病检测技术及检测指标，对不同位置处输入信号进行先验分析；根据分析结果计算变换相应的权系数值，以使准则函数计算结果能够更好地反映局部信息。最后通过综合分析各个子区域系统的参数估计结果子集，得到心脑血管系统最终的参数估计结果。
[0047]基于多区域搜索的心脑血管参数估计方法的过程为:
[0048]( I)根据现有的外周动脉疾病检测技术及检测指标随输入信号进行预分析，并根据分析的结果进行各信号权系数矩阵值的设置；
[0049]现有的外周动脉疾病无创血流动力学检测技术已经能够根据现有的检测指标，如脉压、收缩压和舒张压、踝臂指数等，实现对采集脉搏波数据的异常与否做出初步的判定，这些先验的输入信号预分析结果可以作为加权系数设置的参考，以根据个体检测信号进行加权系数的自适应设置。
[0050]基于现有的一些外周动脉疾病检测技术及检测指标，对不同位置处输入信号进行先验分析；根据分析结果计算变换相应的权系数值，以使(3)中的准则函数计算结果能够更好地反映局部信息；加权系数以各检测量(血压、血流量)的均值来设置，在预分析信号结果为正常时设置为相应信号均值的函数，而预分析为异常时则设置为I。
[0051](2)运用相关的参数分析方法对模型的参数进行分析，将模型中灵敏度较低的参数以及容易引起病态方程问题的病态参数选择出来，在参数估计过程中将这些选择出来的参数的值设定为标称值不进行参数估计，将模型中其他的参数作为待估计参数。
[0052]本发明所用的参数分析方法包括两种:子集选择方法和灵敏度分析方法。
[0053]A.子集选择方法
[0054]子集选择方法主要是用来解决方法估计过程中病态方程的过度参数化问题的。也就是通过分析模型方程组所对应Hessian矩阵的特征值分布情况，将要估计的参数分为两组:一组是良态参数，即能得到可靠的估计结果的独立参数；一组是病态参数，即残差准则函数在这些参数上收敛速度很慢。通过子集选择方法可以，将病态参数选择出来，在迭代计算过程中将病态参数固定为初始值，不进行估计。
[0055]子集选择方法的原理步骤如下:[0056](1.1)给定参数变量的初始值(J，计算模型微分方程组的Hessian矩阵H
[0057]
【权利要求】
1.一种基于模型的心脑血管参数多区域搜索估计方法，其特征在于，包括如下步骤: 第一步，体表无创测量颈总动脉血流量、四肢动脉脉搏波和血压； 第二步，建立包含人体主要动脉血管段单元的心脑循环分布式耦合的血液循环系统混合模型； 第三步，辨识血液循环系统混合模型的心脑血管参数，具体是: 步骤3.1:根据外周动脉疾病检测技术及检测指标对输入信号进行预分析，并根据预分析的结果进行各信号权系数矩阵值的设置； 步骤3.2:对血液循环系统混合模型的心脑血管参数进行分析，将其中不敏感参数或者容易引起病态方程问题的病态参数选择出来，将选择出来的参数设为标称值不进行估计，估计剩余参数； 步骤3.3:分别对血液循环系统混合模型中的每个子循环系统中的待估计参数进行估计，得到各个子循环系统的估计结果子集；在对某一子循环系统进行参数估计时，将血液循环系统混合模型中的剩余子循环系统中的参数设定为标称值； 步骤3.4:对各子循环系统的估计结果子集进行综合分析，得到最终的参数估计结果。
2.根据权利要求1所述的一种基于模型的心脑血管参数多区域搜索估计方法，其特征在于，所述的第一步中，体表无创测量的采集点包括左、右颈总动脉，左、右肱动脉以及左、右胫后动脉。
3.根据权利要求1或2所述的一种基于模型的心脑血管参数多区域搜索估计方法，其特征在于，所述的第一步中，检测四肢动脉脉搏波，包括动态模式采集和静态模式采集两个过程: 动态模式下，通过对被试者四肢上绑定的袖带进行充气加压，使袖带中压力增大至设定的最大充气压力值；之后袖带开始放气，同步采集四肢动脉搏动测量数据，计算各检测动脉血管单元的舒张压和收缩压； 静态模式下，首先设定静态模式下袖带的充气压力值，袖带的充气压力值大于舒张压值而小于收缩压值；然后，维持袖带的充气压力值不变，同步采集四肢动脉脉搏波，10~15秒后，袖带放气，保存采集的脉搏波数据，停止检测。
4.根据权利要求1所述的一种基于模型的心脑血管参数多区域搜索估计方法，其特征在于，所述的步骤3.1中，对不同位置处输入信号进行先验分析，加权系数以第一步的测量值的均值来设置，在预分析的信号结果为正常时，加权系数设置为相应测量值均值的函数，在预分析的信号结果为异常时，加权系数设置为I。
5.根据权利要求1或4所述的一种基于模型的心脑血管参数多区域搜索估计方法，其特征在于，所述的步骤3.3中，采用自适应加权优化迭代方法对子循环系统中的待估计参数进行估计，所采用的准则函数f( e)为--
6.根据权利要求1或4所述的一种基于模型的心脑血管参数多区域搜索估计方法，其特征在于，所述的步骤3.4，对估计的参数值0 e依据下式进行判别:
【文档编号】G06F19/00GK103714259SQ201410006713
【公开日】2014年4月9日 申请日期:2014年1月7日 优先权日:2014年1月7日
【发明者】李德玉, 李晓芸, 李淑宇, 樊瑜波, 张弛, 王玲, 蒲放 申请人:北京航空航天大学