無創顱內壓測量方法及應用該方法的無創顱內壓分析儀的制作方法
【專利摘要】本發明涉及一種無創顱內壓測量方法及應用該方法的無創顱內壓分析儀，將樣本病人的樣本數據作為樣本建立初始樣本數據庫，進行數據訓練，建立若干樣本模型，無創測量、分析處理被測病人的顱內壓關聯數據，選出與被測病人相似度最大的樣本模型，將測得的被測病人的顱內壓關聯數據帶入所選擇的樣本模型中以求得被測病人的無創ICP數據。本發明的方法及分析儀通過預先建立多個樣本模型，并通過選擇誤差最小的樣本模型作為當前被測樣本的樣本模型來預測無創顱內壓，適用于不同個體、不同群體的病人且具有良好的后向兼容性，經過數據訓練的數據庫能夠通過簡單的計算進行快速、準確的測量，顯著提高了測量速度和準確性。
【專利說明】無創顱內壓測量方法及應用該方法的無創顱內壓分析儀
【技術領域】
[0001]本發明涉及一種顱內壓的無創測量方法，主要用于神經內科、神經外科、重癥監護室(ICU)中的無創顱內壓測量，本發明還涉及一種采用該測量方法的無創顱內壓分析儀。
【背景技術】
[0002]由于閃光視覺誘發信號非常弱(0.3~20 μ V)，極易淹沒在腦電信號和其他外界信號之中(腦電信號為30~100 μ V)，需要多次測量求取平均值，多次閃光刺激給病人帶來疲勞和不適，也易于引入爆發性偽跡，尤其是對于重癥病人該方法的適應范圍受到一定限制。且基于閃光視覺誘發電位法通常假設顱內壓信號與該閃光視覺誘發電位之間存在固定的函數關系，但顱內壓信號與該閃光視覺誘發電位之間的函數關系非常復雜，尤其是涉及不同的生理病理特征時更是如此，因此其測量的準確性很難保證。另外，該方法測得的是顱內壓的平均值，無法反應顱內壓的波動信息，無法滿足動態連續監測的要求，而顱內壓的動態波型中含有很多有價值的重要信息。
[0003]而目前較為常用的經顱多普勒法主要是基于“黑匣子”理論建立ICP與ABP (血壓)之間的函數關系，即用可以進行動態監測的ABP的函數式來表示ICP，如可以用下式表示:
ICP=kXABPXF (TCD)+b
其中，F (IOD)為用T⑶測量值經過變化后的函數表達式，k和b為修正值。
[0004]實際應用中，對樣本病 人進行測量并記錄FV (血流)、ABP和有創ICP的值，從FV曲線中得到TCD特征參數，從ABP曲線和有創ICP曲線中得到加權函數，然后通過加權函數和TCD特征參數，基于特定的算法(如最小均方誤差、最小二乘法等)進行預測，得到無創顱內壓預測的經驗公式，并根據經驗公式預測未知病人的無創顱內壓，通常在建立該函數式之后，將被測病人的ABP值輸入后得出其ICP曲線。
[0005]但是，由于上述函數式是根據樣本病人的數據建立的單一的關系式，而并未考慮具體被測病人的個體差異情況，因此，其對于不同病人、不同病癥的適用性較差，不能滿足實際應用中的要求。

【發明內容】

[0006]為了克服現有技術的上述缺陷，本發明的目的在于提供一種無創顱內壓測量方法及應用該方法的無創顱內壓分析儀，能夠對病人的ICP數值進行無創測量，并能夠進行動態監測，適用于不同個體、不同群體的病人，能夠通過簡單的計算進行快速、準確的測量。
[0007]本發明的技術方案是:
一種無創顱內壓測量方法，包括如下步驟:
(1)建立含有η個樣本的樣本數據的樣本數據庫，所述樣本數據包括無創檢測獲得的顱內壓關聯數據(動脈血壓和血流速度)和有創檢測獲得的顱內壓實測數據；
(2)對各所述樣本的樣本數據進行數據分析，建立體現所述顱內壓關聯數據和所述顱內壓實測數據之間關系的樣本模型；
(3)依據通過無創檢測方式獲得的被測病人的顱內壓關聯數據，選擇與被測病人最接近的所述樣本的所述樣本模型；
(4)以與被測病人最接近的所述樣本的所述樣本模型，計算出與被測病人顱內壓關聯數據對應的顱內壓預測數據，并以此預測數據作為被測病人的無創顱內壓檢測數據。
[0008]較優地，采用下列數據訓練的方式進行所述的步驟(2)和(3):
(a)利用時間序列模型對樣本數據進行分析，以樣本的顱內壓實測數據為輸出時間序列0TS，以樣本的顱內壓關聯數據為輸入時間序列ITS，對每個樣本的每個{ITS，OTS}對進行系統辨識，建立ITS與OTS的關系，獲得相應樣本的樣本模型；
(b)計算得到各{ITS，OTS}對之間的相異度矩陣E；
(c)提取ITS的血流動力學特征參數P,建立所述血流動力學特征參數P與所述相異度矩陣E的映射關系F ；
(d)依據所述被測病人的顱內壓關聯數據，提取相應的血流動力學特征參數p，依據映射關系F求出相異度矩陣E，以相異度最小的樣本為所述與被測病人最接近的樣本。
[0009]較優地，所述步驟(a)的具體方法為:
選擇第i (/為自然數，i<?)個樣本數據，采用子空間模式識別方法或增廣Kalman濾波或基于粒子濾波的點估計方法進行模式識別對公式(I)求解，求出第k個樣本數據的ITS與OTS的對應關系:
【權利要求】
1.一種無創顱內壓測量方法，其特征在于包括如下步驟: (1)建立含有η個樣本的樣本數據的樣本數據庫，所述樣本數據包括無創檢測獲得的無創動脈血壓和血流等顱內壓關聯數據和有創檢測獲得的顱內壓實測數據； (2)對各所述樣本的樣本數據進行數據分析，建立體現所述顱內壓關聯數據和所述顱內壓實測數據之間關系的樣本模型； (3)依據通過無創檢測方式獲得的被測病人的顱內壓關聯數據，選擇與被測病人最接近的所述樣本的所述樣本模型； (4)以與被測病人最接近的所述樣本的所述樣本模型，計算出與被測病人顱內壓關聯數據對應的顱內壓預測數據，并以此預測數據作為被測病人的無創顱內壓檢測數據。
2.根據權利要求1所述的無創顱內壓測量方法，其特征在于采用下列數據訓練的方式進行所述的步驟(2)和(3): (a)利用時間序列模型對樣本數據進行分析，以樣本的顱內壓實測數據為輸出時間序列OTS，以樣本的顱內壓關聯數據為輸入時間序列ITS，對每個樣本的每個{ITS，OTS}對進行系統辨識，建立ITS與OTS的關系，獲得相應樣本的樣本模型； (b)計算得到各{ITS，OTS}對之間的相異度矩陣E； (c)提取ITS的血流動力學特征參數向量P,建立所述血流動力學特征參數F與所述相異度矩陣E的映射關系f; (d)依據所述被測病人的顱內壓關聯數據，提取相應的血流動力學特征參數U，依據映射關系B求出相異度矩陣E，以相異度最小的樣本為所述與被測病人最接近的樣本。
3.根據權利要求2所述的無創顱內壓測量方法，其特征在于: 所述步驟(a)的具體方法為: 考慮一個線性多變量系統，根據一般常識，其狀態空間模型描述如下: x{k +1) = Ax (k) + Bu (I") + w(t) y(k) = Cx (k) + Du {￥) + v{k) 采用子空間系統辨識算法(N4SID)進行模式識別對公式(I)求解，求出該樣本數據的its與OTS的對應關系: 其中，
4.根據權利要求1、2或3所述的無創顱內壓測量方法，其特征在于所述顱內壓關聯數據包括血壓信息和/或血流信息，所述血壓信息和血流信息分別至少包括動脈血壓ABP和腦血流速度CBFV。
5.根據權利要求4所述的無創顱內壓測量方法，其特征在于所述動脈血壓為包括逐跳連續血壓信號的平均腦動脈血壓，所述平均腦動脈血壓為通過無創測量法根據橈動脈脈搏信息測得的平均外周動脈血壓，所述腦血流速度包括通過經顱多普勒法測得的搏動指數、阻力指數、收縮期峰值血流速度和/或舒張期末血流速度，所述腦血流信息還包括腦血流方向、腦血流量和/或腦血管阻力。
6.根據權利要求5所述的無創顱內壓測量方法，其特征在于每個所述樣本數據的記錄時間為20分鐘，包括多個若干心跳長度的小片段，所述樣本包括腦損傷的病人和腦積水的病人，所述樣本和/或被測病人的顱內壓關聯數據為精選的、無偽跡的數據。
7.根據權利要求6所述的無創顱內壓測量方法，其特征在于根據動脈血壓的脈搏周期屬性識別所述顱內壓關聯數據中的ABP數據的偽差，具體識別方法為:首先以每個脈搏為單位，判斷取樣的最高壓ABPmax和最低壓ABPmin,再設定一個ABP預警門限和觀察周期，所述ABP預警門限依據所述最高壓ABPmax和最低壓ABPmin的差值進行設定，如果在設定的觀察周期內測得ABP的最高值與最低值的差值超過所述ABP預警門限，則將此段ABP數據判斷為偽差。
8.根據權利要求7所述的無創顱內壓測量方法，其特征在于所述血流動力學參數采用慢波動態法進行提取。
9.根據權利要求8所述的無創顱內壓測量方法，其特征在于所述數據訓練還包括: 當需要在已經完成數據訓練的包括η組所述樣本數據的樣本數據庫中增加m組新的所述樣本數據時，所述數據訓練在所述步驟(c)之后還包括如下步驟: (Cl)將m組新的所述樣本數據輸入所述樣本數據庫， (c2)根據每組新的所述樣本數據中的顱內壓關聯數據和顱內壓實測數據建立相應的所述{ITS, OTS}對， (c3)對每個新的所述樣本數據的{ITS，0TS}對進行系統辨識，建立新的所述樣本數據的ITS與OTS的對應關系，并結合已有的η組所述樣本數據計算得到(m+n)組所述樣本數據中的各{ITS，0TS}對之間的相異度矩陣， (c4)提取(m+n)組所述樣本數據的ITS的血流動力學特征參數u,建立(m+n)組所述樣本數據的ITS的血流動力學特征參數u與相異度矩陣E的映射關系B，在已有的樣本數據庫中增加新數據的數據訓練完成；當需要在已經完成數據訓練的所述樣本數據庫中增加附加顱內壓關聯數據時，在所述數據訓練完成之后還包括如下步驟: (Cl丨)根據所增加的所述附加顱內壓關聯數據更新所述樣本數據庫， (c2丨)更新所述{ITS，OTS}對，將所述ITS更新為還包括所述附加顱內壓關聯數據的輸入時間序列， (c3 ')重復所述步驟(c3)、(c4), 所述附加顱內壓關聯數據包括下列中的一種、幾種或全部: 頸靜脈壓力、腦灌注壓、二氧化碳分壓、氧分壓、測量過程中病人的呼吸信息。
10.一種無創顱內壓分析儀，采用權利要求1-9中任一項所述的測量方法無創測量顱內壓，其特征在于包括用于測量所述顱內壓關聯數據的探頭模塊，用于將測得的所述顱內壓關聯數據進行AD轉換和濾波預處理的FPGA信號采集模塊，用于對所述樣本數據及所采集的數字信號進行處理的FPGA信號處理模塊，用于輸出測量結果的輸出模塊，以及分別與所述探頭模塊、FPGA信號采集模塊、FPGA信號處理模塊和輸出模塊連接并用于控制所述各模塊的ARM微處理 器控制模塊。
【文檔編號】A61B5/021GK103654760SQ201210331774
【公開日】2014年3月26日 申請日期:2012年9月10日 優先權日:2012年9月10日
【發明者】焦文華 申請人:焦文華