血压和颅内压的信号处理与临床参数算法制造技术

本发明专利技术公开了血压和颅内压的信号处理与临床参数算法，涉及医疗卫生领域，本发明专利技术的算法通过完整的积分平均值运算，得到平均压；基于正弦波假设，对一段积分时长内的正向差压求2倍均方的根，再乘以

【技术实现步骤摘要】
血压和颅内压的信号处理与临床参数算法〖
〗本专利技术涉及医疗卫生领域，特别是涉及血压和颅内压的信号处理与临床参数算法。〖
技术介绍
〗由于心脏搏动的原因，血压和颅内压的特征是在一定静态压力基础之上叠加有脉动压力。血压比颅内压的脉动幅度更明显一些。血压和颅内压的监测方式分为无创和有创两种。有创方式因其更加准确可靠而被临床认定为是金标准。有创血方式又称为直接测量法，是通过与测量部位建立压力直接传递通道，使用压力传感器获得瞬时压力。瞬时压力必需经过处理和计算，才能得到血压和颅内压的各个临床参数。血压的临床参数主要是收缩压和舒张压，还包括平均压；而颅内压的临床参数主要是平均压，还包括收缩压和舒张压。收缩压指波峰压力，舒张压指波谷压力，平均压指平均压力。按照这样的定义，在信号处理和临床参数计算时一般是采用波形形态识别法，先识别到波动周期性，找到每个波峰和波谷的位置，然后经过一系列计算获得波峰压力、波谷压力和平均压力。实际的血压和颅内压波形复杂而多变，而且是随机的。因此，要准确无误地捕捉和区分每一个周期、每一个波峰和每一个波谷是困难的，甚至是不可能的。错判或漏掉一个波峰或者一个波谷将给最终结果带来很大的误差，数值将大幅度跳变、不稳定。也有人采用多次平均、自相关、小波变换等非常复杂的数学算法来改善波形形态识别法。这将会占用大量的计算资源效率很低，并且带来最终测量结果的较大延迟、反应慢。最主要的是，它们也无法完全杜绝错判或漏掉波峰或者波谷的情况发生，效果不是很理想，只能基于概率来评估测量准确度。这些基于概率、而不是基于物理学原理的算法有其天然的理论缺陷，必须通过大量的临床数据库比对来验证其测量结果的有效性。〖
技术实现思路
〗基于现有技术存在的不足，本专利技术的目的在于提供一种血压和颅内压监测信号处理算法，该算法利用所获得的瞬时压力，经过处理和计算得到波峰压力、波谷压力和平均压力，分别作为收缩压、舒张压和平均压。该算法能准确、快速而稳定，还能有效抑制呼吸波干扰。本专利技术的适用范围除了血压和颅内压的信号处理以外，也包括与心脏搏动相关的其他体内压力的信号处理。为实现上述目的，本专利技术采用以下的技术方案：平均压的计算利用瞬时压力，根据应用需求和技术标准选择合适的计算参数，通过完整的积分平均值运算，获得平均压，算法见公式(1)。式中，MEAm---平均压；Pi---瞬时压力；m---平均压的数据序号；i---瞬时压力的数据序号；T---积分时长，指积分平均值运算的时间长度；F---瞬时压力的数据速率，指每秒内所获得的数据个数，单位：sps，samplespersecond，每秒样本数；k1---校准系数，是为了消除平均压的增益误差而设定的一个常数。TF如果是非整数，则直接去掉小数位，或四舍五入，或去除小数后整数位加1来取整数。优选的，瞬时压力的数据速率F取值20sps。优选的，平均压的数据速率为f，f的取值为1sps。优选的，积分时长T取值6s。优选的，校准系数k1取值接近于1。收缩压和舒张压的计算S1：平均压的计算平均压的计算结果既是一个独立的结果，还作为收缩压和舒张的计算的一个步骤。S2：正向差压和负向差压的计算正向差压和负向差压是被定义的中间变量，它们将被用于计算收缩压和舒张压。利用瞬时压力，根据应用需求和技术标准选择合适的计算参数，再进行后续的计算。先对一段积分时长内的瞬时压力求平均值，然后再将每个瞬时压力与对应的平均值作比较判断。如果瞬时压力大于平均值则保留瞬时压力大于平均值的差值部分，如果瞬时压力小于平均值则保留0，以此作为正向差压。如果瞬时压力小于平均值则保留平均值大于瞬时压力的差值部分，如果瞬时压力大于平均值则保留0，以此作为负向差压。算法见公式(2)和(3)。以上两式中，DPn---正向差压；DNn---负向差压；Pi---瞬时压力；n---正向差压和负向差压的数据序号；i---瞬时压力的数据序号；T---积分时长，指积分平均值运算的时间长度；F---瞬时压力的数据速率，指每秒内所获得的数据个数，单位：sps，samplespersecond，每秒样本数。TF如果是非整数，则直接去掉小数位，或四舍五入，或去除小数后整数位加1来取整数。优选的，瞬时压力的数据速率F取值20sps。优选的，正向差压、负向差压的数据速率相同且与瞬时压力的数据速率F相同一样，取值为20sps。优选的，积分时长T取值6s。S3：收缩压和舒张压的计算利用从瞬时压力计算所得的正向差压、负向差压，根据应用需求和技术标准选择合适的计算参数，再进行后续的计算。基于正弦波假设，对一段积分时长内的正向差压求2倍均方的根，再乘以再加上平均压，以此作为收缩压。基于正弦波假设，对一段积分时长内的负向差压求2倍均方的根，再乘以再用平均压减去前面的计算结果，以此作为收缩压。算法见公式(4)和(5)。以上两式中，SYSm---收缩压；DIAm---舒张压；MEAm---平均压；DPn---正向差压；DNn---负向差压；m---收缩压、舒张压、平均压的数据序号；n---正向差压、负向差压的数据序号；T---积分时长，指积分平均值运算的时间长度；F---正向差压、负向差压的数据速率，指每秒内的数据个数，单位：sps，samplespersecond，每秒样本数；k2---校准系数，是为了消除收缩压的增益误差而设定的一个常数；k3---校准系数，是为了消除舒张压的增益误差而设定的一个常数。TF如果是非整数，则直接去掉小数位，或四舍五入，或去除小数后整数位加1来取整数。优选的，瞬时压力的数据速率F取值20sps。优选的，收缩压、舒张压的数据速率相同且与平均压的数据速率f相同，取值1sps。优选的，积分时长T取值6s。优选的，校准系数k2和k3取值接近于1。本专利技术的有益效果是，能准确、快速而稳定地计算出平均压、收缩压、和舒张压，还能有效抑制呼吸波干扰。〖附图说明〗图1是本专利技术提供的血压或颅内压波形及其临床参数定义的图示。图2是本专利技术的算法示意图。图3-1～图3-8分别为本专利技术实施例一所提供的：数据速率为20sps的瞬时压力P波形、叠加有呼吸干扰的数据速率为20sps的瞬时压力P波形、输出速率为1sps的平均压MEA波形、数据速率为20sps的求平均值波形、数据速率为20sps的正向差压DP的平方波形、数据速率为1sps的收缩压SYS波形、数据速率为20sps的负向差压DN的平方波形、数据速率为1sps的舒张压DIA波形；图3-1～图3-8的横坐标均为数据序号。图4-1～图4-8分别为本专利技术实施例二所提供的：数据速率为40sps的瞬时压力P波形、叠加有呼吸干扰的数据速率为40sps的瞬时压力P波形、输出速率为1sps的平均压MEA波形、数据速率为40sps的求平均值波形、数据速率为40sps的正向差压DP的平方波形、数据速率为1sps的收缩压SYS波形、数据速率为40sps的负向差压DN的平方波形、数据速率为1sps的舒张压DIA波形；图4-1～图4-8的横坐标均为数据序号。〖具体实施方式〗为了更加清楚地理解本专利技术的技术方案，以下结合附图与具体实施例对本专利技术作进一步说明。如图1所示，收缩压指波峰压力，舒张压指波谷压力，平均压指平均压力。如图2所示，展示了算法的总体情况，通本文档来自技高网...

【技术保护点】
1.血压和颅内压的信号处理与临床参数算法，其特征在于：所述算法能够计算出平均压，算法如下：利用瞬时压力，根据应用需求和技术标准选择合适的计算参数，通过完整的积分平均值运算，获得平均压，算法见公式(1)。

【技术特征摘要】
1.血压和颅内压的信号处理与临床参数算法，其特征在于：所述算法能够计算出平均压，算法如下：利用瞬时压力，根据应用需求和技术标准选择合适的计算参数，通过完整的积分平均值运算，获得平均压，算法见公式(1)。式中，MEAm---平均压；Pi---瞬时压力；m---平均压的数据序号；i---瞬时压力的数据序号；T---积分时长，指积分平均值运算的时间长度；F---瞬时压力的数据速率，指每秒内所获得的数据个数，单位：sps，samplespersecond，每秒样本数；k1---校准系数，是为了消除平均压的增益误差而设定的一个常数。TF如果是非整数，则直接去掉小数位，或四舍五入，或去除小数后整数位加1来取整数。2.如权利要求1所述的血压和颅内压的信号处理与临床参数算法，其特征在于：还包括舒张压与收缩压的算法，所述信号处理与临床参数算法的具体过程如下：S1：所述平均压MEAm的计算；S2：正向差压和负向差压的计算正向差压和负向差压是被定义的中间变量，它们将被用于计算收缩压和舒张压。利用瞬时压力，根据应用需求和技术标准选择合适的计算参数，再进行后续的计算。先对一段积分时长内的瞬时压力求平均值，然后再将每个瞬时压力与对应的平均值作比较判断。如果瞬时压力大于平均值则保留瞬时压力大于平均值的差值部分，如果瞬时压力小于平均值则保留0，以此作为正向差压。如果瞬时压力小于平均值则保留平均值大于瞬时压力的差值部分，如果瞬时压力大于平均值则保留0，以此作为负向差压。算法见公式(2)和(3)。以上两式中，DP...

【专利技术属性】
技术研发人员：林竹，
申请(专利权)人：珠海亚特兰生命工程科技有限公司，
类型：发明
国别省市：广东,44