使用基于心率的机器学习算法的直立性低血压检测系统和方法及可穿戴测量设备技术方案

根据本发明专利技术的一实施例的一种使用基于心率的机器学习算法的直立性低血压检测系统可以包括：输入部，接收包括由患者的年龄、血压、心率计算出的E

【技术实现步骤摘要】
【国外来华专利技术】使用基于心率的机器学习算法的直立性低血压检测系统和方法及可穿戴测量设备


[0001]本专利技术涉及一种使用基于心率的机器学习算法的直立性低血压检测系统和方法及可穿戴测量设备。

技术介绍

[0002]直立性不耐受(OI，Orthostatic intolerance)是指患者躺着或坐着站起来时，流向大脑和心脏的血流量减少，导致轻微眩晕、眩晕、视力模糊、心悸、恶心和疲劳的自主神经系统功能障碍。
[0003]直立性低血压(OH，Orthostatic Hypotension)为OI之一，其定义为尽管站起来时收缩压下降20mmHg以上，舒张压下降10mmHg以上，也不会发生心率增加以保持血流。OH可以出现在与自主神经系统相关的多种疾病中，例如帕金森病、多发性萎缩、纯自主神经衰竭和糖尿病自主神经病变，并且与摔伤、心血管事件和认知障碍的风险增加有关。因此，有必要早期发现OH，并适时地进行管理。
[0004]为了诊断OH，直立倾斜试验(HUT；Head
‑
Up Tilt Table Test)被广泛使用。但是，许多患者有例如由于身体残疾无法在倾斜台上保持姿势、严重贫血、肾或心力衰竭、心脏瓣膜疾病、严重冠状动脉疾病以及急性和亚急性脑中风或心肌梗塞等禁忌HUT的理由。除了如上所述的身体上的限制之外，由于进行HUT所需的时间和成本负担，以及仅在设定的实验室环境中进行日常生活中各种刺激产生的OH而存在很高的假阴性可能性的限制，因此，重复进行HUT以监测OH治疗反应和症状进展有局限性。
[0005]为了克服如上所述的HUT的局限性，正在进行用于发现用于诊断OH的替代方案的生物标志物的研究，但是目前仍然缺乏一种使用在日常生活中没有HUT的情况下能够由非姿势刺激(non
‑
postural stimuli)获取的心率变化及时准确诊断OH的技术。
[0006]为了解决上述课题，本专利技术的一实施例提供使用基于非姿势刺激中测量出的心率的机器学习算法的直立性低血压检测系统。
[0007]所述使用基于心率的机器学习算法的直立性低血压检测系统，可以包括：输入部，接收包括由患者的年龄、血压、心率计算出的E
‑
I差和E:I比率，及根据瓦尔萨尔瓦动作计算出的瓦尔萨尔瓦比率中至少一个的变量；及，确定部，以通过所述输入部接收的变量为基础，根据已学习的机器学习算法确定患者是否患有直立性低血压。
[0008]此外，所述使用基于心率的机器学习算法的直立性低血压检测系统，可以包括：可穿戴测量设备，穿戴在患者身上并测量患者的心率；处理装置，由通过所述可穿戴测量设备测量出的心率计算E
‑
I差和E:I比率，根据瓦尔萨尔瓦动作从通过所述可穿戴测量设备测量出的心率计算瓦尔萨尔瓦比率；及，确定部，以通过所述处理装置计算出的E
‑
I差、E:I比率及瓦尔萨尔瓦比率为基础，根据已学习的机器学习算法确定患者是否患有直立性低血压。
[0009]另一方面，根据本专利技术的另一实施例提供使用基于心率的机器学习算法的直立性低血压检测方法。
[0010]所述使用基于心率的机器学习算法的直立性低血压检测方法，可以包括以下步骤：由患者的心率计算E
‑
I差和E:I比率；根据瓦尔萨尔瓦动作计算瓦尔萨尔瓦比率；及，以E
‑
I差、E:I比率及瓦尔萨尔瓦比率为基础，根据机器学习算法确定是否患有直立性低血压。
[0011]另一方面，根据本专利技术的另一实施例提供可穿戴测量设备。
[0012]所述穿戴在患者身体上并测量患者的心率的可穿戴测量设备，搭载有实现使用基于心率的机器学习算法的直立性低血压检测方法的软件，以测量出的心率为基础通过所述软件确定所述患者是否患有直立性低血压。
[0013]另外，上述问题的解决手段并未列举出本专利技术的所有特征。参考以下具体实施例，可以更详细地理解本专利技术的各种特征及其优点和效果。
[0014]根据本专利技术的一实施例，可以使用在日常生活中没有HUT的情况下能够由非姿势刺激获取的心率变化及时准确诊断OH。
附图说明
[0015]图1是根据本专利技术的一实施例的使用基于心率的机器学习算法的直立性低血压检测系统的构成图。
[0016]图2是根据本专利技术的另一实施例的使用基于心率的机器学习算法的直立性低血压检测系统的构成图。
[0017]图3是根据本专利技术的另一实施例的使用基于心率的机器学习算法的直立性低血压检测方法的流程图。
具体实施方式
[0018]以下，将参考附图详细描述优选实施例，以使本专利技术所属的
中具有通常知识的技术人员可以容易地执行本专利技术。但是，在详细描述本专利技术的优选实施例时，如果判断为相关的公知功能或对构成的详细描述可能不必要地使本专利技术的主题晦涩难懂，则将省略其详细描述。此外，对于具有类似功能及作用的部分，在整个附图中使用相同的附图标记。
[0019]另外，在整个说明书中，当一个部分与另一个部分“连接”时，不仅包括“直接连接”的情况，还包括在其中间放置其他元件并“间接连接”的情况。此外，“包括”某种构成要素是在没有特别的相反记载时，不是意味着排除其他构成要素，而是意味着可以进一步包括其他构成要素。
[0020]图1是根据本专利技术的一实施例的使用基于心率的机器学习算法的直立性低血压检测系统的构成图。
[0021]参考图1，根据本专利技术的一实施例的使用基于心率的机器学习算法的直立性低血压检测系统100可以包括输入部110、确定部120及学习数据数据库130，还可以包括显示部140。
[0022]输入部110用于接收用于直立性低血压检测的变量。
[0023]根据一实施例，输入部110可以接收由患者的年龄、血压、心率计算出的E
‑
I差和E:I比率，及根据瓦尔萨尔瓦动作计算出的瓦尔萨尔瓦比率中至少一个的变量，特别地，优选的是其中所接收的变量包括E
‑
I差、E:I比率及瓦尔萨尔瓦比率。在此，E指呼气，I指吸气。此
外，患者的心率是在深呼吸期间、在静止时仰卧位、或者在静止时站立位测量出的心率。即，根据本专利技术的实施例，可以基于在没有HUT的情况下能够由包括在静止时仰卧位及站立位的非姿势刺激获取的心率确定患者是否患有直立性低血压。
[0024]例如，输入部110可以从患者终端、医疗人员终端或外部服务器(医院信息系统)接收与患者的基本信息相应的患者的年龄和血压信息。在此，血压信息可以包括参考收缩期和舒张期血压信息。
[0025]此外，输入部110可以接收由在非姿态刺激期间测量出的心率计算出的E
‑
I差和E:I比率，或者也可以接收在非姿态刺激期间测量出的心率信息以计算E
‑
I差和E:I比率。为此，输入部110可以设置有用于计算E
‑
I差和E:I比率的处理装置。
[0026]具体地，当根据一实施例使用在深呼吸期间测量出的心率时，在深呼吸(本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种使用基于心率的机器学习算法的直立性低血压检测系统，包括：输入部，接收包括由患者的年龄、血压、心率计算出的E
‑
I差和E:I比率，及根据瓦尔萨尔瓦动作计算出的瓦尔萨尔瓦比率中至少一个的变量；及，确定部，以通过所述输入部接收的变量为基础，根据已学习的机器学习算法确定患者是否患有直立性低血压。2.根据权利要求1所述的使用基于心率的机器学习算法的直立性低血压检测系统，其特征在于，所述心率是在患者深呼吸期间、在静止时仰卧位、或者在静止时站立位测量出的心率。3.根据权利要求1所述的使用基于心率的机器学习算法的直立性低血压检测系统，其特征在于，还包括：显示部，提供引导深呼吸或瓦尔萨尔瓦动作的内容。4.一种使用基于心率的机器学习算法的直立性低血压检测系统，包括：可穿戴测量设备，穿戴在患者身上并测量患者的心率；处理装置，由通过所述可穿戴测量设备测量出的心率计算E
‑
I差和E:I比率，根据瓦尔萨尔瓦动作由通过所述可穿戴测量设备测量出的心率计算瓦尔萨尔瓦比率；及，确定部，以通过所述处理装置计算出的E
‑
...

【专利技术属性】
技术研发人员：金柄助，金正彬，
申请(专利权)人：途倍DTX株式会社，
类型：发明
国别省市：