CN103445770A - 排尿感知检测方法及装置 - Google Patents
排尿感知检测方法及装置 Download PDFInfo
- Publication number
- CN103445770A CN103445770A CN2013103923362A CN201310392336A CN103445770A CN 103445770 A CN103445770 A CN 103445770A CN 2013103923362 A CN2013103923362 A CN 2013103923362A CN 201310392336 A CN201310392336 A CN 201310392336A CN 103445770 A CN103445770 A CN 103445770A
- Authority
- CN
- China
- Prior art keywords
- impedance
- urinating
- electrocardio
- perception
- signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 48
- 230000027939 micturition Effects 0.000 title claims abstract description 21
- 238000013528 artificial neural network Methods 0.000 claims abstract description 26
- 238000012549 training Methods 0.000 claims abstract description 22
- 239000013598 vector Substances 0.000 claims abstract description 11
- 238000000034 method Methods 0.000 claims abstract description 9
- 230000008447 perception Effects 0.000 claims description 57
- 230000007935 neutral effect Effects 0.000 claims description 45
- 238000012360 testing method Methods 0.000 claims description 27
- 239000000284 extract Substances 0.000 claims description 26
- 238000005259 measurement Methods 0.000 claims description 26
- 210000002700 urine Anatomy 0.000 claims description 20
- 210000002569 neuron Anatomy 0.000 claims description 19
- 230000014509 gene expression Effects 0.000 claims description 9
- 230000002567 autonomic effect Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 238000001228 spectrum Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 5
- 201000003126 Anuria Diseases 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 230000003321 amplification Effects 0.000 claims description 4
- 238000011835 investigation Methods 0.000 claims description 4
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 2
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 claims description 2
- 239000011159 matrix material Substances 0.000 claims description 2
- 230000008569 process Effects 0.000 claims description 2
- 238000010183 spectrum analysis Methods 0.000 claims description 2
- 208000008967 Enuresis Diseases 0.000 abstract description 8
- 230000000694 effects Effects 0.000 abstract description 7
- 238000005516 engineering process Methods 0.000 abstract description 7
- 239000003814 drug Substances 0.000 description 10
- 238000000205 computational method Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- 238000001467 acupuncture Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000004070 electrodeposition Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 208000005346 nocturnal enuresis Diseases 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000002560 therapeutic procedure Methods 0.000 description 2
- 230000002485 urinary effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000029142 excretion Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 206010025482 malaise Diseases 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000005622 photoelectricity Effects 0.000 description 1
- 230000004936 stimulating effect Effects 0.000 description 1
- 210000001113 umbilicus Anatomy 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/20—Measuring for diagnostic purposes; Identification of persons for measuring urological functions restricted to the evaluation of the urinary system
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/053—Measuring electrical impedance or conductance of a portion of the body
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Cardiology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Physiology (AREA)
- Urology & Nephrology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种排尿感知检测方法及装置,该方法包括:采集原始膀胱阻抗信息和原始心电信号;提取排尿感知特征参数,包括心电近似熵、心电高低频能量比、阻抗近似熵和阻抗高低频能量比;建立神经网络排尿感知检测模型,将所述排尿感知特征参数作为神经网络的输入矢量,训练神经网络,确定神经网络参数;利用训练完成的神经网络对受试者的排尿感知程度进行检测,输出检测结果。本发明利用电子技术实现对遗尿患者的尿感检测与排尿唤醒,安全,有效,且无任何副作用。
Description
技术领域
本发明涉及医疗技术领域,尤其涉及一种排尿感知检测方法及装置。
背景技术
遗尿症又称尿床,通常指3岁以上儿童睡眠中仍不能自控而将尿液***在床上的一种病症,病因十分复杂,其中90%以上属于原发性遗尿症。据国内外调查统计遗尿症的发病率为10%-15%,男性多于女性,约为1.5:1。遗尿症若不能尽早治愈,对儿童的身心健康都有较大影响。
国内外都十分重视小儿遗尿的防治,中西药都有不少治疗方法,如西药、中药内服外治、针灸、按摩等,对小儿遗尿的治疗具有一定的疗效。但是目前的治疗方法存在着如下缺点:西药副作用较大;内服中药常被儿童拒服;针灸不易被儿童及家长接受;外用药虽然不少,但疗效理想者尚乏。
发明内容
本发明实施例提出一种排尿感知检测方法,利用电子技术实现对遗尿患者的尿感检测与排尿唤醒,安全,有效,且无任何副作用。
本发明实施例提供一种排尿感知检测方法,包括:
S1,将多个测试电极紧贴患者的测试部位,采集原始膀胱阻抗信息和原始心电信号;
S2,采用数字信号处理技术,去除所述原始心电信号中的干扰,并从去干扰后的心电信号中提取心率变异性信号;同时,采用带通滤波器从所述原始膀胱阻抗信息中提取反映膀胱排尿自主神经调节的阻抗信号;
S3,根据所述心率变异性信号和所述阻抗信号,提取排尿感知特征参数,包括心电近似熵、心电高低频能量比、阻抗近似熵和阻抗高低频能量比;
S4,建立神经网络排尿感知检测模型,将所述排尿感知特征参数作为神经网络的输入矢量,训练神经网络,确定神经网络参数;
S5,利用训练完成的神经网络对受试者的排尿感知程度进行检测,输出检测结果。
相应地,本发明实施例还提供一种排尿感知检测装置,包括下位机测量模块和上位机计算模块;
所述下位机测量模块包括:
心电采集模块,用于从患者的测试部位中采集原始心电信号;
阻抗采集模块,用于从患者的测试部位中采集原始膀胱阻抗信息;
模数转换模块,用于将模拟信号形式的原始心电信号和原始膀胱阻抗信息,分别转换为数字信号;和,
下位机主控模块,用于通过无线通信方式将数字信号形式的原始心电信号和原始膀胱阻抗信息传输给所述上位机计算模块;
所述上位机计算模块包括上位机主控制模块,所述上位机主控制模块用于:
采用数字信号处理技术,去除所述原始心电信号中的干扰,并从去干扰后的心电信号中提取心率变异性信号;同时,采用带通滤波器从所述原始膀胱阻抗信息中提取反映膀胱排尿自主神经调节的阻抗信号;
根据所述心率变异性信号和所述阻抗信号,提取排尿感知特征参数,包括心电近似熵、心电高低频能量比、阻抗近似熵和阻抗高低频能量比;
建立神经网络排尿感知检测模型,将所述排尿感知特征参数作为神经网络的输入矢量,训练神经网络,确定神经网络参数;以及,
利用训练完成的神经网络对受试者的排尿感知程度进行检测,输出检测结果。
本发明实施例提供的排尿感知检测方法及装置,具有如下有益效果:
1、结合阻抗变异性和心率变异性,并且提取频率中的高低频能量比和信息熵中的近似熵,有助于最大化提取膀胱积尿中产生的尿意感觉信息,提高尿感检测灵敏度。
2、通过(4-N-1)三层神经网络的训练,特别是中间层神经网络个数的自适应获取,将进一步提高尿感强弱检测精度和可靠性。
3、创造性的提出利用电子技术实现遗尿患者尿感检测与排尿唤醒,与已有的中西药相比,具有安全、有效、无任何副作用的优点。
附图说明
图1是本发明提供的排尿感知检测方法的一个实施例的流程示意图;
图2是本发明提供的神经网络的一个实施例的结构示意图;
图3是本发明提供的神经网络的另一个实施例的结构示意图;
图4是本发明提供的排尿感知检测装置的一个实施例的结构示意图;
图5是本发明提供排尿感知检测装置的算法流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参见图1,是本发明提供的排尿感知检测方法的第一实施例的流程示意图。
本发明实施例提供一种排尿感知检测方法,包括步骤S1至S5,具体如下:
S1,将多个测试电极紧贴患者的测试部位,采集原始膀胱阻抗信息和原始心电信号。
具体实施时,本发明根据心电采集和生物电阻抗技术,通过排尿感知检测装置实时采集心电信号和膀胱阻抗数据。
测试电极的佩戴包括:电极位置的选择与安放。电极位置的选择是基于多通道开关模块的比较而获得最佳安放位置;在电极安放前,最好要剃除皮肤表面的不洁净物质,再用酒精试擦其表面,以减小对测量的影响。阻抗测试电极佩戴在膀胱附近时,四个测试电极必须处于脐肚下同一水平面,两个测量电极在内,两个刺激电极在外,心电测量电极在附近。
S2,采用数字信号处理技术,去除所述原始心电信号中的干扰,并从去干扰后的心电信号中提取心率变异性信号;同时,采用带通滤波器从所述原始膀胱阻抗信息中提取反映膀胱排尿自主神经调节的阻抗信号。
原始心电信号中包括了工频干扰、高频干扰和基线漂移等在内的各种噪声。本发明通过实时数字滤波方法,能够去除原始心电信号中的各种干扰。
在上述步骤S2中,采用通带带宽为[0.1Hz,25Hz]的带通滤波去除原始心电信号中的干扰,然后对去干扰后的心电信号进行峰值检测,获取RR序列,所述RR序列即为心率变异性信号。
同时,采用通带为[0.04Hz,0.4Hz]的带通滤波器,从原始膀胱阻抗信息中提取阻抗序列,所述阻抗序列是反映膀胱排尿自主神经调节的阻抗信号。
S3,根据所述心率变异性信号和所述阻抗信号,提取排尿感知特征参数,包括心电近似熵、心电高低频能量比、阻抗近似熵和阻抗高低频能量比。
具体的,在上述步骤S3中,包括:
构造RR序列模版X和Y:
X(i)=[RR(i),RR(i+1)] i=1,2,3,...N-1;
Y(i)=[RR(i),RR(i+1),RR(i+2)] i=1,2,3,...N-2;
按照以下公式计算两个模版间的距离:
其中,d(X(i),X(j))表示模版X中第i个模版和第j个模版之间的距离,d(Y(i),Y(j))表示模版Y中第i个模版和第j个模版之间的距离;
构造模版距离矩阵,如下:
心电近似熵为:
根据所述阻抗序列进行计算,可以获得阻抗近似熵:
需要说明的是,本领域技术人员可以理解,在上述的心电近似熵计算方法的教导下,可以同理地得出阻抗近似熵的计算方法,因此,本文不对阻抗近似熵的计算方法进行详细描述。
在上述步骤S3中,采用基于功率谱分析方法提取阻抗高低频能量比和心电高低频能量比,包括:
LF/HF心电=LF心电(0.04-0.15Hz)/HF心电(0.15-0.4Hz);
LF/HF阻抗=LF阻抗(0.04-0.15Hz)/HF阻抗(0.15-0.4Hz);
其中,LF心电(0.04-0.15Hz)表示RR序列在频带[0.04,0.15Hz]范围内的功率谱能量总和;
LF阻抗(0.04-0.15Hz)表示阻抗序列在频带[0.04,0.15Hz]范围内的功率谱能量总和;
HF心电(0.04-0.15Hz)表示RR序列在频带[0.15,0.4Hz]范围内的功率谱能量总和;
LF阻抗(0.04-0.15Hz)表示阻抗序列在频带[0.15,0.4Hz]范围内的功率谱能量总和。
S4,建立神经网络排尿感知检测模型,将所述排尿感知特征参数作为神经网络的输入矢量,训练神经网络,确定神经网络参数。
上述步骤S4具体包括步骤S41至S4:
S41、构建4-N-1三层神经网络,输入层为4个神经元,输出层为1个神经元,中间层为N个神经元,其中数目N可调。
S42、将所述心电近似熵、心电高低频能量比、阻抗近似熵和阻抗高低频能量比,作为训练样本的特征值输入到所述神经网络的输入层神经元中。
S43、开始网络训练,从第1个中间层神经元开始,通过检查输出误差使神经网络自动增加中间层神经元数目,并重新检查新的神经网络的误差,重复此过程直到训练得到期望误差或最大中间层神经元数为止。
S44、通过大样本训练和最大剃度法确定神经网络的权值参数和阀值。
其中,网络误差函数如下:
其中,EMSE表示网络误差,O(j)表示神经网络的输出,N为训练样本组数,Z(j)为真实值。
参见图2,是本发明提供的神经网络的一个实施例的结构示意图。该神经网络为4-N-1三层神经网络,包括:输入层、中间层和输出层。输入层神经元数为4个,输出层为1个神经元,中间层为N个神经元。具体实施时,从心电信号和阻抗信号提取心电近似熵、心电高低频能量比、阻抗近似熵和阻抗高低频能量比四个排尿感知特征参数,并作为神经网元输入矢量,通过4-N-1三层神经网络输出尿感程度预测值。本发明通过最大梯度等最优算法可以修正N和权值参数,提高预测精度。
步骤S4通过训练获得网络的权值参数,利用所述权值参数即可进行尿感检测。
S5,利用训练完成的神经网络对受试者的排尿感知程度进行检测,输出检测结果。
上述步骤S5具体包括:
将多个测试电极紧贴患者的测试部位,采集实测的膀胱阻抗信息和实测的心电信号;
从所述实测的膀胱阻抗信息中提取阻抗近似熵和阻抗高低频能量比,以及从所述实测的心电信号中提取实测的心率变异性的近似熵和高低频能量比;
将所述实测的心电近似熵、心电高低频能量比、阻抗近似熵和阻抗高低频能量比输入到所述神经网络中,获得排尿感觉强弱分级结果,包括:所述神经网络的输出层神经元输出为0时表示基本无尿感,输出为1表示有较强尿感,输出为2表示急迫尿感。
参见图3,是本发明提供的神经网络的另一个实施例的结构示意图。该神经网络包括三层:输入层、中间层和输出层。输入层神经元数为4个,其输入矢量为排尿感知特征参数:心电近似熵、心电高低频能量比、阻抗近似熵和阻抗高低频能量比。中间层神经元数可调,通过大样本学习训练获取最佳的神经元个数。权值向量和阀值可根据最大剃度误差方法进行修正。输出层仅含1个神经元,其输出值为0表示无尿感,为1表示有尿感但不急迫,为2表示有急迫尿感。
需要说明的是,在尿感强弱预测实验中,一般要求受试者先排尽尿液才开始测量并预测尿感。同时为了避免测量故障(如电极接触不良,电源电量不足等),本发现增加异常情况提醒措施。如下:
进一步的,在上述步骤S5中,测试时间超过T小时(例如2.5小时),神经网络输出仍为0时,发出异常报警,提醒测试者进行***问题排查,其中T>0。
本发明还提供一种排尿感知检测装置,能够实现上述的排尿感知检测方法的所有步骤。下面结合图4和图5,对本发明提供的排尿感知检测装置的结构及算法流程进行详细描述。
参见图4,是本发明提供的排尿感知检测装置的一个实施例的结构示意图。
本发明实施例提供一种排尿感知检测装置,包括下位机测量模块和上位机计算模块。其中,所述下位机测量模块包括:
心电采集模块101,用于从患者的测试部位中采集原始心电信号;
阻抗采集模块102,用于从患者的测试部位中采集原始膀胱阻抗信息;
模数转换模块103,用于将模拟信号形式的原始心电信号和原始膀胱阻抗信息,分别转换为数字信号;和,
下位机主控模块104,用于通过无线通信方式将数字信号形式的原始心电信号和原始膀胱阻抗信息传输给所述上位机计算模块。
所述上位机计算模块包括上位机主控制模块200,所述上位机主控制模块200用于:
采用数字信号处理技术,去除所述原始心电信号中的干扰,并从去干扰后的心电信号中提取心率变异性信号;同时,采用带通滤波器从所述原始膀胱阻抗信息中提取反映膀胱排尿自主神经调节的阻抗信号;
根据所述心率变异性信号和所述阻抗信号,提取排尿感知特征参数,包括心电近似熵、心电高低频能量比、阻抗近似熵和阻抗高低频能量比;
建立神经网络排尿感知检测模型,将所述排尿感知特征参数作为神经网络的输入矢量,训练神经网络,确定神经网络参数;以及,
利用训练完成的神经网络对受试者的排尿感知程度进行检测,输出检测结果。
进一步,上述下位机测量模块还包括信号调理模块104、电源管理模块405和无线模块106;其中,信号调理模块104用于信号的趋势去除,噪声消除等。所述上位机计算模块及所述下位机测量模块之间的数据通信是通过所述下位机测量模块中设置的无线模块106来实现。可选的,无线模块106为RS232无线模块。
更为具体的,上述心电采集模块101包括初级放大子模块、滤波子模块和主放大子模块;上述阻抗采集模块102包括阻抗幅值计算子模块、信号放大子模块、中频正弦信号发生子模块和恒流源子模块。
参见图5,是本发明提供排尿感知检测装置的算法流程示意图。
在本实施例中,排尿感知检测装置的算法流程主要包括数据采集与预处理、尿感特征提取和尿感的预测,如下:
S501,初始化;在患者排尽尿的情况下检测。
S502,***检查与开机。
S503,从患者的测试部位中采集原始心电信号。
S504,对原始心电信号进行滤波处理,并从去干扰后的心电信号中提取心率变异性信号(R波信号)。
S505,从心率变异性信号中提取心电近似熵和心电高低频能量比。
S506,从患者的测试部位中采集原始膀胱阻抗信息。
S507,对原始膀胱阻抗信息进行滤波处理。
S508,从膀胱阻抗信号中提取阻抗近似熵和阻抗高低频能量比。
需要说明的是,步骤S503至S505和步骤S506至S508可以同步进行。
S509,将心电近似熵、心电高低频能量比、阻抗近似熵和阻抗高低频能量比作为神经网络的输入矢量,训练神经网络,确定神经网络参数;并且,利用训练完成的神经网络对受试者的排尿感知程度进行检测,输出检测结果。
S510,当检测结果为无尿感时,进行异常检测,如果出现异常,返回步骤S502;例如,测试时间超过T小时,神经网络输出仍为0时,发出异常报警,提醒测试者进行***问题排查。
S511,当检测结果为有尿感时,进行排尿判断,若需要排尿,则执行步骤S512,否则返回步骤S503和步骤S506继续监测患者测试部位。
S512,进行排尿报警。其中,排尿报警信号可以显示在排尿提醒监控界面上,或者发出光电、声音等报警信号。
本发明实施例提供的排尿感知检测方法及装置,结合阻抗变异性和心率变异性,并且提取频率中的高低频能量比和信息熵中的近似熵,有助于最大化提取膀胱积尿中产生的尿意感觉信息,提高尿感检测灵敏度。而且,通过(4-N-1)三层神经网络的训练,特别是中间层神经网络个数的自适应获取,将进一步提高尿感强弱检测精度和可靠性。此外,创造性的提出利用电子技术实现遗尿患者尿感检测与排尿唤醒,与已有的中西药相比,具有安全、有效、无任何副作用的优点。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种排尿感知检测方法,其特征在于,包括:
S1,将多个测试电极紧贴患者的测试部位,采集原始膀胱阻抗信息和原始心电信号;
S2,采用数字信号处理技术,去除所述原始心电信号中的干扰,并从去干扰后的心电信号中提取心率变异性信号;同时,采用带通滤波器从所述原始膀胱阻抗信息中提取反映膀胱排尿自主神经调节的阻抗信号;
S3,根据所述心率变异性信号和所述阻抗信号,提取排尿感知特征参数,包括心电近似熵、心电高低频能量比、阻抗近似熵和阻抗高低频能量比;
S4,建立神经网络排尿感知检测模型,将所述排尿感知特征参数作为神经网络的输入矢量,训练神经网络,确定神经网络参数;
S5,利用训练完成的神经网络对受试者的排尿感知程度进行检测,输出检测结果。
2.如权利要求1所述的排尿感知检测方法,其特征在于,在所述步骤S2中,采用通带带宽为[0.1Hz,25Hz]的带通滤波去除所述原始心电信号中的干扰,然后对去干扰后的心电信号进行峰值检测,获取RR序列,所述RR序列即为心率变异性信号;
同时,采用通带为[0.04Hz,0.4Hz]的带通滤波器,从所述原始膀胱阻抗信息中提取阻抗序列,所述阻抗序列是反映膀胱排尿自主神经调节的阻抗信号。
4.如权利要求3所述的排尿感知检测方法,其特征在于,在所述步骤S3中,采用基于功率谱分析方法提取阻抗高低频能量比和心电高低频能量比,包括:
LF/HF心电=LF心电(0.04-0.15Hz)/HF心电(0.15-0.4Hz);
LF/HF阻抗=LF阻抗(0.04-0.15Hz)/HF阻抗(0.15-0.4Hz);
其中,LF心电(0.04-0.15Hz)表示RR序列在频带[0.04,0.15Hz]范围内的功率谱能量总和;
LF阻抗(0.04-0.15Hz)表示阻抗序列在频带[0.04,0.15Hz]范围内的功率谱能量总和;
HF心电(0.04-0.15Hz)表示RR序列在频带[0.15,0.4Hz]范围内的功率谱能量总和;
LF阻抗(0.04-0.15Hz)表示阻抗序列在频带[0.15,0.4Hz]范围内的功率谱能量总和。
5.如权利要求4所述的排尿感知检测方法,其特征在于,所述步骤S4具体包括:
构建4-N-1三层神经网络,输入层为4个神经元,输出层为1个神经元,中间层为N个神经元,其中数目N可调;
将所述心电近似熵、心电高低频能量比、阻抗近似熵和阻抗高低频能量比,作为训练样本的特征值输入到所述神经网络的输入层神经元中;
开始网络训练,从第1个中间层神经元开始,通过检查输出误差使神经网络自动增加中间层神经元数目,并重新检查新的神经网络的误差,重复此过程直到训练得到期望误差或最大中间层神经元数为止;
通过大样本训练和最大剃度法确定神经网络的权值参数和阀值;
其中,网络误差函数如下:
其中,EMSE表示网络误差,O(j)表示神经网络的输出,N为训练样本组数,Z(j)为真实值。
6.如权利要求5所述的排尿感知检测方法,其特征在于,所述步骤S5具体包括:
将多个测试电极紧贴患者的测试部位,采集实测的膀胱阻抗信息和实测的心电信号;
从所述实测的膀胱阻抗信息中提取阻抗近似熵和阻抗高低频能量比,以及从所述实测的心电信号中提取实测的心率变异性的近似熵和高低频能量比;
将所述实测的心电近似熵、心电高低频能量比、阻抗近似熵和阻抗高低频能量比输入到所述神经网络中,获得排尿感觉强弱分级结果,包括:所述神经网络的输出层神经元输出为0时表示无尿感,输出为1表示有尿感但不急迫,输出为2表示有急迫尿感。
7.如权利要求6所述的排尿感知检测方法,其特征在于,在所述步骤S5中,测试时间超过T小时,神经网络输出仍为0时,发出异常报警,提醒测试者进行***问题排查,其中T>0。
8.一种排尿感知检测装置,其特征在于,包括下位机测量模块和上位机计算模块;
所述下位机测量模块包括:
心电采集模块,用于从患者的测试部位中采集原始心电信号;
阻抗采集模块,用于从患者的测试部位中采集原始膀胱阻抗信息;
模数转换模块,用于将模拟信号形式的原始心电信号和原始膀胱阻抗信息,分别转换为数字信号;和,
下位机主控模块,用于通过无线通信方式将数字信号形式的原始心电信号和原始膀胱阻抗信息传输给所述上位机计算模块;
所述上位机计算模块包括上位机主控制模块,所述上位机主控制模块用于:
采用数字信号处理技术,去除所述原始心电信号中的干扰,并从去干扰后的心电信号中提取心率变异性信号;同时,采用带通滤波器从所述原始膀胱阻抗信息中提取反映膀胱排尿自主神经调节的阻抗信号;
根据所述心率变异性信号和所述阻抗信号,提取排尿感知特征参数,包括心电近似熵、心电高低频能量比、阻抗近似熵和阻抗高低频能量比;
建立神经网络排尿感知检测模型,将所述排尿感知特征参数作为神经网络 的输入矢量,训练神经网络,确定神经网络参数;以及,
利用训练完成的神经网络对受试者的排尿感知程度进行检测,输出检测结果。
9.如权利要求8所述的排尿感知检测装置,其特征在于,所述下位机测量模块还包括信号调理模块、电源管理模块和无线模块;
所述上位机计算模块及所述下位机测量模块之间的数据通信是通过所述下位机测量模块中设置的无线模块来实现。
10.如权利要求9所述的排尿感知检测装置,其特征在于,所述心电采集模块包括初级放大子模块、滤波子模块和主放大子模块;
所述阻抗采集模块包括阻抗幅值计算子模块、信号放大子模块、中频正弦信号发生子模块和恒流源子模块。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310392336.2A CN103445770B (zh) | 2013-09-02 | 2013-09-02 | 排尿感知检测方法及装置 |
PCT/CN2013/084318 WO2015027544A1 (zh) | 2013-09-02 | 2013-09-26 | 排尿感知检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310392336.2A CN103445770B (zh) | 2013-09-02 | 2013-09-02 | 排尿感知检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103445770A true CN103445770A (zh) | 2013-12-18 |
CN103445770B CN103445770B (zh) | 2015-04-22 |
Family
ID=49728930
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310392336.2A Expired - Fee Related CN103445770B (zh) | 2013-09-02 | 2013-09-02 | 排尿感知检测方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN103445770B (zh) |
WO (1) | WO2015027544A1 (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106264876A (zh) * | 2016-09-21 | 2017-01-04 | 安徽工程大学机电学院 | 一种智能尿不湿 |
CN107343782A (zh) * | 2016-05-06 | 2017-11-14 | 尹继超 | 排尿和排便提前预警装置 |
CN107510437A (zh) * | 2017-08-01 | 2017-12-26 | 广州安德生物科技有限公司 | 一种尿失禁患者积尿过程中自主神经功能评估方法及装置 |
CN109009073A (zh) * | 2018-07-20 | 2018-12-18 | 广州视源电子科技股份有限公司 | 房颤检测装置及存储介质 |
CN109528180A (zh) * | 2018-11-16 | 2019-03-29 | 歌尔科技有限公司 | 一种提醒方法、***、智能可穿戴设备及可读存储介质 |
CN109640822A (zh) * | 2016-04-12 | 2019-04-16 | Gogo手环有限公司 | 排尿预测和监测 |
CN113662578A (zh) * | 2021-10-20 | 2021-11-19 | 华南理工大学 | 一种基于残差网络的人体排便预测*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080300470A1 (en) * | 2007-05-30 | 2008-12-04 | Medtronic, Inc. | Collecting activity data for evaluation of patient incontinence |
CN101720244A (zh) * | 2007-05-23 | 2010-06-02 | 心脏起搏器公司 | 使用植入型传感器的心衰患者的减充血治疗滴定 |
WO2011158166A1 (en) * | 2010-06-13 | 2011-12-22 | Venugopal Gopinathan | Systems and methods for measurements of anatomical parameters |
CN102551712A (zh) * | 2011-06-13 | 2012-07-11 | 广州安德生物科技有限公司 | 基于生物电阻抗的非侵入式排尿报警装置及监测方法 |
CN103126672A (zh) * | 2013-03-13 | 2013-06-05 | 中山大学 | 基于生物电阻抗的膀胱积尿实时监测方法及装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9061146B2 (en) * | 2005-10-28 | 2015-06-23 | Medtronic, Inc. | Impedance-based bladder sensing |
JP2011182954A (ja) * | 2010-03-09 | 2011-09-22 | Panasonic Corp | 排尿障害治療器 |
CN101940469B (zh) * | 2010-06-29 | 2012-09-05 | 广州安德生物科技有限公司 | 一种便携式膀胱尿量检测装置 |
JP5075966B2 (ja) * | 2010-10-27 | 2012-11-21 | 花王株式会社 | ***検知装置 |
US9168374B2 (en) * | 2011-01-28 | 2015-10-27 | Medtronic, Inc. | Intra-burst pulse variation for stimulation therapy |
CN102961152B (zh) * | 2012-11-01 | 2015-12-02 | 中山大学 | 低负荷膀胱尿量实时监测与自动报警方法 |
-
2013
- 2013-09-02 CN CN201310392336.2A patent/CN103445770B/zh not_active Expired - Fee Related
- 2013-09-26 WO PCT/CN2013/084318 patent/WO2015027544A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101720244A (zh) * | 2007-05-23 | 2010-06-02 | 心脏起搏器公司 | 使用植入型传感器的心衰患者的减充血治疗滴定 |
US20080300470A1 (en) * | 2007-05-30 | 2008-12-04 | Medtronic, Inc. | Collecting activity data for evaluation of patient incontinence |
WO2011158166A1 (en) * | 2010-06-13 | 2011-12-22 | Venugopal Gopinathan | Systems and methods for measurements of anatomical parameters |
CN102551712A (zh) * | 2011-06-13 | 2012-07-11 | 广州安德生物科技有限公司 | 基于生物电阻抗的非侵入式排尿报警装置及监测方法 |
CN103126672A (zh) * | 2013-03-13 | 2013-06-05 | 中山大学 | 基于生物电阻抗的膀胱积尿实时监测方法及装置 |
Non-Patent Citations (2)
Title |
---|
古华光等: "近似熵及其在心率变异分析中的应用", 《航天医学与医学工程》, vol. 13, no. 6, 31 December 2000 (2000-12-31) * |
张艳艳: "近似熵理论及应用", 《中国医学物理学杂志》, vol. 26, no. 6, 30 November 2009 (2009-11-30) * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109640822A (zh) * | 2016-04-12 | 2019-04-16 | Gogo手环有限公司 | 排尿预测和监测 |
US11430245B2 (en) | 2016-04-12 | 2022-08-30 | GOGO Band, Inc. | Urination prediction and monitoring |
CN107343782A (zh) * | 2016-05-06 | 2017-11-14 | 尹继超 | 排尿和排便提前预警装置 |
CN106264876A (zh) * | 2016-09-21 | 2017-01-04 | 安徽工程大学机电学院 | 一种智能尿不湿 |
CN107510437A (zh) * | 2017-08-01 | 2017-12-26 | 广州安德生物科技有限公司 | 一种尿失禁患者积尿过程中自主神经功能评估方法及装置 |
CN109009073A (zh) * | 2018-07-20 | 2018-12-18 | 广州视源电子科技股份有限公司 | 房颤检测装置及存储介质 |
CN109528180A (zh) * | 2018-11-16 | 2019-03-29 | 歌尔科技有限公司 | 一种提醒方法、***、智能可穿戴设备及可读存储介质 |
CN109528180B (zh) * | 2018-11-16 | 2021-12-03 | 歌尔科技有限公司 | 一种提醒方法、***、智能可穿戴设备及可读存储介质 |
CN113662578A (zh) * | 2021-10-20 | 2021-11-19 | 华南理工大学 | 一种基于残差网络的人体排便预测*** |
CN113662578B (zh) * | 2021-10-20 | 2022-05-24 | 华南理工大学 | 一种基于残差网络的人体排便预测*** |
Also Published As
Publication number | Publication date |
---|---|
CN103445770B (zh) | 2015-04-22 |
WO2015027544A1 (zh) | 2015-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103445770B (zh) | 排尿感知检测方法及装置 | |
US10898099B2 (en) | Characterizing gastrointestinal functions from surface electrophysiology recording | |
CN104173043B (zh) | 一种适合于移动平台的心电数据分析方法 | |
US9763580B2 (en) | Internal bleeding detection apparatus | |
CN101658425B (zh) | 基于心率变异分析的注意力集中程度的检测装置及方法 | |
CN104605850B (zh) | 一种基于电阻抗断层成像技术的膀胱尿量实时监测装置和方法 | |
CN114748080B (zh) | 一种感觉运动功能的检测量化方法和*** | |
CN106937808A (zh) | 一种智能床垫的数据采集*** | |
CN103070683A (zh) | 基于生物电阻抗的睡眠呼吸模式识别方法及装置 | |
CN102743169B (zh) | 一种多功能的针灸穴位检测装置及方法 | |
CN107530015B (zh) | 一种生命体征分析方法与*** | |
KR20120094857A (ko) | 피복타입 무구속 생체신호 측정 및 이를 이용한 재활훈련 정도 판단방법 | |
CN101422358A (zh) | 用于测量使用自行车和训练器械的人的脉搏的装置 | |
CN101926642B (zh) | 基于生理信号间期序列的心脏功能无创检测装置 | |
CN102934998B (zh) | 压力评估***、舒缓压力控制***和运动减压控制方法 | |
CN106175699A (zh) | 基于催眠术的智能辅助睡眠设备 | |
CN115153580A (zh) | 一种用于胎儿心电监测的皮肤阻抗测量方法和*** | |
CN105997095B (zh) | 一种基于电极阵列的胎动实时监测的方法及装置 | |
CN111134641A (zh) | 一种睡眠监测芯片***及睡眠监测芯片 | |
CN107320102A (zh) | 一种基于预测模型的膀胱排尿时间提醒方法及评估装置 | |
CN106510641A (zh) | 一种检测人体不同睡眠阶段的方法及*** | |
Li et al. | Detection of muscle fatigue by fusion of agonist and synergistic muscle semg signals | |
CN101332090A (zh) | ******检测传感装置及检测装置 | |
CN103340639A (zh) | 一种基于生物电阻抗的急迫性尿失禁识别方法 | |
CN204246115U (zh) | 一种生理信息采集和处理装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150422 Termination date: 20210902 |