CN118078293B - 一种膀胱含尿量测量方法、装置及设备 - Google Patents
一种膀胱含尿量测量方法、装置及设备 Download PDFInfo
- Publication number
- CN118078293B CN118078293B CN202410486839.4A CN202410486839A CN118078293B CN 118078293 B CN118078293 B CN 118078293B CN 202410486839 A CN202410486839 A CN 202410486839A CN 118078293 B CN118078293 B CN 118078293B
- Authority
- CN
- China
- Prior art keywords
- bladder
- patient
- pelvic
- boundary voltage
- pelvis
- 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.)
- Active
Links
- 210000002700 urine Anatomy 0.000 title claims abstract description 94
- 238000000034 method Methods 0.000 title claims abstract description 46
- 239000011159 matrix material Substances 0.000 claims abstract description 58
- 210000004197 pelvis Anatomy 0.000 claims abstract description 37
- 238000013528 artificial neural network Methods 0.000 claims abstract description 13
- 238000012549 training Methods 0.000 claims abstract description 13
- 230000005284 excitation Effects 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000005259 measurement Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 5
- 238000000691 measurement method Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 3
- 230000005684 electric field Effects 0.000 abstract description 3
- 210000003932 urinary bladder Anatomy 0.000 description 63
- 238000002593 electrical impedance tomography Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 210000001015 abdomen Anatomy 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000002591 computed tomography Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000027939 micturition Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明公开了一种膀胱含尿量测量方法、装置及设备，方法包括：立不同周长的盆腔模型，得到多个所述盆腔模型的边界电压特征值；建立多个所述边界电压特征值与所述盆腔模型的膀胱含尿量的拟合方程；得到所述盆腔模型的周长与所述拟合方程的拟合系数组合的关系矩阵；利用神经网络对所述关系矩阵进行训练得到权重矩阵；根据患者盆腔的周长，通过所述权重矩阵得到患者盆腔的膀胱含尿量；通过上述设计解决现有近似稳态电场的偏微分方程求解方法，其空间分辨率低，导致膀胱体积的估计值会出现严重偏差的问题。
Description
技术领域
本发明涉及膀胱含尿量检测领域，具体为一种膀胱含尿量测量方法、装置及设备。
背景技术
无法自主排尿对患者造成了生活不便和心理压力，膀胱含尿量监测对于此类患者十分重要，同时尿常规检查是一项基础检查，膀胱含尿量监测便于患者及医护人员把握患者排尿时间。目前常用的膀胱含尿量检查有超声检查和计算机断层成像(ComputedTomography,CT)检查，超声检查无害但无法做到实时监测；CT检查精度高，但辐射对人体造成伤害且价格昂贵。电阻抗层析成像(Electrical Impedance Tomography,EIT)相较于常用的膀胱含尿量检查，具有实时性，无创无损性，且价格低廉的优势，可以对膀胱含尿量进行长时间的实时监测。
公开号为CN103126672A的中国发明专利公开了一种对尿液电导率不敏感的动态膀胱体积测量方法，该专利利用膀胱EIT图像像素点的坐标和像素值提取边缘效应而估计膀胱体积。然而EIT图像是采用近似稳态电场的偏微分方程求解而获得，其空间分辨率低，导致膀胱体积的估计值会出现严重偏差。
为了解决现有技术中存在的以上问题，我们提出一种膀胱含尿量测量方法。
发明内容
本发明提供一种膀胱含尿量测量方法、装置及设备，目的在于解决现有近似稳态电场的偏微分方程求解方法，其空间分辨率低，导致膀胱体积的估计值会出现严重偏差的问题。
为实现上述目的，本发明提供如下技术方案：
一种膀胱含尿量测量方法，包括：
建立不同周长的盆腔模型，得到多个所述盆腔模型的边界电压特征值；
建立多个所述边界电压特征值与所述盆腔模型的膀胱含尿量的拟合方程；
得到所述盆腔模型的周长与所述拟合方程的拟合系数组合的关系矩阵；
利用神经网络对所述关系矩阵进行训练得到权重矩阵；
根据患者盆腔的周长，通过所述权重矩阵得到患者盆腔的膀胱含尿量。
优选的，所述建立不同周长的盆腔模型，得到多个所述盆腔模型的边界电压特征值，包括：
在每个盆腔模型表面设置N个电极测量点，采用公共电极法对所述N个电极进行测量，采集得到（N-1）*（N-2）个边界响应电压，形成一个（N-1）*（N-2）的电压矩阵；
根据所述电压矩阵得出所述边界电压特征值。
优选的，根据所述电压矩阵得出所述边界电压特征值的计算公式如下：
其中N为电极数，为第i次激励的峰值电压，为边界电压特征值。
优选的，所述边界电压特征值与所述盆腔模型的膀胱含尿量的拟合方程为：
，其中Q是膀胱含尿量，为边界电压特征值，、、为拟合系数。
优选的，所述拟合方程的拟合系数组合求解过程具体为：
设盆腔模型充盈时形状为卵圆形，则计算其体积公式如下：
，其中a为长半径，b为短半径，c为对称半径；
构建P种不同含尿量的盆腔模型，P种所述盆腔模型的含尿量最低值为Qmin毫升，最高值为Qmax毫升，P种所述盆腔模型共产生()()……()P个测试点数据，将P个测试点数据代入所述拟合方程，得到每个盆腔模型的边界电压特征值与膀胱含尿量Q的数学关系式，依据所述数学关系式得到P种所述拟合系数组合；
得到所述盆腔模型的周长与P种所述拟合系数组合的关系矩阵：
，
其中为盆腔模型的周长，为拟合系数组合。
优选的，所述根据患者盆腔的周长，通过所述权重矩阵得到患者盆腔的膀胱含尿量，包括：
S1、根据患者盆腔的周长，通过所述权重矩阵得到所述患者盆腔的拟合系数组合，进而得到所述患者盆腔的边界电压特征值与所述患者盆腔的膀胱含尿量的拟合方程；
S2、将所述患者盆腔的边界电压特征值带入S1的拟合方程中得到所述患者盆腔的膀胱含尿量。
一种膀胱含尿量测量装置，包括：
采集模块，用于获取盆腔模型和患者盆腔的边界电压值；
第一计算模块，用于利用采集模块获取的盆腔模型的边界电压值得出盆腔模型的边界电压特征值，并建立多个所述边界电压特征值与所述盆腔模型的膀胱含尿量的拟合方程；并得到所述盆腔模型的周长与所述拟合方程的拟合系数组合的关系矩阵；
编码模块，用于利用神经网络对所述关系矩阵进行训练得到权重矩阵；
第二计算模块，用于根据患者盆腔的周长，通过所述权重矩阵得到患者盆腔的膀胱含尿量。
一种膀胱含尿量测量设备，包括：存储器和处理器，所述存储器中存储有指令，所述存储器和所述处理器通过线路互连；所述处理器调用所述存储器中的所述指令，实现所述膀胱含尿量测量方法。
与现有技术相比，本发明的有益效果是：
本发明提出一种新型的、基于公共电极测量法和边界电压特征值的膀胱含尿量测量方法，包括：建立不同周长的盆腔模型，得到多个所述盆腔模型的边界电压特征值；建立多个所述边界电压特征值与所述盆腔模型的膀胱含尿量的拟合方程；得到所述盆腔模型的周长与所述拟合方程的拟合系数组合的关系矩阵；利用神经网络对所述关系矩阵进行训练得到权重矩阵；根据患者盆腔的周长，通过所述权重矩阵得到患者盆腔的膀胱含尿量。该方法中利用盆腔模型结合边界电压特征值及膀胱含尿量对膀胱含尿量进行预测，其从EIT边界测量数据出发，无须近似求解，无需成像，通过公共电极的测量数据，采用数值拟合及神经网络的方法，直接获得边界电压与含尿量的非线性映射关系，避免了上述EIT图像法而引起的估计不准确问题，而且通过公共电极的设置，进一步减少了测量误差，更加直接而精准地测量膀胱含尿量，更具有实用价值和应用前景。
附图说明
图1为本发明膀胱含尿量测量工作流程图；
图2为本发明8电极排列方式示意图；
图3为本发明8电极公共电极法工作原理说明图；
图4为8电极模型的拟合曲线图；
图5为本发明膀胱含尿量测量装置图；
图6为本发明膀胱含尿量测量设备结构图。
具体实施方式
下面将结合附图描述本发明的一个优选实施例，对本发明一优选实施例中的技术方案进行清楚、完整地描述。
实施例1
一种膀胱含尿量测量方法，包括
步骤101：建立不同周长的盆腔模型，得到多个所述盆腔模型的边界电压特征值；
步骤102：建立多个所述边界电压特征值与所述盆腔模型的膀胱含尿量的拟合方程；
步骤103：得到所述盆腔模型的周长与所述拟合方程的拟合系数组合的关系矩阵；
步骤104：利用神经网络对所述关系矩阵进行训练得到权重矩阵；
步骤105：根据患者盆腔的周长，通过所述权重矩阵得到患者盆腔的膀胱含尿量。
因为不同年龄、不同性别、不同体型等原因都会造成测量膀胱含尿量实验中的盆腔部位周长不同，本发明针对该问题，通过COMSOL Multiphysics 6.0软件建立不同周长的盆腔模型并进行有限元仿真，盆腔模型记为，盆腔模型周长记为，i为模型编号，在每个盆腔模型表面放置N个电极。
经过对比实验，本发明中的公共电极法，其每毫升电压变化率为184.2uV/ml，相较于已有的EIT电极分布方法（CN10859636A）的4.6μV/ml，提高了将近40倍。如图2所示，将背部电极设为公共电极并保持不变，公共电极作为激励和测量的信号地端。公共电极与腹部左侧第一个电极形成激励电极对，将0-200kHz 、1-5mA交流安全电流从激励电极对正极（腹部左侧第一个电极）注入盆腔模型，电流从公共电极流出。从腹部左侧第二个电极开始依次测量其他电极（除公共电极和当前作为激励的电极）与公共电极之间的电压差，直到腹部最后一个电极与公共电极之间的电压差测量完成，此时完成第一次激励。接下来，公共电极与腹部左侧第二个电极组成激励电极对，将电流从激励电极对正极（腹部左侧第二个电极）注入盆腔模型，电流从公共电极流出，从腹部左侧第三个电极开始依次测量其他电极（除公共电极和当前作为激励的电极）与公共电极之间的电压差，直到腹部最后一个电极与公共电极之间的电压差测量完成，此时完成第二次激励，以此类推，直到所有电极均完成激励，共采集得到（N-1）*（N-2）个边界响应电压，形成一个（N-1）*（N-2）的电压矩阵。
其中，为边界电压矩阵。
根据由测得的边界响应电压值得出边界电压特征值，边界电压特征值与膀胱含尿量Q的数学关系用函数f(,Q)表示，根据数据非线性拟合方法，如最小二乘拟合算法、非线性回归算法等即可得到f函数表达式。实验过程中尝试多种拟合方法，对比决定系数，从中选择最优拟合方法，建立拟合方程：
其中Q是膀胱含尿量，为边界电压特征值，、、为拟合系数。
第一计算模块对各个模型的拟合方程中的待定拟合系数进行求解，得到所述盆腔模型的周长与所述拟合方程的拟合系数组合的关系矩阵，再在编码模块中利用神经网络进行训练，得到权重矩阵W。
采集模块测量实际患者盆腔的周长，在第二计算模块中将实际患者的盆腔周长带入权重矩阵中，得出该患者盆腔的相应拟合系数组合，进而得到该患者膀胱的边界电压特征值与膀胱含尿量Q的函数关系。
通过采集模块测量患者的边界电压值，在第一计算模块中求出患者盆腔的边界电压特征值，将其带入到该患者边界电压特征值与膀胱含尿量Q的函数关系中，映射得到该患者的膀胱含尿量。图4是盆腔模型的拟合曲线图。
具体地，所述建立不同周长的盆腔模型，得到多个所述盆腔模型的边界电压特征值，包括：
在每个盆腔模型表面设置N个电极测量点，采用公共电极法对所述N个电极进行测量，采集得到（N-1）*（N-2）个边界响应电压，形成一个（N-1）*（N-2）的电压矩阵；根据所述电压矩阵得出所述边界电压特征值。
如图2所示，以放置8个电极模型为例，8电极排列方式为：在盆腔模型的肚脐下方8-12cm范围内取一等高线，盆腔模型后侧中线与该等高线交点放置一个电极作为公共电极，盆腔模型前侧肚脐正下方的等高线处放置一个电极，其余测量电极均匀分布在盆腔模型前侧腹部的等高线上，按照间隔2cm的方式左右各分布（N-2）/2个电极。
如图3所示，公共电极作为激励和测量的信号地端。首先1号电极即公共电极，与2号电极组成激励电极对，安全电流从2号电极注入盆腔，分别测量3-8号电极和1号电极间的电压差；然后1号电极与3号电极组成激励电极对，安全电流从3号电极注入腹部，分别测量除激励电极对以外的其余电极和公共电极（1号电极）间的电压差；以此类推，最后可以得到（8-2）*（8-1）= 42个电压值。
具体地，根据所述电压矩阵得出所述边界电压特征值的计算公式如下：
其中N为电极数，为第i次激励的峰值电压，为边界电压特征值。
具体地，所述边界电压特征值与所述盆腔模型的膀胱含尿量的拟合方程为：
，其中Q是膀胱含尿量，为边界电压特征值，、、为拟合系数。
本发明对各个模型的拟合方程中的待定拟合系数进行求解，组成盆腔周长和待定拟合系数组合的对应关系，即。其中：
具体地，所述拟合方程的拟合系数组合求解过程具体为：
设盆腔模型充盈时形状为卵圆形，则计算其体积公式如下：
，其中a为长半径，b为短半径，c为对称半径；
构建P种不同含尿量的盆腔模型，P种所述盆腔模型的含尿量最低值为Qmin毫升，最高值为Qmax毫升，P种所述盆腔模型共产生()()……()P个测试点数据，将P个测试点数据代入所述拟合方程，得到每个盆腔模型的边界电压特征值与膀胱含尿量Q的数学关系式，依据所述数学关系式得到P种所述拟合系数组合；
得到所述盆腔模型的周长与P种所述拟合系数组合的关系矩阵：
，
其中为盆腔模型的周长，为拟合系数组合。
本发明在编码模块中，盆腔模型的周长L与P种所述拟合系数组合的关系矩阵作为训练样本，利用神经网络进行训练，得到权重矩阵W。
该神经网络使用的损失函数有log对数损失函数、绝对值损失函数、平方损失函数、指数损失函数、Hinge损失函数、0-1损失函数。该网络的输入具有P个神经元，与输入数据成一一对应关系，隐含层有m层，通过训练算法调整网络权重，使训练集的重建误差达到最小。当输入的周长等于构建的P种模型之一时，直接从存储模块读取边界电压特征值与膀胱含尿量的数学关系式；当输入的周长不等于构建的P种模型之一时，则令经过权重矩阵，输出拟合系数组合，进而得到该患者边界电压特征值与膀胱含尿量的函数关系。
具体地，所述根据患者盆腔的周长，通过所述权重矩阵得到患者盆腔的膀胱含尿量，包括：
S1、根据患者盆腔的周长，通过所述权重矩阵得到所述患者盆腔的拟合系数组合，进而得到所述患者盆腔的边界电压特征值与所述患者盆腔的膀胱含尿量的拟合方程；
S2、将所述患者盆腔的边界电压特征值带入S1的拟合方程中得到所述患者盆腔的膀胱含尿量。
最后，测量实际患者的盆腔周长，编码模块将患者的的盆腔周长带入权重矩阵，得出该患者相应拟合系数组合输出，进而得到该患者边界电压特征值与膀胱含尿量Q的函数关系，通过采集模块测量患者的边界电压值，在第一计算模块中求出患者盆腔的边界电压特征值，将其带入到该患者边界电压特征值与膀胱含尿量Q的函数关系中，映射得到该患者的膀胱含尿量。
EIT图像法（CN109498013A）最大的弊端是EIT图像空间分辨率低，进而膀胱体积的估计值会出现严重偏差。因为EIT图像法本质上是对麦克斯韦方程进行求解，是少量输入计算大量输出的过程，是欠定的、病态的，在一定的假设条件下，采用数值求解的方法获得近似的空间分布，精确性受到算法本身、算法的各种参数的设置以及不准确的边界条件等因素影响、因此，EIT图像法从图像本身进行尿含量估计，是难以达到准确性要求的。
而本发明无需成像，通过公共电极的测量数据，采用数值拟合及神经网络的方法，直接获得边界电压与含尿量的非线性映射关系，避免了上述EIT图像法而引起的估计不准确问题，而且通过公共电极的设置，进一步减少了测量误差，更加直接而精准地测量膀胱含尿量，更具有实用价值和应用前景。
一种膀胱含尿量测量装置，包括：
采集模块，用于获取盆腔模型和患者盆腔的边界电压值；
第一计算模块，用于利用采集模块获取的盆腔模型的边界电压值得出盆腔模型的边界电压特征值，并建立多个所述边界电压特征值与所述盆腔模型的膀胱含尿量的拟合方程；并得到所述盆腔模型的周长与所述拟合方程的拟合系数组合的关系矩阵；
编码模块，用于利用神经网络对所述关系矩阵进行训练得到权重矩阵；
第二计算模块，用于根据患者盆腔的周长，通过所述权重矩阵得到患者盆腔的膀胱含尿量。
一种膀胱含尿量测量设备，包括：存储器和处理器，所述存储器中存储有指令，所述存储器和所述处理器通过线路互连；所述处理器调用所述存储器中的所述指令，实现所述膀胱含尿量测量方法。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (6)
1.一种膀胱含尿量测量方法，其特征在于：包括
建立不同周长的盆腔模型，得到多个所述盆腔模型的边界电压特征值；
建立多个所述边界电压特征值与所述盆腔模型的膀胱含尿量的拟合方程；
得到所述盆腔模型的周长与所述拟合方程的拟合系数组合的关系矩阵；
利用神经网络对所述关系矩阵进行训练得到权重矩阵；
根据患者盆腔的周长，通过所述权重矩阵得到患者盆腔的膀胱含尿量；
所述建立不同周长的盆腔模型，得到多个所述盆腔模型的边界电压特征值，包括：
在每个盆腔模型表面设置N个电极测量点，采用公共电极法对所述N个电极进行测量，采集得到（N-1）×（N-2）个边界响应电压，形成一个（N-1）×（N-2）的电压矩阵；
根据所述电压矩阵得出所述边界电压特征值，计算公式如下：
其中N为电极数， 为第i次激励的峰值电压， 为边界电压特征值。
2.根据权利要求1所述的膀胱含尿量测量方法，其特征在于，所述边界电压特征值与所述盆腔模型的膀胱含尿量的拟合方程为：
，
其中Q是膀胱含尿量， 为边界电压特征值， 、 、 为拟合系数。
3.根据权利要求2所述的膀胱含尿量测量方法，其特征在于，所述拟合方程的拟合系数组合求解过程具体为：
设盆腔模型充盈时形状为卵圆形，则计算其体积公式如下：
，其中a为长半径，b为短半径，c为对称半径；
构建P种不同含尿量的盆腔模型，P种所述盆腔模型的含尿量最低值为Qmin毫升，最高值为Qmax毫升，P种所述盆腔模型共产生( )( )……( )P个测试点数据，将P个测试点数据代入所述拟合方程，得到每个盆腔模型的边界电压特征值 与膀胱含尿量Q的数学关系式，依据所述数学关系式得到P种所述拟合系数组合；
得到所述盆腔模型的周长与P种所述拟合系数组合的关系矩阵：，
其中 为盆腔模型的周长， 为拟合系数组合。
4.根据权利要求1所述的膀胱含尿量测量方法，其特征在于，所述根据患者盆腔的周长，通过所述权重矩阵得到患者盆腔的膀胱含尿量，包括：
S1、根据患者盆腔的周长，通过所述权重矩阵得到所述患者盆腔的拟合系数组合，进而得到所述患者盆腔的边界电压特征值与所述患者盆腔的膀胱含尿量的拟合方程；
S2、将所述患者盆腔的边界电压特征值带入S1的拟合方程中得到所述患者盆腔的膀胱含尿量。
5.一种膀胱含尿量测量装置，引用权利要求1所述的一种膀胱含尿量测量方法，其特征在于，包括：
采集模块，用于获取盆腔模型和患者盆腔的边界电压值；
第一计算模块，用于利用采集模块获取的盆腔模型的边界电压值得出盆腔模型的边界电压特征值，并建立多个所述边界电压特征值与所述盆腔模型的膀胱含尿量的拟合方程；并得到所述盆腔模型的周长与所述拟合方程的拟合系数组合的关系矩阵；
编码模块，用于利用神经网络对所述关系矩阵进行训练得到权重矩阵；
第二计算模块，用于根据患者盆腔的周长，通过所述权重矩阵得到患者盆腔的膀胱含尿量。
6.一种膀胱含尿量测量设备，其特征在于，包括：存储器和处理器，所述存储器中存储有指令，所述存储器和所述处理器通过线路互连；所述处理器调用所述存储器中的所述指令，实现如权利要求1～4中任意一项所述膀胱含尿量测量方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410486839.4A CN118078293B (zh) | 2024-04-23 | 2024-04-23 | 一种膀胱含尿量测量方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410486839.4A CN118078293B (zh) | 2024-04-23 | 2024-04-23 | 一种膀胱含尿量测量方法、装置及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118078293A CN118078293A (zh) | 2024-05-28 |
| CN118078293B true CN118078293B (zh) | 2024-06-28 |
Family
ID=91142374
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410486839.4A Active CN118078293B (zh) | 2024-04-23 | 2024-04-23 | 一种膀胱含尿量测量方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118078293B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101940469A (zh) * | 2010-06-29 | 2011-01-12 | 中山大学 | 一种便携式膀胱尿量检测方法及装置 |
| CN110859636A (zh) * | 2019-12-12 | 2020-03-06 | 北京航空航天大学 | 一种对尿液电导率不敏感的动态膀胱体积测量方法 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070255176A1 (en) * | 2006-04-28 | 2007-11-01 | Medtronic, Inc. | Voiding detection with learning mode |
| US9174045B2 (en) * | 2009-03-20 | 2015-11-03 | ElectroCore, LLC | Non-invasive electrical and magnetic nerve stimulators used to treat overactive bladder and urinary incontinence |
| CN103126672B (zh) * | 2013-03-13 | 2015-04-22 | 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 |
| CN103598886B (zh) * | 2013-11-28 | 2015-10-28 | 中山大学 | 基于模型补偿法监测积尿过程中动态尿量的方法 |
| CN104605850B (zh) * | 2015-01-19 | 2017-08-01 | 中山大学 | 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 |
| US20180160961A1 (en) * | 2016-08-02 | 2018-06-14 | Venugopal Gopinathan | Noninvasive ambulatory measurement of urine using broadband electrical spectroscopy |
| CN110840457B (zh) * | 2019-12-12 | 2020-11-13 | 北京航空航天大学 | 一种基于边缘场检测的二维eit电极阵列结构优化方法 |
| JP2023056053A (ja) * | 2020-01-27 | 2023-04-19 | 恭子 高 | 尿量推定装置、尿量推定方法及び排尿タイミング推定方法 |
| JP2024507880A (ja) * | 2021-02-23 | 2024-02-21 | シー・アール・バード・インコーポレーテッド | 自己学習及び非侵襲性の膀胱監視システム及び方法 |
| CN113870377A (zh) * | 2021-10-21 | 2021-12-31 | 天津科技大学 | 基于V-ResNet肺部成像方法 |
-
2024
- 2024-04-23 CN CN202410486839.4A patent/CN118078293B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101940469A (zh) * | 2010-06-29 | 2011-01-12 | 中山大学 | 一种便携式膀胱尿量检测方法及装置 |
| CN110859636A (zh) * | 2019-12-12 | 2020-03-06 | 北京航空航天大学 | 一种对尿液电导率不敏感的动态膀胱体积测量方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118078293A (zh) | 2024-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Adam et al. | Survey on medical imaging of electrical impedance tomography (EIT) by variable current pattern methods | |
| CN105997072B (zh) | 一种基于测量精度的电阻抗检测用电极接触状态检测方法 | |
| CN110859636B (zh) | 一种对尿液电导率不敏感的动态膀胱体积测量方法 | |
| CN102961136B (zh) | 一种用于电阻抗断层成像***的定标装置 | |
| CN102688041B (zh) | 基于电极采用交错位方式排列的三维电阻抗断层成像方法 | |
| CN109646000B (zh) | 一种基于局部细剖分的节点电阻抗成像方法 | |
| CN110720915A (zh) | 一种基于gan的脑部电阻抗断层成像方法 | |
| Schlebusch et al. | On the road to a textile integrated bioimpedance early warning system for lung edema | |
| CN104605850A (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 | |
| CN103040466A (zh) | 一种电阻抗检测用电极连接异常的检测方法 | |
| Wang et al. | Reconstruction of electrical impedance tomography (EIT) images based on the expectation maximum (EM) method | |
| CN111887847A (zh) | 基于人体成分仪的内脏脂肪测量方法、装置、计算机设备和存储介质 | |
| CN118078293B (zh) | 一种膀胱含尿量测量方法、装置及设备 | |
| CN102599907B (zh) | 基于网格位移模型的电阻抗断层成像方法 | |
| Eyuboglu et al. | Estimation of tissue resistivities from multiple-electrode impedance measurements | |
| CN110840457B (zh) | 一种基于边缘场检测的二维eit电极阵列结构优化方法 | |
| CN103630750A (zh) | 一种基于电阻抗成像的凝胶电导率测量方法 | |
| CN103054577B (zh) | 一种电阻抗成像的稀疏重建方法 | |
| CN101889862A (zh) | 用于人体功能检测的三维扫描体电图仪及其检测方法 | |
| Zhang et al. | Survey of EIT image reconstruction algorithms | |
| CN102599908B (zh) | 基于带平衡因子的网格位移模型的电阻抗断层成像方法 | |
| CN113793340B (zh) | 一种图像分割神经网络及远程生物成像方法及*** | |
| Sun et al. | A new method for electrical impedance tomography with incomplete electrode array | |
| CN104287694A (zh) | 内脏脂肪测量装置及检测方法 | |
| Liu et al. | A λ-level partition-based linear back projection algorithm to electrical resistance tomography |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |