CN202950650U - 无创颅内压分析仪和无创颅内压检测*** - Google Patents
无创颅内压分析仪和无创颅内压检测*** Download PDFInfo
- Publication number
- CN202950650U CN202950650U CN 201220457712 CN201220457712U CN202950650U CN 202950650 U CN202950650 U CN 202950650U CN 201220457712 CN201220457712 CN 201220457712 CN 201220457712 U CN201220457712 U CN 201220457712U CN 202950650 U CN202950650 U CN 202950650U
- Authority
- CN
- China
- Prior art keywords
- data
- intracranial pressure
- system host
- signal
- blood flow
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本实用新型涉及一种无创颅内压分析仪和无创颅内压检测***,所述分析仪包括用于输入样本病人的样本数据和被测病人的测量数据的数据输入模块、用于对所述数据输入模块所输入的样本数据进行数据训练并生成样本模型的建模模块、用于根据所述建模模块所生成的样本模型和所述数据输入模块所输入的被测病人的测量数据计算被测病人的无创颅内压的运算处理模块以及用于进行各种数据输出的输出模块,本实用新型的分析仪和检测***能够根据被测病人的个体差异来选择最优的样本模型,能够减少计算量、降低设备负载、提高测量准确度和速度,实用性强,适用范围广,还具有很好的后向兼容性,可以很容易的对设备进行升级、改造。
Description
技术领域
本实用新型涉及一种颅内压的无创测量设备和***,主要用于神经内科、神经外科、重症监护室(ICU)中的颅内压的无创分析、测量。
背景技术
颅内压(ICP)的无创测量及动态监测在临床中有着极其重要的作用,目前的无创测量设备主要是基于闪光视觉诱发电位法和经颅多普勒法(TCD)等。
由于闪光视觉诱发信号非常弱(0.3~20μv),极易淹没在脑电信号和其他外界信号之中(脑电信号为30~100μv),需要多次测量求取平均值,多次闪光刺激给病人带来疲劳和不适,也易于引入爆发性伪迹,尤其是对于重症病人该方法的适应范围受到一定限制。且基于闪光视觉诱发电位法通常假设颅内压信号与该闪光视觉诱发电位之间存在固定的函数关系,但颅内压信号与该闪光视觉诱发电位之间的函数关系非常复杂,尤其是涉及不同的生理病理特征时更是如此,因此其测量的准确性很难保证。另外,该方法测得的是颅内压的平均值,无法反应颅内压的波动信息,无法满足动态连续监测的要求,而颅内压的动态波型中含有很多有价值的重要信息。
目前较为常用的经颅多普勒法主要是基于“黑匣子”理论对样本病人的样本数据进行分析并建立颅内压与动脉血压(ABP)、血流之间的函数关系(相当于本实用新型所述的样本模型),实际测量时将被测病人的ABP值输入后得出其ICP曲线。但是,由于该方法是根据样本病人的数据来建立固定的函数关系,而并未考虑具体被测病人的个体差异情况,不能根据实际情况进行调整以选择最佳的函数关系,实际上目前没有哪一种函数可以准确的反应三者之间的函数关系,因此,其对于不同病人、不同病症的适用性较差,不能满足实际应用中的要求,另外,其函数关系建立之后只能通过测量固定的几组数据来估算无创颅内压,而无法根据实际需要增加或减少测量数据的项数,基于该方法的设备升级、改造比较困难。
实用新型内容
为了克服现有技术的上述缺陷,本实用新型的目的在于提供一种无创颅内压分析仪和无创颅内压检测***,能够根据被测病人的个体差异来选择最优的样本模型,能够有效提高无创颅内压预测的准确性,并且,由于样本模型都是事先算好,不会增加***计算量,本实用新型测量速度快,适用性强,适用范围广,还能具有良好的后向兼容性,并能够较容易地根据实际需要完成对设备的软件升级、改造。
本实用新型的技术方案是:
一种无创颅内压分析仪,包括数据输入模块、建模模块、运算处理模块和输出模块。
所述建模模块可以包括初始样本数据库子模块、数据训练子模块和样本模型存储子模块,所述初始样本数据库子模块包括多个样本数据单元,每个所述样本数据单元中存储有相应样本病人的全部或部分所述样本数据。
所述数据训练子模块包括数据挖掘单元、样本数据时间序列模型单元、样本数据不相似度矩阵单元、样本数据血流动力学参数提取单元和样本数据映射关系单元。
上述任意一项技术方案中,优选地,所述运算处理模块包括测量数据分析处理子模块和无创颅内压计算子模块,其中,所述测量数据分析处理子模块包括被测病人时间序列模型单元、被测病人血流动力学参数提取单元、映射关系分析单元和样本模型选择单元。
上述任意一项技术方案中,所述无创颅内压分析仪还包括***主机控制模块、信号采集控制模块以及用于为所述数据输入模块采集数据的信号采集模块。
所述信号采集模块包括血压信息采集单元和血流信息采集单元,所述血压信息采集单元包括通过无创测量法根据桡动脉脉搏信息测量包括逐跳连续血压信号的平均外周动脉血压采集子单元,所述血流信息采集单元包括脑血流速度采集子单元、脑血流方向采集子单元、脑血流量采集子单元和/或脑血管阻力采集子单元。
所述脑血流速度采集子单元包括能够通过经颅多普勒(TCD)法测量搏动指数、阻力指数、收缩期峰值血流速度和/或舒张期末血流速度的脑血流速度采集子子单元,所述基础数据采集子模块还包括能够采集下列信息中的一种、几种或全部的信息采集单元:脑灌注压、二氧化碳分压、氧分压以及其他被认为会对测量结果带来影响的数据。
本实用新型还提供了一种无创颅内压检测***,包括用于颅内压样本建模和无创颅内压运算的***主机和用于采集无创颅内压基础检测数据的基础数据信号采集装置,并设有或不设有用于采集辅助数据的辅助数据检测装置,所述基础数据信号采集装置与所述***主机通信连接,所述辅助数据检测装置与所述基础数据信号采集装置通信连接或者与所述***主机通信连接,所述基础数据信号采集装置设有血流超声探头,并且设有或不设有血压传感器,所述***主机包括用于依据样本数据生成多个样本模型的建模模块和用于根据所述基础数据信号采集装置采集的被测病人基础数据或者根据所述基础数据信号采集装置采集的被测病人基础数据和所述辅助数据检测装置采集的被测病人辅助数据选择样本模型并计算出被测病人的无创颅内压的运算处理模块。
所述***主机和所述基础数据信号采集装置可以为一体式或分体式的,所述无创颅内压检测***相应的可以为台式机、笔记本式或嵌入式小型化便携机。
本实用新型的有益效果是:
由于以多组样本病人的样本数据为基础通过数据挖掘技术和数据训练建立样本模型,通过数据挖掘能够有效消除多组样本数据中的无效数据的负面影响,减少了计算量,降低了设备负载,提高了测量精度和测量速度,而数据训练将大量的***计算集中于样本模型建立的过程中,使得在实际测量过程中所需要的计算量有了极大的降低,进一步提高了测量速度,实用性强;
由于建立了多个样本模型,并且在实际测量过程中选择了最优的样本模型进行无创颅内压的预测,避免了所有被测病人均采用同样的函数关系进行无创颅内压预测的局限性,尤其是对于不同地理区域的病人而言,可以选择与被测病人的特征最相近的样本病人提取样本数据来建立样本模型,有效提高了样本模型与被测病人的相似度,提高了测量的准确性;
由于通过数据训练来建立多个样本模型,因此还具有良好的后向兼容性,可以根据实际需要选择数据训练过程中所使用的样本数据的项数多少,例如可以考虑病人在测量过程中的二氧化碳分压等的影响,其测量的准确性会随项数的增加更加准确,并且充分考虑了不同病人的个体性差异和群体性差异,有效提高了样本数据库与被测病人的匹配度,提高了测量的准确性,并且,本实用新型适用于不同病种、不同生理特点的病人,还可以通过增加适当的数据(如样本病人的国别、人种等信息)来扩大样本模型的适用群体,其适用的范围更广。
附图说明
图1是本实用新型的无创颅内压分析仪的***结构示意图;
图2是本实用新型的无创颅内压检测***的一种实施例的整体结构示意图;
图3是本实用新型的无创颅内压检测***的信号采集电路示意图;
图4是本实用新型的无创颅内压检测***的一种实施例的***架构示意图;
图5是本实用新型的无创颅内压检测***的一种实施例的***架构示意图;
图6是本实用新型的无创颅内压检测***的一种实施例的***架构示意图。
具体实施方式
为了更好地解释本实用新型,以便更好理解,下面结合附图通过具体实施方式对本实用新型进行更详细地描述。
参见图1,本实用新型提供了一种无创颅内压分析仪,包括下列各个模块:用于输入样本病人的样本数据和被测病人的测量数据的数据输入模块、用于对所述数据输入模块所输入的样本数据进行数据训练并生成样本模型的建模模块、用于根据所述建模模块所生成的样本模型和所述数据输入模块所输入的被测病人的测量数据计算被测病人的无创颅内压的运算处理模块,以及用于将包括所述运算处理模块预测得出的无创颅内压在内的各种数据输出的输出模块。所述数据输入模块可以采用现有各种适宜的数据采集装置或数据采集电路,所述建模模块可以采用现有设有存储器的各种适宜的微处理器或其他运算电路,通过存入各种适宜的预存数据以及预存建模软件实现其建模功能,所述运算处理模块可以采用现有各种适宜的微处理器或其他运算电路,所述输出模块可以采用现有各种适宜的显示器、打印机及存储设备或装置,还可以采用各种适宜的用于向外部输出数据的输出电路,上述电路和装置的选择可以根据本说明书的指导依据现有技术进行,以保证所选择的电路或装置具备相应的运算和处理能力,但鉴于目前电子信息技术的发展水平,许多常见的微处理装置均可以达到本实用新型的要求。
优选地,所述样本数据包括作为基础数据的测量数据和颅内压ICP,所述基础数据包括动脉血压ABP和脑血流信息,所述脑血流信息包括脑血流速度CBFV,所述基础数据包括有创测量数据和/或无创测量数据,测得方式包括无创和有创测量法,优选为所述样本数据中的基础数据与所述被测病人的基础数据采用相同的测量方式,以提高测量准确度,优选为无创测量方式,而作为样本数据的所述样本病人的颅内压优选采用有创测量法,以提高被测病人的无创颅内压的测量准确度。
所述建模模块可以包括:用于根据所述数据输入模块所输入的样本数据建立初始样本数据库的初始样本数据库子模块、用于对所述初始样本数据库子模块进行数据训练并生成所述样本模型的数据训练子模块以及用于存储所述数据训练子模块所生成的样本模型的样本模型存储子模块。
所述初始样本数据库子模块包括多个样本数据单元,每个所述样本数据单元中存储有相应样本病人的全部或部分所述样本数据,所述数据训练子模块包括:用于从所述初始样本数据库子模块中所存储的样本数据进行数据挖掘并生成含有所述样本数据中的颅内压信息的样本数据输出时间序列(OTS)和含有所述样本数据中对应的血压和血流信息(优选为ABP和CBFV信息)的样本数据输入时间序列(ITS)的数据挖掘单元、用于根据所述样本数据输出时间序列与所述样本数据输入时间序列的对应关系为每个所述样本数据建立{ITS,OTS}对的样本数据时间序列模型单元、用于根据样本数据的各所述{ITS,OTS}对计算得到样本数据的各所述{ITS,OTS}对之间的样本数据的不相似度矩阵的样本数据不相似度矩阵单元、用于提取样本数据的血流动力学参数的样本数据血流动力学参数提取单元以及用于建立所述样本数据不相似度矩阵与所述样本数据血流动力学参数间的映射关系的样本数据映射关系单元。
所述{ITS,OTS}对优选为位于同一时间点的基础数据与颅内压的对应关系,所述血流动力学参数优选为取自所述样本数据的基础数据即输入时间序列ITS,所述OTS指颅内压即输出时间序列。
所述血流动力学参数可以采用慢波动态法、波形分析法或其他方法进行提取,优选为采用慢波动态法进行提取。
上述任意一项技术方案中,优选地,所述运算处理模块包括用于对所述数据输入模块所输入的被测病人的无创测量数据进行分析处理的测量数据分析处理子模块和用于通过所述数据训练子模块所生成的相应的样本模型根据所述数据输入模块所输入的被测病人的无创测量数据和/或经所述测量数据分析处理子模块分析处理后的分析数据计算得出所述无创颅内压的无创颅内压计算子模块,其中,所述无创测量数据分析处理子模块包括:用于建立被测病人的无创测量数据的输入时间序列的被测病人时间序列模型单元、用于提取被测病人的无创测量数据的血流动力学参数的被测病人血流动力学参数提取单元、用于根据所述被测病人血流动力学参数提取单元所提取的被测病人的血流动力学参数和所述样本数据映射关系单元中的所述样本数据不相似度矩阵与所述样本数据血流动力学参数间的映射关系计算出与所述被测病人的血流动力学参数的不相似度最小的所述样本数据不相似度矩阵的映射关系分析单元以及用于根据所述映射关系分析单元所计算出的与所述被测病人的血流动力学参数不相似度最小的所述样本数据不相似度矩阵来为所述无创颅内压计算子模块选择作为计算依据的样本模型的样本模型选择单元。
上述任意一项技术方案中,所述无创颅内压分析仪还包括***主机控制模块、信号采集控制模块以及用于为所述数据输入模块采集数据的信号采集模块,所述信号采集模块包括血压信息采集单元和血流信息采集单元,所述血压信息采集单元包括通过无创测量法根据桡动脉脉搏信息测量包括逐跳连续血压信号的平均外周动脉血压采集子单元,所述血流信息采集单元包括脑血流速度采集子单元、脑血流方向采集子单元、脑血流量采集子单元和/或脑血管阻力采集子单元。
所述脑血流速度采集子单元包括能够通过经颅多普勒法测量搏动指数、阻力指数、收缩期峰值血流速度和/或舒张期末血流速度的脑血流速度采集子子单元,所述基础数据采集子模块还包括能够采集下列信息中的一种、几种或全部的信息采集单元:脑灌注压、二氧化碳分压、氧分压、测量过程中病人的呼吸信息、病人生活的地理区域、病人的生理情况、病人的体质、病人的年龄、病人的性别、病人的病症以及其他被认为会对测量结果带来影响的数据。
所述样本数据可以包括多种病人的样本数据,优选为,所述多种病人至少包括脑损伤病人和/或脑积水病人,每个所述样本数据的记录时间优选为20分钟,优选为每个所述样本数据包括多个120心跳长度的小片段,所述样本数据优选为精选的、无伪迹的数据。
由于不同国家的病人的生理情况会有不同,进行测量时需要选择相对应的样本数据库以提高测量的准确性,因此,以此对样本数据库进行划分是很有必要的,而现有技术下的设备通常忽略了这一点,通常采用同样的函数关系进行无创颅内压的预测,其准确性值得商榷。
为了克服上述问题,本实用新型根据不同的样本病人建立多个样本模型,例如,对于中国人,使用独立的样本数据库,而对于西方人,使用另外的样本数据库,以保证测量的准确性。
实际应用时,可以对于销往不同国家的设备,在出厂时采用相应的样本数据库作为基础进行相应的数据训练,以尽可能的适应其所应用区域的人群特征。或者,可以在同一设备中设置所有可能人群的样本数据库并以此进行相应的数据训练,以使其适用于各种人群。为了降低数据训练时的计算量,通常对于不同的样本数据库的数据训练单独进行,而为了提高测量的准确性,则采用多种不同的样本数据库交叉进行数据训练的方式,而在实际测量时可以预先判断被测病人所属的地理区域,也可以将地理区域信息作为非必要信息不首先进行被测病人所属地理区域的判断。
本实用新型的无创颅内压分析仪采用误差最小的经过数据训练的样本模型为基础来预测无创颅内压,是一款准确性更高、测量速度更快、实用性更强、适用范围更广的无创颅内压分析仪。
参见图2至图6,本实用新型还提供了一种无创颅内压检测***,包括用于颅内压样本建模和无创颅内压运算的***主机和用于采集无创颅内压基础检测数据的基础数据信号采集装置,并设有或不设有用于采集辅助数据的辅助数据检测装置,所述基础数据信号采集装置与所述***主机通信连接,所述辅助数据检测装置与所述基础数据信号采集装置通信连接或者与所述***主机通信连接,所述基础数据信号采集装置设有血流超声探头,并且设有或不设有逐跳连续血压传感器,所述***主机包括用于依据样本数据生成多个样本模型的建模模块和用于根据所述基础数据信号采集装置采集的被测病人基础数据或者根据所述基础数据信号采集装置采集的被测病人基础数据和所述辅助数据检测装置采集的被测病人辅助数据选择样本模型并计算出被测病人的无创颅内压的运算处理模块。
所述***主机和所述基础数据信号采集装置可以采用下列任一一种结构或构造:
(1)所述***主机和所述基础数据信号采集装置为一体式的,所述无创颅内压检测***为嵌入式小型化便携机,所述***主机为包括ARM微处理器的ARM架构便携主机,所述基础数据信号采集装置包括信号采集控制电路、FPGA电路和血流超声探头,所述信号采集控制电路和FPGA电路构成的信号采集器嵌入所述***主机中或构成所述***主机,所述血流超声探头与所述信号采集器或所述***主机相连,当设有所述逐跳连续血压传感器时,所述血压传感器与所述信号采集器或所述***主机相连,当设有所述辅助数据检测装置时,所述辅助数据检测装置与所述信号采集器或所述***主机相连;
(2)所述***主机和所述基础数据信号采集装置为分体式的,所述无创颅内压检测***为台式机或笔记本电脑,所述基础数据信号采集装置外置于所述***主机,所述基础数据信号采集装置包括FPGA电路、血流超声探头和作为信号采集控制电路的ARM微处理器或DSP微处理器,所述信号采集控制电路和FPGA电路构成的信号采集器与所述***主机相连,所述血流超声探头与所述信号采集器相连,当设有所述血压传感器时,所述血压传感器与所述***主机或所述信号采集器相连,当设有所述辅助数据检测装置时,所述辅助数据检测装置与所述信号采集器或所述***主机相连。
优选地,所述***主机可以采用Linux操作***和MiniGUI图形库,以提高其性能。所述***主机也可以采用windows操作***。
所述ARM微处理器优选为ARM9/ARM11系列微处理器或包含了该ARM微处理器和DSP功能的SOC(system-on-chip)芯片,优选为ARM9系列微处理器,所述ARM9系列微处理器优选为32位ARM CPUS 3C2440/9263。
所述血流信号和所述血压信号均可以采用现有技术下的相关设备进行测量,例如可以采用经颅多普勒超声测量血流信号,可以采用1.5MHz、2MHz、4MHz的超声探头,如可以采用自动监护探头***,其可以自动搜寻获取脑动脉的最佳血流信号,便于操作,且能提高测量结果的精度,并且可以在探头出现轻度位移时自动复位,佩戴轻松舒适,比较适合在本实用新型的无创颅内压分析仪上使用。
例如,可以采用无创血压测量仪测量血压信号,可以采用从多个部位测量的血压信号,优选为在腕部测量,较优地,所述血压信号采集模块还可以测量、记录、输出逐跳连续血压信号,如可以采用日本Colin、荷兰Finapress等相应型号的无创血压测量仪。
所述无创颅内压还可以与所述的测量数据对比输出,例如可以同时显示血流的多普勒信号、逐跳连续无创血压和ICP曲线,从而方便地对病人的多个脑功能参数进行对比研究。
所述无创颅内压分析***还可以外接来自脑电图仪或多参数监护仪的其他生理信号,例如通过接入脑电信号或血氧信号,把无创颅内压与外接的其他生理信号进行对比研究。
所述FPGA电路可以包括信号采集电路,所述信号采集电路可以设有信号发射电路和电平转换电路,所述信号发射电路和电平转换电路之间可以顺序连接有发射信号放大电路、乘法器、滤波放大电路和AD采样,所述发射信号放大器连接有向外发射超声波信号的发射探头,所述乘法器连接有用于接收回波信号的信号接收电路,优选为,所述信号发射电路与所述发射信号放大电路之间和/或所述滤波放大电路与所述AD采样之间还分别设有电压跟随器。
所述无创颅内压检测***还可以包括供电的电源及DC/DC转换器,所述电源通过DC/DC转换器分别与所述FPGA电路、ARM微处理器和/或***主机连接,所述FPGA电路、ARM微处理器和/或***主机还连接有LCD,所述FPGA电路与ARM微处理器之间还设有用于将二者相连的GPIO、LCD总线和***总线,所述ARM微处理器还通过USB接口和/或串口连接有鼠标、键盘,也可以通过USB接口与其他电脑主机相连接,以便将需要的数据输入。
通常,所述无创颅内压检测***可以包括下列三种架构设置:
架构一、所述无创颅内压检测***为基于x86架构的台式机或笔记本电脑,所述信号采集器外置于所述***主机,所述信号采集器包括ARM微处理器,所述血流超声探头、血压传感器以及所述辅助数据检测装置均与所述信号采集器相连并在所述ARM微处理器的控制下为所述FPGA电路提供其所采集的信息,以通过所述信号采集器同时完成血压信号和血流信号的采集,所述信号采集器优选为选用USB与***主机通讯(参见图4);
架构二、所述无创颅内压检测***为基于x86架构的台式机或笔记本电脑,所述信号采集器外置于所述***主机,所述信号采集器包括所述ARM微处理器,所述血流超声探头与所述信号采集器相连并在所述ARM微处理器的控制下为所述FPGA电路提供其所采集的血流信息,包括逐跳连续血压测量仪在内的所述血压传感器以及所述辅助数据检测装置均与所述***主机相连,所述信号采集器优选为选用USB与***主机通讯,该种设置使得血压信号及其他生理信号均可以采用专用的仪器来采集,并直接输入至***主机,如采用逐跳连续血压信号测量仪测血压,操作更方便,且可以根据实际需要配置,本实用新型的使用范围也更广(参见图5);
架构三、所述无创颅内压检测***为嵌入式小型化便携机,所述***主机为包括所述ARM微处理器的所述ARM架构便携主机,所述血流超声探头、血压传感器以及所述辅助数据检测装置均与所述信号采集器相连并在所述ARM微处理器的控制下为所述***主机提供其所采集的信息,其信号采集器集成于所述***主机中,可以用于采集、处理、存储和显示所采集的信号,包括血流信号、血压信号及其他生理信号等各种所需要的信号,体积小,携带方便,适合于多种场合(参见图6)。
本实用新型利用高性能的FPGA电路作为采集信号的数据处理核心,并结合ARM微处理器为控制中心,实现了一款性能卓越、功能丰富的新型颅内压检测***。
将本实用新型的所述无创颅内压检测***制备成检测仪,可以用作本实用新型的所述无创颅内压分析仪,即作为本实用新型所述的无创颅内压分析仪的一种实施例,所述无创颅内压分析仪的技术方案可以为:包括无创颅内压检测***,所述无创颅内压检测***采用本实用新型所保护的无创颅内压检测***中的任意一项技术方案。由此,使得在这种实施例下,所述无创颅内压分析仪具有了所述无创颅内压检测***的全部功能。
Claims (7)
1.一种无创颅内压分析仪,其特征在于包括下列各个模块:用于输入样本病人的样本数据和被测病人的测量数据的数据输入模块、用于根据样本模型和所述数据输入模块所输入的被测病人的测量数据计算被测病人的无创颅内压的运算处理模块以及用于进行各种数据输出的输出模块。
2.根据权利要求1所述的无创颅内压分析仪,其特征在于还包括***主机控制模块、信号采集控制模块以及用于为所述数据输入模块采集数据的信号采集模块,所述信号采集模块包括血压信息采集单元和血流信息采集单元,所述血压信息采集单元包括通过无创测量法根据桡动脉脉搏信息测量包括逐跳连续血压信号的平均外周动脉血压采集子单元,所述血流信息采集单元包括脑血流速度采集子单元、脑血流方向采集子单元、脑血流量采集子单元和/或脑血管阻力采集子单元。
3.根据权利要求2所述的无创颅内压分析仪,其特征在于所述脑血流速度采集子单元包括能够通过经颅多普勒法测量搏动指数、阻力指数、收缩期峰值血流速度和/或舒张期末血流速度的脑血流速度采集子子单元,所述信号采集模块还包括能够采集下列信息中的一种、几种或全部的信息采集单元:脑灌注压、二氧化碳分压、氧分压。
4.一种无创颅内压检测***,包括用于颅内压样本建模和无创颅内压运算的***主机和用于采集无创颅内压基础检测数据的基础数据信号采集装置,并设有或不设有用于采集辅助数据的辅助数据检测装置,所述基础数据信号采集装置与所述***主机通信连接,所述辅助数据检测装置与所述基础数据信号采集装置通信连接或者与所述***主机通信连接,所述基础数据信号采集装置设有血流超声探头,并且设有或不设有逐跳连续血压测量传感器,所述***主机包括用于依据样本数据生成多个样本模型的建模模块和用于根据所述基础数据信号采集装置采集的被测病人基础数据或者根据所述基础数据信号采集装置采集的被测病人基础数据和所述辅助数据检测装置采集的被测病人辅助数据选择样本模型并计算出被测病人的无创颅内压的运算处理模块。
5.根据权利要求4所述的无创颅内压检测***,其特征在于所述***主机和所述基础数据信号采集装置采用下列任意一种结构或构造:
(1)所述***主机和所述基础数据信号采集装置为一体式的,所述无创颅内压检测***为嵌入式小型化便携机,所述***主机为包括ARM微处理器的ARM架构便携主机,所述基础数据信号采集装置包括信号采集控制电路、FPGA电路和血流超声探头,所述信号采集控制电路和FPGA电路构成的信号采集器嵌入所述***主机中或构成所述***主机,所述血流超声探头与所述信号采集器或所述***主机相连,当设有所述逐跳连续血压传感器时,所述血压传感器与所述信号采集器或所述***主机相连,当设有所述辅助数据检测装置时,所述辅助数据检测装置与所述信号采集器或所述***主机相连;
(2)所述***主机和所述基础数据信号采集装置为分体式的,所述无创颅内压检测***为基于x86架构的台式机或笔记本电脑,所述基础数据信号采集装置外置于所述***主机,所述基础数据信号采集装置包括FPGA电路、血流超声探头和作为信号采集控制电路的基于ARM架构的微处理器,所述信号采集控制电路、FPGA电路和微处理器构成的信号采集器与所述***主机相连,所述血流超声探头与所述信号采集器相连,当设有所述逐跳连续血压测量传感器时,所述血压传感器与所述***主机或所述信号采集器相连,当设有所述辅助数据检测装置时,所述辅助数据检测装置与所述信号采集器或所述***主机相连。
6.根据权利要求5所述的无创颅内压检测***,其特征在于所述FPGA电路包括信号采集电路,所述信号采集电路设有信号发射电路和电平转换电路,所述信号发射电路和电平转换电路之间顺序连接有发射信号放大电路、乘法器、滤波放大电路和AD采样,所述发射信号放大器连接有向外发射超声波信号的发射探头,所述乘法器连接有用于接收回波信号的信号接收电路,所述信号发射电路与所述发射信号放大电路之间和/或所述滤波放大电路与所述AD采样之间还分别设有电压跟随器,所述ARM微处理器为基于ARM9/ARM11系列微处理器或集成了ARM微处理器和DSP功能的SOC芯片。
7.根据权利要求6所述的无创颅内压检测***,其特征在于还包括供电的电源及DC/DC转换器,所述电源通过DC/DC转换器分别与所述FPGA电路、ARM微处理器和/或***主机连接,所述FPGA电路、ARM微处理器和/或***主机还连接有LCD,所述FPGA电路与ARM/DSP微处理器之间还设有用于将二者相连的GPIO、LCD总线和***总线,所述ARM微处理器还通过USB接口和/或串口连接有鼠标、键盘,所述ARM9系列微处理器为32位ARM CPUS 3C2440/9263,所述无创颅内压检测***包括下列三种架构设置:架构一、所述无创颅内压检测***为台式机或笔记本电脑,所述信号采集器外置于所述***主机,所述信号采集器包括ARM微处理器,所述血流超声探头、逐跳连续血压传感器以及所述辅助数据检测装置均与所述信号采集器相连并在所述ARM微处理器的控制下为所述FPGA电路提供其所采集的信息;架构二、所述无创颅内压检测***为台式机或笔记本电脑,所述信号采集器外置于所述***主机,所述信号采集器包括所述ARM微处理器,所述血流超声探头与所述信号采集器相连并在所述ARM微处理器的控制下为所述FPGA电路提供其所采集的血流信息,包括逐跳连续血压测量仪在内的所述血压传感器以及所述辅助数据检测装置均与所述***主机相连;架构三、所述无创颅内压检测***为笔记本式或嵌入式小型化便携机,所述***主机为包括所述ARM微处理器的所述ARM架构便携主机,所述血流超声探头、逐跳连续血压传感器以及所述辅助数据检测装置均与所述信号采集器相连并在所述ARM微处理器的控制下为所述***主机提供其所采集的信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201220457712 CN202950650U (zh) | 2012-09-10 | 2012-09-10 | 无创颅内压分析仪和无创颅内压检测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201220457712 CN202950650U (zh) | 2012-09-10 | 2012-09-10 | 无创颅内压分析仪和无创颅内压检测*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN202950650U true CN202950650U (zh) | 2013-05-29 |
Family
ID=48456248
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201220457712 Expired - Fee Related CN202950650U (zh) | 2012-09-10 | 2012-09-10 | 无创颅内压分析仪和无创颅内压检测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN202950650U (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103472251A (zh) * | 2013-08-22 | 2013-12-25 | 浙江工业大学 | 一种降低流速剖面仪信号处理单元功耗的方法及装置 |
CN103472250A (zh) * | 2013-08-22 | 2013-12-25 | 浙江工业大学 | 基于fpga的声学多普勒流速剖面仪信号处理*** |
CN103610456A (zh) * | 2013-12-08 | 2014-03-05 | 季忠 | 基于生理信号特征参数的颅脑压力无创监测分析*** |
CN106236138A (zh) * | 2016-08-19 | 2016-12-21 | 西南医科大学 | 基于瑞利波的颅内压无创监测仪 |
CN109157247A (zh) * | 2018-08-20 | 2019-01-08 | 云南大学 | 一种最优帧间隔追踪估计的超声血流速度场测量 |
-
2012
- 2012-09-10 CN CN 201220457712 patent/CN202950650U/zh not_active Expired - Fee Related
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103472251A (zh) * | 2013-08-22 | 2013-12-25 | 浙江工业大学 | 一种降低流速剖面仪信号处理单元功耗的方法及装置 |
CN103472250A (zh) * | 2013-08-22 | 2013-12-25 | 浙江工业大学 | 基于fpga的声学多普勒流速剖面仪信号处理*** |
CN103472251B (zh) * | 2013-08-22 | 2016-05-18 | 浙江工业大学 | 一种降低流速剖面仪信号处理单元功耗的方法及装置 |
CN103472250B (zh) * | 2013-08-22 | 2016-05-18 | 浙江工业大学 | 基于fpga的声学多普勒流速剖面仪信号处理*** |
CN103610456A (zh) * | 2013-12-08 | 2014-03-05 | 季忠 | 基于生理信号特征参数的颅脑压力无创监测分析*** |
CN103610456B (zh) * | 2013-12-08 | 2015-06-10 | 季忠 | 基于生理信号特征参数的颅脑压力无创监测分析*** |
CN106236138A (zh) * | 2016-08-19 | 2016-12-21 | 西南医科大学 | 基于瑞利波的颅内压无创监测仪 |
CN109157247A (zh) * | 2018-08-20 | 2019-01-08 | 云南大学 | 一种最优帧间隔追踪估计的超声血流速度场测量 |
CN109157247B (zh) * | 2018-08-20 | 2021-03-26 | 云南大学 | 一种最优帧间隔追踪估计的超声血流速度场测量 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11337617B2 (en) | Processing of electrophysiological signals | |
CN101732040B (zh) | 一种无创多路脉搏波检测方法 | |
CN110251105A (zh) | 一种无创血压测量方法、装置、设备及*** | |
CN202950650U (zh) | 无创颅内压分析仪和无创颅内压检测*** | |
CN101627905B (zh) | 一种颅内压无创综合监测分析方法及装置 | |
CN103479343B (zh) | 基于振荡式血压计信号的中心动脉压检测*** | |
CN103654760A (zh) | 无创颅内压测量方法及应用该方法的无创颅内压分析仪 | |
CN104000573B (zh) | 基于体表两点脉搏波的中心动脉脉搏波监测***及方法 | |
CN107296628A (zh) | 内瘘血栓的实时检测***、实时检测装置及其血流速度的检测方法 | |
CN103054562A (zh) | 基于多路脉搏波波形分析的心血管功能检测方法及其装置 | |
CN109864719A (zh) | 中医脉象检测分析***及方法 | |
CN106175834A (zh) | 便携式多功能脑循环动力学监测分析仪 | |
CN202920160U (zh) | 中医脉象采集*** | |
CN202960481U (zh) | 中医脉象采集装置 | |
CN105912879A (zh) | 一种胎心率曲线修正方法及其装置 | |
CN200973716Y (zh) | 一种脑血管循环动力学检测分析仪器 | |
CN102657525A (zh) | 一种心功能无创检测***及方法 | |
CN2832050Y (zh) | 便携式心血管血流参数检测仪 | |
CN109009004A (zh) | 一种基于中医脉象分析的体质检测方法 | |
CN114533121A (zh) | 脑灌注状态预测装置、方法、设备及模型训练装置 | |
CN109222924B (zh) | 基于声光联合谱的心血管特性无创定量测评方法与装置 | |
CN116392091A (zh) | 基于单通道指端ppg的连续动脉血压波形检测***及设备 | |
CN103519791A (zh) | 一种人体体温的采集***及方法 | |
CN104027097A (zh) | 血管功能无创检测方法及装置 | |
CN218391116U (zh) | 一种可穿戴便携式心脏监护设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130529 Termination date: 20160910 |
|
CF01 | Termination of patent right due to non-payment of annual fee |