申请/专利权人：东北大学

申请日：2022-11-09

公开（公告）日：2024-06-28

公开（公告）号：CN115633943B

主分类号：A61B5/01

分类号：A61B5/01;A61B5/026;G06F17/18;G06F18/2411

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2023.02.14#实质审查的生效;2023.01.24#公开

摘要：本发明提供一种基于多模态连续监测信号的下肢静脉血栓预警评价系统，涉及可穿戴医疗健康监测技术领域。该系统通过下肢区域信号采集单元获取温度信号以及以动态和静态测量两种方式获取下肢区域血流信号；通过信号分解处理单元对下肢区域血流信号进行自适应小波降噪处理及特征通带成分提取；通过早期DVT风险评估单元对下肢血栓风险状态评估以及异常位置定位；下肢血栓风险状态评估使用基于特征频带框架的特征频分方法或SVM机器学习方法来实现；若经评估具有DVT风险，则将处理后的血流信号及采集的温度信号分别使用纵向定位方法和横向定位方法进行定位划分，并对划分结果进一步进行融合分析，进而对下肢可能存在DVT的异常位置进行精确定位。

主权项：1.一种基于多模态连续监测信号的下肢静脉血栓预警评价系统，其特征在于：包括下肢区域信号采集传输单元，信号分解处理单元和早期DVT风险评估单元；所述下肢区域信号采集传输单元用于测量下肢区域的血流信号和温度信号；所述下肢区域信号采集传输单元通过电机控制阀门对带气囊袖带的充放气实现对下肢加压以进行不同加压下PPG信号的动态测量；在下肢无外部压力下对选定区域长时间连续监测实现静态测量；所述信号分解处理单元对下肢区域血流信号进行Nm阶小波降噪处理以及特征通带成分提取；所述早期DVT风险评估单元，具有下肢血栓风险状态评估功能以及异常位置定位功能；在信号分解处理单元的处理结果基础上，针对动态测量和静态测量两种测量方式采集的血流信号，分别使用基于特征频带框架的特征评分方法以及SVM机器学习方法对下肢患有DVT的可能性进行评估；若经评估具有DVT风险，则将处理后的血流信号及采集的温度信号分别使用纵向定位方法和横向定位方法进行定位划分，并对划分结果进一步进行融合分析，进而对下肢可能存在DVT的异常位置进行定位；所述信号分解处理单元，通过特征频带框架，对肢区域信号采集传输单元采集的下肢各局部区域血流信号进行Nm阶小波降噪处理以及特征通带成分提取，具体方法为：1通过指尖采集PPG信号作为基准信号，得到特征频带框架；特征频带框架由三个特征通带构成，三个特征通带的中心频率分别为fP1、fP2、fP3，其中，fP1为基准信号的[0.8Hz,1.5Hz]频率区间内峰值点对应的频率，fP2为[2*fP1-0.5Hz,2*fP1+0.5Hz]频率区间内峰值点对应的频率，fP3为[3*fP1-0.5Hz,3*fP1+0.5Hz]频率区间内峰值点对应的频率；由各中心频率fP1、fP2、fP3所处的临近频域，根据3db带宽原则分别确定三个特征通带的下限截止频率和上限截止频率其中，m为通带序数，m＝1、2、3，得到三个特征通带；2在特征频带框架的基础上，基于其中第一通带上限截止频率自适应确定小波降噪阶数Nm，并对下肢各局部区域血流信号进行Nm阶小波降噪；3基于特征频带框架，得到经过Nm阶小波降噪处理后的信号对应的各特征通带成分4基于各特征通带成分得到下肢各局部区域的时域去噪信号；所述早期DVT风险评估单元对下肢患有DVT的可能性进行评估的具体方法为：根据测量模式选择不同的方法对下肢状态进行评估；在动态测量模式下，使用基于特征频带框架的特征通带成分计算下肢各局部区域的比例响应分数，并将各比例响应分数与通过实验确定的阈值进行比较，若存在两个以上区域的比例响应分数超出阈值，则判断用户疑似患有早期DVT的风险；下肢各局部区域的比例响应分数的计算如下公式所示： 其中，表示比例响应分数，c1、c2、c3分别为下肢各局部区域血流信号降噪后的特征通带成分与基准信号的特征通带成分的相关性系数；静态测量模式下，首先对经过信号分解处理单元处理得到的时域去噪信号采用滑动窗分割，得到多组信号；对单独一组信号采用基于黎曼流形理论优化的SVM方法进行分类，即判断是否患有早期DVT；再对多组信号分类结果进行统计，得到各分类结果的平均概率Pdvt，计算公式如下： 其中，N为滑动窗分割的总次数，Ndvt为判断结果为患有早期DVT的次数；所述早期DVT风险评估单元通过对血流信号和温度信号的分析与处理，对下肢可能存在DVT的异常位置进行定位，具体为：首先对下肢区域进行划分，将下肢预先划分为六个区域；根据纵向定位结果以及横向定位结果的融合分析，在六个区域中选择下肢最大可能异常区域；根据经信号分解处理单元处理后的时域血流信号对异常位置在下肢六个区域中处于近心端区域或远心端区域进行判断，即纵向定位；根据温度信号对异常位置在下肢六个区域中进行横向比较分析，区域温度最高者则为横向最大可能异常区域，即横向定位；将下肢纵向和横向上的判断结果进行融合分析，取六个区域中既符合纵向定位判断结果也符合横向判断结果的区域为下肢最大可能异常区域，从而实现精准定位。

全文数据：

权利要求：

百度查询： 东北大学 基于多模态连续监测信号的下肢静脉血栓预警评价系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD