用於監護系統的報警方法
2023-12-07 05:19:41 1
專利名稱：用於監護系統的報警方法
技術領域：
本發明屬於生物醫學信號處理領域，尤其涉及一種用於監護系統的報警方法。
背景技術：
現有的監護系統主要採用如下兩種的分析方式基於預置閾值的分析方式法和 M. Imboff等人提出的基於時序建模的分析方法。這兩種方式在使用過程中均存在一定問題。基於預置閾值的分析方式是指監護系統對監測的各項生命體徵參數分別設定上下限(如對於心率參數預先設定上限為120、下限為50，當監測值超出此範圍時，即發出報警信息)，這種分析方式存在著增加系統運行複雜性、易出現誤報警信息、無法反映監護對象身體狀況變化等缺點。通常的多參數生理監護儀可實現幾個甚至多達十幾種生理參數監護功能，監護內容涉及到心血管系統、呼吸系統。由於監護對象的身體狀況各異，要求預置閾值也存在差異。因此往往需要為每個監護對象的各種生理參數分別預置閾值。這無疑增加系統運行的複雜性。通常連續檢測的過程數據集中都包含有0. 5% 10%，甚至20%的異常值，高質量的數據中也常有0.01% 0. 05%的異常值。這些異常值表現為遠離大多數觀察值的形式出現。 同時這些異常點通常會超出預置閾值，觸發報警信息產生。在重症監護病房(ICUs)的生理參數連續監測系統中，這種現象同樣經常出現。I⑶s起源於二戰期間，在救護車中對全身麻醉情況下進行手術後的戰士進行監護，這一項技術在1947 - 1952年期間獲得廣泛的應用。目前I⑶s的醫療監護技術已經非常完善，但是它的用於監護系統的報警方法在近二十年卻一直引起相關研究人員的關注。其中主要原因就是由於在連續監護過程中，由於採用預置閾值的分析方式帶來大量的誤報警信息，給醫護人員帶來大量的額外工作負擔。而這主要是由於檢測儀器誤差、以及由於監護對象移動產生的異常值造成的。監護系統的目的更重要的是能儘快的發現身體狀況的變化。監護系統中監護信息的狀況歸納為如
圖1、圖2、圖3、圖4所示的四種。圖1是監護信息處於穩定狀態的示意圖。圖2是監護信息有異常值出現的示意圖，顯示在100、200、350位置出現異常值，這些異常點經常是由於監護系統或者環境所造成的，並非反映監護對象身體狀況真實的變化，因此雖然測量值超出預置閾值，但顯然無需發出報警信息。相關統計資料顯示在ICUs中超出50%的誤報警信息是有異常值引起的。圖 3是監護對象出現狀態偏移的示意圖，圖4是監護對象出現趨勢變化的示意圖，圖3以及圖 4雖然檢測值可能還未達到預置閾值，但是表示監護對象出現異常狀況，要求及早發現，提請醫護人員對監護對象的狀況予以關注。因此對於圖3以及圖4中的兩種狀態要實現實時在線識別，並發出報警信息。M. Imboff等人提出的基於時序建模的分析方法是
權利要求
1.一種用於監護系統的報警方法，其特徵在於步驟如下(1)監護系統在線運行，獲得數據，作為樣本數據集A；(2)對樣本數據集A採用Daubechies小波基進行分解；(3)對上述分解獲得各層信號進行建模，建模類型為最小二乘支持向量機(LS-SVM)；(4)應用粒子群優化算法確定LS-SVM模型參數；(5)用獲得的LS-SVM模型對小波分解的各層數據進行預報；(6)採用Mallat算法，合成各分解序列的預報結果，並對合成的低頻係數和高頻係數分別進行小波重構，得到最終的預報結果；(7)作前向預報確定預報上下閾值PI，並對監護對象處於何種狀態做出判斷；(8)作前向遞推修正模型參數，並重新開始預報和判斷過程。
2.根據權利要求1所述的用於監護系統的報警方法，其特徵在於所述步驟(1)中獲得數據是獲得100個數據。
3.根據權利要求1所述的用於監護系統的報警方法，其特徵在於所述步驟(1)中監護系統的客戶端由三個生理參數檢測模塊構成，分別是630A無創血壓模塊、811心電/呼吸 /體溫模塊、9003血氧模塊。
4.根據權利要求1所述的用於監護系統的報警方法，其特徵在於所述步驟(1)中樣本數據集A包括血壓、心電、呼吸、體溫和血氧。
5.根據權利要求1所述的用於監護系統的報警方法，其特徵在於所述步驟O)中 Daubechies小波基分解層數為3層。
6.根據權利要求1所述的用於監護系統的報警方法，其特徵在於所述步驟(3)中的建模步驟如下監護信息的樣本集
7.根據權利要求1所述的用於監護系統的報警方法，其特徵在於所述步驟中的 LS-SVM模型參數包括核函數參數σ、調整參數Y。
8.根據權利要求1所述的用於監護系統的報警方法，其特徵在於所述步驟(7)中監護對象的狀態包括穩定狀態、有異常值和狀態偏移。
9.根據權利要求1所述的用於監護系統的報警方法，其特徵在於所述步驟(7)中前向預報的步數為20 30步。
10.根據權利要求1所述的用於監護系統的報警方法，其特徵在於所述步驟(8)中前向遞推的步數為20 30步。
全文摘要
本發明公開了一種用於監護系統的報警方法，基於Daubechies小波基將監護信息時序數據分解為高頻信號和低頻信號；採用最小二乘支持向量機算法，分別建立高頻信號和低頻信號的預報模型；由預報模型確定預報值，利用小波逆變換獲得到最終預報結果。本發明採用粒子群優化算法能實時地根據觀測數據和估計結果來自動調整模型參數，以實現對「慢」時變生理參數時間序列的追蹤，保證模型準確性。本發明可根據建模結果，作前向預報，確定預報值和上下域值，自動設置為報警域值，從而實現可根據不同監護對象建立因人而異的報警模型，自動設置報警閾值。本發明可應用於醫院中的中央監護系統、重症監護病房、冠心病重症監護以及社區遠程監護系統中。
文檔編號A61B5/0205GK102499651SQ20111032488
公開日2012年6月20日 申請日期2011年10月24日 優先權日2011年10月24日
發明者張鐵, 蔣賢海, 鄒焱飈 申請人:華南理工大學