專利名稱：預測患者的存活性的方法
技術(shù)領域：
本發(fā)明涉及一種預測患者的急性心肺(ACP)事件和存活性(survivability)的方法。本發(fā)明也涉及一種用于預測患者的急性心肺事件和存活性的系統(tǒng)。
背景技術(shù)：
治療類選法是任何緊急醫(yī)療反映的重要部分。這是快速篩選大量患者以評定嚴重性和分配適當?shù)闹委焹?yōu)先級的臨床過程。治療類選法是實際存在的，因為醫(yī)療資源從來不足以用于要即刻照顧的所有患者。因而，能夠快速識別具有更高嚴重性的患者是重要的，這樣的患者將更緊急地需要這樣的資源。因此，特別是在天災或大量傷亡的情形中，用于自動患者結(jié)果(心動停止和死亡率)分析的設備能夠幫助引導治療類選法，在這種情況下需要海量資源。當前的治療類選法基于臨床判斷、傳統(tǒng)生命跡象和其他生理參數(shù)。它們傾向于是主觀的，并且因此對于臨床醫(yī)生來說是不方便和不有效的。此外，包括心律、呼吸速率、血壓、體溫和脈搏血氧飽和度的臨床“生命跡象”并未示出與短期或長期臨床結(jié)果很好相關(guān)。

發(fā)明內(nèi)容
根據(jù)本發(fā)明的實施例，提供了一種產(chǎn)生能夠預測患者的ACP事件和存活性的人造神經(jīng)網(wǎng)絡的方法，該方法包括在電子數(shù)據(jù)庫中存儲患者健康數(shù)據(jù)，患者健康數(shù)據(jù)包括多個數(shù)據(jù)集合，每個數(shù)據(jù)集合具有涉及心律變異性數(shù)據(jù)的第一參數(shù)和涉及生命跡象數(shù)據(jù)的第二參數(shù)中的至少一個，每個數(shù)據(jù)集合進一步具有涉及患者存活性的第三參數(shù)；提供互連的節(jié)點的網(wǎng)絡以形成人造神經(jīng)網(wǎng)絡，節(jié)點包括多個人造神經(jīng)元，每個人造神經(jīng)元包含具有相關(guān)權(quán)重的至少一個輸入；以及使用患者健康數(shù)據(jù)來訓練人造神經(jīng)網(wǎng)絡，使得響應于來自患者健康數(shù)據(jù)的不同數(shù)據(jù)集合的相應第一、第二和第三參數(shù)來調(diào)節(jié)多個人造神經(jīng)元中的每個人造神經(jīng)元的至少一個輸入的相關(guān)權(quán)重，從而人造神經(jīng)網(wǎng)絡被訓練為產(chǎn)生對患者的ACP事件和存活性的預測。根據(jù)本發(fā)明的實施例，提供了一種預測患者的ACP事件和存活性的方法，該方法包括測量涉及患者的心律變異性數(shù)據(jù)的第一參數(shù)集合；測量涉及患者的生命跡象數(shù)據(jù)的第二參數(shù)集合；提供包括互連的節(jié)點的網(wǎng)絡的人造神經(jīng)網(wǎng)絡，節(jié)點包括多個人造神經(jīng)元，每個人造神經(jīng)元包含具有相關(guān)權(quán)重的至少一個輸入，通過使用具有多個數(shù)據(jù)集合的電子數(shù)據(jù)庫來訓練人造神經(jīng)網(wǎng)絡而調(diào)節(jié)相關(guān)權(quán)重，每個數(shù)據(jù)集合具有至少涉及心律變異性數(shù)據(jù)的參數(shù)和涉及生命跡象數(shù)據(jù)的參數(shù)，每個數(shù)據(jù)集合進一步具有涉及患者存活性的參數(shù)；處理第一參數(shù)集合和第二參數(shù)集合以產(chǎn)生適合于輸入到人造神經(jīng)網(wǎng)絡中的處理數(shù)據(jù)；將處理數(shù)據(jù)作為輸入提供到人造神經(jīng)網(wǎng)絡中；以及從人造神經(jīng)網(wǎng)絡中獲得輸出，輸出提供對患者的ACP事件和存活性的預測。根據(jù)本發(fā)明的實施例，提供了一種患者ACP事件和存活性預測系統(tǒng)，包括第一輸入，用于接收涉及患者的心律變異性數(shù)據(jù)的第一參數(shù)集合；第二輸入，用于接收涉及患者的生命跡象數(shù)據(jù)的第二參數(shù)集合；存儲器模塊，用于存儲實現(xiàn)人造神經(jīng)網(wǎng)絡的指令，人造神經(jīng)網(wǎng)絡包括互連的節(jié)點的網(wǎng)絡，節(jié)點包括多個人造神經(jīng)元，每個人造神經(jīng)元包含具有相關(guān)權(quán)重的至少一個輸入，通過使用具有多個數(shù)據(jù)集合的電子數(shù)據(jù)庫來訓練人造神經(jīng)網(wǎng)絡而調(diào)節(jié)相關(guān)權(quán)重，每個數(shù)據(jù)集合具有至少涉及心律變異性數(shù)據(jù)的參數(shù)和涉及生命跡象數(shù)據(jù)的參數(shù)，每個數(shù)據(jù)集合進一步具有涉及患者存活性的參數(shù)；處理器，用于執(zhí)行存儲在存儲器模塊中的指令，以基于第一參數(shù)集合和第二參數(shù)集合執(zhí)行人造神經(jīng)網(wǎng)絡的功能并輸出對于患者的ACP事件和存活性的預測；以及顯示器，用于顯示對患者的ACP事件和存活性的預測。根據(jù)本發(fā)明的實施例，提供了一種預測患者的ACP事件和存活性的方法，該方法包括測量涉及患者的心律變異性數(shù)據(jù)的第一參數(shù)集合；測量涉及患者的生命跡象數(shù)據(jù)的第二參數(shù)集合；獲得涉及患者特征的第三參數(shù)集合；當需要時，將第一參數(shù)集合、第二參數(shù)集合和第三參數(shù)集合作為標準化數(shù)據(jù)值的集合提供到在電子數(shù)據(jù)庫內(nèi)實現(xiàn)的評分模塊，該評分模塊具有與第一參數(shù)集合、第二參數(shù)集合和第三參數(shù)集合中的每個參數(shù)相關(guān)的相應類別，每個類別具有多個預定義的值范圍，多個值范圍中的每個具有預定義的分數(shù)；通過向與第一參數(shù)集合、第二參數(shù)集合和第三參數(shù)集合中的相應參數(shù)相關(guān)的類別的多個值范圍的相應的預定義的值范圍分配標準化數(shù)據(jù)的集合，來確定關(guān)于第一參數(shù)集合、第二參數(shù)集合和第三參數(shù)集合中的每個參數(shù)的分數(shù)，相應的預定義的值范圍涵蓋標準化數(shù)據(jù)的集合；獲得總分數(shù)，總分數(shù)是關(guān)于第一參數(shù)集合、第二參數(shù)集合和第三參數(shù)集合中的每個參數(shù)的分數(shù)的總計，總分數(shù)提供對于患者的存活性的指示。根據(jù)實施例的各方面，一種用于檢測迫近的、未接受治療的急性心肺醫(yī)療事件的系統(tǒng)，在嚴重傷害或死亡情況中具有合理的可能結(jié)果，該系統(tǒng)包括心電圖(ECG)模塊，包括用于感測患者的ECG的多個電極并具有ECG輸出；傳感器，用于感測除了 ECG之外的患者的生理參數(shù)；第一輸入，用于接收ECG輸出；第二輸入，用于從感測除了 ECG之外的患者的生理參數(shù)的傳感器接收信號；第三輸入，被構(gòu)造并布置為接收描述患者的人口統(tǒng)計學信息的至少一個元素的參數(shù)信息和描述患者的醫(yī)療歷史的參數(shù)信息；數(shù)字化單元，用于數(shù)字化ECG和除了 ECG之外的生理信號；殼，用于容納存儲器單元和處理單元，存儲器單元和處理單元分別用于存儲和處理ECG、除了 ECG之外的生理信號、患者人口學信息和醫(yī)療歷史；以及用戶通信單元，其中，處理單元計算心律變異性(HRV)的至少一個測量，將HRV的至少一個測量與患者人口學信息和醫(yī)療歷史中的每一個的至少一個參數(shù)進行組合，并且計算在上述計算的72小時內(nèi)ACP事件的統(tǒng)計概率。該系統(tǒng)可以進一步被構(gòu)造和布置為以可佩戴的配置由患者攜帶。傳感器可以測量微脈管的灌注狀態(tài)。傳感器可以是脈搏血氧儀。該系統(tǒng)可以進一步包括生理組織的電磁刺激器，其可以刺激心臟組織。用戶通信單元可以具有鍵輸入。第三輸入可以是鍵輸入。用戶通信單元可以在主殼中。用戶通信單元可以與主殼分離。用戶通信單元可以是顯示器。刺激可以是起搏(pacing)，或者刺激可以是去纖維性顫動。刺激可以是磁刺激。根據(jù)實施例的各方面，一種預測正接收外傷治療或作為發(fā)生大量傷亡時的一員的患者的死亡率的系統(tǒng)包括心電圖(ECG)模塊，包括用于感測患者的ECG的多個電極并具有ECG輸出；傳感器，用于感測除了 ECG之外的患者的生理參數(shù)；第一輸入，用于接收ECG輸出；第二輸入，用于從感測除了 ECG之外的患者的生理參數(shù)的傳感器接收信號；第三輸入，被構(gòu)造并布置為接收描述患者的人口學信息的至少一個元素的參數(shù)信息和描述患者的治療歷史的參數(shù)信息；數(shù)字化單元，用于數(shù)字化ECG和除了 ECG之外的生理信號；殼，用于容納存儲器單元和處理單元，存儲器單元和處理單元分別用于存儲和處理ECG、除了 ECG之外的生理信號、患者人口學信息和醫(yī)療歷史；以及用戶通信單元，其中，處理單元計算心律變異性(HRV)的至少一個測量，將HRV的至少一個測量與患者人口學信息和醫(yī)療歷史中的每一個的至少一個參數(shù)進行組合，并且計算關(guān)于患者的死亡率的統(tǒng)計概率。該系統(tǒng)可以進一步被構(gòu)造和布置為以可佩戴的配置由患者攜帶。傳感器可以測量微脈管的灌注狀態(tài)。傳感器可以是脈搏血氧儀。根據(jù)實施例的各方面,一種對待患者的心臟病(cardiac condition)的方法包括測量患者的心律變異性(HRV);測量患者的生命跡象數(shù)據(jù)；使用為此目的而構(gòu)造和布置的計算裝置，基于HRV與所測量的生命跡象數(shù)據(jù)的組合來預測患者對于一個或更多個選擇時限的生存可能性；以及當患者對于一個或更多個選擇時限的生存可能性低于希望閾值時，如生命跡象數(shù)據(jù)所指示的來對待心臟病。該方法可以進一步包括收集患者人口學信息和患者治療歷史信息中的至少一個；其中預測進一步包括額外基于所收集的患者人口學信息和患者歷史信息來計算生存可能性。該方法也可以進一步包括選擇4和24小時之間的時限或者4和72小時之間的時限。根據(jù)本發(fā)明實施例的各方面，一種用于預測患者由于心臟原因而對一個或更多個選擇時限的生存可能性的裝置包括心率傳感器，具有心律輸出；生命跡象傳感器，具有生命跡象輸出；計算模塊，用于接收心律輸出和生命跡象輸出，并執(zhí)行下述操作根據(jù)所接收的心律輸出計算心律變異性(HRV);并且根據(jù)所計算的HRV與生命跡象輸出的組合來計算患者由于心臟原因而對一個或更多個選擇時限的生存可能性；以及輸出設備，用于向用戶顯示患者由于心臟原因而對一個或更多個選擇時限的生存可能性。該裝置可以進一步包括數(shù)據(jù)輸入設備，被構(gòu)造和布置為收集患者人口學信息和患者治療歷史信息中的至少一個，以及額外基于所收集的患者人口學信息和患者歷史信息來計算生存可能性。該裝置也可以進一步包括4和24小時之間的時限或者4和72小時之間的時限。將參照附圖在下面的描述中進一步解釋本發(fā)明。


在附圖中，雖然是在不同的附圖中，但是類似的參考標記一般指代相同的部分。附圖不必是按比例繪制的，相反在解釋本發(fā)明時安排了重點。在下面的描述中，參照附圖描述本發(fā)明的各種實施例，其中圖1是圖示根據(jù)本發(fā)明的一個實施例的用于產(chǎn)生能夠預測患者的ACP事件和存活性的人造神經(jīng)網(wǎng)絡的發(fā)的流程圖。圖2是根據(jù)本發(fā)明的一個實施例的人造神經(jīng)網(wǎng)絡的示意性表示。圖3是根據(jù)本發(fā)明的一個實施例的人造神經(jīng)網(wǎng)絡的示意性表示。圖4是示出用于預測患者的ACP事件和存活性的系統(tǒng)的框圖。圖5示出根據(jù)本發(fā)明的實施例的由信號獲取塊實現(xiàn)的流程圖。圖6示出根據(jù)本發(fā)明的實施例的由信號處理模塊實現(xiàn)的流程圖。圖7示出根據(jù)本發(fā)明的實施例的由搏動檢測和后處理模塊實現(xiàn)的流程圖。圖8示出根據(jù)本發(fā)明的實施例的由HRV參數(shù)計算模塊實現(xiàn)的流程圖。
圖9示出數(shù)據(jù)在分析模塊中如何流動的框圖表示。圖10示出圖示使用根據(jù)本發(fā)明的實施例的、利用無線技術(shù)的系統(tǒng)的流程圖。圖11總結(jié)患者的原始ECG數(shù)據(jù)特征。圖12示出根據(jù)本發(fā)明的實施例的、圖示如何預處理ECG信號以計算HRV參數(shù)的流 程圖。圖13示出如何執(zhí)行數(shù)據(jù)提取。圖14示出圖示根據(jù)本發(fā)明的實施例的、預測患者的ACP事件和存活性的方法的流 程圖。圖15示出根據(jù)本發(fā)明的實施例的患者ACP事件和存活性預測系統(tǒng)的示意圖。圖16示出根據(jù)本發(fā)明的實施例的患者ACP事件和存活性預測系統(tǒng)的示意圖。圖17示出根據(jù)本發(fā)明的實施例的患者ACP事件和存活性預測系統(tǒng)的圖片。圖18至圖20示出根據(jù)本發(fā)明的實施例的患者ACP事件和存活性預測系統(tǒng)的輸出 的快照。圖21示出圖示根據(jù)本發(fā)明的實施例的用于預測患者的ACP事件和存活性的方法 的流程圖。圖2 2示出由確認系統(tǒng)所使用的流程圖。圖23、圖24和圖25分別示出使用生命跡象、HRV測量和組合特征的分類結(jié)果。圖26示出來自使用利用組合特征的不同數(shù)量的選擇分段的結(jié)果。圖27示出四個不同的預測策略。圖28示出來自使用利用組合特征的不同預測策略的結(jié)果。圖29示出通過使用生命跡象、HRV策略和組合特征的分類結(jié)果。圖30、圖31和圖32描繪針對不同數(shù)量的隱藏節(jié)點的極端學習機(ELM)的性能。圖33示出來自使用組合特征的不同預測策略的結(jié)果。圖34示出在可佩戴的醫(yī)療設備中本發(fā)明的實施例。
具體實施例方式根據(jù)實施例的各方面，一種系統(tǒng)能夠可靠地預測未接受治療的、具有導致重傷或 死亡的較高可能性的急性心肺醫(yī)療事件。這樣的急性心肺(ACP)事件的例子將包括心臟或 呼吸停止、特別是由于鈍器外傷或急性失代償性心力衰竭而導致的低血容量性休克。尋求在各種外傷、壓力和撞擊條件下確定并預測患者發(fā)病率和患者死亡率的先前 系統(tǒng)在所監(jiān)視的體征群中包括心律變異性(HRV)。HRV測量將患者的心電圖信號中經(jīng)由R-R 間隔的時間的變異性進行量化。特定心跳的R-波與早期心臟收縮階段的心動周期對應，并 且從信號處理的觀點看，其提供了用于進行心動周期間隔測量的可靠的時間基準。HRV受到 自主神經(jīng)系統(tǒng)的影響，包括交感神經(jīng)系(SNS)和副交感神經(jīng)系(PNS)。相信觀測到的HRV是 SNS與PNS之間的動態(tài)交互與平衡的指示符，其提供神經(jīng)系統(tǒng)能力的測量。HRV充當診斷的 指示符以及各種條件的評估，所述各種條件受到范圍從充血性心力衰竭到睡眠呼吸暫停的 自主系統(tǒng)的影響。例如，已經(jīng)發(fā)現(xiàn)降低的HRV是老年人對于冠心病的增加的死亡率的預測。 在突然的心動停止和具有諸如糖尿病、尿毒癥和高血壓的病癥的患者中也可以看到降低的 HRV。不幸的是，雖然心律變異性能夠預測增加的死亡率，但是其單獨而言僅僅是具有任何時間特異性的ACP事件的較差預測。與HRV相關(guān)的變異性測量是作為心臟舒張(張弛)階段期間心肌復原的變異性的測量的T-波交替(alternans)，并且測量ECG的T-波幅度中的波動。因為需要測量ECG幅度中的細微波動，因此相對而言易受由患者運動引起的人造因素影響，因此對于連續(xù)地監(jiān)視患者的ECG沒有用處。根據(jù)實施例的各方面，例如在治療類選法系統(tǒng)中，能夠可靠地預測未接受治療的、具有導致重傷或死亡的較高可能性的急性心肺醫(yī)療事件上有價值的。這樣的急性心肺(ACP)事件的例子將包括心臟或呼吸停止、特別是由于鈍器外傷或急性失代償性心力衰竭而導致的低血容量性休克。傳統(tǒng)的臨床跡象、癥狀和生理測量對這些類型的事件幾乎不提供警示。例如，置入型心律轉(zhuǎn)復除顫器(I⑶)或諸如Lifevest (Z0LL醫(yī)療)的可佩戴式外部心臟除顫器將在患者的日?；顒又羞B續(xù)分析患者的心電圖(ECG)信號并向心臟傳遞救生電性沖擊。在美國申請2009/0234410A1中，描述了一種用于預測心力衰竭代償失調(diào)的系統(tǒng)。該系統(tǒng)以及類似的系統(tǒng)需要經(jīng)由ECG來檢測心臟的心律失常，不幸的是這限制了預言性預報精確性的持續(xù)時間。例如，ICD和可佩戴式心臟除顫器上的心律失常檢測器僅僅在患者處于需要電擊的致命性心律失常之后才檢測可電擊事件。盡量進行了大量研究，但是利用用于迫近的ACP事件的可靠預測的心律失常分析已經(jīng)是值得懷疑的，其不僅缺乏預測精確度，而且缺少事件時間特異性(當可能發(fā)生事件時預測)。US 2009/0234410A1可以結(jié)合心律失常分析來利用心律變異性，但是使用心律失常檢測器將再次限制預測精確度。諸如T-波交替的心臟的心律失常的更尖端的分析方法也需要好于通常I微伏的非常精確的ECG電壓的測量，因而意欲非常容易受到在其中以相對連續(xù)的基礎監(jiān)視ECG的系統(tǒng)(諸如可佩戴式監(jiān)視和治療設備)中產(chǎn)生的信號假象的影響。US專利No. 4，957，115描述了一種連同其他生理測量一起使用ECG心律失常分析來產(chǎn)生由于心血管事件而導致的迫近死亡的概率分數(shù)的系統(tǒng)。諸如在US專利No. 7，272，435中描述的其他系統(tǒng)可以在應力測試實驗室中使用，其中在與可佩戴式設備上將可能遇到的那些條件不同的受控條件下觀察患者。在這樣嚴格控制的條件下，可以應用諸如T-波交替的易受噪聲影響的測量技術(shù)。美國專利No. 6，665，559和No. 5，501，229描述了基于ECG心律失常分析來確定心血管風險的概率。因而，根據(jù)本發(fā)明的實施例的各方面，具有一種對于存在來自外部可佩戴式設備的ECG信號假象更魯棒的系統(tǒng)是有益的，ECG信號假象是在連續(xù)監(jiān)視期間經(jīng)常遇到的，并且具有一種能夠擁有一些可靠性地來預測何時最可能發(fā)生ACP事件的系統(tǒng)是進一步有益的。本發(fā)明的實施例的各方面將HRV與其他生命跡象信號組合，這與在美國公開專利申請2007/112，275A1是有區(qū)別的，美國公開專利申請2007/112，275A1描述了一種向用戶警告超出希望范圍的任何生命跡象信號的系統(tǒng)。此外，與美國公開專利申請2007/276, 275A1相比，本發(fā)明的實施例的各方面通過將HRV與其他生命跡象數(shù)據(jù)組合來預測發(fā)生急性心肺(ACP)事件的概率，美國公開專利申請2007/276，275A1描述了使用HRV與一個或更多個其他生命跡象結(jié)合來預測由于完全不同和不相關(guān)的類型的外傷、腦外傷而導致的發(fā)病率和死亡率。根據(jù)本發(fā)明的各方面的HRV數(shù)據(jù)的測量提供自主神經(jīng)系統(tǒng)與心血管系統(tǒng)之間的交互的測量。雖然HRV已經(jīng)變成學者用來試圖預測ACP事件(例如，參見1999年醫(yī)學年刊修訂版 50:249-61、P. K. Stein、R. E. Kleiger 的 Insightsfrom the Study of Heart RateVariability)的公知技術(shù),但是如Stein等所指出的,單獨的HRV不足以具有任何合理的精確程度來預測未來的臨床事件。本發(fā)明實施例的各方面與當前市場可獲得的用于HRV分析的商用設備在其他方面也有區(qū)別。一些商用HRV分析設備是體積巨大的。實施例的各方面更加便攜，并因此是易于野外使用的，以便便于醫(yī)院的日常使用和用于邊境環(huán)境，諸如救護車。此外，實施例的各方面在將一些HRV測量與心血管系統(tǒng)的特定異常進行簡單關(guān)聯(lián)方面比當前的商用設備做得更多。實施例的各方面以便攜式封裝來預測患者結(jié)局的風險分數(shù)。一些商用設備雖然是便攜式的，但是具有有限的功能。熟練的臨床醫(yī)生對輸出進行解釋，并且一些當前的商用設備僅提供諸如常人的健康狀況的簡單信息。因而，一些實施例的方面也對現(xiàn)有的商用設備進行了改進，現(xiàn)有的商用設備缺乏自動預測患者結(jié)局的概率與能力的組合，而這對醫(yī)療類選法是至關(guān)重要的。在本發(fā)明的一個實施例中，提供了一種患者可佩戴設備，諸如設備10，其整體視圖在圖34中示出。患者配戴的設備可以包括適當質(zhì)地(網(wǎng)狀等)的環(huán)繞上身的帶子14，并且可以并入彈性元件，帶子可以具有不引人注目的連接器或帶扣16以及在帶子的前后部分之間連接的類似材料的肩帶18。第一和第二感測和脈沖電極組件20分別被攜帶在帶子14和肩帶18上。帶子14也攜帶殼24，殼24可以具有與帶18的支撐帶連接26以及在圖中的28和30處指示的電導體，該電導體用于從各個電極組件20接收電信號并向各個電極組件20傳遞脈沖。組件20具有相應的感測電極22和脈沖電極32。在使用如此描述的設備中，組件20被保持處于與患者的胸膛舒適接觸并且借助于各個感測電極22來連續(xù)監(jiān)視和檢測心臟律動?？商鎿Q地，感測電極可以是傳統(tǒng)上可用的ECG電極，這樣的ECG電極被放置在患者的皮膚上與脈沖電極32分開的位置處。設備10可以被穿戴在諸如T恤的舒適內(nèi)衣34外面，其具有容納各個電極組件20的孔36。諸如環(huán)狀的片和絨面Velcro型質(zhì)地的配件38可以被提供在帶子14、帶18和內(nèi)衣之間。用于電極組件20的殼可以包含用于ECG電極的信號調(diào)節(jié)和放大電子裝置。ECG電極2可以是電容性的導電碳棒或允許長期使用而無皮膚炎癥的任何其他設計。應當理解，各個電極的印刷電路通過導體28和30被連接到脈沖生成器24。諸如脈搏血氧儀38的用于測量第二生理參數(shù)的傳感器被用來測量患者的額外生理狀態(tài)。在脈搏血氧儀的情況下，該生理參數(shù)是組織灌注的生理參數(shù)。傳感器也可以是本領域技術(shù)人員所知道的阻抗容積圖(impedanceplethysmography, IP)。IP是通過測量感測電極之下的組織的電阻抗中的小變化而完成的，通常是通過向電極施加小電流并測量感應電壓。作為諸如血液灌注或當隨呼吸而使肺中的空氣增加的生理活動的結(jié)果，當組織的體積改變時，其電阻抗也變化。因而，所感測到的生理參數(shù)可以是經(jīng)由相同的阻抗電極集合的同時的血液流動和呼吸二者。對本領域技術(shù)人員來說已知的是，也可以的是，ECG電極22也能夠同時被用于阻抗測量和ECG，因為對IP施加的電流通常是30kHz或更高，而由于ECG信號包含不高于IOOHz的相關(guān)頻率，所以在處理之前其可以從到ECG放大器的輸入信號中濾除對IP施加的電流。可以提供多于一個的傳感器來獲得關(guān)于兩個或更多個生理參數(shù)的多個測量。
可以使用諸如使用粘片、漿糊或膠，與至少一個患者的皮膚表面進行電接觸的電極的無源設備來檢測ECG信號。可以使用諸如有源設備的其他機制，其不必需要與至少一個患者的皮膚表面接觸來檢測患者的ECG信號。這樣的有源設備可以是絕緣的生物電極(IBE)0 IBE可以測量皮膚上的電勢而沒有電阻性電接觸，并且具有非常低的容性耦合。IBE可以無線地或經(jīng)由線纜被連接到的處理單元。為了獲得無線IBE，無線節(jié)點平臺可以被集成到IBE中?？梢岳脽o線IBE來運行的系統(tǒng)的例子是“Tmote Sky”平臺，其使用三個無線IBE來形成3弓丨導系統(tǒng)?！癟mote Sky”平臺具有250Kbps的802. 15. 4無線接口，并且由MSP430F1611微控制器來控制。參照圖4，系統(tǒng)400具有三個主功能塊信號獲取塊402、信號處理塊404和分析塊406。信號獲取塊402具有用于獲取來自患者401的ECG信號和其他生命跡象的傳感器和信號調(diào)節(jié)硬件408。傳感器和信號調(diào)節(jié)硬件408可以包括傳感器，傳感器檢測ECG信號以及其他生理參數(shù)，諸如血壓、例如Sp02的組織灌注和呼吸速率。信號獲取塊402具有數(shù)據(jù)獲取(DAQ)電極410，在一個實施例中，其包括用于處理來自傳感器和信號調(diào)節(jié)硬件408的輸出的信號調(diào)節(jié)電路。信號調(diào)節(jié)電路被設計為處理來自這些傳感器的信號。信號調(diào)節(jié)電路包括執(zhí)行諸如分離和放大由傳感器測量的各種信號以及將模擬信號轉(zhuǎn)換為數(shù)字信號的功能的電組件。DAQ電極410向處理單元430傳達數(shù)字化后的ECG和其他生理參數(shù)。處理單元包含本領域技術(shù)人員所知道的電路元件諸如微處理器的處理單元；諸如硬盤驅(qū)動的程序存儲電路或諸如ROM或快閃存儲器的固態(tài)存儲元件；諸如DRAM的動態(tài)數(shù)據(jù)存儲元件；諸如串行數(shù)據(jù)通道、藍牙、USB等的通信電路，用于與DAQ 410以及諸如WiFi網(wǎng)絡或蜂窩網(wǎng)絡的外部設備二者通信；包含顯示器、音頻通道和揚聲器、觸摸屏接口和開關(guān)的用戶接口 ；滇池和電源電路。輸入面板也接受額外信息，諸如患者的年齡和性別。信號處理塊404包括信號處理模塊426、生命跡象模塊420和患者信息模塊418。電路可以以如下方式配置以便優(yōu)化功能即由諸如Texas儀器Blackfin處理器家族的數(shù)字信號處理(DSP)芯片來提供信號處理模塊426和分析模塊406，并且由諸如在Linux操作系統(tǒng)上運行的雙核Intel Xeon處理器的通用微處理器來提供用戶接口和其他功能。利用詞組“模塊”，我們僅僅是指由處理單元430執(zhí)行的特定功能；圖中的模塊邊界可以或可以不對應實際的電路。信號處理模塊426包括ECG預處理模塊412、節(jié)拍檢測和后處理模塊414以及HRV參數(shù)計算模塊416。ECG預處理模塊412處理來自信號獲取塊402的原始ECG數(shù)據(jù)，并抑制不想要的信號，諸如噪聲、運動偽像和電力線干擾，這些將影響從ECG數(shù)據(jù)中最終提取的HRV參數(shù)的精確度。節(jié)拍檢測和后處理模塊414對來自ECG預處理模塊412的去除噪聲的信號進行作用，以在后處理期間檢測心跳并排除非竇性搏動。連貫的竇性搏動之間的持續(xù)時間被匯編成RRI (搏動至搏動間隔)序列，根據(jù)RRI序列來計算HRV參數(shù)。優(yōu)選地，從自患者的竇性節(jié)奏中到處的ECG信號來進行提取。在本發(fā)明的一個實施例中，提取心律變異性數(shù)據(jù)包括濾波ECG信號以去除噪聲和偽像；在濾波后的ECG信號中定位QRS合成體(complex);找到QRS合成體的連貫R波之間的RR間隔；以及處理RR間隔之內(nèi)的信息序列，以得到心律變異性數(shù)據(jù)。在本發(fā)明的一個實施例中，使用帶通濾波器來濾波ECG信號并定位QRS合成體。必須使用具有比QRS合成體的頻率分量更寬的操作頻率范圍的帶通濾波器。QRS合成體的頻率分量處于10至25Hz之間。因而，在本發(fā)明的一個實施例中，帶通濾波器的操作頻率范圍在大約5Hz至大約28Hz之間。在本發(fā)明的一個實施例中，可以如下定位R波。定位在濾波后的ECG信號中首次出現(xiàn)的最大峰數(shù)據(jù)值。根據(jù)所定位的最大峰值來確定上幅度閾值和下幅度閾值。定位峰值的任一側(cè)的峰值和最小值。在發(fā)明的該實施例中，任一側(cè)是指峰值的左側(cè)和右側(cè)。檢查是否滿足峰值在上幅度閾值之上同時最小值在下幅度閾值之下的條件。如果滿足條件，則峰值的位置被表示為R位置。在R位置的左側(cè)的最接近處出現(xiàn)的最小值的位置被表示為Q位置，并且在R位置的右側(cè)的最接近處出現(xiàn)的最小值的位置被表示為S位置。再次參照描繪濾波后的ECG信號的時間刻度，在R位置之前首次出現(xiàn)最小值的地方出現(xiàn)Q位置，而在R位置之后首次出現(xiàn)最小值的地方出現(xiàn)S位置。從而確定濾波后的ECG信號之內(nèi)的QRS峰的定位。在本發(fā)明的一個實施例中，在提供ECG采樣點x(n)的一維陣列的情況下，在找到開頭幾秒的數(shù)據(jù)之內(nèi)的最大值(ref_peak)之后設置上幅度閾值和下幅度閾值(Tuppot和TlOTtOT)。如下來定義閾值Tupper=ref_peak+0. 4 X ref—peakTlower=ref_peak-0. 35 X ref—peak然后，如果滿足下述條件，則可以說在點i處出現(xiàn)R波X⑴位于Tuppct和T1otot之間；X (i+1)-X (i)〈O ;且x(i)-x(1-l) > O ；其中，R峰是具有最大值的點?？梢酝ㄟ^如下迭代過程來定位濾波后的ECG信號之內(nèi)的其他R波的位置定位另一峰值，并且定位該另一峰值任一側(cè)的其他最小值。當另一峰值在上幅度閾值之上且其他兩個最小值在下閾值之下時，峰值的位置被表示為R位置。在R位置的左側(cè)的最接近處出現(xiàn)的最小值的位置被表示為Q位置，并且在R位置的右側(cè)的最接近處出現(xiàn)的最小值的位置被表示為S位置。以此方式，確定其他QRS峰的位置。處理RR間隔之內(nèi)的信息序列可以進一步包括從RR間隔之內(nèi)的信息序列中去除離群值(outlier)?？梢哉业疥P(guān)于RR間隔的中間值和標準偏差值?？梢杂嬎慵庇跇藴势钪档娜菹抟蜃??？梢员Ａ粑挥赗R間隔內(nèi)、跨越中間值任一側(cè)達容限因子的信息部分?？梢愿鶕?jù)所保留的信息部分來得到心律變異性數(shù)據(jù)，并且可以丟棄信息序列中的剩余信息部分。在本發(fā)明的實施例中，心律變異性數(shù)據(jù)可以包括時域數(shù)據(jù)、頻域數(shù)據(jù)和幾何域數(shù)據(jù)。時域數(shù)據(jù)可以包括關(guān)于下述參數(shù)中的任何一個或更多個的信息RR間隔的平均值(平均RR)、RR間隔的標準偏差(STD)、瞬時心律的平均值(平均HR)、瞬時心律的標準偏差(STD_HR)、相鄰RR間隔之間的差的均方根(RMSSD)、相差多于50ms的連貫RR間隔的數(shù)量(NN50)、和相差多于50ms的連貫RR間隔的百分比(pNN50)。頻域數(shù)據(jù)可以包括關(guān)于下述參數(shù)中的任何一個或更多個的信息甚低頻率范圍(〈=0. 04Hz)中的能量(VLF)、低頻范圍(O. 04至O. 15Hz)中的能量(LF)、高頻范圍(O. 15至O. 4Hz)中的能量(HF)、從片段中的NN間隔的變化估計并以ms2測量的總能量(TP)、LF能量與HF能量之比(LF/HF)、標準化單元中的LF能量LF/(TP-VLF) X 100 (LFnorm)、和標準化單元中的 HF 能量 HF/ (TP-VLF) X 100 (HFnorm)。幾何域數(shù)據(jù)可以包括關(guān)于下述參數(shù)中的任何一個或更多個的信息通過間隔的直方圖的高度(HRV索引)以及使用最小平方方法被擬合到RR直方圖中的三角形的基區(qū)寬度(base width) (TINN)而劃分的所有RR間隔的總數(shù)量。在本發(fā)明的實施例中，生命跡象數(shù)據(jù)可以包括下述中的任何一個或更多個心臟收縮血壓、心臟舒張血壓、脈搏速率、脈搏血氧飽和度、呼吸速率、格拉斯哥昏迷評分(glasgow coma scale, GCS)、疼痛分數(shù)、溫度。生命跡象測量也可以是波形形式的連續(xù)變量。生命跡象測量也可以是在單個時間點采取的測量，或者生命跡象測量可以說一系列測量，通常以規(guī)律間隔來進行采樣，有時可以以所謂的傾向數(shù)據(jù)的形式來存儲規(guī)律間隔。在本發(fā)明的實施例中，用于訓練人造神經(jīng)網(wǎng)絡的患者健康數(shù)據(jù)可以是瞬時心律的標準偏差(STD_HR)、標準化單元中的LF能量LF/(TP-VLF) X lOO(LFnorm)、年齡、脈搏速率、脈搏血氧飽和度、心臟收縮血壓和心臟舒張血壓。在本發(fā)明的實施例中，所測量的第一參數(shù)集合是瞬時心律的標準偏差(STD_HR)和標準化單元中的LF能量LF/(TP-VLF) X 100 (LFnorm);并且所測量的第二參數(shù)集合是年齡、脈搏速率、脈搏血氧飽和度、心臟收縮血壓和心臟舒張血壓?；颊呓】禂?shù)據(jù)包括與心律變異性數(shù)據(jù)、生命跡象數(shù)據(jù)、患者存活性和患者特征相關(guān)的參數(shù)?；颊呓】禂?shù)據(jù)可以包括多個數(shù)據(jù)集合，其中每個數(shù)據(jù)集合可以根據(jù)這些參數(shù)的單個類別來形成，即或者第一參數(shù)涉及心律變異性，第二參數(shù)涉及生命跡象數(shù)據(jù)，第三參數(shù)涉及患者特征或第四參數(shù)涉及患者存活性。另一方面，每個數(shù)據(jù)集合可以具有這些參數(shù)的類別的組合，諸如以下中的至少一個第一參數(shù)涉及心律變異性，第二參數(shù)涉及生命跡象數(shù)據(jù)，且第三參數(shù)涉及諸如年齡、性別的患者特征或者其他幾何特征以及患者的健康歷史中的特殊狀況，諸如糖尿病、心肌梗塞、高血壓。特殊狀況的嚴重性也被記錄并向系統(tǒng)提供，諸如發(fā)生系肌梗塞的日期、梗塞后排出碎片或心室組織破壞的百分比范圍。其他說明符可以是患者用來治療各種醫(yī)療狀況的特殊藥物。第四參數(shù)可以被提供為涉及諸如類似于存活以出院的結(jié)果的患者存活性。第四參數(shù)可以在算法開發(fā)的訓練階段被用作訓練算法的手段，并且可以在使用階段被用作通過記錄預測算法的實際精確度并進行適當修改以提高精確度來提高精確度的手段。數(shù)據(jù)集合甚至可以不必包括涉及患者存活性的參數(shù)?？商鎿Q地，每個患者健康數(shù)據(jù)的集合可以包括所有四個參數(shù)。因而，有益的是，在患者健康數(shù)據(jù)中，與另一個數(shù)據(jù)集合相比，一個數(shù)據(jù)集合可以不包含相同數(shù)量的參數(shù)。此外，患者健康數(shù)據(jù)可以被存儲為數(shù)字數(shù)據(jù)，其是從原始獲得的四個參數(shù)中的每一個的形式(諸如模擬信號)、從而是所得到的測量的原始形式轉(zhuǎn)換來的。諸如人口統(tǒng)計學、健康歷史和存活性的關(guān)于患者特征的數(shù)據(jù)可以經(jīng)由通過醫(yī)院分布的無線網(wǎng)絡、諸如802. 11被傳達給設備10或系統(tǒng)400。根據(jù)本發(fā)明的實施例，提供了一種產(chǎn)生能夠預測患者的存活性的人造神經(jīng)網(wǎng)絡的方法。該方法包括在電子數(shù)據(jù)庫中存儲患者健康數(shù)據(jù)?；颊呓】禂?shù)據(jù)包括多個數(shù)據(jù)集合，每個數(shù)據(jù)集合具有涉及心律變異性數(shù)據(jù)的第一參數(shù)和涉及生命跡象數(shù)據(jù)的第二參數(shù)中的至少一個。多個數(shù)據(jù)集合中的每一個進一步具有涉及患者存活性的第三參數(shù)。提供節(jié)點互連以形成人造神經(jīng)網(wǎng)絡的網(wǎng)絡。節(jié)點包括多個人造神經(jīng)元，每個人造神經(jīng)元包含具有相關(guān)權(quán)重的至少一個輸入。使用患者健康數(shù)據(jù)來訓練人造神經(jīng)網(wǎng)絡，使得響應于來自患者健康數(shù)據(jù)的不同數(shù)據(jù)集合的相應第一、第二和第三參數(shù)來調(diào)節(jié)多個人造神經(jīng)元中的每個人造神經(jīng)元的至少一個輸入的相關(guān)權(quán)重。這導致人造神經(jīng)網(wǎng)絡被訓練為產(chǎn)生對患者的存活性的預測。用于存儲患者健康數(shù)據(jù)的電子數(shù)據(jù)庫可以是諸如硬盤驅(qū)動、光盤或固態(tài)設備(例如大拇哥霹靂碟)的存儲模塊。在算法的訓練階段，可以從醫(yī)院記錄或從患者(或多個)的池的引導領域研究來得到患者健康數(shù)據(jù)，其中所述池包括充當控制組的一組患者。因而，患者健康數(shù)據(jù)可以包括遭受各種微癥的患者、健康(即，不具有疾病征兆)的患者、各種種族及年齡的患者和/或晚期疾病的患者的數(shù)據(jù)。早先提及到，生命跡象數(shù)據(jù)可以是用于訓練能夠用于實現(xiàn)臨床決策支持程序或設備的人造神經(jīng)網(wǎng)絡的參數(shù)(在涉及患者健康數(shù)據(jù)的多個數(shù)據(jù)集合眾被稱為第二參數(shù))中的一個。生命跡象數(shù)據(jù)被定義為知識患者的基本身體功能的狀態(tài)的臨床測量。這些測量涉及心臟收縮血壓、心臟舒張血壓、脈搏速率、脈搏血氧飽和度、呼吸速率、格拉斯哥昏迷評分(GCS)、疼痛分數(shù)和溫度。在訓練階段，可以從醫(yī)院記錄或從患者(或多個)的池的引導領域研究中得到生命跡象數(shù)據(jù)。當進行引導領域研究時，可以如下測量每個生命跡象。例如，可以使用諸如來自"CardioCommand"的“statMAP 型號7200”的血壓測量設備來測量心臟收縮血壓和心臟舒張血壓?？商鎿Q地，可以使用諸如血壓計或水銀壓力計的設備?？梢允褂煤粑栌泩D來測量脈搏速率、脈搏血氧飽和度和呼吸速率。格拉斯哥昏迷評分(GCS)是指對于來自醫(yī)療專家的指令，患者的生理(諸如四肢、眼鏡)馬達和/或口頭響應的自發(fā)性程度。疼痛分數(shù)是指對施加于患者的疼痛的響應的程度(諸如四肢或身體部分的并攏、內(nèi)旋或伸展；彎曲或收回)?？梢允褂脺囟扔媮碛涗洔囟?。轉(zhuǎn)到可以被用來訓練人造神經(jīng)網(wǎng)絡的另一參數(shù)，患者存活性(在涉及患者健康的多個數(shù)據(jù)集合中被稱為第三參數(shù))是指結(jié)果，即或者是患者的死亡，或者是患者的存活。因此，關(guān)于患者存活性的數(shù)據(jù)通常與關(guān)于同一患者的心律變異性數(shù)據(jù)和生命跡象數(shù)據(jù)二者的相應集合相關(guān)聯(lián)?？梢员挥脕碛柧毴嗽焐窠?jīng)網(wǎng)絡的另一參數(shù)是患者特征?；颊咛卣靼ㄖT如患者年齡、性別和醫(yī)療歷史的信息。在訓練階段結(jié)束時，被發(fā)現(xiàn)與達到較高精確度級別相關(guān)的參數(shù)然后被用作實時檢測系統(tǒng)的輸入。一種電子設備可以并入處理器或存儲指令的存儲模塊以實現(xiàn)訓練后的人造神經(jīng)網(wǎng)絡，從而設備可以分析正檢查的患者的健康數(shù)據(jù)。然后，電子設備的輸出可以被用于幫助操作者或醫(yī)療專家來預測患者的結(jié)果，從而對如何對待患者做出合適的臨床決策。在本發(fā)明的實施例中，人造神經(jīng)網(wǎng)絡(ANN)可以是模擬生物神經(jīng)網(wǎng)絡的結(jié)構(gòu)和/或功能方面的數(shù)學模型或計算模型。在本發(fā)明的實施例中，ANN的節(jié)點包括至少一個輸入(作為ANN的至少一個實際輸入)、至少一個人造神經(jīng)元和至少一個輸出(作為ANN的至少一個實際輸出)?？梢栽贏NN的單個隱藏層中出現(xiàn)至少一個人造神經(jīng)元。在本發(fā)明的其他實施例中，其中ANN具有多個人造神經(jīng)元，多個人造神經(jīng)元可以跨越一個或更多個隱藏層來分布。在存在多于一個層的情況下，每個層可以與先前層和隨后層互連。
人造神經(jīng)元可以使用連接(connectionist)方案來處理信息以計算。ANN可以是自適應系統(tǒng)，其中在訓練或?qū)W習階段其基于通過該ANN流動的外部或內(nèi)部信息來改變。具體而言，ANN之內(nèi)的連接(諸如相鄰人造神經(jīng)元之間、或輸入與人造神經(jīng)元之間)的權(quán)重(或重量)被適配為改變。在本發(fā)明的實施例中，第一參數(shù)(心律變異性數(shù)據(jù))、第二參數(shù)(生命跡象數(shù)據(jù))或第一參數(shù)與第二參數(shù)的組合可以被分類為患者健康數(shù)據(jù)的特征矢量。可以利用特征矢量來訓練人造神經(jīng)網(wǎng)絡。人造神經(jīng)網(wǎng)絡可以被實現(xiàn)為在存儲器中存儲的指令，當由處理器執(zhí)行該指令時，其使得處理器執(zhí)行人造神經(jīng)網(wǎng)絡的功能。在本發(fā)明的實施例中，人造神經(jīng)網(wǎng)絡可以基于支持矢量機架構(gòu)，其中根據(jù)由支持矢量機所使用的庫來初始化多個人造神經(jīng)元中的每個人造神經(jīng)元的至少一個輸入的相關(guān)權(quán)重。支持矢量機可以具有包括決策函數(shù)的聚集輸出，通過如下給出決策函數(shù)

權(quán)利要求
1.一種產(chǎn)生能夠預測患者的存活性的人造神經(jīng)網(wǎng)絡的方法，該方法包括在電子數(shù)據(jù)庫中存儲患者健康數(shù)據(jù)，患者健康數(shù)據(jù)包括多個數(shù)據(jù)集合，每個集合具有涉及心律變異性數(shù)據(jù)的第一參數(shù)和涉及生命跡象數(shù)據(jù)的第二參數(shù)中的至少一個，每個集合進一步具有涉及患者存活性的第三參數(shù)；提供互連的節(jié)點的網(wǎng)絡提供互連節(jié)點的網(wǎng)絡以形成人造神經(jīng)網(wǎng)絡，節(jié)點包括多個人造神經(jīng)元，每個人造神經(jīng)元包含具有相關(guān)權(quán)重的至少一個輸入；以及使用患者健康數(shù)據(jù)來訓練人造神經(jīng)網(wǎng)絡，使得響應于來自患者健康數(shù)據(jù)的不同數(shù)據(jù)集合的相應第一、第二和第三參數(shù)來調(diào)節(jié)多個人造神經(jīng)元中的每個人造神經(jīng)元的至少一個輸入的相關(guān)權(quán)重，從而人造神經(jīng)網(wǎng)絡被訓練為產(chǎn)生對患者的存活性的預測。
2.根據(jù)權(quán)利要求1所述的方法，其中，從來自至少一個患者的心電圖(ECG)信號中提取所述心律變異性數(shù)據(jù)。
3.根據(jù)權(quán)利要求2所述的方法，其中，提取所述心律變異性數(shù)據(jù)包括濾波所述ECG信號以去除噪聲和偽像；在濾波后的ECG信號中定位QRS合成體；找到所述QRS合成體的連貫的QRS峰之間的RR間隔；以及處理RR間隔之內(nèi)的序列信息，以得到心律變異性數(shù)據(jù)。
4.根據(jù)權(quán)利要求3所述的方法，其中，使用帶通濾波器來濾波ECG信號并定位QRS合成體。
5.根據(jù)權(quán)利要求4所述的方法，其中，所述帶通濾波器的頻率范圍在大約5Hz至大約28Hz之間。
6.根據(jù)權(quán)利要求3至5所述的方法，其中，通過下述來定位QRS峰定位在濾波后的ECG信號中首次出現(xiàn)的最大峰數(shù)據(jù)值；根據(jù)所定位的最大峰值來確定上幅度閾值和下幅度閾值；定位峰值；定位峰值的任一側(cè)的最小值；以及當峰值在上幅度閾值之上同時最小值在下幅度閾值之下時，將峰值的位置指示為R位置，將在R位置的左側(cè)的最接近處出現(xiàn)的最小值的位置指示為Q位置，并且將在R位置的右側(cè)的最接近處出現(xiàn)的最小值的位置指示為S位置，以便形成濾波后的ECG信號之內(nèi)的QRS峰的定位。
7.根據(jù)權(quán)利要求6所述的方法，其中，通過如下迭代過程來定位濾波后的ECG信號之內(nèi)的其他QRS峰的位置定位另一峰值；定位該另一峰值任一側(cè)的其他最小值；以及當另一峰值在上幅度閾值之上且其他兩個最小值在下閾值之下時，將峰值的位置指示為R位置，將在R位置的左側(cè)的最接近處出現(xiàn)的最小值的位置指示為Q位置，并且將在R位置的右側(cè)的最接近處出現(xiàn)的最小值的位置指示為S位置，以便形成該另一 QRS峰的定位。
8.根據(jù)權(quán)利要求3至7所述的方法，其中，所述處理RR間隔之內(nèi)的序列信息進一步包括通過如下從RR間隔之內(nèi)的信息序列中去除離群值找到關(guān)于RR間隔的中間值和標準偏差值；計算基于標準偏差值的容限因子；保留位于RR間隔內(nèi)、跨越中間值任一側(cè)達容限因子的信息部分，使得根據(jù)所保留的信息部分來得到心律變異性數(shù)據(jù)；以及丟棄信息序列中的剩余信息部分。
9.根據(jù)權(quán)利要求1至8所述的方法，進一步包括將第一參數(shù)、第二參數(shù)或第一參數(shù)與第二參數(shù)的組合分類為患者健康數(shù)據(jù)的特征矢量；并且利用特征矢量來訓練人造神經(jīng)網(wǎng)絡。
10.根據(jù)權(quán)利要求1至9所述的方法，其中，人造神經(jīng)網(wǎng)絡被實現(xiàn)為在存儲器中存儲的指令，當由處理器執(zhí)行該指令時，其使得處理器執(zhí)行人造神經(jīng)網(wǎng)絡的功能。
11.根據(jù)權(quán)利要求10所述的方法，其中，人造神經(jīng)網(wǎng)絡基于支持矢量機架構(gòu)，其中根據(jù)由支持矢量機所使用的庫來初始化多個人造神經(jīng)元中的每個人造神經(jīng)元的至少一個輸入的相關(guān)權(quán)重。
12.根據(jù)權(quán)利要求11所述的方法，所述支持矢量機包括決策函數(shù)，通過如下給出決策函數(shù)
13.根據(jù)權(quán)利要求10所述的方法，其中，人造神經(jīng)網(wǎng)絡基于極端學習機架構(gòu)，其中通過由極端學習機的隨機選擇來初始化多個人造神經(jīng)元中的每個人造神經(jīng)元的至少一個輸入的相關(guān)權(quán)重。
14.根據(jù)權(quán)利要求13所述的方法，其中，人造神經(jīng)網(wǎng)絡被實現(xiàn)為單層前向反饋網(wǎng)絡，從而根據(jù)如下函數(shù)來導出對患者的存活性的預測
15.根據(jù)權(quán)利要求1至14所述的方法，其中，基于后傳播學習來訓練人造神經(jīng)網(wǎng)絡。
16.根據(jù)權(quán)利要求15所述的方法,其中，所述后傳播學習使用Levenberg-Marquardt算法。
17.根據(jù)權(quán)利要求1至16所述的方法，其中，所述多個人造神經(jīng)元中的每一個具有激勵函數(shù)，從包括hardlim、sigmoid、正弦、radial basis和線性的一組函數(shù)中選擇激勵函數(shù)。
18.根據(jù)權(quán)利要求3至17所述的方法，進一步包括將RR間隔之內(nèi)的信息序列分為非重疊片段；并且使用非重疊片段來訓練人造神經(jīng)網(wǎng)絡。
19.根據(jù)權(quán)利要求3至17所述的方法，進一步包括提取每個濾波后的ECG信號的RR間隔之內(nèi)的信號的長度；將信號的長度分為非重疊片斷；以及選擇非重疊片段中的至少一個來訓練人造神經(jīng)網(wǎng)絡。
20.根據(jù)權(quán)利要求19所述的方法，其中，每一個非重疊片段具有基本相等的長度。
21.根據(jù)權(quán)利要求19所述的方法，其中，每一個非重疊片段具有不相等的長度。
22.根據(jù)權(quán)利要求18至21所述的方法，其中，非重疊片段具有固定長度。
23.根據(jù)權(quán)利要求18至21所述的方法，其中，非重疊片段具有能夠調(diào)節(jié)的長度。
24.根據(jù)權(quán)利要求1至23所述的方法，其中，所述多個數(shù)據(jù)集合中的每個集合進一步包括涉及患者特征的第四參數(shù)。
25.根據(jù)權(quán)利要求24所述的方法，其中，所述患者特征包括下述中的任一個或更多個年齡、性別和醫(yī)療歷史。
26.一種預測患者的存活性的方法。該方法包括測量涉及患者的心律變異性數(shù)據(jù)的第一參數(shù)集合；測量涉及患者的生命跡象數(shù)據(jù)的第二參數(shù)集合；提供包括互連的節(jié)點的網(wǎng)絡的人造神經(jīng)網(wǎng)絡，節(jié)點包括多個人造神經(jīng)元。每個人造神經(jīng)元包含具有相關(guān)權(quán)重的至少一個輸入，通過使用具有多個數(shù)據(jù)集合的電子數(shù)據(jù)庫來訓練人造神經(jīng)網(wǎng)絡而調(diào)節(jié)相關(guān)權(quán)重，每個集合具有至少涉及心律變異性數(shù)據(jù)的參數(shù)和涉及生命跡象數(shù)據(jù)的參數(shù)，每個集合進一步具有涉及患者存活性的參數(shù)；處理第一參數(shù)集合和第二參數(shù)集合以產(chǎn)生適合于輸入到人造神經(jīng)網(wǎng)絡中的處理數(shù)據(jù)；將處理數(shù)據(jù)作為輸入提供到人造神經(jīng)網(wǎng)絡中；以及從人造神經(jīng)網(wǎng)絡中獲得輸出，輸出提供對患者的存活性的預測。
27.根據(jù)權(quán)利要求26所述的方法，其中，第一參數(shù)集合的處理數(shù)據(jù)和第二參數(shù)集合的處理數(shù)據(jù)被表示為特征矢量。
28.根據(jù)權(quán)利要求26所述的方法，其中，處理數(shù)據(jù)是被表示為標準化數(shù)據(jù)的第一參數(shù)集合和第二參數(shù)集合。
29.根據(jù)權(quán)利要求26至28所述的方法，其中，處理數(shù)據(jù)被分為非重疊片段，以使得人造神經(jīng)網(wǎng)絡中的輸入包括處理數(shù)據(jù)的一個或多個非重疊片段的集合，并且其中，對于處理數(shù)據(jù)的一個或多個非重疊片段的集合中的每一個而得到結(jié)果，以使得每個結(jié)果被認為是患者的存活性的預測。
30.根據(jù)權(quán)利要求29所述的方法，其中，多數(shù)表決被用來確定對于患者的存活性的預測，通過如下的函數(shù)來表示多數(shù)表決
31.根據(jù)權(quán)利要求26至30所述的方法，其中，所述人造神經(jīng)網(wǎng)絡的結(jié)果被編碼為兩類標簽，從而該方法進一步包括向兩類標簽結(jié)果中的每一個應用基于標簽的算法，以決定來自人造神經(jīng)網(wǎng)絡的輸出，從而提供對患者的存活性的預測。
32.根據(jù)權(quán)利要求1至31所述的方法，其中，所述心律變異性數(shù)據(jù)包括時域數(shù)據(jù)、頻域數(shù)據(jù)和幾何域數(shù)據(jù)。
33.根據(jù)權(quán)利要求32所述的方法，其中，所述時域數(shù)據(jù)包括關(guān)于下述參數(shù)中的任何一個或更多個的信息RR間隔的平均值(平均RR)、RR間隔的標準偏差(STD)、瞬時心律的平均值(平均HR)、瞬時心律的標準偏差(STD_HR)、相鄰RR間隔之間的差的均方根(RMSSD)、相差多于50ms的連貫RR間隔的數(shù)量(NN50)、和相差多于50ms的連貫RR間隔的百分比(PNN50)。
34.根據(jù)權(quán)利要求32或33所述的方法，其中，所述頻域數(shù)據(jù)包括關(guān)于下述參數(shù)中的任何一個或更多個的信息甚低頻率范圍(〈=0. 04Hz)中的能量(VLF)、低頻范圍(O. 04至O.15Hz)中的能量(LF)、高頻范圍(O. 15至O. 4Hz)中的能量(HF)、從片段中的NN間隔的變化估計并以ms2測量的總能量(TP)、LF能量與HF能量之比(LF/HF)、標準化單元中的LF能量 LF/(TP-VLF) X 100 (LFnorm)、和標準化單元中的 HF 能量 HF/(TP_VLF) X 100 (HFnorm)0
35.根據(jù)權(quán)利要求32至34所述的方法，其中，所述幾何域數(shù)據(jù)包括關(guān)于下述參數(shù)中的任何一個或更多個的信息通過間隔的直方圖的高度(HRV索引)以及使用最小平方方法被擬合到RR直方圖中的三角形的基區(qū)寬度(TINN)而劃分的所有RR間隔的總數(shù)量。
36.根據(jù)權(quán)利要求1至35所述的方法，其中，所述生命跡象數(shù)據(jù)包括下述中的任何一個或更多個心臟收縮血壓、心臟舒張血壓、脈搏速率、脈搏血氧飽和度、呼吸速率、格拉斯哥昏迷評分(GCS )、疼痛分數(shù)、溫度和年齡。
37.根據(jù)權(quán)利要求1至36所述的方法，其中，用于訓練人造神經(jīng)網(wǎng)絡的患者健康數(shù)據(jù)是瞬時心律的標準偏差(STD_HR)、標準化單元中的低頻范圍能量(O. 04至O. 15HzXLFnorm),年齡、脈搏速率、脈搏血氧飽和度、心臟收縮血壓和心臟舒張血壓。
38.根據(jù)權(quán)利要求24至37所述的方法，其中，所測量的第一參數(shù)集合是瞬時心律的標準偏差(STD_HR)和標準化單元中的低頻范圍(O. 04至O. 15Hz)能量(LFnorm);并且所測量的第二參數(shù)集合是年齡、脈搏速率、脈搏血氧飽和度、心臟收縮血壓和心臟舒張血壓。
39.根據(jù)權(quán)利要求1至38所述的方法，其中，對患者的存活性的預測是患者的死亡或者是患者的存活。
40.一種患者存活性預測系統(tǒng)，包括第一輸入，用于接收涉及患者的心律變異性數(shù)據(jù)的第一參數(shù)集合；第二輸入，用于接收涉及患者的生命跡象數(shù)據(jù)的第二參數(shù)集合；存儲器模塊，用于存儲實現(xiàn)人造神經(jīng)網(wǎng)絡的指令，人造神經(jīng)網(wǎng)絡包括互連的節(jié)點的網(wǎng)絡，節(jié)點包括多個人造神經(jīng)元，每個人造神經(jīng)元包含具有相關(guān)權(quán)重的至少一個輸入，通過使用具有多個數(shù)據(jù)集合的電子數(shù)據(jù)庫來訓練人造神經(jīng)網(wǎng)絡而調(diào)節(jié)相關(guān)權(quán)重，每個集合具有至少涉及心律變異性數(shù)據(jù)的參數(shù)和涉及生命跡象數(shù)據(jù)的參數(shù)，每個集合進一步具有涉及患者存活性的參數(shù)；處理器，用于執(zhí)行存儲在存儲器模塊中的指令，以基于第一參數(shù)集合和第二參數(shù)集合執(zhí)行人造神經(jīng)網(wǎng)絡的功能并輸出對于患者的存活性的預測；以及顯示器，用于顯示對患者的存活性的預測。
41.根據(jù)權(quán)利要求40所述的患者存活性預測系統(tǒng)，進一步包括端口，用于從第一輸入接收第一參數(shù)集合并從第二輸入接收第二參數(shù)集合。
42.根據(jù)權(quán)利要求40所述的患者存活性預測系統(tǒng)，進一步包括第一端口，用于從第一輸入接收第一參數(shù)集合；以及第二端口，用于從第二輸入接收第二參數(shù)集合。
43.一種預測患者的存活性的方法，該方法包括測量涉及患者的心律變異性數(shù)據(jù)的第一參數(shù)集合；測量涉及患者的生命跡象數(shù)據(jù)的第二參數(shù)集合；獲得涉及患者特征的第三參數(shù)集合；當需要時，將第一參數(shù)集合、第二參數(shù)集合和第三參數(shù)集合作為標準化數(shù)據(jù)值的組提供到在電子數(shù)據(jù)庫內(nèi)實現(xiàn)的評分模塊，該評分模塊具有與第一參數(shù)集合、第二參數(shù)集合和第三參數(shù)集合中的每個參數(shù)相關(guān)的相應類別，每個類別具有多個預定義的值范圍，多個值范圍中的每個具有預定義的分數(shù)；通過向與第一參數(shù)集合、第二參數(shù)集合和第三參數(shù)集合中的相應參數(shù)相關(guān)的類別的多個值范圍的相應的預定義的值范圍分配標準化數(shù)據(jù)的集合，來確定關(guān)于第一參數(shù)集合、第二參數(shù)集合和第三參數(shù)集合中的每個參數(shù)的分數(shù)，相應的預定義的值范圍涵蓋標準化數(shù)據(jù)的集合；獲得總分數(shù)，總分數(shù)是關(guān)于第一參數(shù)集合、第二參數(shù)集合和第三參數(shù)集合中的每個參數(shù)的分數(shù)的總計，總分數(shù)提供對于患者的存活性的指示。
44.根據(jù)權(quán)利要求41所述的方法，其中，所述評分模塊進一步包括多個風險種類，每個種類具有預定義的值范圍，該方法進一步包括向具有涵蓋總分數(shù)的預定義的值范圍的種類分配總分數(shù)，以確定總分數(shù)屬于多個風險種類中的哪一個。
45.一種用于檢測迫近的、未接受治療的急性心肺醫(yī)療事件的系統(tǒng)，在嚴重傷害或死亡情況中具有合理的可能結(jié)果，該系統(tǒng)包括心電圖(ECG)模塊，包括用于感測患者的ECG的多個電極并具有ECG輸出；傳感器，用于感測除了 ECG之外的患者的生理參數(shù)；第一輸入，用于接收ECG輸出；第二輸入，用于從感測除了 ECG之外的患者的生理參數(shù)的傳感器接收信號；第三輸入，被構(gòu)造并布置為接收描述患者的人口統(tǒng)計學信息的至少一個元素的參數(shù)信息、和描述患者的醫(yī)療歷史的參數(shù)信息；數(shù)字化單元，用于數(shù)字化ECG和除了 ECG之外的生理信號；殼，用于容納存儲器單元和處理單元分別用于存儲和處理ECG、除了 ECG之外的生理信號、患者人口學信息和醫(yī)療歷史；以及用戶通信單元，其中，處理單元計算心律變異性(HRV)的至少一個測量，將HRV的至少一個測量與患者人口學信息和醫(yī)療歷史中的每一個的至少一個參數(shù)進行組合，并且計算在上述計算的72小時內(nèi)ACP事件的統(tǒng)計概率。
46.根據(jù)權(quán)利要求45所述的系統(tǒng)，其中，該系統(tǒng)被構(gòu)造和布置為以可佩戴的配置由患者攜帶。
47.根據(jù)權(quán)利要求45所述的系統(tǒng)，其中，傳感器測量微脈管的灌注狀態(tài)。
48.根據(jù)權(quán)利要求47所述的系統(tǒng)，其中，傳感器是脈搏血氧儀。
49.根據(jù)權(quán)利要求45所述的系統(tǒng)，進一步包括生理組織的電磁刺激器。
50.根據(jù)權(quán)利要求49所述的系統(tǒng)，其中，電磁刺激器刺激心臟組織。
51.根據(jù)權(quán)利要求45所述的系統(tǒng)，其中，用戶通信單元具有鍵輸入。
52.根據(jù)權(quán)利要求51所述的系統(tǒng)，其中，第三輸入是鍵輸入。
53.根據(jù)權(quán)利要求45所述的系統(tǒng)，其中，用戶通信單元在主殼中。
54.根據(jù)權(quán)利要求45所述系統(tǒng)，其中，用戶通信單元與主殼分離。
55.根據(jù)權(quán)利要求45所述的系統(tǒng)，其中，用戶通信單元是顯示器。
56.根據(jù)權(quán)利要求50所述的系統(tǒng)，其中，刺激是起搏。
57.根據(jù)權(quán)利要求50所述的系統(tǒng)，其中，刺激是去纖維性顫動。
58.根據(jù)權(quán)利要求50所述的系統(tǒng)，其中，刺激是磁刺激。
59.一種預測正接收外傷治療或作為發(fā)生大量傷亡時的一員的患者的死亡率的系統(tǒng)，包括心電圖(ECG)模塊，包括用于感測患者的ECG的多個電極并具有ECG輸出；傳感器，用于感測除了 ECG之外的患者的生理參數(shù)；第一輸入，用于接收ECG輸出；第二輸入，用于從感測除了 ECG之外的患者的生理參數(shù)的傳感器接收信號；第三輸入，被構(gòu)造并布置為接收描述患者的人口學信息的至少一個元素的參數(shù)信息、和描述患者的治療歷史的參數(shù)信息；數(shù)字化單元，用于數(shù)字化ECG和除了 ECG之外的生理信號；殼，用于容納存儲器單元和處理單元，存儲器單元和處理單元分別用于存儲和處理ECG、除了 ECG之外的生理信號、患者人口學信息和醫(yī)療歷史；以及用戶通信單元；其中，處理單元計算心律變異性(HRV)的至少一個測量，將HRV的至少一個測量與患者人口學信息和醫(yī)療歷史中的每一個的至少一個參數(shù)進行組合，并且計算關(guān)于患者的死亡率的統(tǒng)計概率。
60.根據(jù)權(quán)利要求59所述的系統(tǒng)，其中，該系統(tǒng)被構(gòu)造和布置為以可佩戴的配置由患者攜帶。
61.根據(jù)權(quán)利要求59所述的系統(tǒng)，其中，傳感器測量微脈管的灌注狀態(tài)。
62.根據(jù)權(quán)利要求61所述的系統(tǒng)，其中，傳感器是脈搏血氧儀。
63.—種對待患者的心臟病的方法,包括測量患者的心律變異性(HRV)；測量患者的生命跡象數(shù)據(jù)；使用為此目的而構(gòu)造和布置的計算裝置，基于HRV與所測量的生命跡象數(shù)據(jù)的組合來預測患者對于一個或更多個選擇時限的生存可能性；以及當患者對于一個或更多個選擇時限的生存可能性低于希望閾值時，如生命跡象數(shù)據(jù)所指示的來對待心臟病。
64.根據(jù)權(quán)利要求63所述的方法，進一步包括收集患者人口學信息和患者治療歷史信息中的至少一個；其中預測進一步包括額外基于所收集的患者人口學信息和患者歷史信息來計算生存可能性。
65.根據(jù)權(quán)利要求63所述的方法，進一步包括選擇4和24小時之間的時限。
66.根據(jù)權(quán)利要求63所述的方法，進一步包括選擇4和72小時之間的時限。
67.一種用于預測患者由于心臟原因而對一個或更多個選擇時限的生存可能性的裝置，包括心率傳感器，具有心律輸出；生命跡象傳感器，具有生命跡象輸出；計算模塊，用于接收心律輸出和生命跡象輸出，并執(zhí)行下述操作根據(jù)所接收的心律輸出計算心律變異性(HRV)相關(guān)測量；并且根據(jù)所計算的HRV的相關(guān)測量與生命跡象輸出的組合來計算患者由于心臟原因而對一個或更多個選擇時限的生存可能性；以及輸出設備，用于向用戶顯示患者由于心臟原因而對一個或更多個選擇時限的生存可能性。
68.根據(jù)權(quán)利要求67所述的裝置，進一步包括數(shù)據(jù)輸入設備，被構(gòu)造和布置為收集患者人口學信息和患者治療歷史信息中的至少一個；以及額外基于所收集的患者人口學信息和患者歷史信息來計算生存可能性。
69.根據(jù)權(quán)利要求67所述的裝置，進一步包括4和24小時之間的時限。
70.根據(jù)權(quán)利要求67所述的裝置，進一步包括4和72小時之間的時限。
全文摘要
根據(jù)本發(fā)明的實施例，提供了一種產(chǎn)生能夠預測患者的存活性的人造神經(jīng)網(wǎng)絡的方法，該方法包括在電子數(shù)據(jù)庫中存儲患者健康數(shù)據(jù)，患者健康數(shù)據(jù)包括多個數(shù)據(jù)集合，每個集合具有涉及心律變異性數(shù)據(jù)的第一參數(shù)和涉及生命跡象數(shù)據(jù)的第二參數(shù)中的至少一個，每個集合進一步具有涉及患者存活性的第三參數(shù)；提供節(jié)點互連的網(wǎng)絡以形成人造神經(jīng)網(wǎng)絡，節(jié)點包括多個人造神經(jīng)元，每個人造神經(jīng)元包含具有相關(guān)權(quán)重的至少一個輸入；以及使用患者健康數(shù)據(jù)來訓練人造神經(jīng)網(wǎng)絡，使得響應于來自患者健康數(shù)據(jù)的不同數(shù)據(jù)集合的相應第一、第二和第三參數(shù)來調(diào)節(jié)多個人造神經(jīng)元中的每個人造神經(jīng)元的至少一個輸入的相關(guān)權(quán)重，從而人造神經(jīng)網(wǎng)絡被訓練為產(chǎn)生對患者的存活性的預測。
文檔編號G06F19/00GK103038772SQ201180024232
公開日2013年4月10日 申請日期2011年3月14日 優(yōu)先權(quán)日2010年3月15日
發(fā)明者王英福, 林芝平, 徐維, 黃廣斌 申請人:新加坡保健服務集團有限公司, 南洋理工大學