[发明专利]一种评估静脉血管状态的装置

说明书

本发明公开了一种评估静脉血管状态的装置，通过静脉血流图信号S3_f1和S3_f2联合、频谱图S6_f1和S6_f2联合，利用不同频率激励对细胞膜的产生不同程度的穿透，获取更多生理信息；机器视觉CNN网络强大的特征提取能力，注意力机制对网络重要信息的关注，可以从更高的维度解析静脉血流图信号，获取更多的信息，通过logistic回归模型，综合融合了两个CNN模型以及毛细液体自平衡性中蕴含的信息，更好的判断血管阻塞程度，提高模型准确度。

技术领域

本发明涉及医疗器械技术领域，尤其涉及一种评估静脉血管状态的装置。

背景技术

目前静脉血栓栓塞症是孕产妇严重的并发症之一，包括深静脉血栓形成和肺栓塞两种类型，是严重威胁母胎生命安全的致死性疾病。

随着生物电阻抗技术和机器学习的再次兴起，静脉血流图技术评估血管状况重新受到了关注。

由于人体内环境非常复杂，个体差异大，不同的人因健康状态程度不同，波形及波形指标也不同，目前评估静脉血管状态基本是基于医生经验判断，由于血流图信号微弱敏感，肌肉抖动，紧张，会造成血流图信号失真，进而会影响对静脉血管状态的评估准确性。

发明内容

本发明的目的在于提供一种评估静脉血管状态的装置，旨在解决现有技术中的评估静脉血管状态基本是基于医生经验判断，由于血流图信号微弱敏感，肌肉抖动，紧张，会造成血流图信号失真，进而会影响对静脉血管状态的评估准确性的技术问题。

为实现上述目的，本发明采用的一种评估静脉血管状态的装置，包括如下步骤：

获取f1赫兹和f2赫兹下静脉血流图信号S_f1，S_f2；

对获取的静脉血流图信号S_f1经数模转换后进行存储，获得静脉血流图S1_f1；

对静脉血流图S1_f1进行拉格朗日插值，获得等采样间距的静脉血流图S2_f1；

分解静脉血流图S2_f1，获得平滑的静脉血流图信号S3_f1、血流图信号S4_f1， 毛细阻抗变化率b_f1；

对血流图信号S4_f1经数据处理后，获得心率变异性HRV_f1；

对静脉血流图信号S3_f1与f1赫兹有效血流图集做Pearson相似度计算，获取相似值ρ_f1；

当心率变异性HRV_f1高于阈值d1，相似值ρ_f1高于阈值d2时，判断血流图信号S3_f1有效，否则为无效；

对有效静脉血流图信号S3_f1进行GAF变换，获取GASF_f1；

对S_f2做重复上述操作，获得平滑的静脉血流图信号S3_f2，毛细阻抗变化率b_f2，GAF图GASF_f2；

构建CNN神经网络N1模型，采用有效静脉血流图信号S3_f1和S3_f2联合输入，计算概率P1；

构建带有注意力机制的CNN神经网络N2模型，采用GASF_f1和GASF_f2联合输入，计算概率P2；

结合参数b_f1，b_f2，P1，P2，构建logistic回归模型，获取静脉血管状态评分。

其中，在“获取f1赫兹和f2赫兹下静脉血流图信号S_f1，S_f2”中，所述装置还包括，

所述f1，f2为两个在β频散段内具有数量差级别的频率，β频散段范围在几十千赫兹到几十兆赫兹，对此频段内生物组织电特性研究可以反映出细胞外液和细胞内液特性，展现出许多生理、病理变化；不同频率激励信号对细胞膜的穿透程度不同，因此获得的生理信息也有所不同；所述静脉血流图信号起始点为静脉阻塞起始点，终止点为袖带放气后第10秒。