專利名稱：一種顱內壓無創綜合監測分析方法及裝置的制作方法
技術領域：
本發明涉及生物醫學工程領域，具體涉及一種基于數據挖掘的顱內壓無創綜合監測分 析方法及裝置。
背景技術：
顱內壓(icp)與腦灌注壓(cpp)有關，icp增高將導致cpp的降低，如果不加控制， 將導致嘔吐、頭痛或視力模糊，甚至是失去知覺，ICP持續升高可能導致永久性的腦損傷， 嚴重情況下，將導致病人殘疾甚至死亡。因此，icp是反映腦功能狀態的一項重要指標。 及時準確檢測患者icp是否正常，是醫療部門正確診斷、積極治療及療效評價的直接依據。
目前，雖然已經有人提出了多種icp無創檢測方法，但目前最常采用的icp監測方
法仍然是有創方法，如腰穿法或開顱測壓法，不但對腦組織有一定的損傷，并可能造成并 發感染，而且醫療費用較高，要求醫生有較高的技術，增加了病人痛苦，限制了病人活動 的自由，因而臨床應用受到很大的局限。
基于不同的檢測原理，也有人己經提出了多種ICP的無創評估方法。這些無創方法的 共同思想是通過檢測與icp變化有關的某個物理變量來間接獲得顱內壓的無創檢測結果。 如基于CT、經顱多普勒(Transcranial D叩pler， TCD)的顱高壓的無創檢測、基于閃光 視覺誘發電位的N2波潛伏期的變化與顱內壓的正相關關系的顱內中高壓檢測、基于鼓膜 移位法(ty卿anic membrane displacement ， TMD)的低顱壓檢測和基于前囟測壓 (Anterior Fontanel Pressure, AFP)法的適用于新生兒和嬰幼兒的顱內壓檢測，不同原 理的顱內壓無創檢測方法各有其優缺點和適用范圍。如中國專利公告的ZL01135697. 9 "無 創傷顱內壓監測儀"、ZL02104049.4 "—種顱內壓檢測裝置"等公開的顱內壓無創檢測技 術，國外也公布了多項顱內壓無創檢測技術。但是，現有市場上存有的專用于顱內壓無創 檢測的設備極少，CT、 TCD雖可以用于ICP的無創檢測和評估，但都不是專門針對顱內壓 無創監測的，且由于儀器本身的特點，使用受到很大限制；雖然基于閃光視覺誘發電位檢 測原理的顱內壓無創檢測儀器已經在市場上有售，但是其是基于單一 ICP無創檢測方法的， 因而不可避免具有原理缺陷，而且現有技術還存在如下不足(1)價格相對昂貴，硬件組成較復雜；(2)信號處理方法較單純，儀器重復性程度不高，需人工干預診斷結果；(3) 對不同疾病引起的顱內壓增高情況的魯棒性不強；(4)儀器開放性程度不夠，信息管理和 交流能力較弱；(5)已有方法在顱內壓無創監測方面存在的缺陷不在于它們沒有找到與顱 內壓相關的變量，而在于缺乏一個校準這些變量來獲取顱內壓絕對波形數值的數據處理系 統。

發明內容
針對現有技術存在的上述不足，本發明的目的是提供一種精度高、抗干擾能力強、成 本低、智能化程度高的顱內壓無創綜合監測分析方法及裝置，以實現顱內壓無創定量檢測 和長時監護。
本發明的目的是這樣實現的顱內壓無創綜合監測分析方法，其特征在于，通過與計 算機相連的閃光視覺誘發電位測量子系統和經顱多普勒監測子系統獲取生理參數和生物 力學參數，由顱內壓無創綜合監測數學模型及軟件對參數進行無縫融合和處理分析，得到 盧頁內壓的無創定量檢測值和動態變化過程；
其中，所述顱內壓無創綜合監測數學模型是從病理學和生物力學角度出發，采用閃光 視覺誘發電位和經顱多普勒監測病人特征生理參數，基于數據挖掘和系統辨識方法，提取 出引起顱內壓增高的不同病癥與顱內壓無創監測方法特征值之間的相關關系，通過構建新 型的數據庫管理機制和模型訓練機制建立；該數學模型反映有創顱內壓值與無創顱內壓監 測值之間的相關關系，實現對引起顱內壓增高的不同病理與生物力學控制參數深層次的無 縫融合及綜合應用，提高顱內壓無創監測的精度；
所述顱內壓無創綜合監測數學模型及軟件(3)通過如下步驟實現
① 應用閃光視覺誘發電位測量子系統，利用所述數學模型得到的病人顱內壓變化與 閃光視覺誘發電位潛伏期變化之間的函數關系，得到病人的顱內壓無創檢測值；并以此值 作為經顱多普勒監測顱內壓數學模型的修正輸入值；
② 利用經顱多普勒監測子系統，監測病人大腦中動脈的血流動力學參數，并于動脈 血壓一起作為所述數學模型的輸入，從而連續得到病人顱內壓的無創監測值和動態變化過 程；
③ 每隔5分鐘利用閃光視覺誘發電位測量子系統得到一次病人的顱內壓無創檢測值， 并以此修正由經顱多普勒監測子系統得到的顱內壓連續變化趨勢估計；
重復上述過程，把每次得到的病人顱內壓無創監測值通過顱內壓無創綜合監測軟件(3)處理，得到病人的顱內壓連續動態變化過程，通過顯示器(2)顯示。
相比現有技術，本發明具有下述優點I 、利用多功能數據采集設備，使系統實現更好的校準，從而達到更高的精度；
II、 兩種顱內壓無創檢測方法協調作用，檢測參數由顱內壓無創綜合監測軟件統一于數據庫管理系統，進行統一的綜合比較和處理，實現深層次的無縫融合，檢測結果更真實反映顱內壓的值和變化趨勢；
III、 軟件與硬件分離，方便升級；
IV、 軟件可作為獨立程序使用，用于將視覺誘發電位數據回放、多普勒參數和包絡顯示、病歷管理、病人信息查詢、顱內壓的計算和檢測、遠程檢測和會診；
V、 可實現顱內壓的無創定量檢測和長時監護；
VI、 可配合豐富的軟件包，實現視覺誘發電位數據的時域分析，頻域分析，頻帶提取，閃光視覺誘發電位各波潛伏期與多普勒參數的自動獲取和顱內壓值的自動計算，計算機輔助診斷等功能；
W、病人的視覺誘發電位和多普勒信號記錄可在硬盤中作長時間的保存，也可以轉錄到刻錄光盤作永久性的保存；
VIII、可通過計算機的聯網功能實現顱內壓的遠程檢測、診斷和會診。K、結構簡單、成本更低。


圖1是本發明顱內壓無創綜合監測分析方法的軟件數學模型訓練過程框圖；圖2是本發明局部線性模型樹關于迭代地劃分輸入變量空間的算法示例；圖3是本發明顱內壓無創綜合監測分析方法的模型框架；圖4是實現本發明的顱內壓無創綜合監測裝置原理方框圖；圖5是本發明顱內壓無創綜合監測分析方法的軟件流程框圖。
圖中l計算機，2顯示器，3顱內壓無創綜合監測方法軟件，4閃爍光源，5采集電極，6開關電源，7 PRE-VEP型放大器，8數據采集卡及定時計數器，9超聲換能探頭，IO超聲信號控制單元，ll超聲信號寬帶放大和解調電路，12數據采集卡，13打印機。
具體實施例方式
下面結合附圖和實施例對本發明顱內壓無創綜合監測分析方法作進一步說明
6如圖4所示，實現本發明顱內壓無創綜合監測分析方法的裝置，主要包括計算機l及其顯示器2、閃爍光源4和采集電極5、超聲換能探頭9，還包括開關電源6 、 PRE-VEP型放大器7和數據采集卡及定時計數器8，超聲信號控制單元IO、超聲信號寬帶放大和解調電路11及數據采集卡12;采集電極5和閃爍光源4分別與PRE-VEP型放大器7、數據采集卡及定時計數器8與計算機1連接；而超聲換能探頭9通過超聲信號控制單元10、超聲信號寬帶放大和解調電路11及數據采集卡12與計算機1連接。所述閃爍光源4是由兩組發光二極管陣列組成的，可以由顱內壓無創綜合監測軟件3通過數據采集卡及定時計數器8對其控制，使其按照設定的頻率閃爍以獲得閃光刺激。
其中，用于視覺誘發電位信號的放大的PRE-VEP型放大器7采用北京祥云計算機公司生產的PRE-IS0.VEP 50/^的隔離式放大調理電路，放大器輸出信號通過數據采集卡及定
時計數器8與計算機1通訊；
超聲信號寬帶放大和解調電路11為自制控制和處理電路，可采用如圖5所示電路單元；該單元的輸出信號通過數據采集卡12與計算機通訊。
所述數據采集卡及定時計數器8可采用目前市場上流行的基于PCI或USB總線的數據采集裝置，僅要求其具有16路A/D轉換通道，16位，采樣率〉250KHz，具有多于1個的16位定時技術器。
使用本顱內壓無創綜合檢測監護分析裝置，對于閃光視覺誘發電位信號處理部分，將4個采集電極(可使用現行腦電圖檢測中通用的橋式電極或盤狀電極)分別放置在病人的眉間作為地電極，額頭發際處作為參考電極，以及安放在左右枕骨處用來提取視覺誘發電位信號；然后，以一定的閃光刺激頻率控制閃爍光源閃光以給視覺通路閃光刺激，從枕骨處采集到的視覺誘發電位信號經過PRE-VEP型放大器后，通過數據采集卡及定時計數器轉換為數字量，計算機將接收到的視覺誘發電位數據進行進一步的數字濾波處理后，將結果顯示在顯示器上，也可保存在計算機的硬盤中。
對于多普勒超聲檢測部分，超聲換能探頭9置于大腦中動脈(MCA)位置對其連續監測，通過超聲信號控制單元10對超聲換能探頭9控制，和寬帶放大及解調電路單元11的進一步處理獲得大腦血流速度信號，通過插在計算機PCI插槽中的數據采集卡12轉換為數字量，計算機1將接收的超聲多譜勒信號以圖象和數值的形式顯示在顯示器2上，同時把數據保存到硬盤上。
本發明顱內壓無創綜合檢測監護裝置利用基于本發明所述方法開發的顱內壓無創綜合監測軟件，根據閃光視覺誘發電位與顱內壓的正相關關系、超聲多譜勒信號中提取的腦血流速度與顱內壓的非線性映射函數關系對兩類數據進行綜合處理，根據顱內壓的高低、病人年齡、性別、病因等因素進行判斷和處理，最后在顯示器上顯示出更精確的顱內壓無
創檢測值和顱內壓的連續變化趨勢圖，具體過程如圖6所示。
本發明所述軟件工作于微軟公司的Windows操作系統平臺，采用Visual C++ 6. 0編程語言編程，可在Windows 2000/XP/NT， Windows Vista及后續版本的操作系統平臺下工作。作為本發明方法的軟件實現，允許其脫離本發明硬件部分獨立運行。通過計算機的聯網功能，可實現病人顱內壓的遠程檢測和聯網會診。
特別是為了得到從顱內壓相關變量獲得顱內壓無創監測定量值的數據處理系統，本發明從病理學和生物力學角度出發,采用閃光視覺誘發電位和經顱多普勒監測病人特征生理參數，基于數據挖掘和系統辨識方法，提取出引起顱內壓增高的不同病癥與顱內壓無創監測方法特征值之間的相關關系，構建新型的數據庫管理機制和模型訓練機制，建立經過細化處理的可學習、可記憶數學模型，該數學模型反映了有創顱內壓值與無創顱內壓監測值之間的相關關系，實現對引起顱內壓增高的不同病理與生物力學控制參數深層次的無縫融合及綜合應用，得到與顱內壓有關變量和顱內壓變化之間的有效校準方法，提高顱內壓無創監測的精度。
本發明所述數學模型是基于一個通用生物醫學信號估計的數據處理框架實現的。這一數據處理框架包括一個信號數據庫、 一個模型訓練過程和一個信號估計過程。信號數據庫由多個數據條目組成，每一個條目由一段有創顱內壓以及與顱內壓變化相關的生理信號和血液動力學參數動態變化信號組成。通過圖1所述模型訓練過程得到各相關變量與顱內壓變化的數學模型的模型參數及校準過程，實現無創顱內壓的精確測量和監測。
本發明涉及的與顱內壓變化相關的變量包括臨床各生理參數，如體溫、動脈血壓、心率以及閃光視覺誘發電位信號和血液動力學特征參數。
所述模型的訓練過程是首先，取出一個數據庫條目，利用微弱生物醫學信號分析方法，從上述各變量信號中提取出特征向量，并以此特征向量作為一個非線性映射函數的輸入，得到一個基于使用該數據庫條目的動力學數學模型而獲得的無創顱內壓的誤差；其次，基于數據挖掘技術，這些誤差變量被進一步用數據庫處理函數來決定最優的數據庫條目；最后，被選中的數據庫條目被用來構造顱內壓無創監測的數學模型，從而實現顱內壓的無創監測。
本發明所述的每一個數據庫條目是根據臨床所測數據，利用自適應信號分段算法確定每一個平穩的數據段，進而用其來構造信號數據庫。信號分段的目的是利用一個平穩的具
有外界輸入的線性自回歸(Auto Regressive with external input, ARX)模型的系數作為特征向量。對信號的處理及判斷包括以下幾個主要步驟
1. 對動脈血壓信號(ABP)和腦血流速度(CBFV)信號利用分段算法來找到變化點，連續變化點之間的信號段屬于一個平穩段；
2. 如果平穩段的長度小于90秒，則把它看作是瞬時的而不予采用；
3. 如果平穩段內的顱內壓信號有諸如咳嗽、護理等原因引起的噪聲，則也不予采用。信號分段算法是基于多個卡爾曼濾波來實現的。為了用公式表達分割問題，本發明把
ARX系數作為時變的，可以進一步寫為一個一般的時變線性回歸問題A—^A+e"其中，
^是模型的輸出，時間點"，&是零均值高斯白噪聲(協方差為R"， ^是回歸變量，由過去的模型的輸入和輸出樣本組成，^是在躍變點"的模型系數向量。假設ABP和CBFV的輸入/輸出模型是分段穩定的，^僅以概率《變化
fv 概率為《
lo 概率為l-《
其中， 是零均值高斯噪聲序列(協方差為R》。信號分段問題就是要在發生這種變化時，找到對應時間點。本發明基于Andersson提出的高效的算法。在這個算法中，用一個高斯混合模型(個數為M)來逼近&的后驗概率密度
尸(AI0v"，^-i)盧2^庫-iG(""，^^-i，^i"-i)/=i
其中",，一一是時變的，是與第,個高斯模型關聯的權重。"nln-"意思是在時間n用的是n-l時刻的數據。函數G代表標準的高斯概率密度函數PDF (均值是&M,協方差矩陣是^M)。進一步推導可以得到，
m _ —
尸(e"+i I (u")) = 2"',"i" {^^"'《"|"'尸',"|")+(1 _《)一",《咖，/5,咖+)=i
其中，《 |"， g讒和a,，咖可以從新數據樣本yn和A，以及g，咖—,，和a,灘—,，用標準
的卡爾曼濾波算法中的時間更新迭代部分得到。
如果初始化為M個高斯混合模型，在n時刻需要執行il/"次卡爾曼濾波。Andersson提
出了一種僅需要很少計算的近似算法。具體地說，在每個變化瞬間，它保持了混合系數M(僅分離最好的高斯模型，并把最壞的替換為新的模型)。在時刻n，每個高斯分布的貢獻由《,, |()判定，因為最可能的模型應該具有最大的",，咖。4^因此可以用《咖的加權和求得。
上述獲取^"的算法可以用來解決本發明專利中的分段問題，即找到動力學模型變化點。具
體而言，如果一個新獲取的高斯分布在下一個迭代點仍然是最優，這就意味著該時刻是一個變化點。位于相鄰兩個變化點之間的信號即是一個平穩信號段。當采集到每個信號樣本時，利用該算法決定分離得到的新高斯模型是否為當前最好的模型。如果是，當前時間記為變化點。由于在每個采樣瞬間分段已經完成，這個分段算法的自適應性是明顯的。本發明所述非線性映射函數基于局域線性模糊模型，從而得到更好的數據挖掘方法。
局域線性模糊模型(Local Linear Fuzzy Model, LLFM)的一般形式為
^ = Z(w'，o+wu"i+，-"，+w,，/7"p)0,(w)
其中，m代表局部線性模型的數量，p是輸入向量u的維數，向量w,-^,,。，..., }是第1個線性模型的系數，o,(")是u的成員函數(與第i個線性模型有關)，它控制著第J個線
性模型對輸出的貢獻的比例。對于任意的u, |>,(") = i。本發明中令t,oo-^^ ，
l -i ("乂—w
exp'
。因此O,(")有兩個參數。向量c,可以看作第i個線性模型的中心，
戶l
方差^控制第j個方向上模型的變化范圍。對于上述形式，LLFM的輸出是從m局部線性
模型輸出的加權和輸入向量u到中心c,的距離來決定權重的。
局域線性模糊模型(LLFM)是一個非線性模型，它的模型參數通過一個局部線性模型樹(LoLiMoT)算法從輸入輸出數據中獲得。LoLiMoT是一個迭代地劃分輸入變量空間的算法。在圖2中，用一個輸入變量維數為二的情況說明這一算法。算法開始時，整個輸入變量空間都可以進行劃分。空間的劃分是在正交的x和y方向進行，每一個子空間用一個線性函數來建模。因此，第一次迭代有兩種劃分(a/b和c/d)，這兩種劃分中最優的劃分將被采納。劃分的最優性是通過其對數據的擬合度來決定的。在決定最優劃分后，進入下一次迭代。這時，需要選一個子空間來進行更進一步的劃分。這個子空間的選取是基于其對應的線性函數對子空間內數據擬合的程度，即擬合度最差的子空間將被選中。
以上子空間劃分的基本原理就是要用更多線性模型來對復雜的子空間進行建模。在確定每一個子空間對應成員函數時
<formula>formula see original document page 10</formula>本發明用子空間的中心點作為c,，,，用子空間在J軸大小的、倍作為C當模型的擬合 度在10次迭代內都不發生變化時，以上迭代終止。
利用本發明所述方法開發出顱內壓無創監測軟件(3)，其模型框架如圖3所示。在該 模型框架中，矩形塊代表每個主要的軟件模塊；圓圈代表主要的6種數據，它們分別存放
在不同的數據庫中。為了避免改動一種數據格式造成對其他數據訪問的影響，每一種數據
的訪問都通過一個特定的軟件模塊來實現，在圖3中用粗箭頭表示。有相互作用的模塊之 間用一個細箭頭線相連。
基于本發明開發成功了一種精度高、抗干擾能力強、成本低、智能化程度高的顱內壓 無創綜合檢測監護分析軟件，它無縫融合和綜合應用了基于閃光視覺誘發電位和經顱多普 勒的顱內壓無創檢測方法。
使用本發明顱內壓無創綜合檢測監護分析方法的裝置首先，應用內含LED陣列的護 目鏡于病人眼睛，通過計算機(1)、顱內壓無創綜合監測軟件(3)控制數據采集卡和定 時計數器(8)產生一定脈寬和一定頻率的閃爍光源(4)作用于病人眼睛；其次，利用放 置在病人枕骨處和前額的腦電圖采集用的盤狀電極(5)分別構成閃光視覺誘發電位采集 電極、參考電極和地電極，采集病人左、右視通路的閃光視覺誘發電位信號；然后，采集 到的閃光視覺誘發電位信號經過高增益的PRE-VEP型放大器(7)通過數據采集卡和定時 計數器(8)轉變為數字量進入計算機(l)，并通過顯示器(2)顯示閃光視覺誘發電位波形； 再根據閃光視覺誘發電位的波形特征，顱內壓無創綜合監測軟件(3)可以自動或半自動 地確定閃光視覺誘發電位中N2波的潛伏期；最后，利用本發明閃光視覺誘發電位與有創
顱內壓值之間的相關關系y-oxA+c，得到病人的顱內壓無創檢測值。式中y是病人顱內 壓的無創估計值，x為閃光視覺誘發電位N2波的潛伏期，a,b,c是由本發明所述數學模型 確定的模型參數。
本發明是基于閃光視覺誘發電位的N2波潛伏期的變化與顱內壓的正相關關系，得到 某個時刻的顱內壓無創檢測的估計值，利用經顱多普勒連續監測大腦中動脈，基于從測量 到的動脈血壓ABP和腦血流速度CBFV提取出的血液動力學特征，得到與顱內壓增高相關 的參數，最終實現顱內壓變化趨勢的無創連續監測。其中，利用閃光視覺誘發電位得到的 估計值用來作為修正值，保證顱內壓趨勢監護模型的輸出具有高的精度并正確反映顱內壓 的變化情況。
權利要求
1、一種顱內壓無創綜合監測分析方法，其特征在于，通過與計算機(1)相連的閃光視覺誘發電位測量子系統和經顱多普勒監測子系統獲取生理參數和生物力學參數，由顱內壓無創綜合監測數學模型及軟件(3)對參數進行無縫融合和處理分析，得到顱內壓的無創定量檢測值和動態變化過程；其中，所述顱內壓無創綜合監測數學模型是從病理學和生物力學角度出發，采用閃光視覺誘發電位和經顱多普勒監測病人特征生理參數，基于數據挖掘和系統辨識方法，提取出引起顱內壓增高的不同病癥與顱內壓無創監測方法特征值之間的相關關系，通過構建新型的數據庫管理機制和模型訓練機制建立；所述顱內壓無創綜合監測數學模型及軟件(3)通過如下步驟實現①應用閃光視覺誘發電位測量子系統，利用所述數學模型得到的病人顱內壓變化與閃光視覺誘發電位潛伏期變化之間的函數關系，得到病人的顱內壓無創檢測值；并以此值作為經顱多普勒監測顱內壓數學模型的修正輸入值；②利用經顱多普勒監測子系統，監測病人大腦中動脈的血流動力學參數，并于動脈血壓一起作為所述數學模型的輸入，從而連續得到病人顱內壓的無創監測值和動態變化過程；③每隔5分鐘利用閃光視覺誘發電位測量子系統得到一次病人的顱內壓無創檢測值，并以此修正由經顱多普勒監測子系統得到的顱內壓連續變化趨勢估計；④重復上述過程，把每次得到的病人顱內壓無創監測值通過顱內壓無創綜合監測軟件(3)處理，得到病人的顱內壓連續動態變化過程，通過顯示器(2)顯示。
2、 實現權利要求1所述顱內壓無創綜合監測分析方法的裝置，其特征在于，所述閃 光視覺誘發電位測量子系統包括閃爍光源(4)、采集電極(5)、視覺誘發電位信號隔離放 大調理模塊(7)、數據采集卡及定時計數控制器(8)和開關電源(6);閃爍光源(4)通過數據采集卡及定時計數控制器(8)與計算機(1)的相連；采集 電極(5)依次通過視覺誘發電位信號隔離放大調理模塊(7)和數據采集卡及定時計數控 制器(8)與計算機(1)的相連；所述閃爍光源(4)包括兩組發光二極管陣列，由顱內 壓無創綜合監測軟件(3)通過數據釆集卡及定時計數器(8)對閃爍光源(4)控制，使 其按照設定的頻率閃爍以獲得閃光剌激信號；所述采集電極(5)采集閃光視覺誘發電位信號經過視覺誘發電位信號隔離放大調理模塊(7)通過數據采集卡和定時計數器(8)轉變為數字量進入計算機(1)，并通過顯示 器(2)顯示閃光視覺誘發電位波形；開關電源(6)與視覺誘發電位信號隔離放大調理模塊(7)相連。
3、 實現權利要求l所述顱內壓無創綜合監測分析方法的裝置，其特征在于，所述經 顱多普勒測量子系統包括超聲探頭(9)，超聲探頭(9)依次通過超聲信號控制單元(10)、 寬帶放大與解調(11)及數據采集卡(12)與計算機(1)相連；經顱多普勒監測子系統，利用通過超聲信號控制單元(10)控制超聲換能探頭(9) 產生2MHz的超聲波脈沖信號，作用于病人顱內血管，常用大腦中動脈，并利用超聲換能 探頭(9)接收血管的回波信號，通過超聲信號控制單元(10)和寬帶放大與解調電路(11) 得到超聲脈沖信號和回波信號之間的頻移信號，通過數據采集卡(12)轉變成數字信號， 進入計算機(1);經顱多普勒監測系統采集到的頻移信號可通過顱內壓無創綜合監測軟件(3)處理后 在顯示器(2)中顯示其波形和頻譜圖，由頻譜圖可得到病人的各血流動力學特征參數； 再把得到的血流動力學特征參數作為所述數學模型的輸入，得到病人的顱內壓無創監測 值。
4、 實現權利要求l所述顱內壓無創綜合監測分析方法的裝置，其特征在于，所述視 覺誘發電位信號隔離放大調理模塊(7)的放大倍數為20，000倍，輸入信號范圍為 0.5//F 50/ir，信號頻帶范圍為l 300/fe，共模抑制比為120dB，雙T陷波，精度誤差為 ±0.2%。
全文摘要
本發明公開一種顱內壓無創綜合監測分析方法及裝置，它是通過與計算機相連的閃光視覺誘發電位測量和經顱多普勒監測子系統獲取生理和生物力學參數，由顱內壓無創綜合監測數學模型及軟件對參數進行無縫融合和處理分析，得到顱內壓的無創定量檢測值和動態變化過程。所述數學模型是從病理學和生物力學角度出發，采用上述兩種子系統檢測病人的特征生理參數，基于數據挖掘和系統辨識方法，提取出引起顱內壓增高的不同病癥與顱內壓無創監測方法特征值之間的相關關系，通過構建新型的數據庫管理機制和模型訓練機制建立；它利用多功能數據采集設備，使系統實現更好的校準，檢測結果更真實反映顱內壓的值和變化趨勢；實現顱內壓的無創定量檢測和長時監護。
文檔編號A61B5/03GK101627905SQ200910104499
公開日2010年1月20日 申請日期2009年7月30日 優先權日2009年7月30日
發明者忠 季, 爽 楊, 曉 胡 申請人:忠 季