一种可穿戴式评估术后肺部并发症风险的系统的制作方法

本发明涉及肺部并发症预测领域。具体而言，涉及一种可穿戴式评估术后肺部并发症风险的系统。

背景技术：

1、瓣膜性心脏病是我国心血管疾病的重要组成部分，据中国生物医学工程学会体外循环学组统计，我国每年接受心脏瓣膜手术的被评估者约8万例，占心脏大血管外科总手术量的1/3。呼吸系统与心血管系统在空间邻近，其功能高度协同，因此心脏术后被评估者均会出现不同程度的呼吸功能障碍，其中约10％～25％的被评估者会出现术后肺部并发症，如肺部感染、胸腔积液和通气衰竭等。术后肺部并发症可使接受心脏瓣膜手术被评估者术后的死亡率和住院费用显著增加，停留重症监护病房和住院时间延长。

2、术前对接受心脏瓣膜手术被评估者进行术后肺部并发症相关风险评估，对临床治疗方案的制定、预后的判断、并发症的预测、治疗效果的评价以及医疗资源需求的估计等方面发挥着重要作用。肺功能测试和心肺运动试验是预测术后肺部并发症风险的标准测试。然而，这些测试具有自身局限性，如仪器设备昂贵；测试禁忌症以及不良安全事件发生；缺乏专业知识、操作规范影响试验结果准确性。

3、美国胸科协会指南已经推荐对于生理参数进行连续监测，例如监测氧饱和度以判断是否发生低氧血症，但大多数临床环境中只间歇性测量氧饱和度，这可能会错过早期的恶化迹象而发生不良事件。近年来，越来越多的研究开始关注于试验过程中连续性呼吸生理数据的获取。目前已经开发出多种监测设备，可以连续性、客观、便捷的监测被评估者在围手术期的呼吸生理数据。除了关注呼吸频率、通气量、氧饱和度静息值、最大值等基础指标，研究者们对这些呼吸生理参数衍生出的其他指标也很感兴趣。连续生理数据的监测已用于运动性诱导低氧饱和度事件预测慢性阻塞性肺疾病被评估者死亡率；呼吸率变异性监测预测哮喘疾病严重程度等。

4、目前还没有对心脏瓣膜手术被评估者进行术前连续呼吸生理监测以预测术后肺部并发症的装置。因此，本装置基于数据化、动态化的监测方式创新性地设计出通过可穿戴设备连续进行呼吸生理监测对接受心脏瓣膜手术被评估者术后肺部并发症进行预测，将弥补这一领域的空白。

技术实现思路

1、本发明正是基于现有技术的上述需求而提出的，本发明要解决的技术问题是：现有技术中还没有对心脏瓣膜手术被评估者进行术前连续呼吸生理监测以预测术后肺部并发症的装置。

2、为了解决上述问题，本发明是采用如下技术方案实现的：

3、一种可穿戴式评估术后肺部并发症风险的系统，包括：

4、数据采集模块，包括背心、脉搏血氧仪和信号记录盒，用于在执行亚极量运动实验时采集被评估者的生理信号，所述背心与所述信号记录盒连接，用于采集呼吸信号，所述呼吸信号包括胸呼吸信号和腹呼吸信号，所述脉搏血氧仪与所述信号记录盒连接，用于采集血氧信号，所述信号记录盒配置有心电传感器，用于采集心电信号；其中，所述亚极量运动实验包括进行亚极量运动实验过程的第一阶段和进行亚极量运动实验后的第二阶段；

5、数据处理模块，与所述数据采集模块连接，用于基于所述生理信号的峰值和斜率，对所述生理信号处理得到特征数据，其中，所述特征数据包括第一阶段呼吸频率最大值、第一阶段平均腹呼吸贡献比和第二阶段平均腹呼吸贡献比；

6、模型计算模块，与所述数据处理模块连接，用于将所述特征数据输入至利用随机梯度算法训练所述特征数据得到的模型中，计算得到术后肺部并发症发生率；

7、模型评估模块，与所述模型计算模块连接，根据墨尔本小组评分量表，确定被评估者是否发生术后肺部并发症，评估模型准确率，优化模型参数。

8、可选地，所述系统还包括：

9、实验判断模块，获取被评估者的borg呼吸困难评分、劳累的pre评分和纽约心功能分级，用于判断所述目标被评估者能否进行亚极量运动实验。

10、可选地，所述基于所述生理信号的峰值和斜率，对所述生理信号处理得到特征数据，包括：

11、将所述胸呼吸信号和所述腹呼吸信号叠加，利用所述叠加后信号的峰值和斜率，确定被评估者在执行亚极量运动实验中各个阶段的呼吸周期和对应的呼吸时间段；

12、根据第一阶段的呼吸周期，确定呼吸频率最大值；

13、基于第一阶段中呼吸周期对应的呼吸时间段，将腹呼吸幅值比上对应时间的胸呼吸幅值与腹呼吸幅值的和进行积分，得到第一阶段平均腹呼吸贡献比和第二阶段平均腹呼吸贡献比，其中，呼吸幅值为通过电阻抗断层成像技术对呼吸信号处理得到的阻抗振幅。

14、可选地，在所述将所述胸呼吸信号和所述腹呼吸信号叠加后，包括：使用带通滤波器对要处理信号进行过滤处理，以去除直流和心脏相关的阻抗变化数据。

15、可选地，在所述将所述胸呼吸信号和所述腹呼吸信号叠加后，包括：通过数字高通滤波器对要处理信号进行预处理，去除低于预设频率阈值的数据。

16、可选地，所述利用所述叠加后信号的峰值和斜率，确定被评估者在执行亚极量运动实验中各个阶段的呼吸周期和对应的呼吸时间段，包括：

17、将所述叠加后信号划分为等待上升交叉状态和等待下降交叉状态；

18、利用下述公式，在等待上升交叉状态下，不断更新所述叠加后信号的当前最小值，得到呼气终点；在等待下降交叉状态下，利用下述公式不断更新所述叠加后信号的当前最大值，得到吸气终点；

19、mics＝micsfact-60/maxbr

20、mdcs＝mdcsfact-60/maxbr

21、其中，micsfact和mdcsfact是归一化的参数，maxbr是假定的最大呼吸速率，mics表示最小相同交叉间隔，mdcs表示最小不同交叉间隔；

22、基于相邻呼吸终点和吸气终点，确定呼吸周期和对应的呼吸时间段。

23、可选地，所述系统还包括：

24、数据显示模块，与所述数据处理模块连接，用于实时显示所述数据处理模块接收到的数据和处理后的数据。

25、可选地，所述亚极量运动实验还包括进行亚极量运动实验前的准备阶段。

26、可选地，所述系统还包括：

27、用户管理模块，与所述模型评估模块连接，用于存储用户信息，以及确定被评估者，以执行所述亚极量运动实验，并将对应的实验数据进行存储。

28、可选地，所述系统还包括：

29、报警装置，与所述数据采集模块连接，用于判断所述心电信号是否超过预设阈值，如果超过预设阈值，所述报警装置发出提示信号，其中，所述提示信号包括以下至少之一或其组合：声音、文字、图像、灯光。

30、可选地，利用随机梯度算法训练包括所述特征数据的术前临床生理特征数据得到的模型，包括：

31、以术前临床生理特征数据作为变量，以术后肺部并发症概率作为函数预测术后肺部并发症概率。

32、可选地，所述利用随机梯度算法训练包括所述特征数据的术前临床生理特征数据得到的模型的预测函数为：

33、hθ(x)＝θ0x0+θ1x1+…+θjxj

34、其中，θ＝[θ0θ1…θj]，x＝]x0x1…xj]，hθ(x)为输入的被评估者特征数据形成的数组x的并发症概率，θ为特征系数形成的向量，θ0为常数，θj为第j项特征数据对应的特征系数，x为特征数据形成的向量，x0＝1，xj为第j项特征数据。

35、可选地，基于所述预测函数的损失函数表示为：

36、

37、其中，y为真实的标签。

38、可选地，基于所述损失函数得到的代价函数表示为：

39、

40、其中，m为数据集中连续术前临床生理参数数组的个数，x(i)为第i个连续术前临床生理参数数组，y(i)为x(i)所对应的标签，y的取值为0或1。

41、可选地，通过梯度下降初始化特征系数，并逐步更新，直至得出对于连续术前临床生理参数数组中特征数据最优的特征系数θj，表示为：

42、

43、其中，θ(t)代表当前第t轮迭代的参数，θ(t+1)代表t+1轮迭代的模型系数。

44、与现有技术相比，本发明的系统通过各个模块相互协作，能够预测肺部并发症的概率，利用可穿戴设备采集运动过程中连续性呼吸生理数据以预测围手术期被评估者术后肺部并发症具有广阔前景，并可以解决传统使用肺功能测试受被评估者主观配合程度和心肺联合运动测试因为设备昂贵、操作复杂不易推广的限制。并且通过理论分析、经验总结以及模型计算的方式确定出在执行亚极量运动实验时特征数据与术后肺部并发症的概率，能够在执行亚极量运动实验中的数据测试得到准确度高的概率结果，方便了被评估者获得准确评估，从而为手术治疗方案的制定提供了指导，提高了手术治疗的效果，规避了风险。