Login| Sign Up| Help| Contact|

Patent Searching and Data


Title:
METHOD AND DEVICE FOR DETECTING MICTURITION PERCEPTION
Document Type and Number:
WIPO Patent Application WO/2015/027544
Kind Code:
A1
Abstract:
Disclosed are a method and a device for detecting micturition perception, wherein the method comprises: acquiring an original bladder impedance information and an original electrocardio signal (S1); extracting characteristic parameters of micturition perception, including electrocardio approximate entropy, electrocardio high and low frequency energy ratios, impedance approximate entropy and impedance high and low frequency energy ratios (S3); establishing a neural network model for detecting micturition perception, training the neural network by using the characteristic parameters of micturition perception as input vectors of the neural network and determining parameters of the neural network (S4); and detecting the micturition perception degree of a subject by using the trained neural network and outputting a detection result (S5). The method achieves detection of micturition detection and micturition awakening for an enuresis patient via electronic technology, is safe and effective, and has no side effects.

Inventors:
JIANG QING (CN)
LIU GUANZHENG (CN)
Application Number:
CN2013/084318
Publication Date:
March 05, 2015
Filing Date:
September 26, 2013
Export Citation:
Click for automatic bibliography generation   Help
Assignee:
UNIV SUN YAT SEN (510275, CN)
International Classes:
A61B5/0402; A61B5/20; G06F19/00
Foreign References:
CN102551712A2012-07-11
CN102961152A2013-03-13
CN101940469A2011-01-12
CN103126672A2013-06-05
JP2011182954A2011-09-22
JP5075966B22012-11-21
US20120197336A12012-08-02
EP1940510B12012-03-28
Attorney, Agent or Firm:
SCIHEAD PATENT AGENT CO., LTD. (Room 1508, Huihua Commercial & Trade Building No. 80, Xianliezhong Road, Yuexi, Guangzhou Guangdong 0, 510070, CN)
Download PDF:
Claims:
权 利 要 求 书

1、 一种排尿感知检测方法, 其特征在于, 包括:

51 ,将多个测试电极紧贴患者的测试部位, 采集原始膀胱阻抗信 息和原始心电信号;

52, 采用数字信号处理技术, 去除所述原始心电信号中的干扰, 并从去干扰后的心电信号中提取心率变异性信号; 同时, 采用带通滤 波器从所述原始膀胱阻抗信息中提取反映膀胱排尿自主神经调节的 阻抗信号;

53 ,根据所述心率变异性信号和所述阻抗信号,提取排尿感知特 征参数, 包括心电近似熵、 心电高低频能量比、 阻抗近似熵和阻抗高 低频能量比;

54, 建立神经网络排尿感知检测模型,将所述排尿感知特征参数 作为神经网络的输入矢量, 训练神经网络, 确定神经网络参数;

55 , 利用训练完成的神经网络对受试者的排尿感知程度进行检 测, 输出检测结果。

2、 如权利要求 1所述的排尿感知检测方法, 其特征在于, 在所 述步骤 S2中, 采用通带带宽为 [0.1Hz, 25Hz]的带通滤波去除所述原 始心电信号中的干扰, 然后对去干扰后的心电信号进行峰值检测, 获 取 RR序列, 所述 RR序列即为心率变异性信号;

同时, 采用通带为 [0.04 Hz, 0.4 Hz]的带通滤波器, 从所述原始 膀胱阻抗信息中提取阻抗序列,所述阻抗序列是反映膀胱排尿自主神 经调节的阻抗信号。

3、 如权利要求 2所述的排尿感知检测方法, 其特征在于, 在所 述步骤 S3中, 采用信息熵方法提取阻抗近似熵和心电近似熵, 包括: 构造 RR序列模版 X和 :

X(i) = [RR(/),RR(/' + l)] i = 1,2,3,...N-1;

7(0 = [RR(i\ RR(i + 1), RR(i + 2)] ζ· = 1,2,3 ··Ν - 2 ;

按照以下公式计算两个模版间的距离: d(Y(i), Y(j)) = J∑ (卿 + k)- RR(j + k)) 其中, d(X(i), ^^表示模版 X中第 个模版和第 j个模版之间的 距离, d(Y(i), ^表示模版 Y中第 个模版和第 j个模版之间的距离; 构造模版距离矩阵, 如下:

心电近似熵为:

心电(f) =

N-l N-2

(i) =∑ cov1 (, j) , Nl (i) =∑ cov2 (, j); 根据所述阻抗序列进行计算, 可以获得阻抗近似熵: p w

阻抗(f)

N-l N-2

4、 如权利要求 3所述的排尿感知检测方法, 其特征在于, 在所 述步骤 S3中, 采用基于功率谱分析方法提取阻抗高低频能量比和心 电高低频能量比, 包括:

LF I HF心电 = 、电 (0.04 - 0.15Hz) I ¾电(0.15 - ΟΛΗζ); LF I HF阻抗 = LF阻抗 (0.04 _ 0.15Hz) I / 抗 (0.15— ΟΑΗζ); 其中, LF心电 (0.04-0· 15Hz)表示 RR序列在频带 [0.04, 0.15 Hz] 范围内的功率谱能量总和;

LF阻抗 (0.04-0.15HZ)表示阻抗序列在频带 [0.04, 0.15 Hz]范围内 的功率谱能量总和;

HF心电 ( 0.04-0.15Hz)表示 RR序列在频带 [0.15, 0.4 Hz]范围内 的功率谱能量总和;

LF阻抗 ( 0.04-0.15Hz)表示阻抗序列在频带 [0.15, 0.4 Hz]范围内 的功率谱能量总和。

5、 如权利要求 4所述的排尿感知检测方法, 其特征在于, 所述 步骤 S4具体包括:

构建 4-Ν-1三层神经网络, 输入层为 4个神经元, 输出层为 1个 神经元, 中间层为 Ν个神经元, 其中数目 Ν可调;

将所述心电近似熵、 心电高低频能量比、 阻抗近似熵和阻抗高低 频能量比,作为训练样本的特征值输入到所述神经网络的输入层神经 元中;

开始网络训练,从第 1个中间层神经元开始, 通过检查输出误差 使神经网络自动增加中间层神经元数目,并重新检查新的神经网络的 误差, 重复此过程直到训练得到期望误差或最大中间层神经元数为 止;

通过大样本训练和最大剃度法确定神经网络的权值参数和阀值; 其中, 网络误差函数如下:

E赚 : ^ ΣλΖ 、-赠 .,

其中, Mffi表示网络误差, ( (/)表示神经网络的输出, N为训练 样本组数, Z(/)为真实值。

6、 如权利要求 5所述的排尿感知检测方法, 其特征在于, 所述 步骤 S5具体包括:

将多个测试电极紧贴患者的测试部位,采集实测的膀胱阻抗信息 和实测的心电信号;

从所述实测的膀胱阻抗信息中提取阻抗近似熵和阻抗高低频能 量比,以及从所述实测的心电信号中提取实测的心率变异性的近似熵 和高低频能量比;

将所述实测的心电近似熵、 心电高低频能量比、 阻抗近似熵和阻 抗高低频能量比输入到所述神经网络中, 获得排尿感觉强弱分级结 果, 包括: 所述神经网络的输出层神经元输出为 0时表示无尿感, 输 出为 1表示有尿感但不急迫, 输出为 2表示有急迫尿感。

7、 如权利要求 6所述的排尿感知检测方法, 其特征在于, 在所 述步骤 S5中, 测试时间超过 T小时, 神经网络输出仍为 0时, 发出 异常报警, 提醒测试者进行系统问题排查, 其中 T > 0。

8、 一种排尿感知检测装置, 其特征在于, 包括下位机测量模块 和上位机计算模块;

所述下位机测量模块包括:

心电采集模块, 用于从患者的测试部位中采集原始心电信号; 阻抗采集模块, 用于从患者的测试部位中采集原始膀胱阻抗信 模数转换模块,用于将模拟信号形式的原始心电信号和原始膀胱 阻抗信息, 分别转换为数字信号; 和,

下位机主控模块,用于通过无线通信方式将数字信号形式的原始 心电信号和原始膀胱阻抗信息传输给所述上位机计算模块;

所述上位机计算模块包括上位机主控制模块,所述上位机主控制 模块用于:

采用数字信号处理技术, 去除所述原始心电信号中的干扰, 并从 去干扰后的心电信号中提取心率变异性信号; 同时, 采用带通滤波器 从所述原始膀胱阻抗信息中提取反映膀胱排尿自主神经调节的阻抗 信号; 根据所述心率变异性信号和所述阻抗信号,提取排尿感知特征参 数, 包括心电近似熵、 心电高低频能量比、 阻抗近似熵和阻抗高低频 能 比;

建立神经网络排尿感知检测模型,将所述排尿感知特征参数作为 神经网络的输入矢量, 训练神经网络, 确定神经网络参数; 以及, 利用训练完成的神经网络对受试者的排尿感知程度进行检测,输 出检测结果。

9、 如权利要求 8所述的排尿感知检测装置, 其特征在于, 所述 下位机测量模块还包括信号调理模块、 电源管理模块和无线模块; 所述上位机计算模块及所述下位机测量模块之间的数据通信是 通过所述下位机测量模块中设置的无线模块来实现。

10、 如权利要求 9所述的排尿感知检测装置, 其特征在于, 所述 心电采集模块包括初级放大子模块、 滤波子模块和主放大子模块; 所述阻抗采集模块包括阻抗幅值计算子模块、 信号放大子模块、 中频正弦信号发生子模块和恒流源子模块。

Description:
排尿感知检测方法及装置 技术领域

本发明涉及医疗技术领域,尤其涉及一种排尿 感知检测方法及装 置。 背景技术

遗尿症又称尿床,通常指 3岁以上儿童睡眠中仍不能自控而将尿 液排泄在床上的一种病症, 病因十分复杂,其中 90%以上属于原发性 遗尿症。 据国内外调查统计遗尿症的发病率为 10%-15%, 男性多于 女性, 约为 1.5: 1。 遗尿症若不能尽早治愈, 对儿童的身心健康都有 较大影响。

国内外都十分重视 d、儿遗尿的防治, 中西药都有不少治疗方法, 如西药、 中药内服外治、 针灸、 按摩等, 对小儿遗尿的治疗具有一定 的疗效。 但是目前的治疗方法存在着如下缺点: 西药副作用较大; 内 服中药常被儿童拒服;针灸不易被儿童及家长 接受;外用药虽然不少, 但疗效理想者尚乏。 发明内容

本发明实施例提出一种排尿感知检测方法,利 用电子技术实现对 遗尿患者的尿感检测与排尿唤醒, 安全, 有效, 且无任何副作用。 本发明实施例提供一种排尿感知检测方法, 包括:

51 ,将多个测试电极紧贴患者的测试部位, 采集原始膀胱阻抗信 息和原始心电信号;

52, 采用数字信号处理技术, 去除所述原始心电信号中的干扰, 并从去干扰后的心电信号中提取心率变异性信 号; 同时, 采用带通滤 波器从所述原始膀胱阻抗信息中提取反映膀胱 排尿自主神经调节的 阻抗信号;

53 ,根据所述心率变异性信号和所述阻抗信号, 取排尿感知特 征参数, 包括心电近似熵、 心电高低频能量比、 阻抗近似熵和阻抗高 低频能量比;

54, 建立神经网络排尿感知检测模型,将所述排尿 感知特征参数 作为神经网络的输入矢量, 训练神经网络, 确定神经网络参数;

55 , 利用训练完成的神经网络对受试者的排尿感知 程度进行检 测, 输出检测结果。

相应地, 本发明实施例还提供一种排尿感知检测装置, 包括下位 机测量模块和上位机计算模块;

所述下位机测量模块包括:

心电采集模块, 用于从患者的测试部位中采集原始心电信号; 阻抗采集模块, 用于从患者的测试部位中采集原始膀胱阻抗信 模数转换模块,用于将模拟信号形式的原始心 电信号和原始膀胱 阻抗信息, 分别转换为数字信号; 和, 下位机主控模块,用于通过无线通信方式将数 字信号形式的原始 心电信号和原始膀胱阻抗信息传输给所述上位 机计算模块;

所述上位机计算模块包括上位机主控制模块, 所述上位机主控制 模块用于:

采用数字信号处理技术, 去除所述原始心电信号中的干扰, 并从 去干扰后的心电信号中提取心率变异性信号; 同时, 采用带通滤波器 从所述原始膀胱阻抗信息中提取反映膀胱排尿 自主神经调节的阻抗 信号;

根据所述心率变异性信号和所述阻抗信号,提 取排尿感知特征参 数, 包括心电近似熵、 心电高低频能量比、 阻抗近似熵和阻抗高低频 能 比;

建立神经网络排尿感知检测模型,将所述排尿 感知特征参数作为 神经网络的输入矢量, 训练神经网络, 确定神经网络参数; 以及, 利用训练完成的神经网络对受试者的排尿感知 程度进行检测,输 出检测结果。

本发明实施例提供的排尿感知检测方法及装置 ,具有如下有益效 果:

1、 结合阻抗变异性和心率变异性, 并且提取频率中的高低频能 量比和信息熵中的近似熵,有助于最大化提取 膀胱积尿中产生的尿意 感觉信息, 提高尿感检测灵敏度。

2、 通过(4-N-1 )三层神经网络的训练, 特别是中间层神经网络 个数的自适应获取, 将进一步提高尿感强弱检测精度和可靠性。 3、 创造性的提出利用电子技术实现遗尿患者尿感 检测与排尿唤 醒, 与已有的中西药相比, 具有安全、 有效、 无任何副作用的优点。 附图说明

图 1 是本发明提供的排尿感知检测方法的一个实施 例的流程示 意图;

图 2是本发明提供的神经网络的一个实施例的结 示意图; 图 3是本发明提供的神经网络的另一个实施例的 构示意图; 图 4是本发明提供的排尿感知检测装置的一个实 例的结构示 意图;

图 5是本发明提供排尿感知检测装置的算法流程 意图。 具体实施方式

下面将结合本发明实施例中的附图,对本发明 实施例中的技术方 案进行清楚、 完整地描述, 显然, 所描述的实施例仅仅是本发明一部 分实施例, 而不是全部的实施例。 基于本发明中的实施例, 本领域普 通技术人员在没有作出创造性劳动前提下所获 得的所有其他实施例, 都属于本发明保护的范围。

参见图 1 , 是本发明提供的排尿感知检测方法的第一实施 例的流 程示意图。

本发明实施例提供一种排尿感知检测方法, 包括步骤 S1至 S5 , 具体如下: 51 , 将多个测试电极紧贴患者的测试部位, 采集原始膀胱阻抗 信息和原始心电信号。

具体实施时, 本发明根据心电采集和生物电阻抗技术, 通过排尿 感知检测装置实时采集心电信号和膀胱阻抗数 据。

测试电极的佩戴包括: 电极位置的选择与安放。 电极位置的选择 是基于多通道开关模块的比较而获得最佳安放 位置; 在电极安放前, 最好要剃除皮肢表面的不洁净物质,再用酒精 试擦其表面, 以减小对 测量的影响。 阻抗测试电极佩戴在膀胱附近时, 四个测试电极必须处 于脐肚下同一水平面, 两个测量电极在内, 两个刺激电极在外, 心电 测量电极在附近。

52, 采用数字信号处理技术, 去除所述原始心电信号中的干扰, 并从去干扰后的心电信号中提取心率变异性信 号; 同时,采用带通滤 波器从所述原始膀胱阻抗信息中提取反映膀胱 排尿自主神经调节的 阻抗信号。

原始心电信号中包括了工频干扰、高频干扰和 基线漂移等在内的 各种噪声。 本发明通过实时数字滤波方法, 能够去除原始心电信号中 的各种干扰。

在上述步骤 S2中, 采用通带带宽为 [0.1Hz, 25Hz]的带通滤波去 除原始心电信号中的干扰, 然后对去干扰后的心电信号进行峰值检 测, 获取 RR序列, 所述 RR序列即为心率变异性信号。

同时, 采用通带为 [0.04 Hz, 0.4 Hz]的带通滤波器, 从原始膀胱 阻抗信息中提取阻抗序列,所述阻抗序列是反 映膀胱排尿自主神经调 节的阻抗信号。

S3, 根据所述心率变异性信号和所述阻抗信号, 提取排尿感知 特征参数, 包括心电近似熵、 心电高低频能量比、 阻抗近似熵和阻抗 高低频能量比。

具体的, 在上述步骤 S3中, 包括:

构造 RR序列模版 X和 :

X(i) = [RR(/),RR(/' + l)] i = 1,2,3,...N-1;

7(0 = [RR(i\ RR(i + 1), RR(i + 2)] ζ· = 1,2,3 ··Ν - 2 ;

按照以下公式计算两个模版间的距离: d(Y(i), Y(j)) = J∑ ( + k)- RR(j + k)) 其中, d(X(i), ^^表示模版 X中第 个模版和第 j个模版之间的 距离, d(Y(i), ^表示模版 Y中第 个模版和第 j个模版之间的距离; 构造模版距离矩阵, 如下:

心电近似熵为:

心电(f) =

N-l N-2 ii) =∑ cov 1 (i, j) , N (i) = Xcov 2 (i, j);

7=1 7=1

根据所述阻抗序列进行计算, 可以获得阻抗近似熵: A ,pE Γ m , (ε、) = 。

阻几

需要说明的是, 本领域技术人员可以理解, 在上述的心电近似熵 计算方法的教导下, 可以同理地得出阻抗近似熵的计算方法, 因此, 本文不对阻抗近似熵的计算方法进行详细描述 。

在上述步骤 S3中, 采用基于功率谱分析方法提取阻抗高低频能 量比和心电高低频能量比, 包括:

LF I HF心电 = 、电 (0.04 - 0.15Hz) I ¾电(0.15 - ΟΛΗζ); LF I HF阻抗 = LF阻抗 (0.04 _ 0.15Hz) I / 抗 (0.15— ΟΑΗζ); 其中, LF 心电 ( 0.04-0· 15Hz )表示 RR序列在频带 [0.04 , 0.15 Hz] 范围内的功率谱能量总和;

LF 阻抗 ( 0.04-0.15HZ )表示阻抗序列在频带 [0.04 , 0.15 Hz]范围内 的功率谱能量总和;

HF 心电 ( 0.04-0.15Hz )表示 RR序列在频带 [0.15 , 0.4 Hz]范围内 的功率谱能量总和;

LF 阻抗 ( 0.04-0.15Hz )表示阻抗序列在频带 [0.15 , 0.4 Hz]范围内 的功率谱能量总和。

S4 , 建立神经网络排尿感知检测模型, 将所述排尿感知特征参 数作为神经网络的输入矢量, 训练神经网络, 确定神经网络参数。

上述步骤 S4具体包括步骤 S41至 S4: 541、 构建 4-N-l三层神经网络, 输入层为 4个神经元, 输出层 为 1个神经元, 中间层为 N个神经元, 其中数目 N可调。

542、 将所述心电近似熵、 心电高低频能量比、 阻抗近似熵和阻 抗高低频能量比,作为训练样本的特征值输入 到所述神经网络的输入 层神经元中。

543、 开始网络训练, 从第 1个中间层神经元开始, 通过检查输 出误差使神经网络自动增加中间层神经元数目 ,并重新检查新的神经 网络的误差,重复此过程直到训练得到期望误 差或最大中间层神经元 数为止。

544、 通过大样本训练和最大剃度法确定神经网络的 权值参数和 阀值。

其中, 网络误差函数如下: E赚 : ^ Σλ Ζ 、-赠 .,

其中, Mffi 表示网络误差, ( (/)表示神经网络的输出, N为训练 样本组数, Z(/)为真实值。

参见图 2,是本发明提供的神经网络的一个实施例的结 示意图。 该神经网络为 4-N-1三层神经网络, 包括: 输入层、 中间层和输出层。 输入层神经元数为 4个, 输出层为 1个神经元, 中间层为 N个神经 元。 具体实施时, 从心电信号和阻抗信号提取心电近似熵、 心电高低 频能量比、 阻抗近似熵和阻抗高低频能量比四个排尿感知 特征参数, 并作为神经网元输入矢量,通过 4-N-1三层神经网络输出尿感程度预 测值。 本发明通过最大梯度等最优算法可以修正 N和权值参数, 提 高预测精度。

步骤 S4通过训练获得网络的权值参数, 利用所述权值参数即可 进行尿感检测。

S5, 利用训练完成的神经网络对受试者的排尿感知 程度进行检 测, 输出检测结果。

上述步骤 S5具体包括:

将多个测试电极紧贴患者的测试部位,采集实 测的膀胱阻抗信息 和实测的心电信号;

从所述实测的膀胱阻抗信息中提取阻抗近似熵 和阻抗高低频能 量比,以及从所述实测的心电信号中提取实测 的心率变异性的近似熵 和高低频能量比;

将所述实测的心电近似熵、 心电高低频能量比、 阻抗近似熵和阻 抗高低频能量比输入到所述神经网络中, 获得排尿感觉强弱分级结 果,包括:所述神经网络的输出层神经元输出 为 0时表示基本无尿感, 输出为 1表示有较强尿感, 输出为 2表示急迫尿感。

参见图 3 , 是本发明提供的神经网络的另一个实施例的结 构示意 图。 该神经网络包括三层: 输入层、 中间层和输出层。 输入层神经元 数为 4个, 其输入矢量为排尿感知特征参数: 心电近似熵、 心电高低 频能量比、 阻抗近似熵和阻抗高低频能量比。 中间层神经元数可调, 通过大样本学习训练获取最佳的神经元个数。 权值向量和阀值可根据 最大剃度误差方法进行修正。 输出层仅含 1个神经元, 其输出值为 0 表示无尿感, 为 1表示有尿感但不急迫, 为 2表示有急迫尿感。 需要说明的是, 在尿感强弱预测实验中, 一般要求受试者先排尽 尿液才开始测量并预测尿感。 同时为了避免测量故障(如电极接触不 良, 电源电量不足等), 本发现增加异常情况提醒措施。 如下:

进一步的, 在上述步骤 S5 中, 测试时间超过 T小时 (例如 2.5 小时), 神经网络输出仍为 0时, 发出异常报警, 提醒测试者进行系 统问题排查, 其中 T > 0。 本发明还提供一种排尿感知检测装置,能够实 现上述的排尿感知 检测方法的所有步骤。 下面结合图 4和图 5 , 对本发明提供的排尿感 知检测装置的结构及算法流程进行详细描述。

参见图 4, 是本发明提供的排尿感知检测装置的一个实施 例的结 构示意图。

本发明实施例提供一种排尿感知检测装置,包 括下位机测量模块 和上位机计算模块。 其中, 所述下位机测量模块包括:

心电采集模块 101 ,用于从患者的测试部位中采集原始心电信号 阻抗采集模块 102, 用于从患者的测试部位中采集原始膀胱阻抗 信息;

模数转换模块 103 , 用于将模拟信号形式的原始心电信号和原始 膀胱阻抗信息, 分别转换为数字信号; 和,

下位机主控模块 104, 用于通过无线通信方式将数字信号形式的 原始心电信号和原始膀胱阻抗信息传输给所述 上位机计算模块。

所述上位机计算模块包括上位机主控制模块 200, 所述上位机主 控制模块 200用于:

采用数字信号处理技术, 去除所述原始心电信号中的干扰, 并从 去干扰后的心电信号中提取心率变异性信号; 同时, 采用带通滤波器 从所述原始膀胱阻抗信息中提取反映膀胱排尿 自主神经调节的阻抗 信号;

根据所述心率变异性信号和所述阻抗信号,提 取排尿感知特征参 数, 包括心电近似熵、 心电高低频能量比、 阻抗近似熵和阻抗高低频 能 比;

建立神经网络排尿感知检测模型,将所述排尿 感知特征参数作为 神经网络的输入矢量, 训练神经网络, 确定神经网络参数; 以及, 利用训练完成的神经网络对受试者的排尿感知 程度进行检测,输 出检测结果。

进一步, 上述下位机测量模块还包括信号调理模块 104、 电源管 理模块 405和无线模块 106; 其中, 信号调理模块 104用于信号的趋 势去除, 噪声消除等。 所述上位机计算模块及所述下位机测量模块之 间的数据通信是通过所述下位机测量模块中设 置的无线模块 106 来 实现。 可选的, 无线模块 106为 RS232无线模块。

更为具体的, 上述心电采集模块 101包括初级放大子模块、 滤波 子模块和主放大子模块;上述阻抗采集模块 102包括阻抗幅值计算子 模块、 信号放大子模块、 中频正弦信号发生子模块和恒流源子模块。 参见图 5 , 是本发明提供排尿感知检测装置的算法流程示 意图。 在本实施例中,排尿感知检测装置的算法流程 主要包括数据采集 与预处理、 尿感特征提取和尿感的预测, 如下:

5501 , 初始化; 在患者排尽尿的情况下检测。

5502, 系统检查与开机。

5503 , 从患者的测试部位中采集原始心电信号。

5504,对原始心电信号进行滤波处理, 并从去干扰后的心电信号 中提取心率变异性信号 (R波信号)。

5505 , 从心率变异性信号中提取心电近似熵和心电高 低频能量 比。

5506, 从患者的测试部位中采集原始膀胱阻抗信息。

5507, 对原始膀胱阻抗信息进行滤波处理。

5508 , 从膀胱阻抗信号中提取阻抗近似熵和阻抗高低 频能量比。 需要说明的是, 步骤 S503至 S505和步骤 S506至 S508可以同 步进行。

5509, 将心电近似熵、 心电高低频能量比、 阻抗近似熵和阻抗高 低频能量比作为神经网络的输入矢量, 训练神经网络, 确定神经网络 参数; 并且, 利用训练完成的神经网络对受试者的排尿感知 程度进行 检测, 输出检测结果。

5510, 当检测结果为无尿感时, 进行异常检测, 如果出现异常, 返回步骤 S502; 例如, 测试时间超过 T小时, 神经网络输出仍为 0 时, 发出异常报警, 提醒测试者进行系统问题排查。

5511 , 当检测结果为有尿感时, 进行排尿判断, 若需要排尿, 贝' J 执行步骤 S512, 否则返回步骤 S503和步骤 S506继续监测患者测试 部位。

S512, 进行排尿报警。 其中, 排尿报警信号可以显示在排尿提醒 监控界面上, 或者发出光电、 声音等报警信号。 本发明实施例提供的排尿感知检测方法及装置 ,结合阻抗变异性 和心率变异性, 并且提取频率中的高低频能量比和信息熵中的 近似 熵,有助于最大化提取膀胱积尿中产生的尿意 感觉信息, 提高尿感检 测灵敏度。 而且, 通过(4-N-1 ) 三层神经网络的训练, 特别是中间 层神经网络个数的自适应获取,将进一步提高 尿感强弱检测精度和可 靠性。 此外, 创造性的提出利用电子技术实现遗尿患者尿感 检测与排 尿唤醒, 与已有的中西药相比, 具有安全、 有效、 无任何副作用的优 点。 以上所述是本发明的优选实施方式,应当指出 , 对于本技术领域 的普通技术人员来说, 在不脱离本发明原理的前提下,还可以做出若 干改进和润饰, 这些改进和润饰也视为本发明的保护范围。