实时检测机能循环活动的信号的处理系统和方法 【技术领域】
本发明涉及一种实时检测周期性机能活动尤其是呼吸肌活动的信号的处理系统和方法。 背景技术 已知用于监测病人呼吸活动的设备包括测量呼吸肌活动的单个传感器。通常， 该测量传感器为设置在检查的肌肉附近的电极以获得良好的信噪比。根据文献 “Neural control of mechanical ventilation in respiratory failure( 呼吸衰竭中机械通气的 神经控制 )， Nature medicine 1999， Sinderby 等” ， 获取的信号质量使得呼吸机等呼吸辅助 设备可通过单块肌肉 ( 即， 膈膜 ) 的呼吸肌活动 (Respiratory Muscle Activity， RMA) 进 行实时监测。但是， 除了膈膜， 这种方案不适于测量呼吸肌的活动。此外， 尽管并不是肌肉 内测量 ( 通过针头 )， 但是这种测量具有有创性。
已知的无创性设备包括表面电极， 其测量并不可靠。 为此， 现有的无创性设备包括 具有信号的表面电极， 该信号与气流信号同步。 根据文献 “Optimized analysis of surface electromyograms of the scalenes during quiet breathing in humans( 人平静呼吸过 程中斜角肌的表面肌电图的最佳分析方法 )， Respiratory Physiology & Neurobiology 2006， Hug F. 等” ， 通过这些设备， 可准确可靠地获取触发斜角肌吸气活动的位置。但是， 这 种测量时间较长， 且必须以呼吸活动相对稳定为前提 ； 因此， 其不适于实时检测呼吸活动并 且不能用于监测呼吸机。
发明内容 因此， 为了解决上述问题， 本发明的目的在于提供一种实时检测周期性机能活动 的信号的处理系统和方法， 尤其适用于无创和可靠地实时检测呼吸肌活动， 从而可对呼吸 肌机能进行检查或对呼吸辅助设备进行监测。
为此， 本发明涉及一种实时检测循环机能活动的信号的处理系统， 包括 ：
- 用于同步接收和预处理尤其是过滤由传感器阵列所获取的信号的装置， 该传感 器阵列包括至少两个传感器 ；
- 用于记录在多个连续处理循环中所获取信号的装置 ； 以及
- 用于根据所获取信号的记录来识别事件组合从而进行校准的装置， 包括 ：
·用于识别所获取信号中的多个事件的装置， 获取装置的每个所获取信号包括已 识别的事件，
· 用于定义机能活动模型的装置， 该模型为多个已识别事件的时间顺序 ( 时间表 ) 以及已识别事件之间的平均延迟，
·用于根据机能活动模型来定义检测时间窗口的装置。
根据本发明的其他方面， 该处理系统具有下列一个或多个特征 ：
- 多个连续处理循环包括 10 到 20 个循环，
- 该处理系统还包括用于确认传感器阵列的装置， 其包括 ：
- 用于计算每对所获取信号的匹配值的装置， 以及
- 用于将为每对所获取信号计算出的每个匹配值与阈值进行比较的装置 ；
- 该处理系统还包括用于监测最后一个完整循环的机能活动的装置， 包括 ：
- 用于计算在多个连续监测循环中所获取信号之间延迟的滑动平均值的装置， 该 多个连续监测循环包括该最后一个完整循环 ； 以及
- 用于显示该延迟的滑动平均值的装置 ；
- 多个连续监测循环小于多个连续处理循环 ；
- 该监测装置还包括 ：
- 用于将该延迟的滑动平均值与在校准步骤中计算出的平均延迟进行比较从而检 测异常的装置 ； 以及
- 用于在异常时生成并传输警报信号的装置 ；
- 该处理系统包括包括传感器阵列的信号获取装置 ；
- 信号获取装置为心肌信号获取装置 ；
- 信号获取装置为骨骼肌信号获取装置 ；
- 信号获取装置为呼吸肌信号获取装置 ；
- 信号获取装置为无创性获取装置 ；
- 该处理系统还包括补充处理装置， 其包括 ：
- 用于接收具有通气事件的病人的通气活动信号的装置 ；
- 用于实时检测通气需求的装置， 通气需求由通过呼吸活动模型识别并在所获取 的肌肉信号中检测到的通气事件和呼吸事件的有序交替来定义， 以及
- 用于生成控制信号并传输给与病人相连的呼吸辅助设备的装置 ； 并且
- 该处理系统还包括补充处理装置， 该补充处理装置包括用于获取与呼吸辅助设 备的状态相关的信息的装置以及用于将这些与呼吸辅助设备相关的信息与病人的呼吸活 动的检测进行比较的装置。
这样， 该系统尤其是可通过对呼吸肌活动可靠的实时检测， 来改进用于监测和辅 助麻醉和复苏中的呼吸机能的策略和方法。
该系统涉及间接获取的和 / 或借助数学模型构建 ( 间接 ) 的任何信息， 数学模型 间接构成肌肉收缩的图像， 比如， 呼吸收缩 ： 肌肉压力 (Pmus)、 肌动图、 肌电图。
该系统是一种联合分析肌肉活动信息的装置。上述信息可通过间接测量提取， 比 如肌电图 (Electromyogram， EMG) 或肌萎缩肌动图 (Myomechanogram， MMG) 测量， 或通过模 型构建， 比如肌肉压力 ( 该压力相当于气流信号的第一过滤级 )。
上述信息可通过级阈值反映事件。 在任何情况下， 系统都不能对活动进行测量， 但 是可对反应肌肉活动比如呼吸活动的事件进行检测。
本发明还涉及一种实时检测机能循环活动的信号的处理方法， 以用于上述类型的 处理系统， 该处理方法包括下列步骤 ：
- 同步接收由包括至少两个传感器的传感器阵列所获取的信号， 并记录在多个连 续处理循环中所获取的信号 ；
- 根据所获取信号的记录进行校准， 校准包括下列步骤 ：·识别所获取信号中的多个事件， 获取装置的每个所获取信号包括已识别的事件，
·定义机能活动模型， 该模型为多个已识别事件的时间顺序以及已识别事件之间 的平均检测延迟，
·根据机能活动模型定义分析时间窗口。
根据本发明的其他方面， 该处理方法具有下列一个或多个特征 ：
- 在校准步骤后， 该处理方法包括监测最后一个完整循环的机能活动的步骤， 其包 括下列步骤 ：
- 计算在多个连续监测循环中所获取信号之间延迟的滑动平均值， 多个连续监测 循环包括最后一个完整循环 ； 以及
- 显示延迟的滑动平均值 ；
- 所获取的信号为呼吸肌信号， 机能活动模型为呼吸活动模型 ； 并且
- 在校准步骤后， 包括下列步骤 ：
- 接收具有通气事件的病人的通气活动信号的步骤 ；
- 实时检测通气需求的步骤， 通气需求由通过呼吸活动模型识别并在所获取的肌 肉信号中检测到的通气事件和呼吸事件的有序交替来定义， 以及 - 生成与病人相连的呼吸辅助设备的控制信号的步骤。
发明人用新方法发现， 可通过不同肌肉的活动网络 ( 称为生理网络 ) 来描述呼吸 肌活动， 并可通过一定数量的形成 “仪器网络” 的传感器或信号获取装置限定上述网络。
在生理学和病理生理学中， 肌肉呼吸活动可描述为是不同肌肉群之间配合的结 果。这种协作显示高度非线性的复杂的相互作用， 这种相互作用可通过非线性振荡器之间 的耦合进行分析。但是， 这些耦合根据病人的临床状况发生变化。激活呼吸肌的生理网络 的特性开始时是未知的， 必须就每个病人并且在其临床演变过程中重新评估。
附图说明
借助下面仅作为实例给出的描述并结合附图， 将更好地理解本发明， 其中 ：
图 1 为根据本发明处理传感器阵列所获取的实时检测周期性机能活动的信号的 设备的结构简要示意图 ；
图 2 为根据本发明处理传感器阵列所获取的实时检测周期性机能活动的信号的 方法的框图 ；
图 3 为在进行图 2 所示的信号处理方法过程中传感器阵列所获取的信号和所获得 的模型的示意图 ；
图 4 为由处理传感器阵列所获取的实时检测周期性机能活动的信号的设备所驱 动的呼吸辅助设备的简要示意图 ； 以及
图 5 为根据本发明由图 4 所示的设备进行的信号处理方法的框图。 具体实施方式
在图 1 中， 用于检测病人 4 的呼吸肌活动 (Respiratory Muscular Activity， RMA) 的系统 2 包括形成仪器网络的至少两个获取装置 6 或信号传感器。信号获取装置为呼吸肌 信号的获取装置。优选地， 信号获取装置为无创性装置， 比如， 表面电极、 肌电图 (Electromyogram， EMG) 传感器或肌萎缩肌动图 (Myomechanogram， MMG) 传感器。
有利的是， 无论是有创的还是无创的， 肌肉呼吸设备的每个传感器都只检查一块 特定肌肉。
其中一个获取装置可以是气流测量， 根据该测量， 由本领域的技术人员通过已知 的方法建立肌肉压力。
RMA 检测系统 2 还包括用于通过下面要详细说明的呼吸肌活动检测方法对由获取 装置 6 所获取的肌肉信号进行处理的装置 8。获取装置 6 与肌肉信号的处理装置 8 连接。
肌肉信号的处理装置 8 包括用于同步接收由传感器阵列所获取的信号的装置。
RMA 检测系统 2 还包括用于记录在多个称为 “处理循环” 的连续循环中所获取的肌 肉信号的装置以及用于根据所获取信号的记录来校准仪器网络的装置。 校准在于识别事件 的组合， 因此校准装置还被称为事件组合识别装置。
仪器网络的校准装置包括用于识别所获取信号中的多个事件的装置， 其中， 获取 装置的每个所获取信号包括已识别的事件。
校准装置还包括用于定义呼吸肌激活模型的装置。 该模型为多个已识别事件的时 间顺序以及已识别事件两两之间的平均延迟。 校准装置还包括用于根据呼吸肌活动模型来定义时间检测窗口的装置。
此外， 信号处理装置包括用于确认传感器 6 位置的装置。
确认传感器 6 位置的装置包括用于计算两个信号之间相关值的装置以及将相关 值与操作人员确定的值进行比较的装置。
用于检测呼吸肌活动的系统 2 还包括用于监测呼吸肌活动及对其实时显示的装 置 10。因此， 对于最后一个完整循环， 监测装置 10 包括用于对在多个称为 “监测循环” 的连 续循环中所获取信号之间延迟的滑动平均值进行计算的装置。 多个连续监测循环包括最后 一个完整循环。监测装置 10 还包括用于显示延迟的滑动平均值的装置。
监测装置 10 还可包括用于将延迟的滑动平均值与在校准步骤中计算出的延迟平 均值进行比较从而对检测异常的装置， 以及用于在异常时生成并传输警报信号的装置。
在检查呼吸机能的过程中， 传统的方法提出了预先选择最能代表所研究的生理现 象的肌肉信号， 比如， 当研究吸气机能时， 测量主要的吸气肌肉。这是通过单独测量膈膜活 动的情况， 减少了仅由该肌肉活动产生的吸气流。
但是， 通过选择这种仪器会弱化膈膜和其他呼吸肌之间协同作用对所产生的吸气 效果的影响， 在临床情况下变得不合适， 其中， 观察到通气事件依赖于不同肌肉之间的最佳 配合。
但是， 要检查病人的肌肉呼吸活动， 也不可能测量所有相互作用的呼吸肌的活动。 因此， 包括由获取装置形成的网络的检测系统肯定比生理网络要小。 因此， 必须要确保仪器 网络能够有效说明不同肌肉活动的有机结构或生理网络的存在。 这种有机结构的存在使得 能够通过不同呼吸事件的组合来定义吸气活动并确保其可靠的检测。
图 2 示出了实时检测病人呼吸肌活动的方法。
在前一步骤 12 中， 操作人员在病人的呼吸肌上放置至少两个参与病人呼吸活动 的获取装置或传感器， 这样， 获取装置可检测彼此不同的肌肉信号。
优选地， 传感器位于不同的呼吸肌上。因此， 这组传感器放置形成仪器网络。
然后， 在接收步骤 14 中， 同步接收每个获取装置所检测的肌肉信号， 完成在线预 处理， 尤其是过滤， 从而特别地消除 50Hz 和心电图 (Electrocardiogram， ECG) 的干扰现象， 在治疗病人的多个呼吸循环中记录肌肉信号。
优选地， 多个呼吸处理循环包括 10 到 20 个呼吸循环。
然后确认 (16) 每个放置在病人上的获取装置的位置。为此， 对仪器网络的两两信 道之间， 即两两肌肉信号之间的电势耦合和相干性进行分析。实际上， 在长时间范围内 ( 几 十个循环 )， 对于仪器网络中每个传感器的信号享有的信息进行分析， 可显示检查的不同 肌肉活动之间的耦合尤其是它们的时间关系的特征。已知地， Pompe B 等人在文献 “Using mutual information to measure coupling in the cardiorespiratory system( 通过 交互信息测量心呼吸系统中的耦合 )， IEEEEng.Med.Biol.Mag 1998 ； 17 ： 32-39”中描述 了信息交互的测量。该信息交互测量考虑到机制的非线性并建立在夏侬熵 (Shannon’ s entropy) 的基础上。为此， 对通过整流和合并获得的信号的封包以及可配置持续时间的滑 动窗口进行分析。 这样， 已知地， 对在多个呼吸循环所获取的每个肌肉信号的平均封包进行 展开， 然后计算 (18) 每对肌肉信号之间的匹配值或耦合度。 最后， 将每个计算出的匹配值与操作人员先前确定的阈值进行比较 (20)。
如果匹配值大于阈值， 则两个肌肉信号相关性好， 则确认两个获取装置的位置在 病人呼吸肌上。
如果匹配值不大于阈值， 则肌肉信号不匹配， 于是操作人员调整 (22) 至少一个获 取装置的位置。操作人员可以对至少一个获取装置在所放置的肌肉上的位置进行调整， 也 可以将获取装置移动到另一呼吸肌上， 或取消放置。 调整至少一个获取装置的位置后， 重新 进行上述步骤， 直到获取相关肌肉信号为止， 即， 所有的装置都相关并参与病人的呼吸肌活 动。获取相关的肌肉信号来确认应用于病人的所有获取装置的位置。
根据一个替代方案， 操作人员手动确认 (16) 传感器的位置。
在确认所有获取装置位置的步骤 16 后， 进行校准或限定用于检测病人呼吸肌活 动的设备的步骤 24。
为此， 根据所获取肌肉信号的记录， 对装备有获取装置 6 的病人的呼吸肌激活模 型进行定义 (26)。
实际上， 通过计算肌肉信号的相关机能定义了激活不同呼吸肌的时间顺序。
为此， 在每个肌肉信号上， 识别表示激活的事件的开始。
然后， 根据肌肉信号的封包， 测定 (26) 两个信号中已识别的两个事件之间的平均 延迟以用于所有的肌肉信号。
优选地， 通过 “Respiratory Physiology & Neurobiology 2006， Hug F. 等” 中的 相干积累法， 对于代表呼吸事件 ( 例如吸气要求 ) 的有机结构的不同信号， 对与该不同信号 的活动开始更特别地相关的平均延迟进行测量。为了实行这个方法， 还采用额外的气流测 量。
比如， 采用标准规范来确定肌肉激活的开始， 即， 通过计算信号封包的局部漂移或 倾斜来确定信号中激活事件的时间， 并将其值与操作人员选择的参考值进行比较。
比如， 图 3 表示在不同的肌肉 A、 B、 C 上所获取的三个信号 SA、 SB、 SC 的随时间变化
的强度。其顺序表示在各个时间 tA、 tB 和 tC， 肌肉 A 的激活先于肌肉 C 的激活， 最后才是肌 肉 B。平均延迟标记为 ΔtAB、 ΔtAC、 ΔtCB。
这种方法还可通过将肌肉激活的最终强度或肌肉压力变化作为事件来实行。
激活呼吸肌的这组平均时间 / 延迟和时间顺序定义了病人的呼吸肌活动 (RMA) 模 型， 也称为激活识别模型， 并通常用时间表来表示。
通过这些关系确定对呼吸活动， 比如病人的吸气活动等进行分析的时间量程。
根据这些平均延迟 / 时间来定义 (28) 时间检测窗口， 比如， 时间检测窗口的开始 与第一个已识别事件一致， 并且时间检测窗口的长度为最大的平均延迟， 即， 在呼吸肌的第 一个和最后一个已识别激活事件之间。
校准用于检测病人呼吸肌活动的设备的步骤 24 于是完成。
通过步骤 24， 可限定分布在与病人呼吸活动相关的各个肌肉上的传感器阵列 6 的 能力， 以突出显示病人 1 的呼吸肌激活模型。这一步骤可选择最相关的路径来限定阵列并 在最后识别用于表征呼吸事件尤其是吸气事件所需的分析时间量程。
一旦限定并校准系统后， 其可用于实时检测病人的呼吸肌活动。
为此， 更新时间检测窗口以在每个新的呼吸循环监测 (30) 病人的呼吸肌活动。
这样， 计算 (32) 所获取的肌肉信号之间的最后 M 个连续呼吸循环的平均延迟， 同 时产生每对肌肉信号之间延迟的最后 M 个值的滑动平均值。数 M 由操作人员确定。监测循 环的数量少于处理循环的数量。有利地， 在 8 和 12 个呼吸循环之间， 并且， 优选地， M 等于 10。
然后， 在肌肉活动检测设备的显示装置 10 上显示 (34) 值。
随后， 可将这些延迟的值与在校准步骤中计算出的值或操作人员确定的参考值进 行比较 (36)， 从而检测异常， 并且在异常时发出 (38) 声音和 / 或视觉信号。
监测病人的呼吸肌活动对于麻醉师来说是非常有用的并能提供病人状态的信息。 在这个方面， 可提取的临床信息比如为呼吸机能的损坏， 呼吸不适或麻醉状态。
那么用于检测呼吸肌活动的设备就是用于实时检查病人的呼吸功能的设备。
根据图 4 所示的另一实施例， 用于检测呼吸肌活动的设备还包括补充处理装置， 该装置具有用于获取 (40) 表示病人通气活动的信号的装置和用于接收该通气信号的装 置。该信号包括通气事件。优选地， 这些通气获取装置包括至少一个安装在病人嘴里的气 流传感器。
补充处理装置还包括用于实时检测通气需求的装置。 通气需求由通过呼吸活动模 型识别并在所获取的肌肉信号中检测到的通气事件和呼吸事件的有序交替来定义。
补充处理装置还包括用于生成控制信号并传输给与病人相连的呼吸辅助设备的 装置。
该装置实行如图 5 所示并在下面详细说明的方法。先前用于校准 (24) 设备的步 骤与上述的相同。
通过校准 (24) 或限定仪器网络， 能提供适于病人的行为的窗口， 以可靠地检测呼 吸需求， 优选地是吸气需求， 比如， 在给定检测窗口中的单一呼吸事件的组合。这种组合可 与单一激活的时间顺序和 / 或这些不同激活的逻辑组合相对应。
通过校准 (24) 设备， 可定义 (26) 装备有获取装置的病人的呼吸肌激活模型。这种模型可用来实时可靠地检测呼吸事件， 优选地， 检测病人的吸气需求， 从而通 过通气辅助设备触发对病人的吹气。
为此， 任何吸气需求的检测都必须在低于机电周期的时间内完成， 该机电周期将 定义为， 例如， 传感器阵列对吸气活动的客观感知和病人气流不流通之间的差。
这就是为什么通过安装在病人 4 上， 比如， 安装在病人附近的通气获取装置 40 来 测量 (50) 通气活动的原因。
利用该通气活动的测量 (50) 和呼吸肌活动的检测 (52) 来生成 (54) 呼吸辅助设 备 44 的控制信号。实际上， 当在低于机电周期的时间内检测到吸气需求时， 向呼吸辅助设 备 44 发出控制信号以触发对病人的吹气。
根据一个替代方案， 通过测量呼吸肌活动和检测呼吸事件来检测呼吸辅助设备运 行中的异常， 比如， 预先编程的设备和病人之间不同步。实际上， 吸气活动的检测精度低于 机电周期， 则该检测可用于评估病人的吸气活动和呼吸辅助设备之间的调整质量。在该运 行模式下， 当在一方面病人的呼吸活动和另一方面病人的呼吸辅助设备之间检测到调整质 量缺陷时， 会发出声音或视觉的警报信号以通知操作人员。为此， 该系统 2 包括用于获取与 呼吸辅助设备的状态相关的信息的装置以及用于将与呼吸辅助设备相关的信息与病人的 呼吸活动比如吸气需求等的检测进行比较的装置。 本领域的技术人员将会理解， 不管使用的模式如何， 该方法都是用于根据机能活 动模型在时间检测窗口内检测事件， 时间检测窗口为滑动窗口， 并还将会理解， 该设备包括 用于检测在检测窗口内的事件的设备。
因此， 根据本发明的系统和方法能够通过在多个肌肉上的无创性实时测量来确保 病人呼吸肌活动的可靠测量， 从而尤其是可驱动呼吸辅助设备的触发。
实际上， 由于这种方法和设备， 通过足以限定所研究病人的呼吸肌激活模型的无 创性传感器阵列， 进行呼吸事件组合的检测， 代替了通过单个传感器的信号对呼吸事件的 检测。这种通过事件联合分析的方法可更有效地鉴别呼吸活动和寄生肌肉活动 ( 即， 不参 与呼吸的活动 )。
这种方法相对于先前的方法具有多种好处。一方面， 它通过无创性传感器可靠地 检测吸气需求， 同时保留所获取的用于检测单个信号的时间精度。 另一方面， 它是一种适应 性的检测方法， 考虑了病人的呼吸肌激活模式的多样性和演变以及用于机能检查的传感器 阵列的仪器能力。
比如， 可采用这种检测呼吸肌活动的设备来帮助决定是否切断有醒觉障碍的病人 的呼吸辅助器。 实际上， 在这种病人中， 激活延迟的延长与呼吸肌活动效率的降低以及维持 机械呼吸辅助的需求密切相连。根据本发明的设备和方法可对这种激活延迟的延长， 尤其 是根据吻尾梯度分布的各个吸气肌肉之间的激活延迟进行检测， 从而有助于做出正确的决 定。
已经在检测病人吸气需求的情况下对本发明进行了说明。 但是， 显而易见的是， 本 发明可用于其他任何呼吸事件的检测， 比如， 病人的呼气需求。
本发明还可以用于其他领域， 比如， 监测运动康复情况、 衰老和 / 或心脏病病理 学， 以及更普遍地用于 “机能活动模型” 及其在病理学的变化可识别的所有领域。为此， 这 些信号获取装置尤其是指用于获取心肌或骨骼肌信号的装置。