[发明专利]用于监护系统的报警方法

说明书

技术领域

本发明属于生物医学信号处理领域，尤其涉及一种用于监护系统的报警方法。

背景技术

现有的监护系统主要采用如下两种的分析方式：基于预置阈值的分析方式法和M.Imboff等人提出的基于时序建模的分析方法。这两种方式在使用过程中均存在一定问题。

基于预置阈值的分析方式是指：监护系统对监测的各项生命体征参数分别设定上下限(如：对于心率参数预先设定上限为120、下限为50，当监测值超出此范围时，即发出报警信息)，这种分析方式存在着增加系统运行复杂性、易出现误报警信息、无法反映监护对象身体状况变化等缺点。

通常的多参数生理监护仪可实现几个甚至多达十几种生理参数监护功能， 监护内容涉及到心血管系统、呼吸系统。由于监护对象的身体状况各异，要求预置阈值也存在差异。因此往往需要为每个监护对象的各种生理参数分别预置阈值。这无疑增加系统运行的复杂性。

通常连续检测的过程数据集中都包含有0.5%～10%，甚至20%的异常值，高质量的数据中也常有0.01%～0.05%的异常值。这些异常值表现为远离大多数观察值的形式出现。同时这些异常点通常会超出预置阈值，触发报警信息产生。在重症监护病房(ICUs)的生理参数连续监测系统中，这种现象同样经常出现。ICUs起源于二战期间，在救护车中对全身麻醉情况下进行手术后的战士进行监护，这一项技术在1947－1952年期间获得广泛的应用。目前ICUs的医疗监护技术已经非常完善，但是它的用于监护系统的报警方法在近二十年却一直引起相关研究人员的关注。其中主要原因就是由于在连续监护过程中，由于采用预置阈值的分析方式带来大量的误报警信息，给医护人员带来大量的额外工作负担。而这主要是由于检测仪器误差、以及由于监护对象移动产生的异常值造成的。

监护系统的目的更重要的是能尽快的发现身体状况的变化。监护系统中监护信息的状况归纳为如图1、图2、图3、图4所示的四种。

图1是监护信息处于稳定状态的示意图。图2是监护信息有异常值出现的示意图，显示在100、200、350位置出现异常值，这些异常点经常是由于监护系统或者环境所造成的，并非反映监护对象身体状况真实的变化，因此虽然测量值超出预置阈值，但显然无需发出报警信息。相关统计资料显示在ICUs中超出50%的误报警信息是有异常值引起的。图3是监护对象出现状态偏移的示意图，图4是监护对象出现趋势变化的示意图，图3以及图4虽然检测值可能还未达到预置阈值，但是表示监护对象出现异常状况，要求及早发现，提请医护人员对监护对象的状况予以关注。因此对于图3以及图4中的两种状态要实现实时在线识别，并发出报警信息。

M.Imboff等人提出的基于时序建模的分析方法是：

(1) 采用自回归模型                                                

；

(2) 采用数据长度为90的数据窗，且以步长为30个数据向前移动；

(3) 在每个时间窗中，前60个数据用于辨识模型的参数、；后将此模型作向前30步的预报，概率限为95%，确定预报上下阈值PI；

(4) 将后30个数据与PI做比较；

稳定状态(图1)：所有的数据均未超出PI范围；

有异常值(图2)：连续超出PI范围点个数5个；

状态偏移(图3)：连续超出PI范围点个数>5个。

M.Imboff等人提出的基于时序建模的分析方法的核心思想是：通过采用低阶模型，尽量减少建模所需要的数据量，实现模型快速识别，但是这会使得模型精度降低，从而导致不准确的预报。

对于用于监护系统的报警方法问题国内外许多学者都曾进行研究，并提出相关设想。Korhonen I等提出当健康监护系统运行在长期的条件下如：超过一个月甚至一年，那么传感器数据的自动处理将变得非常关键；处理的内容涉及到误差的检测和补偿、监护参数的特征提取如：长期趋势的发现、以及必要的报警信息发布。杨杰等也谈到不同年龄、性别、体质、疾病的监护对象，其识别报警的模型应是不相同的，监护系统应该能根据不同年龄、性别、体质、疾病的监护对象，通过自学习来进行建模,并能根据多重识别模型进行识别推理。但他们都没有对此问题有完整解决方案提出。

发明内容

本发明的目的在于提供一种用于监护系统的报警方法，通过用于监护系统的报警方法的研究，对不同年龄、性别、体质、疾病的监护对象，建立因人而异的监护报警模型，实时的发现监护过程中出现的异常信息。

为此，本发明采用的技术方案步骤如下：