CN111671411A

CN111671411A - 连续血压测量

Info

Publication number: CN111671411A
Application number: CN202010551492.9A
Authority: CN
Inventors: 伊兰·巴拉克; 伊兰·阿格蒙; 洛伊·克莱因; 纳达维·纽伯格; 阿列克谢·诺玛佐夫
Original assignee: SENSIFREE Ltd
Current assignee: SENSIFREE Ltd
Priority date: 2017-12-22
Filing date: 2018-12-22
Publication date: 2020-09-18
Also published as: CN111417340A; EP3742963A4; CN111671410A; US20200268254A1; KR20200105659A; CN111671412A; US20200245877A1; US11406273B2; US20200315471A1; EP3742963A1; KR20200097803A; WO2019126813A1; KR20200097802A; KR20200097801A

Abstract

我们公开了一种用于通过在一个时间内校准动脉压并在另一个时间跟踪动脉压来估计受试者的血流动力学参数的值的系统和方法。

Description

连续血压测量

本申请是申请日为2018年12月22日、申请号为201880076278.3且发明名称为“连续血压测量”发明专利申请的分案申请。

背景技术

相关申请

标题为“估计MAP的值与脉搏幅度之间的关系和实现估计的方法”的美国临时申请62/609,435在此通过引用并入本文。

技术领域

本发明涉及人血压值(BPV)的测量。

已知用于测量血压的血压计、血压测量仪(tonometers)，和Penaz装置。参见例如美国专利5579776(袖带)；6413223(血压测量仪)；和9,107,588(Penaz装置)。血流动力学参数包括平均动脉压(MAP)、脉压(PP)、收缩压(Ps)、舒张压(Pd)，和每搏输出量变异(SVV)。

医生通常使用手动血压计和听诊器来确定Ps和Pd。从Ps和Pd估计MAP的常规公式为：

(1)

基于示波式袖带的血压计可以直接从压力数据确定MAP、Ps，和Pd，而无需使用此公式。

心动周期是心脏跳动时发生的一系列事件。心动周期有两个阶段。在舒张期，心室放松并且心脏充满血液。在收缩期，心室收缩并将血液从心脏泵出到动脉。由一个心动周期产生的动脉压力波包括与收缩相关的第一段，随后与舒张相关的第二阶段。第二阶段通常包括重搏切迹，使得与每个心动周期相关的动脉压力波有两个最大值，每个在重搏切迹的一边。

定义

下文中，“受试者”指的是人类或哺乳动物。

下文中，“动脉脉搏”指的是与一个完整心动周期内压力随时间变化相关的信号。

下文中，“心动时间段(cardiac time period)”指的是对应于单个动脉脉搏的时间段。心动时间段在下文中也称为InterBeat Interval，并称为IBI。

下文中，处理系统定义能实施用于处理从生物测定转换器获得的信号的算法的系统。

一种处理系统，包括处理单元和存储器。处理单元可以被虚拟化，在这种情况下，其作为计算机代码存储在存储器中。因此，处理单元和存储器都使用硬件实现。硬件是指改变电或光信号的物理元件，诸如电阻器、电容器、电感器、二极管、晶体管、发光二极管，和激光器。优选地，处理系统包括处理数字数据的数字处理系统。数字数据是指信息的离散或不连续表示。优选地，数字处理系统的处理单元和存储器均包括至少一个数字电子集成电路。或者，可以用光子计算元件实现数字处理系统。处理单元还能包括模拟处理单元。处理系统的处理单元可以包括彼此远离的元件。处理系统的存储器还可以包括彼此远离的元件。

下文中，“F(…)”指的是括号内列出的元素的“函数”。这并不意味着每次详述的“F(…)”指的是相同的函数。

下文中，SV是Stroke Volume(每搏输出量)的首字母缩写。每搏输出量指的是受试者在一个心动周期内从心室射出的血量。

下文中，跟踪传感器指的是任何生物测定转换器和兼容的前端，该生物测定转换器和兼容的前端能够在每个心动周期内提供包括与受试者内的某个区域的动脉压变化相关的多个经采样值的信号。

在下文中，当描述实值信号的傅里叶变换时，该描述仅涉及正频率。

每搏输出量变异(SVV)是两个或两个以上心动周期的SV变异的测量。

心血管模型是一种将血流量(每次的体积)与受试者的血压联系起来的模型。

电气模型指的是表示电气系统行为的电气等效电路的数学描述形式的模型。

发明内容

我们公开了使用跟踪转换器和跟踪转换器前端的血压测量系统和方法，用于在延长的时间段内跟踪受试者的BPV。这些血压测量系统和方法能够跟踪每个动脉脉搏的BPV。优选地，跟踪转换器不限制血流并且不在体内。跟踪转换器向跟踪转换器前端提供转换信号。跟踪转换器前端的输出提供与受试者区域中的动脉压相关的信号，跟踪转换器从所述区域获得信号。下文中，跟踪传感器指的是跟踪转换器和跟踪转换器前端两者。跟踪传感器能够提供与单个心动周期内的动脉压相关的多个值。(例如，在单个心动周期内的几个时间点的连续信号的多个经采样值，以在一个心动周期内提供多个值。)

转换器通常包括用于产生光以传输到待测量的血管的多个LED，以及担当将经接收的光转换成电信号的光电转换器的PIN二极管。前端电路对来自跟踪传感器转换器的信号进行放大、滤波和采样。前端输出与跟踪传感器转换器随时间输出的值相对应的一系列值。采样频率必须足够高，使得能够区分心动周期。该采样频率必须至少为4赫兹(Hz)，优选大于10Hz，更优选大于32Hz。采样频率优选小于1太赫兹，并且更优选小于10000Hz，并且仍更优选小于1000Hz。采样频率的实际上限由传感器的响应时间、获得合理信噪比所需的占空比，以及传感器元件响应的上限频率确定。此限制可能约为10GHz。如果使用导电电缆将传感器信号传送到远程处理电路，则电缆中的信号分散可能会导致采样频率上限为1GHz。

跟踪传感器可以包括反射或透射的PPG(光体积描记)转换器、电磁波传感器、雷达传感器、生物阻抗传感器、像扁平式血压测量仪的压力传感器，或超声波传感器。跟踪传感器可以安装、植入或放置在受试者身体的任何位置附近，这些位置传感器的输出与动脉压相关。这些位置包括但不限于手腕、手指、手臂、躯干、腿、脚、头、前额、耳垂、鼻子和面颊。

在优选实施方案中，跟踪传感器包括标准指尖PPG转换器，该标准指尖PPG转换器被夹持或固定到受试者的手指。PPG转换器通常用于确定受试者的氧饱和度水平。通常，PCM(患者护理监视器)以100至200Hz的采样率从PPG传感器(用于确定受试者的氧饱和度水平)获取信号。典型的PPG传感器在660nm和940nm处转换信号，并在传感器内组合这两个经转换信号的大小，以提供单个传感器输出信号。实施方案使用在PCM中从PPG转换器接收的信号作为跟踪信号。因此，实施方案在100至200Hz考虑动脉压。实施方案使用经修改以执行在本文公开的信号处理的PCM用于校准和监视。这些PCM还可以包括用于从前述类型的校准传感器之一接收数据的端口。公开的方法包括使用来源于校准传感器的MAP、Ps和Pd的值归一化来自跟踪传感器(跟踪数据)的MAP、Ps、Pd动脉压数据。

校准传感器被设计为提供信号，根据该信号能确定受试者的MAP的值和PP值(收缩压和舒张压之间的差值)。提供这种信号并能作为前述校准传感器工作的传感器是众所周知的，并包括血压计、血压测量仪，和Penaz装置。校准传感器还可以包括动脉内，或者通过充满流体的管连接到动脉的压力转换器。

公开的方法还包括从跟踪数据确定对应于各个心动周期的时间段。

公开的方法包括对心脏脉搏的跟踪数据执行DFT。

公开的方法包括用一些非零值替换从跟踪传感器获得的用于动脉脉搏的DFT谱的DC值。

公开的方法包括用来源于校准传感器和跟踪数据的DFT的值替换从跟踪传感器获得的用于动脉脉搏的DFT谱的DC值。

公开的方法包括从跟踪传感器提供的数据并校准来确定在逐个脉搏上的MAP、收缩压(Ps)和舒张压(Pd)。

在第一方面，我们提供了系统以及使用系统估计受试者的血流动力学参数的值的方法，包括：处理系统，所述处理系统包括处理单元和存储器；其中，所述处理系统被设计为从校准传感器接收与动脉压有关的校准传感器数据；其中，所述处理系统被设计为从跟踪传感器接收跟踪传感器数据；所述处理系统被设计为基于以下项来计算血流动力学参数的经估计的血流动力学值：与动脉压相关的跟踪传感器数据的DFT的一个或更多个输出，并且所述跟踪传感器数据是在校准时间段内从受试者获得的；在校准时间段内从受试者获得的数据的MAP、PP、Ps和Pd值中的至少两个；与动脉压有关的跟踪传感器数据的DFT的一个或更多个输出，所述跟踪传感器数据是在跟踪时间段内获得的；并且其中，所述跟踪时间段不同于所述校准时间段；其中，所述处理系统被设计为显示、存储或传输所述经估计的血液动力学值。

该第一方面的从属特征包括：其中，所述处理系统被设计为计算FSUB函数的FSUB值；其中，FSUB是变量的函数，所述变量包括：MAP；PP；以及跟踪传感器数据的DFT的谐波的值；并且其中，对于在所述校准时间段内从所述受试者获得的数据，所述处理系统被设计为通过将拟合函数拟合到跟踪传感器数据的DFT的输出的另一函数，来确定所述拟合函数的参数；并且其中，所述拟合函数的参数取决于MAP；并且其中，对于在所述跟踪时间段内从所述受试者获得的数据，所述处理系统被设计为通过将拟合函数拟合到跟踪传感器数据的DFT的输出的另一函数，来确定所述拟合函数的参数；并且其中，在拟合跟踪时间段内的跟踪数据时，所述处理系统被设计为保持至少一个经确定参数的值不变，所述经确定参数的值从所述校准时间段内的受试者获得的数据确定；并且其中，所述处理系统被设计为计算MAP的值，所述MAP的值与所述跟踪时间段内的所述受试者的血压相关，来自在校准时间段内计算的参数值和在所述跟踪时间段内从所述受试者获得的跟踪传感器数据；并且其中，所述处理系统被设计为计算MAP的值，所述MAP的值与所述跟踪时间段内的所述受试者的血压相关，所述MAP的值来自还包括所述校准时间段内的所述受试者获得MAP的值的数据；其中，所述处理系统被设计为通过包括计算所述函数的计算来确定MAP的值，所述函数为MAPest＝MAPcalib*P(w0est)/Q(w0est)*Q(w0calib)/P(w0calib)，其中：P表示多项式；Q表示多项式；w0est是模型参数；w0calib是模型参数；并且MAPcalib是校准时间段内获得的MAP的值；并且其中，所述处理系统被设计为通过包括计算所述函数的计算来计算MAP的值，所述函数为MAPest＝MAPcalib*w0est**2/w0calib**2，其中：w0est是模型参数；w0calib是模型参数；并且MAPcalib是校准时间段内获得的MAP的值；并且其中，所述处理系统被设计为从在校准拟合和跟踪拟合内确定的参数值和校准时间段内获得的PP值来计算对于PP的PP跟踪值；并且其中，所述处理系统被设计为从在校准拟合和跟踪拟合内确定的参数值、校准时间段内获得的PP值，以及校准时间段内的至少一个动脉时段的值和跟踪时间段内至少一个动脉时段的值来确定对于PP的PP跟踪值；并且其中，系统进一步包括：校准传感器；跟踪传感器；和用于可视地显示或传输血流动力学参数值的装置；并且其中，所述处理系统被设计为从(1)跟踪传感器数据的DFT的值和(2)使用MAP；PP以及该跟踪传感器数据的DFT的谐波的值计算的FSUB值来计算值；并且其中，所述处理系统存储对应于心血管模型的组合电气模型；其中，所述组合电气模型包括电流源；负载(load)；和至少一个双端口网络；以及在所述电流源的输出与所述负载和所述至少一个双端口网络两者的输入之间的等电位连接；并且其中，所述组合电气模型包括第二双端口网络，所述第二双端口网络与所述至少一个双端口网络的输出具有等电位连接；并且其中，所述处理系统存储包括电感器和电容器的串联的电气模型，并且所述电容器的电容与1/MAP成比例；并且其中，所述处理系统存储包括传输线的电气模型，并且所述传输线的参数是MAP的函数。

在第二方面，我们提供了系统和使用系统估计受试者的SV比例的值的方法，包括：处理系统，所述处理系统包括处理单元和存储器；其中，所述处理系统被设计为接收来自与动脉压变化相关的跟踪传感器数据的跟踪传感器数据；所述处理系统被设计为基于与动脉压有关的跟踪传感器数据的DFT的一个或更多个输出来估计SV比例的值；并且其中，处理系统被设计为存储或传输所述SV比例的值。

第二方面的从属特征包括：其中，所述处理系统被设计为通过将所述组合电气模型的函数校准拟合到来自校准时间段的数据的跟踪传感器数据的DFT的输出的函数，来确定对应于心血管模型的组合电气模型的参数；并且其中，所述系统进一步包括校准传感器；跟踪传感器；和用于可视地显示或传输血流动力学参数的值的装置；并且其中，所述处理系统被设计为由SV比例的值来确定SVV。

在第三方面，我们提供了系统和使用系统估计受试者的血流动力学参数的值的方法，包括：处理系统，所述处理系统包括处理单元和存储器；其中，处理系统被设计为从获自受试者的校准传感器数据确定至少MAP、PP、Ps和Pd的校准值；其中，所述处理系统被设计为从变量的函数计算FSUB值，所述变量包括：MAP；PP；和从受试者获得的跟踪传感器数据的DFT的谐波的值；其中，所述处理系统被设计为使用所述FSUB值和所述校准值计算至少一个血液动力学参数的血液动力学值；并且其中，处理系统被设计为存储或传输经计算的血液动力学值。

在第四方面，我们提供了系统和使用系统估计受试者的血流动力学参数的值的方法，包括：处理系统，所述处理系统包括处理单元和存储器；其中，所述处理系统被设计为接收来自跟踪传感器的跟踪传感器数据；其中，所述处理系统被设计为基于以下项来计算在两个或更多个时间实例的血流动力学参数的经估计血流动力学值：与动脉压有关的跟踪传感器数据的DFT的一个或更多个输出，所述跟踪传感器数据是在第一跟踪时间段内从受试者获得的；

与动脉压有关的跟踪传感器数据的DFT的一个或更多个输出，所述跟踪传感器数据是在第二跟踪时间段内从受试者获得的；其中，第一跟踪时间段和第二跟踪时间段在时间上不重叠；并且其中，所述处理系统被设计为显示、存储或传输与经估计血液动力学值相关的数据。

从属方面通常可以与所有独立方面互换并适用于所有独立方面。

血压测量系统的概述

术语“血压测量系统”指的是处理系统、至少一个生物测定跟踪传感器、用于传感器向所述处理系统传递数据的装置(means)(导线wires、光纤，或无线信号传送器和接收器)、以及至少一个输出装置(监视器、音频发生器等)。根据经接收数据的处理结果，输出设备能用于显示时间相关数据、发出警报、或执行类似功能，或控制某些其他系统。硬件包括至少一个数字处理单元和一个用于存储数字数据的数字存储单元。所述处理系统被配置为使用来自两个传感器的数据执行校准。第一传感器，或校准传感器提供测量结果，从中可以确定MAP和PP。所述跟踪传感器，或跟踪传感器提供与所述动脉血压相关的时间依赖信号。

所述处理系统输入两个传感器的暂时相关输出，以仅基于跟踪传感器的输出来确定在随后随时间跟踪血压时有用的校准参数。在确定受试者的校准参数之后，所述处理系统随后能用于仅使用来自跟踪传感器的输入来跟踪所述受试者随时间的血压。

作为校准的一部分，所述处理系统在对应于一个完整心动周期的时间的时间间隔段内执行来自跟踪传感器的信号的DFT。然后，所述处理系统将DC分量估计函数应用于：(1)DFT输出的一次谐波的值和(2)MAP/PP的比例。DC分量估计函数生成替代DC分量值。在校准的后续步骤中，所述处理系统使用该替代DC分量值，而不是DFT输出的零次谐波。

方法的概述

心血管模型能用一个类似的电气模型来描述，其中电流对应于血流，电压对应于血压。

我们公开了包括两个通用步骤的方法。首先，处理系统执行校准。校准涉及从测量来自同一受试者的某些生物测定数据的两个传感器获得的数据，来自校准传感器的校准数据，和来自跟踪传感器的跟踪数据。

处理系统使用该数据来确定该受试者的电气模型的参数值。其次，处理系统使用(1)来自校准的MAP和/或PP的值；(2)通过校准获得的该受试者的电气模型的参数值；以及(3)通过将表示心血管系统和跟踪传感器的组合电气模型拟合到跟踪传感器输出而获得的电气模型的值，以输出各种血流动力学参数值的估计。这些可能包括：MAP；PP；Ps；Ps；SV和SVV。处理系统还可以通过使用电气模型以及MAP和/或PP所确定的参数来估计第一和第二步骤内的血流动力学参数。

下面描述的心血管模型的设计表明，一旦针对特定受试者校准，使用针对该特定受试者校准的心血管模型的系统输出对于较长的时间段应该是准确的。目前的数据结果显示，受试者的准确性可持续数周的时间。值得注意的是，模型对受试者的跟踪准确的时间段比医疗程序通常需要的时间长得多，从而使得这些实施方案能够使用单个校准，并然后在医疗程序的持续时间内准确地监视受试者的动脉压。然而，对于任何受试者，校准步骤可以在任何时间重复，以确保跟踪该受试者的动脉压值的持续准确性和可靠性。例如，可以每隔几分钟、十五分钟、半小时、一小时、半天、一天、一周、一月或更长时间重复校准。

校准的概述

图7示出包括校准701和跟踪702的步骤的算法700。退出702并进入701的箭头表示随后跟踪的校准可以重复。重复可以一次、不定期或周期性地发生，例如以1分钟至12个月的间隔发生。重复次数可以是零，也就是说，一次只能执行一次校准。优选地，系统最初对特定受试者执行至少3或4次在时间上紧密间隔(诸如以1-3分钟的间隔)的校准，随后以更长的时间间隔(诸如每隔15至60分钟)进行校准。下面描述校准步骤701和跟踪步骤702。

图17示出了如下所述的包括步骤1710至1770的流程图1700。

第一，放置

首先，在步骤1710中，校准传感器和跟踪传感器各自相对于特定受试者放置，使得这些传感器能从该受试者获得生物测定信号。跟踪转换器相对于受试者位于这样的位置，在该位置，跟踪转换器能检测动脉脉搏以提供跟踪数据。这些位置包括临近手腕、手指、手臂、躯干、腿、脚、头、前额、耳垂、鼻翼或面颊。在优选实施方案中，跟踪转换器放置在指尖上。

第二，从两个传感器获得数据

其次，在步骤1720中，处理系统从校准传感器和跟踪传感器两者获得传感器测量值。优选地，处理系统从在时间上重叠的两个传感器获得传感器测量值。处理系统用来执行校准的来自跟踪传感器和校准传感器的信号之间的时间差越小，使得校准的预期准确度就越高。优选地，处理系统将传感器测量值存储在存储器中。

第三步骤和第四步骤可以按任何顺序进行，但必须在第五步骤之前进行。

第三，从校准传感器确定值

第三，在步骤1730中，处理系统基于校准传感器在一段时间内感测到的信号来确定MAP的值和PP/MAP的比例的值。该确定可以通过邻近传感器的转换器或远离传感器的转换器的电路来进行。处理系统将这些值存储在存储器中。

跟踪传感器被设计为提供时间依赖信号，所述时间依赖信号与跟踪传感器接收信号的受试者动脉区域处的随时间变化的动脉压力波相关。

第四，处理跟踪传感器数据

第四，在步骤1740中，处理系统将来自跟踪传感器的信号分离成离散的时间间隔段。每个离散的时间间隔段对应于一个心动时间段的时间。这些离散的时间间隔段各自包括代表特定心动周期的一组经采样值。

处理系统确定来自跟踪传感器的信号中的特有的特征，该特征假设对应于心动周期的开始和结束。例如，系统可以确定信号的局部最大值的时间、某个时间帧内的最大导数的时间、以及来自跟踪传感器的信号的第二时间导数，并且使用这些特有的特征中的任何一个或更多个来指示一个心动周期的结束和下一个心动周期的开始。处理系统还可以包括识别预定函数与来自跟踪传感器的信号的相关性的极值，以确定每个心动周期的开始和结束。

在优选实施方案中，处理系统从跟踪传感器获取任意时间段的跟踪数据，并确定含在该时间段内的动脉脉搏。处理系统获取该任意时间段的开始和结束段，确定其在该任意时间段内不是完整脉搏的一部分。跟踪系统将这些段连接到相邻的时间段，使得所有脉搏都被考虑在内。

该系统对每个离散的时间间隔段执行离散傅立叶变换(DFT)，从而为每个离散的时间间隔段提供DFT值和相应的频率。该DFT产生每个离散的心动时间段的离散的时间间隔H0、H1、H2、H3等的第一次和随后的谐波的值。对于校准，只需对对应于一个动脉脉搏的一个离散的时间间隔段的值执行DFT即可。然而，对多个动脉脉搏执行该DFT并使用来自这些多个动脉脉搏的值可能是有用的。因为心动周期的持续时间彼此不同，所以重要的是保留每个心动周期的实际频率值，或者等效地保留，时间间隔持续时间。处理系统能存储时间间隔持续时间，或与每个时间间隔持续时间相关联的样本数，而不是保留实际频率值。

第四步骤的结果是对于每个动脉脉搏的跟踪信号的频域表示。处理系统将每个动脉脉搏的跟踪信号的频域表示存储在存储器中。

然而，尽管不太优选，处理系统也可以在等于多个心动周期的离散时间段上执行DFT。(在该替代方案中，设计相应的电气模型以表示由该多个动脉脉搏产生的相应动脉压。下面讨论对应于一个动脉脉搏的电气模型。)

第五，确定动脉脉搏的经估计的H0

第五，在步骤1750中，处理系统计算DC分量估计函数FSUB的值。FSUB可以是离散时间间隔段的DFT的值H1、H2、H3等；以及来源于校准传感器的MAP和PP值的函数。

DC分量估计函数输出实数。DC分量估计函数可以具有以下形式：

FSUB＝F(H1，H2，H3，…，MAP，PP)，其中FSUB是实数。

FSUB必须至少是MAP、PP(来自校准传感器的数据)，和H1至H10的至少一个值的函数。

在一些实施方案中

(2)FSUB＝F(MAP，PP，和H1)＝H1*{K*(MAP/PP)+ξ*MAP}，其中：

ξ在-0.2％至0.2％的范围内；并且

K为3至8。

优选地，K为5.56加或减30％，并且在优选实施方案中为5.56。优选地，ξ在-.01和.01之间，并且更优选地是零。

受试者的FSUB/H1绝对值在1至100变化。这一比例随受试者的每个心动周期而变化，并且因受试者的不同而不同。(FSUB是实数。H1可以是复数)。处理系统将脉搏的DC分量估计函数FSUB的经计算值存储在存储器中。

第六，使用FSUB确定的值对从跟踪传感器获得的值的DFT进行归一化

第六，在步骤1760中，处理系统将来自一个动脉脉搏的跟踪信号的DFT的H1、H2、H3等的值除以FSUB的值，并且优选地将结果存储在存储器中。这将跟踪信号的H1、H2、H3等归一化为FSUB值。这提供了标准化的输出MEASURE1。MEASURE1不包括零谐波的值(对应于时域中的DC值)。MEASURE1包括H1、H2、H3等的经归一化值。

第七、模型的输出拟合到归一化输出

这样的类似的电气模型(对应于心血管模型)的输出表示由跟踪转换器感测到的受试者区域中的动脉压。组合这种电气模型和跟踪传感器的模型的组合电气模型的输出提供了跟踪传感器的输出，该跟踪传感器模型耦合到受试者中的某个位置处的动脉压。

处理系统被配置为通过将模型拟合到归一化输出来确定该组合电气模型的参数。

在一些实施方案中，电气模型包括对心血管系统的时间常数建模的模型时间常数τ。在一些实施方案中，电气模型包括参数Ts，其表示心脏收缩开始的时间和相应心动周期开始的确定时间之间的时间差。

MODEL1是通过将组合电气模型的输出值乘以常数以使得所得到的MODEL1的零频率处的值一致(unity)来归一化的组合电气模型。

第七，在步骤1770中，处理系统在(1)MODEL1的输出和(2)MEASURE1之间执行拟合。该拟合通过最小化在一个或更多个谐波频率H1、H2、H3等评估的两个函数之间的差来执行，优选地评估至少两个谐波频率，并且在优选实施方案中评估在H1、H2和H3频率。拟合为所评估的任何频率提供模型的一组参数。一个函数是组合电气模型的输出。另一个函数是MEASURE1。每个函数的域值是为对应的动脉脉搏确定的相同谐波频率。

将组合电气模型拟合到MEASURE1得到电气模型的参数值。处理系统将电气模型的这些参数值存储在存储器中。

处理系统可以对与处理系统使用来自校准传感器的数据以获得MAP和/或PP值相关的多个动脉脉搏时间执行前述最小化。处理系统可以使用通过这些最小化获得的一组或更多组参数来获得这些参数的代表值。例如，处理系统可以丢弃或降低与来自其他动脉脉搏的相应值相比相对极端的参数的权重。因此，对于依赖于MAP和/或PP值的每个校准，处理系统确定电气模型的一组最终参数。

诸如最小二乘拟合和代数拟合之类的拟合在本领域中是古老且公知的。拟合将间隔内两个函数之间的差值的某种度量(诸如函数在每个点的差值的平方)最小化。将函数拟合到数据信号的算法是古老且众所周知的。拟合产生特定于从接收数据的特定受试者的电气模型的参数值。这些个人模型参数值使得针对该受试者的模型校准。确定受试者的个人模型参数值就完成了针对该受试者以及针对从校准传感器获得的特定MAP的值的校准。采用传统的数值方法执行拟合。

在一些实施方案中，处理系统最小化误差函数“err”，其定义如下(并且是对组合电气模型对MEASURE1的值的差值的测量)：

(3)

其中，“ο”表示点积运算符；

H表示谐波数；以及

W是权重函数。W可以取值(1；.5到15；.3到50，以及高次谐波为任意实数)。优选地，W的值在范围(1；0.5至5；2至20，以及更高次谐波为任意实数)。W可以有值：(1，1，1)；(1，2，4)；(1，1.2，4)；(1，1.2，6)；(1，1.3，9)；(1，1.2，12)；以及(1，1.1，14)，以及所有更高次谐波均为零。

在校准中使用来自跟踪传感器的数据的时间间隔不必与使用校准传感器数据来确定MAP的值的时间间隔重叠。例如，如果受试者的动脉压在心动周期上的变化随时间保持非常稳定，则用于获得MAP的值的时间间隔和用于从校准中使用的跟踪传感器获得数据的时间间隔中的偏移可能不会实质上改变所得到的模型参数的确定。然而，这两个时间间隔在时间上越接近，模型的校准就越准确。优选地，在校准中使用来自跟踪传感器的数据的时间间隔与使用校准传感器数据来确定MAP的值的时间间隔有一些重叠。更优选地，在校准中使用来自跟踪传感器的数据的时间间隔和使用校准传感器数据来确定地图重叠的值的时间间隔具有大于50％的重叠，甚至更优选地是90％的重叠，并且最优选地(在传感器的采样率的精度内)相同。

因此，第七步骤产生使用一个或更多个动脉脉搏的数据获得的电气模型参数的代表值。

处理系统可以实现对跟踪传感器信号执行质量检查的算法，以拒绝在校准中使用的动脉脉搏离群值。

因此，当基于由校准传感器提供的MAP和/或PP值的电气模型的一组参数完成时，模型的校准就完成了。

跟踪动脉压

在针对特定受试者完成校准之后，系统能使用(1)在校准期间存储在存储器中的电气模型的参数值；(2)在校准期间存储在存储器中的MAP和/或PP值；以及(3)来自跟踪传感器的信号，以估计该受试者的动脉压值随时间的变化。处理系统连续地从跟踪传感器接收数据，并执行逐个脉搏的操作以在逐个脉搏的基础上估计MAP和/或PP。本段中的脉搏指的是动脉脉搏。本文逐个脉搏表示处理系统估计各个脉搏上的MAP和/或PP的值。可选地，处理系统使用逐个脉搏确定来估计其它血流动力学参数。处理系统可以在存储器中存储、传输所得的估计MAP和/或PP，或两者都进行，并估计动脉压值随时间的变化。

校准后，跟踪传感器保持在能够检测动脉压的位置。如校准步骤2中，跟踪传感器提供时间依赖信号，所述时间依赖信号与跟踪传感器接收信号的受试者动脉区域处的随时间变化的动脉压力波相关。

如校准的第四步骤中的跟踪期间，处理系统将来自跟踪传感器的信号分离成离散的时间间隔段。每个离散的时间间隔段对应于一个完整心动周期的时间。这些离散的时间间隔段各自包括代表特定心动周期的一组经采样值。该系统对每个离散的时间间隔段执行离散傅立叶变换(DFT)，以为每个离散的时间间隔段提供DFT值和相应的频率。该DFT产生每个心动时间段的离散的时间间隔H0、H1、H2、H3等的第一次和随后的谐波的值。因为心动周期的持续时间彼此不同，所以重要的是保留每个心动周期的实际频率值，或者等效地，保留时间间隔持续时间。处理系统能存储时间间隔持续时间，或与每个时间间隔持续时间相关联的样本数，而不是保留实际频率值。

第四步骤的结果是对于每个动脉脉搏的跟踪信号的频域表示。然而，如校准中一样，尽管不太优选，处理系统也可以在等于多个心动周期的离散时间段上执行DFT。(在该替代方案中，设计相应的电气模型来表示由该多个动脉脉搏产生的相应动脉压。下面讨论一个动脉脉搏的电气模型。)

优选地，处理系统在归一化和/或拟合中使用不超过前五次谐波；优选地，处理系统仅使用20Hz以下谐波的数据。

图18示出流程图1800，其示出用于跟踪动脉数据的步骤，包括步骤1810到1880。

在1810，处理系统可以确定使用哪种归一化。下面描述两种执行归一化和拟合的替代方案：

第一种归一化和拟合方法

第一种归一化

在跟踪期间，如在校准的第五步骤中一样，在1820，处理系统为至少一个动脉脉搏，并且优选地为所有动脉脉搏计算DC分量估计函数FSUB的值。

FSUB可以是离散的时间间隔段的DFT的值H1、H2、H3等；以及之前来源于校准传感器确定的MAP和PP值的函数。对于每个动脉脉搏，处理系统确定FSUB值。处理系统将该动脉脉搏的H1、H2、H3等的值除以该动脉脉搏的FSUB值。这产生相应动脉脉搏的归一化谐波值。

作为使用来自一个校准的单对MAP和PP值的替代，处理系统可以计算来自多个校准的MAP和PP的平均值，或者可以计算来自多个校准的MAP和PP的加权平均值。对于每个动脉脉搏，处理系统然后使用这些MAP和PP的平均值以及用于该动脉脉搏的相对应的H1、H2、H3等的值，以确定对于该脉搏的FSUB值。处理系统然后将该动脉脉搏的H1、H2、H3等的值除以该动脉脉搏的FSUB值。这产生相应动脉脉搏的归一化谐波值。

用作MODEL1的第一拟合

在跟踪期间，在1830，类似于校准的第七步骤，处理系统在(1)MODEL1的输出和(2)相应动脉脉搏的归一化谐波值之间以该动脉脉搏的谐波频率进行拟合。下文中，相应动脉脉搏在该动脉脉搏的谐波频率下的归一化谐波值被称为“MEASURE1”

处理系统通过最小化MEASURE1和MODEL1之间的差异来执行拟合。差值可以在一个或更多个谐波频率H1、H2、H3等处计算，优选地在两个或更多个谐波频率处计算，并且在优选实施方案中在谐波频率H1、H2和H3处计算。

用于校准和拟合的特定电气模型含有多个参数。在进行跟踪的拟合过程中，在校准过程中确定的电气模型的一些参数保持不变。

优选地，τ和Ts在拟合期间保持恒定以用于跟踪。

对于动脉脉搏，将MODEL1拟合到MEASURE1产生该动脉脉搏的MODEL1的参数值。该拟合的结果是MODEL1的多组参数值，每个动脉脉搏一组。

第二种归一化和拟合方法

作为第一种归一化的替代方案，在1860，处理系统执行第二种归一化。

第二种归一化

与校准期间不同，处理系统不归一化到校准信号的DC分量。取而代之的是，处理系统将来自动脉脉搏跟踪信号的DFT的H1、H2、H3等的值除以H1的值的大小。这将跟踪信号的H1、H2、H3等归一化。下文中，这些归一化值和相应的频率被称为“MEASURE2”。MEASUSRE2值可以是复数。根据定义，MEASUSRE2的基波大小通过定义而一致(H1除以H1的大小)。

第二种拟合

在跟踪期间，在1870，类似于校准的第七步骤，处理系统在组合电气模型(下文称为MODEL2)和MEASURE2的输出之间执行拟合。

MODEL2是通过将组合电气模型的输出值乘以实值常数以使其第一谐波的大小一致来归一化的组合电气模型。

处理系统对预定义数量的谐波(不包括零(DC)谐波)执行拟合。处理系统可以在一个或更多个谐波频率H1、H2、H3等处计算差值，优选地在两个或更多个谐波频率处计算，并且在优选实施方案中在谐波频率H1、H2和H3处计算。在一个优选地实施方案中，处理系统在H1、H2，和H3执行拟合。

用于校准和拟合的特定组合电气模型含有多个参数。

对于第二种拟合替代方案，在校准过程期间确定的电气模型的一些参数保持不变，以便在跟踪期间进行拟合。优选地，τ和Ts在拟合期间保持恒定以用于跟踪。

对于动脉脉搏，将MODEL2拟合到MEASURE2合产生该动脉脉搏的MODEL2的参数值。该拟合的结果是MODEL2的多组参数值，每个动脉脉搏一组。在一些实施方案中，除了MODEL2和MEASURE2替换MODEL1和MEASURE1之外，将MODEL2拟合到MEASURE2使用类似“err”的误差函数。

处理系统可以使用动脉脉搏的模型的参数和该模型值来估计表示受试者的生物测定参数的值。这些包括每个动脉脉搏的Ps，Pd，MAP，SV、主动脉的直径、长度和硬度，以及每个动脉脉搏的心脏泵送能量、心脏弹性、心脏无负载容量、收缩末期容量和舒张末期容量。

第八，估计MAP

在1840，处理系统使用以下两个替代方案之一来估计MAP：

第一种估计MAP的方法

处理系统估计动脉脉搏的MAP的一个或更多个值是包括w₀calib、MAPcalib和w₀est的值的函数的结果。脉搏的MAP的一个这种的估计值是MAPest，其定义如下：

(4)MAPest＝F(w₀calib；MAPcalib；和w₀est)。

w₀calib是在特定校准期间通过拟合获得的一个特定模型参数的代表值。本段中的短语“代表值”指的是为校准的第七步骤讨论的代表值。

MAPcalib是在该特定校准的校准过程中获得的MAP的值。

w₀est是通过拟合动脉脉搏的跟踪数据而获得的相同特定电气模型参数的值。

优选地，处理系统通过计算以下函数的值来估计MAPest：

(5)MAPest＝MAPcalib*P(w₀est)/Q(w₀est)*Q(w₀calib)/P(w₀calib)。

P表示多项式。

Q表示多项式。

在一个实施方案中，

(6)P(x)＝K2*x**2+K3 x**3以及Q(x)＝K4，其中，K2、K3和K4是系数，“**”表示“幂”。K2、K3和K4具有预定的固定值。

在当前优选实施方案中，

(7)P(x)＝x*x以及Q(x)＝1。在该实施方案中，K2＝1，K3＝0以及K4＝1。

K2、K3和K4可以依赖于受试者。对于受试者依赖性，处理系统可以通过确定最小化了使用不同校准确定的测量MAPest之间的误差的K2、K3和K4的值来确定K2、K3和K4。例如，可以计算由来自不同校准的不同MAPcalib值确定的动脉脉搏的MAPest的值的差值，并然后进行平方。然后，处理系统可以确定最小化该和的K2、K3和K4值。该处理可以扩展到多个动脉脉搏的MAPest值的数据。

动脉脉搏的MAP的另一个估计是MAPout(n)，其定义如下。

处理系统可以过滤MAPest离群值。例如，处理系统可以过滤MAPest以计算MAPout(n)。例如，通过对MAPout的值执行以下指数过滤。

(8)MAPout(n)＝ff*MAPout(n-1)+(1-ff)*MAPest(n)

其中：n是标识一系列动脉脉搏的索引(index)；MAPout(n)是该函数针对第n个动脉脉搏的输出；ff是遗忘因子，其值在0和1之间并且优选在0.8和0.98之间；并且最优选在0.9和0.95之间；MAPout(n-1)是针对第n-1个脉搏的MAPout的值；并且MAPest(n)是针对第n个脉搏的MAPest的值。

处理系统可以通过移除作为离群值的MAPest的值来过滤到MAPout的输入值。也就是说，由于它们与MAP某些标准化值或范围有相对较大的差异，所以是可疑的。

第二种估计MAP的方法

处理系统估计动脉脉搏的MAP的一个或更多个值，将是包括用于多个校准的值w₀calib[i]、MAPcalib[i]和w₀est的值的函数的结果，其中i＝1，…，n。脉搏的MAP的一个这样的估计是MAPest2，其定义如下：

(9)MAPest2＝F(w₀calib；MAPcalibs；和w₀est)，其中：

w₀calibs是一个向量，即一系列的值w₀calib[i]，i＝1，…，n；

MAPcalibs是一个向量，即一系列值MAPcalib[i]，i＝1，…，n；并且

w₀est如上定义。

w₀calib[i]，i＝1，…，n中的每一个都是通过对n个校准中的每一个进行拟合而获得的一个特定模型参数的代表值。本段中的短语“代表值”指的是为校准的第七步骤讨论的代表值。

优选地，处理系统通过计算以下函数的值来估计MAPest2：

(10)MAPest2＝(P(w₀est)/Q(w₀est))倍数(times):

AVG(MAPcalib[i]*Q(w₀calib)/P(w₀calib))。

AVG()是表示加权平均的运算符

P和Q各自表示多项式，并且w₀est和w₀calib如上定义。(多项式Q不代表与指定为本文描述的电气的参数的Q相同的量。)

在一个实施方案中：

(11)P(x)＝K2*x**2+K3 x**3以及Q(x)＝K4，其中，K2、K3和K4是系数，“**”表示“幂”。K2、K3和K4具有预定的固定值；以及

(12)AVG＝(1/n)*(sum(MAPcalib[i]*(w₀calib)/P(w₀calib)))，其中“sum()”指的是自变量(argument)中所有元素的总和。

在当前优选实施方案中，

(13)P(x)＝x*x以及Q(x)＝1。在该实施方案中，K2＝1，K3＝0且K4＝1。

(14)AVG(x)＝ff2*x[-n]+ff2**2*x[n-1]+…+ff2**n*x[1]，其中:

(15)“**”表示“幂”并且ff2为0至1的数。优选地，ff2为0.3至0.7；更优选地，ff2为0.45至0.55。

动脉脉搏的MAP的另一个估计是MAPout2(n)，其定义如下。

处理系统可以过滤MAPest2离群值。例如，处理系统可以过滤MAPest2以计算MAPout2(n)。例如，通过对MAPout2的值执行以下指数过滤。

(16)MAPout(n)＝ff*MAPout2(n-1)+(1-ff)*MAPest2(n)

其中：n是标识一系列动脉脉搏的索引；MAPout2(n)是该函数针对第n个动脉脉搏的输出；ff是遗忘因子，其值在0和1之间，并且优选在0.8和0.98之间；并且最优选在0.9和0.95之间；MAPout2(n-1)是针对第n-1个脉搏的MAPout2的值；以及MAPest2(n)是针对第n个脉搏的MAPest2的值。

处理系统可以通过移除作为离群值的MAPest2的值来过滤到MAPout2的输入值。也就是说，由于它们与MAP某些标准化值或范围有相对较大的差异，所以是可疑的。

第九，估计PP

在1850，处理系统执行以下两个替代方案之一来估计PP：

第一种PP估计方法：

第一种PP估计方法估计特定动脉脉搏的PP。这种特定脉搏被称为经估计动脉脉搏。第一PP估计方法根据另一动脉脉搏的PP的函数来估计特定动脉脉搏的PP2。该方程为：

(17)

其中：

PP2是特定动脉脉搏的PP；PP1是另一动脉脉搏的PP；MAP2是在第八步骤中确定的特定动脉脉搏的MAP的值；MAP1是另一动脉脉搏的MAP；

(18)

(19)

τ₁是可以通过以下方式计算的时间常数：

(20)

其中K是上面定义的常数

其中：Π是数学常数(周长与直径的比例)；“j”是虚数(负1的平方根)；IBI₁是另一个动脉脉搏的心动时间段；并且IBI₂是特定动脉脉搏的心动时间段。

PP2是由第一PP估计方法得到的PP的估计。

第二种PP估计方法：

第二PP估计方法从另一动脉脉搏的PP的函数来估计特定动脉脉搏的PP，如下：

使用不同的方程：

(21)PP2＝PP1*MAP2/MAP1，其中:

PP2是特定动脉脉搏的PP的估计；PP1是另一动脉脉搏的PP；MAP2是在第八步骤中确定的特定动脉脉搏的MAP；MAP1是另一动脉脉搏的MAP。

PP2是由第二PP估计方法得到的经估计PP。

第十，在1880，处理系统估计Ps和/或Pd。

处理系统可以使用MAP和PP的函数从PP和MAP估计Ps和/或Pd。通常：

Ps＝F(MAP，PP)；以及

Pd＝F(MAP，PP)。

这两个函数的常规选择是：

(22)Ps＝MAP+2/3*PP

(23)Pd＝MAP-1/3*PP.

在一个实施方案中，MAP是第八步骤的结果，并且PP是第九步骤的结果。

SV确定和SVV估计

图19示出了含有以下描述的用于估计SV的步骤1910-1980的流程图1900。

处理系统在逐个脉搏的基础上确定SV的相对值。任意两个脉搏的SV比例是SVV的度量。多个SV的统计变化能由来自多个脉搏的SV的比例来确定。这些统计变量是对SVV的度量。通常，SVV指的是表示多个动脉脉搏的SV的标准偏差除以这些SV的平均值的归一化标准偏差。处理系统通过计算该归一化标准偏差来确定SVV的值。

处理系统如下在逐个脉搏的基础上确定SV的相对值。如上所述，在获取对应于一系列动脉脉搏的一段时间的跟踪数据之后，处理系统使用信号中的特有的特征来确定对应于动脉脉搏串中的每一个的开始时间的时间。

处理系统确定强制函数(forcing function)用作系统激励的模型的系数。强制函数表示电气模型中的电流，并且对应于从受试者心脏流出的血流。这些系数对应于血液从心脏传输到跟踪传感器获得数据的位置的效果。处理系统将系数和强制函数的值的线性组合等同于跟踪数据。强制函数和跟踪数据可以在时域或频域中表示。方程中的未知数是SV的(实数)值。在任何一种情况下的结果都是一系列耦合的线性方程，其可以用常规方式求解，以确定一系列SV的相对值。该模型假设在强制函数和心动周期开始时间中存在特有的特征(例如，最大值，或以某一导数的幂表示的最大值)的时间之间存在固定的(即与脉搏无关的)但未知的时间差。要求SV为实数使得能够确定该时间差并求解方程。优选在频域求解，但处理系统也可以在时域求解。下面SV的求解过程依赖于线性代数，并使用矩阵求逆来求解下面表述的一组方程。也可以使用其他方法，诸如高斯消去法、克拉默法、LU分解、莱文森递归等。

SV估计步骤1：在1910，处理系统确定跟踪传感器数据中的连续的心动周期开始次数。处理系统选择n个相邻的开始时间。这些开始时间是：T1、T2、…、Tn。n个心动周期的总持续时间定义了时间段，Tseg＝T(n+1)-T(1)。对应的一系列SV在下文中称为SV(i)，其中i＝1至n。

在1920，SV估计步骤2：在1920，处理系统傅立叶变换对应于一系列动脉脉搏的一段时间的跟踪传感器数据。此步骤的结果是一系列值和相应的频率。频率为0，1/Tseg，2/Tseg，…。

SV估计步骤3：在1930，处理系统选择将要在SV估计中使用的n个频率，其中n是在SV估计步骤1中确定的心动周期的数量。优选地，n个频率为[(n-n//2)/Tseg，(nn//2+1/Tseg，…，n/Tseg，(n+1)/Tseg…(n+n//2-1)/Tseg)]其中符号“//2”表示用2“整除”，其中忽略任何余数。

SV估计步骤4：在1935，处理系统估计表示受试者的SV和动脉压之间的关系的某个电气模型的频率响应。优选地，该电气模型是用于校准的电气模型。优选地，该电气模型中的参数是在将电气模型的输出与经归一化输出MEASURE1拟合时从校准期间确定的参数。处理系统以在SV估计步骤3中确定的频率评估该电气模型。结果以这些频率的频率响应值。

SV估计步骤5：在1940，处理系统将从SV估计步骤2获得的傅里叶变换的每个值除以相应的模型响应值。结果是有序的一系列n值，该n值是实际数据除以在步骤2中确定的第n个频率的模型数据的比例。称这个有序的一系列向量为“R”。

SV估计步骤6：在1950，处理系统确定n×n矩阵M的值。矩阵M的第一行含有作为在SV估计步骤3中选择的n个频率中的第一频率w1处的一系列狄拉克增量函数的傅立叶变换的值。M的第一行第一列元素是M(1，1)。M(1，1)存储频率为w1的第一狄拉克增量函数的傅里叶变换值。M(1，2)存储频率为w1的第二狄拉克增量函数的傅里叶变换值，等等。M(2，1)存储频率为w2的第一狄拉克增量函数的傅里叶变换值。M(2，2)存储频率为w2的第二狄拉克增量函数的傅里叶变换值等。M(n，n)存储频率为wn的最后狄拉克增量函数的傅里叶变换值。M(i，k)存储exp(-j*Tk*wi)。

在优选实施方案中，处理系统对该矩阵M求逆以确定矩阵invM。

SV估计步骤7：在1970，处理系统确定最小化矩阵方程中Z的虚部的值，ΔT：

(24)Z＝invM*invL(ΔT,…)*R，其中：

(25)Z是n乘1的复数矩阵值；

InvL是n乘以n的对角矩阵，在位置1，1具有矩阵值exp(j*ΔT*w1)；在位置2，2具有矩阵值exp(j*ΔT*w2)，…，在位置n，n具有exp(j*ΔT*Wn)；ΔT是具有实值的未知数；并且R是上面定义的有序的一系列向量。

优选地，处理系统执行最小化算法以确定ΔT的值，该最小化算法最小化误差函数，该误差函数是Z的分量的值的函数。然而，ΔT也可以通过直接求解方法(例如线性代数方法)来确定。一个合适的误差函数是：

(26)Err＝sum(im(Z(i)**2)，其中：

“**”指的是“幂”；

im()指的是虚量部分；

sum()指的是所有自变量的总和；

Z(i)是Z的第i个值。

合适的最小化算法是众所周知的，并且包括L-BFGS-B算法、Neld-Mead算法、Powell算法、共轭梯度算法、BFGS算法、牛顿共轭梯度算法、截断牛顿算法、线性逼近约束最优化算法、序列最小二乘规划算法，和微分进化算法。

SV估计步骤7的结果是ΔT的值。

SV估计步骤8：在1980，处理系统在SV步骤7中定义的invL中替换在SV估计步骤7中找到的ΔT的值，计算

(27)SV＝real(invM*invL*R)，其中：

SV是有序的一系列分量SV(i)，i＝1至n；real()是一个运算符，其确定每个自变量元件的实部；R是上面定义的有序的一系列向量。

处理系统能使用SV的分量的值来计算SVV。

跨越多心动周期跟踪数据的拟合

处理系统能对等于多个心动周期的离散的时间段执行跟踪数据的DFT。在这种情况下，电气模型的驱动函数表示具有多个脉搏的驱动函数。这些心动周期中的每一个都有一个与之相关的特定的SV。在这种情况下，处理系统可以使用SV估计方法来设置每个脉搏的驱动函数的幅度。

优选的系统和方法

优选方法使用自动血压计来测量受试者的Ps和Pd。自动血压计通常使用示波器方法进行测量。自动血压计先给袖带加压，然后再给袖带减压，反之也可以，并在袖带放气或充气时测量血压。自动血压计根据在一系列(多于一个)心动周期中发生的袖带充气或放气期间捕获的数据，确定一个Ps值、Pd值和MAP的值。自动血压计采集数据以确定Ps、Pd或MAP(或这些值的任意组合)的值的时间段通常在10秒左右，这通常对应于受试者的大约10个心动周期。

优选地，跟踪传感器在血压计接收数据的时间段期间提供来自同一受试者的跟踪信号，血压计从该数据确定该受试者的Ps、Pd和/或MAP。

优选地，单个装置硬件接收自动血压计的数据和跟踪传感器的信号。在一个实施方案中，单个硬件装置是PCM。传统的PCM通常接收从人类测量的各种生物测定信号，包括指示心跳和血氧水平的信号，并提供这些生物测定参数的依赖于时间的可视显示。

美国临时申请62/609,435，标题为“估计MAP的值和脉搏幅度之间的关系以及实现估计的方法”，公开了一种用于从单个动脉脉搏的MAP的已知值和该动脉脉搏的波形以及一个动脉脉搏的Ps和Pd的已知值估计单个动脉脉搏的Ps和Pd的方法。

校准后，跟踪传感器数据用于估计每个动脉脉搏的MAP、Ps和Pd

该系统还包括来源于跟踪传感器提供的信号的SVV估计器。

附图说明

图1示出了作为本发明的第一实施方案的系统100，以及系统100与受试者的肢体的相互关系。

图2示出了作为本发明的第二实施方案的系统200，以及系统200与受试者的肢体的相互关系。

图3示出了作为本发明的第三实施方案的系统300，以及系统300与受试者的肢体的相互关系。

图4是跟踪转换器102的电气元件的示意图。

图5示出了图2和图3的硬件组件201的详细描述。

图6示出跟踪转换器前端502的详细描述。

图7是示出包括重复校准和跟踪活动的算法700的流程图。

图8示出了包括电气模型(对应于心血管模型)804和跟踪传感器模型805的组合电气模型800的电气示意图。

图9是图8中的元件802的一个实施方案的电气示意图。

图10是图8中的元件802的一个替代实施方案的电气示意图。

图11是表示图8的双端口网络803的一个实施方案的双端口网络1100的示意图。

图12示出了含有一系列动脉脉搏的波形，以及有助于解释校准方法的标记。

图13示出了两个图；一个是实部分量的值相对于谐波频率；以及另一个是虚部分量的值相对于谐波频率，针对拟合之前的跟踪数据(测量)和模型数据。

图14示出了两个图；一个是实部分量的值相对于谐波频率；以及另一个是虚部分量的值相对于谐波频率，针对拟合之后的跟踪数据(测量)和模型数据。

图15是对应于心血管模型的电路1500的电路示意图。

图16示出了受试者心脏SV的动脉脉搏串和时间的对应关系；以及Δ函数。

图17是示出了校准步骤的流程图。

图18是示出了跟踪步骤的流程图。

图19是示出了每搏输出量估计的流程图。

具体实施方式

图1示出了第一实施方案的系统100及其与受试者的手臂101的结构相互关系。系统100包括PCM 103、袖带110，和跟踪转换器102。

跟踪转换器102包括PPG转换器并且安装在受试者的手指106上。电缆107将跟踪转换器102连接到PCM 103。袖带110安装在受试者的手臂上。两个管109将袖带110连接到PCM103。袖带110、管109，以及PCM 103包括基于示波器袖带的血压计。优选地，跟踪转换器102从其血流未被袖带110阻断的受试者区域(例如位于袖带的相反区域上的手指)获得信号。

PCM 103包括显示器104和用户控件108。

显示器104能优选地显示生物测定数据与时间的关系的图形表示104。如图1所示，生物测定数据与时间的关系可能包括动脉压。显示器104能优选地显示表示生物测定数据的时间平均值的数字数据105。如图1所示，数字数据105可以包括心率(HR)、Ps、Pd、MAP和SVV。

控件108优选地使用户能够对PCM 103进行编程，以图形方式显示不同的生物测定数据与时间的关系(诸如ECG和/或压力波)，改变图形显示的时间刻度，以及改变用于获得时间平均数字数据105的动脉脉搏的时间或数量。控件108还可以用于控制顺序校准之间的时间延迟，或者用于激活立即校准。

PCM 103、管109，和袖带110能够测量压力变化，由此可以估计Ps、Pd和MAP。Ps的测量通常发生在测量Pd之前或之后的几秒到不到一分钟，因为袖带会放气或膨胀。优选地，PCM 103被编程为从基于袖带的测量中确定MAP的值、Ps的值，和Pd的值。

PCM 103包括至少一个数字处理器，诸如Intel^tmI7处理器。优选地，该至少一个处理器对由袖带110和跟踪转换器102转换的数据执行数学算法。优选地，该至少一个处理器从由袖带110和跟踪转换器102转换的数据来确定HR、Ps、Pd、MAP和SVV数值中的一个或更多个，以及如显示器104中示出的动脉压波。

图2示出了系统200的物理元件和受试者的手臂101。系统200包括硬件组件201，和PCM 103。

硬件组件201包括与PCM 103的外壳(enclosure)分开的外壳。电缆107将跟踪转换器102连接到PCM 103。或者，电缆107可以含有分支，所述分支具有连接到硬件组件201的分支的一侧和连接到PCM 103的分支的另一侧。管109将袖带110连接到硬件组件201。两个管203将硬件组件201连接到PCM 103。这些管在袖带110和PCM 103之间传递压力。或者，管109可以含有将压力直接传递到硬件组件201和PCM 103两者的分支。

电连接202将硬件组件201连接到PCM 103。电连接202提供硬件组件201到PCM 103之间的单向(从PCM 103到硬件组件201)或双向通信。

在从PCM 103到硬件组件201的单向通信的情况下，硬件组件201从PCM 103接收校准传感器值(诸如从来自袖带110的数据确定的值)以及可选地接收跟踪传感器值(诸如由跟踪转换器生成的值)，并且可选地使用电连接204将经估计的压力波传递到PCM。导线204包括用于模拟连接的四条导线。导线204向PCM 103提供例如要显示的动脉压值。

在硬件组件201和PCM 103之间双向通信的情况下，电连接202还可以向PCM 103发送数据。电连接202可以将来源于校准传感器(袖带110)和跟踪转换器102的任何一个或更多个数据发送到PCM 103，用于在PCM 103上显示。将数据转换成期望的输出数据格式(诸如任何特定PCM模型所需的数据格式)的PCM接口的设计是众所周知的。任何特定PCM所需的特定数据格式可以是任何特定PCM制造商的专有数据格式。然而，鉴于专有格式，编程或设计接口(使得通过电连接202进行传递)完全在本领域任何技术人员的能力范围内，并且是常规工程和编程问题。

从硬件组件201转移到PCM 103的数据可以包括用于由PCM 103显示的任何值，包括时间相关轨迹和数字数据。关于警告PCM或硬件组件201存在内的人，警告可以基于受试者的生物测定情况，或者生物测定数据不可靠的确定。例如，当生物测定数据指示不可靠性时，硬件组件201或PCM 103可以应用可靠性算法来确定。例如，不可靠性可以由跟踪传感器的输出信号的低信噪比；来源于连续的心动时间段的数据的相对较大的变化；动脉脉搏与其模型的匹配失败(例如，由于缺乏数值近似算法的收敛性)来指示。例如，警报可以包括声音或可视指示器，并且可选地包括警报的特定原因的声音或可视指示。

图2的PCM 103类似于图1的PCM 103，但还包括连接到线路202的端口，用于将数据从PCM 103传递到硬件组件201。该端口用于从PCM读取校准传感器值以及可选地跟踪传感器值。在另一个实施方案中，该连接使得能够通过导线202将经估计的BPV值、BPV跟踪值和警报从硬件组件201传递到PCM 103。

硬件组件201处理其从袖带110和跟踪转换器102接收的信号，并且可选地处理其从PCM 103接收的信号，以生成表示受试者的动脉压的数字信号。

或者，对于第一和第二结构实施方案，无线信号传送器可以取代上述导线。

或者，对于第一和第二结构实施方案，完整的血压计(包括用于加压和放气袖带的装置)可以取代上述袖带110，并且有线或无线信号传送器和/或收发器可以将该完整的血压计耦连到PCM 103，或耦连到PCM 103和硬件组件201。在该替代方案中，不需要PCM 103和硬件组件201中的血压计元件。

在第一和第二结构实施方案中，优选地，PCM 103包括血压计的压力驱动元件。

图3示出了系统300的物理元件和受试者的手臂101。系统300包括硬件组件201，PCM 103和外部显示器302。

图3示出了外部显示器302到硬件组件201的连接301。外部显示器302能够显示来自硬件组件201的BPV数据。跟踪转换器102可以连接到硬件组件201、PCM 103，或两者。

图4是跟踪转换器102的电气元件的示意图，包括发光二极管401和402；光电探测器PIN二极管403、电缆107内的导线405至410，以及认证装置411。这种跟踪转换器包括一个或更多个发光装置和一个或更多个光敏装置的组合，当其安装在受试者器官上时，可以检测该器官的一部分中的光吸收的变化。转换器102包括光源和能够区分对应于动脉压的脉动分量的检测器。信号的DC分量归因于皮肤组织的大量吸收，而AC分量直接归因于由对应于心动周期的压力引起的其放置的身体器官的血量的变化。通常两个光源是发光二极管401和402。LED 401发射波长为940nm的红外光，而LED 402发射波长为660nm的红光。这些波长是典型的值，并且其他波长能用于红外和可见光区域，包括有时也会使用的绿光。转换器还包括光电探测器PIN二极管403。跟踪转换器可选地还包括向转换器提供唯一ID的认证装置411。这种布置连同组件201中的适当设置将保护受试者不与预先在另一受试者上使用的转换器配合。可选的认证装置411包括用唯一ID编程并具有单触点一导线式接口的集成电路ROM，如Maxim半导体的DS28E05。

跟踪转换器102通过电缆107连接到合适的接口。电缆107通常包括4或6根导线。一对导线(405，406)用于光源，一对(407，408)用于光电探测器，以及可选的一对(409，410)用于认证装置。

图5示出了包括压力传感器501；跟踪转换器前端502；处理系统503；数模(D/A)转换器505；与PCM的接口504；以及显示接口506的硬件组件201。所有这些电路模块都通过数字总线507互连。

电路模块：压力传感器501；跟踪转换器前端502；显示接口506；以及D/A转换器505是可选的。压力传感器501感测在袖带110中提供的空气压力。PPG前端502与跟踪转换器102连接，以及提供并与处理系统503连接。处理系统503可以运行实时BPV和/或SVV估计算法。处理系统503可以将BPV和/或SVV数据传递到接口电路504；D/A转换器505；和显示接口506中的一个或更多个。

在实施方案中，接口电路504读取由PCM 103提供的校准数据，并且可选地还读取由跟踪转换器102发送到PCM 103的数据。在实施方案中，跟踪转换器直接连接到组件201，并且连接到PCM 504(其连接到PCM 103)，用于读取校准数据。在实施方案中，连接到PCM504将经估计的压力值发送到PCM 103。在一个实施方案中，使用D/A转换器505以模拟形式将该数据发送到PCM 103。在实施方案中，接口电路504将BPV和/或SVV数据转换为与PCM103兼容的格式，并通过导线202将形式兼容的数据传输到PCM 103。接口电路304可以格式化用于传输串行RS232连接、USB、以太网(LAN)或PCM 103能够接收BPV和SVV数据的任何其他数据格式的数据。

在硬件组件201和PCM 103之间双向通信的情况下，接口504还可以向PCM 103发送数据。接口504可以将从校准传感器(袖带110)和跟踪转换器102获得的任何一个或更多个数据发送到PCM 103，用于在PCM 103上显示。将数据转换成期望的输出数据格式(诸如任何特定PCM模型所需的数据格式)的接口的PCM设计是众所周知的。任何特定PCM所需的特定数据格式可以是任何特定PCM制造商的专有数据格式。然而，鉴于专有格式，编程或设计接口(这种接口504)完全在本领域任何技术人员的能力范围内，并且是常规工程和编程问题。

图6示出跟踪转换器接口电路502。当跟踪转换器与跟踪转换器接口连接时，它们一起提供光体积描记传感器的功能，其通常用于监视受试者组织中的血液灌注。

跟踪转换器接口电路502包括跨阻放大器601；滤波电路602；数字(A/D)转换器603；LED驱动器604；电流控制D/A转换器605；和数字接口电路606。

LED驱动器604驱动电流脉冲到LED。这些脉冲的电流由电流控制DAC 605控制，该电流控制DAC 605又由数字接口电路606控制。来自光电检测器403的信号由跨阻放大器601放大，由滤波电路602滤波，并由A/D数字转换器603采样。来自603的信号连接到数字接口电路606。数字接口电路606通过总线507连接到处理器。在电缆107含有具有连接到硬件组件201的分支的一侧和连接到PCM 103的分支的另一侧的分支的情况下，不需要并且可以不应用LED驱动器604和电流控制D/A转换器605。

组合电气模型

图8示出了组合电气模型800，包括心血管系统电气模型804和传感器系统模型805。

心血管系统电气模型804包括电流源801；负载802；双端口网络803；电流源801的输出与负载802和双端口网络803两者的输入之间的等电位连接807。

传感器系统模型805定义了另一个双端口网络。传感器系统模型805具有与双端口网络803的输出具有等电位的输入。元件801；802；803和805的所有连接(reference)端被公共接地。

传感器系统模型805的输出806是组合电气模型800的输出。

组合电气模型800的频域输出信号由下式定义：

(28)Y(w)＝N*Xh(w)*Zl(w,MAP)*Hx(w)*Hs(w)，其中：

w表示频率；

N为实数；

Xh(w)表示由电流源801产生的电流。

Zl(w,MAP)表示负载802的输入阻抗。

Hx(w)表示具有无限输入阻抗的双端口803的转移函数。

Hs(w)表示双端口805的转移函数。

Xh模拟心脏的泵送。Zl模拟主要动脉的阻抗；Hx模拟将心脏附近的动脉压输出转移到测压位置的动脉压；Hs模拟从测量位置的动脉压变为跟踪传感器输出信号。

星号(*)表示乘法；w表示频率；以及MAP如上定义。该模型假定Z1是唯一的MAP依赖函数。

对于MODEL1(w)是MODEL1的频域输出信号：

(29)

其中：

MODEL1表示来自组合电气模型的输出信号，如上文的第一种归一化和拟合方法中所描述的。

对于MODEL2(w)是MODEL2的频域输出信号：

(30)

其中：

Xh(w)是图8的心函数801；

w1是建模的动脉脉搏的第一谐波的频率；

Zl(w)是由图8中的负载802表示的心脏负载阻抗；

Hx(w)是心脏到指尖的转移函数；以及

Hs(w)是跟踪传感器前端的转移函数。

Xh(w)的一个选项是：

(31)

在该方程中，Γ和FT是模型参数，并且

表示离散傅立叶变换(DFT)。

发明人已经发现，Γ的固定值为3.0至9.0、并且优选Γ等于6.154就足以跟踪BPV。

FT是模型参数之一。

在实施方案中，心函数是一致的：Xh(w)＝1，表示狄拉克Δ函数的傅里叶变换。

在实施方案中，Xh(w)是三角波的傅里叶变换：

(32)

α是模型参数。在实施方案中，α的值在校准期间确定。在实施方案中，α的值在跟踪期间确定。

Hs是图8的双端口805的转移函数。双端口网络805可以包括提供有限持续时间输出的低通滤波器(FIR滤波器)和在任何有限时间响应不为零的高通滤波器(IIR滤波器)。

图9示出了图8中的负载802的一个实施方案的电气示意图。

负载802包括电阻器902、电感器903、电容器904，和电阻器905。电阻器902、904被公共接地，并且电阻器902和电感器903连接到等电位连接807。电容器904的值对应于其中电容依赖于MAP的心血管模型，并且按1/MAP变化。

图9的示意如下：

(33)

其中

S＝j*w；

以及w₀、Q、和τ为模型参数；

Ts是表示相应的心动周期开始的确定时间和心脏收缩开始时的确定时间的时间差的参数，以及w₀是零频率。

在另一个实施方案中，Z_l定义为：

(34)

其中，

w01、w02、Q、τ和Ts是通过拟合确定的模型参数。

图10示出了图8中的负载802的一个替代实施方案的电气示意图。在图10中，负载802包括传输线1001和终端1002。终端1002包括在传输线1001上并联的电容器1003和电阻器1003。

负载802的输入阻抗为：

(35)

，

其中：

Z₀是MAP的函数；

Zt是由在传输线1001上并联的电容器1003和电阻器1003定义的终端阻抗；

β是w和MAP的函数；并且

L是传输线1001的长度。

在实施方案中，Z₀与sqrt(MAP)成比例。

在实施方案中，β与w*sqrt(MAP)成比例。

在实施方案中，电容器103的电容与1/MAP成正比。

图11示出了表示图8的双端口网络803的一个实施方案的双端口网络1100的示意图。双端口网络1100包括输入1103和输出1104，每个包括两个终端，传输线1101和终端1102。V1和V2分别表示输入和输出的电压。

图11的转移函数是Hx(W)的一个实施方案。此转移函数为：

(36)

，

其中：

t_d、Γ是常数。

图12示出了波形1201、时间1202、动脉脉搏1203，和波形1201的波形段1204。图12示出了跨越一系列5个动脉脉搏的波形段1204。波形段1204中的所有动脉脉搏在时间上与时间1202相对接近。波形段1204示出了系统100、200、300可以使用跟踪数据进行校准的时间段。波形段1204中示出的五个动脉脉搏仅用于说明目的。只要使用至少一个动脉脉搏的跟踪数据，就可以使用来自跟踪数据的更多或更少的动脉脉搏。波形1201表示来自跟踪转换器波形段1204的数据，波形段1204示出含有多个动脉脉搏的段。波形1201示出了半重复动脉脉搏，其对应于由跟踪传感器监视的受试者身体位置中的动脉压变化，并且还对应于心动周期的周期。每个动脉脉搏显示两个最大值，由对应于重搏切迹的极小值隔开，并且第一最大值大于第二最大值。波形1201用于说明本发明并因此显示相对相同的动脉脉搏。实际动脉压波形通常具有彼此大不相同的心动周期和幅度。

优选地，来自用于校准的跟踪数据的动脉脉搏发生在时间1202的10分钟内，更优选地在时间1202的1分钟内，更优选地在时间1202的20秒内，并且最优选地在时间1202的10秒内，包括在时间上与时间1202重叠的动脉脉搏。

时间1202识别PCM 103或硬件组件201确定为校准传感器确定校准值Ps、Pd或MAP的值的时间1202。在实施方案中，处理系统确定校准传感器获得数据的时间，所述数据用于确定Ps、Pd或MAP，并识别最接近该时间的跟踪数据中的动脉脉搏。例如，脉搏1203跨越时间1202。处理系统在校准过程中使用来自该脉搏1203的数据。在其他实施方案中，处理系统在校准过程中使用脉搏1203和其他脉搏(诸如相邻脉搏)的数据，或者使用波形段1204中的所有脉搏的数据。

在一个实施方案中，动脉脉搏1203在压力传感器501中或由PCM 103识别为在一个心动周期内产生最大压力波动的脉搏。在校准过程中，该动脉脉搏频率内容和校准值被用来训练模型，并找到与测量信号尽可能匹配的模型参数。

在包含用于测量血压的形式的袖带的实施方案中，处理系统可以确定在一个心动周期内压力随时间变化最大的时间点。如上所述，处理系统可以使用接近该时间的跟踪传感器数据进行校准。

图13示出了两个图；一个是实部分量相对于谐波频率的值；以及另一个是虚部分量相对于谐波频率的值，针对拟合之前的跟踪数据(测量)和模型数据。

图13的上图示出了跟踪数据(测量)和模型数据的实部分量值与谐波频率的关系。图13的下图示出了跟踪数据(测量)和模型数据的虚部分量值与谐波频率的关系。图13示出了将所选模型与跟踪数据拟合之前的数据。图13示出了沿x轴的谐波。这些谐波的频率是除以心动脉搏周期的整数。

图13示出了模型的基频1、2和3倍的DC分量和谐波频率的值。

图13示出了跟踪数据(在一个心动时间段内获得的并用于心动时间段的持续时间)在2和3处的基频和谐波的值。图13示出了没有用于跟踪数据的DC值，并且处理系统没有使用跟踪数据的DC值。

图14示出了两个图；一个是实部分量相对于谐波频率的值；以及另一个是虚部分量相对于谐波频率的值，针对拟合之后的跟踪数据(测量)和模型数据。

图14的上图示出了跟踪数据(测量)和模型数据的实部分量值与谐波频率的关系。图14的下图示出了跟踪数据(测量)和模型数据的虚部分量值与谐波频率的关系。

图13和图14示出了相同脉搏的数据并且因此示出了具有相同频率的谐波的数据。图14示出了拟合后的数据。图14示出了模型DC分量的值，以及模型和跟踪数据两者基频的1、2和3倍谐波的值。图14示出了与跟踪数据谐波1、2和3倍于基频的值最佳拟合的模型数据。

在一些实施方案中，为了拟合校准，使得w₀、Q、τ、Ft和Ts能够变化以获得最佳拟合。

在一些实施方案中，对于跟踪，τ和Ts是固定的，并且使得w₀、Q、τ、FT能够变化以获得最佳拟合。在这种情况下，τ和Ts是固定值，其是校准期间确定的τ和Ts的值的函数。

图15示出了对应于心血管模型的电路1500的电路示意图。该模型可作为跟踪期间确定PP的依据。图15示出包括电流源1501、电阻器1502、电容器1503，和接地1504的电路1500。R电阻器1502和电容器1503并联并被接地1504。图15具有对频率的响应，该响应是具有单极的函数。在低至心脏基波的频率下，心血管系统能被认为是一个单极系统。

电路1500是简化的单极模型，其可由处理系统在校准期间用来确定τ₁(在下面定义)。在跟踪期间，处理系统可以使用从校准中确定的τ₁、MAP和PP以及在跟踪期间估计的MAP来计算跟踪期间的PP。

电路1500具有第一谐波幅度H1与DC幅度H0之比：

(37)

其中：

R为电阻器1502的电阻；

C是电容器1503的电容；

S＝j*w，其中w是角频率。

在相应的心血管模型中，C与1/MAP成比例。在相应的心血管模型中，PP/MAP＝(H1/H0)*K，其中K是FSUB的公式中指定的数字。因此，该电气模型能够确定相对应心血管模型的PP。

MAP和PP值在校准过程中确定，以提供MAP1和PP1。使用这些值可以如下计算τ₁：

(38)

其中

(39)K是如上定义的常数；

以及

IBI₁是另一个动脉脉搏的心动时间段。

PP2是对具有MAP2的特定动脉脉搏的PP的估计。

(40)

其中：

MAP 2按上述MAP跟踪方法进行估计；

并且

IBI₂是特定动脉脉搏的心动时间段。

在与图15无关的不同实施方案中，处理系统可以假设以下关系来计算PP2：

(41)

图16示出了与受试者心脏SV相对应的动脉脉搏串和时间；以及Δ函数。

图16示出了轨迹1601、1602和Δ函数1603；标记1604；以及时间差ΔT，1605。

轨迹1601示出了合成的动脉压与时间的关系。轨迹1602表示心脏血流量与时间的关系。Δ函数1603的大小表示在等于每个舒张阶段结束的时间处的心脏每搏输出量的值。标记1604识别处理系统根据跟踪传感器数据确定为心动周期开始的时间。可以如上所述在校准的第四步骤：“处理跟踪传感器数据”中从特有的特征中识别标记点1604。时间差1605识别舒张末期和标记点1604之间的时间ΔT。

与心血管系统相关的处理

处理系统使用图16中所示的数据来确定心动周期的开始和结束时间。如上文在SV估计的讨论中所描述的，处理系统使用心动周期开始和结束时间、轨迹1601，和特定的心血管模型来确定心动周期的ΔT和SV的一个值。

上述SV估计处理基于该特定的心血管模型。该心血管模型假设心脏血流量随时间的变化是一系列可变振幅Δ函数(如1603所示)与心脏函数xh(t)的卷积。例如，xh(t)可以由方程(31)的傅里叶变换的自变量来定义，其是：

(42)

心脏血流量(hbf)随时间的傅里叶变换为：

(43)

其中：

Xh(w)取自方程(31)；

SVi是i＝0，…，N-1个每搏输出量SV的每搏输出量。

S＝j*w；并且

t_i是Δ函数的脉搏i的示例。

动脉压随时间的变化仅仅是hbf与包括图8的负载802、双端口网络803和跟踪传感器805的相对应组合电气模型的脉搏响应的另一种卷积。

在频域中，这可以按照方程(29)表示为：

(44)Y(w)＝HBF(w)*Hsys(w)

其中，Hsys(w)定义为：

(45)Hsys(w)＝Zl(w)Hx(w)Hs(w)

并因此，将每搏输出量连接到由传感器测量的信号Y(w)的频谱的方程为：

(46)

Y(w)和Hsys(ωw)都是向量，即一系列值，优选为复数，其长度等于未知SV的长度，该未知SV也是向量，其是值的列表，优选为实数。因此，我们可以将方程(46)重写为：

(47)

我们在矩阵符号表示方程(47)：

(48)

其中我们定义：

(49)

并且其中M是矩阵的形式

(50)

L是表示时移的对角线矩阵，

SV是实数SV值的排列，Hsys如方程(45)中定义，并且Y(w)是输出处的经测量信号。

系统维度N是将要分析的节段中的动脉脉搏数。这也是执行分析的频率数。

然而，我们有N个复方程和N+1个实数未知。这些是N维实向量SV和实值ΔT。

为了求解SV的方程组，我们将通过最小化SV的平方和来最小化SV的虚部，通过找到最小化误差函数的时移ΔT来最小化SV的虚部：

(51)

使用最小化算法，例如L-BFGS-B，其中SV_i是求解SV的方程(48)的结果。

在一个实施方案中，方程(48)的解是：

(52)

由于频域信号产生于具有整数个动脉脉搏的模拟信号的DFT，所以N个频率将被相等地跨越，w[n+1]-w[n]＝w[n]-w[n-1]。

为了获得最佳质量估计，用于求解的N个频率应该是信号最强的地方，并且这发生在分析节段的平均心率频率附近。由于需要该平均频率附近的N个频率，因此有必要包括频率F＝[HR/2，HR/2+HR/N，HR/2+2*HR/2…3/2*HR-HR/N]或从该光栅(raster)小幅偏移几个HR/N。实际上，建议频率光栅在HR/4到7/4*HR之间。

值得注意的是，虽然分析使用心血管系统模型[Hsys]来求解未知SV，但实际结果对[Hsys]的精确值不敏感。因此，即使对该模型的值进行充分的有根据的猜测，也足以实现对SV的良好质量估计。

一种用于估计SV的比例或血压，或两者的系统，包括：

一种处理系统，所述处理系统包括处理单元和存储器；

所述处理系统被设计为接收来自校准传感器的校准传感器数据；

所述处理系统被设计为接收来自跟踪传感器的跟踪传感器数据；

处理系统被设计为基于校准传感器数据和跟踪传感器数据的函数来确定归一化值；

并且

处理系统被设计为将跟踪传感器数据的至少一个谐波值除以归一化值。

Claims

1.一种用于估计受试者的血流动力学参数的值的系统，所述系统包括：

处理系统，所述处理系统包括处理单元和存储器；

其中，所述处理系统被设计为从获自受试者的校准传感器数据确定至少MAP、PP、Ps和Pd的校准值；

其中，所述处理系统被设计为从变量的函数计算FSUB值，所述变量包括：MAP；PP；和从所述受试者获得的跟踪传感器数据的DFT的谐波的值；

其中，所述处理系统被设计为使用所述FSUB值和所述校准值计算至少一个血液动力学参数的血液动力学值；并且其中，所述处理系统被设计为存储或传输经计算的血液动力学值。

2.一种包括使用系统估计受试者的血流动力学参数的值的方法，所述系统包括处理系统，所述处理系统包括处理单元和存储器，所述方法包括：

所述处理系统从获自受试者的校准传感器数据确定至少MAP、PP、Ps和Pd的校准值；

所述处理系统从变量的函数计算FSUB值，所述变量包括：MAP；PP；和从所述受试者获得的跟踪传感器数据的DFT的谐波的值；

所述处理系统使用所述FSUB值和所述校准值计算至少一个血液动力学参数的血液动力学值；并且

所述处理系统存储或传输经计算的血液动力学值。