一种基于血流动力学的数字人体心血管系统的构建方法和应用

技术领域

本发明涉及数字人体系统的构建方法，特别是涉及一种基于血流动力学的数字人体心血管系统的构建方法和应用。

背景技术

血流动力学参数与心血管疾病有着密切的关系，其参数的提取较为盲目。无创血流动力学监测技术是包括脉搏波探测、心电信号探测、心音信号探测在内的血流动力学监测技术。各类信号表现出的波形特征(如形态、强度、速度、节律)能够反映出人体心血管系统的许多生理和病理特征，如心律不齐、二尖瓣病变、主动脉瓣病变、高血压、肺动脉高压、心力衰竭等。无创血流动力学监测技术有着实时动态、无创、便捷等优势，适合包括临床诊疗、日常健康管理、运动管理在内的多场景心血管健康监测工作。

然而，现有绝大多数的产品、研究工作仅着眼于动脉系统的某一节段(如颈动脉、肱动脉、桡动脉、下肢动脉)的血流动力学特征，而对整体动脉系统的检测、研究较为缺乏。并且，人体不同部位的动脉的健康状态不尽相同，不同动脉的血流动力学状态也不尽相同。比如，人体的左、右上肢血压可能存在差异，人体上下肢血压也存在差异。人体心血管系统不同部位、不同性质的病变，对血流动力学信号的波形特征的影响也不尽相同。现有无创血流动力学监测技术仅限于研究某些节段动脉的血流动力学特征，而对整体动脉系统的检测、研究较为缺乏。

数字人体是当今医学科学技术、信息科学、生命科学、人工智能、系统科学、计算科学和计算机技术的高度综合技术。现如今数字人体技术停留在基于医学影像的3D层析数字人体，在医学教育起着辅助作用。包括人体心血管系统在内的生理参数尚未能构建数字化生理人体模型。

发明内容

发明目的：本发明的目的是提供一种基于血流动力学的数字人体心血管系统的构建方法和应用，基于血流动力学的全身分布式监测系统，通过脉搏信号、心电信号、心音信号的实时采集、特征信息提取、血流动力学参数计算，实现针对人体动脉系统的监测。

技术方案：本发明所述的一种基于血流动力学的数字人体心血管系统的构建方法，包括以下步骤：

(1)根据分布式血流动力学监测系统划分人体各部位，并确定数字人体模型系统的颗粒度；

(2)基于动脉血管弹性管模型，构建动脉血流传输函数，并定义函数特征值的生理含义；

(3)将分布式血流动力学监测系统采集到的信号、特征值、血流动力学参数输入至数字人体模型系统中；

(4)通过有限元计算获得动态的分布式的数字人体心血管系统。

其中，所述分布式血流动力学监测系统包括脉搏传感器、心电传感器、心音传感器和信号采集分析系统；所述脉搏传感器包括设置于人体表浅动脉位置的动脉脉搏传感器和设置于人体微血管处的光电容积脉搏波传感器，所述心电传感器用于采集不同导联下的心电图信号，所述心音传感器用于采集不同部位下的心音信号；所述信号采集分析系统与传感器相连并实时动态接收检测到的人体生理信号，并进行信号分析、特征值提取、血流动力学参数计算，以及信号、特征值、参数的存储。

其中，分布式血流动力学监测系统对采集的信号处理，信号处理包括如下步骤：

(1)脉搏、心电、心音信号的预处理，用于提高信号信噪比并排除干扰信号；

(2)提取各类信号的特征值，各特征点之间的强度差与时间差；

(3)多信号协同分析，在各信号同步采集的基础上提取各信号之间的特征值；

(4)计算血流动力学参数，根据脉搏、心电、心音各信号及预设信息计算出多种心血管参数。

优选地，动脉血流传输函数为：

其中，P、Q分别为沿管截面平均的压力和流量；x为坐标，t为时间；L、R、C分别表征流动惯性、黏性阻力和管壁顺应性。

进一步地，动脉血管中，流动惯性

其中，ρ、μ、r

其中，上述分布式血流动力学监测系统监测的人体心血管参数包括：标准肢体导联心电信号、主动脉部位心音信号、左右桡动脉脉搏信号、左右肱动脉脉搏信号、左右脚背动脉脉搏信号、左右胫骨动脉脉搏信号、颈总动脉脉搏信号。

上述步骤(1)中，预处理包括傅里叶滤波、小波变换、自适应滤波和数学形态法。

上述步骤(3)中，多信号协同分析在脉搏、心电、心音信号同步采集的基础上，信号之间的特征值包含着脉搏波传播路线上心血管的健康信息；所述特征值包括：脉搏波到达时间PAT、脉搏波传播时间PTT、射血前期持续时间PEP和脉搏波传播速度PWV；其中，PAT＝PEP+PTT。

本发明还提供了上述方法构建得到的数字人体心血管系统。

本发明还提供了上述基于基于血流动力学的数字人体心血管系统在非疾病诊断方面的应用，如疾病机理研究、医学教学培训、药物研发、结合增强现实/虚拟现实AR/VR的远程医疗技术等。

(1)人体心血管健康状态预测功能为：基于用户的个体数字人体模型和血流动力学原理，计算估计出用户心血管状态的演变过程，包括已有疾病的演化过程和其他疾病的概率，并提出医疗建议。

(2)疾病机理研究为：通过大数据技术，统计疾病所对应的数字人体模型特征，进而计算估计出疾病的演化过程。该数字人体模型能够动态呈现人体各部位的负载(如血压)，对疾病机理的研究具有积极作用。

(3)医学教学培训，以分布式、动态的数字人体模型和基于大数据的丰富的样本，能够可视化地展示人体心血管系统以及相关疾病的演化过程，对相关专业人员的理论技术教学培训起到积极作用。

(4)药物研发仿真功能，药企可将其药物作用数字化，加载至本专利提出的数字人体模型上，计算仿真出人体的心血管状态变化和疾病的演化过程。对药物的研发、给药时间位置的研究起到积极作用。

(5)远程医疗技术，本专利提出的数字人体模型，可结合5G技术、AR/VR技术，实现远程医疗。将用户的数字人体模型实时动态地显示在医生面前，提高诊疗质量。该数字人体模型对远程医疗的实现具有推动作用，对未来医疗模式、医疗资源的再分配起到积极作用。

进一步地，本发明所述脉搏传感器，数量2个及以上，分为动脉脉搏波传感器和光电容积脉搏波传感器两种类型。其中，动脉脉搏波传感器又可分为传感压力、应变的力学传感器或者基于超声原理的超声传感器。动脉脉搏传感器分布放置在人体表浅动脉位置处(如颈总动脉、颈外动脉、肱动脉、桡动脉、胫骨动脉、足背动脉)。光电容积脉搏波传感器则分布放置在人体微血管处(如手脚指尖、耳垂)。

所述心电传感器，导联方式数量1个及以上。其电极分布放置在四肢、胸前、胸后。可按需构建单极导联、双极导联、胸导联等各类导联方式，并采集不同导联下的心电图信号。

所述心音传感器，数量1个及以上。可按需分布放置在主动脉部位、肺部位、三尖瓣部位、二尖瓣部位位置处，采集不同部位下的心音信号。

所述信号采集分析系统。包含脉搏/心电/心音各类信号采集、信号存储、信号处理、信号特征值提取、血流动力学参数计算、人机交互(显示、语音)、通讯(与手机、电脑等终端及云端)的功能。

基于一种基于血流动力学的全身分布式监测系统，本发明提出一种相应的信号处理算法且构建出一种基于血流动力学的数字人体心血管模型系统。

其中，信号处理算法包括对脉搏、心电、心音信号的预处理、各类信号的特征值提取算法、多信号协同分析算法、血流动力学参数计算，具体算法和模型如下：

(1)脉搏、心电、心音信号的预处理算法，包括傅里叶滤波、小波变换、自适应滤波、数学形态法，用于提高信号信噪比并排除干扰信号。

(2)特征值提取算法，提取的特征值包括：脉搏信号收缩期峰强度与时间、潮波强度与时间、舒张期峰强度与时间、波谷强度与时间、始射点强度与时间、收缩峰斜率、舒张期斜率、收缩期波形面积、舒张期波形面积、收缩期持续时间、舒张期持续时间、周期以及各特征点之间的强度差与时间差；心电信号P波、QRS波、T波、U波的强度与时间、周期以及各特征点之间的强度差与时间差；心音信号第一心音峰的强度与时间、第一心音始射点的时间、第二心音峰的强度与时间、第二心音始射点的时间、第一心音时间持续时间、第二心音时间持续时间、周期以及各特征点之间的强度差与时间差。并且，得益于本专利的传感器分布式放置的特性，脉搏信号各特征值具备着空间分布的性质。

(3)信号协同分析算法，旨在在各信号同步采集的基础上，提出各信号之间的特征值，包括：脉搏波到达时间、脉搏波传播时间、射血前期持续时间、脉搏波传播速度。这些特征值根据脉搏、心电、心音各信号特征点的不同有着不同的计算方式。并且，得益于本专利的传感器分布式放置的特性，脉搏波传播速度具备着空间分布的性质。

(4)血流动力学参数计算算法，旨在根据脉搏、心电、心音各信号及预设信息计算出多种心血管参数。预设信息按需包括：年龄、性别、身高、体重、体脂率、血液黏性。心血管参数包括：心率、血氧饱和度、收缩压、舒张压、波形特征量、平均动脉压、心搏出量、心输出量、心搏指数、心脏指数、心功指数、外周阻力、血管顺应性、血流半更新率、血流半更新时间、血流平均滞留时间、总血容量。此外，同时可解调出呼吸率。并且，得益于本专利的传感器分布式放置的特性，相关血流动力学参数具备着空间分布的性质。

本发明的技术难点如下：

(1)分布式血流动力学监测系统需具备着高的检测密度和高通量信号采集能力，以实时动态地监测人体整个心血管系统的状态，从而保证了数字人体心血管系统的高空间颗粒度与时间分辨率。

(2)本发明提出的数字人体模型需具备丰富多样的信号分析技术，以实现精确且全面的生理性数字人体模型构建。

有益效果：

本发明提出的血流动力学监测系统，继承了无创血流动力学监测技术时间上实时动态、使用感受上简单便携的特点，并且在空间上实现了全身分布式测量的优势，为数字人体心血管系统模型的构建打下硬件基础。

根据本发明的一种基于血流动力学的全身分布式监测系统，提出一种相应的信号处理算法且构建出一种基于血流动力学的数字人体心血管系统模型。

本发明提出的数字人体模型能够可视化地呈现人体各个部位的心血管参数，并且动态显示人体各个部位动脉的血压、血流的状态和心脏的电-机械行为。

本发明构建的系统通过人体各部位分布式特征值和计算出的血流动力学参数，构建出个体的基于血流动力学的动态数字人体模型。该模型能够实时动态地记录并显示人体各部位的心血管状态，具备丰富的医学价值。

附图说明

图1为基于血流动力学的全身分布式监测系统的人体佩戴示意图。

图2为系统采集到的脉搏信号和脉搏信号特征值示意图；图(a)为脉搏信号，图(b)为脉搏信号特征值示意图。

图3为系统采集到的心电信号和心电信号特征值示意图；图(a)为系统采集到的心电信号，图(b)心电信号特征值示意图。

图4为系统采集到的原始心音信号、呼吸率信号、心音信号和心音信号特征值示意图；图(a)为系统采集到的原始心音信号，图(b)为基于原始心音信号获得的呼吸率信号，图(c)为处理后的心音信号，图(d)为心音信号特征值示意图。

图5为心电信号、心音包络信号、肱动脉脉搏信号和桡动脉脉搏信号协同分析特征值示意图。

图6为血流动力学参数计算流程图。

图7为数字人体模型示意图。

图8为智能诊断人体疾病诊断原理示意图。

图9为基于数字人体模型的药物研发仿真流程示意图。

具体实施方式

下面结合实施例对本发明进一步地详细描述。

如图1所示，基于血流动力学的全身分布式监测系统通常采用以下部件：信号采集分析系统1、上肢脉搏传感器2、下肢脉搏传感器3、颈部脉搏传感器4、心电传感器5、心音传感器6。

所述信号采集分析系统1实时动态接收脉搏传感器(上肢脉搏传感器2、下肢脉搏传感器3、颈部脉搏传感器4)、心电传感器5、心音传感器6检测到的人体生理信号，并进行信号分析、特征值提取、血流动力学参数计算，以及信号、特征值、参数的存储。此外，该系统具备人机交互能力，能够通过显示图像、语音等方式显示人体生理信号、告知人体生理状态，同时使用者可对该系统进行一定控制。该系统同时具备与手机、电脑等终端通讯的作用，通过蓝牙、WIFI等无线通讯技术将数据实时显示、存储在各类终端上。并可通过互联网，将数据传输至云端服务器，建立大数据样本库，供人工智能技术学习。

所述脉搏传感器(上肢脉搏传感器2、下肢脉搏传感器3、颈部脉搏传感器4)可按需放置在各表浅动脉或微血管位置处，进行脉搏波信号的采集。在本实施例中，上肢脉搏传感器2选择放置在左右桡动脉、左右肱动脉位置处，下肢脉搏传感器3选择放置在左右脚背动脉、左右胫骨动脉位置处，颈部脉搏传感器放置在颈总动脉位置处。脉搏波信号通过信号采集分析系统1采集并存储。脉搏波信号通过15Hz低通滤波滤除高频噪声，再通过数学形态法矫正基线漂移。图2(a)展示了桡动脉位置处处理后的脉搏波信号，其细节示意图如图2(b)所示。波形清晰显示出脉搏波的始射点O、收缩期峰A、潮波B、舒张期峰C和波谷D。通过数学形态法和动态阈值门限法提取发明内容中所述各特征值。凭借分布式脉搏传感器，四肢动脉和主动脉的各自的特征值可分别提取出来，血流动力学参数可分别计算出来。其特征值和参数的差异，给心血管疾病的诊治提供了丰富的分布式信息。

所述心电传感器5可按需构建肢体导联或胸导联方式。在本实施例中，心电电极分别放置在左右手腕和一侧脚腕处，构建标准肢体导联。心电信号通过信号采集分析系统1采集并存储。心电信号通过100Hz低通滤波滤除高频噪声，再通过数学形态法矫正基线漂移。图3(a)展示了本系统采集的肢体导联心电信号，其细节示意图如图3(b)所示。波形清晰显示出心电波形的P波、QRS波群、T波和U波。通过数学形态法和动态阈值门限法提取发明内容中所述各特征值。

所述心音传感器6可按需分布放置在主动脉部位、肺部位、三尖瓣部位、二尖瓣部位位置处，采集不同部位下的心音信号。在本实施例中，心音传感器放置在主动脉部位。心音信号通过信号采集分析系统1采集并存储。图4(a)展示了本系统采集的原始心音信号。心音信号的包络蕴含着呼吸带来的胸腔扩张的信息。如图4(b)显示，通过3Hz的低通滤波，提取出呼吸信号，用于呼吸率的计算。对原始心音信号进行20-100Hz带通滤波，实现心音信号的提取，如图4(c)显示。可清晰观测到第一心音事件与第二心音事件。通过归一化香农能量法、数学形态法提取出心音信号的包络(如图4fd))。进而通过数学形态法和动态阈值门限法提取发明内容中所述各特征值。

图5展示了多信号协同分析算法。在图5中，同步采集了心电信号、心音包络信号、肱动脉脉搏信号和桡动脉脉搏信号，对上述各类信号进行协同分析得到特征值，解调出脉搏波传播路线上心血管的健康信息。特征值包括：脉搏波到达时间PAT、脉搏波传播时间PTT、射血前期持续时间PEP、脉搏波传播速度PWV。脉搏波到达时间为心脏产生电信号到远端检测到脉搏波的时间差。脉搏波传播时间为心脏射血到远端检测到脉搏波的时间差。射血前期持续时间为心脏产生电信号到心脏射血的时间差。因此三者通常具有如下关系：PAT＝PEP+PTT。

脉搏波传播速度指脉搏波在动脉血管中传播的速度。得益于本专利的传感器分布式放置的特性，人体不同动脉的脉搏波传播速度可分别计算得到。在本实施例中，实现主动脉段、心脏-肱动脉段、桡动脉段、心脏-胫骨动脉段、胫骨-脚背动脉段的脉搏波传播速度计算。这些特征值根据脉搏、心电、心音各信号特征点的不同有着不同的计算方式。在本实施例中，通过心电信号的R波峰、心音信号S1心音峰、脉搏波信号收缩期峰计算出脉搏波到达时间PAT

血流动力学参数可通过上述脉搏2/3/4、心电5、心音6信号得出。图6展示了人体生理参数的计算流程图。呼吸率RR通过心音6信号的包络求解得出。心率HR和脉搏2/3/4、心电5、心音6信号周期T有关。包括收缩压P

应理解的是，该公式仅为本发明的具体实施例，并不用于限制本发明。

在本实施方案中，通过本系统采集一位26岁心血管健康的男性的血流动力学参数列于下表：

得益于血流动力学系统全身分布式的特点，脉搏2/3/4信号、脉搏波传播速度PWV以及相关血流动力学参数(如血压、血氧饱和度、波形特征值K、血管顺应性等)具有空间分布式的差异。以此构建出人体动脉系统的健康监测体系。如图7所示，在本实施例实现主动脉段、左右心脏-肱动脉段、左右桡动脉段、左右心脏-胫骨动脉段、左右胫骨-脚背动脉段的分布式监测。此外通过对各部位信号特征值的加权平均，实现了呼吸率RR、心率HR、心搏出量SV、心输出量CO等参量更准确的测量。

下表列出一位26岁心血管健康的男性在不同部位处的部分血流动力学相关参数：

其中，主动脉段、左心脏-肱动脉段、右心脏-肱动脉段、左心脏-胫骨动脉段、右心脏-胫骨动脉段计算的是脉搏波到达时间，即心脏产生心电信号到远端感受到脉搏信号的时间差；左桡动脉段、右桡动脉段计算的是脉搏波传播时间，即脉搏波从近端传播至远端的时间差。

通过人体各部位分布式特征值和计算出的血流动力学参数，构建出个体的基于血流动力学的动态数字人体模型。该模型能够实时动态地记录显示人体各部位的心血管状态，具备丰富的医学价值。

本专利所述数字人体模型，其构建具体步骤如下：

步骤1，根据分布式血流动力学监测系统划分人体各部位，决定数字人体模型颗粒度；

步骤2，基于动脉血管弹性管模型，构建动脉血流传输函数，并定义函数特征值的生理意义；

步骤3，将分布式血流动力学监测系统采集到的信号、特征值、血流动力学参数输入至数字人体模型中；

步骤4，通过有限元计算，获得动态的分布式的心血管体系数字人体模型。

在本实施例中，分布式血流动力学监测系统监测的人体心血管参数有：标准肢体导联心电信号、主动脉部位心音信号、左右桡动脉脉搏信号、左右肱动脉脉搏信号、左右脚背动脉脉搏信号、左右胫骨动脉脉搏信号、颈总动脉脉搏信号。因此，构建的数字人体模型可划分为主动脉段、心脏-肱动脉段、桡动脉段、心脏-胫骨动脉段、胫骨-脚背动脉段。

在本实施例中，动脉血流传输函数为：

其中，P、Q分别为沿管截面平均的压力和流量；x为坐标，t为时间；L、R、C分别表征流动惯性、黏性阻力和管壁顺应性。

在动脉血管中，流动惯性

预设信号(如年龄、性别、身高、体重)能够估计出各血管段长度。在本实施例中，针对一位26岁心血管健康的男性，身高178cm。其主动脉段血管长度估计为20cm，心脏-肱动脉段血管长度估计为45cm，桡动脉段血管长度估计为23cm，心脏-胫骨动脉段血管长度估计为105cm，胫骨-脚背动脉段血管长度估计为33cm。

本系统采集的I级信息(脉搏2/3/4、心电5、心音波形信号)反应了各动脉段的压力和流量，以及压力和流量在血管中传播的时间。本实施例中各动脉段的压力和传播时间已列于前表。

本系统计算的II级信息(血流动力学参数)，能够计算出各动脉段的血管顺应性和外周阻力。计算方式上述可见。

综合上述3级信息，可通过动脉血流传输函数计算出主动脉段、心脏-肱动脉段、桡动脉段、心脏-胫骨动脉段、胫骨-脚背动脉段流动惯性、黏性阻力和管壁顺应性，进而计算出血液密度、血液黏滞系数、血管壁杨氏模量、管壁厚度等生理参数。

最后通过动脉血流传输函数，细化人体心血管系统的划分，降低数字人体模型的颗粒度，获得空间分布率更高的人体心血管系统模型。

其功能与用途有：智能诊断人体疾病的精确医疗技术；基于血流动力学预测人体心血管健康状态；疾病机理研究；医学教学培训；药物研发仿真；结合增强现实/虚拟现实AR/VR的远程医疗技术。

在本实施例中，具体描述智能诊断人体疾病的精确医疗技术和药物研发仿真技术。

如图8所示，经用户预设年龄、性别、身高、体重等基本信息并使用本系统采集I级信息(脉搏2/3/4、心电5、心音波形信号)、计算的II级信息(血流动力学参数)后，系统能够通过疾病与信号的相关性矩阵和神经网络技术综合诊断相关疾病。得益于分布式血流动力学监测系统，相应I级信息和II级信息包含人体分布信息，对相关疾病的诊断极大提高了准确度。例如：血栓的诊断和病灶位置的判断、姿态性低血压的诊断、心衰的系统性病因溯源等。

如图9所示，企业在药物研发、医疗器械研发的过程中，可先构建相应疾病的数字人体模型。在数字人体模型动态演变的过程中，将作用数字化的药物或医疗器械作为外界激励作用在数字人体模型上，数字人体模型进而对该激励做出反馈。企业可设定人体模型的相关特征参数以评价该药物或医疗器械的效用。此外，企业可罗列药物或医疗器械的相关参数，并定义数字人体模型的评价函数，以快速获得其产品的最优性质。数字人体模型作为一种安全的、高效的、快速的、易使用的研发仿真工具，这对药物或医疗器械剂量和时机的研究起到积极促进作用。