[发明专利]排尿感知检测方法及装置

权利要求书

1.一种排尿感知检测方法，其特征在于，包括： 

S1，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； 

S2，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； 

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； 

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； 

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。 

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[0.04Hz，0.4Hz]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Y： 

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

Y(i)=[RR(i),RR(i+1),RR(i+2)]    i=1,2,3,...N-2； 

按照以下公式计算两个模版间的距离： 

其中，d(X(i),X(j))表示模版X中第i个模版和第j个模版之间的距离，d(Y(i),Y(j))表示模版Y中第i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： 

根据所述阻抗序列进行计算，可以获得阻抗近似熵： 

。

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/HF_心电=LF_心电(0.04-0.15Hz)/HF_心电(0.15-0.4Hz)； 

LF/HF_阻抗=LF_阻抗(0.04-0.15Hz)/HF_阻抗(0.15-0.4Hz)； 

其中，LF_心电（0.04-0.15Hz）表示RR序列在频带[0.04，0.15Hz]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[0.04，0.15Hz]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[0.15，0.4Hz]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[0.15，0.4Hz]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-N-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N个神经元，其中数目N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： 

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