论文部分内容阅读
脑血流自动调节能力是指当血压在一定范围内波动时,脑血管为了维持脑血流量的恒定,通过脑部毛细血管的微扩张和微收缩来阻止血流量随血压的波动而突变,是脑血管动力学特征参数之一,一般用于衡量脑血管硬化程度。脑血流自动调节能力较差者一般脑血管硬化严重,容易诱发高血压、脑中风等心脑血管疾病。心脑血管疾病其动力学参数变化往往早于形态学上的变化,在发病初期动态脑血流自动调节能力往往已经发生明显的降低,因此检测动态脑血流自动调节能力可以使心脑血管疾病的早期诊断更为及时准确。目前临床应用与实验室研究比较常用的检测动态脑血流自动调节能力的方法是通过下肢束带法、Valsalva实验等动作改变动脉血管压力来形成扰动信号,观察动脉血压和动态血流速度在扰动影响下的相位变化来推断出动态脑血流自动调节能力的状态。由于需要施加外部的扰动,准确性不高,有危险性,加之动态血压检测设备造价昂贵,难以推广。本系统提出用正常呼吸状态下胸部肌肉运动引入的扰动信号来代替通过局部压迫产生的扰动信号,基于KJ-2V2U型便携式超声经颅多普勒血流分析仪(以下简称KJ-2V2U)和HK-2000H型集成化数字脉搏传感器(以下简称HK-2000H)进行设计开发。先提取出同步的动态血流信号和脉搏信号,然后从血流信号中提取出血流速度信号,再将双路信号分别进行经验模态分解,将与扰动频率(即呼吸频率)处于同一频率段的内模函数分量进行希尔伯特变换求出其瞬时相位,最后用瞬时相位差来衡量动态脑血流自动调节能力。为了验证本文提出的动态脑血流自动调节能力检测系统的性能,本文用VC++来实现血流和脉搏信号的同步采集,用MATLAB来实现算法并对算法进行性能评估。在实验中,首先通过对KJ-2V2U的CSocket口和HK-2000H的COM口进行串口控制来实现对脉搏和血流信号的同步采集；其次将采集到的双路信号进行精确的同步化处理；再次从血流信号的时频分布中提取出血流速度信号；接着将脉搏和血流速度信号进行经验模态分解,提取出受扰动信号影响的主导频率分量；最后将双路信号的主导频率分量通过希尔伯特变换得到其瞬时相位,并计算瞬时相位差。实验结果表明：本系统不仅能够满足动态脑血流自动调节能力检测的要求,而且对传统的方法提出了改进性实验研究：将对血管制造压力形成的扰动信号变为人体正常呼吸状态下胸部肌肉运动引入的扰动信号,将采集动脉血压的动态血压检测设备变为脉搏传感器,提高了检测方法的准确性,降低了对人体的危险性,降低了系统成本。