阅读说明：本技术 一种排尿预测方法及装置 (Urination prediction method and device ) 是由 彭伟鸿 李笑 曾梓轩 于 2019-10-29 设计创作，主要内容包括：本发明公开了一种排尿预测方法及装置,针对患者无法感知尿意或无意识排尿的情况,采取测量及预测机制,通过测量患者储尿阶段的阻抗值预测得到患者未来的排尿时间,从而实现提醒患者的膀胱需适时排尿的有效性。本发明可以针对不同年龄段、体重的患者进行准确预测,同时基于生物阻抗分析技术进行膀胱阻抗值的采集,在不对患者造成创口的情况下能够预估患者的膀胱储尿情况,简化了排尿预测程序。(The invention discloses a urination prediction method and a device, aiming at the condition that a patient cannot sense the urination intention or unconscious urination, a measurement and prediction mechanism is adopted, and the future urination time of the patient is predicted by measuring the impedance value of the urine storage stage of the patient, so that the effectiveness of reminding the bladder of the patient of needing to urinate at the right time is realized. The invention can accurately predict patients with different ages and weights, and simultaneously, the bladder impedance value is collected based on the bioimpedance analysis technology, so that the bladder urine storage condition of the patient can be predicted under the condition of not causing wounds to the patient, and the urination prediction program is simplified.)

一种排尿预测方法及装置

技术领域

本发明涉及对生理事件的预测技术领域，尤其涉及一种排尿预测方法及装置。

背景技术

神经源性膀胱患者是指由于中枢神经系统中控制排尿功能神经或周围神经受损而使得膀胱尿道功能障碍，患者通常会失去感知储尿和排尿的意识，造成***感染等并发症，给患者身心健康带来极大的影响；尿失禁患者无法预知排尿时机，排尿无意识，经常性在产生尿意时尿液就不自主地漏出来，对患者生理和心理带来严重的折磨。因此对于具有如神经源性膀胱或尿失禁等的膀胱功能障碍的患者，需要预测其排尿时间，以预先采取辅助排尿措施或自主排尿措施，避免或降低***感染等并发症的影响。

现有的排尿预测方法一般采用超声、压力、位移检测膀胱容量从而进行排尿预测，这些方法的采样方式的操作较为繁琐，其中一些会对患者造成创口；并且由于这些方式难以实现对膀胱的实时监测，无法实现提醒患者的膀胱需适时排尿的有效性。

发明内容

本发明为解决现有的排尿预测方法预测过程不便，难以有效提醒患者适时排尿的问题，提供了一种排尿预测方法及装置。

为实现以上发明目的，而采用的技术手段是：

一种排尿预测方法，包括以下步骤：

S1.采集排尿预测所需的数据，包括：试验者和患者与排尿相关的身体参数，以及试验者的日排尿次数，患者各时段的膀胱阻抗值；

S2.对采集得到的数据进行分类，分别得到用于预测患者一天的排尿次数的数据集以及用于预测患者排尿时间的数据集；

S3.基于用于预测患者一天的排尿次数的数据集，通过试验者与患者的身体参数之间的相邻关系，按照相邻关系排列试验者的排尿次数，求取患者的排尿次数的平均值即为患者的预测排尿次数；

S4.基于用于预测患者排尿时间的数据集，任意选取某个时刻及其对应的膀胱阻抗值作为标记点，其余时刻及其对应的膀胱阻抗值作为数据点，计算得到若干个数据点与标记点的相邻关系，按照相邻关系排列患者的膀胱阻抗值及其对应时刻，分别求取患者的膀胱阻抗值及其对应时刻的平均值作为预测点；重复选取不同时刻的标记点求取预测点得到阻抗预测曲线，对所述阻抗预测曲线进行反函数变换得到患者的预测排尿时间；

S5.将步骤S3和S4得到的患者的预测排尿次数及预测排尿时间构成预测集合，利用所述预测集合对患者的排尿次数和排尿时间进行预测，输出预测结果。

上述方案中，针对患者无法感知尿意或无意识排尿的情况，采取测量及预测机制，通过试验者与患者尿相关的身体参数，以及测量患者储尿阶段的阻抗值预测得到患者未来的排尿时间。

优选的，步骤S1所述与排尿相关的身体参数包括试验者和患者的年龄以及BMI指数。

优选的，步骤S1所述的患者的各时段的膀胱阻抗值基于生物阻抗分析技术，并通过四电极连接法将测试电极与患者的测试部位连接测得，测得的膀胱阻抗值需进行去除异常点的预处理。

优选的，所述步骤S2具体包括：

定义试验者或患者的年龄以及BMI指数数据为影响值；

将试验者的影响值、试验者的排尿次数、患者的膀胱阻抗值和膀胱阻抗值采集时间作为数据集合{A S I T}；

将其中的矩阵{A S}作为用于预测患者一天的排尿次数的数据集，将矩阵{I T}作为用于预测患者排尿时间的数据集；

其中影响值矩阵为A＝[age BMI ...]

排尿次数矩阵为：S＝[排尿次数s]

时间段膀胱阻抗值矩阵为：I＝[i_t1 i_t2 i_t3 ... i_tn]，i_tn表示第t_n个时间段

其中第t_n个时间段中m个时刻的膀胱阻抗值矩阵为：

i_tnm表示第t_n个时间段中的第m个时刻

时间段矩阵为：T＝[t₁ t₂ t₃ ... t_n]

其中第t_n个时间段m个时刻的时刻矩阵为：

上述公式中的第t_n个时间段为患者需进行排尿的时间段。

优选的，所述步骤S3具体包括：

记录l名试验者的影响值及排尿次数，将所述矩阵{A S}分别扩展为：

设定患者的年龄为age_pre，BMI指数为BMI_pre，

从矩阵A中选取与患者参数r_pre＝(age_pre,BMI_pre)相邻的k_s个点r_j＝(age_j,BMI_j)，采用欧拉距离公式计算点r_pre到相邻的k_s个点r_j的距离：

其中r_pre＝(age_pre,BMI_pre)，r_j＝(age_j,BMI_j)；

将计算得到的距离值由小到大进行排列，得到k_s个距离值构成的分类标志矩阵d_s

基于所述分类标志，将所代表的试验者排尿次数进行排列，得到排尿次数矩阵

对排尿次数矩阵

求取平均值或加权平均值，得到患者的预测排尿次数；

其中对排尿次数矩阵求取平均值时得到的患者的预测排尿次数为：

对排尿次数矩阵

求取加权平均值时得到的患者的预测排尿次数为：

其中加权值

d_j为第j个距离值，c为预设常数值。

优选的，所述步骤S4具体包括：

在第一个时间段，将膀胱阻抗值归一化，根据第t_n个时间段中m个时刻的膀胱阻抗值矩阵i_tn，第一个时间段中m个时刻的膀胱阻抗值矩阵为：

根据第t_n个时间段m个时刻的时刻矩阵t_n，第一个时间段m个时刻的时刻矩阵为：

在上述的矩阵i_t1和矩阵t₁中按照对应关系任意选取一个标记点z_m＝(i_t1m,t_1m)，在标记点z_m选取相邻的k_t个数据点z_j＝(i_kj,t_kj)作为样本点；

利用距离公式计算标记点z_m到k_t个样本点之间的距离d_sj；

将求得的距离值d_sj从小到大进行排列，得到k_t个距离值构成分类标志d_t

基于分类标志d_t将其所代表的膀胱阻抗值进行排列，得到k_t个膀胱阻抗值的矩阵i_kt1为：

k_t个膀胱阻抗值对应的时刻矩阵t_kt1为：

根据矩阵i_kt1，求取k_t个膀胱阻抗值的平均值或加权平均值作为预测膀胱阻抗值i′_t11；

其中求取k_t个膀胱阻抗值的平均值时得到的预测膀胱阻抗值i′_t11为：

求取k_t个膀胱阻抗值的加权平均值时得到的预测膀胱阻抗值i′_t11为：

其中加权值

d_j为第j个距离值，c为预设的常数值；

由矩阵t_kt1求取k_t个时刻的平均值作为预测时间t′₁₁

由以上步骤得到预测的第一个数据点wt11＝(i′_t11,t′₁₁)

在上述的矩阵i_t1和矩阵t₁中按照对应关系任意选取第二个标记点z_m′＝(i_t1m′,t_1m′)，计算得到预测的第二个数据点w_t12＝(i′_t12,t′₁₂)

重新计算得到预测的第一个时间段m′个时刻的膀胱阻抗值：

m′个时刻的膀胱阻抗值对应的时刻为：

其中m′≤m；

对预测的膀胱阻抗值和对应时刻t_1pre组成的点进行连线得到第一时间段的预测曲线W_t1，将其与测量所得的膀胱阻抗值i_t1进行对比，即将预测曲线W_t1上的膀胱阻抗值与i_t1中的膀胱阻抗值采用均方误差进行对比，得到的误差为：

若得到的误差在预设的误差范围内，则代表预测曲线W_t1拟合准确；否则重新选取k_t的值进行计算，直至误差在预设的误差范围内停止计算；

对第二个时间段中矩阵i_t2和t₂采取上述步骤，得到第二时间段的预测曲线W_t2；依次类推得到各个时间段的预测曲线W：

W＝[W_t1 W_t2 ... W_tn]

对预测曲线W进行非线性拟合，得到阻抗预测曲线W(i,t)，将其进行反函数变换得到：

W_pre＝W(t,i)

基于进行反函数变换得到的W_pre，取第t_n个时间段中时刻t_nm的膀胱阻抗值i_tnm，得到患者的预测排尿时间：

t_pai＝θ·W_pre(t,i_tnm)

其中θ为影响系数，其大小由影响值决定。

优选的，步骤S4中所述的利用距离公式计算标记点z_m到k_t个样本点之间的距离d_sj通过以下任一种公式计算：

一、

二、dt_j＝|z_m-z_j|

三、

σ为预设常数值；

四、

五、

以上的公式中z_m＝(i_t1m,t_1m)，z_j＝(i_kj,tk_j)。

本发明还提供了一种排尿预测装置，包括：

数据采集模块，用于采集排尿预测所需的数据，包括：试验者和患者与排尿相关的身体参数，以及试验者的日排尿次数，患者各时段的膀胱阻抗值；

数据分类模块，用于对采集得到的数据进行分类，分别得到用于预测患者一天的排尿次数的数据集以及用于预测患者排尿时间的数据集；

排尿次数预测模块，用于基于用于预测患者一天的排尿次数的数据集，通过试验者与患者的身体参数之间的相邻关系，按照相邻关系排列试验者的排尿次数，求取患者的排尿次数的平均值即为患者的预测排尿次数；

排尿时间预测模块，用于基于用于预测患者排尿时间的数据集，任意选取某个时刻及其对应的膀胱阻抗值作为标记点，其余时刻及其对应的膀胱阻抗值作为数据点，计算得到若干个数据点与标记点的相邻关系，按照相邻关系排列患者的膀胱阻抗值及其对应时刻，分别求取患者的膀胱阻抗值及其对应时刻的平均值作为预测点；重复选取不同时刻的标记点求取预测点得到阻抗预测曲线，对所述阻抗预测曲线进行反函数变换得到患者的预测排尿时间；

预测结果输出模块，用于将排尿次数预测模块和排尿时间预测模块得到的患者的预测排尿次数及预测排尿时间构成预测集合，利用所述预测集合对患者的排尿次数和排尿时间进行预测，输出预测结果。

与现有技术相比，本发明技术方案的有益效果是：

本发明提供的排尿预测方法及装置，针对患者无法感知尿意或无意识排尿的情况，采取测量及预测机制，通过测量患者储尿阶段的阻抗值预测得到患者未来的排尿时间，从而实现提醒患者的膀胱需适时排尿的有效性。本发明可以针对不同年龄段、体重的患者进行准确预测，同时基于生物阻抗分析技术进行膀胱阻抗值的采集，在不对患者造成创口的情况下能够预估患者的膀胱储尿情况，简化了排尿预测程序。

本发明的排尿检测方法及装置具有安全便捷、无副作用和成本较低的优点。

附图说明

图1为本发明方法的总流程图。

图2为本发明方法步骤S2～S4的具体流程图。

图3为患者和各试验者的BMI指数-年龄图。

图4为患者储尿到排尿时段的膀胱阻抗值-时间图。

图5为本发明装置的模块图。

具体实施方式

附图仅用于示例性说明，不能理解为对本专利的限制；

为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；

对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

下面结合附图和实施例对本发明的技术方案做进一步的说明。

实施例1

本实施例1提供了一种排尿预测方法，包括以下步骤：

S1.采集排尿预测所需的数据，包括：试验者和患者的年龄以及BMI指数，以及试验者的日排尿次数，患者各时段的膀胱阻抗值；

在本实施例1中，患者的各时段的膀胱阻抗值基于生物阻抗分析技术，并通过四电极连接法将测试电极与患者腹部靠近膀胱处连接测得，同时为避免不可预估的误差，在粘贴测试电极片至患者测量处时对测量处使用酒精擦拭进行清洁，患者测量处位置取位于肚脐以下10cm处的位置，而四个测试电极取两对，分别为一对测量电极以及一对刺激电极；两个正负测量电极位于肚脐中线距离3cm处，两个正负刺激电极位于肚脐中线距离8cm处。基于生物阻抗分析技术使用的阻抗分析仪器输送1mA，频率为30k～50kHz的电流通过导线和电极穿透至患者测量处，输出膀胱阻抗值。将阻抗分析仪器测量的患者膀胱阻抗值利用数据口传送至电脑，在传送至电脑前，分析仪器的后向通道增加滤波器将噪声去除，并利用电脑中数据软件对膀胱阻抗值进行校正处理，去除阻抗值的异常点，得出患者准确的膀胱阻抗值。

S2.对采集得到的数据进行分类，分别得到用于预测患者一天的排尿次数的数据集以及用于预测患者排尿时间的数据集；具体包括：

定义试验者或患者的年龄以及BMI指数数据为影响值；

将试验者的影响值、试验者的排尿次数、患者的膀胱阻抗值和膀胱阻抗值采集时间作为数据集合{A S I T}；

将其中的矩阵{A S}作为用于预测患者一天的排尿次数的数据集，将矩阵{I T}作为用于预测患者排尿时间的数据集；

其中影响值矩阵为A＝[age BMI ...]

排尿次数矩阵为：S＝[排尿次数s]

四个时间段膀胱阻抗值矩阵为：I＝[i_t1 i_t2 i_t3 i_t4]

其中第t_n个时间段中30个时刻的膀胱阻抗值矩阵为：

其中n＝1,2,3,4；需要说明的是，在本实施例中，将时刻定为分钟；因此一个膀胱阻抗值对应一个时刻，即为impedance/min；

时间段矩阵为：T＝[t₁ t₂ t₃ t₄]

其中第t_n个时间段30个时刻的时刻矩阵为：

上述公式中的第t_n个时间段为患者需进行排尿的时间段。

n＝1,2,3,4

S3.基于矩阵{A S}，通过试验者与患者的身体参数之间的相邻关系，按照相邻关系排列试验者的排尿次数，求取患者的排尿次数的平均值即为患者的预测排尿次数；具体为：

如图3所示为预测患者排尿次数的示例图，记录4名试验者的影响值及排尿次数，将所述矩阵{A S}分别扩展为：

如图3所示将影响值矩阵A个点分布在坐标轴上；

设定患者的年龄为age_pre，BMI指数为BMI_pre，

如图3所示，从矩阵A中选取与患者参数r_pre＝(age_pre,BMI_pre)相邻的k_s＝3个点r_j＝(age_j,BMI_j)，采用欧拉距离公式计算点r_pre到相邻的k_s个点r_j的距离：

其中r_pre＝(age_pre,BMI_pre)，r_j＝(age_j,BMI_j)；

将计算得到的距离值由小到大进行排列，得到3个距离值构成的分类标志矩阵d_s

基于所述分类标志，将所代表的试验者排尿次数进行排列，得到排尿次数矩阵

对排尿次数矩阵

求取平均值，得到患者的预测排尿次数；

S4.基于矩阵{I T}，任意选取某个时刻及其对应的膀胱阻抗值作为标记点，其余时刻及其对应的膀胱阻抗值作为数据点，计算得到若干个数据点与标记点的相邻关系，按照相邻关系排列患者的膀胱阻抗值及其对应时刻，分别求取患者的膀胱阻抗值及其对应时刻的平均值作为预测点；重复选取不同时刻的标记点求取预测点得到阻抗预测曲线，对所述阻抗预测曲线进行反函数变换得到患者的预测排尿时间；具体为：

如图4为预测患者排尿时间的示例图，其中选取4个时间段预测患者的排尿时间。

在第一个时间段，将膀胱阻抗值归一化，第一个时间段中30个时刻的膀胱阻抗值矩阵为：

第一个时间段30个时刻的时刻矩阵为：

如图4所示，在上述的矩阵i_t1和矩阵t₁中按照对应关系任意选取一个标记点z_m＝(i_t1m,t_1m)，在本实施例中选取z₃＝(i_t13,t₁₃)在标记点z_m选取相邻的k_t＝5个数据点z_j＝(i_kj,t_kj)作为样本点；

利用距离公式计算标记点z_m到5个样本点之间的距离d_sj；

其中z₃＝(i_t13,t₁₃)，z_j＝(i_kj,t_kj)

将求得的距离值d_sj从小到大进行排列，得到5个距离值构成分类标志d_t

基于分类标志d_t将其所代表的膀胱阻抗值进行排列，得到5个膀胱阻抗值的矩阵i_kt1为：

5个膀胱阻抗值对应的时刻矩阵t_kt1为：

根据矩阵i_kt1，求取5个膀胱阻抗值的加权平均值作为预测膀胱阻抗值i′_t11；

其中加权值

d_j为第j个距离值，c＝0；

由矩阵t_kt1求取5个时刻的平均值作为预测时间t′₁₁

由以上步骤得到预测的第一个数据点w_t11＝(i′_t11,t′₁₁)，如图4所示；

在上述的矩阵i_t1和矩阵t₁中按照对应关系任意选取第二个标记点z_m′＝(i_t1m′,t_1m′)，该点在第一个标记点之后，计算得到预测的第二个数据点w_t12＝(i′_t12,t′₁₂)

重新计算得到预测的第一个时间段m′个时刻的膀胱阻抗值：

m′个时刻的膀胱阻抗值对应的时刻为：

其中m′≤m；

对预测的膀胱阻抗值

和对应时刻t_1pre组成的点进行连线得到第一时间段的预测曲线W_t1，将其与测量所得的膀胱阻抗值i_t1进行对比，即将预测曲线W_t1上的膀胱阻抗值与i_t1中的膀胱阻抗值采用均方误差进行对比，得到的误差为：

若得到的误差在预设的误差范围内，则代表预测曲线W_t1拟合准确；否则重新选取k_t的值进行计算，直至误差在预设的误差范围内停止计算；

对第二个时间段中矩阵i_t2和t₂采取上述步骤，得到第二时间段的预测曲线W_t2，如图4所示；依次类推得到4个时间段的预测曲线W：

W＝[W_t1 W_t2 W_t3 W_t4]

对预测曲线W进行非线性拟合，得到阻抗预测曲线W(i,t)，将其进行反函数变换得到：

W_pre＝W(t,i)

基于进行反函数变换得到的W_pre，取第4个时间段中时刻t₄₃₀(即最后一个时刻)的膀胱阻抗值i_t430，如图4所示，得到患者的预测排尿时间：

t_pai＝θ·W_pre(t,i_t430)

其中θ为影响系数，其大小由影响值决定。

S5.将步骤S3和S4得到的患者的预测排尿次数S_pre及预测排尿时间曲线W_pre构成预测集合，利用所述预测集合对患者的排尿次数和排尿时间进行预测，输出预测结果。患者即可以根据预测结果做好排尿的准备。

实施例2

本实施例2基于上述实施例1的排尿预测方法提供了一种排尿预测装置，如图5所示，包括：

数据采集模块1，用于采集排尿预测所需的数据，包括：试验者和患者与排尿相关的身体参数，以及试验者的日排尿次数，患者各时段的膀胱阻抗值；

数据分类模块2，用于对采集得到的数据进行分类，分别得到用于预测患者一天的排尿次数的数据集以及用于预测患者排尿时间的数据集；

排尿次数预测模块3，用于基于用于预测患者一天的排尿次数的数据集，通过试验者与患者的身体参数之间的相邻关系，按照相邻关系排列试验者的排尿次数，求取患者的排尿次数的平均值即为患者的预测排尿次数；

排尿时间预测模块4，用于基于用于预测患者排尿时间的数据集，任意选取某个时刻及其对应的膀胱阻抗值作为标记点，其余时刻及其对应的膀胱阻抗值作为数据点，计算得到若干个数据点与标记点的相邻关系，按照相邻关系排列患者的膀胱阻抗值及其对应时刻，分别求取患者的膀胱阻抗值及其对应时刻的平均值作为预测点；重复选取不同时刻的标记点求取预测点得到阻抗预测曲线，对所述阻抗预测曲线进行反函数变换得到患者的预测排尿时间；

预测结果输出模块5，用于将排尿次数预测模块和排尿时间预测模块得到的患者的预测排尿次数及预测排尿时间构成预测集合，利用所述预测集合对患者的排尿次数和排尿时间进行预测，输出预测结果。

附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制；

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。