基于生理信號特征參數的顱腦壓力無創監測分析系統的制作方法
【專利摘要】本發明提供了一種基于生理信號特征參數的顱腦壓力無創監測分析系統，其綜合利用了顱腦壓力變化與多種生理信號的相關度以及與多種特征參數的相關度，很好地保證了顱腦壓力無創監測結果的臨床檢測精度，并且能夠在監測過程中由顱腦壓力無創監測模型根據不同時間段輸入的特征參數種類自適應調整選擇相應特征參數種類的影響權重值而運算得到顱腦壓力無創檢測值，避免因某些特征參數不便于獲取時導致無創監測完全失效的問題，即便在發生不同種類特征參數的跳轉、切換時，系統所運算輸出的顱腦壓力無創檢測結果也能夠很好地保持平穩性和連續性，從而有效實現對顱腦壓力的長時間無創監測，增強了系統的檢測均衡性和臨床普遍適用性。
【專利說明】基于生理信號特征參數的顱腦壓力無創監測分析系統
【技術領域】
[0001]本發明涉及生物醫學信號處理技術和無創醫療系統【技術領域】，特別涉及一種基于生理信號特征參數的顱腦壓力無創監測分析系統。
【背景技術】
[0002]目前顱腦壓力檢(監)測方法多為有創方法，臨床應用最多的是腦室穿刺法和腰椎穿刺方法，因為有創，所以需要專業人員進行操作，臨床應用要求高，臨床數據需要專業人員解釋。其中，腦室穿刺法還存在監測費用昂貴、易帶來感染的風險，同時因為要進行開顱或穿孔，臨床應用科室受限；腰椎穿刺法本身也存在一定的誤差，只能得到單個時刻的顱腦壓力值，不能進行連續或多點檢測，且腰椎穿刺過程對患者而言是一種痛苦，不能經常應用。所以臨床有創顱腦壓力監測在神經外科應用較多，而不能應用于綜合醫院、急診室、門診和事故現場，即使如此，仍有非常多的醫院并沒有進行顱腦壓力監護，但是顱內高壓是繼發性腦損傷的一個主要原因，其程度和持續時間已被證明與存活率、永久性功能障礙的程度有關，特別是當顱內體積-壓力曲線達到臨界點時，只要顱內體積發生少許變化，顱腦壓力就會急劇增高，加重腦移位與腦疝，發生中樞衰竭危象。因此臨床顱腦壓力(Intracranial Pressure, ICP)監測非常重要,是預防和控制頡內高壓、確定治療方案的基礎，同時也提供了一種客觀衡量成功治療的方法。基于這樣一種現狀，無創顱腦壓力監測分析方法及設備就提供了一個比較好的選擇。 [0003]然而在目前，顱腦壓力的無創監測仍然是世界性的難題，國內、外雖然有很多顱腦壓力無創監測的專利和文獻出現，但目前還沒有美國FDA以及歐洲CE認證的成熟產品，其市場前景廣大；國內雖有基于閃光視覺誘發電位的顱腦壓力無創檢測分析儀，但由于這類儀器普遍都是基于單一信號參數的顱腦壓力無創檢測方法，因而不可避免存在依賴單一參數進行顱腦壓力無創檢測的原理缺陷，導致顱腦壓力無創檢測的精度不高、臨床適用性不強的問題；雖然近期也有出現基于多參數顱腦壓力無創檢測方法的顱腦壓力無創檢測分析儀，但其無創檢測所利用的多種信號參數的數量和種類非常固定，不可替換，當其中一部分信號參數不便于檢測獲得、或者一部分信號參數的種類發生跳變時，則無法繼續有效、準確地實現顱腦壓力的無創檢測，自適應性能差，因此不可避免地導致無創檢測間斷性失效，難以實現對顱腦壓力的長時間無創監測，從而在臨床應用上仍受到很多限制。
【發明內容】
[0004]針對現有技術存在的上述不足，本發明要解決的技術問題是，如何提供一種基于生理信號特征參數的顱腦壓力無創監測分析系統，以解決現有技術中顱腦壓力無創檢測技術精度不高、間斷性失效的問題，更好地保證顱腦壓力無創監測結果的精度，實現對顱腦壓力的長時間無創監測，增強其臨床適用性。
[0005]為了實現上述目的，本發明采用了如下的技術手段:
[0006]基于生理信號特征參數的顱腦壓力無創監測分析系統，該系統包括:[0007]數據采集模塊，用于通過數據接口采集和記錄來自生理信號無創檢測裝置的生理信號；所述生理信號包括閃光視覺誘發電位信號、腦血流動力學信號、心電信號和血壓信號;
[0008]特征參數分析模塊，用于對數據采集模塊采集到的生理信號進行數據處理和分析，提取生理信號的特征參數；其中，閃光視覺誘發電位信號的特征參數包括N2波潛伏期；腦血流動力學信號的特征參數包括腦血流動力學信號的上升速度、下降速度、上升角、頂峰角、收縮波高度和重搏波波谷深度；心電信號的特征參數包括心電信號的P波寬度、QRS特征波寬度、T波寬度、RR間期、PR間期、ST間期、QT間期和ST段偏移量；血壓信號的特征參數包括收縮壓、舒張壓和平均動脈壓；
[0009]顱腦壓力無創監測分析模塊，預設有顱腦壓力無創監測模型，用于將特征參數分析模塊提取到的生理信號的特征參數作為顱腦壓力無創監測模型的輸入，實時地得到隨時間動態變化的顱腦壓力無創檢測值；
[0010]界面排版顯示模塊，用于將數據采集模塊采集到的生理信號轉換為隨時間變化的生理信號波形，將顱腦壓力無創監測分析模塊處理得到的顱腦壓力無創檢測值轉換為隨時間變化的顱腦壓力監測波形，并按預設的界面排版方式將生理信號波形、顱腦壓力監測波形以及特征參數分析模塊提取到的生理信號的特征參數、顱腦壓力無創監測分析模塊處理得到的顱腦壓力無創檢測值進行實時的界面顯示輸出。
[0011]上述的顱腦壓力無創監測分析系統中，作為一種優選方案，所述顱腦壓力無創監測分析模塊中的顱腦壓力無創監測模型為:
[0012]Pnicp (t) =Ii1.f (N2 (t)) +k2.an.f ( Θ n (t)) +k3.bi.f ( β i (t)) +k4.Cj.f (BPj (t))；
[0013]其中，Pnicp(t)表示隨時間t動態變化的盧頁腦壓力無創檢測值么、k2、k3、k4分別表示閃光視覺誘發電位信號、腦血流動力學信號、心電信號、血壓信號的變化對顱腦壓力變化的影響權重系數；f (N2(t))表示N2波潛伏期與顱腦壓力之間隨時間t變化的函數關系；f(0n(t))表示腦血流動力學信號的第η種特征參數0n(t)與顱腦壓力之間隨時間t變化的函數關系，n e {1，2，...，6}，其中，ejt)、02(t)、…、Θ 6 (t)分別表示腦血流動力學信號的上升速度、下降速度、上升角、頂峰角、收縮波高度、重搏波波谷深度這六種特征參數，3?則表示腦血流動力學信號的第η種特征參數0n(t)的變化對顱腦壓力變化的影響權重值，且Σ:?1; ⑴)表示心電信號的第i種特征參數與頡腦壓力之間隨時
間t變化的函數關系，i e {1，2，...，8}，其中，…、i38(t)分別表示心電信號的P波寬度、QRS特征波寬度、T波寬度、RR間期、PR間期、ST間期、QT間期、ST段偏移量這八種特征參數，h則表示心電信號的第i種特征參數β At)的變化對顱腦壓力變化的影
響權重值，且f(BPj(t))表示血壓信號的第j種特征參數BP^t)與顱腦壓力之
間隨時間t變化的函數關系，j e {1，2，3}，其中，BP1 (t)、BP2 (t)、BP3 (t)分別表示收縮壓、舒張壓、平均動脈壓這三種特征參數，Cj則表示血壓信號的第j種特征參數BPj (t)的變化對盧頁腦壓力變化的影響權重值，且(^+C2=C3=I ；
[0014]所述顱腦壓力無創監測模型中，根據對不同時間段輸入的特征參數θηα)、β i(t)、BPdt)的種類編號n、1、j的判斷，自適應調整選擇相應種類編號的影響權重值an、h、Cj進行顱腦壓力無創檢測值PnKP(t)的計算。[0015]上述的顱腦壓力無創監測分析系統中，作為一種優選方案，所述顱腦壓力無創監測分析模塊中的顱腦壓力無創監測模型通過如下的方法得到:
[0016]1)通過與顱腦壓力無創監測分析系統數據通信連接的生理信號無創檢測裝置同步采集訓練樣本對象的閃光視覺誘發電位信號、腦血流動力學信號、心電信號和血壓信號至顱腦壓力無創監測分析系統，同時通過與顱腦壓力無創監測分析系統數據通信連接的顱腦壓力有創監測儀同步采集訓練樣本對象實際的顱腦壓力動態變化過程波形至顱腦壓力無創監測分析系統；
[0017]2)選擇多個患有不同顱腦壓力相關病癥的病人分別作為訓練樣本對象，通過步驟I)所述的方法利用顱腦壓力無創監測分析系統獲取這多個訓練樣本對象的閃光視覺誘發電位信號、腦血流動力學信號、心電信號和血壓信號以及有創監測的顱腦壓力動態變化過程波形；
[0018]3)通過分析步驟2)中獲取的多個訓練樣本對象的閃光視覺誘發電位信號、腦血流動力學信號、心電信號和血壓信號各自的變化對顱腦壓力變化影響的大小程度和比例關系，確定閃光視覺誘發電位信號、腦血流動力學信號、心電信號、血壓信號的變化對顱腦壓力變化的影響權重系數H k3、k4 ；
[0019]4)通過分析分別提取出步驟2)中獲取的多個訓練樣本對象的閃光視覺誘發電位信號、腦血流動力學信號、心電信號和血壓信號中各種特征參數與顱腦壓力之間隨時間t變化的函數關系f (N2 (t))、f ( Θ n⑴)、f ( β i (t))、f (BPj⑴)，并根據腦血流動力學信號、心電信號和血壓信號中各種特征參數的變化對顱腦壓力變化影響的大小程度和比例關系確定各自相應的影響權重值 an、b1、Cj，其中 ne {l，2，...，6}，i e {1，2，...，8}，j e {1,2, 3}；
[0020]5)利用相應的影響權重系數和影響權重值分別對閃光視覺誘發電位信號、腦血流動力學信號、心電信號和血壓信號中特征參數與顱腦壓力之間隨時間t變化的函數關系進行加權求和，得到顱腦壓力無創監測模型:
[0021 ] Pnicp (t) =Ii1.f (N2 (t)) +k2.an.f ( Θ n (t)) +k3.bi.f ( β i (t)) +k4.Cj.f (BPj (t))；
[0022]并使顱腦壓力無創監測模型中，根據對不同時間段輸入的特征參數θηα)、β i(t)、BP^t)的種類編號n、1、j的判斷，自適應調整選擇相應種類編號的影響權重值an、h、Cj進行顱腦壓力無創檢測值PnKP(t)的計算。
[0023]上述的顱腦壓力無創監測分析系統中，作為一種改進方案，所述顱腦壓力無創監測分析模塊還預設有顱腦壓力監測校準模型，用于根據被監測對象的顱腦壓力有創檢測值進行校準，得到因被監測對象個體差異產生的補償修正值；所述顱腦壓力無創監測校準模型為:
[0024]Δ P-Pnicp (tk) _PICP (tk)；
[0025]其中，Λ P表示因被監測對象個體差異產生的補償修正值；Prcp(tk)表示在校準檢測時刻tk對被監測對象進行顱腦壓力有創檢測得到的顱腦壓力有創檢測值；PnOT(tk)表示在校準檢測時刻tk由顱腦壓力無創監測模型在補償修正值Λ P設置為零的條件下與顱腦壓力有創檢測同步檢測得到的被監測對象的顱腦壓力無創檢測初值。
[0026]上述的顱腦壓力無創監測分析系統中，作為一種改進方案，所述顱腦壓力無創監測分析模塊中的顱腦壓力無創監測模型為:
[0027]Pnicp (t) =Ii1.f (N2 (t)) +k2.an.f ( Θ n (t)) +k3.bi.f ( β i (t)) +k4.Cj.f (BPj (t)) + ΔP ；
[0028]其中，Pnicp (t)表示隨時間t動態變化的顱腦壓力無創檢測值，Λ P表示因被監測對象個體差異產生的補償修正值；kp k2、k3、k4分別表示閃光視覺誘發電位信號、腦血流動力學信號、心電信號、血壓信號的變化對顱腦壓力變化的影響權重系數；f (N2(t))表示隊波潛伏期與顱腦壓力之間隨時間t變化的函數關系；f ( Θ n(t))表示腦血流動力學信號的第η種特征參數0n(t)與顱腦壓力之間隨時間t變化的函數關系，n e {1，2，...，6}，其中，0i(t)、02(t)、...、06(t)分別表示腦血流動力學信號的上升速度、下降速度、上升角、頂峰角、收縮波高度、重搏波波谷深度這六種特征參數，an則表示腦血流動力學信號的第η種特
征參數θηα)的變化對顱腦壓力變化的影響權重值，且
【權利要求】
1.基于生理信號特征參數的顱腦壓力無創監測分析系統，其特征在于，該系統包括: 數據采集模塊，用于通過數據接口采集和記錄來自生理信號無創檢測裝置的生理信號；所述生理信號包括閃光視覺誘發電位信號、腦血流動力學信號、心電信號和血壓信號；特征參數分析模塊，用于對數據采集模塊采集到的生理信號進行數據處理和分析，提取生理信號的特征參數；其中，閃光視覺誘發電位信號的特征參數包括N2波潛伏期；腦血流動力學信號的特征參數包括腦血流動力學信號的上升速度、下降速度、上升角、頂峰角、收縮波高度和重搏波波谷深度；心電信號的特征參數包括心電信號的P波寬度、QRS特征波寬度、T波寬度、RR間期、PR間期、ST間期、QT間期和ST段偏移量；血壓信號的特征參數包括收縮壓、舒張壓和平均動脈壓； 顱腦壓力無創監測分析模塊，預設有顱腦壓力無創監測模型，用于將特征參數分析模塊提取到的生理信號的特征參數作為顱腦壓力無創監測模型的輸入，實時地得到隨時間動態變化的顱腦壓力無創檢測值； 界面排版顯示模塊，用于將數據采集模塊采集到的生理信號轉換為隨時間變化的生理信號波形，將顱腦壓力無創監測分析模塊處理得到的顱腦壓力無創檢測值轉換為隨時間變化的顱腦壓力監測波形，并按預設的界面排版方式將生理信號波形、顱腦壓力監測波形以及特征參數分析模塊提取到的生理信號的特征參數、顱腦壓力無創監測分析模塊處理得到的顱腦壓力無創檢測值進行實時的界面顯示輸出。
2.根據權利要求1所述的顱腦壓力無創監測分析系統，其特征在于，所述顱腦壓力無創監測分析模塊中的顱腦壓力無創監測模型為:
Pnicp ⑴=ki.f (N2 (t)) +k2.an.f ( Θ n (t)) +k3.bi.f ( β i (t)) +k4.Cj.f (BPj (t))；其中，PniCP(t)表示隨時間t動態變化的頡腦壓力無創檢測值；kp k2、k3、k4分別表示閃光視覺誘發電位信號、腦血流動力學信號、心電信號、血壓信號的變化對顱腦壓力變化的影響權重系數；f (N2 (t))表示N2波潛伏期與顱腦壓力之間隨時間t變化的函數關系；f(0n(t))表示腦血流動力學信號的`第η種特征參數0n(t)與顱腦壓力之間隨時間t變化的函數關系，n e {1，2，...，6}，其中，ejt)、02(t)、…、Θ 6 (t)分別表示腦血流動力學信號的上升速度、下降速度、上升角、頂峰角、收縮波高度、重搏波波谷深度這六種特征參數，3?則表示腦血流動力學信號的第η種特征參數0n(t)的變化對顱腦壓力變化的影響權重值，且f(i(t))表示心電信號的第i種特征參數?^α)與顱腦壓力之間隨時間t變化的函數關系，i e {1，2，...，8}，其中，…、i38(t)分別表示心電信號的P波寬度、QRS特征波寬度、T波寬度、RR間期、PR間期、ST間期、QT間期、ST段偏移量這八種特征參數，h則表示心電信號的第i種特征參數β At)的變化對顱腦壓力變化的影響權重值，且=1 ; f(BPj(t))表示血壓信號的第j種特征參數BP#)與顱腦壓力之間隨時間t變化的函數關系，j e {1，2，3}，其中，BP1 (t)、BP2 (t)、BP3 (t)分別表示收縮壓、舒張壓、平均動脈壓這三種特征參數，Cj則表示血壓信號的第j種特征參數BPj (t)的變化對盧頁腦壓力變化的影響權重值，且(^+C2=C3=I ； 所述顱腦壓力無創監測模型中，根據對不同時間段輸入的特征參數θηα)、i3i(t)、BPj(t)的種類編號n、1、j的判斷，自適應調整選擇相應種類編號的影響權重值&11、4、(^進行顱腦壓力無創檢測值Pnrcp(t)的計算。
3.根據權利要求2所述的顱腦壓力無創監測分析系統，其特征在于，所述顱腦壓力無創監測分析模塊中的顱腦壓力無創監測模型通過如下的方法得到: 1)通過與顱腦壓力無創監測分析系統數據通信連接的生理信號無創檢測裝置同步采集訓練樣本對象的閃光視覺誘發電位信號、腦血流動力學信號、心電信號和血壓信號至顱腦壓力無創監測分析系統，同時通過與顱腦壓力無創監測分析系統數據通信連接的顱腦壓力有創監測儀同步采集訓練樣本對象實際的顱腦壓力動態變化過程波形至顱腦壓力無創監測分析系統； 2)選擇多個患有不同顱腦壓力相關病癥的病人分別作為訓練樣本對象，通過步驟I)所述的方法利用顱腦壓力無創監測分析系統獲取這多個訓練樣本對象的閃光視覺誘發電位信號、腦血流動力學信號、心電信號和血壓信號以及有創監測的顱腦壓力動態變化過程波形； 3)通過分析步驟2)中獲取的多個訓練樣本對象的閃光視覺誘發電位信號、腦血流動力學信號、心電信號和血壓信號各自的變化對顱腦壓力變化影響的大小程度和比例關系，確定閃光視覺誘發電位信號、腦血流動力學信號、心電信號、血壓信號的變化對顱腦壓力變化的影響權重系數H k3、k4 ； 4)通過分析分別提取出步驟2)中獲取的多個訓練樣本對象的閃光視覺誘發電位信號、腦血流動力學信號、心電信號和血壓信號中各種特征參數與顱腦壓力之間隨時間t變化的函數關系f (N2 (t))、f ( Θ n⑴)、f ( β i (t))、f (BPj⑴)，并根據腦血流動力學信號、心電信號和血壓信號中各種特征參數的變化對顱腦壓力變化影響的大小程度和比例關系確定各自相應的影響權重值 an、b1、Cj，其中 n e {1,2,...,6}, i e {1，2，...，8}，j e {1,2, 3}； 5)利用相應的影響權重系數和影響權重值分別對閃光視覺誘發電位信號、腦血流動力學信號、心電信號和血壓信號中特征參數與顱腦壓力之間隨時間t變化的函數關系進行加權求和，得到顱腦壓力無創監測模型:
Pnicp ⑴=ki.f (N2 (t)) +k2.an.f ( Θ n (t)) +k3.bi.f ( β i (t)) +k4.Cj.f (BPj (t))； 并使顱腦壓力無創監測模型中，根據對不同時間段輸入的特征參數θηα)、i3i(t)、BPj(t)的種類編號n、1、j的判斷，自適應調整選擇相應種類編號的影響權重值&11、4、(^進行顱腦壓力無創檢測值Pnrcp(t)的計算。
4.根據權利要求1所述的顱腦壓力無創監測分析系統，其特征在于，所述顱腦壓力無創監測分析模塊還預設有顱腦壓力監測校準模型，用于根據被監測對象的顱腦壓力有創檢測值進行校準，得到因被監測對象個體差異產生的補償修正值；所述顱腦壓力無創監測校準模型為:
A P-PnICP (tk) _Picp (tk)； 其中，Λ P表示因被監測對象個體差異產生的補償修正值；Piep (tk)表示在校準檢測時刻tk對被監測對象進行顱腦壓力有創檢測得到的顱腦壓力有創檢測值；PnKP(tk)表示在校準檢測時刻tk由顱腦壓力無創監測模型在補償修正值ΛΡ設置為零的條件下與顱腦壓力有創檢測同步檢測得到的被監測對象的顱腦壓力無創檢測初值。
5.根據權利要求4所述的顱腦壓力無創監測分析系統，其特征在于，所述顱腦壓力無創監測分析模 塊中的顱腦壓力無創監測模型為:
Pnicp ⑴=ki.f (N2 (t)) +k2.an.f ( Θ n ⑴)+k3.bi.f (β i (t)) +k4.Cj.f (BPj (t)) + Δ P ;其中，Pnicp(t)表示隨時間t動態變化的顱腦壓力無創檢測值，ΛΡ表示因被監測對象個體差異產生的補償修正值；lq、k2、k3、k4分別表示閃光視覺誘發電位信號、腦血流動力學信號、心電信號、血壓信號的變化對顱腦壓力變化的影響權重系數；f (N2(t))表示N2波潛伏期與顱腦壓力之間隨時間t變化的函數關系；f(en(t))表示腦血流動力學信號的第η種特征參數9n(t)與顱腦壓力之間隨時間t變化的函數關系，n e {1，2，...，6}，其中，ejt)、02(t)、…、06(t)分別表示腦血流動力學信號的上升速度、下降速度、上升角、頂峰角、收縮波高度、重搏波波谷深度這六種特征參數，B1JU表示腦血流動力學信號的第η種特征參數θηα)的變化對顱腦壓力變化的影響權重值，且
6.根據權利要求5所述的顱腦壓力無創監測分析系統，其特征在于，所述顱腦壓力無創監測分析模塊中的顱腦壓力無創監測模型通過如下的方法得到: 1)通過與顱腦壓力無創監測分析系統數據通信連接的生理信號無創檢測裝置同步采集訓練樣本對象的閃光視覺誘發電位信號、腦血流動力學信號、心電信號和血壓信號至顱腦壓力無創監測分析系統，同時通過與顱腦壓力無創監測分析系統數據通信連接的顱腦壓力有創監測儀同步采集訓練樣本對象實際的顱腦壓力動態變化過程波形至顱腦壓力無創監測分析系統； 2)選擇多個患有不同顱腦壓力相關病癥的病人分別作為訓練樣本對象，通過步驟I)所述的方法利用顱腦壓力無創監測分析系統獲取這多個訓練樣本對象的閃光視覺誘發電位信號、腦血流動力學信號、心電信號和血壓信號以及有創監測的顱腦壓力動態變化過程波形； 3)通過分析步驟2)中獲取的多個訓練樣本對象的閃光視覺誘發電位信號、腦血流動力學信號、心電信號和血壓信號各自的變化對顱腦壓力變化影響的大小程度和比例關系，確定閃光視覺誘發電位信號、腦血流動力學信號、心電信號、血壓信號的變化對顱腦壓力變化的影響權重系數H k3、k4 ； 4)通過分析分別提取出步驟2)中獲取的多個訓練樣本對象的閃光視覺誘發電位信號、腦血流動力學信號、心電信號和血壓信號中各種特征參數與顱腦壓力之間隨時間t變化的函數關系f (N2 (t))、f ( Θ n⑴)、f ( β i (t))、f (BPj⑴)，并根據腦血流動力學信號、心電信號和血壓信號中各種特征參數的變化對顱腦壓力變化影響的大小程度和比例關系確定各自相應的影響權重值 an、b1、Cj，其中 n e {1,2,...,6}, i e {1，2，...，8}，j e {1,2, 3}；5)利用相應的影響權重系數和影響權重值分別對閃光視覺誘發電位信號、腦血流動力學信號、心電信號和血壓信號中特征參數與顱腦壓力之間隨時間t變化的函數關系進行加權求和，結合顱腦壓力無創監測校準模型得到的補償修正值Λ P，得到顱腦壓力無創監測模型:
Pnicp ⑴=ki.f (N2 (t)) +k2.an.f ( Θ n ⑴)+k3.bi.f (β i (t)) +k4.Cj.f (BPj (t)) + Δ P ;并使顱腦壓力無創監測模型中，根據對不同時間段輸入的特征參數θηα)、i3i(t)、BPj(t)的種類編號n、1、j的判斷，自適應調整選擇相應種類編號的影響權重值&11、4、(^進行顱腦壓力無創檢測值Pnrcp(t)的計算。
7.根據權利要求1所述的顱腦壓力無創監測分析系統，其特征在于，該系統還包括: 數據庫模塊，用于進行被監測對象的個體信息、查詢用戶登錄信息的記錄，并提供對被監測對象的個體信息以及生理信號、特征參數的數據庫管理和查詢功能。
8.根據權利要求1所述的顱腦壓力無創監測分析系統，其特征在于，該系統還包括: 報告打印模塊，用于與打印機的驅動程序相適配，并根據預先的設置調取被檢測對象的監測數據編輯為監 測報告文本，通過調用驅動程序控制打印機執行監測報告文本的打印操作；所述監測數據包括被檢測對象的生理信號、特征參數、生理信號波形或/和顱腦壓力監測波形。
9.根據權利要求1所述的顱腦壓力無創監測分析系統，其特征在于，該系統還包括: 輔助功能模塊，用于實現對數據采集模塊、特征參數分析模塊和顱腦壓力無創監測分析模塊的功能參數設定，以及實現對生理信號波形、顱腦壓力監測波形的時間軸瀏覽操作。
【文檔編號】A61B5/03GK103610456SQ201310654826
【公開日】2014年3月5日 申請日期:2013年12月8日 優先權日:2013年12月8日
【發明者】季忠 申請人:季忠