一种基于规则集的自适应无创干预调控方法及系统与流程

本技术属于无创干预，具体涉及一种基于规则集的自适应无创干预调控方法及系统。

背景技术：

1、icu镇静药物减量苏醒阶段的无意识患者常因中枢神经系统功能未完全恢复而发生病理性微躁动。这种不受控的肢体抽动会造成气管导管、静脉管路等生命支持管路的意外脱落，引发血压骤升、手术伤口撕裂、呼吸机人机对抗等高危临床事件。传统临床应对手段主要包括物理性肢体约束或追加镇静药物，然而肢体约束易引发压疮、神经压迫等并发症，追加镇静药物则会延迟患者苏醒进程、延长机械通气时间和icu停留时间。因此，穿戴式体表无创微电刺激干预作为一种能够温和抑制病理性躁动而不显著影响中枢苏醒的技术手段，逐渐受到临床关注。

2、现有穿戴式无创电刺激调控设备采用静态固定阈值规则集实现干预控制。设备在出厂时预设恒定的肌电判定阈值，通过贴附于患者四肢骨骼肌表皮的表面肌电传感器采集包含生理基线、病理性躁动和环境噪声的原始混合肌电信号，直接将原始信号幅值与固定阈值进行对比。当信号幅值超出阈值时，设备统一增大电刺激强度以抑制肢体活动；当信号幅值低于阈值时，则降低或停止电刺激输出。此类设备不具备信号分层解耦逻辑，无法区分原始信号中不同来源的分量，电刺激强度亦无动态约束上限，判定阈值和调控权重均为固定参数。当参数设置出现偏差时，仅能依靠医护人员人工手动调整，无法实时适应患者动态变化的生理状态。

3、上述现有技术方案存在根本性缺陷，其根源在于单模态肌电信号采集通道中，生理性基线漂移与病理性躁动扰动在幅值维度上不可区分。具体而言，在镇静药物逐步代谢的过程中，患者的神经兴奋性持续恢复，即使在安静无躁动的状态下，肌电信号的基础幅值也会随时间呈现单向持续性升高，即生理性基线漂移。在固定阈值判定框架下，这一正常的生理恢复信号极易被误判为病理性躁动事件，进而触发本不应施加的电刺激干预，过度抑制神经活性，延缓患者苏醒。反之，若人为抬高判定阈值以减少误触发，则会导致真实出现的微弱病理性躁动发生漏检，无法有效防范躁动诱发的脱管、血流剧烈波动等危重风险。此外，现有方案还存在以下固有缺陷：刺激策略仅追求抑制躁动的单一目标，缺乏对神经活性的保护性约束上限，可能造成过度干预；判定阈值和调控权重固定不变，全程依赖医护人工定时调整，缺乏无监督自适应能力；原始信号中叠加噪声、基线漂移和病理躁动三重分量，低信噪比条件下信号区分能力差，缺乏数学分层解耦模型。

4、上述缺陷之所以长期未能得到有效解决，核心原因在于：在无患者主观意识反馈的临床约束下，系统缺少独立于肌电判定逻辑的客观参考标准来验证判定结果是否正确。仅凭单一的肌电信号通道，无法从幅值维度上可靠地分辨“神经自然恢复引起的基线抬升”与“病理性肢体抽动引起的突发扰动”。同时，判定阈值和刺激约束参数依赖出厂固定标定，难以适应不同患者之间的个体差异以及同一患者在不同苏醒阶段的动态生理变化。

技术实现思路

1、本技术的目的是提供基于规则集的自适应无创干预调控方法及系统，能够解决相关技术中无法同步实现病理性微躁动抑制与苏醒期神经兴奋性保全的问题。

2、一方面，本技术实施例提供了一种基于规则集的自适应无创干预调控方法，在每一个滑动时间窗口内执行以下步骤：

3、同步采集所述滑动时间窗口内目标对象的体表肌电信号和运动传感信号；

4、对所述滑动时间窗口内的所述体表肌电信号进行抗异常值的动态基线追踪，得到所述滑动时间窗口内的生理基线估计值；

5、基于所述生理基线估计值，从所述体表肌电信号中剥离生理基线分量，提取所述滑动时间窗口内的纯净躁动幅值；

6、基于所述纯净躁动幅值和当前窗口的自适应判定阈值，判定所述滑动时间窗口内是否存在病理性躁动事件；

7、当判定存在所述病理性躁动事件时，基于所述纯净躁动幅值和所述生理基线估计值，通过双目标博弈模型计算刺激强度，输出电刺激信号；

8、基于所述运动传感信号对所述滑动时间窗口内的判定结果进行交叉验证，统计误判次数和漏检次数；

9、基于当前窗口统计的所述误判次数和所述漏检次数，调整所述自适应判定阈值，并将调整后的自适应判定阈值作为下一滑动时间窗口的判定阈值。

10、在本技术的一种可选实施例中，所述双目标博弈模型包括躁动抑制项和神经保护约束项；所述躁动抑制项根据所述纯净躁动幅值确定抑制所述病理性躁动事件所需的基础刺激强度，所述神经保护约束项根据所述生理基线估计值确定所述电刺激信号的动态上限；所述躁动抑制项对应的抑制系数随所述生理基线估计值的升高而减小，所述神经保护约束项对应的约束系数随所述生理基线估计值的升高而增大。

11、在本技术的一种可选实施例中，所述对所述滑动时间窗口内的所述体表肌电信号进行抗异常值的动态基线追踪，得到所述滑动时间窗口内的生理基线估计值，包括：

12、对所述滑动时间窗口内的所述体表肌电信号进行初次拟合得到初始基线；

13、为各数据点分配权重，其中，与所述初始基线的偏差超出预设阈值的数据点被赋予降低的权重；

14、基于分配的权重进行加权二次拟合，得到所述生理基线估计值。

15、在本技术的一种可选实施例中，所述基于所述运动传感信号进行交叉验证、统计误判次数和漏检次数，包括：

16、根据所述运动传感信号计算运动强度指标；

17、当所述运动强度指标超过运动判定阈值且持续时间不小于预设时长阈值时，判定为检出肢体运动；

18、若判定存在所述病理性躁动事件而未检出所述肢体运动，则统计为一次误判；

19、若未判定存在所述病理性躁动事件而检出所述肢体运动，则统计为一次漏检。

20、在本技术的一种可选实施例中，所述自适应判定阈值为一个体化基础阈值与一规则权重系数的乘积；所述个体化基础阈值通过在初始监测期内统计所述目标对象安静状态下所述纯净躁动幅值样本的分布确定；所述规则权重系数基于所述误判次数和所述漏检次数的统计结果迭代更新。

21、在本技术的一种可选实施例中，所述规则权重系数的迭代更新包括：

22、每完成连续预设数量个滑动时间窗口，累计该周期内的所述误判次数和所述漏检次数；

23、根据所述误判次数与所述漏检次数的差值，以预设学习率对所述规则权重系数进行增量调整，其中，当误判占主导时增大所述规则权重系数以升高所述自适应判定阈值，当漏检占主导时减小所述规则权重系数以降低所述自适应判定阈值；

24、将调整后的规则权重系数限制在预设下限与预设上限之间的范围内。

25、在本技术的一种可选实施例中，还包括：

26、当连续多个滑动时间窗口内均未判定存在所述病理性躁动事件，且所述生理基线估计值的变化率低于预设平稳阈值时，逐步降低所述电刺激信号的强度直至停止输出；

27、停止输出后，若在后续滑动时间窗口内再次判定存在所述病理性躁动事件且经所述运动传感信号确认，则恢复输出所述电刺激信号，并继承停止前的所述自适应判定阈值。

28、第二方面，本技术实施例提供了一种基于规则集的自适应无创干预调控系统，包括：

29、多模态采集模块，用于同步采集所述滑动时间窗口内目标对象的体表肌电信号和运动传感信号；

30、动态基线追踪模块，用于对所述滑动时间窗口内的所述体表肌电信号进行抗异常值的动态基线追踪，得到所述滑动时间窗口内的生理基线估计值；

31、信号解耦模块，用于基于所述生理基线估计值，从所述体表肌电信号中剥离生理基线分量，提取所述滑动时间窗口内的纯净躁动幅值；

32、自适应判定模块，用于基于所述纯净躁动幅值和当前窗口的自适应判定阈值，判定所述滑动时间窗口内是否存在病理性躁动事件；

33、刺激调控模块，用于当判定存在所述病理性躁动事件时，基于所述纯净躁动幅值和所述生理基线估计值，通过双目标博弈模型计算刺激强度，输出电刺激信号；

34、交叉验证模块，用于基于所述运动传感信号对所述滑动时间窗口内的判定结果进行交叉验证，统计误判次数和漏检次数；

35、参数更新模块，用于基于当前窗口统计的所述误判次数和所述漏检次数，调整所述自适应判定阈值，并将调整后的自适应判定阈值作为下一滑动时间窗口的判定阈值。

36、在本技术的一种可选实施例中，所述双目标博弈模型包括躁动抑制项和神经保护约束项；所述躁动抑制项根据所述纯净躁动幅值确定抑制所述病理性躁动事件所需的基础刺激强度，所述神经保护约束项根据所述生理基线估计值确定所述电刺激信号的动态上限；所述躁动抑制项对应的抑制系数随所述生理基线估计值的升高而减小，所述神经保护约束项对应的约束系数随所述生理基线估计值的升高而增大。

37、在本技术的一种可选实施例中，所述对所述滑动时间窗口内的所述体表肌电信号进行抗异常值的动态基线追踪，得到所述滑动时间窗口内的生理基线估计值，包括：

38、对所述滑动时间窗口内的所述体表肌电信号进行初次拟合得到初始基线；

39、为各数据点分配权重，其中，与所述初始基线的偏差超出预设阈值的数据点被赋予降低的权重；

40、基于分配的权重进行加权二次拟合，得到所述生理基线估计值。

41、在本技术的一种可选实施例中，所述基于所述运动传感信号进行交叉验证、统计误判次数和漏检次数，包括：

42、根据所述运动传感信号计算运动强度指标；

43、当所述运动强度指标超过运动判定阈值且持续时间不小于预设时长阈值时，判定为检出肢体运动；

44、若判定存在所述病理性躁动事件而未检出所述肢体运动，则统计为一次误判；

45、若未判定存在所述病理性躁动事件而检出所述肢体运动，则统计为一次漏检。

46、在本技术的一种可选实施例中，所述自适应判定阈值为一个体化基础阈值与一规则权重系数的乘积；所述个体化基础阈值通过在初始监测期内统计所述目标对象安静状态下所述纯净躁动幅值样本的分布确定；所述规则权重系数基于所述误判次数和所述漏检次数的统计结果迭代更新。

47、在本技术的一种可选实施例中，所述规则权重系数的迭代更新包括：

48、每完成连续预设数量个滑动时间窗口，累计该周期内的所述误判次数和所述漏检次数；

49、根据所述误判次数与所述漏检次数的差值，以预设学习率对所述规则权重系数进行增量调整，其中，当误判占主导时增大所述规则权重系数以升高所述自适应判定阈值，当漏检占主导时减小所述规则权重系数以降低所述自适应判定阈值；

50、将调整后的规则权重系数限制在预设下限与预设上限之间的范围内。

51、在本技术的一种可选实施例中，还包括：

52、当连续多个滑动时间窗口内均未判定存在所述病理性躁动事件，且所述生理基线估计值的变化率低于预设平稳阈值时，逐步降低所述电刺激信号的强度直至停止输出；

53、停止输出后，若在后续滑动时间窗口内再次判定存在所述病理性躁动事件且经所述运动传感信号确认，则恢复输出所述电刺激信号，并继承停止前的所述自适应判定阈值。

54、第三方面，本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现如上述任一种基于规则集的自适应无创干预调控方法。

55、第四方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种基于规则集的自适应无创干预调控方法。

56、第五方面，本发明还提供一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现如上述任一种基于规则集的自适应无创干预调控方法。

57、本技术的方案，第一层面是信号解耦层面。通过在肌电信号的三分量分解模型基础上引入抗异常值的动态基线追踪和纯净躁动幅值提取，从根本上解决了现有技术中生理基线漂移与病理性躁动扰动在单模态肌电信号幅值维度上不可区分的核心难题。动态基线的持续更新使得系统始终拥有与当前患者神经恢复状态同步的参考基准，纯净躁动幅值的提取将这一基准从判定依据中剥离，确保正常苏醒不被误判、微弱躁动不被漏检。第二层面是制衡决策层面。通过引入个体化自适应判定阈值，每一个滑动时间窗口内执行的判定都与当前患者的个体特征和当前阶段的调控效果相匹配，避免了统一固定阈值的固有缺陷。通过引入双目标博弈模型，刺激强度计算不再仅追求当下躁动抑制的单一目标，而是在躁动抑制和神经保护之间实现动态制衡。这一制衡点随生理基线估计值的升高而平滑迁移，苏醒早期侧重抑制以保障安全、苏醒后期侧重保护以促进自然恢复，契合并自动适配icu镇静药物撤药苏醒期的医学规律。第三层面是验证自适应层面。通过引入多模态交叉验证，利用加速度传感信号这一独立于肌电的物理量对肌电判定质量进行客观评价，解决了在无患者主观意识反馈的约束下判定是否正确不可知的诊断难题。基于这一客观误差信号驱动的规则参数闭环迭代，使得系统在全治疗周期内无需患者主动反馈、无需医护人工干预，即可自主向着误判与漏检之间的最优平衡点持续逼近收敛，实现了真正的无监督自适应学习能力。全自动启停管理将上述三层面的处理能力无缝串联为全程无人值守的闭环系统，使其能够在患者病情波动的完整时间跨度上持续稳定运行。