一种应用于血流测量的智能全局优化方法

本发明涉及测量微血管血流，尤其是一种应用于血流测量的智能化全局优化方法。

背景技术：

1、血流是衡量机体功能状态的重要指标之一，血流速度也是人体内循环系统中的重要参数之一，它反应了心脏泵血能力、微循环状态等信息。实现生物组织的无创实时连续的高分辨血流检测对生命科学前沿基础研究以及临床治疗都有重要意义。扩散光学技术在生物组织检测上的应用近年来越来越受到重视，由于其操作相对简单且具有无创检测的优点，已逐渐应用到临床领域对组织血红蛋白浓度，血氧饱和度，血流量等指标的检测。

2、漫反射相关光谱(diffuse correlation spectroscopy，dcs)是一种无创监测组织相对较深层血流变化新方法。它通过计算光电场的时间自相关性来测量组织血流，其中红细胞被视为移动的散射体，红细胞运动引起光电场的干扰，从而可以通过其时间自相关函数来量化。其基本原理是根据生物组织中运动散射粒子(红细胞)诱发的光斑波动，反演出组织内部的血流状况(blood flow index,bfi)，进而预测组织的病态状态，如原发性活继发性神经系统损伤疾病(极性脑卒中、创伤性脑损伤、蛛网膜下腔出血等)、骨骼肌病变等。

3、血流动力学模型的拟合逐渐发展成实时测量血流变化的方法，用于监测人体组织血流的变化。通过监测脑部血流的变化来评估意识状态，并可结合脑电、脑氧等实现多模态的脑状态监测。在临床研究领域，通过监测不同阶段前额血流的变化来评估全麻的不同状态，对麻醉深度的评估具有实际的生理意义。

技术实现思路

1、本发明需要解决的技术问题是提供一种应用于血流测量的智能化全局优化方法，方法的拟合标准是推导的解析解与实验获得的实际值之间的误差平方和，数据拟合的计算过程采用智能全局优化方法实现，实现了实时的血流监测。

2、为解决上述技术问题，本发明所采用的技术方案是：

3、一种应用于血流测量的智能全局优化方法，包括以下步骤：

4、s1、计算归一化光强时间自相关函数实验值；

5、s2、计算推导归一化电场自相关函数的解析解；

6、s3、求解归一化电场时间自相关函数曲线的解析解与实验所获得的归一化电场时间自相关函数曲线的误差平方和的目标函数；

7、s4、定义一个行向量存储候选值，并初始化每个候选值的速度信息和位置信息；

8、s5、利用极限法来求解目标函数误差平方和的目标函数的最优解；

9、s6、更新极限法中的候选值的速度vi和位置xi；

10、s7、重复执行s4至s6，直到达到预定的迭代次数或满足停止条件，输出最优值。

11、本发明技术方案的进一步改进在于：s3中，解析解通过推导得到关于α<δr2(τ)>的表达式，<δr2(τ)>为移动散射体随时间τ的均方位移，其服从<δr2(τ)>＝6dbτ，因此得到α<δr2(τ)>＝6αdbτ,其中αdb被作为血流指标来衡量组织血流的变化；

12、目标函数是归一化电场时间自相关函数曲线的解析解与实验所获得的归一化电场时间自相关函数曲线之间的误差平方和，其表达式如下：

13、

14、其中j代表该组共有j个延迟时间τ，为第j个解析解，为第j个实验值。

15、本发明技术方案的进一步改进在于：s4中，定义一个1×m的行向量n来存放m个候选值：

16、n＝(n1,n2,...,nm)

17、定义两个1×m的行向量，分别用来存放第i个候选值的速度vi和位置xi i＝1,2,...,m，速度和位置表示如下：

18、v＝(v1,v2,...,vm)

19、x＝(x1,x2,...,xm)

20、其中，vi是候选值的速度，xi是候选值的当前位置。

21、本发明技术方案的进一步改进在于：s5中，定义一个1×m的行向量l来存放每个位置xi所对应的目标函数值，表达式如下：

22、l＝(l(x1),l(x2),...,l(xm))

23、其中l(xi)表示第i个位置xi的解析解与实验值之间的误差平方和，i＝1,2,...,m；

24、利用极限法来求解误差平方和的目标函数l的最小值，其结果便是通过拟合得到的最优αdb，以此得到某一时刻人体组织的血流值，计算过程如下：

25、

26、其中h(x)为阶跃函数，定义为：

27、

28、根据找到的最小值l(xi)确定候选值的历史最优位置pbesti和所有候选值的全局最优位置gbesti。

29、本发明技术方案的进一步改进在于：s6中，根据候选值的历史最优位置和全局最优位置，更新每个候选值的速度vi和位置xi：

30、vi＝ω×vi+c1×rand()×(pbesti-xi)+c2×rand()×(gbesti-xi)

31、其中xi＝xi+vi，ω＝ωs(ωs-ωe)(gk-g)/gk，c1＝c2＝2，rand()为(0,1)之间的随机数，pbesti为历史最优位置，gbesti为全局最优位置。

32、由于采用了上述技术方案，本发明取得的技术进步是：

33、1、本发明采用以误差的平方和为拟合标准，数据拟合的计算过程采用智能全局优化算法，该方法在拟合精度和拟合速度上都得到了极大的提高，显著提高了时间分辨率，采集更加灵敏，对细微血流变化的监测得到了进一步提升。

34、2、本发明找到了一种新的方法来快速拟合血流值，能够快速监测血流的动态变化。本发明可以优化脑血流模型参数，其在意识状态评估、脑状态监测以及脑血管疾病的诊断和治疗中具有重要的科研和临床应用价值。本发明在临床麻醉下可以更好的监测不同状态下脑部血流值变化，监测灵敏度更高。

技术特征：

1.一种应用于血流测量的智能全局优化方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的应用于血流测量的智能全局优化方法，其特征在于：s3中，解析解通过推导得到关于α<δr2(τ)>的表达式，<δr2(τ)>为移动散射体随时间τ的均方位移，其服从<δr2(τ)>＝6dbτ，因此得到α<δr2(τ)>＝6αdbτ，其中αdb被作为血流指标来衡量组织血流的变化；

3.根据权利要求1所述的应用于血流测量的智能全局优化方法，其特征在于：s4中，定义一个1×m的行向量n来存放m个候选值：

4.根据权利要求1所述的应用于血流测量的智能全局优化方法，其特征在于：s5中，定义一个1×m的行向量l来存放每个位置xi所对应的目标函数值，表达式如下：

5.根据权利要求1所述的应用于血流测量的智能全局优化方法，其特征在于：s6中，根据候选值的历史最优位置和全局最优位置，更新每个候选值的速度vi和位置xi：

技术总结本发明公开了一种应用于血流测量的智能全局优化方法，属于测量微血管血流技术领域，包括以下步骤：S1、计算实验所得的归一化电场时间自相关函数；S2、计算归一化电场自相关函数的解析解；S3、求解归一化电场自相关函数曲线的解析解与实验获得的函数解的误差的平方和；S4、由误差的平方和，定义一个行向量来存储候选解，并确定每个候选解速度信息和位置信息；S5、利用极限法来求解最优解，并确定候选解的历史最优位置和全局最优位置；S6、更新每个候选值的速度和位置；S7、重复执行S4至S6，直至达到约定的迭代次数或满足终止条件，并输出最优解。本发明中数据拟合的计算过程采用智能全局优化方法实现，实现了实时的血流监测。技术研发人员：梁振虎,李俊,魏昌伟,何明远,张志伟受保护的技术使用者：燕山大学技术研发日：技术公布日：2024/11/18