无创颅内压监测设备.pdf

本发明涉及一种无创颅内压监测设备，其包含有：数据采集装置，为经颅多普勒仪；数据传输装置，用于将数据采集装置的模拟信号转换为数字信号；计算分析装置，为一台设置有数据分析软件的计算机，其接收数据传输装置输出的信号，并可通过网络调用数据库中的数据；显示设备，用于显示计算分析装置的分析结果；输入输出设备，用于输入操作指令及输出计算分析装置的分析结果。本发明可实现长期连续检测，不仅检测途径方便，结论可靠且测量精度高。

权利要求书
1.  一种无创颅内压监测设备，其特征在于包含有：
数据采集装置，为经颅多普勒仪；
数据传输装置，用于将所述数据采集装置的模拟信号转换为数字信号；
计算分析装置，为一台设置有数据分析软件的计算机，其接收所述数据传输装置输出的信号，并可通过网络调用数据库中的数据；
显示设备，用于显示所述计算分析装置的分析结果；
输入输出设备，用于输入操作指令及输出所述计算分析装置的分析结果。

2.  如权利要求1所述的无创颅内压监测设备，其特征在于：所述计算分析装置包括数据采集模块、数据处理模块及数据输出模块，完成数据的调用、运算、验证及结论的输出。

3.  如权利要求2所述的无创颅内压监测设备，其特征在于：
所述数据采集模块，用于接收所述数据采集系统的数据并从所述数据库中调用数据，输入所述数据处理模块；
所述数据处理模块包括脑脊液动力学模块、脑血流动力学与颅内压关系模块、汇总模块以及数据验证模块；所述脑脊液动力学模块将各种参量数据输入其计算模型进行处理，得到脑脊液生成和流出阻力值及颅内顺应性值，并将得到的数据输入所述汇总模块；所述脑血流动力学与颅内压关系模块中预置有脑灌注压、脑血流速度及其调节机制的模型，构成一定量估算颅内压的自适应控制系统；所述汇总模块中设有总模型，将所述脑脊液动力学模块计算得到的脑脊液生成和吸收阻力及颅内顺应性的数值，和由所述脑血流动力学与颅内压关系模块建立的脑灌注压、脑血流速度和自动调节数据融入总模型，得出颅内压数值；所述数据验证模块用于验证所述汇总模块所得出的颅内压数据的精度，并将通过验证的数据输入所述数据输出模块；
所述数据输出模块将所述数据处理模块的分析结果输出给所述显示设备及输入输出设备。

说明书无创颅内压监测设备
技术领域
本发明涉及颅内压监测设备，特别是指一种基于经颅多普勒的无创颅内压监测设备。
背景技术
颅内压(intracranial pressure，ICP)增高是临床中常见的综合征，ICP增高可使患者出现意识障碍，严重者出现脑疝，并可在短时间内危及生命。因此，ICP监测是颅脑疾病治疗的重要前提。ICP监测可帮助判断外伤性脑损伤或其他颅内病变患者的严重程度，帮助早期发现颅内占位性病变，指导降低ICP的治疗选择等。此外，ICP监测还可协助诊断脑死亡。
临床上采用的ICP监测多为有创性方法，最早的ICP检测方法为腰椎穿刺测压法并延用至今。由于本方法所测得的为瞬时ICP而非压力的动态变化过程且易受多种因素干扰，因此目前多以治疗为目的。1951年开始应用侧脑室穿刺法直接测量ICP，1960年实现有创连续ICP监测。此后，有创性ICP监测的理论和方法不断发展。由于有创监测可较准确地反映ICP水平，因此对颅内高压性疾病的诊断和治疗具有重要意义。目前，有创ICP监测仪已具备多种转换器，除脑室内ICP监测外，又出现了硬脑膜外、脑实质内和多功能ICP探头，转换器也向小型化发展。但由于有创监测存在技术条件要求高、操作繁杂、并发症较多(颅内感染、脑脊液漏、颅内出血、脑疝等；各种并发症的总发生率为10-25％)和不适宜长期监测等弊端，因此应用范围受到限制，仅在神经外科的部分患者中使用。目前多数ICP增高的患者仍沿用临床经验推测患者颅内压力，这必然导致病情判断有失准确和降颅压药物的使用混乱。
为了扩大ICP监测的应用范围，寻找无创、准确的监测方法已为临床医疗所急需。近年，无创监测的相关理论和仪器开发研究多有报道，并有一些无创ICP监测设备投入临床使用，但因监测精度、监测途径的局限性等原因使其应用规模极小。目前的无创ICP监测技术包括以下五种：
1、闪光视觉诱发电位(f-VEP)检测ICP：当ICP升高时，f-VEP的N2潜伏期延长(N2为f-VEP波形中的一种成分，已发现当出现N2波的潜伏期延长时，表明各种原因引起的视觉通路的损害，其中包括ICP增高)，N2潜伏期与ICP呈正相关，与脑灌注压(cerebral perfusiong pressure，CPP)呈负相关。本方法的局限性在于：(1)当ICP＞300mmH2O时，f-VEP易受与脑代谢有关因素的影响，如动脉二氧化碳分压、动脉氧分压、低血压、pH值等均会对其产生影响。某些疾病引起的全身代谢紊乱也能影响f-VEP，如肝性脑病。(2)严重视力障碍和眼底出血等眼部疾病对f-VEP存在影响。(3)视觉传导通路的损伤也会影响f-VEP，如双侧额叶血肿、视网膜震荡伤、眼后房积血、视神经挫伤及颅内占位性病灶压迫、破坏视觉通路时，f-VEP检测值明显高于真实水平。(4)部分深昏迷患者和脑死亡者f-VEP不出现波形。(5)f-VEP潜伏期还受年龄因素影响，60岁以上患者随着年龄的增长潜伏期会延长。因此，f-VEP无创监测ICP仍有很多问题有待深入研究，如：精确性有待提高，不同病种f-VEP曲线可能有差异，作为无创监测方法，f-VEP监测ICP的影响因素有哪些，如何控制等。基于该方法的无创ICP监测仪虽已投入使用，但因存在以上严重缺陷而影响了其应用规模。
2、生物电阻抗法检测ICP：阻抗分析仪测量显示，脑阻抗脉冲波幅度在高ICP时较ICP正常时有较大增加，ICP与脑阻抗之间具有相关性。因此，脑阻抗脉冲波幅的大小可作为ICP是否增高的判断依据。但该方法由于以下原因而不能准确测量ICP值：(1)引起阻抗变化的原因复杂，除了脑脊液、脑血流等主要因素外，其它部分组织的电导率变化也会影响脑部的电场分布，使阻抗测量不可避免地有一定差异。(2)脑阻抗与ICP并没有直接联系，不同患者，不同病情，容积代偿能力的不同，在ICP相同时测出的阻抗值也大不一样。(3)易受颅内出血、头皮血肿、颅骨骨折、颅骨厚度等因素影响。所以目前临床应用规模小，前景不光明。
3、视网膜静脉压检测ICP：本方法是于1925年提出的，用视网膜静脉压来评价ICP，利用吸杯负压式视网膜血管血压测定法测定视网膜中央静脉压。比较ICP和视网膜中央静脉压的关系，两者有明显的线性相关。该方法为测定瞬间ICP的方便、实用、可重复的检测方法，但不适合长期监测，使用范围受限制，因此一直未获得重视，也未能投入使用。
4、耳鼓膜检测ICP：人体蛛网膜下腔可通过耳蜗导水管与内耳的外淋巴间隙相连，因此，ICP变化可影响内耳。内耳外毛细胞产生的耳声发射(otoacoustic emissions，OAE)尤其是畸变产物耳声发射(distortionproduct otoacoustic e missions，DPOAES)可作为一种非侵入性检测ICP的方法。但本方法目前还仅仅是一种理论上的方法，其准确性和可行性尚需进一步研究。
5、经颅多普勒(Transcranial Doppler，TCD)检测颅内压(ICP)法，其原理是：TCD通过观察高颅压时的脑血流动力学改变来估算ICP。脑灌注压(CPP)为平均体动脉压(mean systemic arterial pressure，mSAP)减去ICP，即：CPP＝mSAP-ICP。脑血流量(cerebral blood folw，CBF)与CPP成正比，与脑血管阻力(cerebrovascularresistance，CVR)成反比，即CBF＝(mSAP-ICP)/CVR。当脑血管自动调节功能存在时，ICP升高，CPP降低，脑小动脉扩张，CVR减小以保持脑血供恒定，此时舒张压(diastolic blood pressure，DBP)比收缩压(systolic blood pressure，SBP)下降明显，故脉压差增大，而反映脉压差的搏动指数(pulsatility index，PI)、阻力指数(resistance index，PI)增高。当ICP持续增高时，脑血管自动调节功能减退，脑循环减慢，CBF减少，收缩期血流速度(systolic velocity，Vs)、舒张期血流速度(diastolic velocity，Vd)、平均血流速度(mean flow velocity，Vm)均降低。TCD恰以检测ICP增高时上述脑血流动力学参数(PI、RI、Vs、Vd、Vm)变化而定量模拟ICP。“黑箱”模型研究表明在ICP增高时如以经TCD检测的脑血流动力学参数作为输入端，以ICP作为输出端并忽略ICP变化的具体过程时，用数学模型模拟的ICP与实测ICP结果相近，在模拟的ICP曲线上甚至可分辨出脉搏和呼吸的影响波形。本方法是当前国际上该领域的研究重点，但目前尚未有成熟的可供临床使用的仪器面世。
发明内容
针对上述问题，本发明的主要目的在于提供一种无创颅内压监测设备，其具有更准确的测量精度，且监测途径方便、可靠，可长时间连续监测并可在监测颅内压的同时了解脑灌注压、脑血流量、脑血管阻力等颅内血流动力学的状态，而后者对颅内压增高患者的治疗方案选择和预后判断也同样至关重要。
为达到上述目的，本发明采用以下技术方案：一种无创颅内压监测设备，其特征在于包含有：数据采集装置，为经颅多普勒仪；数据传输装置，用于将所述数据采集装置的模拟信号转换为数字信号；计算分析装置，为一台设置有数据分析软件的计算机，其接收所述数据传输装置输出的信号，并可通过网络调用数据库中的数据；显示设备，用于显示所述计算分析装置的分析结果；输入输出设备，用于输入操作指令及输出所述计算分析装置的分析结果。
所述计算分析装置包括数据采集模块、数据处理模块及数据输出模块，完成数据的调用、运算、验证及结论的输出。
所述数据采集模块，用于接收所述数据采集系统的数据并从所述数据库中调用数据，输入所述数据处理模块；所述数据处理模块包括脑脊液动力学模块、脑血流动力学与颅内压关系模块、汇总模块以及数据验证模块；所述脑脊液动力学模块将各种参量数据输入其计算模型进行处理，得到脑脊液生成和流出阻力值及颅内顺应性值，并将得到的数据输入所述汇总模块；所述脑血流动力学与颅内压关系模块中预置有脑灌注压、脑血流速度及其调节机制的模型，构成一定量估算颅内压的自适应控制系统；所述汇总模块中设有总模型，将所述脑脊液动力学模块计算得到的脑脊液生成和吸收阻力及颅内顺应性的数值，和由所述脑血流动力学与颅内压关系模块建立的脑灌注压、脑血流速度和自动调节数据融入总模型，得出颅内压数值；所述数据验证模块用于验证所述汇总模块所得出的颅内压数据的精度，并将通过验证的数据输入所述数据输出模块；所述数据输出模块将所述数据处理模块的分析结果输出给所述显示设备及输入输出设备。
采用上述技术方案，本发明具有以下优点：1、本发明通过经颅多普勒采集患者脑血流数据，降低了对病患的创伤，可减轻病患的痛苦，并有利于病患康复。2、本发明利用经颅多普勒检测患者脑部大血管的血流信号，并实时通过计算机运算出颅内压数据，可实现临床上长期连续检测的需要。3、本发明只需通过经颅多普勒采集患者脑血流数据即可检测颅内压，不仅检测途径方便，结论可靠且测量精度高。4、本发明能反映脑血流的动态变化，观察脑血流自身调节机制是否完善，便于医生根据病人情形及时采取治疗措施，使治疗更及时，达到更好的效果。5、本发明有助于医生准确判断患者的预后或脑死亡。
附图说明
图1是本发明结构组成示意图
图2是本发明的系统框图
图3是本发明计算分析装置的模块图
图4是本发明脑血流动力学与颅内压估算的原理图
图5是本发明的流程图
图6是本发明第一实施例根据脑脊液生成和流出阻力的数学模型得到的监测曲线与模拟曲线对照图
图7是本发明第二实施例根据颅内顺应性与颅内压关系的数学模型得到的监测曲线与模拟曲线对照图
图8是本发明脑血流动力学与颅内压关系监测实施曲线图
图9是本发明实时、无创颅内压监测实施曲线
具体实施方式
为了详细说明本发明的原理、特点及功效，现根据本发明的较佳实施例并配合附图说明如下：
如图1～图3所示，本发明所提供的无创颅内压监测设备，为一种采用经颅多普勒(Transcranial Doppler，TCD)检测颅内压(ICP)的监测设备，包括数据采集装置1、数据传输装置2、计算分析装置3、显示设备4及输入输出设备5。
数据采集装置1包括经颅多普勒11及探头12，经颅多普勒11为临床上的常用设备，其通过探头12检测患者脑部大血管的血流信号，如大脑中动脉血流速度VMCA、搏动指数、阻力指数等各种计算所需的检测数据。经颅多普勒11的检测数据既可通过数据传输装置2直接传送给计算分析装置3，也可传送至医院数据库(流程未标明)中存储，以备日后分析时调用。由此，通过数据采集装置1可获得建立无创颅内压数学模型和计算颅内压值所需的数据。
数据传输装置2是一块具有A/D转换功能的接口板，接口板通过以太网接口和电脑并口将经颅多普勒11与计算分析装置3连接起来，实现二者间的通讯。如图2所示，其将经颅多普勒11测得的脑部血流数据的模拟信号转换为数字信号输入计算分析装置3。A/D转换接口板为常见的将经颅多普勒的数据输出接口转换为与计算机的数据接口相配合的转换板，可从市场上购得，在此不再详述。
计算分析装置3为一台计算机，其可与网络数据库连接。如图3所示，计算分析装置3中安装有进行数据处理分析的软件，包括数据采集模块31、数据处理模块32及数据输出模块33。数据采集模块31一方面通过计算机的网络接口连接医院数据库，将医院数据库中的常规参量(即以往积累的颅内压增高患者的历史数据，如mSAP、Paco2、ICP、压力-容积指数、CPP、CBF、CVR、VS、Vd、VM、RI、PI、脑脊液动力学参量等，这些数据将用于新增受检患者数学模型的建立、建立后的精度验证和模型精度的修正)及患者信息(血压、脉搏、呼吸等)输入数据采集模块31中，同时由数据传输装置2将转换后的患者脑部血流动力学数据也输入数据采集模块31中，再一同输入数据处理模块32。
数据处理模块32包含脑脊液动力学模块321、脑血流动力学与颅内压关系模块322、汇总模块323与数据验证模块324。依据ICP动力学分析，脑脊液动力学和脑血流动力学分别为形成ICP并决定ICP水平的关键因素，因此脑脊液动力学模块321和脑血流动力学与颅内压关系模块322中内置的模型将首先分别建立各自与ICP相关的分模型，然后汇总至估算ICP的总模型(即最终模型)的汇总模块323中估算出ICP值。
其中脑脊液动力学模块321中又包括脑脊液生成和流出阻力计算模块325与颅内顺应性计算模块326。
脑脊液生成和流出阻力计算模块325的计算模型为：
R＝P0t/PVI log[P(t)/Pp×(Pp-P0)/(P(t)-P0)]
其中R为脑脊液生成和流出阻力，P0为颅内初压力，P(t)为颅内某一时刻的压力，Pp为颅内的峰压力、PVI为压力-容积指数，均为从医院数据库中调入的常规参量数据。
颅内顺应性计算模块326的计算模型为：
C=K*PVIP]]>(C：Compliance，顺应性)
C＝1/KP＝0.4343(PVI)/P
其中的kE为颅内弹性系数。
脑脊液动力学模块321通过将常规参量数据如ICP、压力-容积指数(PVI)等数据输入各计算模型进行处理，得到脑脊液生成和流出阻力值及颅内顺应性值，然后将这些数值加入汇总模块323，以完成ICP的计算。
脑血流动力学与颅内压关系模块322中预置有依据ICP动力学机制建立的脑灌注压(计算公式已如前述：CPP＝mSAP-ICP)、脑血流速度及其调节机制的模型，如图4所示，这三者在参与对ICP的定量估算时构成一自适应控制系统。
其中：ABP为平均体动脉压即为前述的平均体动脉压(mSAP)；AB为估算自动调节状态时的矩阵A和向量B；nICP为无创颅内压。
TCD能够精确描述在短期变化中的血流速度和平均动脉压数值上的关系，它表现在能够为冲击响应函数估算模型中的权量fk提供信息，亦即用若干TCD的特征数据表达fk。这些权量fk与m个TCD的特征值TCDn之间为线性模型的关系：
fj＝Aj0*TCD0+Aj1TCD1+…+Ajm-1*TCDm-1+Bj，j＝0，1，2，…n-1.
将其写成矩阵的形式就是：
fρ=f0Mfn-1=A00ΛA0m-1ΛΛΛA(n-1)0ΛΛA(n-1)(m-1)TCD0MTCDm-1+B0MBn-1=A*TCD+Bρ]]>
即为矩阵A和向量B。
由图4可知，对无创测定ICP的估算过程是从同时记录的ABP、TCD数据开始的，然后利用模型估算ICP数值并和实际测量的ICP相比较。
脑血流动力学与颅内压关系模块322的运行步骤为：
步骤1：mSAP赋值给冲击响应函数计算模型，建立mSAP与ICP的关系，冲击响应函数计算模型为：
ICRk＝f0*ABPk+f1*ABPk-1+…+f23*ABPk-23+f24*ABPk-24
步骤2：FV(TCD特征数值：VS、Vd、VM、RI、PI等)赋值给自动调节状态估算模型AB并将状态值赋给冲击响应函数计算模型。自动调节状态的估算模型为：
fj≈f~j=Σi=0m-1Aji*tcdi+Bj]]>
步骤3：自动调节功能的计算，包括脑血管调节的定量计算和自动调节功能状态的计算：
1)脑血管调节(含脑血流自动调节和CO2调节机制模型)的定量计算：
脑血流自动调节和CO2调节将改变脑血管的顺应性和阻力，使脑血管的口径和血流量、血流速度发生改变，并最终决定ICP的增高或降低，调节模型为：
脑血管顺应性计算模型：
Cpa=(Cpan-ΔCpa/2)+(Cpan+ΔCpa/2)·exp[(xCO2-xaut)/kCpa]1+exp[(xCO2-xaut)/kCpa]]]>
其中，kcpa为恒定参数，它与调节血流量增减的S形曲线的中心斜度(centralslope)成反比；Cpa和ΔCpa为S形曲线的中心值和振幅。CBF下降和CO2压力增高引起血管扩张伴顺应性升高、ICP升高；反之，CBF升高或CO2压力下降引起血管收缩伴顺应性下降、ICP下降。
脑血管阻力计算模型为：
Rpa=kR·Cpan2Vpa2]]>
其中，kR是恒定参数。Cpan的平方值已包括在方程的分子中，使基础状态下的流体阻力不依赖于血容量。
2)自动调节功能状态的计算：
ICP增高性疾病是否导致脑血流动力学(CBF、CPP、TCD检测数据等)的改变并进而影响ICP取决于自动调节功能的状态。自动调节功能正常则脑血流保持恒定，ICP变动不大。反之，自动调节功能的损害将导致脑血流动力学紊乱并伴ICP增高。自动调节功能状态由患者脑部疾病的严重程度所决定，因此其状态的定量评价既表明患者的疾病严重程度，同时也将决定ICP的水平。
自动调节功能状态的计算方法如下：
首先确立决定自动调节功能状态的矩阵A和向量B：
fj≈f~j=Σi=0m-1Aji*tcdi+Bj]]>
再将nICP值(无创颅内压：non-invasive ICP，nICP)送回AB连续计算并调整即时的自动调节状态。
脑血流动力学与颅内压关系模块322经过上述3个步骤的运算后得出nICP的估算方程为：
ICPt＝c(1)*ABPt+c(2)*PIt+c(3)*RIt+c(4)*CO2t+c(5)*ABPt-1+μt
μt＝c(6)*μt-1+εt
如图4所示，脑血流动力学与颅内压关系模块322无创估计ICP值是基于传递函数的方法并受到脑血流动力学参数和自动调节功能状态的控制。ICP信号被认作是系统的响应值，输入信号是平均体动脉压(mSAP)，mSAP→ICP的转化即表达为一个冲击响应函数，亦即mSAP→冲击响应函数→ICP的过程。同时经TCD检测的脑血流动力学信息(VS、Vd、VM、RI、PI)和脑血管调节机制(自动调节和CO2调节)也融入模型中参与ICP值的估算。mSAP、TCD数据和自动调节功能状态参与ICP估算时，三者的共同作用为：1、实时、连续输入的mSAP和TCD数据经冲击响应函数值的计算后获得实时、连续的ICP值输出；2、实时、连续的mSAP→冲击响应函数→ICP的计算过程在自动调节状态的调整下提高了模型的输出精度；3、因模型建模原理是基于ICP的生理与病理生理学基础，以上所选变量均为输出ICP值的关键变量，所以在保证模型输出精度的前提下简化了模型结构和计算过程，适应了临床监测对即时性的要求。
TCD所采集的脑血流动力学数据和患者常规参量数据输入脑血流动力学与颅内压关系模块322中内置的各模型中进行计算，为汇总模块323的ICP数值解的计算提供数据依据。
脑脊液动力学模块321和脑血流动力学与颅内压关系模块322的计算数据输入汇总模块323。汇总模块323中设有总模型，将脑脊液动力学模块321计算得到的脑脊液生成和吸收阻力及颅内顺应性的数值，和由脑血流动力学与颅内压关系模块322建立的脑灌注压、脑血流速度和自动调节等因素参与形成ICP的方程融入总模型，即可得出患者ICP的数值解，为临床确定治疗方案提供指导及理论依据。
汇总模块323中的总模型为：
ICP＝0.849*ABP-44.755*PI+36.342*RI-1.043*CO2+0.121*ABP(-1)+[AR(1)＝0.984]
汇总模块323得出的数据还需经数据验证模块324验证数据的精度。接入医院整体数据库，用最小二乘法检验所输出的ICP和其他数据的精度并与医院整体数据库中的历史数据进行比对。当精度在误差范围内则视为通过检验，进入下面的输出模块33，否则返回数据处理模块32修改参数并重新计算。修改将依据在脑脊液动力学模块321和在脑血流动力学与颅内压关系模块322中得到的脑脊液生成和吸收阻力及颅内顺应性方程和脑血流速度以及脑灌注压与颅内压关系的调节机制方程，通过调整脑脊液生成和吸收阻力及颅内顺应性方程中的参数值和自动调节(包括脑血流自动调节和CO2调节)的参数值，对模型未能适应患者个体差异不同所造成的数据误差进行修正，亦即实时更新数据返回数据处理模块32重新计算。
经数据验证模块324验证的最终数据由数据输出模块33将结果按照反映ICP值、ICP与脑血流关系的曲线图、分析、比对的数据及其它形式(如给出初步治疗建议)由显示设备4予以显示，并由输入输出设备5输出检测数据并反馈回医院数据库中。由此，本发明既可调用医院数据库中的历史资料，也可将监测所得的患者ICP数据输入医院数据库中，便于科室医务人员制订治疗方案时使用。
本发明的显示设备即为一般的电脑显示器，输入输出设备为任何可与电脑连接的输入输出设备，如键盘、存储设备及打印设备等。
如图5所示，本发明的工作过程如下：
首先，由数据采集模块31从数据传输装置2接收由经颅多普勒11所测得的患者颅内大血管的血流信号，并从医院整体数据库调入患者的常规参量和患者信息。之后，数据采集模块31将这些数据输入数据处理模块32的脑脊液动力学模块321和脑血流动力学与颅内压关系模块322中，分别由脑脊液生成和吸收阻力计算模型、颅内顺应性计算模型和脑血流速度、脑灌注压及其调节机制模型按照预置的计算公式分别进行计算，得到脑脊液生成和吸收阻力、颅内顺应性、脑血流动力学与颅内压关系的数据。
以上所得数据输入汇总模块323得出患者ICP的数值解，此ICP的数值解在数据验证模块324中经最小二乘法等数据验证方法检验ICP的精度，如通过检验则进入数据输出模块33，包括图像输出和数据的记录，其中图像主要显示ICP变化曲线及ICP与脑血流动力学的关系及ICP和其他数据的关系，数字数据主要是ICP的数值解等。所得数据同时存储于医院整体数据库。否则返回数据处理模块32修改参数并重新计算。
本发明所依据的医学原理是：
1、ICP增高导致脑血流动力学变化，其变化的幅度也同时受颅内顺应性、脑脊液生成和吸收阻力、脑自动调节功能状态的调控。
2、当ICP增高时，TCD可以敏感地捕捉到脑血流动力学的变化，即：VM减慢、RI、PI升高。VM、RI、PI与ICP有良好的定量关系，这种定量关系可以使用数学模型方法准确表达。模型中对脑脊液生成和吸收阻力、颅内顺应性、脑自动调节功能状态的测算可以明显改善ICP输出值的精度。
3、TCD为体外无创检测脑血流动力学的工具，因此基于TCD的ICP监测设备可以实时、无创、连续地获得ICP值。
本发明数据处理模块中预置的各计算模型经以下实验验证：
实施例1：
确定脑脊液生成和流出阻力的数学模型为：
R＝P0t/PVI  log[P(t)/Pp×(Pp-P0)/(P(t)-P0)]
本实施例所测得的图形如图6所示，图形中横坐标为时间，纵坐标为颅内压，图中的星形曲线代表有创监测仪实测的ICP数据曲线，实线曲线代表本发明依据脑脊液生成和流出阻力的数学模型估算出的ICP数据。表明随时间变化的脑脊液生成和流出阻力与颅内压力的定量关系。方程式中的R为生成和吸收阻力；PVI为压力-容积指数，表示压力与容积的对应关系；P0为初始颅内压；Pp为颅内峰压。由图6可知，在本实施例中，方程模拟得到的ICP曲线结果与有创监测所得到的曲线拟和良好。
正常人脑脊液的生成和流出保持平衡，以此维持颅内压力正常。ICP增高导致流出阻力增加，而流出阻力的增加反过来使ICP更形增高，这种阻力与压力的关系是决定颅内压力的因素之一，且二者具有线性特征并可经模型的计算定量表示。此模型设计用于计算生成和吸收阻力，模型估算其参数值后融入总模型，参与计算颅内压值。
实施例2：
确定颅内顺应性的数学模型为：
C=K*PVIP]]>(C：Compliance，顺应性)
C＝1/KP＝0.4343(PVI)/P
式中：C为颅内顺应性；k为颅内弹性系数
脑处于刚性颅腔内，颅腔内容物一定容积量的增加可使颅内压力保持不变，此即为颅内顺应性。但如果颅腔容积进一步增加，则顺应性下降，颅内压增高，因此二者的关系是决定颅内压力的因素之一。顺应性与颅内压的定量关系可用本数学模型表示，在数据处理过程中，在脑脊液动力学模块将常规参量数据如压力-容积指数(PVI)等输入计算模型进行处理，得到颅内顺应性值，此值融入总模型后，参与计算颅内压值。如图7所示，图形中横坐标为容积，纵坐标为颅内压力的对数，由图中曲线可知，随着颅内容积的增加，顺应性逐渐降低，而颅内压力逐渐增高。由图7可知，本实施例中方程模拟得到的ICP曲线结果与有创监测所得到的曲线拟和良好。
实施例3：
确定脑血流动力学与颅内压关系的模型为：
ICPt＝c(1)*ABPt+c(2)*PIt+c(3)*RIt+c(4)*CO2t+c(5)*ABPt-1+μt
μt＝c(6)*μt-1+εt
此计算式通过对数据序列建立自回归的时间序列模型得到基础参量的参数c(1)，再选择最主要的反应量ABP的一期延迟和一阶自回归作为随机扰动项得到。
模型的模拟曲线图如图8所示。
刚性颅腔内的组分为脑组织、脑脊液和血液，其中任一组分的增加均可导致颅内压的增高，脑血流动力学调控颅内血容量的多少，因此是决定颅内压力的重要因素。本模型含有影响脑血流动力学的主要因素。如图8所示，经模型模拟的颅压值与有创颅内压监护仪的监测值拟和满意，此既表明脑血流动力学与颅内压之间存在确定的定量关系，也表明模型中所选变量的准确和关键作用。
实施例4：
实时、无创ICP监测的模型(总模型)：
ICP＝0.849*ABP-44.755*PI+36.342*RI-1.043*CO2+0.121*ABP(-1)+[AR(1)＝0.984]
本模型是综合考虑了脑脊液动力学模块321和脑血流动力学与颅内压关系模块322中的各ICP构成因素并将各模块中的计算结果带入，建立实时、无创、连续输出ICP值的总模型。该实施例操作过程中仪器监测与模型运算分别同时进行。从曲线的走势分析，实测值、模拟值和预测值无偏离，而模型更是提前并准确预测了ICP的变化方向。由于模型中的变量均基于成熟的医学理论或从实验中筛选得来的关键变量，以致模型模拟曲线拟和完美。
由上述实施例表明：1、本发明所建模型符合真实的颅内压动力学；2、模型已具有临床应用价值。
综上所述，本发明的基于TCD的ICP监测方法较之其它方法具有以下优点：1、无创伤；2、有更准确的测量精度；3、监测途径方便、可靠；4、可长期连续监测；5、能反映脑血流的动态变化；6、可观察脑血流自动调节机制的状态；7、颅内压、脑血流和自动调节状态的同期监测有助于指导临床治疗和更准确地判断患者预后。