摘 要

本申请公开了一种HCT预测方法、系统、设备及介质，通过将光子组中的光子发射到体外循环血液模型，以使光子在移动过程中被反射、散射或吸收，所述体外循环血液模型是基于体外循环管路厚度、血液厚度和光源发生器距探测器的距离构建得到的模型；获取到达探测器的光子对应的光强数据；将获取到的光强数据输入预测模型，得到红细胞压积HCT预测值，所述预测模型是基于BP神经网络，以及光强与HCT之间的关系构建得到的模型。结合模拟仿真和神经网络的预测模型，提高了数据量，通过优化算法模型实现对HCT的连续无创估计，提高了HCT预测的准确性。

背景技术

无创方法因其无需物理渗透到组织或采集血液进行离体分析的特性，在减少血栓形成风险和实现连续实时测量方面表现出显著优势。其中，近红外光谱理论的应用为无创HCT监测提供了有效的手段。近红外光谱法通过测量光在通过血液时的强度变化，利用光强与HCT之间的相互关系来设计监测算法。传感器探测模块在接收到经过血液的光后，获取其光强值，然后依据特沃斯基理论Twersky理论等数学模型，估算出HCT值。这种方法不仅避免了传统方法中的侵入性操作，还使得实时监测成为可能，为临床诊断和治疗提供了重要的参考信息。

然而，无创方法需要精确的传感器和稳定的测量环境进行长时间的连续监测，才能获得足够的数据用于分析。由于在实际计算过程中可以获取到的数据量相对较少，且通常是通过数学公式拟合来计算HCT值，这使得优化改进变得困难。少量的数据可能无法充分反映个体差异和动态变化，导致预测模型的精度和泛化能力受限。在前期基于Twersky理论的光学血细胞比容测量研究中，也发现了大约5%的误差，因此，HCT监测在精度方面仍有待提高。