在心肺复苏(CPR)过程中实时识别自主循环恢复(ROSC)

摘要

本发明涉及在心肺复苏（CPR）过程中实时识别自主循环（ROSC）恢复。一种用于在CPR过程中实时识别ROSC的ROSC识别设备，所述设备包括信号采集装置，用于采集患者的脉搏血氧波形信号；以及信号分析装置，用于对所述信号进行分析以实时地确定在CPR过程中ROSC是否恢复。

说明书

技术领域

本发明大体上涉及识别自主循环恢复（restoration of spontaneous circulation，ROSC），更具体地涉及用于在心肺复苏（cardio-pulmonary resuscitation，CPR）过程中实时识别ROSC的设备、ROSC识别与质量评估系统以及CPR过程中的ROSC反馈控制系统。

背景技术

心血管疾病已成为人类发病和死亡的最主要病因，每年导致全球约17,000,000人死亡，其中许多表现为心源性猝死。心源性猝死已经成为威胁人类生命健康的重要杀手，而针对这一情况最有效和直接的医疗手段就是心肺复苏（CPR）。CPR通过增加胸内压（胸泵机制）或直接挤压心脏（心泵机制）产生血流，使氧气输送到大脑和其他生命器官，从而建立临时性的人工循环。2010年心肺复苏指南强调：心肺复苏成功的关键是尽早进行高质量的心肺复苏，胸外按压频率为至少100次/分钟，按压深度至少5厘米，才能达到高质量的心肺复苏，在高质量CPR过程中，心输出量（CO）仅仅能够达到正常心输出量的1/4或1/3。实际临床工作中，经常会出现CPR过程中，病人恢复自主循环（ROSC）的现象。由于不能及时发现，CPR抢救过程持续进行，胸外按压会增加病人的心脏负荷，甚至对病人的心脏和血流动力学造成负面影响。因此，在心肺复苏过程中（CPR）如何识别病人是否恢复自主循环显得尤为重要。虽然指南中提出呼气末二氧化碳及有创血压监测可以监测心肺复苏质量，但在人工按压过程中必然会导致一定程度的过度通气，这种过度通气可能并不能准确的反应心肺质量，而对自主循环的识别也可能出现一定程度的滞后，此外呼气末二氧化碳不仅需要特殊设备还需要进行基准定标，操作繁琐费时；有创动脉血压监测的最大难点是在于心跳停止情况下进行动脉置管，且有创血压监测同样需要压力基准定标，因此这两种推荐方法在实际工作中均难以实施。便捷、无创、经济、能实时跟踪反映ROSC、且能广泛推广应用的ROSC监测反馈系统亟需开发。

发明内容

基于以上现状和需求，我们提出了本发明。血氧饱和度监测在临床上已经得以广泛认可及应用，近年来研究发现脉搏血氧波形（波幅、曲线下面积）与患者的心输出量（CO）、容量状态、外周组织灌注等血流动力学指标具有相关性。通过《脉搏血氧波形在心肺复苏质量反馈控制系统应用研究》课题研究发现，脉搏血氧波形不仅能够实时反馈心肺复苏质量，也能够反映CPR过程中ROSC的特性。由此，本发明利用动脉血氧饱和度的测定——近红外光检测原理，建立脉搏血氧波形的相关参数，通过连续的无创方法建立自动识别CPR过程中ROSC的评价指标。

本发明基于动脉脉搏血氧技术，结合临床生理特性和数字信号处理方法，综合识别心肺复苏（CPR）过程中自主循环恢复（ROSC）的特征，以提示医生如何进行下一步临床决策。

一般情况下，临床医生在实施胸外按压过程中，很难区分人工循环与自主循环，所以在胸外按压过程中对自主循环的识别是一个临床难题。如果在胸外按压过程中病人已经ROSC，此时，医生仍然实施胸外按压，则按压的节律与时相难以与自主循环下心脏的舒缩功能同步，将会对心脏及循环系统产生负面效应，导致心输出量下降，甚至心脏再次停搏，从而使实际组织灌注低于预期。

根据本发明的一个方面，提供了一种用于在心肺复苏（CPR）过程中实时识别自主循环恢复（ROSC）的ROSC识别设备，所述设备包括信号采集装置，用于采集患者的脉搏血氧波形信号；以及信号分析装置，用于对所述信号进行分析以实时地确定在CPR过程中是否ROSC。

根据本发明的另一个方面，提供了一种自主循环恢复（ROSC）识别与质量评估系统，该系统包括上述的ROSC识别设备以及用于评估ROSC质量的ROSC质量评估装置。

根据本发明的又一个方面，提供了一种心肺复苏（CPR）过程中的自主循环恢复（ROSC）反馈控制系统，该系统包括ROSC识别与质量评估装置，用于实时地识别在CPR过程中是否ROSC，并且评估ROSC质量；以及心肺复苏装置，用于对患者进行按压输出；其中，所述ROSC识别与质量评估装置在确定ROSC时，控制所述心肺复苏装置停止按压输出，同时启动ROSC质量评估；并且在评估ROSC质量不稳定时，控制所述心肺复苏装置再次启动按压输出，重新启动对ROSC的识别。

根据本发明的又一个方面，提供了一种心肺复苏（CPR）过程中的自主循环恢复（ROSC）反馈控制系统，该系统包括ROSC识别与质量评估装置，用于实时地识别在CPR过程中是否ROSC，并且评估ROSC质量；心肺复苏装置，用于对患者进行按压输出；CPR质量评估装置，用于评估CPR质量；以及其中，所述ROSC识别与质量评估装置在确定ROSC时，控制所述心肺复苏装置停止按压输出，同时启动ROSC质量评估；并且在评估ROSC质量不稳定时，控制所述心肺复苏装置再次启动按压输出，重新启动对ROSC的识别；并且其中所述CPR质量评估装置在所述心肺复苏装置工作期间与之交互以识别CPR按压状态并反馈控制所述心肺复苏装置达到最有效按压输出。

根据本发明的又另一个方面，提供了一种用于在除颤后无胸外按压的情况下识别自主循环恢复（ROSC）的设备，包括：信号采集装置，用于采集患者的脉搏波信号；以及信号分析装置，用于对所述信号进行分析以实时地确定除颤后是否ROSC。

通过本发明的上述设备和系统，医生在按压间期甚至持续按压过程中获得病人是否ROSC的信息，以便迅速、及时地进行临床决策，从而避免胸外按压对已经ROSC病人的循环系统及其他系统造成二次损伤。

根据以下对于本发明各个实施例的结合附图所做出的说明，将会更彻底地理解本发明的这些及其它特征和优点。

附图说明

当结合附图阅读时，本发明的示例性实施例的下面详细描述可以最好地理解，其中相同的结构以相同的附图标记来表示，并且在附图中：

图1是示出血氧饱和度测定的示意图。

图2是示出由血氧饱和度传感器所检测的信号的示意图。

图3和4示出心肺复苏过程中心脏运动的生理特性的两种变化模式。

图5是示出描述除颤后是否ROSC的识别方法的流程图。

图6是示出人工按压信号和自主循环信号的混合波形的示意图。

图7A-7D是示出在0°相位、90°相位、180°相位、270°相位偏差下人工按压信号和自主循环信号的混合波形的示意图。

图8是示出在胸外按压过程中自主心律存在渐变的情况下人工按压信号和自主循环信号的混合波形的示意图。

图9A-9D是分别示出在0°相位、90°相位、180°相位、270°相位偏差下且在胸外按压过程中自主心律存在渐变的情况下人工按压信号和自主循环信号的混合波形的示意图。

图10是示出实现示例性ROSC时域识别逻辑的流程图。

图11示出ROSC时域识别逻辑的部分关键计算参数在波形上的示例。

图12示出ROSC时域识别逻辑应用于动物试验过程所产生的波形的示例。

图13是示出在受到干扰的情况下人工按压信号和自主循环信号的混合波形的示意图。

图14是示出在人工按压频率与自主心律频率不一致的情况下人工按压信号和自主循环信号的混合波形和频谱分布的示意图。

图15是示出在人工按压频率与自主心律频率不一致且人工按压信号和自主心律信号存在频谱的谐波分量信息的情况下人工按压信号和自主循环信号的混合波形和频谱分布的示意图。

图16是示出在人工按压频率和自主心律频率基本一致的情况下人工按压信号和自主循环信号的频谱分布的示意图。

图17是示出在人工按压信号和自主心律信号存在频谱的谐波分量信息且在人工按压频率和自主心律频率基本一致的情况下人工按压信号和自主循环信号的频谱分布的示意图。

图18-21是示出应用示例性ROSC频域识别逻辑过程中人工按压信号和自主循环信号的频谱分布变化的示意图。

图22是示出患者的血氧采样信号的交流成分的示意图。

图23是示出对血氧采样信号进行驱动电流调节的示意图。

图24以心脏每搏输出量为例示出自主心律质量评估的图形示意。

图25以脉率为例示出自主心律质量评估的图形示意。

图26是示出根据本发明的一个实施例的用于在CPR过程中实时识别ROSC的ROSC识别设备的功能框图。

图27是示出图26的ROSC识别设备作为单参数医疗器械实现的形状因子的示例。

图28示出了图26的ROSC识别设备的示例性硬件实现示意图。

图29示出了图28的ROSC识别设备中的ROSC识别子板的示例性电路原理图。

图30是示出根据本发明的一个实施例的ROSC识别与质量评估系统的功能框图。

图31出了图30的ROSC识别与质量评估系统的示例性硬件实现示意图。

图32是示出根据本发明的一个实施例的CPR过程中的ROSC反馈控制系统的示意图。

图33详细示出了图32的系统在工作时的内部交互。

图34详细示出了根据本发明的另一个实施例的CPR过程中的ROSC反馈控制系统在工作时的内部交互。

图35是示出根据本发明的一个实施例的用于在除颤后无胸外按压的情况下识别ROSC的设备的功能框图。

具体实施方式

为了促进对本发明的原理的理解的目的，现将参照在附图中示出的多个示例性实施例，并且特定的语言将被用于描述这些实施例。

脉搏血氧基本原理

血氧饱和度测定原理包括分光光度测定和血液容积描记两部分。分光光度测定是采用波长为660nm的红光和940nm的红外光，根据氧合血红蛋白(HbO₂)对660nm红光吸收量较少，而对940nm红外光吸收量较多；血红蛋白(Hb)则反之，用分光光度法测定红外光吸收量与红光吸收量之比值，就能确定血红蛋白的氧合程度，即血氧饱和度（SaO₂）。

图1图示了血氧饱和度测定的示意图。探头的一侧安装了两个发光管，一个发出红光，一个发出红外光，另一侧安装有一个光电检测器（即接收管），将检测到的透过手指动脉血管的红光和红外光转换成电信号。由于皮肤、肌肉、脂肪、静脉血、色素和骨头等对这两种光的吸收系数是恒定的，只有动脉血流中的HbO₂和Hb浓度随着血液的动脉周期性的变化，从而引起光电检测器输出的信号强度随之周期性变化，将这些周期性变化的信号进行处理，就可测出对应的血氧饱和度，同时也计算出脉率。

脉搏血氧饱和度测定的另一个重要原理是必须要有血液灌注。用光束透照外周组织时，检测透照光能的衰减程度与心动周期有关。心脏收缩时，外周血容量最多，光吸收量也最大，检测到的光能最小；心脏舒张时恰好相反。光吸收量的变化反映了血容量的变化。只有变化的血容量才能变动透照光能的强弱。

光电感应器测得搏动时光强较小，两次搏动间光强较大，减少值即搏动性动脉血所吸收的光强度。这样可计算出两个波长的光吸收比率（R）： R=AC660/DC660÷（AC940/DC940）。R与SaO₂呈负相关，根据正常志愿者数据建立起的标准曲线换算可得病人血氧饱和度。氧饱和度表达式为: 氧饱和度% = 氧合血红蛋白/ (氧合血红蛋白+ 去氧血红蛋白) X100 %。

在SaO₂传感器中，其中一侧有两对发光二极管LED ，一对发射660nm 的红光，另一对发射940nm的红外光；相对侧只有一个光电探测器，因此，需要对LED交替打开或关闭，光电探测器才能分辨出不同波长的吸收量。为了消除环境光对检测的影响，应从每一波长的透射光中减去这一影响。当660nm、940nm的光透过生物组织后，HbO₂、Hb对光的吸收差异很大，每个波长的吸收是皮肤颜色、皮肤构成、组织、骨筋、血液以及光程中经过的所有其他组织的函数。其吸收可看作搏动吸收与非搏动吸收之和。图2示出SaO₂传感器所检测的信号的示意图，其中交流分量AC部分为搏动的动脉血所致，直流分量DC部分为恒定吸收，由非搏动的动脉血、静脉血、组织等吸收所致。灌注指数（PI）为AC占DC的百分比(PI=AC／DC×100％)。在图2中可以看出，接收器接收信息中包含交流分量和直流分量，交流分量与脉动血量相关，当血流最弱时，血液吸收光量最小，透射信号最强，交流信号为最大值，当血液最充盈时，血液吸收光量最大，透射信号最弱，交流信号为最小值；直流分量为肌肉骨骼等非脉动透射量，直流成份为信号的最小值。

信号转换过程

根据SpO₂采样系统特性可知，Mindray血氧系统采样信号电压范围为[0 - 5] V，映射采样数据范围为[0 - 2097152]。从而可以计算得到LSB 值为2.38，即采样值每点对应2.38                                                。本文依据电压特性来描述CPR过程中血氧参数的各项指标变化特征。

除颤后无胸外按压的情况下ROSC的特征识别

心脏停搏时，血流动力学基本特征也随之消失。对应采样信号来看，基本为一条噪声线。ROSC出现时，对应采样信号会出现规律性的脉搏特征。因此，结合噪声线和规律脉搏特征的变化，可以识别出除颤后是否ROSC。基于采样信号的脉搏特征识别，具有无创、便利、响应速度快的特点，适用于紧迫且忙乱的心肺复苏过程。因此，本发明提出了基于红外光和/或红光采样信号的基础，识别除颤后是否ROSC的方法。由于红外光受扰程度相对红光偏低，本发明以红外光原始采样信号为例，描述除颤后是否ROSC的识别方法，如图5所示。

使用0.34Hz ~ 5.0Hz的带通滤波器，对红外光信号进行实时滤波，以消除生理频带外的噪声干扰；建立滑动时间窗，考察滑动时间窗内脉搏特征是否出现。若时间窗前段是噪声线，后段出现规律的脉搏波，脉搏波的个数满足4 ~ 6个，且单次脉搏波的质量比较好，则认为除颤后ROSC。根据现行心肺复苏指南规定，按压中断时间不应超过10秒。基于此，在10秒之内如果出现不少于6个脉搏波，即可进行准确识别。因此，本方法可以准确识别36次/分以上的自主心律（自主心律(次/每分) =自主心律频率 × 60）。判断所依据的脉搏数量可根据系统特点自适应定制，滑动时间窗的时间长度根据脉搏波的频率自适应调整；单次脉搏波质量可通过脉搏波的幅度、宽度、形态等方向综合判断。幅度考察当前脉搏波幅度和历史至少3个脉搏波幅度的一致性（波动小于10%），如果不一致，幅度质量偏差；宽度考察当前脉搏波的时间长度（即心律）与历史至少3个脉搏峰幅度的一致性（波动小于10%），如果不一致，宽度质量偏差；形态考察当前脉搏波的形态与历史至少3个脉搏波形态的相关性，如果相关性低于80%，形态质量偏差。通过幅度、宽度、形态三个方向可获得单次脉搏波的质量水平，用以进一步的识别判断。其中设置阈值可根据系统特性自适应调整。滑动时间窗内脉搏波的识别可以采用差分法、拐点法等常见技术方法识别。

基于心肺复苏过程中心脏运动的生理特性，心脏搏动从无到有，存在两种模式：1. 心脏搏动突然出现，且脉搏非常稳定；2. 心脏搏动恢复，脉搏从弱到强逐渐恢复并持续稳定。图3和图4分别给出了两类变化的示意图。

图3中“除颤”段，演示了在除颤过程中，采样信号无脉搏波的生理特征。“ROSC”段演示了除颤成功后，病人恢复自主循环，出现稳定的规律性脉搏波。

图4中“除颤”段，演示了在除颤过程中，采样信号无脉搏波的生理特征。“ROSC”段演示了除颤成功后，病人恢复自主循环，规律性脉搏波从弱到强逐步稳定。

胸外按压过程中ROSC的识别

生理特异性

在自主循环存在的情况下进行胸外按压，由于人工按压的节律与时相难以与自主循环下的心脏舒缩同步，干扰正常心脏的充盈与射血，严重影响正常的泵血机制，产生负面效应，导致每搏输出量减少。一般情况下，在自主循环恢复初期，由于抢救过程中使用血管活性药物、胸外按压的强烈刺激以及生理代偿机制，患者心率会出现由慢到快的渐变过程。自主心律渐变现象在某些严重心衰或者心脏电活动或传导异常的患者中可能难以出现，这与病理性的代偿机制丧失有关。这类病人多存在缓慢或快速性心律失常，这类病人的自主心律多小于60次/分，或者大于120次/分，会有与按压频率的明显差距。

综上所述，在CPR过程中病人恢复自主循环，如患者基础心脏功能较好，人工按压将扰乱正常自主循环，通常会出现自主心律渐变现象；如果病人基础心脏功能较差，自主心律多数维持在小于60次/分，或者大于120次/分的状态。这为我们识别CPR过程是否ROSC提供了非常有利的生理特征。本发明结合这种生理变化的特异性，深度剖析了如何在CPR过程中识别ROSC。

时域特征识别

分析CPR实施过程中ROSC的特点可以发现，存在两路信号混合的特性。即人工按压形成一路波形信号，自主循环形成一路波形信号。人工按压信号和自主循环信号相互叠加混合，形成了CPR实施过程中存在ROSC的特殊波形。

假设人工按压信号为固定频率和固定深度的稳定按压所形成的一路信号，例如：100BPM的sin波，自主循环信号为固定频率信号，例如80BPM的sin波。人工按压信号和自主循环信号的混合波形呈现非常规律的包络特性，如图6所示。如图中“Effect of Mixed ROSC and CPR”部分，如包络线所描述，呈现非常规律的包络节律特性。这种特性是任意单路信号所不能呈现的。这就为识别CPR过程中的ROSC提供了非常有效的特征点。

在实际应用中，人工按压信号和自主循环信号必然存在相位偏差。即两者不是绝对的0°相位对齐。如图7A-7D所示，理论推导人工按压信号和自主循环信号分别存在0°相位、90°相位、180°相位、270°相位偏差时，混合波形的包络存在的特异性，其中“Time Trend”表示时间趋势，“Amplitude”表示幅度。理论分析证明，相位的固定偏移，不会对混合信号的包络特性产生明显的影响。即相位差的存在，不影响包络节律性的规律。

如前述生理特征所述，胸外按压过程中，自主心律存在渐变的现象。本发明基于这种演变给出了理论模型推导。假设人工按压信号固定为100BPM的sin波，自主心律信号为80BPM向120BPM渐变的sin波。两者的混合波形如图8所示。

根据模型推导可知，自主心律渐变升高时，仍然呈现规律性的包络节律特性。此时的包络形态，取决于自主心律和按压频率。两者频率偏差越大，所形成的包络宽度就越窄，反之，两者频率越接近，所形成的包络宽度就越大。图8中最宽的包络，对应的是自主心律和按压频率基本相等的情况。

根据理论推导可知，自主心律和按压频率的相位偏差，不影响包络的节律特性，如图9A-9D所示。

综上所述，胸外按压过程中，伴随ROSC的出现，其生理信号必然呈现包络特性。因此，识别到连续有规律包络特征时，可以认为病人已经恢复了自主循环。基于此特征，可以建立如下示例性特征识别逻辑。

示例性时域识别逻辑

1. 识别生理信号的每个脉搏波的峰值点（可采用差分变换法、斜率变换法等方法，不局限于这类方法实现峰值点识别），并采用线性插值或者曲线拟合的方式，补充脉搏波峰值点之间的缺失部分，以保持和原采样信号时间同步，从而形成正向包络曲线PE（Positive Envelope）；

2. 识别并记录（可采用差分变换法、斜率变换法等方法，不局限于这类方法实现峰值点识别）PE包络曲线的包络峰值点的时间信息和幅度信息；

3. 识别生理信号的每个脉搏波的谷值点（可采用差分变换法、斜率变换法等方法，不局限于这类方法实现谷值点识别），并采用线性插值或者曲线拟合的方式，补充脉搏波谷值点之间的缺失部分，以保持和原采样信号时间同步，从而形成反向包络曲线NE（Negative Envelope）；

4. 识别并记录（可采用差分变换法、斜率变换法等方法，不局限于这类方法实现峰值点识别）NE包络曲线的包络峰值点的时间信息和幅度信息；

5. 识别并记录每个包络的宽度信息，判断PE和NE对应时间点的幅度变化（可采用差分变换法、斜率变换法等方法，不局限于这类方法实现峰值点识别），搜索包络幅度PNE的最大值所对应的时间信息或者最小值所对应的时间信息。以N点最大值时间减去N-1点最大值时间，或者以N点最小值时间减去N-1点最小值时间，即为包络信息的时间宽度。      

公式： 

公式：

或者 

6. 依据正向包络幅度的每个包络最大值所对应的时间点，以及负向包络幅度的每个包络最小值所对应的时间点，构建包络幅度时间偏移因子；

7. 公式：

8. 根据上述构建特征量：包络幅度最值信息和、包络宽度信息、包络时间偏移因子，综合判断是否出现规律性包络特征。包络幅度最值和对应幅度比值，满足一定比例，包络时间宽度信息和包络时间偏移因子应满足一定比例，包络时间偏移因子应满足小于一定时间长度。上述准则均满足时，则判断是否连续出现大于等于3个包络出现。如果满足，且幅度、宽度波动性小或者满足趋势增加或减少的特性，则认为ROSC，反之，自主心律未恢复。图10示出实现该示例性时域识别逻辑的流程图。

根据按压频率和自主循环频率的差异性，其形成的包络所包含的脉搏峰的数量也不一致。因此依据包络进行判断，判断时间不具有一致性。一般而言，30S左右的时间，可以判断并识别出ROSC。如图11所示，给出了部分关键计算参数在波形上的示例。

如图12所示，在动物试验过程中已发现了此类规律性包络数据的证据，上述时域法特征识别能够准确发现并识别在CPR过程中的ROSC，并给出提示信息。

众所周知，时域法特征识别是以时间轴为坐标表示动态信号，具有直观、准确的优点，与脉搏波形形态的关联性较高。当出现运动干扰、基线漂移、病人心脏功能异常等，导致时域波形紊乱时，基于包络特征的识别，可能会受到影响。如图13所示，脉搏波出现生理性回波时（血管对射血的反弹），包络特征表现出一定的受扰特性。频域法通过特定的数学规则，把信号转换到以频率轴为坐标的图形中，不同频率的信号将会直观的反映在频率轴的不同位置上。在某些方面频域法具备时域法所不能匹敌的优势点。因此，本发明继续从频域特征识别的角度，进一步展开对CPR过程中ROSC的特征识别。

频域特征识别

由频域特性可知，时域波形的相位偏差，在频域中被消除。自主心律后心率和胸外按压频率不相等时，在频谱上必然形成两个独立的频谱峰。假设，自主心律为80BPM的sin波形，胸外按压频率为100BPM的sin波形，其混合波形和频谱分布如图14所示，其中“Time Trend”表示时间趋势，“Amplitude”表示幅度且“Frequency”表示频率。理论推导可知，自主心律和胸外按压频率不一致时，在频谱上必然会出现两个位于不同频率点的频谱峰。如图14所反映的信息，自主心律形成1.33Hz的频谱峰，胸外按压形成1.67Hz的频谱峰。

通常生理信号并不是单一的sin波，而是由多个sin波集合而成。因此在临床应用中，胸外按压信号和自主心律信号通常存在频谱的谐波分量信息。假设，自主心律为80BPM的sin波形（含一次谐波信息），胸外按压频率为100BPM的sin波形（含一次谐波信息），其混合波形和频谱分布如图15所示。理论推导可知，谐波频率一般为基频频率的n倍关系（n = 1，2，3，… … N），即在基频频率n倍的频率位置，可以找到n次谐波峰。如图15中所示，自主心律的一次谐波频率在2.67Hz的位置，胸外按压频率在3.33Hz的位置。可以发现，谐波分量不会干扰基频信息，胸外按压频率和自主心律的频谱峰仍出现在不同的频率点上，谐波分量也不存在相互干扰的状态。

谐波位置计算公式：，其中为第n次谐波分量频率，为基频频率。

上述描述理论推导了胸外按压频率与自主心律频率不一致的情况。临床中，胸外按压频率和自主心律频率基本一致的情况也时有发生。本发明针对这种现象进行了理论推导。假设，自主心律为100BPM的sin波形，胸外按压频率为100BPM的sin波形，如图16所示，给出了频谱图。图中较低的两个频谱峰分别为80BPM的自主心律和100BPM的胸外按压频率的频谱峰，目的是与均为100BPM的自主心律和胸外按压频率形成的混合频谱峰（较高的频谱峰）进行对比。根据理论知识，可知，重合频谱峰的幅度是各自单独频谱峰幅度的累加和。如图16所示，混合频谱峰幅度是自主心律和胸外按压频率所形成的频谱峰的总和。由此可知，当频率重合时，频谱的幅度会发生较大的变化。

通常生理信号并不是单一的sin波，而是由多个sin波集合而成。假设，自主心律为100BPM的sin波形（含一次谐波信息），胸外按压频率为100BPM的sin波形（含一次谐波信息），其频谱分布如图17所示。理论推导可知，谐波分量的存在并不影响频谱重合的累加效果。如图17所示，重合频谱的基频峰幅度仍然为自主心律和胸外按压频率的频谱峰幅度累加和，重合的一次谐波峰的幅度仍然等于自主心律和胸外按压频率的一次谐波峰的幅度累加和。图17中较低频谱峰分别为80BPM的自主心律和100BPM的胸外按压频率的基频和谐波信息，此处仅为幅度对比参考，演示幅度累加的效果。

综上所述，胸外按压过程中，伴随自主心律的出现，其生理信号（脉搏血氧仪采集信号）在频谱上存在非常明显的特征。胸外按压频率和自主心律的频率不一致时，频谱上存在明显的两个频谱峰；胸外按压频率和自主心律的频率基本一致时，频谱峰的幅度会发生明显的变化。有鉴于此，当识别到不同频率点的频谱峰连续存在或者一段时间内的频谱峰幅度存在明显的变化，则认为病人已经恢复了自主循环功能。基于此特征，可以建立如下示例性频域识别逻辑。

示例性频域识别逻辑

1. 选择红外光采样信号作为频谱分析的原始信号（也可以选择红光采样信号，或者两路同时分析。红外光抗扰性能优于红光，本发明以红外光为基准，进行分析）。选择一定时间长度的红外光采样信号做为频谱分析的待转换数据。数据段过长，容易出现生理信息反馈滞后；数据段过短，容易出现生理信息量不足。根据系统分析的要求，自适应的调整。本发明结合实际应用角度，选择4S~6S的数据，作为频谱分析的待转换数据。

2. 转换4S~6S时域数据为频域数据。可采用FFT变换法、CZT变换法，等方法。本发明采用CZT方法。为提高信噪比，在进行时频转换之前，可对该段时域数据进行部分噪声消除处理。例如：去除基线漂移、去除高频噪声、突变点抑制等。本发明采用滤波法、均方根法消除基线漂移、高频噪声、突变等干扰。也可使用其它方式去除上述的噪声干扰。为提高频谱主峰特性，降低旁瓣干扰，可增加Window窗对进行旁瓣抑制。本发明使用了Kaiser窗抑制旁瓣效应。

3. 搜索并记录频域数据的每个频谱峰信息（可采用差分法、斜率变换法等方法识别频谱峰信息）：频率位置、幅度大小。搜索准则：若识别到的频谱峰的频率不在生理范围[0.3 ~ 5]Hz范围内，则被抛弃；若识别到的频谱峰的幅度小于最大频谱峰幅度的4%，则被抛弃。

4. 重新搜索上述信息：频率位置、幅度大小，以获得可能的胸外按压频率的频谱峰和自主心律的频谱峰，重新记录信息为：频率位置、幅度大小（P==probably，可能的峰信息）。搜索准则：若某频谱峰存在谐波分量，则删除谐波频谱峰。根据频谱理论公式，搜索并删除每一个峰的旁瓣峰。

5. 根据心肺复苏指南描述可知，胸外按压频率必须维持在110BPM（1.83Hz）左右。因此，搜索：频率位置、幅度大小，可确定胸外按压频率的频谱峰信息：频率位置、幅度大小。判断准则：满足110BPM±10BPM（1.83Hz±0.17Hz）的频谱峰，认为是胸外按压频率的频谱峰。

6. 建立滑动时间窗，衡量频率、幅度的变化。若频率稳定在110BPM ± 10BPM（1.83Hz ± 0.17Hz）的范围内，且在时间窗范围内，幅度有明显的变化（例如：大于等于20%的波动），则可以判断此时，自主心律和胸外按压频率的频率基本一致，滑动时间窗的时间根据系统实际运行设定。本发明设置6S~8S的观察时间。假设自主心律和胸外按压频率均为110BPM（1.83Hz），如18图所示，自主心律在第6S出现，其幅度逐渐上升，在第11S幅度稳定，并随时间维持。由于频率相同，频谱峰幅度会呈现混叠现象。图18中显示了，当自主心律出现后，自主心律和按压频率的混合频谱幅度呈现逐渐上升状态，并最终持续稳定。通过前述的滑动时间窗，判断滑动时间窗内频谱幅度的变化特性，可以判断出自主心律。

7. 综合考察频率位置、幅度大小，以去除胸外按压频率峰外的其它频谱峰为考察对象。建立滑动时间窗，观察时间窗内，每秒的频谱变化分布范围。如果随着时间的流逝，自主心律的频谱和幅度一定会连续出现在频谱中，而其它干扰频谱峰则会因为白噪声的随机分布，不会呈现连续出现的特性。因此，根据频谱峰随时间的连续稳定特性，可以判断出自主心律是否出现。滑动时间窗的时间长度根据系统特点自适应调整。本发明结合血氧脉搏系统的特点，选择6S~8S的时间观察窗。当上述频谱峰中出现连续6S~8S的某个峰时，且每秒频谱中，此峰的幅度大于按压频率的频谱峰幅度最大值的一定比例（阈值可根据系统特性调整，阈值越低，敏感性越高，但随之也提高了误识别的风险。本发明默认取值为20%），可以认为恢复自主心律，且自主心律的频率与胸外按压频率不一致。假设自主心律为80BPM，按压频率为110BPM，如图19所示，自主循环自主心律持续出现，通过滑动时间窗的持续判断，可以识别自主心律。

如前生理特异性所述，自主循环自主心律的频率伴随着按压过程，会呈现逐渐增加的趋势。因此，在判断6S ~ 8S连续出现频谱峰，且频谱峰幅度满足按压频率的频谱峰幅度的一定比例（本发明例如取默认值20%）的前提下，增加对频谱趋势性单调增的判断。如果以上条件均满足，则认为自主循环自主心律恢复。假设自主循环自主心律随着时间推移，脉率从70BPM逐渐上升为100BPM（1.167Hz ~ 1.667Hz），胸外按压频率为120BPM（2.0Hz），如图20所示，演示了自主心律随着按压过程逐渐递增的效果。

如前述生理特异性所述，自主循环自主心律的频率伴随着按压过程，会呈现逐渐增加的趋势。随着自主心律的频率逐渐上升，其渐变范围很有可能出现涵盖了胸外按压频率的现象。即，在某一时刻，自主心律和胸外按压频率存在相同频率的交集。当出现这种情况时，可综合前述的两种识别特征，综合判断。即，一方面，衡量6S ~ 8S内是否连续出现频谱峰且该频谱峰幅度大于等于按压频率的频谱峰幅度的一定比例，6S ~ 8S的频谱峰的频率呈现单调递增模式 ；另一方面，衡量胸外按压频率的幅度变异性。当上述条件均满足时，可以认为自主心律。假设自主心律从100BPM渐变到140BPM（1.67Hz ~ 2.33Hz），胸外按压频率维持120BPM（2Hz）不变，如图21所示，给出了自主心律逐渐上升且与胸外按压频率发生交集的理论推导。由图21中可知，当两者频率基本一致时，幅度会呈现叠加现象。

上文中针对胸外按压过程中自主循环恢复的临床现象，分别从时域角度和频域角度推导和构建了如何识别自主心律。时域角度从波形混叠形成的混合波形的形态特征剖析了胸外按压过程伴随自主心律的特征。频域角度从自主心律频率和胸外按压频率的不重合和/或重合角度的状态剖析了胸外按压过程伴随自主心律的特征。时域识别主要依赖形态特征，当受到运动干扰或者低血液灌注等情况导致的信噪比低时，形态特征可能会出现不明显的现象。频域识别主要是基于频谱的频率和幅度信息判断，其具备较好的抗干扰能力。因此，本发明以频域分析为主，结合时域分析信息，综合决策并判断胸外按压过程中自主心律是否恢复，其具备更高的可靠性和稳定性。可替换地，以频域分析和/或时域分析，识别胸外按压过程中自主心律是否恢复也是可行的。

大量动物试验胸外按压数据的分析证实，上述方法能够很好的识别胸外按压过程中自主循环是否恢复。结合临床生理的变化特征，我们进一步定义如下特征点：

1. 研究发现，自主心律的频率与胸外按压频率不一致的情况下，如果自主心律的频谱峰幅度大于或等于胸外按压频谱峰幅度，此时病人自主心律恢复状态非常好。因此，建立比值，统计6S~8S的时间窗内，连续出现比值大于等于1.0的概率，如果满足概率大于等于75%（概率阈值可根据系统特点自适应调整），则认为自主心律恢复，且恢复状态非常好。藉此，可以给出中高级的技术提示/报警信息。     

公式：，第n秒的自主心律频谱峰幅度和CPR频谱峰幅度的比值。

2. 研究发现，自主循环的频率与胸外按压频率基本一致的情况下，两者频谱峰混叠形成的频谱峰幅度，有时反而下降。理想状态下，若胸外按压发生在心脏的收缩期时，可能使心脏收缩期射出血量相对增加；若胸外按压发生在心脏的舒张期时，会导致心脏容血量相对减少，收缩期心脏射出的血量下降胸外按压。然而在实际心动周期中，心脏的收缩与舒张运动是一种协调的、程序性的过程，其中心房心室规律顺序性收缩、舒张，人工胸外按压发生在任何时相都会影响正常心泵功能，干扰房室充盈或射血，最终导致心脏功能下降、衰竭甚至死亡。综上所述，在频谱分析中，即使自主循环频率与胸外按压频率基本一致，也会出现频谱峰幅度下降的现象。因此，针对自主循环频率与胸外按压频率基本一致的情况，频谱峰幅度随时间发生变化时，不仅仅需要考察幅度持续上升的特性，也需要考察幅度持续性下降的特性。综合考察6S ~ 8S的滑动时间窗内，如果胸外按压频谱峰幅度持续衰减25% ~ 60%（相比时间窗内初始时间胸外按压频谱峰幅度），且持续时间比重大于等于70%（根据系统自适应调整），则可以认为自主循环恢复。藉此，可以给出中/高级的提示/报警，避免加剧对心脏的损伤。

ROSC质量评估与反馈

经心肺复苏胸外按压抢救成功，自主心律伊始，由于复苏过程中心脏及微循环的缺血缺氧与再灌注损伤等原因，自主循环尚未稳定，甚至可能再次出现心跳骤停。如果临床中未能及时发现，则会延误抢救时机。因此，建立自主循环恢复后循环质量的评估与反馈系统，能够早期发现并预警不稳定的自主循环状态，以便及时进行决策和干预。本发明根据自主心律的特征，建立了一套切实可行的自主心律质量评估的机制，如下为ROSC质量评估的详细阐述。

胸外按压形成的脉搏波与自主循环的脉搏波，从最终表现形式来看（系统采样信号），是一致无差别的。两者的区别仅在于心脏是人工按压运动还是自主循环运动。因此，本申请人的申请号为201310474008.7的专利申请所描述的评估胸外按压质量的一系列参数指标，也可以用以评估自主心律后自主循环的质量。本发明以专利申请201310474008.7中所描述的PVPI参数为例，详细阐述如何评估自主心律的恢复质量。

原始信号I包含交流成分和直流成分。一般情况下，因肢体运动、背景光干扰等因素，会导致直流成分随时间呈现漂移的现象（即数值非恒定，随时间波动）。利用公知技术，例如：均值技术、平滑滤波技术、FIR/IIR滤波技术、曲线拟合技术，等方法，滤除原始信号I中的直流成分，得到本发明所关注的交流成分。如图22所示，经过直流成分滤除，得到交流成分。

与血液流量相关，其频率与CPR按压频率一致，其频率乘以60，就是血氧脉率，也即CPR每分按压次数。

公式1：

CPR按压频率：，频率：，单位：Hz（赫兹）。

公式2：

CPR按压每分次数：，单位：Degree/Minute（次/每分）。

与ECG结合，可以观察机体是否出现电机械分离，或严重外周循环衰竭现象。

由Parseval定理可知，时域和频域能量守恒，因此可以通过两种方法计算获得所需参数。

针对交流成分的每个脉搏波信号，计算其面积特性，用以评估自主心律的每搏心输出量的变化，间接反映自主心律的恢复质量。利用公知技术，例如：面积积分法（连续信号、离散信号）等方法，计算得到每个脉搏波的面积信息。本发明基于Mindray血氧技术固定采样频率的特点，采用逐点累加积分的方法计算面积参数（也可以其它方式计算获得面积参数）。

时域公式：

每搏心输出量参数：，单位：PVPG（Pulse Oximeter Voltage Plethysmography），定义为电压容积；n：当前单次脉搏波数据点；N：单次脉搏波数据总长度。

频域公式：

每搏心输出量参数：，单位：PVPG（Pulse Oximeter Voltage Plethysmography），定义为电压容积；n：当前有效频率成分；N：总有效频率成分个数；k：当前有效频率数据点；K：有效频率成分的总数据长度。

参数，是每搏心输出量的间接反映，不能直接等同为每搏心输出量。理论上参数，和每次按压的心脏射血量成线性正相关特性。

根据血氧系统的特性，为保证血氧采样信号落在可衡量范围内，需要针对信号状态，进行驱动电流调节。如图23所示，驱动电流的变化，会导致信号的交流成分和直流成分同比率变化。如图23所示，实线信号处于量程较低范围，需要进行驱动调节，以使得信号落在合理的测量范围之内。进行2倍驱动调节后，如图23中所示虚线信号，其信号处于量程中间位置。根据驱动特性可知：AC2 = AC1 * 2，DC2 = DC1 * 2。

因此上述PVPG参数，，参考对应脉搏波直流量的变化，可以进一步更新为：

时域公式：

CPR量化指标：，单位：PVPI（Pulse Oximeter Voltage Plethysmography Index），定义为电压容积指数。

频域公式： 

CPR量化指标：，单位：PVPI（Pulse Oximeter Voltage Plethysmography Index），定义为电压容积指数。

参数、，该参数是单次脉搏波的面积值与对应的直流量的比值，可缩小个体化差异，排除驱动调节的干扰，并具备较好的抗干扰能力。

示例性ROSC质量评估

参数或反映了心脏每搏输出量的变化状态。由生理特征可知，每搏输出量存在一个最小输出量。若低于该心输出量，机体的外周血液循环质量偏差，甚至不能满足正常的生理需要。对指标计算参数或，则存在最小面积指数阈值，若低于该阈值，说明机体自主心肺质量偏差，不能满足正常的机体生理需求。当每搏输出量不稳定，或者随时间逐渐衰减甚至停止时，对应于指标参数或，也会出现参数值波动较大或者随时间逐渐减小甚至消失。基于此，可以有效地识别评估ROSC的质量。

建立滑动时间窗，结合最低生理阈值，考察参数或随时间变化的波动特性，以衡量ROSC的质量。滑动时间窗的时间长度，可根据系统特点，自适应调整。本发明默认设置为4S ~ 6S。自主心律参数或发生剧烈波动或者逐渐衰减，说明自主心律后自主循环不稳定。具体评价标准：若时间窗内参数指标相对于自主心律初期30S平均值的下降幅度达到20%（可以均值和标准差的方法识别，波动比例可根据系统要求自适应调节），或者参数指标呈现随时间逐级衰减的趋势且最大衰减达到30%（衰减比例可根据系统要求自适应调节），则可以认为自主心律后自主循环不稳定。此时，系统将给出提示和/或报警信息，指导医生及时做出进一步的决策和干预，避免进一步的损伤发生。

如图24所示，以参数为例，给出了自主心律质量评估的图形示意。“不稳定”段，指标参数处于波动状态，波动超过20%时，给出提示和/或报警信息；“稳定”段，指标参数相对稳定，此时自主循环心率比较好，可以给出提示信息；“下降”段，指标参数也呈现下降趋势，下降趋势超过20%时，给出提示和/或报警信息；若指标参数低于阈值线且持续一定时间，给出提示和/或报警信息；图24中“滑动窗”，演示了随时间滑动的滑动时间窗，在时间窗内评估指标参数的波动特性，分析计算得到自主心律质量的评估，并给出相应的提示和/或报警信息。

自主循环质量的另外一个重要指标是脉率。脉率可以提示真正的组织灌注状态，而心电活动所示心率代表心脏的点活动节律。在自主循环状态良好的情况下，脉率与心率应基本一致、不存在剧烈波动，且在安全范围之内。当脉率出现较基础脉率持续下降超过5%/S，或低于60次/分，或与心率相比明显减少，说明自主循环状态不稳定。当心电心率存在，脉率消失，提示可能存在电机械分离或严重外周循环衰竭，需及时干预。出现该情况时，认为自主心律后自主循环不稳定，系统将给出提示和/或报警信息，指导医生及时做出进一步的决策和干预，避免进一步的损伤发生。

如图25所示，“ECG HR”为ECG心电心率趋势线。“脉搏BPM”为ROSC脉率趋势线。建立滑动时间窗，衡量时间窗内ECG心率和ROSC脉率的差异性。当ROSC脉率持续下降5%时（比值 == ROSC脉率 / ECG心率），给予提示/报警。若ROSC脉率持续低于60次/每分时，给予提示/报警。如图25所示，“稳定”段演示了ECG心率和ROSC脉率基本吻合；“下降-1”段，演示了ROSC脉率与ECG心率分离的现象，此时可能出现电机械分离；“下降-2”段，演示了ROSC脉率持续低于60次/每分的状态。滑动时间窗随时间滑动，并衡量窗内ECG心率和ROSC脉率的变化状态，若出现“下降-1”或“下降-2”段的状态时，则给予提示/报警，如图25中分别指向Y轴正负方向的两个大箭头所示。

具体应用实施例

基于上述原理，发明人提出了一种用于在CPR过程中实时识别ROSC的ROSC识别设备、一种ROSC识别与质量评估系统、一种CPR过程中的ROSC反馈控制系统以及一种用于在除颤后无胸外按压的情况下识别ROSC的设备。

图26示出了根据本发明的一个实施例的用于在CPR过程中实时识别ROSC的ROSC识别设备100的功能框图。该ROSC识别设备100包括：信号采集装置102，用于采集患者的脉搏血氧波形信号；和信号分析装置104，用于对所述信号进行分析以实时地确定在CPR过程中是否ROSC。

在一个实施例中，信号采集装置102例如可以包括图1中所示的发光管和接收管以将检测到的透过手指动脉血管的红光和/或红外光转换成电信号，从而得到患者的脉搏血氧波形信号。

在一个实施例中，所述信号分析装置104可以包括如在上文“胸外按压过程中ROSC的识别”一节中所描述的示例性时域识别逻辑和/或示例性频域识别逻辑。进一步地，所述时域识别逻辑用于通过检测采样信号的时域包络来识别在CPR过程中是否ROSC并且所述频域识别逻辑用于通过检测采样信号的频域频谱峰随时间变化的特征来识别在CPR过程中是否ROSC。又进一步地，所述时域识别逻辑被配置为在识别到连续有规律包络特征时，确定已经ROSC；所述频域识别逻辑被配置为在识别到不同频率点的频谱峰连续存在或者一段时间内的频谱峰幅度存在明显的变化时，确定已经ROSC。

在一个实施例中，所述信号分析装置104以两部分实现：1.算法软件程序，2.算法软件程序运行的硬件环境，可编程逻辑器件。根据算法软件程序的代码量，对可编程逻辑器件存在Flash和RAM空间大小的约束。在满足Flash和RAM空间大小要求的基础上，市面上的绝大多数可编程逻辑器件均能作为算法软件程序的载体。

在一个实施例中，所述ROSC识别设备100可实现功能模块化，作为插件集成于其他辅助诊断设备（如监护设备，除颤仪，AED，自动复苏仪器，心电图机等）。可替换地，ROSC识别设备100可以实现为单参数医疗器械，用于指导胸外按压中的自主心律识别，例如，该单参数医疗器械可以具有如图27所示的形状因子。

图28示出了图26的ROSC识别设备的示例性硬件实现示意图。具体地，该ROSC识别设备包含主控板、ROSC识别子板、显示屏（LCD屏幕）、扬声器、电池、充电器、指示灯等部件。其中主控板包含系统控制部分和电源控制部分两个部分。ROSC识别子板是整个系统的参数来源，它完成生理信号的采样、生理信号的计算、相关指标参数的输出、主控通信交互等。

图29示出了上述ROSC识别子板的示例性电路原理图，具体地其包含MCU芯片、看门狗电路、通信接口、I/V转换电路、增益控制电路、偏置放大电路、传感器驱动电路、传感器等。其中MCU芯片包含了ROSC识别算法和外设控制逻辑。

图30示出了根据本发明的一个实施例的ROSC识别与质量评估系统200的功能框图。该系统200包括如图26所示的ROSC识别设备100以及用于评估ROSC质量的ROSC质量评估装置202。

在一个实施例中，所述ROSC质量评估装置202被配置为基于一定时间段内心脏每搏输出量的变化状态来评估ROSC质量，进一步地，所述ROSC质量评估装置202被配置为在ROSC识别设备确定已经ROSC的情况下，针对ROSC识别设备所采集的脉搏信号的交流成分，计算其面积特性，用以评估自主心律的每搏心输出量的变化，间接反映自主心律的恢复质量。可替换地，所述ROSC质量评估装置202被配置为基于脉率的变化状态来评估ROSC质量。如上文中“示例性ROSC质量评估”部分中所描述的。

在一个实施例中，所述ROSC识别与质量评估系统200可实现功能模块化，作为插件集成于其他辅助诊断设备（如监护设备，除颤仪，AED，自动复苏仪器，心电图机等）。可替换地，ROSC识别与质量评估系统200可以实现为单参数医疗器械，用于指导胸外按压中的自主心律识别，例如，该单参数医疗器械同样可以具有如图27所示的形状因子。

图31示出了图30的ROSC识别与质量评估系统的示例性硬件实现示意图。具体地，该ROSC识别与质量评估系统包含主控板、ROSC识别与质量评估子板、显示屏（LCD屏幕）、扬声器、电池、充电器、指示灯等部件。其中主控板包含系统控制部分和电源控制部分两个部分。ROSC识别与质量评估子板是整个系统的参数来源，它完成生理信号的采样、生理信号的计算、相关指标参数的输出、主控通信交互等。所述ROSC识别与质量评估子板的电路原理与以上图29示出的ROSC识别子板的电路原理类似。

图32示出了根据本发明的一个实施例的CPR过程中的ROSC反馈控制系统300的示意图。该系统300包括分别连接到病人身体的ROSC识别与质量评估装置302和心肺复苏装置304，例如心肺复苏装置304连接到病人胸部，ROSC识别与质量评估装置302连接到病人手指、额头，或者其他可用于夹戴探头的部位，ROSC识别与质量评估装置302用于实时地识别在CPR过程中对象的是否ROSC并且评估ROSC质量，并且心肺复苏装置304用于对患者进行按压输出。ROSC识别与质量评估装置302和心肺复苏装置304通过数据交互，共同作用于人体，实现自动按压抢救和按压过程中ROSC识别与质量评估。具体地，在工作时，所述ROSC识别与质量评估装置302在确定ROSC时，控制所述心肺复苏装置304停止按压输出，同时启动ROSC质量评估；并且在评估ROSC质量不稳定时，控制所述心肺复苏装置304再次启动按压输出，重新启动对ROSC的识别。图33详细示出了图32的系统在工作时的内部交互。

所述ROSC识别与质量评估装置302根据心肺复苏装置304的设置频率跟踪并锁定按压频率，同时实时检测时域包络和/或频域频谱峰随时间变化的特征。在一个实施例中，所述ROSC识别与质量评估装置302可以包括如在上文“胸外按压过程中ROSC的识别”一节中所描述的示例性时域识别逻辑和/或示例性频域识别逻辑。进一步地，所述时域识别逻辑用于通过检测采样信号的时域包络来识别在CPR过程中是否ROSC并且所述频域识别逻辑用于通过检测采样信号的频域频谱峰随时间变化的特征来识别在CPR过程中是否ROSC。又进一步地，所述时域识别逻辑被配置为在识别到连续有规律包络特征时，确定已经ROSC；所述频域识别逻辑被配置为在识别到不同频率点的频谱峰连续存在或者一段时间内的频谱峰幅度存在明显的变化时，确定已经ROSC。

有利地，该系统300依据ROSC识别与质量评估装置反馈的参数信息，控制心肺复苏装置输出针对当前病人最优化的按压频率和深度，从而提高患者的生存几率；一旦ROSC识别与质量评估装置发现已经ROSC且稳定，则停止整个系统的运行，以避免对患者的心脏功能造成进一步损伤。

根据本发明的另一个实施例，提供了一种CPR过程中的ROSC反馈控制系统400，除了包括与系统300中的ROSC识别与质量评估装置302和心肺复苏装置304类似的ROSC识别与质量评估装置402和心肺复苏装置404之外，该系统400还包括CPR质量评估装置406。在工作时，所述ROSC识别与质量评估装置402在确定ROSC时，控制所述心肺复苏装置404停止按压输出，同时启动ROSC质量评估；并且在评估ROSC质量不稳定时，控制所述心肺复苏装置404再次启动按压输出，重新启动对ROSC的识别。所述CPR质量评估装置406在所述心肺复苏装置404工作期间与之交互以识别CPR按压状态并反馈控制所述心肺复苏装置达到最有效按压输出。图34详细示出了系统400在工作时的内部交互。

图35是示出根据本发明的一个实施例的用于在除颤后无胸外按压的情况下识别ROSC的设备500的功能框图。该设备500包括：信号采集装置502，用于采集患者的脉搏波信号；以及信号分析装置504，用于对所述信号进行分析以实时地确定除颤后是否ROSC。

在一个实施例中，所述信号采集装置502利用红光和/或红外光来采集患者的脉搏波信号。例如，信号采集装置502可以包括图1中所示的发光管和接收管以将检测到的透过手指动脉血管的红光和/或红外光转换成电信号，从而得到患者的脉搏波信号。

在一个实施例中，所述信号分析装置504被配置为例如根据图5所示的逻辑来确定除颤后是否ROSC。在一个实施例中，所述信号分析装置504被配置为在对信号进行分析之前，使用带通滤波器对信号进行实时滤波以消除生理频带外的噪声干扰。在一个实施例中，所述信号分析装置504被配置为针对所采集的信号建立滑动时间窗，确定滑动时间窗内是否出现脉搏特征。进一步地，所述信号分析装置504被配置为在所述滑动时间窗内出现的脉搏波的数量超过阈值且单次脉搏波的质量水平超过阈值的情况下确定除颤后ROSC。优选地，单次脉搏波的质量水平根据脉搏波的幅度、宽度和形态来确定，并且所述滑动时间窗的时间长度根据脉搏波的频率进行自适应调整。

以上对本发明的描述是为了阐明和描述的目的而被提出的。其并不旨在穷举或将本发明限制为所公开的确切形式，并且可以根据上面的教导做出其它修改和变型。选择和描述上面所公开的实施例是为了解释本发明的原理和其实际应用，由此使得本领域的技术人员能够最佳地利用本发明。旨在将所附权利要求构造为包括除了由现有技术所限定的范围以外的本发明的其它可替换的实施例。