CN103976721B - 血压测量方法以及用于实现该方法的嵌入式装置 - Google Patents

血压测量方法以及用于实现该方法的嵌入式装置 Download PDF

Info

Publication number
CN103976721B
CN103976721B CN201410163425.4A CN201410163425A CN103976721B CN 103976721 B CN103976721 B CN 103976721B CN 201410163425 A CN201410163425 A CN 201410163425A CN 103976721 B CN103976721 B CN 103976721B
Authority
CN
China
Prior art keywords
blood pressure
pressure measurement
measurement model
numerical value
submodel
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201410163425.4A
Other languages
English (en)
Other versions
CN103976721A (zh
Inventor
辛勤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Xinping Industry Co ltd
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201410163425.4A priority Critical patent/CN103976721B/zh
Publication of CN103976721A publication Critical patent/CN103976721A/zh
Priority to US15/308,410 priority patent/US20170109495A1/en
Priority to PCT/CN2015/070725 priority patent/WO2015161688A1/zh
Application granted granted Critical
Publication of CN103976721B publication Critical patent/CN103976721B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0062—Arrangements for scanning
    • A61B5/0064—Body surface scanning
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/021—Measuring pressure in heart or blood vessels
    • A61B5/02108—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/681—Wristwatch-type devices
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass

Abstract

本发明提供了一种血压测量方法，该方法包括：获得被测量对象的脉搏波形，根据预定规则从所述脉搏波形中提取出多个特征点；根据所述被测量对象的生理指标从模型库中选择并加载最佳血压测量模型组；运行所述最佳血压测量模型组以根据所述多个特征点计算得到所述被测量对象的血压参数。相应地，本发明还提供了一种可以实现上述血压测量方法的嵌入式装置。实施本发明可以针对不同类型的被测量对象相应选择适用于该被测量对象的最佳血压测量模型组，从而得到更为准确的血压参数。

Description

血压测量方法以及用于实现该方法的嵌入式装置
技术领域
本发明涉及医学测量仪器领域，尤其涉及一种血压测量方法以及用于实现该方法的嵌入式装置。
背景技术
人体生理参数是医学上衡量人体生理状态的一系列指标，包括脉搏参数、血压参数、血氧参数、血糖参数等，生理参数宏观地反映了人体的身体状况，对于疾病预测、身体保养具有非常重要的预警与指引作用。其中，针对于血压参数的测量，在现有技术中主要采用以下两种方式：一种是利用压力血压计测量血压参数，另一种是利用脉搏波传导时间测量血压参数。
虽然人们采用上述两种血压测量方式可以测量得到自己的血压参数，但是该两种血压测量方式均存在一定的不足之处。针对于第一种方式来说，利用压力血压计测量血压参数容易对人体造成极大的干扰，而且不能达到连续测量的目的。针对于第二种方式来说，利用脉搏波传导时间测量血压其误差较大，而且无法同时测定收缩压。因此，希望提出一种可以解决上述不足之处的血压测量方法以及相应的测量装置。
发明内容
为了克服现有技术中的上述缺陷，本发明提供了一种血压测量方法，该方法包括：
获得被测量对象的脉搏波形，根据预定规则从所述脉搏波形中提取出多个特征点；
根据所述被测量对象的生理指标从模型库中选择并加载最佳血压测量模型组；
运行所述最佳血压测量模型组以根据所述多个特征点计算得到所述被测量对象的血压参数。
根据本发明的一个方面，该方法中获得被测量对象的脉搏波形包括：向所述被测量对象的体表皮肤发送至少一种波长的测量光，并接收所述测量光的反射光；对所述反射光进行处理以得到所述被测量对象的脉搏波形。
根据本发明的另一个方面，该方法中所述体表皮肤是所述被测量对象的桡动脉所对应的腕部体表皮肤。
根据本发明的又一个方面，该方法中所述至少一种波长的测量光包括红光和/或红外光。
根据本发明的又一个方面，该方法中所述红光的波长的范围是660nm±3nm；所述红外光的波长的范围是940nm±10nm。
根据本发明的又一个方面，该方法中所述特征点包括脉率、光电容积脉搏波波图面积、主波上升支波图面积、每搏心输出量、脉搏波波形系数、上升支面积比例、升支平均斜率、降中峡相对高度和重搏波相对高度。
根据本发明的又一个方面，该方法中根据所述被测量对象的生理指标从模型库中选择并加载最佳血压测量模型组包括：根据所述被测量对象的生理指标判断所述被测量对象是青年人，则所述最佳血压测量模型组包括青年舒张压测量模型和青年收缩压测量模型；根据所述被测量对象的生理指标判断所述被测量对象是中年人，则所述最佳血压测量模型组包括中年舒张压测量模型和中年收缩压测量模型，该中年收缩压测量模型包括中年参考测量子模型、中年正常测量子模型以及中年高血压测量子模型；根据所述被测量对象的生理指标判断所述被测量对象是老年人，则所述最佳血压测量模型组包括老年舒张压测量模型和老年收缩压测量模型，该老年收缩压测量模型包括老年参考测量子模型、老年正常测量子模型以及老年高血压测量子模型。
根据本发明的又一个方面，该方法中运行所述血压测量模型组以根据所述多个特征点计算得到所述被测量对象的血压参数包括：所述被测量对象是中年人；将所述多个特征点代入所述中年舒张压测量模型，计算得到所述血压参数中的舒张压数值；将所述多个特征点代入所述中年参考测量子模型、所述中年正常测量子模型以及所述中年高血压测量子模型，分别计算得到第一数值、第二数值以及第三数值，并从所述第二数值和所述第三数值中选择与所述第一数值最接近的数值作为所述血压参数中的收缩压数值。
根据本发明的又一个方面，该方法中运行所述血压测量模型组以根据所述多个特征点计算得到所述被测量对象的血压参数包括：所述被测量对象是老年人；将所述多个特征点代入所述老年舒张压测量模型，计算得到所述血压参数中的舒张压数值；将所述多个特征点代入所述老年参考测量子模型、所述老年正常测量子模型以及所述老年高血压测量子模型，分别计算得到第四数值、第五数值以及第六数值，并从所述第五数值和所述第六数值中选择与所述第四数值最接近的数值作为所述血压参数中的收缩压数值。
本发明还提供了一种用于实现上述血压测量方法的嵌入式装置，该嵌入式装置包括：
获得模块，用于获得所述脉搏波形；
处理模块，用于根据所述预定规则从所述脉搏波形中提取出所述多个特征点，还根据所述被测量对象的生理指标从所述模型库中选择并加载所述最佳血压测量模型组，以及运行所述最佳血压测量模型组以根据所述多个特征点计算得到所述血压参数
根据本发明的一个方面，该嵌入式装置集成在便携式设备上，该便携式设备具有腕式佩戴结构。
本发明提供的血压测量方法以及用于实现该方法的嵌入式装置具有以下优点：
第一、与传统的利用压力血压计进行血压测量的方式相比，本发明利用脉搏波形的特征点测量血压，不会对人体造成干扰而且可以实现血压参数的连续测量，与传统的利用脉搏传导时间进行血压测量的方式相比，本发明利用脉搏波形的特征点测量血压，可以得到更为准确的被测量对象的血压参数；
第二、根据被测量对象的生理指标相应选择针对于该被测量对象的最佳血压测量模型组，从而可以进一步提高血压参数的测量准确性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1是根据本发明的血压测量方法的一个具体实施方式的流程图；
图2是根据本发明的用于实现血压测量方法的嵌入式装置的一个具体实施方式的结构示意图；
图3是根据本发明的集成了用于实现血压测量方法的嵌入式装置的且具有腕式佩戴结构的便携式设备的一个优选实施方式的结构示意图；
图4是根据本发明的集成了用于实现血压测量方法的嵌入式装置的且具有腕式佩戴结构的便携式设备的另一个优选实施方式的结构示意图。
附图中相同或相似的附图标记代表相同或相似的部件。
具体实施方式
为了更好地理解和阐释本发明，下面将结合附图对本发明作进一步的详细描述。
在对本发明进行详细描述之前，需要说明的是，本发明所提供的血压测量方法及系统主要的适用对象是人类，因此所述被测量对象在本文中主要指的是需要进行血压测量的人类。本领域技术人员应当理解，本发明所提供的血压测量方法及设备还可以应用于针对与人类具有相同或相似生理特性的哺乳动物的血压测量。
本发明提供了一种血压测量方法。请参考图1，图1是根据本发明的血压测量方法的一个具体实施方式的流程图。如图所示，该血压测量方法包括：
在步骤S101中，获得被测量对象的脉搏波形，根据预定规则从所述脉搏波形中提取出多个特征点；
在步骤S102中，根据所述被测量对象的生理指标从模型库中选择并加载最佳血压测量模型组；
在步骤S103中，运行所述最佳血压测量模型组以根据所述多个特征点计算得到所述被测量对象的血压参数。
具体地，在步骤S101中，首先，向所述被测量对象的体表皮肤发送至少一种波长的测量光，并接收所述测量光的反射光。在本实施例中，所述体表皮肤是所述被测量对象的桡动脉所对应的腕部体表皮肤。所述至少一种波长的测量光包括红光和/或红外光。其中，所述红光的波长的范围是660nm±3nm，所述红外光的波长的范围是940nm±10nm。然后，对接收到的所述反射光进行处理以得到所述被测量对象的脉搏波形。接着，根据预定规则从脉搏波形中提取出多个特征点，其中，该多个特征点用于计算被测量对象的血压参数。在本实施例中，所述特征点包括脉率、光电容积脉搏波波图面积、主波上升支波图面积、每搏心输出量、脉搏波波形系数、上升支面积比例、升支平均斜率、降中峡相对高度和重搏波相对高度。为了使血压参数的测量更为精准，在其他实施例中，所述特征点进一步还可以包括主波高度、重搏波高度、降中峡高度、基线高度、主波上升时间、收缩期时间、舒张期时间、单位时间平均面积、收缩期与舒张期时间比例。
需要说明的是，利用反射原理获得被测量对象的脉搏波形以及根据预定规则从脉搏波形中提取出特征点是本领域技术人员所熟悉的技术手段，为了简明起见，在此不再对该过程进行详细描述。
在步骤S102中，根据被测量对象的生理指标对被测量对象进行分类，分类后从模型库中选择并加载针对于该类型的被测量对象的最佳血压测量模型组。其中，最佳血压测量模型组用于计算被测量对象的血压参数，该血压参数包括被测量对象的舒张压数值和收缩压数值。在本实施例中，用于对被测量对象进行分类的生理指标是年龄。优选地，可以依据我国的年龄划分标准，将18岁至40岁的人群定义为青年人，将41岁至65岁的人群定义为中年人，将66岁以上的人群定义为老年人。
所述被测量对象是青年人，则适用于该被测量对象的最佳血压测量模型组包括青年舒张压测量模型和青年收缩压测量模型。
所述被测量对象是中年人，则适用于该被测量对象的最佳血压测量模型组包括中年舒张压测量模型和中年收缩压测量模型，其中，该中年收缩压测量模型包括中年参考测量子模型、中年正常测量子模型以及中年高血压测量子模型。
所述被测量对象是老年人，则适用于该被测量对象的最佳血压测量模型组包括老年舒张压测量模型和老年收缩压测量模型，其中，该老年收缩压测量模型包括老年参考测量子模型、老年正常测量子模型以及老年高血压测量子模型。
在本实施例中，所述最佳血压测量模型组包括回归方程，其中，该回归方程的回归系数根据针对样本集合的统计处理而生成。以适用于青年人的最佳血压测量模型组为例说明，青年舒张压测量模型包括适用于计算青年人舒张压数值的回归方程，青年收缩压测量模型包括适用于计算青年人舒张压数值的回归方程，上述两个回归方程的回归系数的具体值可以根据对青年人样本集合(例如样本集合包括100个样本)中的每个样本的脉搏波形特征点和血压参数的统计处理得到。
此外，本领域的技术人员可以理解的是，被测量对象的生理指标不仅仅限于年龄，凡是可以用于将被测量对象进行分类(前提是针对于每一种类型均存在相应的血压测量模型)的生理指标均包括在本发明所保护的范围内，为了简明起见，在此不再对所有的生理指标进行一一列举。
在步骤S103中，将针对被测量对象是青年人、中年人以及老年人三种情况分别对如何通过最佳血压测量模型计算得到该被测量对象的舒张压数值和收缩压数值进行具体说明。
所述被测量对象是青年人，则将从该被测量对象的脉搏波形中提取出的多个特征点代入青年舒张压测量模型和青年收缩压测量模型，计算后分别得到该被测量对象的舒张压数值和收缩压数值。
所述被测量对象是中年人，则将从该被测量对象的脉搏波形中提取出的多个特征点代入中年舒张压测量模型和中年收缩压测量模型，计算后分别得到该被测量对象的舒张压数值和收缩压数值。其中，通过中年收缩压测量模型计算收缩压数值的过程如下：首先，将所述多个特征点代入所述中年参考测量子模型、所述中年正常测量子模型以及所述中年高血压测量子模型，运行每一子模型通过计算可以得到三个数值，分别是第一数值、第二数值以及第三数值；接着，从第二数值和第三数值中选择与第一数值最接近的数值作为该被测量对象的收缩压数值，即，将第一数值和第二数值差值的绝对值与第一数值和第三数值差值的绝对值进行比较，若第一数值和第二数值差值的绝对值小于第一数值和第三数值差值的绝对值，则判断该被测量对象属于中年正常人群，这种情况下将中年正常测量子模型输出的第二数值作为该被测量对象的收缩压数值，若第一数值和第二数值差值的绝对值大于第一数值和第三数值差值的绝对值，则判断该被测量对象属于中年高血压人群，这种情况下将中年高血压测量子模型输出的第三数值作为该被测量对象的收缩压数值。
被测量对象是老年人的情况和被测量对象是中年人的情况类似。具体地，所述被测量对象是老年人，则将从该被测量对象的脉搏波形中提取出的多个特征点代入老年舒张压测量模型和老年收缩压测量模型，计算后分别得到该被测量对象的舒张压数值和收缩压数值。其中，通过老年收缩压测量模型计算收缩压数值的过程如下：首先，将所述多个特征点代入所述老年参考测量子模型、所述老年正常测量子模型以及所述老年高血压测量子模型，运行每一子模型通过计算可以得到三个数值，分别是第四数值、第五数值以及第六数值；接着，从第五数值和第六数值中选择与第四数值最接近的数值作为该被测量对象的收缩压数值，即，将第四数值和第五数值差值的绝对值与第四数值和第六数值差值的绝对值进行比较，若第四数值和第五数值差值的绝对值小于第四数值和第六数值差值的绝对值，则判断该被测量对象属于老年正常人群，这种情况下将老年正常测量子模型输出的第五数值作为该被测量对象的收缩压数值，若第四数值和第五数值差值的绝对值大于第四数值和第六数值差值的绝对值，则判断该被测量对象属于老年高血压人群，这种情况下将老年高血压测量子模型输出的第六数值作为该被测量对象的收缩压数值。
需要说明的是，在本实施例中，测量青年人、中年人以及老年人的舒张压数值所采用的测量模型是相同的，也就是说，青年舒张压测量模型、中年舒张压测量模型以及老年舒张压测量模型是同一测量模型。此外，在本实施例中，中年参考测量子模型和老年参考测量子模型是同一测量模型。本领域的技术人员可以理解的是，在实际应用中，由于存在不同的测量模型的建模方式，因此，青年舒张压测量模型、中年舒张压测量模型以及老年舒张压测量模型可以是不同的测量模型，中年参考测量子模型和老年参考测量子模型也可以不相同。
需要说明的是，尽管在附图中以特定顺序描述了本发明方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。相反，流程图中描绘的步骤可以改变执行顺序。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
相应地，本发明还提供了一种用于实现上述血压测量方法的嵌入式装置。请参考图2，图2是根据本发明的用于实现血压测量方法的嵌入式装置的一个具体实施方式的结构示意图。如图所示，该嵌入式装置100包括：
获得模块110，用于获得被测量对象的脉搏波形；
处理模块120，用于根据预定规则从所述脉搏波形中提取出多个特征点，根据所述被测量对象的生理指标从模型库中选择并加载最佳血压测量模型组，以及运行所述最佳血压测量模型组以根据所述多个特征点计算得到所述被测量对象的血压参数。
本部分出现的术语和名词与前文中相同的术语或名词具有一致的含义，例如所述“特征点”、“生理指标”、“最佳血压测量模型组”、“血压参数”等，上述术语或名词及其涉及的工作原理均可参考前文中相关部分的描述和解释，为了简便起见在此不再赘述。
需要说明的是，所述嵌入式装置优选地集成在便携式设备上，如此一来，便于被测量对象随时随地自行进行血压测量。更优选地，基于便携式设备易于佩戴和佩戴稳定性考虑，该便携式设备设计为具有腕式佩戴结构。
请参考图3，图3是根据本发明的集成了用于实现血压测量方法的嵌入式装置的且具有腕式佩戴结构的便携式设备的一个优选实施方式的结构示意图。在佩戴图3所示便携式设备200进行血压测量时，需要将嵌入式装置100中的获得模块110(图3中未示出)设置在贴近被测量对象的腕部体表皮肤300的位置。
请参考图4，图4是根据本发明的集成了用于实现血压测量方法的嵌入式装置的且具有腕式佩戴结构的便携式设备的另一个优选实施方式的结构示意图。如图所示，便携式设备200是智能手表，也就是说，用于实现血压测量方法的嵌入式装置100可以与智能手表集成在一起，集成时可以将嵌入式装置100中的获得模块110(图4中未示出)设置在贴近被测量对象的腕部体表皮肤300的位置，又或者将手表表带设计为可调节式，被测量对象通过调节手表表带可以使所述获得模块110位于贴近被测量对象的腕部体表皮肤300的位置。
特别指出的是，图3和图4中示出的便携式设备200的腕式佩戴结构仅是示意性作用，并不能以此来限定该便携式设备的具体外观。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他部件、单元或步骤，单数不排除复数。系统权利要求中陈述的多个部件、单元或装置也可以由一个部件、单元或装置通过软件或者硬件来实现。
本发明提供的血压测量方法以及用于实现该方法的嵌入式装置具有以下优点：
第一、与传统的利用压力血压计进行血压测量的方式相比，本发明利用脉搏波形的特征点测量血压，不会对人体造成干扰而且可以实现血压参数的连续测量，与传统的利用脉搏传导时间进行血压测量的方式相比，本发明利用脉搏波形的特征点测量血压，可以得到更为准确的被测量对象的血压参数；
第二、根据被测量对象的生理指标相应选择针对于该被测量对象的最佳血压测量模型组，从而可以进一步提高血压参数的测量准确性。
以上所揭露的仅为本发明的一些较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (7)

1.一种实现血压测量的嵌入式装置，该嵌入式装置包括：
获得模块，用于获得被测量对象的脉搏波形；
处理模块，用于根据预定规则从所述脉搏波形中提取出多个特征点，所述特征点至少包括脉率、光电容积脉搏波波图面积、主波上升支波图面积、每搏心输出量、脉搏波波形系数、上升支面积比例、升支平均斜率、降中峡相对高度和重搏波相对高度；
所述处理模块，还用于根据所述被测量对象的生理指标判断所述被测量对象是青年人、中年人或老年人，并根据判断结果从模型库中选择并加载最佳血压测量模型组，其中，若所述被测量对象是青年人则所述最佳血压测量模型组包括青年舒张压测量模型和青年收缩压测量模型，若所述被测量对象是中年人则所述最佳血压测量模型组包括中年舒张压测量模型和中年收缩压测量模型，该中年收缩压测量模型包括中年参考测量子模型、中年正常测量子模型以及中年高血压测量子模型，若所述被测量对象是老年人则所述最佳血压测量模型组包括老年舒张压测量模型和老年收缩压测量模型，该老年收缩压测量模型包括老年参考测量子模型、老年正常测量子模型以及老年高血压测量子模型；
所述处理模块，还用于若所述被测量对象是青年人，则将所述多个特征点代入所述青年舒张压模型和青年收缩压模型计算得到所述血压参数中的舒张压数值和收缩压数值；若所述被测量对象是中年人，则将所述多个特征点代入所述中年舒张压测量模型计算得到所述血压参数中的舒张压数值，以及将所述多个特征点代入所述中年参考测量子模型、所述中年正常测量子模型以及所述中年高血压测量子模型，分别计算得到第一数值、第二数值以及第三数值，并从所述第二数值和所述第三数值中选择与所述第一数值最接近的数值作为所述血压参数中的收缩压数值；若所述被测量对象是老年人，则将所述多个特征点代入所述老年舒张压测量模型计算得到所述血压参数中的舒张压数值、以及将所述多个特征点代入所述老年参考测量子模型、所述老年正常测量子模型以及所述老年高血压测量子模型，分别计算得到第四数值、第五数值以及第六数值，并从所述第五数值和所述第六数值中选择与所述第四数值最接近的数值作为所述血压参数中的收缩压数值；其中，所述最佳血压测量模型组包括回归方程。
2.根据权利要求1所述的嵌入式装置，其中：
所述获得模块向所述被测量对象的体表皮肤发送至少一种波长的测量光并接收所述测量光的反射光，以及对所述反射光进行处理以得到所述被测量对象的脉搏波形。
3.根据权利要求2所述的嵌入式装置，其中：
所述体表皮肤是所述被测量对象的桡动脉所对应的腕部体表皮肤。
4.根据权利要求2所述的嵌入式装置，其中：
所述至少一种波长的测量光包括红光和/或红外光。
5.根据权利要求4所述的嵌入式装置，其中：
所述红光的波长的范围是660nm±3nm；
所述红外光的波长的范围是940nm±10nm。
6.根据权利要求1所述的嵌入式装置，其中：
所述回归方程的回归系数根据针对样本集合的统计处理而生成。
7.根据权利要求1至6中任一项所述的嵌入式装置，其中：
所述嵌入式装置集成在便携式设备上，该便携式设备具有腕式佩戴结构。
CN201410163425.4A 2014-04-22 2014-04-22 血压测量方法以及用于实现该方法的嵌入式装置 Active CN103976721B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201410163425.4A CN103976721B (zh) 2014-04-22 2014-04-22 血压测量方法以及用于实现该方法的嵌入式装置
US15/308,410 US20170109495A1 (en) 2014-04-22 2015-01-15 Method for measuring blood pressure and embedded device for implementing the same
PCT/CN2015/070725 WO2015161688A1 (zh) 2014-04-22 2015-01-15 血压测量方法以及用于实现该方法的嵌入式装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410163425.4A CN103976721B (zh) 2014-04-22 2014-04-22 血压测量方法以及用于实现该方法的嵌入式装置

Publications (2)

Publication Number Publication Date
CN103976721A CN103976721A (zh) 2014-08-13
CN103976721B true CN103976721B (zh) 2016-07-06

Family

ID=51269074

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410163425.4A Active CN103976721B (zh) 2014-04-22 2014-04-22 血压测量方法以及用于实现该方法的嵌入式装置

Country Status (3)

Country Link
US (1) US20170109495A1 (zh)
CN (1) CN103976721B (zh)
WO (1) WO2015161688A1 (zh)

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103976721B (zh) * 2014-04-22 2016-07-06 辛勤 血压测量方法以及用于实现该方法的嵌入式装置
WO2016107607A1 (en) 2015-01-04 2016-07-07 Vita-Course Technologies Co.,Ltd System and method for health monitoring
CN204515353U (zh) 2015-03-31 2015-07-29 深圳市长桑技术有限公司 一种智能手表
CN104586371B (zh) * 2015-02-27 2017-09-29 辛勤 一种脉搏波形的判别方法及装置
CN107440693A (zh) * 2016-05-30 2017-12-08 丽台科技股份有限公司 生理检测方法及其装置
CN106343976B (zh) * 2016-09-14 2018-09-07 京东方科技集团股份有限公司 建立血压模型的方法和装置以及确定血压的方法和装置
US11783947B2 (en) * 2016-09-26 2023-10-10 University Of Queensland Method and apparatus for automatic disease state diagnosis
WO2018072175A1 (en) * 2016-10-20 2018-04-26 Boe Technology Group Co., Ltd. Apparatus and method for determining a blood pressure of a subject
CN108261192B (zh) * 2016-12-30 2021-01-01 深圳先进技术研究院 连续血压估计方法、装置以及设备
CN108261190B (zh) * 2016-12-30 2021-01-01 深圳先进技术研究院 连续血压估计方法、装置以及设备
CN108261191B (zh) * 2016-12-30 2021-01-05 深圳先进技术研究院 连续血压估计方法、装置以及设备
WO2018129822A1 (zh) * 2017-01-10 2018-07-19 华为技术有限公司 一种血压测量方法及设备
CN106880138B (zh) * 2017-01-13 2019-02-22 方世雄 用于智能手表的嵌入式可穿戴表带
WO2018152713A1 (zh) * 2017-02-22 2018-08-30 清华大学深圳研究生院 一种用于血压测量装置的数据处理方法
CN108451513B (zh) * 2017-02-22 2020-11-10 清华大学深圳研究生院 一种贴片式生理多参数监测设备
KR102562817B1 (ko) * 2018-05-16 2023-08-02 삼성전자주식회사 혈압 측정을 위한 전자 장치 및 그의 동작 방법
TWI685326B (zh) 2018-06-01 2020-02-21 華碩電腦股份有限公司 穿戴式血壓量測裝置及其量測方法
US11690520B2 (en) 2018-06-20 2023-07-04 Samsung Electronics Co., Ltd. Apparatus and method for measuring bio-information
KR102592077B1 (ko) 2018-08-01 2023-10-19 삼성전자주식회사 생체정보 측정 장치 및 방법
CN113395932A (zh) * 2019-02-01 2021-09-14 夏普株式会社 血压测量装置、模式设定装置以及血压测量方法
CN116172552B (zh) * 2023-03-03 2024-03-22 上海睿触科技有限公司 一种无创血糖仪及血糖检测方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102397064A (zh) * 2011-12-14 2012-04-04 中国航天员科研训练中心 连续血压测量装置

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100346740C (zh) * 2003-05-20 2007-11-07 香港中文大学 基于桡动脉脉搏信息的血压测量装置
CN100413464C (zh) * 2006-05-26 2008-08-27 中国人民解放军空军航空医学研究所 在脉搏波法动脉血压连续测量中的脉搏波传导时间的获取方法和装置
CN100512750C (zh) * 2006-06-16 2009-07-15 香港中文大学 对无袖带式动脉血压测量装置进行校准的方法
US8398556B2 (en) * 2008-06-30 2013-03-19 Covidien Lp Systems and methods for non-invasive continuous blood pressure determination
US8364250B2 (en) * 2009-09-15 2013-01-29 Sotera Wireless, Inc. Body-worn vital sign monitor
CN102178518A (zh) * 2011-05-31 2011-09-14 北京新兴阳升科技有限公司 用于用脉搏波连续测量估算动脉血压的个体化校正方法及装置
CN102894964B (zh) * 2011-07-26 2014-08-20 深圳大学 一种无创血压测量方法和装置
CN103637788B (zh) * 2013-12-02 2016-02-10 清华大学 血压实时测量装置
CN103976721B (zh) * 2014-04-22 2016-07-06 辛勤 血压测量方法以及用于实现该方法的嵌入式装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102397064A (zh) * 2011-12-14 2012-04-04 中国航天员科研训练中心 连续血压测量装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
一种基于脉搏波的无创连续血压测量方法;吕海姣，严壮志，陆维嘉;《中国医疗器械杂志》;20110630;第35卷(第3期);全文 *
利用脉搏波特征参数连续测量血压的方法研究;焦学军，房兴业;《生物医学工程杂志》;20020630;第19卷(第2期);全文 *

Also Published As

Publication number Publication date
US20170109495A1 (en) 2017-04-20
WO2015161688A1 (zh) 2015-10-29
CN103976721A (zh) 2014-08-13

Similar Documents

Publication Publication Date Title
CN103976721B (zh) 血压测量方法以及用于实现该方法的嵌入式装置
CN108882869B (zh) 生物体信息分析装置、系统以及程序
CN109833035B (zh) 脉搏波血压测量装置的分类预测数据处理方法
Shyam et al. PPGnet: Deep network for device independent heart rate estimation from photoplethysmogram
CN109872820B (zh) 一种无袖带血压测量方法、装置、设备及存储介质
Samani et al. Nonlinear metrics assessing motor variability in a standardized pipetting task: Between-and within-subject variance components
CN104000572B (zh) 一种用于实现血压测量的嵌入式装置
CN104586371B (zh) 一种脉搏波形的判别方法及装置
Yen et al. Blood Pressure and Heart Rate Measurements Using Photoplethysmography with Modified LRCN.
Pal et al. Improved heart rate detection using smart phone
Wang et al. Numerical and experimental study of the influence of device pressure on PPG signal acquisition
García-González et al. A methodology to quantify the differences between alternative methods of heart rate variability measurement
JP5328614B2 (ja) 脈波解析装置および脈波解析プログラム
Zhang et al. Estimation model for blood pressure based on clustering and gradient boosting
Ouyang et al. Using Attention and Multi-Scale Unet Approach to Continuous Blood Pressure Prediction
Yang et al. Robust and remote measurement of heart rate based on a surveillance camera
Guixeres et al. A new protocol test for physical activity research in obese children (etiobe project).
Vega et al. Threads and nanotechnology: monitoring of the vital pulse signal
Chen Estimating Cuff-less Continuous Blood Pressure from Fingertip Photoplethysmogram Signals with Deep Neural Network Model
Mariani et al. An Instrumented 6 Minutes Walk Test: Assessment of 3D gait variability for outcome evaluation in elderly population
Meng et al. A multi-feature fusion method to estimate blood pressure by PPG
Rizal GRU-Based Fusion Models for Enhanced Non-Invasive Blood Pressure Estimation from PPG Signals
Ji et al. Activity-aware HRV analysis
Bell et al. Early detection of sit-to-stand transitions in a lower limb orthosis
Nguyen et al. Predicting Blood Pressures for Pregnant Women by PPG and Personalized Deep Learning

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C53 Correction of patent of invention or patent application
CB03 Change of inventor or designer information

Inventor after: Xin Qin

Inventor before: Xin Qin

Inventor before: Wang Yifeng

COR Change of bibliographic data

Free format text: CORRECT: INVENTOR; FROM: XIN QIN WANG YIFENG TO: XIN QIN

C14 Grant of patent or utility model
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20240401

Address after: 518118, No. 101, Ping An Road, Xiuxin Community, Kengzi Street, Pingshan District, Shenzhen City, Guangdong Province, China

Patentee after: Shenzhen Xinping Industry Co.,Ltd.

Country or region after: China

Address before: Room 1205, Building 15, Zijing Apartment, Tsinghua University, Haidian District, Beijing, 100084

Patentee before: Xin Qin

Country or region before: China