CN104873186B - 一种可穿戴的动脉检测装置及其数据处理方法 - Google Patents

一种可穿戴的动脉检测装置及其数据处理方法 Download PDF

Info

Publication number
CN104873186B
CN104873186B CN201510185411.7A CN201510185411A CN104873186B CN 104873186 B CN104873186 B CN 104873186B CN 201510185411 A CN201510185411 A CN 201510185411A CN 104873186 B CN104873186 B CN 104873186B
Authority
CN
China
Prior art keywords
dynamic
signal
ankle
sensor
pressure
Prior art date
Application number
CN201510185411.7A
Other languages
English (en)
Other versions
CN104873186A (zh
Inventor
周志勇
戴亚康
耿辰
刘兆邦
Original Assignee
中国科学院苏州生物医学工程技术研究所
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 中国科学院苏州生物医学工程技术研究所 filed Critical 中国科学院苏州生物医学工程技术研究所
Priority to CN201510185411.7A priority Critical patent/CN104873186B/zh
Publication of CN104873186A publication Critical patent/CN104873186A/zh
Application granted granted Critical
Publication of CN104873186B publication Critical patent/CN104873186B/zh

Links

Abstract

本发明公开了一种可穿戴的动脉检测装置,包括:心电传感器模块、心音传感器模块、脉搏波传感器模块,其内均携带有独立的相对位置传感器;以及健康管理模块,其用于给予综合学习指数;其中,所述心电传感器至少有3导联位于左胸腔,且与所述心音传感器封装在同一个小贴片内,所述小贴片内设置有一个基准位置传感器,作为所述相对位置传感器的基准坐标。一种用于可穿戴的动脉检测装置的数据处理方法,包括:将计算得到的全部动态生理参数按照动态心电信号的节律划分为多个时间窗,将多个时间窗的高维特征向量输入到深度学习网络,并进行有监督的深度学习,得出经降维处理后的综合学习指数,以待进行下一步学习处理后得出最终学习结果。

Description

一种可穿戴的动脉检测装置及其数据处理方法
技术领域
[0001] 本发明涉及医疗器械领域,特别是一种可穿戴的动脉检测装置及其数据处理方 法。
背景技术
[0002] 动脉硬化及其相关的血管病变是导致心脑血管事件的主要原因,是心肌梗死、脑 卒中等常见心脑血管疾病的共同病理学基础。因此,动脉血管硬化程度往往反应了人体潜 在的心血管疾病发病可能,及早发现动脉血管硬化并采取有效治疗可以减缓甚至逆转心血 管疾病的发生和发展。为了实现通过检测动脉血管硬化状况早期预警心血管疾病的潜在危 险,就需要能够实时获知动脉血管的功能状况,进而早期发现动脉血管的结构和功能病变, 及时引入有效的医学干预。
[0003] 目前,评价动脉血管功能状况的方法主要包括间接法、影像诊断法和脉搏波检测 法。间接法是指通过血糖、血脂等生化指标或内皮功能检测来间接判断动脉硬化程度,但上 述生化指标水平并不总与动脉硬化的病变过程同行,无法直接反映动脉的弹性特性。利用 血管造影术检查、核磁共振成像检查、CT扫描检查、彩色超声检查等影像诊断法只能对局部 血管进行测量分析,了解某一截面动脉管腔的弹性功能变化,不能详细了解动脉整体的弹 性功能。而且,上述两种方法均需要借助很强的专业知识和昂贵的检测仪器方能进行,不适 合在社区和家庭中应用。脉搏波检测法是指依据脉搏波特征参数来评价动脉血管弹性功能 的方法,其测量原理是:动脉血管硬化后导致血管的物理性质发生改变,并在脉搏波信号上 产生相应的变化,可以通过检测脉搏波波形的变化情况判断出动脉血管的硬化程度,主要 包括脉搏波传导速度、反射波增强指数、舒张期脉搏波分析法和套袖压力震荡波分析测量 等。尽管此方法在准确性方面比不上影像诊断法,但是由于具有良好的预见能力和方便、易 行的检测流程,适合在社区和家庭进行推广使用。
[0004] 但是,现有脉搏波诊断仪器操作复杂,只适于在医院由医生进行操作;可以同时检 测多项生理参数,但是无法根据检测得到的参数形成综合的评价情况,需要由医生进行诊 断,不利于居家使用;现有的检测设备价格昂贵,系统复杂,不适合社区和家庭推广;现有的 设备使用加压式的套袖,用户体感不好,不适合长时间佩戴,无法连续、实时、动态检测生理 参数。本发明的目的是设计开发适用于家庭、社区的可穿戴式的无创动脉血管硬化检测系 统,为早期预警心血管疾病的潜在危险因素提供一种有效的技术手段。
发明内容
[0005] 针对上述技术问题,本发明公开了一种可穿戴的动脉检测装置,旨在提供一种可 穿戴的动脉硬化检测系统,以连续、动态、实时地检测多项生理参数,综合评价动脉硬化水 平,及时给予风险预警。
[0006] 本发明的另一个目的在于,提出了一种用于可穿戴的动脉检测装置的数据处理方 法,以得到多方位的生理参数,以方便经过下一步学习处理后得出最终指导性结果。
[0007] 为了实现根据本发明的目的,提供了 一种可穿戴的动脉检测装置,包括:
[0008] 心电传感器模块,其内设置有用于采集动态心电数据的心电传感器;心音传感器 模块,其内设置有用于采集动态心音数据的心音传感器;脉搏波传感器模块,其内设置有若 干个用于采集动态脉搏波数据的反射式光电传感器,且每个均携带有独立的相对位置传感 器;以及健康管理模块,其内设置有用于接收所述动态心电、心音和脉搏波数据的无线数据 接收器,所述健康管理模块对接收到的数据计算分析后给予综合学习指数;其中,所述心电 传感器至少有3导联位于左胸腔,且与所述心音传感器封装在同一个小贴片内,所述小贴片 内设置有一个基准位置传感器,作为所述相对位置传感器的基准坐标。
[0009] 优选的,所述心电、心音和脉搏波传感器模块中分别设置有电源模块、A/D转换器、 同步信号触发器和无线数据传输器。
[0010] 优选的,所述可穿戴的动脉检测装置还包括分别与所述心电、心音、脉搏波传感器 模块和健康管理模块无线连接的系统控制/信号处理模块,其内设置有同步时序信号发生 器、多通道无线数据接收/发送器、信号处理器和数据存储器。
[0011] 优选的,所述心电、心音传感器模块被封装于同一个大贴片内或紧身衣服内,所述 大贴片或紧身衣服外表设置有用于调节所述心电、心音传感器位置的开口。
[0012] 优选的,所述脉搏波传感器模块包含2个或4个反射式光电传感器,其分别通过紧 固式套袖固定在肱动脉处和踝动脉处,所述相对位置传感器安装在所述套袖内。
[0013] 提出了一种用于可穿戴的动脉检测装置的数据处理方法,包括:
[0014] 步骤1)同步时序信号发生器发送时序触发信号,心电、心音和反射式光电传感器 按照时序触发信号进行同步信号采样,同时相对位置传感器测量套袖相对于基准坐标的距 离;
[0015] 步骤2)分别将采集的信号转换成数字信号后无线发送到系统控制/信号处理模 块,系统控制/信号处理模块中的信号处理器对接收到的数字信号进行并行化处理,将处理 后的信号无线发送至健康管理模块;
[0016] 步骤3)健康管理模块根据动态心电、心音和脉搏波信号,以及套袖相对位置,计算 和记录以下动态多生理参数:肱动脉动态收缩压/舒张压/平均血压、踝动脉动态收缩压/舒 张压/平均血压、动态踝臂指数、动态脉搏波传导速率、动态心踝血管指数、动态心电波形、 动态心音波形、动态心率、动态射血前期时间、动态射血时间、动态射血指数、动态脉搏波波 形上升时间、动态脉搏波体积记录;
[0017] 步骤4)将计算得到的全部动态生理参数按照动态心电信号的节律划分为多个时 间窗,接着按照划分好的时间窗,将全部长时间的动态生理参数分解到多个短时间的动态 生理参数,然后将同一时间窗内的全部动态生理信号进行排列,组织成为按时间排列的高 维特征向量,最后将多个时间窗的高维特征向量同时输入到深度学习网络的输入层,依次 对输入向量进行有监督的深度学习,提取有效信息,得出经降维处理后的综合学习指数,以 待进行下一步学习处理后得出最终学习结果。
[0018] 优选的,步骤2)中的并行化处理过程包括:对心电、心音信号进行带通滤波、降噪、 平滑处理,对脉搏波信号进行滤波放大、脉搏波信号背景噪声分离和脉搏波信号提取。
[0019] 优选的,步骤3)中利用相对位置传感器标定各个反射式光电传感器相对于基准坐 标的位置;利用心电、心音信号校准脉搏波传输时间;根据心电、心音信号和脉搏波传输时 间,利用血压测量金标准和脉搏波传输时间建立线性回归方程,通过心音信号对射血前期 的时间进行标定,再对回归方程的参数进行校正,基于动态心电、心音、脉搏波传输传输时 间、线性回归方程和相对位置传感器的坐标位置来计算所述生理参数。
[0020] 优选的,部分计算过程包括:计算脉搏波传导速率PWV,具体的:计算上臂PWV、右 PWV和左PWV,上Il
Figure CN104873186BD00071
Figure CN104873186BD00072
左PWV= |D1’-D2’ I/T3;其中,Dl为心脏 到右上臂的距离,D2为心脏到右脚踝的距离,D1’为心脏到左上臂的距离,D2’为心脏到左脚 踝的距离,分别由相对位置传感器获取;Tl为从心音波形图的第二心音到右上臂脉搏容积 记录的凹槽之间的时段;T2为右上臂脉搏容积波上升沿到右脚踝脉搏容积波上升沿之间的 时间差,T3为左上臂脉搏容积波上升沿到左脚踝脉搏容积波上升波之间的时间差;
[0021] 计算肱动脉动态收缩压/舒张压,具体的:使用MMIC数据标定QRS,使用血压金标 准对脉搏波传导速率和肱动脉处的动态舒张压、动态收缩压之间的关系进行标定,使用基 于大数据的深度学习方法或基于有限混合模型的回归方法对脉搏波传导速率和肱动脉处 的动态舒张压、动态收缩压进行回归分析,有限混合模型是t分布混合模型,健康管理模块 对采集到的动态脉搏波波形,根据同步采集到的心电、心音信号进行获取脉搏波传输时间, 根据回归分析的结果,计算出动脉的收缩压/舒张压,并基于经验公式计算其平均血压,平 均血压=舒张压+ (收缩压-舒张压)/3;
[0022] 计算踝动脉动态收缩压/舒张压,具体计算方法如肱动脉动态收缩压/舒张压计算 方法;
[0023] 计算踝臂指数,具体的:根据动态肱动脉收缩压和动态踝动脉收缩压,计算动态踝 臂指数,动态踝臂指数=动态肱动脉收缩压/动态踝动脉收缩压;
[0024] 分别计算上臂动态心踝血管指数CAVI、右动态心踝血管指数CAVI和左动态心踝血 管指数CAVI,具体的:自动设定血液密度P,动态心踝血管指数
Figure CN104873186BD00073
其中,PWV对应于上臂PWV、右PWV和左PWV,ps是踝动脉动态收缩压,Pd是踝动脉动脉舒张压。
[0025] 优选的,所述步骤4)中使用金标准数据,对已构造的深度学习网络对各层之间的 连接权重进行自适应设置;所构建的深度学习网络,包含一层输入层、一层输出层和若干层 隐层,各层之间的节点含有连接权重;输入层的输入节点数量=时间窗数量+1;M个时间窗 内的高维特征向量分别输入到1〜M号节点;用户年龄、性别标量数据构造辅助生理参数向 量,输入到第M+1个节点,将特征向量输入到深度学习网络的输入层,特征向量从上一层向 下一层传递时,受到已构造的监督向量的监督;深度学习网络的输出层连接到有监督的分 类学习器的输入层;深度学习网络的输出层输出经过学习后的特征向量,将其作为有监督 的分类学习器的输入,由分类学习器输出综合学习指数。
[0026] 本发明至少包括以下有益效果:
[0027] 1、操作简便:通过位置传感器获取系统各个模块相对基准坐标的相对坐标,无需 在测量过程中由他人手工测量;允许使用者在使用过程中进行一定的身体活动,不必静躺, 采集到的生理参数更接近真实值;通过深度学习网络,将多类型的高维数据转换为低维参 数,方便直观;
[0028] 2、可穿戴设计:通过可穿戴的设计方法,将传感器模块通过无线网络和控制模块、 数据处理模块连接,无需有线的信号连接方式,从系统设计层面解决了信号连续采集问题;
[0029] 3、连续、动态检测:通过反射式光电传感器动态检测,只需要套袖固定于用户的相 应部位,无需充放气式套袖,改善了用户体感,更重要的在于该装置取消了充放气式套袖, 可实现连续、动态采集信号,利于长期检测;
[0030] 4、历史数据和健康档案:系统可自动调阅历史数据并建立健康档案,并且可由当 前检测数据和历史数据进行综合学习,跟踪数据变化。
[0031] 本发明的其它优点、目标和特征将部分通过下面的说明体现,部分还将通过对本 发明的研究和实践而为本领域的技术人员所理解。
附图说明
[0032] 图1是本发明的可穿戴的动脉检测装置的详细框图;
[0033] 图2是本发明可穿戴的动脉检测装置工作流程图;
[0034] 图3是单个时间窗内(起始时间为t0,终止时间为tl)的特征向量组织方式示意图;
[0035] 图4是基于深度学习网络的数据处理方法的流程示意图。
具体实施方式
[0036] 下面结合附图对本发明做进一步的详细说明,以令本领域技术人员参照说明书文 字能够据以实施。
[0037] 应当理解,本文所使用的诸如“具有”、“包含”以及“包括”术语并不配出一个或多 个其它元件或其组合的存在或添加。
[0038] 如图1所示的是根据本发明的可穿戴的动脉检测装置的一种实现形式,其中包括: 心电传感器模块、心音传感器模块、脉搏波传感器模块、系统控制/信号处理模块和健康管 理模块。
[0039] 心电传感器模块,其内设置有用于采集动态心电数据的心电传感器,具体包含3导 联或5导联的心电传感器、前置放大器、有源带通滤波器、屏蔽驱动模块、电源模块、A/D转换 器、无线数据传输器和同步信号触发器。
[0040] 心音传感器模块,其内设置有用于采集动态心音数据的心音传感器,具体包含压 电传感器、前置放大器、有源带通滤波器、电源模块、无线数据传输器、A/D转换器、同步信号 触发器,其中,所述心电传感器至少有3导联位于左胸腔上,且与所述心音传感器封装在同 一个小贴片内,或封装于具有弹力的背心或其他类型的贴身衣物,小贴片贴设在左胸腔上, 以便于心电、心音传感器采集心电、心音信号,所述的心电传感器模块和心音传感器模块, 可共用电源模块和无线数据发送器。
[0041] 脉搏波传感器模块,其内设置有若干个用于采集动态脉搏波数据信号的反射式光 电传感器,具体包含2个或4个反射式光电传感器、有源带通滤波器、前置放大器、电源模块、 A/D转换器、无线数据传输器、同步信号触发器和相对位置传感器。每一个反射式光电传感 器与有源带通滤波器、前置放大器、电源模块、A/D转换器、无线数据传输器、同步信号触发 器和相对位置传感器被封装在同一个紧固式套袖中,若所述的脉搏波传感器模块含有2个 反射式光电传感器,则将每个紧固式套袖固定于身体同侧的肱动脉处和踝动脉处;或含有4 个反射式光电传感器,则将每一个紧固式套袖固定于身体两侧的肱动脉处和踝动脉处。所 述小贴片内设置有一个基准位置传感器,作为所述相对位置传感器的基准坐标,设置在每 个紧固式套袖中的相对位置传感器,分别测量各自相对于基准位置的相对坐标,产生位置 信号。
[0042] 健康管理模块,其内设置有用于接收所述动态心电、心音和脉搏波数据以及位置 信号的多通道无线收接收模块,所述的健康管理模块具体包括:多通道无线数据接收器模 块、多生理参数计算模块、多参数学习模块、动脉血管风险预警模块;基于深度学习网络的 多参数学习模块,具体是使用自动编码机,或使用受限玻尔兹曼机,或使用稀疏编码机来构 建的深度学习网络。所述的健康管理模块,可独立运行于PC或移动终端。所述健康管理模块 对接收到的数据计算分析后给予综合学习指数,根据综合学习指数进行分析处理后即可得 到具有评价性的动脉信息。本发明的装置可以检测多项生理参数,根据检测得到的参数形 成综合的评价情况,综合评价动脉硬化水平,及时给予风险预警,使用方便,用户不必去医 院即可得到评价信息。
[0043] 上述技术方案中,所述的可穿戴的动脉检测装置还包括分别与所述心电、心音、脉 搏波传感器模块和健康管理模块无线连接的系统控制/信号处理模块,系统控制/信号处理 模块中具体设置有同步时序信号发生器、多通道无线数据接收/发送器、信号处理器和数据 存储器。
[0044] 上述技术方案中,所述心电、心音传感器模块被封装于同一个大贴片内或紧身衣 服内,也就是说包括小贴片和设置在小贴片的心电传感器都设置在同一个大贴片内或紧身 衣服内,以方便穿戴在胸腔上,为用户正常使用提供便捷,所述大贴片或紧身衣服外表设置 有用于调节所述心电、心音传感器位置的开口。
[0045] 具体的工作流程如图2所示,将心电传感器和心音传感器固定于胸腔相应位置,并 通过大贴片或紧身衣服的开口进行微调;将封装有脉搏波传感器模块的反射式光电传感器 的紧固式套袖固定于肱动脉处和踝动脉处,由同步时序信号发生器发出同步时序信号,触 发同步信号触发器,心电传感器、心音传感器和反射式光电传感器进行同步信号采集,并记 录采集时间,并由A/D转换器对信号进行A/D转换;转换成数字信号后通过各自的无线数据 传输器将信号发送至系统控制/信号处理模块;由系统控制/信号处理模块的多通道无线数 据接收/发送器接收来自各个传感器的信号,以及各个位置信号,接收到的数字信号由信号 处理器进行处理,所述的信号处理器对心电信号和心音信号进行带通滤波、降噪、平滑等处 理,对脉搏波信号进行滤波放大、脉搏波信号背景噪声分离和脉搏波信号提取。
[0046] 将采集到的信号无线传送到健康管理模块中的多通道无线数据接收器模块,而后 通过多生理参数计算模块多生理参数,包括:动态心电波形、动态心音波形、动态脉搏波传 输时间、动态脉搏波传导速度、动态血压值、肱动脉收缩压/舒张压、踝动脉收缩压/舒张压、 踝臂指数、心踝血管指数、心率、射血前期、射血时间、射血指数、波形上升时间、脉搏波体积 记录。
[0047] 通过上述获取或计算的连续、动态的多生理参数,用户通过系统界面输入年龄、性 别等标量数据等,或从系统中自动调阅该用户的信息,作为生理参数的补充项,将全部的动 态生理参数自动输入健康管理模块,通过基于深度学习的多参数学习模块的处理,得出综 合学习指数,再通过动脉血管风险预警模块给出评价性信息,为用户的动脉硬化水平进行 风险分级,并予以预警;根据用户历次检查的动态生理参数,采集基于大数据的学习方法, 预测用户的动脉硬化发展情况,并予以健康提示;将用户当前检查的动态生理参数保存于 该用户的健康档案,或上传至云端服务器,从而完成整个检测过程。
[0048] 如图3-4所示,一种适用于上述技术方案中的可穿戴的动脉检测装置的数据处理 方法,其中包括:
[0049] 步骤1)装置检测开始,测量步骤步骤如图2所示,心电传感器模块、心音传感器模 块和脉搏波传感器模块的无线数据传输输出端分别通过WiFi或蓝牙接入至系统控制/信号 处理模块的多通道无线数据接受端,在使用过程中,将封装有心电传感器模块和心音传感 器模块的贴片或紧身背心穿戴于胸腔前,微调心电传感器和心音传感器的位置,将封装有 脉搏波传感器模块的袖带分别绑至上肢的肱动脉处和下肢的踝动脉处,将脉搏波传感器的 袖带一侧分别贴紧肱动脉和踝动脉,脉搏波传感器采用的是反射式光电传感器。系统控制/ 信号处理模块中的同步时序信号发生器发送同步时序触发信号,心电传感器、心音传感器 和反射式传感器在同步时序信号下进行同步采集,并记录采集时间,并由A/D转换器对信号 进行A/D转换;转换成数字信号后通过各自的无线数据传输器将信号发送至系统控制/信号 处理模块,同时相对位置传感器测量各个套袖相对于基准坐标的距离。
[0050] 步骤2)由系统控制/信号处理模块的多通道无线数据接收/发送器接收来自各个 传感器的信号,以及各个位置信号,接收到的数字信号由信号处理器进行处理,所述的信号 处理器对心电信号和心音信号进行带通滤波、降噪、平滑等处理,对脉搏波信号进行滤波放 大、脉搏波信号背景噪声分离和脉搏波信号提取,然后将采集到的信息存储于本地存储器, 若用户选择了进行健康管理模式,则系统控制/信号处理模块进一步将动态心电信号、动态 心音信号和动态脉搏波等信号发送至健康管理模块。
[0051] 步骤3)健康管理模块由多通道无线数据接收模块接收动态心电信号、动态心音信 号和动态脉搏波信号,在用户界面上同步显示动态心电、动态心音和动态脉搏波信号,并将 其保存于本地存储器,或由用户选择上传至云端服务器。系统自动调阅历史数据并建立健 康档案,并且可由当前检测数据和历史数据进行综合学习,跟踪数据变化。健康管理模块中 的多生理参数计算模块根据动态心电、心音和脉搏波信号,以及套袖相对位置以及记录的 时间,计算和记录以下动态多生理参数:肱动脉动态收缩压/舒张压/平均血压、踝动脉动态 收缩压/舒张压/平均血压、动态踝臂指数、动态脉搏波传导速率、动态心踝血管指数、动态 心电波形、动态心音波形、动态心率、动态射血前期时间、动态射血时间、动态射血指数、动 态脉搏波波形上升时间、动态脉搏波体积记录;
[0052] 步骤4)是主要的数据处理过程,步骤1)〜步骤3)主要是信号的采集、计算得到初 步处理后的全部动态生理参数,然后将计算得到的全部动态生理参数按照动态心电信号的 节律划分为多个时间窗,如图3所示,接着按照划分好的时间窗,将全部长时间的动态生理 参数分解到多个短时间的动态生理参数,本实施例中划分为M个时间窗口,然后将同一时间 窗内的全部动态生理信号进行排列,本实施例中将处在to〜tl时间内的全部动态生理信号 进行排列,组织成为按时间排列的高维特征向量,最后将M个时间窗的高维特征向量同时输 入到多生理参数学习模块中的深度学习网络的输入层,并且依次对输入向量进行有监督的 深度学习,提取有效信息,得出经降维处理后的综合学习指数,待动脉血管风险管理模块进 行下一步学习处理后得出最终学习结果。
[0053] 上述技术方案中,步骤2)中的并行化处理过程包括:对心电、心音信号进行带通滤 波、降噪、平滑等处理,对脉搏波信号进行滤波放大、脉搏波信号背景噪声分离和脉搏波信 号提取。其中,动态心电波形信号,通过前置放大器放大信号,并由带通滤波器对放大后的 信号进行带通滤波,带通频率为0.7Hz〜IOOHz。心音传感器采集到动态心音波形信号,通过 前置放大器放大信号,并由带通滤波器对放大后的信号进行带通滤波,带通频率为0.05〜 150Hz。脉搏波传感器采集动态脉搏波信号,通过背景噪声滤除、信号提取、信号放大和基线 漂移滤除处理,得到动态脉搏波信号波形。
[0054] 上述技术方案中,步骤3)中利用相对位置传感器标定各个反射式光电传感器相对 于基准坐标的位置,可以准确及时的进行距离的测量以用于后面的计算过程,避免常规方 法各个动脉与心脏位置不变测量或测量不准确等弊端;利用心电、心音信号校准脉搏波传 输时间;根据心电、心音波形信号和脉搏波传输时间信号,利用血压测量金标准和脉搏波传 输时间建立线性回归方程,通过心音信号对射血前期的时间进行标定,再对回归方程的参 数进行校正,基于动态心电、心音、脉搏波传输时间、线性回归方程和相对位置传感器的坐 标位置来计算所述生理参数。
[0055] 上述技术方案中,部分计算过程包括:
[0056] 计算脉搏波传导速率PWV,具体的:计算上臂PWV、右PWV和左PWV,上臂PWV = D1/T1; t
Figure CN104873186BD00111
Figure CN104873186BD00112
其中,Dl为心脏到右上臂的距离,D2为心脏到 右脚踝的距离,D1’为心脏到左上臂的距离,D2’为心脏到左脚踝的距离,分别由相对位置传 感器获取;Tl为从心音波形图的第二心音到右上臂脉搏容积记录的凹槽之间的时段;T2为 右上臂脉搏容积波上升沿到右脚踝脉搏容积波上升沿之间的时间差,T3为左上臂脉搏容积 波上升沿到左脚踝脉搏容积波上升波之间的时间差;
[0057] 计算肱动脉动态收缩压/舒张压,具体的:使用MMIC数据标定QRS,使用血压金标 准对脉搏波传导速率和肱动脉处的动态舒张压、动态收缩压之间的关系进行标定,使用基 于大数据的深度学习方法或基于有限混合模型的回归方法对脉搏波传导速率和肱动脉处 的动态舒张压、动态收缩压进行回归分析,优选的,有限混合模型是t分布混合模型,健康管 理模块对采集到的动态脉搏波波形,根据同步采集到的心电、心音波形信号进行获取其传 导时间,根据回归分析的结果,计算出动脉的收缩压/舒张压,并基于经验公式计算其平均 血压,平均血压=舒张压+ (收缩压-舒张压)/3;
[0058] 计算踝动脉动态收缩压/舒张压,具体计算方法如肱动脉动态收缩压/舒张压计算 方法;
[0059] 计算踝臂指数,具体的:根据动态肱动脉收缩压和动态踝动脉收缩压,计算动脉踝 臂指数,动态踝臂指数=动态肱动脉收缩压/动态踝动脉收缩压;
[0060] 分别计算上臂动态心踝血管指数CAVI、右动态心踝血管指数CAVI和左动态心踝血 管指数CAVI动态心踝血管指数CAVI,具体的:自动设定血液密度P,动态心踝血管指数
Figure CN104873186BD00113
其中,PWV对应于上臂PWV、右PWV和左PWV,ps是踝动脉动态收缩 压,Pd是踝动脉动脉舒张压。
[0061] 上述技术方案中,所述步骤4)中使用金标准数据,对已构造的深度学习网络对各 层之间的连接权重进行自适应设置,如图4所示,所构建的深度学习网络,包含一层输入层、 一层输出层和若干层隐层,上一层的每个节点根据不同的权重关系映射到下一层隐层中, 高维特征向量输入到输入层,经若干层的隐层处理后,由输出层输出经过降维后的特征向 量,最后将其输入到分类学习器中进行有效信息的提取,得出综合学习指数。假如设置有N (一般N小于L,L为输入特征向量的节点数)层隐层,各层之间的节点含有连接权重,并且在 多参数学习模块中事先构造好N个监督向量Vx (x = l,2,. .N),每一个监督向量Vx携带有不 同指向性信息的参考向量,经过每一个监督向量Vx监督后,都会使得输入向量匹配落入到 具体某个或某几个指导性信息的参考向量中,得到中间处理向量,然后传递到下一隐层中 做同样的处理,完成有效信息的提取和无效信息的剔除,向量在每一层之间进行信息传递 时,都要经过监督向量Vx的监督管理,具体的是第X个中间特征向量由第X隐层向第x+1隐层 传递时,受到监督向量Vx的监督管理,使得第X隐层各个节点按权重分配关系传递到第x+1 隐层,同时,根据监督向量Vx进行有效信息的提取,完成具有信息指导性的向量匹配过程, 剔除无效信息,塑造成信息匹配后的第x+1隐层特征向量,此特征向量本身携带有经过监督 向量Vx信息匹配后的指导性信息,然后传递到第x+2隐层,经过同样的处理,直至经过N次的 监督管理过程,得出降维处理后具有明确指导性的特征向量,传递到分类学习器中,经学习 后得出综合学习指数,需要理解的是,在向量各个隐层之间传递处理时,向量的节点数是不 一致的,一般遵循由M个节点数慢慢增大之后慢慢变小的过程,过程中经过向量的辅助构造 使之变成具有信息指导性的参考向量,所以节点数会变高,最后随着中间向量的信息指向 性变高,向量的维数会变小,信息指向性更强,所以节点数会变小,直至得到具有明确指导 性的特征向量。针对本实施例中,输入层的输入节点数量=时间窗数量+1;M个时间窗内的 高维特征向量分别输入到1〜M号节点;再根据用户年龄、性别等标量数据构造辅助生理参 数向量,输入到第M+1个节点;将特征向量输入到深度学习网络的输入层,特征向量从上一 层向下一层传递时,受到已构造的监督向量Vx的监督,得出降维后的具有明确指导性的特 征向量,此特征向量的节点数小于M;深度学习网络的输出层连接到有监督的分类学习器的 输入层,深度学习网络的输出层输出经过学习后的特征向量,将其作为有监督的分类学习 器的输入,由分类学习器输出综合学习指数。综合学习指数输入到动脉血管预警模块中,即 可得到明确的指导性信息,输出在装置显示屏上。需要理解的是,本发明的数据处理方法主 要是针对采集信号到的信号中间处理过程,得出降维后的中间特征向量,具体是按时间窗 口来划分输入向量,使之构造成高维度的多节点输入向量,依次输入到具有监督向量的若 干层隐层中,经过若干次的监督管理对输入向量进行有效信息的提取和无效信息的剔除, 同时将每层向量匹配得到具有信息指向性的下一层向量,最后得出降维后的具有明确指导 性的中间特征向量,结合到本实施例中的可穿戴的动脉检测装置时,后续处理过程中可以 将此中间特征向量输入到分类学习中得出综合学习指数,最后将此综合学习指数输入到动 脉血管分先预警模块,得出明确的指导性信息。当然需要理解的是本发明的数据处理方法 还可以应用于别的数据处理方法过程中。
[0062]由上所述,本发明的可穿戴的动脉检测装置操作简便:通过位置传感器获取系统 各个模块相对基准坐标的相对坐标,无需在测量过程中由他人手工测量;允许使用者在使 用过程中进行一定的身体活动,不必静躺,采集到的生理参数更接近真实值;通过深度学习 网络,将多类型的高维数据转换为低维参数,方便直观;可穿戴设计:通过可穿戴的设计方 法,将传感器模块通过无线网络和控制模块、数据处理模块连接,无需有线的信号连接方 式,从系统设计层面解决了信号连续采集问题;可连续、动态检测:通过反射式光电传感器 动态检测,只需要套袖固定于用户的相应部位,无需充放气式套袖,改善了用户体感,更重 要的在于该装置取消了充放气式套袖,可实现连续、动态采集信号,利于长期检测;历史数 据和健康档案:系统可自动调阅历史数据并建立健康档案,并且可由当前检测数据和历史 数据进行综合学习,跟踪数据变化,方便实用。本发明的用于可穿戴的动脉检测装置的数据 处理方法处理过程精确快速,可以对采集到的信息进行指向性的匹配和降维分析处理,给 出具有指导性的信息,方便用户自行分析结果信息。
[0063]尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列 运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地 实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限 于特定的细节和这里示出与描述的图例。

Claims (6)

1. 一种可穿戴的动脉检测装置,其特征在于,包括: 心电传感器模块,其内设置有用于采集动态心电数据的心电传感器; 心音传感器模块,其内设置有用于采集动态心音数据的心音传感器; 脉搏波传感器模块,其内设置有若干个用于采集动态脉搏波数据的反射式光电传感 器,且每个均携带有独立的相对位置传感器;以及 健康管理模块,其内设置有用于接收所述动态心电、心音和脉搏波数据的无线数据接 收器,所述健康管理模块对接收到的数据计算分析后给予综合学习指数; 其中,所述心电传感器至少有3导联位于左胸腔,且与所述心音传感器封装在同一个小 贴片内,所述小贴片内设置有一个基准位置传感器,作为所述相对位置传感器的基准坐标, 所述脉搏波传感器模块包含2个或4个反射式光电传感器,其分别通过紧固式套袖固定在肱 动脉处和踝动脉处,所述相对位置传感器安装在所述套袖内; 所述心电、心音和脉搏波传感器模块中分别设置有电源模块、A/D转换器、同步信号触 发器和无线数据传输器; 还包括分别与所述心电、心音、脉搏波传感器模块和健康管理模块无线连接的系统控 制/信号处理模块,其内设置有同步时序信号发生器、多通道无线数据接收/发送器、信号处 理器和数据存储器; 所述可穿戴的动脉检测装置的数据处理方法,包括: 步骤1)同步时序信号发生器发送时序触发信号,心电、心音和反射式光电传感器按照 时序触发信号进行同步信号采样,同时相对位置传感器测量套袖相对于基准坐标的距离; 步骤2)分别将采集的信号转换成数字信号后无线发送到系统控制/信号处理模块,系 统控制/信号处理模块中的信号处理器对接收到的数字信号进行并行化处理,将处理后的 信号无线发送至健康管理模块; 步骤3)健康管理模块根据动态心电、心音和脉搏波信号,以及套袖相对位置,计算和记 录以下动态生理参数:肱动脉动态收缩压/舒张压/平均血压、踝动脉动态收缩压/舒张压/ 平均血压、动态踝臂指数、动态脉搏波传导速率、动态心踝血管指数、动态心率、动态射血前 期时间、动态射血时间、动态射血指数、动态脉搏波波形上升时间,并记录动态心电波形、动 态心音波形和动态脉搏波体积记录; 步骤4)将计算得到的全部动态生理参数按照动态心电信号的节律划分为多个时间窗, 接着按照划分好的时间窗,将全部长时间的动态生理参数分解到多个短时间的动态生理参 数,然后将同一时间窗内的全部动态生理参数进行排列,组织成为按时间排列的高维特征 向量,最后将多个时间窗的高维特征向量同时输入到深度学习网络的输入层,依次对输入 向量进行有监督的深度学习,提取输入向量的有效特征信息,得出经降维处理后的综合学 习指数,以待进行下一步学习处理后得出最终学习结果。
2. 权利要求1所述的可穿戴的动脉检测装置,其特征在于,所述心电、心音传感器模块 被封装于同一个大贴片内或紧身衣服内,所述大贴片或紧身衣服外表设置有用于调节所述 心电、心音传感器位置的开口。
3. 用于如权利要求1所述的可穿戴的动脉检测装置的数据处理方法,包括:步骤1)同步 时序信号发生器发送时序触发信号,心电、心音和反射式光电传感器按照时序触发信号进 行同步信号采样,同时相对位置传感器测量套袖相对于基准坐标的距离; 步骤2)分别将采集的信号转换成数字信号后无线发送到系统控制/信号处理模块,系 统控制/信号处理模块中的信号处理器对接收到的数字信号进行并行化处理,将处理后的 信号无线发送至健康管理模块; 步骤3)健康管理模块根据动态心电、心音和脉搏波信号,以及套袖相对位置,计算和记 录以下动态生理参数:肱动脉动态收缩压/舒张压/平均血压、踝动脉动态收缩压/舒张压/ 平均血压、动态踝臂指数、动态脉搏波传导速率、动态心踝血管指数、动态心率、动态射血前 期时间、动态射血时间、动态射血指数、动态脉搏波波形上升时间,并记录动态心电波形、动 态心音波形和动态脉搏波体积记录; 步骤4)将计算得到的全部动态生理参数按照动态心电信号的节律划分为多个时间窗, 接着按照划分好的时间窗,将全部长时间的动态生理参数分解到多个短时间的动态生理参 数,然后将同一时间窗内的全部动态生理参数进行排列,组织成为按时间排列的高维特征 向量,最后将多个时间窗的高维特征向量同时输入到深度学习网络的输入层,依次对输入 向量进行有监督的深度学习,提取输入向量的有效特征信息,得出经降维处理后的综合学 习指数,以待进行下一步学习处理后得出最终学习结果; 其特征在于,步骤2)中的并行化处理过程包括:对心电、心音信号进行带通滤波、降噪、 平滑处理,对脉搏波信号进行滤波放大、脉搏波信号背景噪声分离和脉搏波信号提取。
4. 如权利要求3所述的可穿戴的动脉检测装置的数据处理方法,其特征在于,步骤3)中 利用相对位置传感器标定各个反射式光电传感器相对于基准坐标的位置;利用心电、心音 信号校准脉搏波传输时间;根据心电、心音信号和脉搏波传输时间,利用血压测量金标准和 脉搏波传输时间建立线性回归方程,通过心音信号对射血前期的时间进行标定,再对回归 方程的参数进行校正,基于动态心电、心音、脉搏波传输时间、线性回归方程和相对位置传 感器的坐标位置来计算所述生理参数。
5. 如权利要求4所述的可穿戴的动脉检测装置的数据处理方法,其特征在于,部分计算 过程包括: 计算脉搏波传导速率PWV,具体的:计算上臂PWV、右PWV和左PWV,上臂PWV = D1/T1;右 PW= Id卜D2I/T2;左PWV= |D1’ -D2’ I/T3;其中,Dl为心脏到右上臂的距离,D2为心脏到右 脚踝的距离,D1’为心脏到左上臂的距离,D2’为心脏到左脚踝的距离,分别由相对位置传感 器获取;Tl为从心音波形图的第二心音到右上臂脉搏容积记录的凹槽之间的时段;T2为右 上臂脉搏容积波上升沿到右脚踝脉搏容积波上升沿之间的时间差,T3为左上臂脉搏容积波 上升沿到左脚踝脉搏容积波上升波之间的时间差; 计算肱动脉动态收缩压/舒张压,具体的:使用MMIC数据标定QRS,使用血压金标准对 脉搏波传导速率和肱动脉处的动态舒张压、动态收缩压之间的关系进行标定,使用基于大 数据的深度学习方法或基于有限混合模型的回归方法对脉搏波传导速率和肱动脉处的动 态舒张压、动态收缩压进行回归分析,有限混合模型是t分布混合模型,健康管理模块对采 集到的动态脉搏波波形,根据同步采集到的心电、心音信号进行获取脉搏波传输时间,根据 回归分析的结果,计算出动脉的收缩压/舒张压,并基于经验公式计算其平均血压,平均血 压=舒张压+ (收缩压-舒张压)/3; 计算踝动脉动态收缩压/舒张压,具体计算方法如肱动脉动态收缩压/舒张压计算方 法; 计算踝臂指数,具体的:根据动态肱动脉收缩压和动态踝动脉收缩压,计算动态踝臂指 数,动态踝臂指数=动态胧动脉收缩压/动态踝动脉收缩压; 分别计算上臂动态心踝血管指数CAVI、右动态心踝血管指数CAVI和左动态心踝血管指 数CAVI,具体的:自动设定血液密度P,动态心踝 血管指数
Figure CN104873186BC00041
,其中,PWV对应于上臂PWV、右PWV和左PWV,ps是踝 动脉动态收缩压,Pd是踝动脉动脉舒张压。
6.如权利要求3所述的可穿戴的动脉检测装置的数据处理方法,其特征在于,所述步骤 4)中使用金标准数据,对已构造的深度学习网络对各层之间的连接权重进行自适应设置; 所构建的深度学习网络,包含一层输入层、一层输出层和若干层隐层,各层之间的节点含有 连接权重;输入层的输入节点数量=时间窗数量+1; M个时间窗内的高维特征向量分别输入 至IJl〜M号节点;用户年龄、性别标量数据构造辅助生理参数向量,输入到第M+1个节点,将特 征向量输入到深度学习网络的输入层,特征向量从上一层向下一层传递时,受到已构造的 监督向量的监督;深度学习网络的输出层连接到有监督的分类学习器的输入层;深度学习 网络的输出层输出经过学习后的特征向量,将其作为有监督的分类学习器的输入,由分类 学习器输出综合学习指数。
CN201510185411.7A 2015-04-17 2015-04-17 一种可穿戴的动脉检测装置及其数据处理方法 CN104873186B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510185411.7A CN104873186B (zh) 2015-04-17 2015-04-17 一种可穿戴的动脉检测装置及其数据处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510185411.7A CN104873186B (zh) 2015-04-17 2015-04-17 一种可穿戴的动脉检测装置及其数据处理方法

Publications (2)

Publication Number Publication Date
CN104873186A CN104873186A (zh) 2015-09-02
CN104873186B true CN104873186B (zh) 2018-05-18

Family

ID=53941068

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510185411.7A CN104873186B (zh) 2015-04-17 2015-04-17 一种可穿戴的动脉检测装置及其数据处理方法

Country Status (1)

Country Link
CN (1) CN104873186B (zh)

Families Citing this family (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105125206B (zh) * 2015-09-15 2019-01-22 中山大学 一种智能心电监护方法及装置
CN105286909B (zh) * 2015-11-04 2019-02-22 杜晓松 一种可穿戴心音和心电特征信息采集及监控系统
CN105232032A (zh) * 2015-11-05 2016-01-13 福州大学 基于小波分析远程心电监护与预警系统及方法
CN105726015A (zh) * 2016-01-29 2016-07-06 武汉朗迪远程医疗科技有限公司 一种心电数据智能分析学习方法
CN107019524A (zh) * 2016-02-02 2017-08-08 方宏文 心杂音检测装置及方法
CN106214145B (zh) * 2016-07-20 2019-12-10 杨一平 一种基于深度学习算法的心电图分类方法
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
CN106510669B (zh) * 2016-11-14 2019-08-16 中国科学院电子学研究所 无袖带血压测量系统
TWI653032B (zh) * 2016-12-01 2019-03-11 深禾醫學科技股份有限公司 心電監測裝置及其血壓監測系統
WO2018133123A1 (zh) * 2017-01-23 2018-07-26 悦享趋势科技(北京)有限责任公司 脉搏波处理方法及装置
CN106859617A (zh) * 2017-03-01 2017-06-20 浙江大学 一种穿戴式多生命体征参数采集设备及其参数提取方法
CN107104978B (zh) * 2017-05-24 2019-12-24 赖洪昌 一种基于深度学习的网络风险预警方法
CN107280660A (zh) * 2017-06-13 2017-10-24 广东工业大学 一种心脏信号远程监测系统及方法
WO2019000286A1 (zh) * 2017-06-28 2019-01-03 悦享趋势科技(北京)有限责任公司 脉搏波传导速度pwv的测量系统
CN107296627B (zh) * 2017-07-14 2020-05-26 深圳市德力凯医疗设备股份有限公司 脑血流自动调节指数的输出方法、存储介质及超声设备
CN107845248A (zh) * 2017-12-05 2018-03-27 吉训明 一种用于缺血适应训练装置的数据通讯方法
CN108186011A (zh) * 2017-12-13 2018-06-22 深圳竹信科技有限公司 房颤检测方法、装置及可读存储介质
CN108523867B (zh) * 2018-03-28 2020-12-29 武汉麦咚健康科技有限公司 一种自校准ppg无创血压测量方法及系统
CN108577883A (zh) * 2018-04-03 2018-09-28 上海交通大学 一种冠心病筛查装置、筛查系统以及信号特征提取方法
CN108742594B (zh) * 2018-06-23 2020-11-24 桂林医学院附属医院 一种穿戴式冠心病检测装置
CN109223042B (zh) * 2018-08-10 2020-01-31 广州丰谱信息技术有限公司 人体多点机械振动参数随时间演进的混合测量装置
WO2020029255A1 (zh) * 2018-08-10 2020-02-13 广州丰谱信息技术有限公司 人体多点机械振动参数随时间演进的混合测量方法与装置
CN109222921A (zh) * 2018-09-27 2019-01-18 北京智波信息技术有限公司 脉搏波测量装置和方法
CN109497991A (zh) * 2019-01-04 2019-03-22 济南汇医融工科技有限公司 基于机器学习的心衰检测装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008307307A (ja) * 2007-06-18 2008-12-25 Iryo Joho Kaihatsu Kenkyusho:Kk 血管機能の評価方法及びその装置
CN101176659B (zh) * 2007-12-06 2010-06-16 山东大学 一种检测心血管系统功能状态的装置
CN101773387B (zh) * 2009-01-08 2011-12-14 香港中文大学 基于躯感网的无袖带动脉血压测量及自动校准装置
KR101974482B1 (ko) * 2013-04-05 2019-05-02 삼성전자주식회사 전자 청진 장치, 자동 진단 장치 및 자동 진단 방법
CN104138253B (zh) * 2013-05-11 2016-06-15 吴健康 一种无创动脉血压连续测量方法和设备

Also Published As

Publication number Publication date
CN104873186A (zh) 2015-09-02

Similar Documents

Publication Publication Date Title
US10278599B2 (en) Body-worn system for continuous, noninvasive measurement of cardiac output, stroke volume, cardiac power, and blood pressure
Charlton et al. Breathing rate estimation from the electrocardiogram and photoplethysmogram: A review
Forouzanfar et al. Oscillometric blood pressure estimation: past, present, and future
Shao et al. Noncontact monitoring breathing pattern, exhalation flow rate and pulse transit time
US10292662B2 (en) Device and method for obtaining pulse transit time and/or pulse wave velocity information of a subject
CN104055499B (zh) 连续监控人体生理体征的可穿戴式智能手环及方法
US10178964B2 (en) Heart monitoring system
CN104951069B (zh) 用于使用可穿戴传感器平台的生理测量的置信度指示
CN105916439B (zh) 便携式电子血液动力传感器系统
Ding et al. Continuous blood pressure measurement from invasive to unobtrusive: Celebration of 200th birth anniversary of Carl Ludwig
US9107586B2 (en) Fitness monitoring
Jeong et al. Introducing contactless blood pressure assessment using a high speed video camera
US20170105679A1 (en) Earphone comprising bio-signal measurement means, and bio-signal monitoring system comprising same
CN105792734B (zh) 用于获得远程光体积描记波形的改进的信号选择
CN106580262B (zh) 心电图中实时qrs持续时间的测量
US8755871B2 (en) Systems and methods for detecting arrhythmia from a physiological signal
JP2014195707A (ja) 心血管分析装置
US20170347899A1 (en) Method and system for continuous monitoring of cardiovascular health
US8790272B2 (en) Method and system for extracting cardiac parameters from plethysmographic signals
CN105342591B (zh) 用于测量连续无创血压(cNIBP)的体佩式系统
US8706464B2 (en) Health data dynamics, its sources and linkage with genetic/molecular tests
KR20150038028A (ko) 모바일 심장 건강 모니터링
JP6721154B2 (ja) 生体情報分析装置、システム、及び、プログラム
KR101084554B1 (ko) 심장 관련 파라미터를 측정하기 위한 방법 및 장치
CN104138253B (zh) 一种无创动脉血压连续测量方法和设备

Legal Events

Date Code Title Description
PB01 Publication
C06 Publication
SE01 Entry into force of request for substantive examination
EXSB Decision made by sipo to initiate substantive examination
GR01 Patent grant
GR01 Patent grant