CN105105734A - 一种基于心音信号的无创连续血压测量方法、装置及系统 - Google Patents

Abstract

本发明公开了一种基于心音信号的无创连续血压测量方法、装置及系统，该方法包括：获取被测者的心音信号；提取所述心音信号的特征点；根据所述特征点提取心音特征向量；从血压回归模型库中调取与所述被测者对应的血压回归模型，将所述心音特征向量输入所述血压回归模型中估算出血压。本发明只需采集一路生理信号，节省了成本，简化了操作，给用户带来的更大的方便和舒适，而且简单方便，既适合于便携式、穿戴式医疗设备，又适合于在医院外测量和长期的连续血压测量，并对收缩压、舒张压、平均压都具有同样的测量精度。

Description

一种基于心音信号的无创连续血压测量方法、装置及系统

技术领域

本发明涉及血压测量技术领域，尤其涉及一种基于心音信号的无创连续血压测量方法、装置及系统。

背景技术

血压是重要的生命体征之一。血压的测量不仅是临床上诊断和治疗心血管疾病的重要依据，也是日常生活中及早预防、及早发现心血管疾病的重要手段。血压的测量方法可以分为有创测量和无创测量、间歇测量和连续测量等多种，其中连续血压测量在分析血压变异性、诊断潜在高血压和白大衣高血压、评价靶器官损害、评价抗高血压药物的疗效等方面具有重要意义。

目前，常用的无创连续血压测量方法有动脉张力法、容积钳制法和脉搏传导时间法。

动脉张力法(TonometryMethod)是通过对动脉血管壁施加一定的压力，使其呈扁平状，以抵消血管壁内的周围应力，这样，将压力传感器放置在血管外壁就能实时监测血管内壁的压力，获得逐拍的动脉压力波形。这种方法从原理上来说，只能测量桡动脉、股动脉和颈动脉等浅表动脉的压力。从实用性上来说，还存在着可操作性的问题。首先是压力传感器的定位问题。压力传感器必须足够小，并且精确地定位到所测动脉血管的正上方。这一点，就连经验丰富的临床医生也通常难以做到。其次是施加的压力大小问题。压力太大则会导致血管闭合，血流完全阻断，如果长时间连续测量还会导致被测者肢体缺血；压力太小则无法抵消血管壁的应力，导致血管壁外所测压力并非血管内的实际压力，产生较大的测量误差；只有压力合适、使血管扁平，才能获得较精确的结果。

容积钳制法(VolumeClamp)是设计一个压力跟踪系统，自动跟随血压波动，使血管钳制在恒定容积状态。其原理是：在正常的动脉血管中，当施加在血管外壁的压力大于血管内压力时，血管收缩；当施加在血管外壁的压力小于血管内压力时，血管扩张；当施加在血管外壁的压力等于血管内压力时，血管既不收缩也不扩张，其直径保持在恒定的状态而不随血压的波动变化，此状态即“恒定容积”状态。反过来，只要通过自动调节施加在血管外壁的压力，使血管钳制在恒定容积状态，那么血管外的压力就等于血管内的压力，就实现了血压的无创连续测量。这种方法的优点是可以提供逐拍的连续血压测量，但是其缺点也很明显。首先，测量的是手指部位的血压，容易受到血管收缩、微循环障碍等因素的影响。其次，用光电容积描记法判断恒定容积状态，存在着固有的缺陷，因为除血管直径变化之外，血管顺应性的改变也会导致光电信号的幅度变化。再次，同动脉张力法一样，也需要对被测部位持续加压，长期的压力会使被测者感到不适。

脉搏传导时间法有时也叫脉搏波速度法。脉搏传导时间(PulseTransitTime)是脉搏波在某一段动脉血管内传播时所耗费的时间。脉搏波速度(PulseWaveVelocity)则是脉搏波在某一段动脉血管内传播时的速度，等于这段血管的长度除以脉搏传导时间。用脉搏传导时间来测血压是基于流体力学中管网内压力的传播速度与各点压力之间存在着某种函数关系，因此，可以建立脉搏传导时间与血压之间的一组换算公式，然后根据这些公式推算出血压。显然，这种方法彻底抛弃了袖带，也不需要对人体施加外在压力，给用户带来了很大的方便。但是，它的缺点也很明显。首先，脉搏传导时间不仅受血压的影响，还受动脉硬度、年龄、性别等因素的影响，单纯从脉搏传导时间来测血压可能会受到这些因素的干扰。其次，由于脉搏传导时间与收缩压变化的相关关系较大，而与舒张压变化的相关关系较小，所以它只对收缩压测量效果较好，对舒张压的测量偏差较大。

动脉张力法和容积钳制法的设备复杂，操作繁琐，不适合应用于便携式、穿戴式医疗设备，也不适合于在医院外测量。因其都需要对血管施加一定的压力，所以长期使用会给受试者带来一定的不适，并不适合于血压的长期连续测量。

脉搏传导时间法克服了以上两者的缺点，但它只对收缩压测量效果较好，对舒张压的测量偏差较大。有鉴于此，本发明旨在提供一种新型的连续血压测量方法，不仅简单方便，既适合于便携式、穿戴式医疗设备，又适合于在医院外测量和长期的连续血压测量，而且对收缩压、舒张压、平均压都具有同样的测量精度。

发明内容

本发明提供一种基于心音信号的无创连续血压测量方法、装置及系统，不仅简单方便，既适合于便携式、穿戴式医疗设备，又适合于在医院外测量和长期的连续血压测量，而且对收缩压、舒张压、平均压都具有同样的测量精度。

本发明采用以下技术方案：

第一方面，本发明提供一种基于心音信号的无创连续血压测量方法，包括：

获取被测者的心音信号；

提取所述心音信号的特征点；

根据所述特征点提取心音特征向量；

从血压回归模型库中调取与所述被测者对应的血压回归模型，将所述心音特征向量输入所述血压回归模型中估算出血压。

进一步地，所述特征点为第二心音信号的顶点或底点。

进一步地，所述根据所述特征点提取心音特征向量，具体为：

以所述第二心音的顶点或底点为中心，截取一段预设长度时间窗的心音波形信号；

对所述心音波形信号作傅里叶变换，获得所述心音波形信号的傅里叶频谱；

将所述傅里叶频谱进行归一化处理，获得归一化后的傅里叶频谱；

在所述归一化后的傅里叶频谱的50Hz至400Hz频段，以预设间距，提取预设个数的频谱幅度值作为特征点，得到一个多维心音特征向量，所述多维心音特征向量的维数与所述预设个数相同。

进一步地，所述血压回归模型由支持向量机方法对所述心音特征向量进行训练得到，包括：

获取所述被测者的血压，所述血压与所述心音信号同步采集；

对所述多维心音特征向量采用支持向量机方法进行训练，得到血压回归模型。

进一步地，所述血压包括收缩压、舒张压和平均压，所述血压回归模型为收缩压回归模型、舒张压回归模型和平均压回归模型。

进一步地，所述提取所述心音信号的特征点，具体为：

对所述心音信号进行降采样处理；

采用香农包络算法识别第一心音和第二心音，检测出所述第二心音的顶点，取所述顶点为特征点。

第二方面，本发明提供一种基于心音信号的无创连续血压测量装置，包括：

心音信号获取模块，用于获取被测者的心音信号；

心音信号特征点提取模块，用于提取所述心音信号的特征点；

心音特征向量提取模块，用于根据所述特征点提取心音特征向量；

血压估算模块，用于从血压回归模型库中调取与所述被测者对应的血压回归模型，将所述心音特征向量输入所述血压回归模型中估算出血压。

进一步地，所述特征点为第二心音信号的顶点或底点。

第三方面，本发明提供一种基于心音信号的无创连续血压测量系统，包括拾音装置和智能终端，所述智能终端通过耳机话筒与所述拾音装置的声音输出端连接，所述智能终端配置有上述基于心音信号的无创连续血压测量装置。

进一步地，所述拾音装置为听诊器，所述智能终端为智能手机，所述智能手机的耳机话筒塞入所述听诊器的橡皮管，所述智能手机通过话筒获取所述听诊器采集到的被测者的心音信号。

本发明提供的技术方案带来以下有益效果：

使用拾音装置采集被测者的心音信号，从心音信号中提取特征点，根据特征点提取心音特征向量，从血压回归模型库中调取与所述被测者对应的血压回归模型，将所述心音特征向量输入所述血压回归模型中估算出血压，只需采集一路生理信号，节省了成本，简化了操作，给用户带来的更大的方便和舒适，而且简单方便，既适合于便携式、穿戴式医疗设备，又适合于在医院外测量和长期的连续血压测量，并对收缩压、舒张压、平均压都具有同样的测量精度。

附图说明

为了更清楚地说明本发明中的技术方案，下面将对本发明描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据本发明的内容和这些附图获得其他的附图。

图1是本发明提供的基于心音信号的无创连续血压测量方法的方法流程图。

图2是本发明提供的根据特征点提取心音特征向量的具体实现方法。

图3是本发明提供的血压回归模型训练的具体方法。

图4是本发明提供的基于心音信号的无创连续血压测量装置的结构方框图。

图5是本发明提供的基于心音信号的无创连续血压测量系统的系统示意图。

图6a是本发明提供的用香农包络识别第二心音的归一化的心音信号示意图。

图6b是本发明提供的用香农包络识别第二心音的归一化的平均香农能量示意图。

图6c是本发明提供的识别出的第一心音和第二心音的位置示意图。

图7a是本发明提供的以第二心音顶点为中心截取的64ms的时域波形的示意图。

图7b是本发明提供的以第二心音顶点为中心截取的64ms的时域波形作傅里叶变换并归一化后获得的频谱示意图。

图8a是本发明提供的从心音信号估算出的收缩压的估算值与收缩压实测值比较示意图。

图8b是本发明提供的从心音信号估算出的舒张压的估算值与舒张压实测值比较示意图。

图8c是本发明提供的从心音信号估算出的平均压的估算值与平均压实测值比较示意图。

图9a是本发明提供的从心音信号估算出的收缩压的估算值与收缩压实测值的相关性示意图。

图9b是本发明提供的从心音信号估算出的舒张压的估算值与舒张压实测值的相关性示意图。

图9c是本发明提供的从心音信号估算出的平均压的估算值与平均压实测值的相关性示意图。

具体实施方式

为使本发明解决的技术问题、采用的技术方案和达到的技术效果更加清楚，下面将结合附图对本发明的技术方案作进一步的详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1是本发明提供的基于心音信号的无创连续血压测量方法的方法流程图。参考图1所示，该基于心音信号的无创连续血压测量方法包括：

S101、获取被测者的心音信号。

利用声学传感器(如微型话筒、电子听诊器等)采集人体在胸前的体表心音信号，采样频率应在2kHz以上。采集部位优选为主动脉瓣听诊区，即胸骨右缘第二肋间。

S102、提取所述心音信号的特征点。

所述特征点为第二心音信号的顶点或底点。

提取所述心音信号的特征点，具体为：

1、对所述心音信号进行降采样处理。

因为心音信号的主要频率范围在1kHz以下，所以需要进行降采样处理以减少计算量。首先，将原始心音信号通过一个截止频率为1000Hz的巴特沃思低通滤波器滤除高频噪声，再通过一个截止频率为5Hz的巴特沃思高通滤波器滤除低频漂移。然后，对滤波后的心音信号进行降采样，使采样频率降低到约2kHz，优选为2205Hz。

2、采用香农包络算法识别第一心音和第二心音，检测出所述第二心音的顶点，取所述顶点为特征点。

将降采样后的心音信号除以它的最大绝对值，使全部数据归一化到[-1，1]区间内。然后，根据下式计算香农能量：

E＝-x²log(x²)(1)

其中，E是香农能量，x是归一化心音信号。再将香农能量E通过一个20ms的时间窗进行平滑，如下式：

$E_A=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}E---\left(2\right)$

其中，E是香农能量，E_A是平均香农能量，N是窗口长度。因为采样率已经降为2205Hz，所以此处N等于44。最后，将平均香农能量E_A减去平均香农能量的均值，再除以平均香农能量的标准差进行归一化，如下式：

$E_N=\frac{E_A-M\left(E_A\right)}{S\left(E_A\right)}---\left(3\right)$

其中，E_N是归一化的平均香农能量，M(E_A)和S(E_A)分别是E_A的平均值和标准差。

对E_N施加两个阈值来识别潜在的第一心音和第二心音，两个阈值分别为一个高阈值和一个低阈值。其中，高阈值设置得较大，能最大限度减少噪声的影响，用来检测幅度较高的顶点；而低阈值设置成只比背景噪声略高，用于检测可能被高阈值漏检的顶点。当所有顶点检测出来之后，再根据临床知识判别第一心音和第二心音。临床经验表明，从第一心音到第二心音的间距比从第二心音到第一心音的间距要小。

S103、根据所述特征点提取心音特征向量。

心音特征向量即第二心音的频谱。截取频谱在50Hz-400Hz频率范围内的30-50个幅度值作为心音特征向量。第二心音的频谱可以是第二心音的时域波形经傅里叶变换获得的频谱，也可以是经其他从时域到频域变换方法获得的幅度谱或功率谱。

图2是本发明提供的根据特征点提取心音特征向量的具体实现方法。本实施例中具体包括：

S1031、以所述第二心音的顶点或底点为中心，截取一段预设长度时间窗的心音波形信号。

预设长度时间窗优选为64ms时间窗。

S1032、对所述心音波形信号作傅里叶变换，获得所述心音波形信号的傅里叶频谱。

S1033、将所述傅里叶频谱进行归一化处理，获得归一化后的傅里叶频谱。

S1034、在所述归一化后的傅里叶频谱的50Hz至400Hz频段，以预设间距，提取预设个数的频谱幅度值作为特征点，得到一个多维心音特征向量，所述多维心音特征向量的维数与所述预设个数相同。

心音信号的能量主要在50Hz至400Hz频段范围内。预设间距优选为10Hz，预设个数优选为36个。当然，预设间距和预设个数也可以为其他数据，此处仅为举例说明，并不作为对本发明的限制。

S104、从血压回归模型库中调取与所述被测者对应的血压回归模型，将所述心音特征向量输入所述血压回归模型中估算出血压。

所述血压回归模型库根据对不同性别、不同年龄、不同身高及不同体重等大量不同的被测者进行测试统计得出，有利于提高测量的精确度，避免个体差异引起的测量误差。

图3是本发明提供的血压回归模型训练的具体方法。所述血压回归模型由支持向量机方法对所述心音特征向量进行训练得到，包括：

S1041、获取所述被测者的血压，所述血压与所述心音信号同步采集。

所述血压包括收缩压、舒张压和平均压，所述血压回归模型为收缩压回归模型、舒张压回归模型和平均压回归模型。

用医用连续血压测量仪测量血压。血压仪可以为有创测量设备，或基于动脉张力法、容积钳制法和脉搏传导时间法等原理的设备，应保证对每次心脏搏动都能给出一个血压值。采集过程中可以采用冷水刺激、握拳运动或声音影像刺激等使血压有一定的波动。

S1042、对所述多维心音特征向量采用支持向量机方法进行训练，得到血压回归模型。

本实施例中，支持向量机采用台湾林智仁教授的开源LIBSVM工具包，核函数选为径向基核函数。

在其他一些实施例中，确定心音特征向量与血压之间的相关性采用的数学方法也可以是人工神经网络或其他等效的数学方法。

综上，本发明提供的基于心音信号的无创连续血压测量方法提取采集的被测者的心音信号的特征点，根据特征点提取心音特征向量，从血压回归模型库中调取与所述被测者对应的血压回归模型，将所述心音特征向量输入所述血压回归模型中估算出血压，只需采集一路生理信号，节省了成本，简化了操作，给用户带来的更大的方便和舒适，而且简单方便，既适合于便携式、穿戴式医疗设备，又适合于在医院外测量和长期的连续血压测量，并对收缩压、舒张压、平均压都具有同样的测量精度。

图4是本发明提供的基于心音信号的无创连续血压测量装置的结构方框图。该基于心音信号的无创连续血压测量装置包括：

心音信号获取模块100，用于获取被测者的心音信号；

心音信号特征点提取模块101，用于提取所述心音信号的特征点，所述特征点为第二心音信号的顶点或底点；

心音特征向量提取模块102，用于根据所述特征点提取心音特征向量；

血压估算模块103，用于从血压回归模型库中调取与所述被测者对应的血压回归模型，将所述心音特征向量输入所述血压回归模型中估算出血压。

所述心音特征向量提取模块102包括：

心音波形信号截取单元，用于以所述第二心音的顶点或底点为中心，截取一段预设长度时间窗的心音波形信号；预设长度时间窗优选为64ms时间窗。

心音波形信号的傅里叶频谱获取单元，用于对所述心音波形信号作傅里叶变换，获得所述心音波形信号的傅里叶频谱。

归一化傅里叶频谱获取单元，用于将所述傅里叶频谱进行归一化处理，获得归一化后的傅里叶频谱。

多维心音特征向量建立单元，用于在所述归一化后的傅里叶频谱的50Hz至400Hz频段，以预设间距，提取预设个数的频谱幅度值作为特征点，得到一个多维心音特征向量，所述多维心音特征向量的维数与所述预设个数相同。

所述血压估算模块103包括：

血压获取单元，用于获取所述被测者的血压，所述血压与所述心音信号同步采集；所述血压包括收缩压、舒张压和平均压，所述血压回归模型为收缩压回归模型、舒张压回归模型和平均压回归模型。

血压回归模型获得单元，用于对所述多维心音特征向量采用支持向量机方法进行训练，得到血压回归模型。

血压估算单元，用于根据所述血压回归模型估算出血压值。

基于心音信号的无创连续血压测量装置的详细内容请参考图1所示的方法，此处不再赘述。

本发明提供的基于心音信号的无创连续血压测量装置提取采集的被测者的心音信号的特征点，根据特征点提取心音特征向量，从血压回归模型库中调取与所述被测者对应的血压回归模型，将所述心音特征向量输入所述血压回归模型中估算出血压，只需采集一路生理信号，节省了成本，简化了操作，给用户带来的更大的方便和舒适，而且简单方便，既适合于便携式、穿戴式医疗设备，又适合于在医院外测量和长期的连续血压测量，并对收缩压、舒张压、平均压都具有同样的测量精度。

图5是本发明提供的基于心音信号的无创连续血压测量系统的系统示意图。该基于心音信号的无创连续血压测量系统，包括拾音装置2和智能终端1，所述智能终端1通过耳机3上的话筒与所述拾音装置2的声音输出端连接，所述智能终端1配置有上述所述的基于心音信号的无创连续血压测量装置10。

优选地，所述拾音装置2为听诊器，所述智能终端1为智能手机，所述智能手机的耳机3上的话筒塞入所述听诊器的橡皮管，所述智能手机通过话筒获取所述听诊器采集到的被测者的心音信号。

本发明提供的基于心音信号的无创连续血压测量系统只需采集一路生理信号，节省了成本，简化了操作，给用户带来的更大的方便和舒适，而且简单方便，既适合于便携式、穿戴式医疗设备，又适合于在医院外测量和长期的连续血压测量，并对收缩压、舒张压、平均压都具有同样的测量精度。

实验：

本发明在32名健康受试者身上进行了实验，用智能手机的话筒配合听诊器采集心音信号，同时用连续血压测量仪Finapres(FinapresMedicalSystemsB.V.，荷兰)测量受试者的每次心脏搏动的收缩压、舒张压和平均压。实验中通过冷水刺激来使血压产生一定的波动。

用本发明所述步骤S1041和S1042的方法得到血压回归模型，血压回归模型即支持向量机回归模型，采用10折交叉验证方法来验证血压回归模型的精确度。首先，将每个受试者的心音和血压数据分成10个大小相等的子样本集(特征向量为第二心音频谱的36个幅度值，目标值为收缩压、舒张压和平均压)，其中9个子集用来训练支持向量机回归模型，留下一个单独的子集作为测试数据验证模型的精度。然后，再另外选择9个子集用来训练支持向量机回归模型，留下一个单独的子集作为测试数据验证模型的精度。如此类推，一共重复10次，每个子集都验证一次。最后，将血压回归模型的估算值与连续血压测量仪的实测值进行比较，计算每个受试者的相关系数(CC)、平均绝对误差(MAE)、平均误差(ME)和误差的标准差(SD)等统计量，计算公式如下：

相关系数(CC)： $CC=\frac{\underset{i=1}{\overset{n}{\Σ}}(x_i-\stackrel{\‾}{x})(y_i-\stackrel{\‾}{y})}{\sqrt{\underset{i=1}{\overset{n}{\Σ}}{(x_i-\stackrel{\‾}{x})}^2}\sqrt{\underset{i=1}{\overset{n}{\Σ}}{(y_i-\stackrel{\‾}{y})}^2}}---\left(4\right)$

平均绝对误差(MAE)： $MAE=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}|y_i-x_i|---\left(5\right)$

平均误差(ME)： $ME=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}(y_i-x_i)---\left(6\right)$

误差的标准差(SD)： $SD=\sqrt{\frac{1}{n-1}\underset{i=1}{\overset{n}{\Σ}}{(y_i-x_i-ME)}^2}---\left(7\right)$

其中，y表示血压回归模型的血压估算值；表示血压回归模型的血压估算值的平均值；x表示连续血压测量仪的血压实测值；表示连续血压测量仪的血压实测值的平均值；n表示样本容量，即每个受试者的可用于计算的有效心跳数。

表一给出了以上四个统计参数在所有受试者中的分布情况。从此表可以看出，收缩压、舒张压、平均压的估算值与实测值的平均相关系数分别为0.707，0.712和0.748，所有受试者的平均误差分别为-0.204mmHg，-0.274mmHg和-0.357mmHg，所有受试者平均后的误差的标准差分别为6.121mmHg，4.471mmHg和4.961mmHg。

表一从心音信号估算出的血压与实测血压的比较

统计参数	最大值	中间值	最小值	平均值
					相关系数CCSBP	0.981	0.707	0.386	0.707
相关系数CCDBP	0.923	0.716	0.358	0.712
					相关系数CCMBP	0.996	0.742	0.567	0.748
平均绝对误差MAESBP(mmHg)	7.472	3.846	1.050	4.339
					平均绝对误差MAEDBP(mmHg)	5.472	3.040	1.767	3.171
平均绝对误差MAEMBP(mmHg)	6.101	3.459	0.585	3.480
					平均误差MESBP(mmHg)	1.231	-0.108	-2.494	-0.204
平均误差MEDBP(mmHg)	0.496	-0.174	-1.190	-0.274
					平均误差MEMBP(mmHg)	0.463	-0.247	-1.490	-0.357
误差的标准差SDSBP(mmHg)	10.708	5.452	2.815	6.121
					误差的标准差SDDBP(mmHg)	7.488	4.225	2.878	4.471
误差的标准差SDMBP(mmHg)	8.383	4.819	1.014	4.961

其中，SBP为收缩压，DBP为舒张压，MBP为平均压。

图6a是本发明提供的用香农包络识别第二心音的归一化的心音信号示意图。图6b是本发明提供的用香农包络识别第二心音的归一化的平均香农能量示意图。图6b中归一化的平均香农能量即心音信号的包络。图6c是本发明提供的识别出的第一心音和第二心音的位置示意图。图6c中方框表示第一心音S1，圆圈表示第二心音S2。图6a、图6b和图6c中的横坐标均表示时间(Time)，单位为秒(s)；纵坐标均表示幅值(Amplitude)。

图7a是本发明提供的以第二心音顶点为中心截取的64ms的时域波形的示意图。图7a中横坐标表示时间(Time)，单位为秒(s)；纵坐标表示幅值(Amplitude)。图7b是本发明提供的以第二心音顶点为中心截取的64ms的时域波形作傅里叶变换并归一化后获得的频谱示意图。图7b中横坐标表示频率(Frequency)，单位为赫兹(Hz)；纵坐标表示幅值(Amplitude)。

图8a是本发明提供的从心音信号估算出的收缩压的估算值与收缩压实测值比较示意图。图8a中，横坐标表示时间(Time)，单位为秒(s)；纵坐标表示血压值(BloodPressure)，单位为毫米汞柱(mmHg)；实线表示收缩压测量值(MeasuredSBP)，虚线表示收缩压估算值(PredictedSBP)。图8b是本发明提供的从心音信号估算出的舒张压的估算值与舒张压实测值比较示意图。图8b中，横坐标表示时间(Time)，单位为秒(s)；纵坐标表示血压值(BloodPressure)，单位为毫米汞柱(mmHg)；实线表示舒张压测量值(MeasuredDBP)，虚线表示舒张压估算值(PredictedDBP)。图8c是本发明提供的从心音信号估算出的平均压的估算值与平均压实测值比较示意图。图8c中，横坐标表示时间(Time)，单位为秒(s)；纵坐标表示血压值(BloodPressure)，单位为毫米汞柱(mmHg)；实线表示平均压测量值(MeasuredMBP)，虚线表示平均压估算值(PredictedMBP)。从图8a、图8b和图8c中可知，收缩压的估算值与收缩压实测值、舒张压的估算值与舒张压实测值和平均压的估算值与平均压实测值均具有较多的重叠区域，说明利用本发明的技术方案估算出的血压具有较高的准确度，精度高。

图9a是本发明提供的从心音信号估算出的收缩压的估算值与收缩压实测值的相关性示意图。图9a中，横坐标表示收缩压测量值(MeasuredSBP)，单位为毫米汞柱(mmHg)；纵坐标表示收缩压估算值(PredictedSBP)，单位为毫米汞柱(mmHg)。图9b是本发明提供的从心音信号估算出的舒张压的估算值与舒张压实测值的相关性示意图。图9b中，横坐标表示舒张压测量值(MeasuredDBP)，单位为毫米汞柱(mmHg)；纵坐标表示舒张压估算值(PredictedDBP)，单位为毫米汞柱(mmHg)。图9c是本发明提供的从心音信号估算出的平均压的估算值与平均压实测值的相关性示意图。图9c中，横坐标表示平均压测量值(MeasuredMBP)，单位为毫米汞柱(mmHg)；纵坐标表示平均压估算值(PredictedMBP)，单位为毫米汞柱(mmHg)。其中，图9a、图9b和图9c中的r表示相关系数，p值小于0.05表示有统计学意义。图9a中点的横坐标为收缩压的实测值，纵坐标为收缩压的估算值，图9a中的线表示收缩压的估算值和收缩压的实测值的线性回归直线。图9b中点的横坐标为舒张压的实测值，纵坐标为舒张压的估算值，图9b中的线表示舒张压的估算值和舒张压的实测值的线性回归直线。图9c中点的横坐标为平均压的实测值，纵坐标为平均压的估算值，图9c中的线表示平均压的估算值和平均压的实测值的线性回归直线。从图9a、图9b和图9c中可以看出，p值均小于0.01，收缩压的估算值与实测收缩压值的相关系数r为0.893，舒张压的估算值与实测舒张压值的相关系数r为0.922，平均压的估算值与实测平均压值的相关系数r为0.931，三者均为强相关，因而，从心音信号估算出的收缩压、舒张压和平均压准确度高。

以上内容仅为本发明的较佳实施例，对于本领域的普通技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种基于心音信号的无创连续血压测量方法，其特征在于，包括：

获取被测者的心音信号；

提取所述心音信号的特征点；

根据所述特征点提取心音特征向量；

从血压回归模型库中调取与所述被测者对应的血压回归模型，将所述心音特征向量输入所述血压回归模型中估算出血压。

2.根据权利要求1所述的方法，其特征在于，所述特征点为第二心音信号的顶点或底点。

3.根据权利要求1所述的方法，其特征在于，所述根据所述特征点提取心音特征向量，具体为：

以所述第二心音的顶点或底点为中心，截取一段预设长度时间窗的心音波形信号；

对所述心音波形信号作傅里叶变换，获得所述心音波形信号的傅里叶频谱；

将所述傅里叶频谱进行归一化处理，获得归一化后的傅里叶频谱；

在所述归一化后的傅里叶频谱的50Hz至400Hz频段，以预设间距，提取预设个数的频谱幅度值作为特征点，得到一个多维心音特征向量，所述多维心音特征向量的维数与所述预设个数相同。

4.根据权利要求1所述的方法，其特征在于，所述血压回归模型由支持向量机方法对所述心音特征向量进行训练得到，包括：

获取所述被测者的血压，所述血压与所述心音信号同步采集；

对所述多维心音特征向量采用支持向量机方法进行训练，得到血压回归模型。

5.根据权利要求1所述的方法，其特征在于，所述血压包括收缩压、舒张压和平均压，所述血压回归模型为收缩压回归模型、舒张压回归模型和平均压回归模型。

6.根据权利要求1所述的方法，其特征在于，所述提取所述心音信号的特征点，具体为：

对所述心音信号进行降采样处理；

采用香农包络算法识别第一心音和第二心音，检测出所述第二心音的顶点，取所述顶点为特征点。

7.一种基于心音信号的无创连续血压测量装置，其特征在于，包括：

心音信号获取模块，用于获取被测者的心音信号；

心音信号特征点提取模块，用于提取所述心音信号的特征点；

心音特征向量提取模块，用于根据所述特征点提取心音特征向量；

血压估算模块，用于从血压回归模型库中调取与所述被测者对应的血压回归模型，将所述心音特征向量输入所述血压回归模型中估算出血压。

8.根据权利要求7所述的基于心音信号的无创连续血压测量装置，其特征在于，所述特征点为第二心音信号的顶点或底点。

9.一种基于心音信号的无创连续血压测量系统，其特征在于，包括拾音装置和智能终端，所述智能终端通过耳机话筒与所述拾音装置的声音输出端连接，所述智能终端配置有权利要求7所述的基于心音信号的无创连续血压测量装置。

10.根据权利要求9所述的基于心音信号的无创连续血压测量系统，其特征在于，所述拾音装置为听诊器，所述智能终端为智能手机，所述智能手机的耳机话筒塞入所述听诊器的橡皮管，所述智能手机通过话筒获取所述听诊器采集到的被测者的心音信号。