CN106037694B - 一种基于脉搏波的连续血压测量装置 - Google Patents
一种基于脉搏波的连续血压测量装置 Download PDFInfo
- Publication number
- CN106037694B CN106037694B CN201610321165.8A CN201610321165A CN106037694B CN 106037694 B CN106037694 B CN 106037694B CN 201610321165 A CN201610321165 A CN 201610321165A CN 106037694 B CN106037694 B CN 106037694B
- Authority
- CN
- China
- Prior art keywords
- pulse wave
- blood pressure
- pulse
- wave signal
- continuous blood
- 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
Links
Classifications
-
- 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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
Abstract
本发明公开了一种基于脉搏波的连续血压测量装置,包括:脉搏波信号采集模块;脉搏波信号降噪模块;脉搏波波形提取模块;脉搏波特征参数采集模块;血压预测模块。利用搏波特征参数法可降低估算舒张压时误差;降噪处理同时对基线漂移和高频噪声进行去除,从而有效降低干扰;只需要采集一路脉搏波信号,并且只需要检测脉搏波的起点,进而得到脉搏波时域特征,获取特征方法简单,检测速度快,计算量小,波形的质量高。血压回归模型方便建立,并能很好地对收缩压和舒张压进行预测,预测误差小,可为临床诊断和家庭保健提供重要依据。
Description
技术领域
本发明涉及血压测量装置,特别是涉及一种基于脉搏波的连续血压测量装置。
背景技术
血压(BP)是血管内血液对于单位面积血管壁的侧压力,它作为反映人体心血管系统机能的重要生理参数,是临床诊断和家庭保健的重要依据,其中包括收缩压(SBP)和舒张压(DBP)。有效地测量血压对心血管疾病的预防和治疗有着重要的意义。连续血压测量可以在每个心动周期测量血压,能够实时地监测血压的变化情况。然而,目前临床上对血压的测量仍然以间歇式测量为主,即只能对某一时刻进行单次测量,并且不能摆脱充气袖带的束缚。这样测得的血压值不能准确反映患者某段时间内的连续血压水平。因此,对连续血压测量方法的研究显得尤为重要。
目前的连续血压测量领域,通常从脉搏波信号出发,寻求血压测量方法。连续血压测量装置的实现原理,主要又可分为两大类:脉搏波传输时间法,脉搏波特征参数法。脉搏传输时间(Pulse Transmit Time,PTT),是动脉脉搏从心脏收缩开始,传到远端分支动脉之间的时间差。在脉搏波传输距离一定的前提下,脉搏波传输速度(Pulse Wave Velocity,PWV)与脉搏波传输时间成反比。脉搏波传输时间与收缩压的相关性较强,能较为准确的估算出收缩压的值,但其与舒张压的相关性并不强,因此在估算舒张压时误差较大。脉搏波特征参数法,即从脉搏波信号出发,提取多个脉搏波特征点,在此基础上计算得到多个脉搏波特征参数,如脉搏波主峰高度、降中峡高度、重搏波高度等波形幅度特征,收缩期时间、舒张期时间等时间特征,收缩期波形面积、舒张期波形面积等面积特征,寻找血压值与这些特征之间的关系。采用这种方法测量血压时,需要通过检测较多的脉搏波特征点来计算出多个脉搏波特征参数,计算量大,而且脉搏波波形质量将直接影响最终测量精度。
除了根据脉搏波信号连续血压测量法外,还有通过心音信号连续测量血压的方法。具体而言,通过从一段第二心音信号的傅里叶频谱中获取多个频谱幅值作为特征,建立血压回归模型,也实现了对血压的连续测量。心音信号的获取,一 般需要将采集装置置于胸前,相较测量脉搏波时采集装置一般位于指端或腕部,后者的采集更为方便。因此,为了更方便地实现对人体血压的连续测量,仍需从脉搏波出发,寻找更有效的连续血压测量方法。
发明内容
为解决上述问题,本发明提供一种基于脉搏波的连续血压测量装置,包括:脉搏波信号采集模块,用于采集被测者的脉搏波信号;脉搏波信号降噪模块,用于对采集到的所述脉搏波信号进行降噪处理;脉搏波波形提取模块,用于对经降噪处理后的所述脉搏波信号的脉搏波特征点进行检测,根据检测的所述特征点提取脉搏波完整周期的波形;脉搏波特征参数采集模块,用于对提取的所述脉搏波完整周期的波形进行重采样,以采集脉搏波特征参数;血压预测模块,用于将采集到的所述脉搏波特征参数获得作为特征输入,利用训练得到的对应个体的血压回归模型,对被测者的血压进行预测。
进一步地,所述特征点为每个脉搏波周期的起点。
进一步地,所述降噪处理包括对基线漂移和高频噪声的去除。
进一步地,所述脉搏波特征参数为所述脉搏波的时域特征。
进一步地,所述血压回归模型包括收缩压回归模型和舒张压回归模型。
进一步地,所述血压回归模型基于支持向量机的连续血压回归模型。
进一步地,所述脉搏波波形提取模块包括脉搏波时间序列分割子模块,用于检测脉搏波的起点,以该起点作为参考的特征点对脉搏波进行周期分割,得到完整的单周期的脉搏波时间序列。
进一步地,所述脉搏波特征参数采集模块包括:脉搏波时间序列重采样子模块,用于对得到的单周期的所述脉搏波时间序列进行重采样处理,重采样的具体方法为:将每个脉搏波周期的长度重采样到该个体所有脉搏波周期样本的平均长度,以保证每个周期对应的脉搏波采样点的物理意义相同;特征参数输出子模块,用于将所述脉搏波时间序列经重采样后的结果作为特征输入。进一步地,所述脉搏波特征参数采集模块提取脉搏波完整周期的波形的周期数大于等于2,对各完整周期的波形叠加取平均值,以得到单周期的完整脉搏波波形。
进一步地,去除所述基线漂移采用基于小波变换的方法进行去除,即用sym6小波对脉搏波信号进行6层分解,并将第6层的低频重构系数置零,进而重构得到去除基线漂移后脉搏信号;去除所述高频噪声采用通带最高频率为10Hz,阻 带最低频率为20Hz,阻带衰减为80dB的巴特沃斯低通滤波器。
本发明带来的有益效果是:利用脉搏波特征参数法,可以降低估算舒张压时误差;降噪处理同时对基线漂移和高频噪声进行去除,从而有效降低干扰;只需要采集一路脉搏波信号,并且只需要检测脉搏波的起点,进而得到脉搏波时域特征,获取特征方法简单,检测速度快,计算量小,波形的质量高。血压回归模型方便建立,并能很好地对收缩压和舒张压进行预测,预测误差小,可为临床诊断和家庭保健提供重要依据。
附图说明
下面结合附图对本发明作进一步说明:
图1为同步的脉搏波和连续血压波形图;
图2为基于支持向量机回归的连续血压测量流程图;
图3为脉搏波去噪前后波形对比图;
图4为脉搏波特征点检测流程图;
图5为脉搏波特征点标记结果图;
图6为本发明的血压测量方法测得的血压值和血压实际值的对比图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整地描述,以充分地理解本发明的目的、特征和效果。显然,所描述的实施例只是本发明的一部分实施例,而不是全部实施例,基于本发明的实施例,本领域的技术人员在不付出创造性劳动的前提下所获得的其他实施例,均属于本发明保护的范围。
根据本发明的一实施例,提供本发明提供一种基于脉搏波的连续血压测量装置,包括:脉搏波信号采集模块,其采集被测者的脉搏波信号;脉搏波信号降噪模块,其对采集到的所述脉搏波信号进行降噪处理;脉搏波波形提取模块,其对经降噪处理后的所述脉搏波信号的脉搏波特征点进行检测,根据检测的所述特征点提取脉搏波完整周期的波形;脉搏波特征参数采集模块,其对提取的所述脉搏波完整周期的波形进行重采样,以采集脉搏波特征参数;血压预测模块,其将采集到的所述脉搏波特征参数获得作为特征输入,利用训练得到的对应个体的血压回归模型,对被测者的血压进行预测。
如图1所示,是两段同步的脉搏波和连续血压波形图,可以看出连续血压波 形和脉搏波波形在形态上有很强的相似性。从动脉血压生理机制和脉搏波传播理论也可看出二者存在对应关系。因此,可以以脉搏波为对象,实现对连续血压的间接测量。
如图2所示,是本发明提供的基于脉搏波的连续血压测量装置的流程示意图,具体步骤包括:
步骤1,脉搏波信号预处理:包括利用脉搏波信号采集模块,采集受试者脉搏波信号和利用脉搏波信号降噪模块,对采集到的脉搏波信号进行去噪处理。降噪处理包括对基线漂移和高频干扰的去除。通过对脉搏波信号进行频谱分析可知,脉搏波信号的频率主要分布在0~20Hz,并且99%的能量集中在0~10Hz内,属于频率较低的次声波。信号微弱,采集过程中极易受到干扰。基线漂移是频率小于1Hz的低频干扰,采用基于小波变换(wavelettransform)的方法进行去除,用sym6小波对脉搏波信号进行6层分解,并将第6层的低频重构系数置零,进而重构得到去除基线漂移后脉搏信号(symN为小波函数Symlet小波,即近似对称的紧支集正交小波的缩写,其中N为消失矩,因此sym6即消失矩为6的近似对称的紧支集正交小波);采用低通滤波的方法去除高频噪声,设计通带最高频率为10Hz,阻带最低频率为20Hz,阻带衰减为80dB的巴特沃斯低通滤波器,滤除脉搏波信号中的高频噪声。如图3所示,为去噪前后脉搏波波形对比图;
步骤2,脉搏波特征点检测:利用脉搏波波形提取模块,对脉搏波特征点进行检测。所述特征点为每个脉搏波周期的起点。对所述脉搏波特征点的检测方法,流程图如图4所示,具体为:
对去噪后的脉搏波信号,计算得到其一阶微分信号,并寻找每个周期一阶微分信号最大幅值点前面的过零点,从而确定起点的范围,该过程具体为:用Diff(i)表示在i采样点处的一阶微分信号幅值,如果Diff(j)<0,Diff(k)>0,则在原始信号中采样点为j和k之间寻找最小幅值点,作为备选的脉搏波起点。对j、k的确定,如果(Diff(index-1)×Diff(index+1))≤0成立,则可令j=index-5,k=index+5。参考图4-5,图4所示的流程图中,阈值的确定方法为:将脉搏波信号分成多个片段,然后将一个选择好的窗口(比如持续时间为2s)作用于每一段被分割的脉搏波信号,在这些窗口中估算出每一段波形的振幅和周期,并对它们进行算术平均,得到的振幅和周期作为初始阈值。根据这些阈值最终定位每个周期脉搏波起点的位置,以检测到的脉搏波起点作为参考点对其进行周期分 割,得到完整周期的脉搏波时间序列,其中也可以提取脉搏波完整周期的波形的周期数大于等于2,对各完整周期的波形叠加取平均值,从而降低干扰,提高测量的精度;
步骤3,脉搏波特征选取及处理:利用脉搏波特征参数采集模块,对提取的所述脉搏波完整周期的波形进行重采样,以选取并采集脉搏波特征参数。所述脉搏波特征参数是指脉搏波波形特征,具体获取方法为:
1)对得到的单周期的脉搏波时间序列进行重采样等处理。重采样的标准为:将每个脉搏波周期的长度重采样到该个体所有脉搏波周期样本的平均长度。重采样成功的标志是处理后的信号与原信号波形一致,但长度固定为所有样本的平均长度,以保证每个周期对应的脉搏波采样点的物理意义相同。采用固定长度还能够简化计算;
2)把重采样后的脉搏波时间序列作为特征输入。
步骤4,建立支持向量机(SVM)血压回归模型:利用血压预测模块,将得到的受试者的脉搏波特征参数输入到该个体的连续血压回归模型中,包括收缩压回归模型和舒张压回归模型,预测得到连续血压值。
步骤4中所述的连续血压回归模型,是基于SVM的连续血压回归模型,其建立过程,以收缩压回归模型为例,具体为:
把步骤3中得到的脉搏波时间序列归一化到[-1,1]之间,作为特征输入,从而建立大小为N×M的训练集自变量矩阵,N为样本个数,M表示属性数目(每个样本的维数,即重采样后的脉搏波周期长度);利用与脉搏波信号相对应的收缩压的值,建立大小为N×1的训练集目标变量矩阵,其中收缩压的值也是归一化后的值,将其归一化在[0,1]之间。每个样本对应一个目标输出,从而建立训练集,训练得到收缩压压回归模型。舒张回归模型的建立方法同理。当在血压回归模型中输入该个体的脉搏波特征参数时,即可预测输出对应的血压值,此时需对模型输出进行相应的反归一化,才是真正意义上的血压值。
所述基于支持向量机(SVM)的连续血压测量方法,即用SVM回归的方法训练连续血压回归模型,其中支持向量机采用中国台湾大学林智仁(Lin Chih-Jen)教授等开发设计的LIBSVM软件包。支持向量机类型选取e-SVR,核函数选为选取RBF核函数。对核函数中gamma函数的设置和SVM类型参数中代价损失函数cost的设置,即对c和g两个参数的设置,采用交叉验证和网格寻优(Gridsearch)的 方法来寻找最佳的c和g。
表1是利用上述实施方法对四个不同个体的血压预测结果,是用平均误差和标准误差来衡量血压预测值和实际值之间的偏差。
平均误差计算公式为:
标准误差计算公式为:
其中,y为用本发明提供的连续血压测量方法预测得到的血压值,x为实际的血压值,n为样本数。
表1对不同个体的血压预测结果
如表1所示,对于每一位受试者,使用本发明提供的连续血压测量方法测得的收缩压和舒张压,和实际值比较,平均误差和标准误差都在3mmHg以内,美国医疗器械促进学会(Association for the Advancement of Medical Instrumentation,AAMI)推荐的平均误差不超过5mmHg、标准差不超过8mmHg的标准。
将表1中受试者1的血压预测值和血压实际测试值以连续折线图的方法表示出来,如图6所示。图6中,SBPtest表示收缩压测试值,SBPpredict表示收缩压预测值,DBPtest表示舒张压测试值,DBPpredict表示舒张压预测值。从图6可以看出,连续血压预测结果和血压实际值呈现较好的一致性。
本发明的连续血压测量方法通过对脉搏波进行去噪、特征点检测,进而得到脉搏波波形特征,特征选取过程简单。通过SVM回归的方法建立脉搏波特征参数和血压值之间的回归模型,模型方便建立,并能很好地对收缩压和舒张压进行预测,预测误差小,可为临床诊断和家庭保健提供重要依据。
本申请的权利要求书、说明书、以及图面中所示的装置、系统、程序以及方 法上所提到的动作、操作说明、步骤以及阶段等各个处理的实施顺序,除非用“在…前”、“先于……”等限定语特别标明,否则可以按任意的顺序实现。关于本申请的权利要求书、说明书、以及图面中所示的装置、流程等,即使出于方便考虑,使用了“首先”、“然后”等词汇来说明,也并非意味着必须要按这个顺序去实施。
当然,本发明创造并不局限于上述实施方式,熟悉本领域的技术人员在不违背本发明精神的前提下还可做出等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (6)
1.一种基于脉搏波的连续血压测量装置,其特征在于:包括
脉搏波信号采集模块,用于采集被测者的脉搏波信号;
脉搏波信号降噪模块,用于对采集到的所述脉搏波信号进行降噪处理;
脉搏波波形提取模块,用于对经降噪处理后的所述脉搏波信号的脉搏波特征点进行检测,根据检测的所述特征点提取周期数大于等于2的脉搏波完整周期的波形,对各完整周期的波形叠加取平均值,以得到单周期的完整脉搏波波形;
脉搏波特征参数采集模块,用于对得到的单周期的脉搏波时间序列行重采样,将每个脉搏波周期的长度重采样到该个体所有脉搏波周期样本的平均长度,以采集脉搏波特征参数;
血压预测模块,用于将重采样后的脉搏波时间序列作为特征输入,利用训练得到的对应个体的血压回归模型,对被测者的血压进行预测。
2.根据权利要求1所述的基于脉搏波的连续血压测量装置,其特征在于:所述特征点为每个脉搏波周期的起点。
3.根据权利要求1所述的基于脉搏波的连续血压测量装置,其特征在于:所述降噪处理包括对基线漂移和高频噪声的去除。
4.根据权利要求1-3中任一项所述的基于脉搏波的连续血压测量装置,其特征在于:所述血压回归模型包括收缩压回归模型和舒张压回归模型。
5.根据权利要求4所述的基于脉搏波的连续血压测量装置,其特征在于:所述血压回归模型为基于支持向量机的连续血压回归模型。
6.根据权利要求3所述的基于脉搏波的连续血压测量装置,其特征在于:去除所述基线漂移采用基于小波变换的方法进行去除,即用sym6小波对脉搏波信号进行6层分解,并将第6层的低频重构系数置零,进而重构得到去除基线漂移后脉搏信号;去除所述高频噪声采用通带最高频率为10Hz,阻带最低频率为20Hz,阻带衰减为80dB的巴特沃斯低通滤波器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610321165.8A CN106037694B (zh) | 2016-05-13 | 2016-05-13 | 一种基于脉搏波的连续血压测量装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610321165.8A CN106037694B (zh) | 2016-05-13 | 2016-05-13 | 一种基于脉搏波的连续血压测量装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106037694A CN106037694A (zh) | 2016-10-26 |
CN106037694B true CN106037694B (zh) | 2019-11-05 |
Family
ID=57177735
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610321165.8A Active CN106037694B (zh) | 2016-05-13 | 2016-05-13 | 一种基于脉搏波的连续血压测量装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106037694B (zh) |
Families Citing this family (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106725394A (zh) * | 2016-12-30 | 2017-05-31 | 北京工业大学 | 一种血压数据采集装置及方法 |
CN106821356B (zh) * | 2017-02-23 | 2019-08-27 | 吉林大学 | 基于Elman神经网络的云端连续血压测量方法及系统 |
WO2018176536A1 (zh) * | 2017-04-01 | 2018-10-04 | 华为技术有限公司 | 血压监测方法、装置和设备 |
CN109833034A (zh) * | 2017-11-24 | 2019-06-04 | 深圳市岩尚科技有限公司 | 一种脉搏波信号中提取血压数据的方法及装置 |
CN109833035B (zh) * | 2017-11-28 | 2021-12-07 | 深圳市岩尚科技有限公司 | 脉搏波血压测量装置的分类预测数据处理方法 |
JP6885545B2 (ja) * | 2018-01-13 | 2021-06-16 | 株式会社デルタツーリング | 血圧推定装置、血圧推定方法、コンピュータプログラム及び記録媒体 |
CN108354597A (zh) * | 2018-01-31 | 2018-08-03 | 南京邮电大学 | 一种基于最优波提取的快速血压计算方法 |
CN108567420B (zh) * | 2018-03-15 | 2020-12-11 | 深圳竹信科技有限公司 | 血压测量终端和计算机可读存储介质 |
CN108498089B (zh) * | 2018-05-08 | 2022-03-25 | 北京邮电大学 | 一种基于深度神经网络的无创连续血压测量方法 |
CN109247929B (zh) * | 2018-11-26 | 2021-04-27 | 彭荣超 | 血压确定装置、方法、设备及存储介质 |
CN110141200A (zh) * | 2019-03-07 | 2019-08-20 | 北京联合大学 | 一种基于小波变换的人体血压信号处理方法及装置 |
JP7034524B6 (ja) * | 2019-06-04 | 2022-06-24 | 国立大学法人東北大学 | 血圧推定装置、血圧推定方法及び血圧推定プログラム |
CN110432877A (zh) * | 2019-07-26 | 2019-11-12 | 华中科技大学 | 一种基于光纤的多生理参量的监测系统 |
CN110558960A (zh) * | 2019-09-10 | 2019-12-13 | 重庆大学 | 一种基于ptt和miv-ga-svr的连续血压无创监测方法 |
CN111000544B (zh) * | 2019-11-22 | 2021-07-16 | 北京航空航天大学 | 基于ppg波形的混合式连续血压测量模型构建方法及系统 |
CN111248882B (zh) * | 2020-02-21 | 2022-07-29 | 乐普(北京)医疗器械股份有限公司 | 一种预测血压的方法和装置 |
CN111248883B (zh) * | 2020-02-21 | 2022-08-02 | 乐普(北京)医疗器械股份有限公司 | 一种血压预测的方法和装置 |
CN111839488B (zh) * | 2020-07-15 | 2023-06-27 | 复旦大学 | 基于脉搏波的无创连续血压测量装置和方法 |
CN112006669B (zh) * | 2020-08-19 | 2021-06-04 | 北京雪扬科技有限公司 | 一种基于血压测量模型的双通道计算方法的血压仪 |
CN113440114B (zh) * | 2021-07-06 | 2022-07-29 | 广东粤港澳大湾区黄埔材料研究院 | 一种基于薄膜压力传感器的脉搏波优选方法及装置 |
CN113397519A (zh) * | 2021-08-05 | 2021-09-17 | 季华实验室 | 心血管健康状态的检测装置 |
CN113662520B (zh) * | 2021-08-26 | 2022-10-14 | 电子科技大学 | 一种基于不确定性量化策略的可穿戴连续血压测量系统 |
CN114224304A (zh) * | 2021-12-22 | 2022-03-25 | 上海贝瑞电子科技有限公司 | 一种动态无袖带连续血压测量方法、装置及可存储介质 |
CN114569096A (zh) * | 2022-02-28 | 2022-06-03 | 西安交通大学 | 一种基于视频流的非接触式连续血压测量方法及系统 |
CN116383617B (zh) * | 2023-04-21 | 2023-09-22 | 复旦大学 | 一种基于脉搏波波形特征的智能血压检测方法及系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103637787B (zh) * | 2013-12-02 | 2016-02-10 | 清华大学 | 血压实时测量装置以及实时测量脉搏波传输时间差的方法 |
EP3125743B1 (de) * | 2014-04-04 | 2022-03-23 | Philips Medizin Systeme Böblingen GmbH | Verfahren zur bestimmung des blutdrucks in einem blutgefäss sowie vorrichtung zur durchführung desselben |
US20160100805A1 (en) * | 2014-10-10 | 2016-04-14 | Koninklijke Philips N.V. | Non-invasive blood pressure monitors and methods of operating the same |
CN104757955A (zh) * | 2015-03-25 | 2015-07-08 | 华中科技大学 | 一种基于脉搏波的人体血压预测方法 |
CN105125205B (zh) * | 2015-09-01 | 2018-07-31 | 中国科学院电子学研究所 | 一种血压测量装置 |
CN105105734B (zh) * | 2015-09-11 | 2018-02-27 | 深圳先进技术研究院 | 一种基于心音信号的无创连续血压测量装置 |
-
2016
- 2016-05-13 CN CN201610321165.8A patent/CN106037694B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN106037694A (zh) | 2016-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106037694B (zh) | 一种基于脉搏波的连续血压测量装置 | |
Kachuee et al. | Cuff-less high-accuracy calibration-free blood pressure estimation using pulse transit time | |
CN108185996B (zh) | 动脉血管年龄估算模型构建方法和装置 | |
Sathyapriya et al. | Analysis and detection R-peak detection using Modified Pan-Tompkins algorithm | |
Couceiro et al. | Detection of motion artifact patterns in photoplethysmographic signals based on time and period domain analysis | |
CN104382571B (zh) | 一种基于桡动脉脉搏波传导时间的测量血压方法及装置 | |
CN109561841A (zh) | 用于测量心肌缺血、狭窄识别、定位和血流储备分数估计的非侵入式方法和系统 | |
CN107785081B (zh) | 计算中心血流动力学指标的方法、装置、存储介质及设备 | |
Sahoo et al. | Wavelet based pulse rate and Blood pressure estimation system from ECG and PPG signals | |
EP2554111A1 (en) | Pulse wave velocity measurement device, pulse wave velocity measurement method and pulse wave velocity measurement program | |
CN112089405B (zh) | 一种脉搏波特征参数测量及显示装置 | |
US10357164B2 (en) | Method and device for non-invasive blood pressure measurement | |
CN110236508A (zh) | 一种无创血压连续监测方法 | |
CN110141196A (zh) | 基于双三角血流模型的外周动脉血管弹性评价方法及系统 | |
EP3292813A1 (en) | Method and device for processing bio-signals | |
CN107115103A (zh) | 一种基于阵列传感器设计的脉象宽度检测及3d脉图构建方法 | |
CN110840428B (zh) | 基于一维U-Net网络的无创血压估计方法 | |
CN111839488A (zh) | 基于脉搏波的无创连续血压测量装置和方法 | |
Rasool et al. | Continuous and noninvasive blood pressure estimation by two-sensor measurement of pulse transit time | |
CN114027804A (zh) | 一种脉象诊断的方法、装置及可读存储介质 | |
CN105725983B (zh) | 一种周围动脉硬化的早期筛查方法及系统 | |
TW201524465A (zh) | 動脈波分析方法及其系統 | |
Bereksi-Reguig et al. | Photoplethysmogram signal processing and analysis in evaluating arterial stiffness | |
Luzhnov et al. | Influence of the Hand Position and the Pulse Oximeter Sensor Position on the Pulse Blood Filling Signal | |
Yen et al. | Development of a continuous blood pressure measurement and cardiovascular multi-indicator platform for Asian populations by using a back propagation neural network and dual photoplethysmography sensor signal acquisition technology |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |