CN109069031A - 用于确定对象血压的设备和方法 - Google Patents
用于确定对象血压的设备和方法 Download PDFInfo
- Publication number
- CN109069031A CN109069031A CN201680001099.4A CN201680001099A CN109069031A CN 109069031 A CN109069031 A CN 109069031A CN 201680001099 A CN201680001099 A CN 201680001099A CN 109069031 A CN109069031 A CN 109069031A
- Authority
- CN
- China
- Prior art keywords
- pulse wave
- wave signal
- measurement
- domain
- blood pressure
- 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.)
- Granted
Links
- 230000036772 blood pressure Effects 0.000 title claims abstract description 132
- 238000000034 method Methods 0.000 title claims description 69
- 238000005259 measurement Methods 0.000 claims abstract description 134
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 74
- 238000004458 analytical method Methods 0.000 claims description 24
- 210000001367 artery Anatomy 0.000 claims description 19
- 230000000052 comparative effect Effects 0.000 claims description 11
- 241000208340 Araliaceae Species 0.000 claims description 7
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 7
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 7
- 238000002565 electrocardiography Methods 0.000 claims description 7
- 235000008434 ginseng Nutrition 0.000 claims description 7
- 201000010099 disease Diseases 0.000 description 21
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 21
- 238000004364 calculation method Methods 0.000 description 16
- 230000003862 health status Effects 0.000 description 13
- 150000001875 compounds Chemical class 0.000 description 11
- 238000010586 diagram Methods 0.000 description 11
- 239000008280 blood Substances 0.000 description 9
- 210000004369 blood Anatomy 0.000 description 9
- 230000002792 vascular Effects 0.000 description 9
- 238000012544 monitoring process Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000035487 diastolic blood pressure Effects 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 238000013186 photoplethysmography Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000035488 systolic blood pressure Effects 0.000 description 4
- 230000001594 aberrant effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000017531 blood circulation Effects 0.000 description 3
- 238000009530 blood pressure measurement Methods 0.000 description 3
- 210000004204 blood vessel Anatomy 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 3
- 210000003462 vein Anatomy 0.000 description 3
- 208000024172 Cardiovascular disease Diseases 0.000 description 2
- 206010008190 Cerebrovascular accident Diseases 0.000 description 2
- 241001269238 Data Species 0.000 description 2
- 208000006011 Stroke Diseases 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000002560 therapeutic procedure Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 206010002383 Angina Pectoris Diseases 0.000 description 1
- 206010049244 Ankyloglossia congenital Diseases 0.000 description 1
- 201000001320 Atherosclerosis Diseases 0.000 description 1
- 208000001778 Coronary Occlusion Diseases 0.000 description 1
- 206010011086 Coronary artery occlusion Diseases 0.000 description 1
- 206010048554 Endothelial dysfunction Diseases 0.000 description 1
- 241000282326 Felis catus Species 0.000 description 1
- 241000406668 Loxodonta cyclotis Species 0.000 description 1
- 241000124008 Mammalia Species 0.000 description 1
- 101100166455 Neurospora crassa (strain ATCC 24698 / 74-OR23-1A / CBS 708.71 / DSM 1257 / FGSC 987) ccg-4 gene Proteins 0.000 description 1
- 101150114608 PPG1 gene Proteins 0.000 description 1
- 208000034189 Sclerosis Diseases 0.000 description 1
- 206010049418 Sudden Cardiac Death Diseases 0.000 description 1
- 208000007536 Thrombosis Diseases 0.000 description 1
- 206010047139 Vasoconstriction Diseases 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 239000003146 anticoagulant agent Substances 0.000 description 1
- 206010003119 arrhythmia Diseases 0.000 description 1
- 230000006793 arrhythmia Effects 0.000 description 1
- 210000000467 autonomic pathway Anatomy 0.000 description 1
- 210000000748 cardiovascular system Anatomy 0.000 description 1
- 208000029078 coronary artery disease Diseases 0.000 description 1
- 210000004351 coronary vessel Anatomy 0.000 description 1
- 230000003205 diastolic effect Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000002651 drug therapy Methods 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000008694 endothelial dysfunction Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 208000010125 myocardial infarction Diseases 0.000 description 1
- 208000031225 myocardial ischemia Diseases 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 230000002537 thrombolytic effect Effects 0.000 description 1
- 230000025033 vasoconstriction Effects 0.000 description 1
- 230000002861 ventricular Effects 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
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
- A61B5/02125—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics of pulse wave propagation time
-
- 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
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
-
- 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
- A61B5/026—Measuring blood flow
- A61B5/0261—Measuring blood flow using optical means, e.g. infrared light
-
- 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
- A61B5/026—Measuring blood flow
- A61B5/0295—Measuring blood flow using plethysmography, i.e. measuring the variations in the volume of a body part as modified by the circulation of blood therethrough, e.g. impedance plethysmography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
-
- 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
- A61B5/6813—Specially adapted to be attached to a specific body part
- A61B5/6824—Arm or wrist
-
- 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
- A61B5/6813—Specially adapted to be attached to a specific body part
- A61B5/6828—Leg
-
- 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
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
-
- 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
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/02—Operational features
- A61B2560/0204—Operational features of power management
- A61B2560/0214—Operational features of power management of power generation or supply
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/02—Operational features
- A61B2560/0223—Operational features of calibration, e.g. protocols for calibrating sensors
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/04—Arrangements of multiple sensors of the same type
- A61B2562/043—Arrangements of multiple sensors of the same type in a linear array
-
- 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
- A61B5/022—Measuring pressure in heart or blood vessels by applying pressure to close blood vessels, e.g. against the skin; Ophthalmodynamometers
- A61B5/02225—Measuring pressure in heart or blood vessels by applying pressure to close blood vessels, e.g. against the skin; Ophthalmodynamometers using the oscillometric method
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1112—Global tracking of patients, e.g. by using GPS
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Cardiology (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Hematology (AREA)
- Vascular Medicine (AREA)
- Mathematical Physics (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明公开了一种用于确定对象血压的设备,该设备包括:传感器组件,其配置为测量所述对象的脉搏波信号;以及信号处理器,其配置为基于所述脉搏波信号产生脉搏波信号的度量,基于脉搏波信号的度量选择血压计算算法,并且使用所述血压计算算法确定所述对象的血压。
Description
技术领域
本发明涉及一种用于确定对象血压的设备和方法。
背景技术
常规的血压测量设备包括血压计、示波测量仪和有创式血管压力监测。使用血压计的血压测量基于柯氏音(Korotkoff sound)。通常,血压计包括听诊器和臂套。示波测量仪包括臂套以及基于臂套压力振动确定血压的电子装置。有创式血管压力法包括将插管针头或导管放置到动脉中。这些常规方法或为有创式,或较为繁琐。
发明内容
在一个方面,本发明提供了一种用于确定对象血压的设备,包括:传感器组件,其配置为测量所述对象的脉搏波信号;以及信号处理器,其配置为基于所述脉搏波信号产生脉搏波信号的度量,基于脉搏波信号的度量选择血压计算算法,并且使用所述血压计算算法确定所述对象的血压。
可选地,所述信号处理器配置为针对所述对象的脉搏波信号执行时域分析、频域分析、时-频域分析中的一种或多种;其中,所述度量包括脉搏波信号的时域度量、脉搏波信号的频域度量和脉搏波信号的时-频域度量中的一种或多种。
可选地,脉搏波信号的时域度量包括以下中的一个或多个:所述脉搏波信号的时域中的两个参考点处的幅度之比;脉搏波信号的时域中的Δt1与Δt2之比,其中Δt1是第一对参考点之间的第一时间差,Δt2是第二对参考点之间的第二时间差;S1与S2之比,其中S1是在脉搏波信号的时域表示的曲线下方由第一对参考点定义的第一面积,S2是在脉搏波信号的时域表示的曲线下方由第二对参考点定义的第二面积。
可选地,脉搏波信号的频域度量包括具有最高能量水平的多个频率。
可选地,脉搏波信号的时-频域度量包括频域度量与时域度量之间的相关性。
可选地,所述信号处理器配置为:基于由传感器组件测量到的脉搏波信号计算所述对象的脉搏波速度;将脉搏波信号的度量与多个参考脉搏波信号的多个参考度量进行比较;基于比较结果,从分别与多个参考脉搏波信号相关联的多个参考血压计算算法中选择血压计算算法;以及,利用所述对象的脉搏波速度和所选择的血压计算算法确定所述对象的血压。
可选地,所述传感器组件包括被配置为测量心电图R波的心电图传感器以及被配置为测量动脉脉搏波的脉搏波传感器;所述信号处理器配置为计算心电图R波与动脉脉搏波之间的时间差作为脉搏传导时间。
可选地,所述传感器组件包括至少两个脉搏波传感器,其配置为在至少两个动脉点测量动脉脉搏波;所述信号处理器配置为计算两个动脉脉搏波之间的时间差作为脉搏传导时间。
可选地,所述设备还包括具有数据库的存储器,所述数据库包括对应于多个参考血压计算算法的多个参考度量;其中,所述多个参考度量包括参考脉搏波信号的时域度量、参考脉搏波信号的频域度量和参考脉搏波信号的时-频域度量中的一种或多种。
可选地,从利用多个参考脉搏波信号的多个参考度量建立的预测模型获得所述血压计算算法。
可选地,所述信号处理器配置为从分别针对多个人口子群建立的多个参考预测模型中选择预测模型。
可选地,利用普通最小二乘回归法建立预测模型。
可选地,所述设备还包括:模数转换器,其配置为将所述传感器组件测量到的脉搏波信号转换为数字数据,并且将数字数据发送至所述信号处理器用于分析;用户界面,其配置为显示信息以及由用户用于向所述设备输入数据;电源,其配置为向所述设备提供电力;以及存储器,其配置为存储数字数据、多个参考度量、多个参考血压计算算法以及多个参考脉搏波信号。
可选地,所述设备为可穿戴设备。
在另一方面,本发明提供了一种用于确定对象血压的方法,包括以下步骤:测量所述对象的脉搏波信号;产生所述脉搏波信号的度量;以及利用血压计算算法确定所述对象的血压。
可选地,所述方法还包括以下步骤:执行时域分析、频域分析、时-频域分析中的一种或多种;其中,所述度量包括脉搏波信号的时域度量、脉搏波信号的频域度量和脉搏波信号的时-频域度量中的一种或多种。
可选地,脉搏波信号的时域度量包括以下中的一个或多个:所述脉搏波信号的时域中的两个参考点处的幅度之比;脉搏波信号的时域中的Δt1与Δt2之比,其中Δt1是第一对参考点之间的第一时间差,Δt2是第二对参考点之间的第二时间差;S1与S2之比,其中S1是在脉搏波信号的时域表示的曲线下方由第一对参考点定义的第一面积,S2是在脉搏波信号的时域表示的曲线下方由第二对参考点定义的第二面积。
可选地,脉搏波信号的频域度量包括具有最高能量水平的多个频率。
可选地,脉搏波信号的时-频域度量包括频域度量与时域度量之间的相关性。
可选地,所述方法还包括以下步骤:计算所述对象的脉搏波速度;将脉搏波信号的度量与多个参考脉搏波信号的多个参考度量进行比较;基于比较结果,从分别与多个参考脉搏波信号相关联的多个参考血压计算算法中选择血压计算算法;以及,利用所述对象的脉搏波速度和血压计算算法确定所述对象的血压。
可选地,计算脉搏波速度的步骤包括:计算心电图R波与动脉脉搏波之间的时间差作为脉搏传导时间。
可选地,所述方法还包括以下步骤:建立包括对应于多个参考血压计算算法的多个参考度量的数据库;其中,所述多个参考度量包括参考脉搏波信号的时域度量、参考脉搏波信号的频域度量和参考脉搏波信号的时-频域度量中的一种或多种。
可选地,所述方法还包括更新数据库的步骤。
可选地,从利用多个参考脉搏波信号的多个参考度量建立的预测模型获得所述血压计算算法。
可选地,所述方法还包括以下步骤:从分别针对多个人口子群建立的多个参考预测模型中选择预测模型。
可选地,利用普通最小二乘回归法建立预测模型。
附图说明
以下附图仅仅是根据所公开的各种实施例的以示意性为目的的示例,并非旨在限定本发明的范围。
图1是示出根据本公开的一些实施例中用于确定对象血压的方法的流程图。
图2示出了根据本公开的一些实施例中对应于一些健康状况的脉搏波。
图3是示出根据本公开的一些实施例中心电图R波与动脉脉搏波之间的时间差的示图。
图4是示出根据本公开的一些实施例中来自两个不同的动脉点的两个动脉脉搏波之间的时间差的示图。
图5是根据本公开的一些实施例中的示例性时域信号。
图6是根据本公开的一些实施例中的示例性时域信号。
图7是根据本公开的一些实施例中的示例性频域信号。
图8是根据本公开的一些实施例中的示例性时-频域信号。
图9是示出在根据本公开的一些实施例中的可穿戴设备的示图。
图10是示出穿戴根据本公开的一些实施例中的可穿戴设备的对象的示图。
图11是示出使用根据本公开的一些实施例中的设备测量对象血压的过程的示图。
图12是示出根据本公开的一些实施例中的设备的结构的示图。
具体实施方式
现在将参照以下实施例更加详细地描述本公开。应当注意的是,在本文中,一些实施例的以下描述仅仅是以示意和说明为目的而呈现的。其不旨在是穷尽性的或者限于所公开的精确形式。
近年来,无创式和无臂带式血压测量方法和设备成为研发重点。目前,还没有已知的无臂带无创式方法能够准确可靠地测量对象血压(例如,提供可与血压计和示波测量仪所测量的血压相比的血压测量)。本发明特别提供了一种用于确定对象血压的设备和准确可靠的无创式方法,所述设备和方法基本消除了由现有技术的限制和不足导致的问题中的一个或多个。在一个方面,本公开提供了一种用于确定对象血压的设备。在一些实施例中,所述设备包括:传感器组件,其配置为测量所述对象的脉搏波信号;以及信号处理器,其配置为产生脉搏波信号的度量、选择血压计算算法以及利用血压计算算法确定所述对象的血压。在另一方面,本公开提供了一种确定对象血压的方法。在一些实施例中,所述方法包括以下步骤:测量所述对象的脉搏波信号;产生所述脉搏波信号的度量;以及利用血压计算算法确定所述对象的血压。在一些实施例中,由传感器组件测量的脉搏波信号的度量是脉搏波信号的时域度量、脉搏波信号的频域度量和脉搏波信号的时-频域度量中的一种或多种。
可使用各种适当的血压计算算法来确定所述对象的血压。在一个示例中,可通过以下方式选择血压计算算法:将脉搏波信号的度量与多个参考脉搏波信号的多个参考度量进行比较;基于比较结果,从分别与多个参考脉搏波信号相关联的多个参考血压计算算法中选择血压计算算法;以及,利用所述对象的脉搏波速度和血压计算算法确定所述对象的血压。在另一示例中,可从利用多个参考脉搏波信号的多个参考度量建立的预测模型中获得所述血压计算算法,即,借助所述预测模型,将从所述对象测量得到的脉搏波信号的度量与多个参考脉搏波信号的多个参考度量进行比较。
图1是示出根据本公开的一些实施例中用于确定对象血压的方法的流程图。参照图1,本实施例中的方法包括以下步骤:测量所述对象的脉搏波信号;将脉搏波信号的度量与多个参考脉搏波信号的多个参考度量进行比较;基于比较结果,从分别与多个参考脉搏波信号相关联的多个参考血压计算算法中选择血压计算算法;以及利用所选择的血压计算算法确定所述对象的血压。
可根据等式(1)计算对象的血压:
其中,PWV是脉搏波速度,T是血管壁厚度;ρ是血液密度;d是血管内直径;E0是动脉壁弹性;a是常量,BP是血压。等式(1)中的各个系数代表了对象的心血管系统的物理特性。常规方法无法以可靠的方式利用该等式计算对象血压,这是由于该等式中的各个系数对于每个对象而言是不同的,并且随着对象年龄增长而变化。在一些实施例中,本公开提供了一种新颖的方法,该方法通过将对象的脉搏波信号的度量与对应于多个参考血压计算算法的多个参考度量进行比较来测量该对象的血压。可选地,每个参考血压计算算法以等式(1)的形式表示,并且所述多个参考血压计算算法与多组不同的系数相关联。选择同与所述对象的脉搏波信号的度量最接近地匹配的参考度量相关联的参考血压计算算法,用于计算被检查对象的血压。
相应地,一些实施例中的方法包括建立数据库的步骤,所述数据库包括对应于多个参考血压计算算法(例如,等式(1)形式的具有多组不同系数的多个算法)的多个参考度量。数据库可包括分别对应于对象的多种健康状况的任何适当数量的参考算法。
图2示出了根据本公开的一些实施例中对应于一些健康状况的脉搏波。参照图2,LVET代表左心室射血时间,DT代表舒张时间。脉搏波A代表了来自健康青年人或正在接受治疗(例如,接受溶解血栓治疗)的对象的典型脉搏波,脉搏波A的特征在于低血管阻力和低血液粘度。脉搏波B代表了来自健康成年人的典型脉搏波,其特征在于正常的血管阻力和正常的血液粘度。脉搏波C代表了来自老年人、具有心血管疾病或不适的对象或正在接受血管收缩药物治疗的对象的典型脉搏波,脉搏波C的特征在于高血管阻力和高血液粘度。脉搏波D代表了来自老年人、特别是具有严重心血管疾病或不适的对象的典型脉搏波,脉搏波D的特征在于非常高的血管阻力和非常高的血液粘度。这些脉搏波中的每一个对应于不同的物理系数,例如,不同的血管壁厚度、不同的血液密度、不同的血管内直径以及不同的动脉壁弹性。通过选择与被检查对象的测量到的脉搏波类似的参考脉搏波,可确定与被检查对象的系数最接近地匹配的多个系数。然后,使用等式(1)计算被检查对象的血压。
在一些实施例中,数据库可包括比图2中的四种代表性脉搏波更多的代表性脉搏波。例如,数据库可包括多于10种代表性脉搏波、多于30种代表性脉搏波、多于50种代表性脉搏波、多于100种代表性脉搏波或者多于1000种代表性脉搏波。代表性脉搏波可代表具有不同年龄、性别、健康状况、疾病状况、治疗状况、身高、体重、身体质量指数的个体。可选地,数据库可包括被检查对象的脉搏波历史数据,例如,通过以诸如血压计、示波测量仪或有创式血管压力监测的其它可靠方法获得的血压值进行校准的所述对象的脉搏波数据。因此,本方法可通过包括对象自身的校准后数据的方式而具有对象特异性。因此,与常规方法相比,本方法能够提供更准确的结果。
在一些实施例中,所述方法还包括更新数据库的步骤。例如,可用代表不同人群中的个体(例如,患有新发现的疾病的个体)的额外参考脉搏波来更新数据库。可选地,可用通过以诸如血压计、示波测量仪或有创式血管压力监测的其它可靠方法获得的血压值进行校准的用户的最近脉搏波历史数据来更新数据库。可选地,可用代表具有特定特性(例如,饮食、运动习惯、遗传特性等)的个体的参考脉搏波来更新数据库。
参照等式(1),为了计算对象的血压,需要确定对象的脉搏波速度(PWV)。在一些实施例中,可根据等式(2)确定脉搏波速度:
其中,PTT是脉搏传导时间,D是进行两次测量的两个位置之间的物理距离。可使用各种适当的方法计算脉搏传导时间PTT。
图3是示出根据本公开的一些实施例中心电图R波与动脉脉搏波之间的时间差的示图。参照图3,动脉脉搏波发源于对象的心脏,并且沿着动脉血管行进至外围位置点,在该点处测量动脉脉搏波。脉搏波传播的第一点对应于心电图(ECG)R波,脉搏波传播的第二点对应于通过例如光电容积描记法(PPG)测量的脉搏波。因此,在一些实施例中,心电图传感器(例如,心电图电极)用于测量心电图R波,光电容积描记传感器用于测量例如外围动脉点处的脉搏波。如图3所示,脉搏传导时间(PTT)被计算为心电图R波与动脉脉搏波之间的时间差。用于测量脉搏传导时间的第一点和第二点分别是心电图R波的全局最大值点与脉搏波的全局最大值点。可选地,可使用其它参考点(例如,局部最小值点、局部最大值点、或者一阶导数的全局最大值点或局部最大值点)测量脉搏传导时间。距离D是心脏与外围动脉点之间的距离。
图4是示出根据本公开的一些实施例中来自两个不同的动脉点的两个动脉脉搏波之间的时间差的示图。参照图4,示出了来自两个不同的动脉点处的两个脉搏波PPG1和PPG2。在图4中,所述脉搏波是通过光电容积描记法测量的脉搏波。可使用其它测量脉搏波的方法。因此,在一些实施例中,使用置于两个不同的动脉点处的两个不同的光电容积描记传感器来测量脉搏波。脉搏传导时间被计算为两个动脉脉搏波之间的时间差。距离D是两个外围动脉点之间的距离。用于测量脉搏传导时间的第一点和第二点分别是两个脉搏波的全局最大值点。可选地,可使用其它参考点(例如,局部最小值点、局部最大值点、或者一阶导数的全局最大值点或局部最大值点)测量脉搏传导时间。
在一些实施例中,所述方法包括以下步骤:计算所述对象的脉搏波速度;以及,利用所述对象的脉搏波速度和所选择的血压计算算法确定所述对象的血压。可选地,可根据等式(2)通过距离D除以测量到的脉搏传导时间PTT来计算脉搏波速度。可选地,距离D可由用户输入并存储在存储器中。可选地,可预先测量距离D。可选地,可使用估计值作为距离D。例如,距离D的值可为所述对象的身高的一半。可选地,可根据以下等式(3)来表示距离D:
D=0.4861*H+0.6337(cm) (3);
其中,H是对象的身高。
在一些实施例中,脉搏波的一个或多个相关度量可用于与多个参考度量的比较。例如,所述度量可为脉搏波信号的时域度量。可选地,所述度量为脉搏波信号的频域度量。可选地,所述度量为脉搏波信号的时-频域度量。
相应地,在一些实施例中,所述方法还包括以下步骤:针对脉搏波信号执行时域分析、频域分析、时-频域分析中的一种或多种。可选地,所述度量包括脉搏波信号的时域度量、脉搏波信号的频域度量和脉搏波信号的时-频域度量中的一种或多种。
在一些实施例中,脉搏波信号的一个或多个相关度量包括脉搏波信号的时域度量。可选地,脉搏波信号的时域度量包括以下中的一个或多个:所述脉搏波信号的时域中的两个参考点处的幅度之比;脉搏波信号的时域中的Δt1与Δt2之比,其中Δt1是第一对参考点之间的第一时间差,Δt2是第二对参考点之间的第二时间差;S1与S2之比,其中S1是在脉搏波信号的时域表示的曲线下方由第一对参考点定义的第一面积,S2是在脉搏波信号的时域表示的曲线下方由第二对参考点定义的第二面积。可选地,脉搏波信号的时域度量包括参考点处的幅度、一对参考点之间的时间差以及在脉搏波信号的时域表示的曲线下方由一对参考点定义的面积。可选地,参考点可为脉搏波信号的时域中的全局最大值点、全局最小值点、局部最大值点、局部最小值点、一阶导数的全局最大值点、一阶导数的全局最小值点、一阶导数的局部最大值点和一阶导数的局部最小值点中的一个。
图5是根据本公开的一些实施例中的示例性时域信号。参照图5,脉搏波包括时域中的一些参考点:a、b、c、d、e、f、g、h和a'。在这些点之中,参考点a和a'是全局最大值点,参考点f是全局最小值点,参考点c是局部最小值点,参考点d是局部最大值点,参考点b、e和g是脉搏波的一阶导数的绝对值的局部最大值点。对应于参考点a的幅度为I1,对应于参考点d的幅度为I2,对应于参考点c的幅度为I3,对应于参考点g的幅度为I4,对应于参考点f的幅度为I5。时域中的参考点a与b之间的时间差为T1,时域中的参考点b与c之间的时间差表示为T2,时域中的参考点c与d之间的时间差表示为T3,时域中的参考点d与e之间的时间差表示为T4,时域中的参考点e与f之间的时间差表示为T5,时域中的参考点f与g之间的时间差表示为T6,时域中的参考点g与h之间的时间差表示为T7。在一个示例中,脉搏波信号的相关度量为I1、I2、I3、I4和I5中的任何一对之间的比。在另一示例中,脉搏波信号的相关度量为T1、T2、T3、T4、T5、T6和T7中的任何一对之间的比。
图6是根据本公开的一些实施例中的示例性时域信号。参照图6,参考点b是脉搏波的一阶导数的绝对值的局部最大值点,参考点d是局部最大值点,参考点f和f'是全局最小值点。S1是在脉搏波信号的时域表示的曲线下方由参考点f和参考点b定义的第一面积,S2是在脉搏波信号的时域表示的曲线下方由参考点b和参考点d定义的第二面积,S3是在脉搏波信号的时域表示的曲线下方由参考点d和参考点f'定义的第三面积。在一个示例中,脉搏波信号的相关度量为S1、S2和S3中的任何一对之间的比。
在一些实施例中,脉搏波信号的一个或多个相关度量包括脉搏波信号的频域度量。可选地,脉搏波信号的频域度量包括具有最高能量水平的一个频率。可选地,脉搏波信号的频域度量包括具有最高能量水平的多个频率。通过将具有最高能量水平的一个频率或具有最高的多个能量水平的多个频率与多个参考脉搏波的频域中具有最高能量水平的一个或多个频率进行比较,可在多个参考脉搏波之中选择最接近的匹配,并且可使用对应于所选的参考脉搏波的血压计算算法来计算被检查对象的血压。
可在本方法中使用的其它频域度量包括但不限于:信号的基频、信号的一个或多个整次谐波的频率、基频的相位值、信号的一个或多个整次谐波的频率处的相位值、基频中的频率变化、一个或多个整次谐波的一个或多个频率中的频率变化、基频中的相位变化、一个或多个整次谐波的一个或多个频率中的相位变化、信号的基频处的功率幅度、信号的一个或多个整次谐波的每个频率处的功率幅度、关于信号基频的频散以及关于信号的一个或多个整次谐波的频率的频散。
图7是根据本公开的一些实施例中的示例性频域信号。参照图7,脉搏波包括频域中的一些参考点:1、2、3、4、5、6、7、8和9。这些参考点代表了频域中的九个全局或局部的最大值点。在一些示例中,脉搏波的相关度量是在参考点5(例如,全局最大值点)处具有最高能量水平的频率。在一些示例中,脉搏波的相关度量是在参考点1、5和9处具有最高能量水平的频率。在一些示例中,脉搏波的相关度量是在参考点1、2、3、5、8和9处具有最高能量水平的频率。在一些示例中,脉搏波的相关度量是在参考点1、2、3、4、5、6、7、8和9(例如,全局最大值点和局部最大值点)处具有最高能量水平的频率。
在一些实施例中,脉搏波信号的一个或多个相关度量包括脉搏波信号的时-频域度量。可选地,脉搏波信号的时-频域度量包括频域度量与时域度量之间的相关性。通过将该相关性与多个参考脉搏波在时-频域中的多个参考相关性进行比较,可在多个参考脉搏波之中选择最接近的匹配,并且可使用对应于所选的参考脉搏波的血压计算算法来计算被检查对象的血压。
图8是根据本公开的一些实施例中的示例性时-频域信号。参照图8,脉搏波包括一些参考点1、2、3、4、5、6、7和8,其对应于时-频域中的八个全局或局部最大值点。在一些示例中,脉搏波的相关度量是在参考点2和6(例如,全局最大值点)处的值。在一些示例中,脉搏波的相关度量是在参考点1、2、5和6处的值。在一些示例中,脉搏波的相关度量是在参考点1、2、3、4、5、6、7和8(例如,全局最大值点和局部最大值点)处的值。
在一些实施例中,可通过时域信号的傅里叶变换产生频域信号。在一些实施例中,可通过采用短时傅里叶变换、连续小波变换、希尔伯特-黄(Hilbert-Huang)变换和魏格纳(Wigner)分布函数中的一种或多种对时域信号和/或频域信号进行变换,来产生时-频域信号。
相应地,数据库还可包括对应于存储在数据库中的多个参考脉搏波信号的多个参考度量。在一些实施例中,所述多个参考度量包括参考脉搏波信号的参考时域度量、参考脉搏波信号的参考频域度量和参考脉搏波信号的参考时-频域度量中的一种或多种。在一些实施例中,所述方法还包括以下步骤:针对多个参考脉搏波信号执行时域分析、频域分析、时-频域分析中的一种或多种。
可选地,参考脉搏波信号的时域参考度量包括以下中的一个或多个:参考脉搏波信号的时域中的两个参考点处的幅度之比;参考脉搏波信号的时域中的Δt1与Δt2之比,其中Δt1是第一对参考点之间的第一时间差,Δt2是第二对参考点之间的第二时间差;S1与S2之比,其中S1是在参考脉搏波信号的时域表示的曲线下方由第一对参考点定义的第一面积,S2是在参考脉搏波信号的时域表示的曲线下方由第二对参考点定义的第二面积。可选地,参考脉搏波信号的时域参考度量包括参考点处的幅度、一对参考点之间的时间差以及在参考脉搏波信号的时域表示的曲线下方由一对参考点定义的面积。可选地,参考点可为参考脉搏波信号的时域中的全局最大值点、全局最小值点、局部最大值点、局部最小值点、一阶导数的全局最大值点、一阶导数的全局最小值点、一阶导数的局部最大值点和一阶导数的局部最小值点中的一个。可选地,参考脉搏波信号的频域参考度量包括具有最高能量水平的频率。可选地,参考脉搏波信号的频域参考度量包括具有最高能量水平的多个频率。可选地,参考脉搏波信号的时-频域参考度量包括频域度量与时域度量之间的相关性。
在一些实施例中,数据库中的多个参考脉搏波信号是多个复合脉搏波信号。例如,复合脉搏波信号可为范例复合脉搏波信号,其代表了具有一定的共同特性(例如,年龄、性别、健康状况、疾病状况、治疗状况、身高、体重、身体质量指数)的一组对象。范例复合脉搏波信号中的每个度量代表了具有共同特性的一组对象中的度量。例如,每个度量的值可为从具有共同特性的该组对象中采集的各脉搏波信号的度量的平均值或中值。在一些示例中,数据库可包括以下中的一个或多个:第一复合脉搏波信号,其代表健康青年人或正在接受治疗的对象;第二复合脉搏波信号,其代表健康成年人;第三复合脉搏波信号,其代表老年人或正在接收血管收缩治疗的对象;以及第四复合脉搏波信号,其代表具有严重心血管疾病或不适的老年人。在一些实施例中,数据库包括额外的复合脉搏波信号,其各自代表人口群或人口子群。
在一些实施例中,复合脉搏波信号中的每个度量可具有从复合脉搏波信号所代表的一组对象而得到的值的范围或者平均值或中值。如果从对象测量到的脉搏波信号的每个度量或大多数度量处于参考脉搏波信号所限定的范围内,则可找到该脉搏波信号与多个参考脉搏波信号之间的最接近匹配。
在一些实施例中,本公开提供了一种预测建模方法,其用于基于脉搏波信号的一个或多个测量到的相关度量来指定对象的血压,即,从利用多个参考脉搏波信号的多个参考度量建立的预测模型中获得血压计算算法。可使用任何适当的预测建模方法指定血压。适当的预测建模方法的示例包括但不限于:普通最小二乘回归、线性最小二乘回归、均方误差、广义线性模型、逻辑回归模型、分类模型、回归树模型、多元自适应回归样条模型,等等。
例如,在一些实施例中,采用普通最小二乘回归法作为用于指定对象血压的预测模型。在一个示例中,收缩血压(SBP)可由下式确定:
SBP=X*A (4);
其中,x1,x2,…,xn为如上所述的脉搏波信号的相关度量;
A=[a1,a2,…,an],其为回归系数的矩阵。
在另一示例中,舒张血压(DBP)可由下式确定:
DBP=X*B (5);
其中,x1,x2,…,xn为如上所述的脉搏波信号的相关度量;B=[b1,b2,…,bn],其为回归系数的矩阵。
在一些实施例中,可通过普通最小二乘回归法确定A和B。对于该建模方法,以下等式适用:
Yi=β0+β1X1i+L+βkXki(i=1L n) (6);
其中,Yi为血压(SBP或DBP),其为预测变量X1i,X2i,…,Xki的函数;β1,β2,…,βk中的每一个是对应的预测变量的回归系数。预测变量X1i,X2i,…,Xki对应于等式(4)或等式(5)中的X。回归系数β1,β2,…,βk对应于等式(4)或等式(5)中的A或B。在普通最小二乘回归法中,通过使均方误差之和(SSE)最小化来估计系数。
在一些实施例中,通过采用诸如血压计、示波测量仪或有创式血管压力监测的参考方法获得的多个脉搏波数据和相应的血压值来建立普通最小二乘回归模型及其回归系数。可利用大量参考数据建立回归模型。
在一些实施例中,可分别针对多组人口子群建立多个普通最小二乘回归模型及其回归系数。多组人口子群中的每一组可具有一个或多个共同特性,例如,年龄、性别、健康状况、疾病状况、治疗状况、身高、体重和身体质量指数。当应用该方法确定对象血压时,首先根据所述一个或多个共同特征对所述对象进行分类。所述方法还包括以下步骤:从分别针对多个人口子群建立的多个参考预测模型中选择回归模型。然后,基于所述分类选择最适合该对象的回归模型,并将该回归模型用于计算该对象的血压。
相应地,在另一方面,本公开提供了一种诊断对象的疾病或不适的方法。在一些实施例中,所述方法包括以下步骤:测量所述对象的脉搏波信号;将脉搏波信号的度量与对应于多种疾病或健康状况的多个参考度量进行比较;基于比较结果,选择与该对象的脉搏波信号最为相近的匹配的参考脉搏波信号;以及,指定对应于匹配的参考脉搏波信号的疾病或健康状况,作为所诊断的关于该对象的疾病或健康状况。可根据上述方法执行测量步骤、比较步骤和选择步骤。
在另一方面,本公开还提供了一种监测对象的疾病或健康状况的方法。例如,所述方法可为在一段时间内连续监测对象的疾病或健康状况的方法。在一些实施例中,所述方法包括以下步骤:连续地或周期性地测量所述对象的脉搏波信号;将脉搏波信号的度量与对应于多种疾病或健康状况的多个参考度量进行比较;基于比较结果,选择与该对象的脉搏波信号最为相近的匹配的参考脉搏波信号;以及,当匹配的参考脉搏波信号对应于异常疾病状况时,向接收方发送信号。可选地,所述接收方为用户。可选地,所述接收方为用户的看护者。可选地,所述接收方为专业医护人员。可选地,所述接收方为医院或诊所。可选地,所述异常疾病状况为中风。
在另一方面,本公开提供了一种治疗对象的方法。在一些实施例中,治疗对象的方法包括以下步骤:连续地或周期性地测量所述对象的脉搏波信号;将脉搏波信号的度量与对应于多种疾病或健康状况的多个参考度量进行比较;基于比较结果,选择与该对象的脉搏波信号最为相近的匹配的参考脉搏波信号;以及,当匹配的参考脉搏波信号对应于异常疾病状况时,给予所述对象治疗。可选地,所述异常疾病状况为中风。可选地,所述治疗为溶解血栓治疗。
在一些实施例中,所述疾病或不适为急性冠脉综合症、心源性猝死、心律失常、中风、心肌梗塞、心肌缺血、内皮功能障碍、冠状动脉疾病、冠状动脉闭塞、动脉硬化、自主神经系统功能、心绞痛和动脉粥样硬化中的一种或多种。
可选地,所述对象为人类。可选地,所述对象为哺乳动物。可选地,所述对象为宠物(例如,狗、猫)。
在另一方面,本公开提供了一种用于确定对象血压的设备。在一些实施例中,所述设备包括:传感器组件,其配置为测量所述对象的脉搏波信号;以及信号处理器,其配置为产生脉搏波信号的度量、选择血压计算算法以及利用血压计算算法确定所述对象的血压。可选地,所述信号处理器配置为:将脉搏波信号的度量与多个参考脉搏波信号的多个参考度量直接或间接地进行比较;获得血压计算算法;以及利用血压计算算法确定所述对象的血压。
可选地,所述设备为无臂带设备。可选地,所述设备为可穿戴设备。可选地,所述设备为连续可穿戴设备。可选地,所述设备为便携式血压测量设备。
在一个示例中,所述信号处理器配置为:基于由传感器组件测量到的脉搏波信号计算所述对象的脉搏波速度;将脉搏波信号的度量与多个参考脉搏波信号的多个参考度量进行比较;基于比较结果,从分别与多个参考脉搏波信号相关联的多个参考血压计算算法中选择血压计算算法;以及,利用所述对象的脉搏波速度和所选择的血压计算算法确定所述对象的血压。
在另一示例中,从利用多个参考脉搏波信号的多个参考度量建立的预测模型获得所述血压计算算法。可选地,所述信号处理器配置为从分别针对多个人口子群建立的多个参考预测模型中选择预测模型。
图9是示出根据本公开的一些实施例中的可穿戴设备的示图。参照图9,本实施例中的可穿戴设备包括正面A和背面B。可穿戴设备的正面A包括系带10、显示器30和心电图电极20。可穿戴设备的背面B包括光电容积描记传感器40和两个心电图电极20。
在一些示例中,传感器组件包括至少一个脉搏波传感器。可选地,所述脉搏波传感器是光电容积描记传感器。适当的脉搏波传感器的示例还包括(但不限于):超声换能器(例如,压电超声换能器)、激光多普勒光学血流传感器或其他光学血流传感器(例如,激光多普勒光学血流传感器)以及压强传感器或压力传感器。
在一些实施例中,所述传感器组件还包括至少一个用于测量心电图R波的传感器。可选地,用于测量心电图R波的传感器包括一个或多个心电图电极。可选地,用于测量心电图R波的传感器包括多个心电图电极,例如,2个、3个或更多个电极。
在一些实施例中,所述传感器组件包括至少一个脉搏波传感器以及至少一个用于测量心电图R波的传感器(例如,心电图电极和光学容积描记传感器)。在一些实施例中,所述传感器组件包括至少两个脉搏波传感器(例如,用于在两个动脉点处测量脉搏波的两个光电容积描记传感器)。可选地,所有传感器集成在所述设备中。可选地,至少一个传感器可与所述设备的主体分离,并且与设备主体中的处理器(例如,通过无线连接)远程通信。可选地,可在对象的一个位置(例如该对象的手腕)佩戴所述设备的主体,并且可在远离主躯干的动脉点上(例如,在该对象的腿上)放置另一传感器。
图10示出了穿戴根据本公开的一些实施例中的可穿戴设备的对象。参照图10,本实施例中的所述传感器组件包括用于测量心电图R波的心电图传感器(ECG传感器)以及用于测量脉搏波的光电容积描记传感器(PPG传感器)。
图11是示出使用根据本公开的一些实施例中的设备测量对象血压的过程的示图。参照图11,本实施例中的过程包括:利用光电容积描记传感器获取脉搏波信号,以及利用心电图传感器获取心电图波信号。一旦获取到脉搏波信号,就计算所获取的脉搏波信号的一个或多个度量。将计算出的度量与存储在数据库中的多个参考脉搏波的相应度量进行比较。基于比较结果,可选择与所获取的脉搏波信号的度量最接近地匹配的参考脉搏波。如图11所示,选择与最接近匹配的参考脉搏波信号相对应的血压计算算法,作为用于计算对象血压的算法。此外,可利用所获取的脉搏波信号和所获取的心电图波计算脉搏波速度。因此,可利用所选择的算法和计算出的脉搏波速度准确地确定对象的血压。
图12是示出根据本公开的一些实施例中的设备的结构的示图。参照图12,本实施例中的设备包括处理器100和传感器组件110。传感器组件110包括:脉搏波传感器101,其用于测量对象的脉搏波信号101a;以及第二传感器102,其用于测量心电图(ECG)信号102a或第二脉搏波信号102a。如上所述,第二传感器102可为脉搏波传感器或心电图波传感器。可选地,所述设备还包括用于向该设备提供电力的电源104。
在一些实施例中,所述设备还包括:诸如图12中的模数转换器106的数据转换器,其用于将所述传感器组件测量到的脉搏波信号转换为数字数据,并且将数字数据发送至处理器100用于分析。
在一些实施例中,所述设备还包括用户界面105,其用于在显示器108上显示信息,并且由用户用于通过输入装置109向该设备输入数据。用户可输入与对象的身高、体重及其他物理参数和遗传特性有关的数据以及该对象的脉搏波历史数据。在一些实施例中,所述设备还包括警报器107,其用于在检测到对象的异常疾病状况时向接收方发送信号。
在一些实施例中,所述设备还包括存储器103,其用于存储数字数据、多个参考度量、多个参考血压计算算法以及多个参考脉搏波信号。可选地,存储器103包括数据库103a。可选地,数据库103a包括与多个参考度量、多个参考血压计算算法和多个参考脉搏波信号有关的数据。可选地,所述多个参考度量包括参考脉搏波信号的时域度量、参考脉搏波信号的频域度量和参考脉搏波信号的时-频域度量中的一种或多种。
参照图12,在一些实施例中,所述处理器100包括分析器100a,其用于针对对象的脉搏波信号执行时域分析、频域分析、时-频域分析中的一种或多种。可选地,所述度量包括脉搏波信号的时域度量、脉搏波信号的频域度量和脉搏波信号的时-频域度量中的一种或多种。可选地,分析器100a配置为针对多个参考脉搏波信号执行时域分析、频域分析、时-频域分析中的一种或多种。
在一些实施例中,处理器100还包括比较器100b,其用于将脉搏波信号的度量与多个参考脉搏波信号的多个参考度量进行比较。比较器100b与存储器103进行通信。
在一些实施例中,处理器100还包括选择器100c,其基于由比较器100b执行的比较的结果,从分别与多个参考脉搏波信号相关联的多个参考血压计算算法中选择血压计算算法。例如,选择器100c可选择与最接近匹配的参考脉搏波信号相关联的参考血压计算算法作为血压计算算法。
在一些实施例中,处理器100还包括计算器100d,其用于利用所选择的血压计算算法计算对象血压。可选地,计算器100d配置为:计算所述对象的脉搏波速度;以及利用所述对象的脉搏波速度和所选择的血压计算算法计算所述对象的血压。
可选地,传感器组件110包括被配置为测量心电图R波的心电图传感器以及被配置为测量动脉脉搏波的脉搏波传感器;计算器100d配置为计算心电图R波与动脉脉搏波之间的时间差作为脉搏传导时间。
可选地,传感器组件110包括至少两个脉搏波传感器,其配置为在至少两个动脉点测量动脉脉搏波;计算器100d配置为计算两个动脉脉搏波之间的时间差作为脉搏传导时间。
在一些实施例中,脉搏波信号的时域度量包括以下中的一个或多个:所述脉搏波信号的时域中的两个参考点处的幅度之比;脉搏波信号的时域中的Δt1与Δt2之比,其中Δt1是第一对参考点之间的第一时间差,Δt2是第二对参考点之间的第二时间差;S1与S2之比,其中S1是在脉搏波信号的时域表示的曲线下方由第一对参考点定义的第一面积,S2是在脉搏波信号的时域表示的曲线下方由第二对参考点定义的第二面积。可选地,参考点可为脉搏波信号的时域中的全局最大值点、全局最小值点、局部最大值点、局部最小值点、一阶导数的全局最大值点、一阶导数的全局最小值点、一阶导数的局部最大值点和一阶导数的局部最小值点中的一个。可选地,参考点可为脉搏波信号的时域中的全局最大值点、全局最小值点、局部最大值点、局部最小值点、一阶导数的全局最大值点、一阶导数的全局最小值点、一阶导数的局部最大值点和一阶导数的局部最小值点中的一个。
在一些实施例中,脉搏波信号的频域度量包括具有最高能量水平的多个频率。
在一些实施例中,脉搏波信号的时-频域度量包括频域度量与时域度量之间的相关性。
在一些实施例中,所述设备还包括无线收发器,其用于从远程站点接收信息或向远程站点发送信息。例如,所述设备可通过无线收发器接收实时数据库更新。
在一些实施例中,所述设备还包括用于测量对象位置的GPS。当检测到对象的异常疾病状况时,警报器可向专业医护人员发送位置信息,例如,响应于警报,可派遣救护车去往对象所在位置。
在一些实施例中,本公开提供了一种设备,包括:处理器;传感器组件,其至少具有用于测量对象的脉搏波信号的脉搏波传感器;以及具有数据库的存储器。可选地,所述数据库包括至少一个预测模型以及从至少一个预测模型获得的至少一个血压计算算法。可选地,所述数据库包括多个预测模型以及分别从多个预测模型获得的多个血压计算算法。可选地,所述数据库包括:分别针对多个人口子群建立的多个预测模型;以及分别从多个预测模型获得的多个血压计算算法。例如,多组人口子群中的个体可根据一个或多个共同特性(例如,年龄、性别、健康状况、疾病状况、治疗状况、身高、体重、身体质量指数)进行分类。可选地,所述数据库还包括多个参考脉搏波信号以及对应于多个参考脉搏波信号的多个参考度量。可选地,所述多个参考度量包括参考脉搏波信号的时域度量、参考脉搏波信号的频域度量和参考脉搏波信号的时-频域度量中的一种或多种。可选地,所述信号处理器配置为:产生脉搏波信号的度量;选择血压计算算法;以及利用血压计算算法确定所述对象的血压。可选地,从利用多个参考脉搏波信号的多个参考度量建立的预测模型中获得所述血压计算算法。可选地,所述信号处理器配置为从分别针对多个人口子群建立的多个参考预测模型中选择预测模型。可选地,可用额外的预测模型和额外的血压计算算法周期性地更新所述数据库。
已经以示意和说明为目的而呈现了本发明实施例的以上描述。其并非旨在穷举性的,也并非旨在将本发明限于所公开的精确形式或限于所公开的示例性实施例。因此,以上描述应当视为示意性的而非限制性的。显然,许多修改和变化对于本领域技术实践人员而言将是显而易见的。选择和描述这些实施例是为了解释本发明的原理及其最佳实际应用,以使得本领域技术人员能够通过各种实施例以及适于所考虑的实际应用的各种修改例或可行的实施方式来理解本发明。本发明的范围旨在由所附权利要求及其等价形式限定,除非另外指明,否则在其中所有术语应当被理解为其最宽泛的合理含义。因此,术语“所述发明”、“本发明”等并不一定将权利要求的范围限定在特定的实施例,并且参照本发明示例性实施例并不意味着对本发明的限制,也不应推断出任何这样的限制。本发明仅由所附权利要求的精神和范围所限制。此外,这些权利要求可适于在名词或元件之前使用“第一”、“第二”等。这些术语应当理解为一种命名法,而不应被理解为对这些命名法所修饰的元件的数量进行限制,除非已经给出了具体的数量。所描述的任何优点和益处可不应用于本发明的所有实施例。本领域技术人员应当理解的是,在不脱离由所附权利要求限定的本发明的范围的情况下,可以对所描述的实施例进行各种变化。此外,本公开的任何元件和组件均不旨在贡献给公众,无论所述元件或组件是否在所附权利要求中明确提及。
Claims (26)
1.一种用于确定对象血压的设备,包括:
传感器组件,其配置为测量所述对象的脉搏波信号;以及
信号处理器,其配置为基于所述脉搏波信号产生脉搏波信号的度量,基于脉搏波信号的度量选择血压计算算法,并且使用所述血压计算算法确定所述对象的血压。
2.根据权利要求1所述的设备,其中,所述信号处理器配置为针对所述对象的脉搏波信号执行时域分析、频域分析、时-频域分析中的一种或多种;
其中,所述度量包括脉搏波信号的时域度量、脉搏波信号的频域度量和脉搏波信号的时-频域度量中的一种或多种。
3.根据权利要求2所述的设备,其中,脉搏波信号的时域度量包括以下中的一个或多个:所述脉搏波信号的时域中的两个参考点处的幅度之比;脉搏波信号的时域中的Δt1与Δt2之比,其中Δt1是第一对参考点之间的第一时间差,Δt2是第二对参考点之间的第二时间差;S1与S2之比,其中S1是在脉搏波信号的时域表示的曲线下方由第一对参考点定义的第一面积,S2是在脉搏波信号的时域表示的曲线下方由第二对参考点定义的第二面积。
4.根据权利要求2所述的设备,其中,脉搏波信号的频域度量包括具有最高能量水平的多个频率。
5.根据权利要求2所述的设备,其中,脉搏波信号的时-频域度量包括频域度量与时域度量之间的相关性。
6.根据权利要求1所述的设备,其中,所述信号处理器配置为:基于由传感器组件测量到的脉搏波信号计算所述对象的脉搏波速度;将脉搏波信号的度量与多个参考脉搏波信号的多个参考度量进行比较;基于比较结果,从分别与多个参考脉搏波信号相关联的多个参考血压计算算法中选择血压计算算法;以及,利用所述对象的脉搏波速度和所选择的血压计算算法确定所述对象的血压。
7.根据权利要求6所述的设备,其中,所述传感器组件包括被配置为测量心电图R波的心电图传感器以及被配置为测量动脉脉搏波的脉搏波传感器;所述信号处理器配置为计算心电图R波与动脉脉搏波之间的时间差作为脉搏传导时间。
8.根据权利要求6所述的设备,其中,所述传感器组件包括至少两个脉搏波传感器,其配置为在至少两个动脉点测量动脉脉搏波;所述信号处理器配置为计算两个动脉脉搏波之间的时间差作为脉搏传导时间。
9.根据权利要求6所述的设备,还包括具有数据库的存储器,所述数据库包括对应于多个参考血压计算算法的多个参考度量;其中,所述多个参考度量包括参考脉搏波信号的时域度量、参考脉搏波信号的频域度量和参考脉搏波信号的时-频域度量中的一种或多种。
10.根据权利要求1所述的设备,其中,所述血压计算算法从利用多个参考脉搏波信号的多个参考度量建立的预测模型获得。
11.根据权利要求10所述的设备,其中,所述信号处理器配置为从分别针对多个人口子群建立的多个参考预测模型中选择预测模型。
12.根据权利要求10所述的设备,其中,利用普通最小二乘回归法建立所述预测模型。
13.根据权利要求1所述的设备,还包括:
模数转换器,其配置为将所述传感器组件测量到的脉搏波信号转换为数字数据,并且将数字数据发送至所述信号处理器用于分析;
用户界面,其配置为显示信息以及由用户用于向所述设备输入数据;
电源,其配置为向所述设备提供电力;以及
存储器,其配置为存储数字数据、多个参考度量、多个参考血压计算算法以及多个参考脉搏波信号。
14.根据权利要求1所述的设备,其中,所述设备为可穿戴设备。
15.一种用于确定对象血压的方法,包括以下步骤:
测量所述对象的脉搏波信号;
产生所述脉搏波信号的度量;以及
利用血压计算算法确定所述对象的血压。
16.根据权利要求15所述的方法,还包括以下步骤:执行时域分析、频域分析、时-频域分析中的一种或多种;
其中,所述度量包括脉搏波信号的时域度量、脉搏波信号的频域度量和脉搏波信号的时-频域度量中的一种或多种。
17.根据权利要求16所述的方法,其中,脉搏波信号的时域度量包括以下中的一个或多个:所述脉搏波信号的时域中的两个参考点处的幅度之比;脉搏波信号的时域中的Δt1与Δt2之比,其中Δt1是第一对参考点之间的第一时间差,Δt2是第二对参考点之间的第二时间差;S1与S2之比,其中S1是在脉搏波信号的时域表示的曲线下方由第一对参考点定义的第一面积,S2是在脉搏波信号的时域表示的曲线下方由第二对参考点定义的第二面积。
18.根据权利要求16所述的方法,其中,脉搏波信号的频域度量包括具有最高能量水平的多个频率。
19.根据权利要求16所述的方法,其中,脉搏波信号的时-频域度量包括频域度量与时域度量之间的相关性。
20.根据权利要求15所述的方法,还包括以下步骤:计算所述对象的脉搏波速度;
将脉搏波信号的度量与多个参考脉搏波信号的多个参考度量进行比较;
基于比较结果,从分别与多个参考脉搏波信号相关联的多个参考血压计算算法中选择血压计算算法;以及
利用所述对象的脉搏波速度和血压计算算法确定所述对象的血压。
21.根据权利要求20所述的方法,其中,计算脉搏波速度的步骤包括:计算心电图R波与动脉脉搏波之间的时间差作为脉搏传导时间。
22.根据权利要求15所述的方法,还包括以下步骤:建立包括对应于多个参考血压计算算法的多个参考度量的数据库;其中,所述多个参考度量包括参考脉搏波信号的时域度量、参考脉搏波信号的频域度量和参考脉搏波信号的时-频域度量中的一种或多种。
23.根据权利要求22所述的方法,还包括更新数据库的步骤。
24.根据权利要求15所述的方法,其中,从利用多个参考脉搏波信号的多个参考度量建立的预测模型获得所述血压计算算法。
25.根据权利要求24所述的方法,还包括以下步骤:从分别针对多个人口子群建立的多个参考预测模型中选择预测模型。
26.根据权利要求24所述的方法,其中,利用普通最小二乘回归法建立所述预测模型。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2016/102712 WO2018072175A1 (en) | 2016-10-20 | 2016-10-20 | Apparatus and method for determining a blood pressure of a subject |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109069031A true CN109069031A (zh) | 2018-12-21 |
CN109069031B CN109069031B (zh) | 2021-12-24 |
Family
ID=62018110
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680001099.4A Active CN109069031B (zh) | 2016-10-20 | 2016-10-20 | 用于确定对象血压的设备和方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10869607B2 (zh) |
CN (1) | CN109069031B (zh) |
WO (1) | WO2018072175A1 (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109730723A (zh) * | 2019-03-11 | 2019-05-10 | 京东方科技集团股份有限公司 | 确定脉搏传输时间的方法、动脉硬化检测设备及系统 |
CN110269618A (zh) * | 2019-06-26 | 2019-09-24 | 中南民族大学 | 一种穿戴式设备及基于穿戴式设备的磁共振心电门控系统 |
WO2020207446A1 (en) * | 2019-04-12 | 2020-10-15 | Beijing Shunyuan Kaihua Technology Co., Ltd. | Blood pressure measurement |
US11627884B2 (en) * | 2017-04-24 | 2023-04-18 | Health Sensing Co., Ltd. | Blood pressure calculation method and device |
CN115990007A (zh) * | 2022-11-30 | 2023-04-21 | 未来穿戴健康科技股份有限公司 | 中心动脉压波形拟合方法、监控装置和手表设备 |
CN117292821A (zh) * | 2023-11-27 | 2023-12-26 | 湖南格尔智慧科技有限公司 | 一种基于知识图谱的辅助诊疗系统 |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10667701B1 (en) * | 2017-02-03 | 2020-06-02 | University Of South Florida | Systems and methods for determining physiological parameters from blood flow dynamics |
JP7016680B2 (ja) * | 2017-11-29 | 2022-02-07 | 日本光電工業株式会社 | 生体情報処理装置、生体情報処理方法およびプログラム |
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 |
EP3935581A4 (en) | 2019-03-04 | 2022-11-30 | Iocurrents, Inc. | DATA COMPRESSION AND COMMUNICATION USING MACHINE LEARNING |
FR3111534A1 (fr) * | 2020-06-22 | 2021-12-24 | Axelife | Procédé de prédiction de la pression artérielle à l’aide de capteurs PPG |
CN114699054A (zh) * | 2022-03-29 | 2022-07-05 | 北京小阳科技有限公司 | 基于人体脉搏波的血压测量方法及系统 |
US20230363651A1 (en) * | 2022-05-13 | 2023-11-16 | Hon Hai Precision Industry Co., Ltd. | Data processing device and method |
WO2023223087A1 (en) * | 2022-05-20 | 2023-11-23 | L&T Technology Services Limited | Non-invasive blood pressure measurement |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101006917A (zh) * | 2006-01-24 | 2007-08-01 | 柯顿(天津)电工电器有限公司 | 可测量血粘度、血管弹性和血压的装置及其测量方法 |
CN101327121A (zh) * | 2007-06-22 | 2008-12-24 | 香港中文大学 | 一种生理参数测量装置 |
JP2012139342A (ja) * | 2010-12-28 | 2012-07-26 | A & D Co Ltd | 自動血圧測定装置 |
CN102894964A (zh) * | 2011-07-26 | 2013-01-30 | 深圳大学 | 一种无创血压测量方法和装置 |
CN103908236A (zh) * | 2013-05-13 | 2014-07-09 | 天津点康科技有限公司 | 一种自动血压测量系统 |
US20140316290A1 (en) * | 2011-10-26 | 2014-10-23 | Omron Healthcare Co., Ltd., | Electronic blood pressure meter |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3213278B2 (ja) * | 1998-05-12 | 2001-10-02 | 日本コーリン株式会社 | 非観血連続血圧推定装置 |
JP5234078B2 (ja) * | 2010-09-29 | 2013-07-10 | 株式会社デンソー | 脈波解析装置および血圧推定装置 |
CN102397064B (zh) * | 2011-12-14 | 2014-02-19 | 中国航天员科研训练中心 | 连续血压测量装置 |
US20140073874A1 (en) | 2012-09-11 | 2014-03-13 | Nellcor Puritan Bennett LLC. | Methods and systems for determining noise information from a physiological signal |
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 |
EP3261524B1 (en) * | 2015-02-25 | 2021-04-21 | Spry Health, Inc. | Systems and methods for non-invasive blood pressure measurement |
CN104739395A (zh) | 2015-03-25 | 2015-07-01 | 华中科技大学 | 一种基于脉搏波的人体血压预测方法 |
JP2018536454A (ja) * | 2015-10-12 | 2018-12-13 | ノースウエスタン ユニヴァーシティNorthwestern University | 携行式血圧及びバイタルサインモニタリング装置、システム、及び方法 |
CN105748051B (zh) * | 2016-02-18 | 2018-10-09 | 京东方科技集团股份有限公司 | 一种血压测量装置 |
EP3419511A4 (en) * | 2016-02-25 | 2019-10-23 | Spry Health, Inc. | SYSTEMS AND METHODS FOR MEASURING MODIFIED PULSE TRANSIT TIME |
-
2016
- 2016-10-20 US US15/565,361 patent/US10869607B2/en active Active
- 2016-10-20 CN CN201680001099.4A patent/CN109069031B/zh active Active
- 2016-10-20 WO PCT/CN2016/102712 patent/WO2018072175A1/en active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101006917A (zh) * | 2006-01-24 | 2007-08-01 | 柯顿(天津)电工电器有限公司 | 可测量血粘度、血管弹性和血压的装置及其测量方法 |
CN101327121A (zh) * | 2007-06-22 | 2008-12-24 | 香港中文大学 | 一种生理参数测量装置 |
JP2012139342A (ja) * | 2010-12-28 | 2012-07-26 | A & D Co Ltd | 自動血圧測定装置 |
CN102894964A (zh) * | 2011-07-26 | 2013-01-30 | 深圳大学 | 一种无创血压测量方法和装置 |
US20140316290A1 (en) * | 2011-10-26 | 2014-10-23 | Omron Healthcare Co., Ltd., | Electronic blood pressure meter |
CN103908236A (zh) * | 2013-05-13 | 2014-07-09 | 天津点康科技有限公司 | 一种自动血压测量系统 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11627884B2 (en) * | 2017-04-24 | 2023-04-18 | Health Sensing Co., Ltd. | Blood pressure calculation method and device |
CN109730723A (zh) * | 2019-03-11 | 2019-05-10 | 京东方科技集团股份有限公司 | 确定脉搏传输时间的方法、动脉硬化检测设备及系统 |
WO2020182010A1 (zh) * | 2019-03-11 | 2020-09-17 | 京东方科技集团股份有限公司 | 确定脉搏传输时间的方法、动脉硬化检测设备及系统 |
WO2020207446A1 (en) * | 2019-04-12 | 2020-10-15 | Beijing Shunyuan Kaihua Technology Co., Ltd. | Blood pressure measurement |
CN112512413A (zh) * | 2019-04-12 | 2021-03-16 | 北京顺源开华科技有限公司 | 血压测量 |
CN110269618A (zh) * | 2019-06-26 | 2019-09-24 | 中南民族大学 | 一种穿戴式设备及基于穿戴式设备的磁共振心电门控系统 |
CN115990007A (zh) * | 2022-11-30 | 2023-04-21 | 未来穿戴健康科技股份有限公司 | 中心动脉压波形拟合方法、监控装置和手表设备 |
CN115990007B (zh) * | 2022-11-30 | 2024-01-23 | 未来穿戴健康科技股份有限公司 | 中心动脉压波形拟合方法、监控装置和手表设备 |
CN117292821A (zh) * | 2023-11-27 | 2023-12-26 | 湖南格尔智慧科技有限公司 | 一种基于知识图谱的辅助诊疗系统 |
CN117292821B (zh) * | 2023-11-27 | 2024-02-27 | 湖南格尔智慧科技有限公司 | 一种基于知识图谱的辅助诊疗系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2018072175A1 (en) | 2018-04-26 |
US20180303354A1 (en) | 2018-10-25 |
US10869607B2 (en) | 2020-12-22 |
CN109069031B (zh) | 2021-12-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109069031A (zh) | 用于确定对象血压的设备和方法 | |
Esmaelpoor et al. | A multistage deep neural network model for blood pressure estimation using photoplethysmogram signals | |
US11844593B2 (en) | System and method for non-invasive determination of blood pressure dip based on trained prediction models | |
Rastegar et al. | Non-invasive continuous blood pressure monitoring systems: current and proposed technology issues and challenges | |
Zhang et al. | An empirical study on predicting blood pressure using classification and regression trees | |
JP4571317B2 (ja) | 無加圧帯式連続血圧監視装置 | |
CN102397064B (zh) | 连续血压测量装置 | |
JP5984088B2 (ja) | 非侵襲的連続血圧モニタリング方法及び装置 | |
CN102488503B (zh) | 连续血压测量装置 | |
US10092268B2 (en) | Method and apparatus to monitor physiologic and biometric parameters using a non-invasive set of transducers | |
Miao et al. | A wearable sensor for arterial stiffness monitoring based on machine learning algorithms | |
Chiang | Ecg-based mental stress assessment using fuzzy computing and associative petri net | |
CN113160921A (zh) | 一种基于血流动力学的数字人体心血管系统的构建方法和应用 | |
Shao et al. | An optimization study of estimating blood pressure models based on pulse arrival time for continuous monitoring | |
Vakulenkoa et al. | New application of blood pressure monitor with software environment Oranta-AO based on arterial oscillography methods | |
Agham et al. | Learning and non-learning algorithms for cuffless blood pressure measurement: a review | |
US20230210492A1 (en) | Hemodynamii parameter estimation | |
Hsiao et al. | Design and implementation of auscultation blood pressure measurement using vascular transit time and physiological parameters | |
Baktash et al. | Characteristic ratio-independent arterial stiffness-based blood pressure estimation | |
Sinha et al. | iHyptn: Predicting Hypertension using PPG signal for Cardiovascular Disease with Machine Learning Models | |
Wang et al. | A comparison of three types of pulse signals: Physical meaning and diagnosis performance | |
Shao et al. | A unified calibration paradigm for a better cuffless blood pressure estimation with modes of elastic tube and vascular elasticity | |
Fainzilberg | Expanding of intellectual possibilities of digital tonometers for home using | |
Viunytskyi et al. | Human Blood Pressure Measurement Using Machine Learning Strategy | |
Zhang | Cuff-free blood pressure estimation using signal processing techniques |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |