CN109890276B - 血压监测方法、装置和设备 - Google Patents
血压监测方法、装置和设备 Download PDFInfo
- Publication number
- CN109890276B CN109890276B CN201780066242.2A CN201780066242A CN109890276B CN 109890276 B CN109890276 B CN 109890276B CN 201780066242 A CN201780066242 A CN 201780066242A CN 109890276 B CN109890276 B CN 109890276B
- Authority
- CN
- China
- Prior art keywords
- blood pressure
- user
- model
- biological signal
- tested
- 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
- 230000036772 blood pressure Effects 0.000 title claims abstract description 382
- 238000012544 monitoring process Methods 0.000 title claims abstract description 80
- 238000000034 method Methods 0.000 title abstract description 88
- 238000012549 training Methods 0.000 claims description 84
- 238000012806 monitoring device Methods 0.000 claims description 78
- 238000012545 processing Methods 0.000 claims description 23
- 230000008859 change Effects 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 13
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 230000000694 effects Effects 0.000 abstract description 13
- 230000007958 sleep Effects 0.000 abstract description 9
- 230000006870 function Effects 0.000 description 20
- 230000008569 process Effects 0.000 description 16
- 238000013461 design Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 12
- 210000000707 wrist Anatomy 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000003068 static effect Effects 0.000 description 7
- 238000012417 linear regression Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 206010020772 Hypertension Diseases 0.000 description 4
- 238000009530 blood pressure measurement Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 239000012141 concentrate Substances 0.000 description 3
- 230000010355 oscillation Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000010187 selection method Methods 0.000 description 3
- 230000017531 blood circulation Effects 0.000 description 2
- 210000004204 blood vessel Anatomy 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000037213 diet Effects 0.000 description 2
- 235000005911 diet Nutrition 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 206010010164 Hypertension complications Diseases 0.000 description 1
- 208000006011 Stroke Diseases 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 230000007937 eating Effects 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 208000010125 myocardial infarction Diseases 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000036391 respiratory frequency Effects 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 210000003437 trachea Anatomy 0.000 description 1
Images
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
- A61B5/02—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
- A61B5/02116—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics of pulse wave amplitude
-
- 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
- A61B5/02—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
- A61B5/02233—Occluders specially adapted therefor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1495—Calibrating or testing of in-vivo probes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/681—Wristwatch-type devices
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- 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]
-
- 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
- A61B5/369—Electroencephalography [EEG]
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Cardiology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Vascular Medicine (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Fuzzy Systems (AREA)
- Ophthalmology & Optometry (AREA)
- Optics & Photonics (AREA)
- Dentistry (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
一种血压监测方法、装置和设备。方法包括:采集待测用户的第一生物信号(S101);根据第一生物信号和预先建立的个体校准模型,预测待测用户的第一血压值(102)。方法仅需采集待测用户的第一生物信号就可以预测出待测用户的第一血压值,采集方式简单,也不会打断用户的睡眠,大大提高了用户的体验效果。
Description
技术领域
本申请涉及通信技术,尤其涉及一种血压监测方法、装置和设备。
背景技术
血压是推动血液在血管内循环流动的动力,能够为各组织器官提供足够的血量,以维持器官正常的新陈代谢。其中,血压增高表现出的高血压,是一种很常见的心血管疾病,高血压会带来脑卒中、失明、心肌梗死等诸多危害。由于人体的血压在一天内是变化的,同时情绪、运动、进食、吸烟、饮酒等因素都会影响血压,所以偶测血压具有较大的偶然性。相比于偶测血压,连续血压监测(即在一段时间内每间隔特定时间测量一次血压值)能够提升早期高血压病的诊断,更好地预防心脑血管并发症的发生以及预测高血压的并发症和死亡的发生和发展。
目前,常见的连续血压监测方式为利用袖带加压充气的方式进行血压的连续监测,其本质是使用袖带式的血压计,一股是基于震荡法来测量血压的,具体过程是:每间隔一定时间使用袖带加压充气方式测量一次血压值,然后通过手动的方式记录每一次测量的结果。
但是,现有技术这种血压监测方法,袖带需要频繁地充气放气,用户体验性较差;并且,当用户睡眠时,袖带充气会打断用户的正常的睡眠,袖带充气的噪音会导致用户心率增加和血压上升,其无法用于夜间的血压监测。
发明内容
本申请提供一种血压监测方法、装置和设备,用以解决现有技术中利用袖带加压充气的方式为用户进行连续血压监测导致的用户体验性较差,且当用户睡眠时,袖带充气会打断用户的正常的睡眠,其无法用于夜间的血压监测的技术问题。
第一方面,本申请提供一种血压监测方法,包括:
采集待测用户的第一生物信号;
根据所述第一生物信号和预先建立的个体校准模型,预测所述待测用户的第一血压值;
其中,所述个体校准模型为根据所述待测用户的校准数据和预设的模型训练数据得到的,所述校准数据包括所述待测用户在采集所述第一生物信号之前实际测量的第二血压值和与所述第二血压值对应的第二生物信号,所述模型训练数据包括训练用户实际测量的第三血压值和与所述第三血压值对应的第三生物信号;所述第一生物信号、所述第二生物信号和所述第三生物信号均为能够产生波形的生理信号。
上述第一方面所提供的方法,血压监测设备仅需通过采集待测用户的第一生物信号就可以预测出待测用户在当前时刻和/或未来一段时间内的第一血压值,从而达到连续监测血压的目的,该第一生物信号为能够产生波形的生理信号,其采集方式简单,无需利用袖带式的血压计频繁的充气放气,从而也无需因为频繁的充气放气在夜间打断用户的睡眠,大大提高了用户的体验效果面并且可以用于夜间的血压监测;另一方面,本申请中的个体校准模型是通过待测用户的校准数据和预设的模型训练数据得到的,由于该校准数据反映了待测用户的真实身体情况,模型训练数据也集中了大部分用户的生理参数,从而使得该个体校准模型能够真实反映待测用户的个体差异,因此本申请利用该个体校准模型大大提高了血压预测的精度。
在一种可能的设计中,所述方法还包括:
获取所述待测用户的至少一条所述校准数据;
根据所述至少一条校准数据和所述模型训练数据,建立所述待测用户对应的个体校准模型。
在一种可能的设计中,所述方法还包括:
在预设的模型更新周期到达时,获取所述待测用户的至少一条新的校准数据;
根据所述至少一条新的校准数据,更新所述待测用户的个体校准模型,得到新的个体校准模型。
在一种可能的设计中,所述根据所述至少一条校准数据和所述模型训练数据,建立所述待测用户对应的个体校准模型,包括:
根据所述至少一条校准数据,从所述模型训练数据中确定所述待测用户所需的训练数据集合;
根据所述待测用户所需的训练数据集合和预设的建模算法,得到所述待测用户对应的个体校准模型,所述个体校准模型为包括多个模型参数的参数集合。
上述各可能的设计所提供的方法,通过获取待测用户的至少一条所述校准数据,并根据该至少一条校准数据和模型训练数据,建立待测用户对应的个体校准模型,由于这些校准数据反映了待测用户的真实身体情况,模型训练数据也集中了大部分训练用户的生理参数,从而使得该个体校准模型能够真实反映待测用户的个体差异,因此本申请利用该个体校准模型大大提高了待测用户的血压预测的精度;另一方面,本实施例能够结合待测用户的新的校准数据周期的对待测用户的个体校准模型进行更新,从而基于新的个体校准模型预测待测用户的第一血压值,进一步提高了血压预测的准确度。
在一种可能的设计中,所述根据所述第一生物信号和预设的个体校准模型,预测所述待测用户的第一血压值,具体包括:
对所述第一生物信号进行特征提取操作,得到能够表征所述第一生物信号的特征集合;所述特征集合包括按照预设特征顺序排列的特征数值,位于不同顺序的特征数值所表征的第一生物信号的特征不同;
将所述特征集合中的特征数值和所述参数集合中的模型参数按照预设的算法进行计算,得到所述待测用户的第一血压值。
在一种可能的设计中,所述采集待测用户的第一生物信号,具体包括:
判断所述待测用户是否为静止状态;
当所述待测用户为静止状态且佩戴血压监测设备时,按照预设的采集周期采集所述待测用户的第一生物信号。
在一种可能的设计中,所述第一生物信号、所述第二生物信号和所述第三生物信号均为所述待测用户的脉搏波信号。
上述各可能的设计提供的方法,通过对采集的第一生物信号进行特征提取,得到能够表征该第一生物信号的特征集合,并将该特征集合中的每个特征数值作为个体校准模型的输入值,由于上述个体校准模型的实质是一组参数,因此,血压监测设备可以将该特征集合中的特征数值和上述参数集合中的模型参数按照预设的算法进行计算,从而即可得到待测用户的第一血压值。由于个体校准模型是基于待测用户的校准数据和训练用户的模型训练数据得到的,该个体校准模型能够真实反映待测用户的个体差异,因此,在待测用户需要预测血压时,仅基于采集的第一生物信号就可以预测用户的血压,预测精度高,且预测方式简单;另外,本申请的血压监测设备集血压采集、生物信号采集、生物信号处理、模型建立以及血压跟踪的功能于一体,使得装置更简单,用户使用更方便,降低了可穿戴血压连续测量装置的复杂度,提升了用户进行血压测量的体验效果;进一步地,本申请的血压监测设备能够自动触发采集血压以及生物信号的数据,即其能够便捷地获取模型训练数据,可实现连续血压监测和家庭监测。
在一种可能的设计中,所述方法还包括:
根据预测的不同时刻的第一血压值,生成血压变化曲线;
显示所述血压变化曲线。
该可能的设计提供的方法,可以使得待测用户能够获知自己在一段时间之内的血压变化情况,结合自身的运动和饮食,及时调整影响血压的生活因素,为待测用户合理控制血压提供了有效的参考和依据。
在一种可能的设计中,所述方法还包括:
当所述待测用户的第一血压值大于预设阈值时,输出提示信息;其中,所述提示信息用于提示血压异常。
该可能的设计提供的方法,可以使得待测用户或者待测用户的家属或者朋友能够及时获知待测用户的血压异常情况,使得待测用户能够及时避免因血压过高而导致的高血压并发症的问题。
在一种可能的设计中,所述方法还包括:
获取待测用户输入的周期设置操作;
根据所述周期设置操作显示周期设置界面,所述周期设置界面包括多个模型更新周期;
根据待测用户在所述周期设置界面上的周期选择操作,获取所述预设的模型更新周期。
该可能的设计提供的方法,血压监测设备可以向用户显示周期设置界面,从而使得用户可以基于该周期设置界面选择适合所述用户的模型更新周期,提高了人机交互的智能性,也满足了用户的使用要求,提高了用户的体验效果。
第二方面,为了实现上述第一方面的血压监测方法,本申请实施例提供了一种血压监测设备,该设备具有实现上述血压监测方法的功能。所述功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的模块。
在第二方面的一种可能的实现方式中,该血压监测设备包括多个功能模块或单元,用于实现上述第一方面中的任一种血压监测方法。
在第二方面的另一种可能的实现方式中,该血压监测设备的结构中可以包括处理器和采集器。所述处理器被配置为支持该设备执行上述第一方面中任一种血压监测方法中相应的功能。所述采集器,用于采集相应的生物信号或者血压,使得处理器能够根据所采集的数据预测用户的血压。该设备中还可以包括存储器,所述存储器用于与处理器耦合,其保存该血压监测设备执行上述血压监测方法必要的程序指令和数据。
第三方面,本申请实施例提供了一种计算机存储介质,用于储存为上述血压监测设备所用的计算机软件指令,其包含用于执行上述第一方面所设计的程序。
第四方面,本申请实施例提供一种计算机程序产品,其包含指令,当所述计算机程序被计算机所执行时,该指令使得计算机执行上述方法中血压监测设备所执行的功能。
相较于现有技术,本申请提供的血压监测方法、装置和设备,血压监测设备仅需通过采集待测用户的第一生物信号就可以预测出待测用户在当前时刻和/或未来一段时间内的第一血压值,从而达到连续监测血压的目的,该第一生物信号为能够产生波形的生理信号,其采集方式简单,无需利用袖带式的血压计频繁的充气放气,从而也无需因为频繁的充气放气在夜间打断用户的睡眠,大大提高了用户的体验效果面并且可以用于夜间的血压监测;另一方面,本申请中的个体校准模型是通过待测用户的校准数据和预设的模型训练数据得到的,由于该校准数据反映了待测用户的真实身体情况,模型训练数据也集中了大部分用户的生理参数,从而使得该个体校准模型能够真实反映待测用户的个体差异,因此本申请利用该个体校准模型大大提高了血压预测的精度。
附图说明
图1为本申请提供的血压监测设备的框图;
图2为本申请提供的血压监测方法实施例一的流程示意图;
图3为本申请提供的血压监测方法实施例二的流程示意图;
图4为本申请提供的血压监测方法实施例三的流程示意图;
图5为本申请提供的血压监测方法实施例四的流程示意图;
图6为本申请提供的血压监测方法的实施例五的流程示意图;
图7为本申请提供的血压监测方法的实施例六的流程示意图;
图8为本申请提供的血压监测装置实施例一的结构示意图;
图9为本申请提供的血压监测装置实施例二的结构示意图;
图10为本申请提供的血压监测装置实施例三的结构示意图;
图11为本申请提供的血压监测装置实施例四的结构示意图;
图12为本发明提供的血压监测设备实施例的结构示意图。
具体实施方式
本申请实施例提供的血压监测方法、装置和设备,可以适用于人体血压监测的场景,可选的,该血压监测方法的执行主体可以是血压监测设备,该血压监测设备可以是具有血压监测功能的终端设备,还可以是具有血压监测功能的可穿戴设备,该可穿戴设备可以是穿戴在手臂或者手腕上的设备,还可以是佩戴在胸前或者掌心的设备,还可以是佩戴在头部的设备,本申请对可穿戴设备的具体形式并不做限定。可选的,该血压监测设备根据功能可以被划分为多个模块,如图1所示,该血压监测设备可以包括:生物信号采集模块11和血压跟踪模块12。可选的,该血压监测设备还可以包括血压采集模块13、模型建立模块14和生物信号处理模块15,关于每个模块的功能或者所执行的操作,以及每个模块之间的连接关系,可以参见下述实施例的描述。
现有技术在连续监测用户血压时,通常利用袖带加压充气的方式进行血压的连续监测,但是现有技术这种血压监测方法,袖带需要频繁地充气放气,用户体验性较差;特别地,当用户睡眠时,袖带充气会打断用户的正常的睡眠,袖带充气的噪音会导致用户心率增加和血压上升,其无法用于夜间的血压监测。本申请提供的血压监测方法和设备,旨在解决现有技术的如上技术问题。
需要说明的是,在本申请实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。本文中字符“/”,一股表示前后关联对象是一种“或”的关系。
应当理解,尽管在本申请实施例中可能采用术语第一、第二、第三等来描述各种消息、请求和终端,但这些消息、请求和终端不应限于这些术语。这些术语仅用来将消息、请求和终端彼此区分开。例如,在不脱离本申请实施例范围的情况下,第一终端也可以被称为第二终端,类似地,第二终端也可以被称为第一终端。
取决于语境,如在此所使用的词语“如果”或“若”可以被解释成为“在......时”或“当......时”或“响应于确定”或“响应于检测”。类似地,取决于语境,短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本申请的实施例进行描述。
图2为本申请提供的血压监测方法实施例一的流程示意图。本实施例涉及的是血压监测设备通过采集待测用户的生物信号,根据该采集的生物信号和预设的个体校准模型预测待测用户的在未来某一个或者多个时刻的血压,从而实现对待测用户的血压监测的具体过程。如图2所示,该方法包括如下步骤:
S101:采集待测用户的第一生物信号。
具体的,当待测用户佩戴血压监测设备,且启动了血压监测设备时,血压监测设备可以采集待测用户的第一生物信号。可选的,该第一生物信号为能够产生波形的人体的生理信号,例如,该第一生物信号可以是心电信号、脑电信号,甚至还可以是人体的呼吸频率等,本申请对第一生物信号的具体形式并不做限定,只要是人体产生的具有一定波形的生理信号即可。可选的,该S101可以通过上述图1所示的生物信号采集模块获取。
S102:根据所述第一生物信号和预先建立的个体校准模型,预测所述待测用户的第一血压值。
其中,所述个体校准模型为根据所述待测用户的校准数据和预设的模型训练数据得到的,所述校准数据包括所述待测用户在采集所述第一生物信号之前实际测量的第二血压值和与所述第二血压值对应的第二生物信号,所述模型训练数据包括训练用户实际测量的第三血压值和与所述第三血压值对应的第三生物信号;所述第一生物信号、所述第二生物信号和所述第三生物信号均为能够产生波形的生理信号。
具体的,本申请中,血压监测设备内部预设一个体校准模型,该个体校准模型可以是待测用户在获得一出厂的血压监测设备后,通过待测用户的校准数据和预设的模型训练数据得到的,还可以是待测用户使用一段时间后根据自己的身体情况进行模型更新得到的个体校准模型。可选的,该个体校准模型可以是血压监测设备自己通过相应的建模方法得到的,还可以是血压监测设备从其他模型建立设备上(例如计算机)获取的。可选的,该个体校准模型可以是通过使用线性回归、支持向量机等回归方法对模型训练数据和待测用户的校准数据进行训练得到的,本申请对模型建立的方法并不做限定。
一方面,上述待测用户的校准数据包括待测用户在采集上述第一生物信号之前实际测量的第二血压值和与该第二血压值对应的第二生物信号,该校准数据可以是一条,还可以是多条,本申请并不以此为限。该第二生物信号也是能够产生波形的人体的生理信号,其与第一生物信号的类型可以相同。该校准数据可以是通过血压监测设备直接测量得到的,还可以是血压监测设备通过其他能够与血压监测设备进行有线或者无线通信的设备获取的。需要说明的是,这里的“第二血压值与第二生物信号对应”实际上是说,第二血压值的测量时刻和第二生物信号的采集时刻相同,或者时间距离小于预设阈值,从而使得该第二血压值和第二生物信号具有一定的关联性。
另一方面,上述模型训练数据包括训练用户实际测量的第三血压值和与第三血压值对应的第三生物信号,该模型训练数据可以是血压监测设备在出厂之前,通过采集多个训练用户的第三血压值和与该第三血压值对应的第三生物信号得到的,即该模型训练数据中包括多个第三血压值和多个第三生物信号。该第三生物信号也是能够产生波形的人体的生理信号,其与第一生物信号和第二生物信号的类型可以相同。该模型训练数据可以是通过血压监测设备直接测量得到的,还可以是血压监测设备通过其他能够与血压监测设备进行有线或者无线通信的设备获取的。需要说明的是,这里的“第三血压值与第三生物信号对应”实际上是说,第三血压值的测量时刻和第三生物信号的采集时刻相同,或者时间距离小于预设阈值,从而使得该第三血压值和第三生物信号具有一定的关联性。可选的,上述训练用户可以是除待测用户之外的其他用户,还可以是包含待测用户的部分用户,本实施例对训练用户的个体类型并不做限定。
因此,当血压监测设备采集到待测用户的第一生物信号之后(该第一生物信号是上述生物信号采集模块采集的),血压监测设备可以对该第一生物信号进行相应的处理,以处理成为满足个体校准模型的输入格式的生物数据,从而将该生物数据作为个体校准模型的输入,预测待测用户的第一血压值,可选的,可以预设待测用户在某一时刻的第一血压值(例如预测待测用户当前时刻的第一血压值,还可以是预测待测用户在未来某一时刻的第一血压值),还可以预测待测用户在未来某一段时间内的第一血压值。
需要说明的是,血压监测设备可以周期采集待测用户的第一生物信号,因此,每采集一次第一生物信号,就可以根据预设的个体校准模型预测出待测用户在某一时刻或者某一时间段的第一血压值,该第一生物信号的采集时刻和血压预测时间之间对应一定的对应关系。例如,血压监测设备在上午9点采集了待测用户的第一生物信号,则血压监测设备根据该9点的第一生物信号会预测得到待测用户在上午9点至上午10点的第一血压值,然后血压监测设备在9点半再次采集了待测用户的第一生物信号,则血压监测设备根据该9点半采集的第一生物信号会预测得到待测用户在上午9点半至10点半的第一血压值。基于上述描述,血压监测设备可以获得待测用户在不同时刻的多个第一血压值,从而完成对待测用户的血压的连续监测。可选的,上述S102可以是由图1所示的血压跟踪模块执行的。
由上述描述可知,本申请提供的血压监测方法,血压监测设备仅需通过采集待测用户的第一生物信号就可以预测出待测用户在当前时刻和/或未来一段时间内的第一血压值,从而达到连续监测血压的目的,该第一生物信号为能够产生波形的生理信号,其采集方式简单,无需利用袖带式的血压计频繁的充气放气,从而也无需因为频繁的充气放气在夜间打断用户的睡眠,大大提高了用户的体验效果面并且可以用于夜间的血压监测;另一方面,本申请中的个体校准模型是通过待测用户的校准数据和预设的模型训练数据得到的,由于该校准数据反映了待测用户的真实身体情况,模型训练数据也集中了大部分用户的生理参数,从而使得该个体校准模型能够真实反映待测用户的个体差异,因此本申请利用该个体校准模型大大提高了血压预测的精度。
图3为本申请提供的血压监测方法实施例二的流程示意图。本实施例涉及的是血压监测设备自主采集待测用户的校准数据,并通过所采集的校准数据和上述预设的模型训练数据,建立待测用户对应的个体校准模型的具体过程。这里需要说明的是,本申请中,由于每个待测用户的校准数据不同(每个血压监测设备的模型训练数据可能相同,也可能不同),因此每个待测用户对应的个体校准模型不同。继续参见图1所示的血压监测设备的结构图,在本实施例中,该血压监测设备除了上述生物信号采集模块和血压跟踪模块之外,还可以包括血压采集模块、模型建立模块和生物信号处理模块。在上述实施例的基础上,进一步地,在上述S101之前,该方法还可以包括:
S201:获取所述待测用户的至少一条所述校准数据。
具体的,该步骤可以由上述血压监测设备的血压采集模块执行。该血压采集模块主要用于获取待测用户的校准血压值(该校准血压值即上述第二血压值,即血压采集模块实际测量出来的血压值),该血压采集模块与上述生物信号采集模块相连。需要说明的是,本实施例中血压监测设备为佩戴在待测用户手臂或者手腕的可穿戴设备。当用户使用该可穿戴移动设备中的血压采集功能时,该可穿戴设备会向待测用户推送一些建议的配置供用户选择血压测量时刻(用户所选择的血压测量时刻可以为多个),当用户选择了测量时刻并保存后,每当到达设置的测量点(即血压测量时刻)时,经待测用户确认,该血压采集模块就会获取待测用户的校准血压值(即第二血压值),并记录当前第二血压值与当前的血压测量时刻。
在具体实施过程中,上述可穿戴设备可以为一微泵血压手表,该血压采集模块可以包括内置的微泵、测量血压用的腕带以及压力传感器,上述校准血压值的采集过程具体为:微泵血压手表通过微泵加压给腕带自动充气,充气一定时间后停止加压,开始放气,当气压降低到一定程度,血流就能通过血管,且具有一定的振荡波,振荡波传播到压力传感器,压力传感能实时检测到特制腕带内的压力及波动,然后基于该压力及波动利用特定的算法来测算校准血压值(即第二血压值)。
由于上述血压采集模块和生物信号采集模块连接,该生物信号采集模块如实施例一所描述的用于采集待测用户的第二生物信号,并将第二生物信号提供给与该生物信号采集模块相连的生物信号处理模块进行相应的处理。在每次腕带加压获取血压值并放气完毕后,可穿戴设备通过生物信号采集模块,自动地采集用户的第一生物信号1-2分钟,该生物信号采集模块采集的第二生物信号与血压采集模块实际测得的第二血压值组合在一起,作为该待测用户的一条校准数据。按照此方法,可以得到待测用户的多条校准数据。
可选的,本实施例中,上述第一生物信号、第二生物信号和第三生物信号为待测用户或者训练用户的脉搏波信号,上述血压监测设备(即本实施例中的可穿戴设备)均可作为生物信号采集模块和血压采集模块的载体。
S202:根据所述至少一条校准数据和所述模型训练数据,建立所述待测用户对应的个体校准模型。
具体的,该步骤可以由上述生物信号处理模块和模型建立模块一起配合执行,该生物信号处理模块分别与上述生物信号采集模块和该模型建立模块相连。
当生物信号处理模块获得上述生物信号采集模块和血压采集模块共同采集得到的至少一条校准数据之后,对来自上述生物信号采集模块和血压采集模块共同采集到的所有校准数据中的第二生物信号进行处理,以获取能够表征这些第二生物信号的特征集合。需要说明的是,每一个第二生物信号对应一组能够表征该第二生物信号的特征数值。例如,假设该第二生物信号为脉搏波信号,则能够表征该脉搏波信号的特征数值可以是该脉搏波信号的波峰值、波谷值、波峰到波谷之间的时间距离(即脉搏波信号的周期)等数值。
另外,本实施例中的模型训练数据中的第三血压值和与第三血压值对应的第三生物信号也可以是本实施例中可穿戴设备的血压采集模块和生物信号采集模块实际测量或者采集得到的。
进一步地,基于上述生物信号采集模块和血压采集模块共同采集到的所有校准数据中的每个第二血压值和与每个第二血压值对应的第二生物信号的特征集合,采用相应的建模算法,就可以得到待测用户对应的个体校准模型。可选的,所得到的个体校准模型可以是包括多个模型参数的参数集合。
可选的,作为上述S202的一种可能的实施方式,参见图4所示的实施例三,该建立待测用户的个体校准模型的具体过程可以包括:
S301:根据所述至少一条校准数据,从所述模型训练数据中确定所述待测用户所需的训练数据集合。
S302:根据所述待测用户所需的训练数据集合和预设的建模算法,得到所述待测用户对应的个体校准模型,所述个体校准模型为包括多个模型参数的参数集合。
结合上述S301和S302的步骤,这两个步骤由图1中的模型建立模块执行。在建立待测用户的个体校准模型之前,血压采集模块和生物信号采集模块会获取足够多的第三血压值和与第三血压值对应的第三生物信号,经由生物信号处理模块进行特征提取,获得能够表征第三生物信号的特征集合,每个第三生物信号的特征集合中包括了多个能够表征第三生物信号特征的特征数值。每个第三生物信号的特征集合和每个第三生物信号所对应的第三血压值就组合作为上述模型训练数据。
在可穿戴设备获取了足够多的模型训练数据后,该可穿戴设备即可以出厂,出厂后假设被待测用户所购买,当待测用户启动了该可穿戴设备的血压监测功能之后,该可穿戴设备的模型建立模块开始工作,即模型建立模块触发血压采集模块和生物信号处理模块采集待测用户的至少一条校准数据,基于所有的校准数据中的第二血压值,从上述模型训练数据中确定待测用户所需的训练数据集合。例如,某用户使用的校准数据的第二血压值的平均值为130,则取出模型训练数据中的血压值(即第三血压值)在130附近(如120~140区间)的那部分训练数据作为该用户的训练数据集,然后基于上述得到的校准数据和该训练数据集建立该待测用户的个体校准模型。可选的,模型建立模块可以使用线性回归、支持向量机等回归方法进行建模。本实施方式中,个体校准模型的实质就是一组参数,即个体校准模块为包含多个模型参数的参数集合。
可选的,在模型的建立过程中,需要确定适合建模的特征。可以使用自动特征选择方法来筛选出适合建立模型的特征,自动特征选择方法,包括:皮尔逊相关系数、信息增益等过滤式特征选择方法;序列前向搜索、序列浮动前向搜索等封装式特征选择方法;或者结合使用过滤式和封装式的特征选择方法。
可选的,上述模型建立模块可以在建立了个体校准模型之后,固定该个体校准模型,即在后续的血压预测中,可穿戴设备持续使用该个体校准模型。可选的,该模型建立模块也可以根据实际的使用过程,不断的更新该个体校准模型,例如待测用户的身体状况发生变化,或者直接更换了待测用户,此时均需要更新个体校准模型,以确保后续血压预测的精度。参见图5所示的实施例四,个体校准模型更新的过程包括如下步骤:
S401:在预设的模型更新周期到达时,获取所述待测用户的至少一条新的校准数据。
S402:根据所述至少一条新的校准数据,更新所述待测用户的个体校准模型,得到新的个体校准模型。
结合上述S401和S402,模型建立模块中预设了一模型更新周期,例如每隔几天更新一次待测用户的个体校准模块或者每个几个小时更新一次待测用户的个体校准模型。因此,当一个模型更新周期到达时,模型建立模块触发血压采集模块和生物信号采集模块再次获取至少一条新的校准数据,然后根据该至少一条新的校准数据更新前面所建立的待测用户的旧的个体校准模型,得到新的个体校准模型。可选的,模型建立模块可以直接根据上述至少一条新的校准数据和模型训练数据,按照上述S201至S302的方法构建新的个体校准模型,还可以是模型建立模块根据上述至少一条新的校准数据、模型训练数据以及该待测用户建立上一个个体校准模型之前的所有校准数据,得到新的个体校准模型。具体的建模过程可以参见上述S201至S302的方法,在此不再赘述。
本申请实施例提供的血压监测方法,通过获取待测用户的至少一条所述校准数据,并根据该至少一条校准数据和模型训练数据,建立待测用户对应的个体校准模型,由于这些校准数据反映了待测用户的真实身体情况,模型训练数据也集中了大部分训练用户的生理参数,从而使得该个体校准模型能够真实反映待测用户的个体差异,因此本申请利用该个体校准模型大大提高了待测用户的血压预测的精度;另一方面,本实施例能够结合待测用户的新的校准数据周期的对待测用户的个体校准模型进行更新,从而基于新的个体校准模型预测待测用户的第一血压值,进一步提高了血压预测的准确度。
图6为本申请提供的血压监测方法的实施例五的流程示意图。本实施例涉及的是可穿戴设备根据血压采集模块采集的第一生物信号和模型建立模块建立的个体校准模型,预测待测用户的第一血压值的具体过程。在上述实施例的基础上,上述S101具体可以包括:
S501:对所述第一生物信号进行特征提取操作,得到能够表征所述第一生物信号的特征集合;所述特征集合包括按照预设特征顺序排列的特征数值,位于不同顺序的特征数值所表征的第一生物信号的特征不同。
具体的,该步骤可以由上述生物信号处理模块执行。当上述生物信号采集模块采集到待测用户的第一生物信号之后,将该第一生物信号传输给生物信号处理模块,使得生物信号处理模块对该第一生物信号执行特征提取操作,即提取能够表征该第一生物信号的相关特征数据(可选的,这些特征数据可记为x0,x1,x2,...,xn),该相关特征数据即为第一生物信号的特征集合。上述特征提取的过程实际上是将生物信号转化为一组具体的特征数值,在特征集合中这些具体的特征数值是按照预设特征顺序排列的,位于不同顺序的特征数值所表征的第一生物信号的特征不同。例如,假设生物信号处理模块对第一生物信号执行特征提取操作得到的特征集合为{1,-1,0.5},系统中预设的特征顺序排列为{波峰,波谷,波峰到波谷的时间距离},则特征集合中的特征数值1就是波峰的值,-1就是波谷的数值,0.5就是波峰到波谷的时间距离。在后续的血压预测过程中,血压跟踪模块就是利用该第一生物信号的这些特征数值进行计算的。
可选的,生物信号处理模块可以对第一生物信号进行滤波等过滤操作,即滤除第一生物信号的噪声或者干扰,然后从过滤后的第一生物信号中,提取能够表征第一生物信号的相关特征数据,确保特征提取的准确性。
S502:将所述特征集合中的特征数值和所述参数集合中的模型参数按照预设的算法进行计算,得到所述待测用户的第一血压值。
具体的,该步骤可以由上述血压跟踪模块执行,该模块与上述模型建立模块相连,通过第一生物信号来预测用户的血压值。对于每一个用户,可穿戴设备中的生物信号采集模块采集该用户的第一生物信号后,通过生物信号处理模块获得该第一生物信号的相关特征数据(即特征集合),然后将该用户的相关特征数据输入到模型建立模块,最后通过模型建立模块建立的个体校准模型来预测该用户的血压值。
按照上述实施例所描述的,待测用户的个体校准模型实际上是一组参数(即就是包含了多个模型参数的参数集合),该血压跟踪模块在进行血压预测时,是将上述采集的第一生物信号的相关特征数据(即特征集合中的特征数值)按照指定的规则(即预设的算法)与这组参数(即个体校准模型)进行操作,即可获得预测的血压值。
在具体实施过程中,假设上述个体校准模型是通过采用线性回归的方法建模得到的,即该个体校准模型实际上是一线性回归预测模型,线性回归预测模型的实质就是一组参数,设为B,B具体为{b0,b1,b2,...,bn},上述第一生物信号的特征集合(例如x0,x1,x2,...,xn)作为个体校准模型的输入值,血压监测的具体实现就是参数B和输入值对应的数值特征的每一个对应值进行相乘相加的操作,获得预测的第一血压值,即第一血压值BP=b0*x0+b1*x1+b2*x2+...+bn*xn。
可选的,血压跟踪模块还可以根据预测的不同时刻的第一血压值,生成血压变化曲线,然后显示该血压变化曲线,从而使得待测用户能够获知自己在一段时间之内的血压变化情况,结合自身的运动和饮食,及时调整影响血压的生活因素,为待测用户合理控制血压提供了有效的参考和依据。
可选的,当上述待测用户的第一血压值大于预设阈值时,血压跟踪模块还可以输出提示信息,该提示信息用于提示血压异常,可选的,该提示信息可以是直接提供给待测用户的信息,还可以是提供给待测用户的家属或者朋友的信息,也就是说,当血压跟踪模块确定待测用户的第一血压值大于预设阈值时,可以通过血压监测设备的通信模块将该提示信息发送给待测用户的家属或朋友的电子设备,从而使得这些人也能够掌握待测用户的血压监测情况,及时为待测用户提供帮助。
可选的,在上述生物信号采集模块采集用户的第一生物信号时,生物信号采集模块可以通过判断待测用户是否为静止状态,当确定待测用户为静止状态且佩戴了血压监测设备时,生物信号采集模块即可以按照预设的采集周期采集待测用户的第一生物信号,达到血压跟踪的目的,如上述可选的方式中所描述的,这些预测的所有的第一血压值可绘制成血压曲线,当血压值有异常可适时提醒待测用户和/或待测用户的家属。
本申请实施例提供的血压监测方法,通过对采集的第一生物信号进行特征提取,得到能够表征该第一生物信号的特征集合,并将该特征集合中的每个特征数值作为个体校准模型的输入值,由于上述个体校准模型的实质是一组参数,因此,血压监测设备可以将该特征集合中的特征数值和上述参数集合中的模型参数按照预设的算法进行计算,从而即可得到待测用户的第一血压值。由于个体校准模型是基于待测用户的校准数据和训练用户的模型训练数据得到的,该个体校准模型能够真实反映待测用户的个体差异,因此,在待测用户需要预测血压时,仅基于采集的第一生物信号就可以预测用户的血压,预测精度高,且预测方式简单;另外,本申请的血压监测设备集血压采集、生物信号采集、生物信号处理、模型建立以及血压跟踪的功能于一体,使得装置更简单,用户使用更方便,降低了可穿戴血压连续测量装置的复杂度,提升了用户进行血压测量的体验效果;进一步地,本申请的血压监测设备能够自动触发采集血压以及生物信号的数据,即其能够便捷地获取模型训练数据,可实现连续血压监测和家庭监测。
在上述实施例中,模型建立模块可以在预设的模型更新周期到达时,更新待测用户的个体校准模型。该预设的模型更新周期可以是在血压监测设备出厂时就内置好的一个更新周期,还可以是用户自己设定的,还可以是血压监测设备本身就具有多个模型更新周期,用户基于这多个模型更新周期选择的一个更新周期。
图7为本申请提供的血压监测方法的实施例六的流程示意图。本实施例涉及的是血压监测设备根据用户的设置获取实际使用的模型更新周期的具体过程。该方法包括如下步骤:
S601:获取待测用户输入的周期设置操作。
具体的,用户可以基于该血压监测设备,通过触摸或者按下相应的控件来向血压监测设备输入周期设置操作。可选的,血压监测设备可以提供一进入周期设置界面的触发控件,该触发控件可以是虚拟按键,还可以是物理按键。血压监测设备根据用户触发控件的类型和操作,确定待测用户输入的是周期设置操作。可选的,如果待测用户点击的是血压监测设备的显示界面上的某一个虚拟控件,则血压监测设备可以根据用户点击界面的坐标,确定用户输入的是否为周期设置操作。
S602:根据所述周期设置操作显示周期设置界面,所述周期设置界面包括多个模型更新周期。
具体的,当血压监测设备确定用户当前输入的操作为周期设置操作,血压监测设备可以向待测用户显示周期设置界面,该周期设置界面中包含了多个模型更新周期,例如1天、2天、3天、一周等。
S603:根据待测用户在所述周期设置界面上的周期选择操作,获取所述预设的模型更新周期。
具体的,待测用户可以基于该周期显示界面进行选择,即向该血压监测设备输入周期选择操作,该周期选择操作可以是待测用户在周期显示界面上的点击或者滑动或者长按等操作,血压监测设备仍然可以根据用户的周期选择操作的坐标或者其他的信息确定待测用户所选择的模型更新周期,该模型更新周期即上述实施例中所使用的预设的模型更新周期。
该实施例提供的方法,血压监测设备可以向用户显示周期设置界面,从而使得用户可以基于该周期设置界面选择适合所述用户的模型更新周期,提高了人机交互的智能性,也满足了用户的使用要求,提高了用户的体验效果。
图8为本申请提供的血压监测装置实施例一的结构示意图。该血压监测装置可以通过软件、硬件或者软硬件结合的方式实现成为上述血压监测设备的部分或者全部。如图8所示,该血压监测装置可以包括:生物信号采集模块20和血压跟踪模块21。
具体的,生物信号采集模块20,用于采集待测用户的第一生物信号;
血压跟踪模块21,用于根据所述第一生物信号和预先建立的个体校准模型,预测所述待测用户的第一血压值;
其中,所述个体校准模型为根据所述待测用户的校准数据和预设的模型训练数据得到的,所述校准数据包括所述待测用户在采集所述第一生物信号之前实际测量的第二血压值和与所述第二血压值对应的第二生物信号,所述模型训练数据包括训练用户实际测量的第三血压值和与所述第三血压值对应的第三生物信号;所述第一生物信号、所述第二生物信号和所述第三生物信号均为能够产生波形的生理信号。
本申请提供的血压监测装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
图9为本申请提供的血压监测装置实施例二的结构示意图。在上述图8所示实施例的基础上,该装置还包括获取模块22和模型建立模块23。
可选的,该获取模块22可以包括上述生物信号采集模块20和上述方法实施例中的血压采集模块13,其中,血压采集模块13,用于获取所述待测用户在采集所述第一生物信号之前实际测量的第二血压值,所述生物信号采集模块20还用于获取所述待测用户在采集所述第一生物信号之前实际测量的与所述第二血压值对应的第二生物信号,从而基于第二血压值和第二生物信号得到至少一条校准数据。
可选的,该获取模块22,也可以是独立于生物信号采集模块20、与生物信号采集模块20相连的一个模块,其具有采集血压的功能,并且具有将第二生物信号和第二血压值组合成为至少一条校准数据的功能。本申请对获取模块22的具体划分形式并不做限定。图8所示的结构中,获取模块22为独立于生物信号采集模块20、且与生物信号采集模块20相连的一个模块。
上述模型建立模块23,用于根据所述至少一条校准数据和所述模型训练数据,建立所述待测用户对应的个体校准模型。
进一步地,所述获取模块22,还用于在预设的模型更新周期到达时,获取所述待测用户的至少一条新的校准数据;
所述模型建立模块23,还用于根据所述至少一条新的校准数据,更新所述待测用户的个体校准模型,得到新的个体校准模型。
更进一步地,所述模型建立模块23,具体用于根据所述至少一条校准数据,从所述模型训练数据中确定所述待测用户所需的训练数据集合,并根据所述待测用户所需的训练数据集合和预设的建模算法,得到所述待测用户对应的个体校准模型,所述个体校准模型为包括多个模型参数的参数集合。
本申请提供的血压监测装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
图10为本申请提供的血压监测装置实施例三的结构示意图。在上述图9所示实施例的基础上,该装置还包括生物信号处理模块24。
所述生物信号处理模块24,用于对所述第一生物信号进行特征提取操作,得到能够表征所述第一生物信号的特征集合;所述特征集合包括按照预设特征顺序排列的特征数值,位于不同顺序的特征数值所表征的第一生物信号的特征不同;
所述血压跟踪模块21,用于将所述特征集合中的特征数值和所述参数集合中的模型参数按照预设的算法进行计算,得到所述待测用户的第一血压值。
进一步地,上述生物信号采集模块20,具体用于判断所述待测用户是否为静止状态;当所述待测用户为静止状态且佩戴血压监测设备时,按照预设的采集周期采集所述待测用户的第一生物信号。
可选的,所述第一生物信号、所述第二生物信号和所述第三生物信号均为所述待测用户的脉搏波信号。
本申请提供的血压监测装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
图11为本申请提供的血压监测装置实施例四的结构示意图。在上述图10所示实施例的基础上,该装置还包括:第一显示模块25。可选的,还可以包括第二显示模块26、输入模块27和输出模块28。
所述血压跟踪模块21,用于根据预测的不同时刻的第一血压值,生成血压变化曲线;
所述第一显示模块25,用于显示所述血压变化曲线。
可选的,所述输出模块28,用于当所述待测用户的第一血压值大于预设阈值时,输出提示信息;其中,所述提示信息用于提示血压异常。
可选的,所述输入模块27,用于获取待测用户输入的周期设置操作;
所述第二显示模块26,用于根据所述周期设置操作显示周期设置界面,所述周期设置界面包括多个模型更新周期;
所述模型建立模块23,用于根据待测用户在所述周期设置界面上的周期选择操作,获取所述预设的模型更新周期。
本申请提供的血压监测装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
图12为本发明提供的血压监测设备实施例的结构示意图。如图12所示,该血压监测设备可以包括:处理器30,例如CPU;存储器31、采集器32、至少一个通信总线33。可选的,还可以包括输出设备34和输入设备35。通信总线33用于实现元件之间的通信连接。存储器31可能包含高速RAM存储器,也可能还包括非易失性存储器NVM,例如至少一个磁盘存储器,存储器31中可以存储各种程序,用于完成各种处理功能以及实现本实施例的方法步骤。采集器32,可以为具有生物信号采集功能的设备或者元件,还可以为具有生物信号采集功能和血压采集功能的设备或者元件,例如该采集器可以为脉搏波信号的采集设备,还可以是既可以采集脉搏波信号,也包含微泵、压力传感器、气管等用于采集血压的元件的设备。所述输出设备34,可以为语音输出设备,例如麦克风、喇叭等,还可以为显示屏;所述输入设备35,用于向用户提供输入接口,接收用户输入的操作或指令等。
具体的,本实施例中,所述采集器32,用于采集待测用户的第一生物信号;
所述处理器30,用于根据所述第一生物信号和预先建立的个体校准模型,预测所述待测用户的第一血压值;
其中,所述个体校准模型为根据所述待测用户的校准数据和预设的模型训练数据得到的,所述校准数据包括所述待测用户在采集所述第一生物信号之前实际测量的第二血压值和与所述第二血压值对应的第二生物信号,所述模型训练数据包括训练用户实际测量的第三血压值和与所述第三血压值对应的第三生物信号;所述第一生物信号、所述第二生物信号和所述第三生物信号均为能够产生波形的生理信号。
进一步地,所述采集器32,还用于获取所述待测用户的至少一条所述校准数据;
所述处理器30,还用于根据所述至少一条校准数据和所述模型训练数据,建立所述待测用户对应的个体校准模型。
更进一步地,所述采集器32,还用于在预设的模型更新周期到达时,获取所述待测用户的至少一条新的校准数据;
所述处理器30,还用于根据所述至少一条新的校准数据,更新所述待测用户的个体校准模型,得到新的个体校准模型。
可选的,所述处理器30,具体用于根据所述至少一条校准数据,从所述模型训练数据中确定所述待测用户所需的训练数据集合,并根据所述待测用户所需的训练数据集合和预设的建模算法,得到所述待测用户对应的个体校准模型,所述个体校准模型为包括多个模型参数的参数集合。
可选的,所述处理器30,具体用于对所述第一生物信号进行特征提取操作,得到能够表征所述第一生物信号的特征集合,并将所述特征集合中的特征数值和所述参数集合中的模型参数按照预设的算法进行计算,得到所述待测用户的第一血压值;所述特征集合包括按照预设特征顺序排列的特征数值,位于不同顺序的特征数值所表征的第一生物信号的特征不同。
可选的,所述采集器32,具体用于判断所述待测用户是否为静止状态,并当所述待测用户为静止状态且佩戴血压监测设备时,按照预设的采集周期采集所述待测用户的第一生物信号。
可选的,所述第一生物信号、所述第二生物信号和所述第三生物信号均为所述待测用户的脉搏波信号。
可选的,所述处理器30,还用于根据预测的不同时刻的第一血压值,生成血压变化曲线;所述输出设备34,用于显示所述血压变化曲线。
可选的,所述输出设备34,还用于在所述待测用户的第一血压值大于预设阈值时,输出提示信息;其中,所述提示信息用于提示血压异常。
可选的,所述输入设备35,用于获取待测用户输入的周期设置操作;
所述输出设备34,用于根据所述周期设置操作显示周期设置界面,所述周期设置界面包括多个模型更新周期;
所述处理器30,还用于根据待测用户在所述周期设置界面上的周期选择操作,获取所述预设的模型更新周期。
本申请提供的血压监测设备,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
另外,需要说明的是,本申请各方法实施例之间相关部分可以相互参考;各装置实施例所提供的装置用于执行对应的方法实施例所提供的方法,故各装置实施例可以参考相关的方法实施例中的相关部分进行理解。
本申请各实施例中提供的消息/帧、模块或单元的名称仅为示例,可以使用其他名称,只要消息/帧、模块或单元的作用相同即可。
Claims (12)
1.一种血压监测装置,其特征在于,包括:
生物信号采集模块,用于从血压监测设备获取所述血压监测设备采集的待测用户的第一生物信号;
血压跟踪模块,用于根据所述第一生物信号和预先建立的个体校准模型,预测所述待测用户的第一血压值;
其中,所述个体校准模型为根据所述待测用户的校准数据和预设的模型训练数据得到的,所述校准数据包括所述待测用户在采集所述第一生物信号之前实际测量的第二血压值和与所述第二血压值对应的第二生物信号,所述模型训练数据包括训练用户实际测量的第三血压值和与所述第三血压值对应的第三生物信号;所述第一生物信号、所述第二生物信号和所述第三生物信号均为能够产生波形的生理信号;
所述装置还包括:获取模块、模型建立模块、输入模块和第二显示模块,
所述获取模块,用于获取所述待测用户的至少一条所述校准数据;
模型建立模块,用于根据所述至少一条校准数据和所述模型训练数据,建立所述待测用户对应的个体校准模型;
所述获取模块,还用于在预设的模型更新周期到达时,获取所述待测用户的至少一条新的校准数据;
所述模型建立模块,还用于根据所述至少一条新的校准数据,更新所述待测用户的个体校准模型,得到新的个体校准模型;
所述输入模块,用于获取待测用户输入的周期设置操作;
所述第二显示模块,用于根据所述周期设置操作显示周期设置界面,所述周期设置界面包括多个模型更新周期;
所述模型建立模块,用于根据待测用户在所述周期设置界面上的周期选择操作,获取所述预设的模型更新周期。
2.根据权利要求1所述的装置,其特征在于,所述模型建立模块,具体用于根据所述至少一条校准数据,从所述模型训练数据中确定所述待测用户所需的训练数据集合,并根据所述待测用户所需的训练数据集合和预设的建模算法,得到所述待测用户对应的个体校准模型,所述个体校准模型为包括多个模型参数的参数集合。
3.根据权利要求2所述的装置,其特征在于,所述装置还包括:生物信号处理模块;
所述生物信号处理模块,用于对所述第一生物信号进行特征提取操作,得到能够表征所述第一生物信号的特征集合;所述特征集合包括按照预设特征顺序排列的特征数值,位于不同顺序的特征数值所表征的第一生物信号的特征不同;
所述血压跟踪模块,用于将所述特征集合中的特征数值和所述参数集合中的模型参数按照预设的算法进行计算,得到所述待测用户的第一血压值。
4.根据权利要求1所述的装置,其特征在于,所述第一生物信号、所述第二生物信号和所述第三生物信号均为所述待测用户的脉搏波信号。
5.根据权利要求1所述的装置,其特征在于,所述装置还包括:第一显示模块;
所述血压跟踪模块,用于根据预测的不同时刻的第一血压值,生成血压变化曲线;
所述第一显示模块,用于显示所述血压变化曲线。
6.根据权利要求1所述的装置,其特征在于,所述装置还包括:输出模块;
所述输出模块,用于当所述待测用户的第一血压值大于预设阈值时,输出提示信息;其中,所述提示信息用于提示血压异常。
7.一种血压监测设备,其特征在于,包括:采集器和处理器;
所述采集器,用于从血压监测设备获取所述血压监测设备采集的待测用户的第一生物信号;
所述处理器,用于根据所述第一生物信号和预先建立的个体校准模型,预测所述待测用户的第一血压值;
其中,所述个体校准模型为根据所述待测用户的校准数据和预设的模型训练数据得到的,所述校准数据包括所述待测用户在采集所述第一生物信号之前实际测量的第二血压值和与所述第二血压值对应的第二生物信号,所述模型训练数据包括训练用户实际测量的第三血压值和与所述第三血压值对应的第三生物信号;所述第一生物信号、所述第二生物信号和所述第三生物信号均为能够产生波形的生理信号;
其中,
所述采集器,还用于获取所述待测用户的至少一条所述校准数据;
所述处理器,还用于根据所述至少一条校准数据和所述模型训练数据,建立所述待测用户对应的个体校准模型;
所述采集器,还用于在预设的模型更新周期到达时,获取所述待测用户的至少一条新的校准数据;
所述处理器,还用于根据所述至少一条新的校准数据,更新所述待测用户的个体校准模型,得到新的个体校准模型;
所述设备还包括:输入设备和输出设备;
所述输入设备,用于获取待测用户输入的周期设置操作;
所述输出设备,用于根据所述周期设置操作显示周期设置界面,所述周期设置界面包括多个模型更新周期;
所述处理器,还用于根据待测用户在所述周期设置界面上的周期选择操作,获取所述预设的模型更新周期。
8.根据权利要求7所述的设备,其特征在于,所述处理器,具体用于根据所述至少一条校准数据,从所述模型训练数据中确定所述待测用户所需的训练数据集合,并根据所述待测用户所需的训练数据集合和预设的建模算法,得到所述待测用户对应的个体校准模型,所述个体校准模型为包括多个模型参数的参数集合。
9.根据权利要求8所述的设备,其特征在于,所述处理器,具体用于对所述第一生物信号进行特征提取操作,得到能够表征所述第一生物信号的特征集合,并将所述特征集合中的特征数值和所述参数集合中的模型参数按照预设的算法进行计算,得到所述待测用户的第一血压值;所述特征集合包括按照预设特征顺序排列的特征数值,位于不同顺序的特征数值所表征的第一生物信号的特征不同。
10.根据权利要求7所述的设备,其特征在于,所述第一生物信号、所述第二生物信号和所述第三生物信号均为所述待测用户的脉搏波信号。
11.根据权利要求7所述的设备,其特征在于,所述设备还包括:输出设备;
所述处理器,还用于根据预测的不同时刻的第一血压值,生成血压变化曲线;
所述输出设备,用于显示所述血压变化曲线。
12.根据权利要求7所述的设备,其特征在于,所述设备还包括:输出设备;
所述输出设备,用于在所述待测用户的第一血压值大于预设阈值时,输出提示信息;其中,所述提示信息用于提示血压异常。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2017102135844 | 2017-04-01 | ||
CN201710213584 | 2017-04-01 | ||
PCT/CN2017/081734 WO2018176536A1 (zh) | 2017-04-01 | 2017-04-24 | 血压监测方法、装置和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109890276A CN109890276A (zh) | 2019-06-14 |
CN109890276B true CN109890276B (zh) | 2021-05-18 |
Family
ID=63674063
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780066242.2A Active CN109890276B (zh) | 2017-04-01 | 2017-04-24 | 血压监测方法、装置和设备 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20210282656A1 (zh) |
CN (1) | CN109890276B (zh) |
WO (1) | WO2018176536A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020158804A1 (ja) * | 2019-02-01 | 2020-08-06 | シャープ株式会社 | 血圧測定装置、モデル設定装置、および血圧測定方法 |
CN110808003B (zh) * | 2019-09-06 | 2021-01-15 | 华为技术有限公司 | 一种补偿方法及电子设备 |
US20210290173A1 (en) * | 2020-03-19 | 2021-09-23 | International Business Machines Corporation | Latent bio-signal estimation using bio-signal detectors |
CN113812936A (zh) * | 2021-10-14 | 2021-12-21 | 上海交通大学 | 动态血压监测系统和无创连续血压测量装置的校准方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102488503A (zh) * | 2011-12-14 | 2012-06-13 | 中国航天员科研训练中心 | 连续血压测量装置 |
CN103156589A (zh) * | 2011-12-16 | 2013-06-19 | 通用电气公司 | 用于自动非侵入式血压测量的方法、设备和计算机程序 |
CN104545854A (zh) * | 2015-01-30 | 2015-04-29 | 中国科学院电子学研究所 | 基于心电与阻抗信号的无袖带动态血压监测设备 |
CN106037694A (zh) * | 2016-05-13 | 2016-10-26 | 吉林大学 | 一种基于脉搏波的连续血压测量装置 |
WO2016187835A1 (zh) * | 2015-05-27 | 2016-12-01 | 华为技术有限公司 | 连续血压测量方法、装置和设备 |
CN106413534A (zh) * | 2015-08-08 | 2017-02-15 | 深圳先进技术研究院 | 连续血压测量装置、测量模型建立方法和系统 |
CN106419878A (zh) * | 2015-08-11 | 2017-02-22 | 三星电子株式会社 | 血压估计设备和方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101327121B (zh) * | 2007-06-22 | 2010-10-13 | 香港中文大学 | 一种生理参数测量装置 |
CN102755153A (zh) * | 2011-04-29 | 2012-10-31 | 深圳市迈迪加科技发展有限公司 | 一种血压监测方法 |
KR20130123597A (ko) * | 2012-05-03 | 2013-11-13 | 삼성전자주식회사 | 휴대용 혈압 측정 장치 및 휴대 단말에서의 혈압 측정 방법 |
US11160461B2 (en) * | 2015-06-12 | 2021-11-02 | ChroniSense Medical Ltd. | Blood pressure measurement using a wearable device |
CN107072555B (zh) * | 2015-08-14 | 2021-10-01 | 华为技术有限公司 | 一种血压测量数据的校准方法及装置 |
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 |
CN106333663A (zh) * | 2016-10-20 | 2017-01-18 | 深圳欧德蒙科技有限公司 | 一种血压监测方法和装置 |
-
2017
- 2017-04-24 CN CN201780066242.2A patent/CN109890276B/zh active Active
- 2017-04-24 US US16/497,460 patent/US20210282656A1/en not_active Abandoned
- 2017-04-24 WO PCT/CN2017/081734 patent/WO2018176536A1/zh active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102488503A (zh) * | 2011-12-14 | 2012-06-13 | 中国航天员科研训练中心 | 连续血压测量装置 |
CN103156589A (zh) * | 2011-12-16 | 2013-06-19 | 通用电气公司 | 用于自动非侵入式血压测量的方法、设备和计算机程序 |
CN104545854A (zh) * | 2015-01-30 | 2015-04-29 | 中国科学院电子学研究所 | 基于心电与阻抗信号的无袖带动态血压监测设备 |
WO2016187835A1 (zh) * | 2015-05-27 | 2016-12-01 | 华为技术有限公司 | 连续血压测量方法、装置和设备 |
CN106413534A (zh) * | 2015-08-08 | 2017-02-15 | 深圳先进技术研究院 | 连续血压测量装置、测量模型建立方法和系统 |
CN106419878A (zh) * | 2015-08-11 | 2017-02-22 | 三星电子株式会社 | 血压估计设备和方法 |
CN106037694A (zh) * | 2016-05-13 | 2016-10-26 | 吉林大学 | 一种基于脉搏波的连续血压测量装置 |
Also Published As
Publication number | Publication date |
---|---|
US20210282656A1 (en) | 2021-09-16 |
CN109890276A (zh) | 2019-06-14 |
WO2018176536A1 (zh) | 2018-10-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6659830B2 (ja) | 生体情報分析装置、システム、及び、プログラム | |
CN109890276B (zh) | 血压监测方法、装置和设备 | |
EP3636146B1 (en) | Apparatus and method for estimating blood pressure | |
US10524676B2 (en) | Apparatus and method for determining a health parameter of a subject | |
CN110301906A (zh) | 无创血压测量方法和装置 | |
CN109480800B (zh) | 用于估计生物信息的设备和方法及血压监视装置 | |
JP6679602B2 (ja) | 心拍数及び心拍変動を検出する装置 | |
JP6676499B2 (ja) | 疲労度判定装置、疲労度判定方法、疲労度判定プログラム、及び、生体情報測定装置 | |
US11191483B2 (en) | Wearable blood pressure measurement systems | |
JP2014171660A (ja) | 心房細動解析装置、心房細動解析システム、心房細動解析方法およびプログラム | |
US11617545B2 (en) | Methods and systems for adaptable presentation of sensor data | |
EP3621515A1 (en) | A system and method for monitoring human performance | |
EP3376947A1 (en) | Systems and methods for adaptable presentation of sensor data | |
CN109833037B (zh) | 一种监测血压状态的设备和计算机可读存储介质 | |
CN105326482B (zh) | 记录生理信号的方法和装置 | |
CN115607180A (zh) | 终端设备控制方法、装置、终端设备及介质 | |
JP2007195699A (ja) | バイタル計測装置 | |
US12097049B2 (en) | Methods, apparatus and systems for adaptable presentation of sensor data | |
WO2021141572A1 (en) | Methods and systems for adaptable presentation of sensor data | |
KR20140132071A (ko) | 맥진을 이용한 동맥폐쇄증 측정방법 |
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 |