CN110215198B - 中心静脉压测量方法及相关装置 - Google Patents

Abstract

本申请公开了一种中心静脉压的测量方法及相关装置，应用于包括静脉识别模块的电子设备，所述方法包括：通过所述静脉识别模块采集颈部右侧静脉的脉动图像数据；调用运动放大算法处理所述脉动图像数据，以得到脉动运动信息；基于所述脉动运动信息确定中心静脉压。采用本申请实施例可无损伤测量中心静脉压。

Description

中心静脉压测量方法及相关装置

技术领域

本申请涉及电子技术领域，尤其涉及一种中心静脉压测量方法及相关装置。

背景技术

中心静脉压(Central Venous Pressure，CVP)用于表征上、下腔静脉进入右心房的压力，它是医务人员评估患者的血液动力学的一种重要临床测量方法。CVP随静脉血容量增加或者随静脉张力的增加而增加。CVP的这种增加可以指示患者的血容量过大、心力衰竭、或者呼吸问题。常规的CVP测量方法需要将导管插入锁骨下静脉或者颈内静脉中，具有创伤性。

发明内容

本申请实施例提供一种中心静脉压测量方法及相关装置，用于无损伤测量中心静脉压。

第一方面，本申请实施例提供一种中心静脉压测量方法，应用于包括静脉识别模块的电子设备，所述方法包括：

通过所述静脉识别模块采集颈部右侧静脉的脉动图像数据；

调用运动放大算法处理所述脉动图像数据，以得到脉动运动信息；

基于所述脉动运动信息确定中心静脉压。

第二方面，本申请实施例提供一种中心静脉压测量装置，应用于包括静脉识别模块的电子设备，所述装置包括：

采集单元，用于通过所述静脉识别模块采集颈部右侧静脉的脉动图像数据；

处理单元，用于调用运动放大算法处理所述脉动图像数据，以得到脉动运动信息；

确定单元，用于基于所述脉动运动信息确定中心静脉压。

第三方面，本申请实施例提供一种电子设备，包括处理器、存储器、通信接口以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，上述程序包括用于执行本申请实施例第一方面所述的方法中的步骤的指令。

第四方面，本申请实施例提供了一种计算机可读存储介质，其中，上述计算机可读存储介质存储用于电子数据交换的计算机程序，其中，上述计算机程序使得计算机执行如本申请实施例第一方面所述的方法中所描述的部分或全部步骤。

第五方面，本申请实施例提供了一种计算机程序产品，其中，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如本申请实施例第一方面所述的方法中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。

可以看出，在本申请实施例中，通过静脉识别模块采集颈部右侧静脉的脉动图像数据；调用运动放大算法处理该脉动图像数据，以得到脉动运动信息；然后基于该脉动运动信息确定中心静脉压，采用静脉识别模块无需接触人体即可测量出中心静脉压，不会对人体造成创伤。

本申请的这些方面或其他方面在以下实施例的描述中会更加简明易懂。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的一种电子设备的结构示意图；

图2A是本申请实施例提供的一种中心静脉压测量方法的流程示意图；

图2B为本实施例提供的一种特征点选取方法示意图；

图2C为本实施例提供的一种特征点选取方法示意图；

图3是本申请实施例提供的一种中心静脉压测量方法的流程示意图；

图4是本申请实施例提供的一种电子设备结构示意图；

图5是本申请实施例提供的一种中心静脉压测量装置的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

以下分别进行详细说明。

本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

以下，对本申请中的部分用语进行解释说明，以便于本领域技术人员理解。

请参见图1，图1是本申请实施例提供的一种电子设备的结构示意图，该电子设备包括处理器、存储器、信号处理器、通信接口、触控屏、静脉识别模块、扬声器、麦克风、随机存取存储器(Random Access Memory，RAM)和摄像头等等。

其中，处理器也可以是AP处理器，也可以是其他处理器。

其中，存储器、信号处理器、触控屏、扬声器、麦克风、RAM和摄像头与处理器连接，通信接口与信号处理器连接。

其中，静脉识别模组包括静脉识别传感器、光信号发射器、陀螺仪等。所述静脉识别模组用于进行静脉识别，得到脉动图像数据。静脉识别模块可以设置在电子设备的正面、背面、两侧或其他便于实现指静脉识别的位置，在此不做限定。

在本申请实施例中，处理器，用于通过所述静脉识别模块采集颈部右侧静脉的脉动图像数据；调用运动放大算法处理所述脉动图像数据，以得到脉动运动信息；基于所述脉动运动信息确定中心静脉压。

在本申请的一实现方式中，在调用运动放大算法处理所述脉动图像数据，以得到脉动运动信息方面，处理器，具体用于按照时间采集先后顺序将所述脉动图像数据分解成N帧图像；基于预设特征点选取规则从所述多帧图像中确定至少一个特征点；确定每个特征点分别在所述N帧图像中的N个第一位置，所述N个第一位置与所述N帧图像一一对应；基于每个特征点对应的所述N个第一位置确定每个特征点的位置变化轨迹；合成放大每个特征点的位置变化轨迹，以得到脉动运动波函数；基于所述脉动运动波函数得到脉动运动信息。

在本申请的一实现方式中，在基于预设特征点选取规则从所述多帧图像中确定至少一个特征点方面，处理器，具体用于基于高斯的随机特征点生成方法从所述多帧图像中确定至少一个特征点；或者，基于质心的同心圆特征点网格方法从所述多帧图像中确定至少一个特征点。

在本申请的一实现方式中，所述脉动运动信息包括以下至少一种：脉动运动振幅、脉动运动频率、脉动运动时域波形，在基于所述脉动运动信息确定中心静脉压方面，处理器，具体用于基于脉动运动振幅与中心静脉压的第一映射关系确定中心静脉压；和/或脉动运动频率与中心静脉压的第二映射关系确定中心静脉压；和/或脉动运动时域波形与中心静脉压的第三映射关系确定中心静脉压。

在本申请的一实现方式中，所述基于所述脉动运动信息确定中心静脉压之后，处理器，还用于基于所述中心静脉压确定所述人物的健康状况，以及基于所述健康状况输出治疗建议。

在本申请的一实现方式中，所述静脉识别模块包括静脉识别传感器和光信号发射器，在通过所述静脉识别模块采集颈部右侧静脉的脉动图像数据方面，处理器，具体用于：通过所述光信号发射第一光信号，所述第一光信号用于测量颈部右侧静脉关联的人物与所述电子设备的第一距离；基于所述第一距离确定所述光信号发射器发射第二光信号时的工作参数，所述第二光信号用于测量所述颈部右侧静脉的脉动图像数据；基于所述工作参数控制所述光信号发射器发射所述第二光信号；通过所述静脉识别传感器采集所述脉动图像数据。

在本申请的一实现方式中，在通过所述静脉识别模块采集颈部右侧静脉的脉动图像数据之前，处理器，还用于确定所述颈部右侧静脉关联的人物处于亚健康状态，所述亚健康状态包括以下至少一种：所述颈部右侧静脉关联的人物的尿液量小于或等于第一阈值，所述颈部右侧静脉关联的人物的血清钠含量大于第二阈值或小于第三阈值，所述颈部右侧静脉关联的人物的血压小于第四阈值。

需要说明的是，各模块所执行的步骤的具体实现过程可参见下述方法所述的具体实现过程，在此不再叙述。

请参见图2A，图2A是本申请实施例提供的一种中心静脉压测量方法的流程示意图，应用于上述电子设备，方法包括：

步骤201：通过所述静脉识别模块采集颈部右侧静脉的脉动图像数据。

在本申请的一实现方式中，所述静脉识别模块包括静脉识别传感器和光信号发射器，所述通过所述静脉识别模块采集颈部右侧静脉的脉动图像数据，包括：

通过所述光信号发射第一光信号，所述第一光信号用于测量颈部右侧静脉关联的人物与所述电子设备的第一距离；

基于所述第一距离确定所述光信号发射器发射第二光信号时的工作参数，所述第二光信号用于测量所述颈部右侧静脉的脉动图像数据；

基于所述工作参数控制所述光信号发射器发射所述第二光信号；

通过所述静脉识别传感器采集所述脉动图像数据。

其中，第一光信号可以是红外光信号也可以是非红外光信号，在此不作限定。第二光信号为红外光信号，且第二光信号的波长为700nm～1000nm。

其中，工作参数包括以下至少一种：发射功率、发射时长、光信号强度。

举例说明，表1为第一距离与发射功率、发射时间和光信号强度的关系映射表。

表1

第一距离	发射功率	发射时间	光信号强度
				3m	0.05W	5s	50dBm
2m	0.03W	3s	30dBm
				1m	0.01W	1s	10dBm
···	···	···	···

在本申请的一实现方式中，所述第一距离是基于两个时刻和第一公式确定的；其中，所述两个时刻的其中一个时刻是电子设备向所述人物发射第一光信号的时刻，所述两个时刻的另一个时刻是电子设备接收到第一光信号反射的光信号时刻；

其中，第一公式为：S＝(T₂-T₁)V/2，其中，S为第一距离，T₁为电子设备向所述人物发射第一光信号的时刻，T₂为电子设备接收到第一光信号反射的光信号时刻，V为第一光信号在空气中传播的速度。

在本申请的一实现方式中，在通过所述静脉识别模块采集颈部右侧静脉的脉动图像数据之前，所述方法还包括：

确定所述颈部右侧静脉关联的人物处于亚健康状态，所述亚健康状态包括以下至少一种：所述颈部右侧静脉关联的人物的尿液量小于或等于第一阈值，所述颈部右侧静脉关联的人物的血清钠含量大于第二阈值或小于第三阈值，所述颈部右侧静脉关联的人物的血压小于第四阈值。

其中，第一阈值例如可以为10mL、20mL、30mL、50mL或是其他值，在此不作限定。

其中，第二阈值例如可以为145mmol/L、150mmol/L、155mmol/L或是其他值，在此不作限定。

其中，第三阈值例如可以为135mml、130mmol/L、125mmol/L或是其他值，在此不作限定。

其中，第四阈值例如可以为90mmHg、85mmHg、80mmHg或是其他值，在此不作限定。

步骤202：调用运动放大算法处理所述脉动图像数据，以得到脉动运动信息。

在本申请的一实现方式中，所述调用运动放大算法处理所述脉动图像数据，以得到脉动运动信息，包括：

按照时间采集先后顺序将所述脉动图像数据分解成N帧图像；

基于预设特征点选取规则从所述多帧图像中确定至少一个特征点；

确定每个特征点分别在所述N帧图像中的N个第一位置，所述N个第一位置与所述N帧图像一一对应；

基于每个特征点对应的所述N个第一位置确定每个特征点的位置变化轨迹；

合成放大每个特征点的位置变化轨迹，以得到脉动运动波函数；

基于所述脉动运动波函数得到脉动运动信息。

其中，脉动图像数据可以是脉动图片、脉动视频、脉动录像等。

举例说明，将脉动视频分解成10帧图像，每帧图像选取3个特征点(特征点A、特征点B、特征点C)，每帧图像上都包括这3个特征点，根据特征点A在10帧图像中的10个第一位置和每帧图像的采集时间，可以确定特征点A的位置变化轨迹；根据特征点B在10帧图像中的10个第一位置和每帧图像的采集时间，可以确定特征点B的位置变化轨迹；根据特征点C在10帧图像中的10个第一位置和每帧图像的采集时间，可以确定特征点C的位置变化轨迹。

在本申请的一实现方式中，所述基于预设特征点选取规则从所述多帧图像中确定至少一个特征点，包括：

基于高斯的随机特征点生成方法从所述多帧图像中确定至少一个特征点；

或者，基于质心的同心圆特征点网格方法从所述多帧图像中确定至少一个特征点。

在本申请的一实现方式中，所述基于高斯的随机特征点生成方法从所述多帧图像中确定至少一个特征点，包括：

分析所述多帧图像的特征点分布；

按照P个不同圆心对所述多帧图像中的每帧图像进行圆形图像截取，得到P个圆形静脉区域图像，每帧图像中的P个圆形静脉区域图像的位置相同，所述P为大于3的整数；

从所述P个圆形静脉区域图像中选出目标圆形静脉区域图像，所述目标圆形静脉区域图像所包含的特征点的数量大于所述P个圆形静脉区域图像中的其他圆形静脉区域图像；

确定所述目标圆形静脉区域的质心；

基于质心从所述多帧图像中确定至少一个特征点，所述至少一个特征点的数量分布满足高斯分布。

举例说明，图2B为本实施例提供的一种特征点选取方法示意图。如图2B所示，按照6个不同圆心对每帧图像进行圆形图像截取，得到6个圆形静脉区域图像，特征点数量最多的为目标圆形静脉区域，然后根据圆形静脉区域的质心确定确定9个特征点，9个特征点的数量分布满足高斯分布。

在本申请的一实现方式中，所述基于质心的同心圆特征点网格方法从所述多帧图像中确定至少一个特征点，包括：

分析所述多帧图像的特征点分布；

按照M个不同圆心对所述多帧图像中的每帧图像进行圆形图像截取，得到M个圆形静脉区域图像，每帧图像中的M个圆形静脉区域图像的位置相同，所述M为大于3的整数；

从所述M个圆形静脉区域图像中选出目标圆形静脉区域图像，所述目标圆形静脉区域图像所包含的特征点的数量大于所述M个圆形静脉区域图像中的其他圆形静脉区域图像；

将所述目标圆形静脉区域图像划分得到N个圆环，所述N个圆环的环宽相同；

从所述N个圆环中半径最小的圆环开始，每个圆环中选取一个特征点，所述特征点的清晰度大于或等于第五阈值。

举例说明，图2C为本实施例提供的一种特征点选取方法示意图。如图2C所示，按照6个不同圆心对每帧图像进行圆形图像截取，得到6个圆形静脉区域图像，特征点数量最多的为目标圆形静脉区域，然后将目标圆形静脉区域图像划分得到4个环宽相同的圆环，每个圆环选取1个特征点，从而确定4个特征点。

步骤203：基于所述脉动运动信息确定中心静脉压。

在本申请的一实现方式中，所述脉动运动信息包括以下至少一种：脉动运动振幅、脉动运动频率、脉动运动时域波形，所述基于所述脉动运动信息确定中心静脉压，包括：

基于脉动运动振幅与中心静脉压的第一映射关系确定中心静脉压；

和/或脉动运动频率与中心静脉压的第二映射关系确定中心静脉压；

和/或脉动运动时域波形与中心静脉压的第三映射关系确定中心静脉压。

可以看出，在本申请实施例中，通过静脉识别模块采集颈部右侧静脉的脉动图像数据；调用运动放大算法处理该脉动图像数据，以得到脉动运动信息；然后基于该脉动运动信息确定中心静脉压，采用静脉识别模块无需接触人体即可测量出中心静脉压，不会对人体造成创伤。

在本申请的一实现方式中，所述基于所述脉动运动信息确定中心静脉压之后，所述方法还包括：

基于所述中心静脉压确定所述人物的健康状况，以及基于所述健康状况输出治疗建议。

在本申请的一实现方式中，所述基于所述中心静脉压确定所述人物的健康状况的一具体实行方式为：

确定所述人物对应的血压；

若所述中心静脉压为第一静脉压数值且所述血压为第一血压数值，则确定所述人物为第一健康状况，在所述第一健康状况下所述人物的血容量不足和心脏失去代偿功能；

若所述中心静脉压为第一静脉压数值且所述血压为第二血压数值，则确定所述人物为第二健康状况，在所述第二健康状况下所述人物的血容量不足和心脏代偿功能良好，所述第二血压数值大于所述第一血压数值；

若所述中心静脉压为第二静脉压数值且所述血压为第一血压数值，则确定所述人物为第三健康状况，在所述第三健康状况下所述人物的血容量不足或心功能不全，所述第二静脉压数值大于所述第一静脉压数值；

若所述中心静脉压为第三静脉压数值且所述血压为第一血压数值，则确定所述人物为第四健康状况，在所述第四健康状况下所述人物的血容量过多或心功能不全，所述第三静脉压数值大于所述第二静脉压数值；

若所述中心静脉压为第三静脉压数值且所述血压为第一血压数值，则确定为第五健康状况，在所述第五健康状况下所述人物的所述人物的血管收缩强烈。

其中，第一静脉压数值例如可以为0.3Kpa、0.4Kpa、0.5Kpa或是其他值，在此不作限定。

其中，第二静脉压数值例如可以为0.6Kpa、0.8Kpa、1.0Kpa、1.2Kpa或是其他值，在此不作限定。

其中，第三静脉压数值例如可以为1.3Kpa、1.4Kpa、1.5Kpa或是其他值，在此不作限定。

其中，第一血压数值例如可以为50mmHg、55mmHg、60mmHg或是其他值，在此不作限定。

其中，第二血压数值例如可以为90mmHg、100mmHg、110mmHg、120mmHg或是其他值，在此不作限定。

在本申请的一实现方式中，所述基于所述健康状况输出治疗建议，包括：

若确定所述人物为所述第一健康状况或所述第二健康状况，则输出扩容治疗建议；

若确定所述人物为所述第三健康状况，则输出强心治疗建议；

若确定所述人物为所述第四健康状况，则输出选用血管扩张剂治疗建议；

若确定所述人物为所述第五健康状况，则输出控制输血治疗建议、控制输液治疗建议或所述选用血管扩张剂治疗建议。

与所述图2A所示的实施例一致的，请参阅图3，图3是本申请实施例提供的一种中心静脉压测量方法的流程示意图，应用于包括静脉识别模块的电子设备，所述静脉识别模块包括静脉识别传感器和光信号发射器，所述方法包括：

步骤301：确定颈部右侧静脉关联的人物处于亚健康状态，所述亚健康状态包括以下至少一种：所述颈部右侧静脉关联的人物的尿液量小于或等于第一阈值，所述颈部右侧静脉关联的人物的血清钠含量大于第二阈值或小于第三阈值，所述颈部右侧静脉关联的人物的血压小于第四阈值。

步骤302：通过所述光信号发射第一光信号，所述第一光信号用于测量颈部右侧静脉关联的人物与所述电子设备的第一距离。

步骤303：基于所述第一距离确定所述光信号发射器发射第二光信号时的工作参数，所述第二光信号用于测量所述颈部右侧静脉的脉动图像数据。

步骤304：基于所述工作参数控制所述光信号发射器发射所述第二光信号。

步骤305：通过所述静脉识别传感器采集所述脉动图像数据。

步骤306：按照时间采集先后顺序将所述脉动图像数据分解成N帧图像。

步骤307：基于高斯的随机特征点生成方法从所述多帧图像中确定至少一个特征点；或者基于质心的同心圆特征点网格方法从所述多帧图像中确定至少一个特征点。

步骤308：确定每个特征点分别在所述N帧图像中的N个第一位置，所述N个第一位置与所述N帧图像一一对应。

步骤309：基于每个特征点对应的所述N个第一位置确定每个特征点的位置变化轨迹。

步骤310：合成放大每个特征点的位置变化轨迹，以得到脉动运动波函数。

步骤311：基于所述脉动运动波函数得到脉动运动信息，所述脉动运动信息包括以下至少一种：脉动运动振幅、脉动运动频率、脉动运动时域波形。

步骤312：基于脉动运动振幅与中心静脉压的第一映射关系确定中心静脉压；和/或脉动运动频率与中心静脉压的第二映射关系确定中心静脉压；和/或脉动运动时域波形与中心静脉压的第三映射关系确定中心静脉压。

步骤313：基于所述中心静脉压确定所述人物的健康状况，以及基于所述健康状况输出治疗建议。

需要说明的是，本实施例的具体实现过程可参见上述方法实施例所述的具体实现过程，在此不再叙述。

与上述图2A和图3所示的实施例一致的，请参阅图4，图4是本申请实施例提供的一种电子设备的结构示意图，如图所示，该电子设备包括存储器、通信接口以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，上述程序包括用于执行以下步骤的指令：

通过所述静脉识别模块采集颈部右侧静脉的脉动图像数据；

调用运动放大算法处理所述脉动图像数据，以得到脉动运动信息；

基于所述脉动运动信息确定中心静脉压。

在本申请的一实现方式中，在调用运动放大算法处理所述脉动图像数据，以得到脉动运动信息方面，上述程序包括具体用于执行以下步骤的指令：

按照时间采集先后顺序将所述脉动图像数据分解成N帧图像；

基于预设特征点选取规则从所述多帧图像中确定至少一个特征点；

确定每个特征点分别在所述N帧图像中的N个第一位置，所述N个第一位置与所述N帧图像一一对应；

基于每个特征点对应的所述N个第一位置确定每个特征点的位置变化轨迹；

合成放大每个特征点的位置变化轨迹，以得到脉动运动波函数；

基于所述脉动运动波函数得到脉动运动信息。

在本申请的一实现方式中，在基于预设特征点选取规则从所述多帧图像中确定至少一个特征点方面，上述程序包括具体用于执行以下步骤的指令：

基于高斯的随机特征点生成方法从所述多帧图像中确定至少一个特征点；

或者，基于质心的同心圆特征点网格方法从所述多帧图像中确定至少一个特征点。

在本申请的一实现方式中，所述脉动运动信息包括以下至少一种：脉动运动振幅、脉动运动频率、脉动运动时域波形，在基于所述脉动运动信息确定中心静脉压方面，上述程序包括具体用于执行以下步骤的指令：

基于脉动运动振幅与中心静脉压的第一映射关系确定中心静脉压；

和/或脉动运动频率与中心静脉压的第二映射关系确定中心静脉压；

和/或脉动运动时域波形与中心静脉压的第三映射关系确定中心静脉压。

在本申请的一实现方式中，在基于所述脉动运动信息确定中心静脉压之后，上述程序包括还用于执行以下步骤的指令：

基于所述中心静脉压确定所述人物的健康状况，以及基于所述健康状况输出治疗建议。

在本申请的一实现方式中，所述静脉识别模块包括静脉识别传感器和光信号发射器，在通过所述静脉识别模块采集颈部右侧静脉的脉动图像数据方面，上述程序包括具体用于执行以下步骤的指令：

通过所述光信号发射第一光信号，所述第一光信号用于测量颈部右侧静脉关联的人物与所述电子设备的第一距离；

基于所述第一距离确定所述光信号发射器发射第二光信号时的工作参数，所述第二光信号用于测量所述颈部右侧静脉的脉动图像数据；

基于所述工作参数控制所述光信号发射器发射所述第二光信号；

通过所述静脉识别传感器采集所述脉动图像数据。

在本申请的一实现方式中，在通过所述静脉识别模块采集颈部右侧静脉的脉动图像数据之前，上述程序包括还用于执行以下步骤的指令：

确定所述颈部右侧静脉关联的人物处于亚健康状态，所述亚健康状态包括以下至少一种：所述颈部右侧静脉关联的人物的尿液量小于或等于第一阈值，所述颈部右侧静脉关联的人物的血清钠含量大于第二阈值或小于第三阈值，所述颈部右侧静脉关联的人物的血压小于第四阈值。

需要说明的是，本实施例的具体实现过程可参见上述方法实施例所述的具体实现过程，在此不再叙述。

上述实施例主要从方法侧执行过程的角度对本申请实施例的方案进行了介绍。可以理解的是，电子设备为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

本申请实施例可以根据所述方法示例对电子设备进行功能单元的划分，例如，可以对应各个功能划分各个功能单元，也可以将两个或两个以上的功能集成在一个处理单元中。所述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。需要说明的是，本申请实施例中对单元的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

下面为本申请装置实施例，本申请装置实施例用于执行本申请方法实施例所实现的方法。请参阅图5，图5是本申请实施例提供的一种中心静脉压测量装置的结构示意图，应用于包括静脉识别模块的电子设备，所述装置包括：

采集单元501，用于通过所述静脉识别模块采集颈部右侧静脉的脉动图像数据；

处理单元502，用于调用运动放大算法处理所述脉动图像数据，以得到脉动运动信息；

确定单元503，用于基于所述脉动运动信息确定中心静脉压。

在本申请的一实现方式中，在调用运动放大算法处理所述脉动图像数据，以得到脉动运动信息方面，处理单元502，具体用于按照时间采集先后顺序将所述脉动图像数据分解成N帧图像；基于预设特征点选取规则从所述多帧图像中确定至少一个特征点；确定每个特征点分别在所述N帧图像中的N个第一位置，所述N个第一位置与所述N帧图像一一对应；基于每个特征点对应的所述N个第一位置确定每个特征点的位置变化轨迹；合成放大每个特征点的位置变化轨迹，以得到脉动运动波函数；基于所述脉动运动波函数得到脉动运动信息。

在本申请的一实现方式中，在基于预设特征点选取规则从所述多帧图像中确定至少一个特征点方面，处理单元502，具体用于基于高斯的随机特征点生成方法从所述多帧图像中确定至少一个特征点；或者，基于质心的同心圆特征点网格方法从所述多帧图像中确定至少一个特征点。

在本申请的一实现方式中，所述脉动运动信息包括以下至少一种：脉动运动振幅、脉动运动频率、脉动运动时域波形，在基于所述脉动运动信息确定中心静脉压方面，确定单元503，具体用于基于脉动运动振幅与中心静脉压的第一映射关系确定中心静脉压；和/或脉动运动频率与中心静脉压的第二映射关系确定中心静脉压；和/或脉动运动时域波形与中心静脉压的第三映射关系确定中心静脉压。

在本申请的一实现方式中，在基于所述脉动运动信息确定中心静脉压之后，确定单元503，还用于基于所述中心静脉压确定所述人物的健康状况，以及基于所述健康状况输出治疗建议。

在本申请的一实现方式中，在静脉识别模块包括静脉识别传感器和光信号发射器，所述通过所述静脉识别模块采集颈部右侧静脉的脉动图像数据方面，采集单元501，具体用于通过所述光信号发射第一光信号，所述第一光信号用于测量颈部右侧静脉关联的人物与所述电子设备的第一距离；基于所述第一距离确定所述光信号发射器发射第二光信号时的工作参数，所述第二光信号用于测量所述颈部右侧静脉的脉动图像数据；基于所述工作参数控制所述光信号发射器发射所述第二光信号；通过所述静脉识别传感器采集所述脉动图像数据。

在本申请的一实现方式中，在通过所述静脉识别模块采集颈部右侧静脉的脉动图像数据之前，确定单元503，还用于确定所述颈部右侧静脉关联的人物处于亚健康状态，所述亚健康状态包括以下至少一种：所述颈部右侧静脉关联的人物的尿液量小于或等于第一阈值，所述颈部右侧静脉关联的人物的血清钠含量大于第二阈值或小于第三阈值，所述颈部右侧静脉关联的人物的血压小于第四阈值。

需要说明的是，采集单元501、处理单元502和确定单元503可通过处理器实现。

本申请实施例还提供一种计算机存储介质，其中，该计算机存储介质存储用于电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤，上述计算机包括电子设备。

本申请实施例还提供一种计算机程序产品，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包，上述计算机包括电子设备。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。

上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取器(英文：Random Access Memory，简称：RAM)、磁盘或光盘等。

以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (6)

1.一种中心静脉压测量装置，其特征在于，应用于包括静脉识别模块的电子设备，所述装置包括：

采集单元，用于通过所述静脉识别模块采集颈部右侧静脉的脉动图像数据；

处理单元，用于调用运动放大算法处理所述脉动图像数据，以得到脉动运动信息；

所述处理单元，具体用于按照时间采集先后顺序将所述脉动图像数据分解成N帧图像；基于预设特征点选取规则从所述N帧图像中确定至少一个特征点，包括：基于高斯的随机特征点生成方法从所述N帧图像中确定至少一个特征点；或者，基于质心的同心圆特征点网格方法从所述N帧图像中确定至少一个特征点；确定每个特征点分别在所述N帧图像中的N个第一位置，所述N个第一位置与所述N帧图像一一对应；基于每个特征点对应的所述N个第一位置确定每个特征点的位置变化轨迹；合成放大每个特征点的位置变化轨迹，以得到脉动运动波函数；基于所述脉动运动波函数得到脉动运动信息，所述脉动运动信息包括以下至少一种：脉动运动振幅、脉动运动频率、脉动运动时域波形；

确定单元，用于输出所述脉动运动信息，以确定中心静脉压；

所述确定单元，具体用于基于脉动运动振幅与中心静脉压的第一映射关系确定中心静脉压，和/或脉动运动频率与中心静脉压的第二映射关系确定中心静脉压，和/或脉动运动时域波形与中心静脉压的第三映射关系确定中心静脉压；

在基于高斯的随机特征点生成方法从所述N帧图像中确定至少一个特征点方面，所述处理单元，具体用于分析所述N帧图像的特征点分布；

按照P个不同圆心对所述N帧图像中的每帧图像进行圆形图像截取，得到P个圆形静脉区域图像，每帧图像中的P个圆形静脉区域图像的位置相同，所述P为大于3的整数；

从所述P个圆形静脉区域图像中选出目标圆形静脉区域图像，所述目标圆形静脉区域图像所包含的特征点的数量大于所述P个圆形静脉区域图像中的其他圆形静脉区域图像；

确定所述目标圆形静脉区域的质心；

基于质心从所述N帧图像中确定至少一个特征点，所述至少一个特征点的数量分布满足高斯分布；

在基于质心的同心圆特征点网格方法从所述N帧图像中确定至少一个特征点方面，所述处理单元，具体用于分析所述N帧图像的特征点分布；

按照M个不同圆心对所述N帧图像中的每帧图像进行圆形图像截取，得到M个圆形静脉区域图像，每帧图像中的M个圆形静脉区域图像的位置相同，所述M为大于3的整数；

从所述M个圆形静脉区域图像中选出目标圆形静脉区域图像，所述目标圆形静脉区域图像所包含的特征点的数量大于所述M个圆形静脉区域图像中的其他圆形静脉区域图像；

将所述目标圆形静脉区域图像划分得到Q个圆环，所述Q个圆环的环宽相同；

从所述Q个圆环中半径最小的圆环开始，每个圆环中选取一个特征点，所述特征点的清晰度大于或等于第五阈值。

2.一种电子设备，其特征在于，包括处理器、存储器、通信接口，以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序用于执行通过静脉识别模块采集颈部右侧静脉的脉动图像数据；

调用运动放大算法处理所述脉动图像数据，以得到脉动运动信息，包括：按照时间采集先后顺序将所述脉动图像数据分解成N帧图像，基于预设特征点选取规则从所述N帧图像中确定至少一个特征点，确定每个特征点分别在所述N帧图像中的N个第一位置，所述N个第一位置与所述N帧图像一一对应，基于每个特征点对应的所述N个第一位置确定每个特征点的位置变化轨迹，合成放大每个特征点的位置变化轨迹，以得到脉动运动波函数，基于所述脉动运动波函数得到脉动运动信息，所述脉动运动信息包括以下至少一种：脉动运动振幅、脉动运动频率、脉动运动时域波形；

输出所述脉动运动信息，以确定中心静脉压，包括：基于脉动运动振幅与中心静脉压的第一映射关系确定中心静脉压，和/或脉动运动频率与中心静脉压的第二映射关系确定中心静脉压，和/或脉动运动时域波形与中心静脉压的第三映射关系确定中心静脉压；

所述基于预设特征点选取规则从所述N帧图像中确定至少一个特征点，包括：基于高斯的随机特征点生成方法从所述N帧图像中确定至少一个特征点；或者，基于质心的同心圆特征点网格方法从所述N帧图像中确定至少一个特征点；

所述基于高斯的随机特征点生成方法从所述N帧图像中确定至少一个特征点，包括：

分析所述N帧图像的特征点分布；

按照P个不同圆心对所述N帧图像中的每帧图像进行圆形图像截取，得到P个圆形静脉区域图像，每帧图像中的P个圆形静脉区域图像的位置相同，所述P为大于3的整数；

从所述P个圆形静脉区域图像中选出目标圆形静脉区域图像，所述目标圆形静脉区域图像所包含的特征点的数量大于所述P个圆形静脉区域图像中的其他圆形静脉区域图像；

确定所述目标圆形静脉区域的质心；

基于质心从所述N帧图像中确定至少一个特征点，所述至少一个特征点的数量分布满足高斯分布；

所述基于质心的同心圆特征点网格方法从所述N帧图像中确定至少一个特征点，包括：

分析所述N帧图像的特征点分布；

按照M个不同圆心对所述N帧图像中的每帧图像进行圆形图像截取，得到M个圆形静脉区域图像，每帧图像中的M个圆形静脉区域图像的位置相同，所述M为大于3的整数；

从所述M个圆形静脉区域图像中选出目标圆形静脉区域图像，所述目标圆形静脉区域图像所包含的特征点的数量大于所述M个圆形静脉区域图像中的其他圆形静脉区域图像；

将所述目标圆形静脉区域图像划分得到Q个圆环，所述Q个圆环的环宽相同；

从所述Q个圆环中半径最小的圆环开始，每个圆环中选取一个特征点，所述特征点的清晰度大于或等于第五阈值。

3.根据权利要求2所述的电子设备，其特征在于，所述处理器，用于基于所述中心静脉压确定人物的健康状况，以及基于所述健康状况输出治疗建议。

4.根据权利要求2或3所述的电子设备，其特征在于，所述静脉识别模块包括静脉识别传感器和光信号发射器，

所述处理器，具体用于通过所述光信号发射第一光信号，所述第一光信号用于测量颈部右侧静脉关联的人物与所述电子设备的第一距离；

基于所述第一距离确定所述光信号发射器发射第二光信号时的工作参数，所述第二光信号用于测量所述颈部右侧静脉的脉动图像数据；

基于所述工作参数控制所述光信号发射器发射所述第二光信号；

通过所述静脉识别传感器采集所述脉动图像数据。

5.根据权利要求2或3所述的电子设备，其特征在于，通过所述静脉识别模块采集颈部右侧静脉的脉动图像数据之前，所述处理器，还用于确定所述颈部右侧静脉关联的人物处于亚健康状态，所述亚健康状态包括以下至少一种：所述颈部右侧静脉关联的人物的尿液量小于或等于第一阈值，所述颈部右侧静脉关联的人物的血清钠含量大于第二阈值或小于第三阈值，所述颈部右侧静脉关联的人物的血压小于第四阈值。

6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以通过静脉识别模块采集颈部右侧静脉的脉动图像数据；

调用运动放大算法处理所述脉动图像数据，以得到脉动运动信息，包括：按照时间采集先后顺序将所述脉动图像数据分解成N帧图像，基于预设特征点选取规则从所述N帧图像中确定至少一个特征点，确定每个特征点分别在所述N帧图像中的N个第一位置，所述N个第一位置与所述N帧图像一一对应，基于每个特征点对应的所述N个第一位置确定每个特征点的位置变化轨迹，合成放大每个特征点的位置变化轨迹，以得到脉动运动波函数，基于所述脉动运动波函数得到脉动运动信息，所述脉动运动信息包括以下至少一种：脉动运动振幅、脉动运动频率、脉动运动时域波形；

输出所述脉动运动信息，以确定中心静脉压，包括：基于脉动运动振幅与中心静脉压的第一映射关系确定中心静脉压，和/或脉动运动频率与中心静脉压的第二映射关系确定中心静脉压，和/或脉动运动时域波形与中心静脉压的第三映射关系确定中心静脉压；

所述基于预设特征点选取规则从所述N帧图像中确定至少一个特征点，包括：基于高斯的随机特征点生成方法从所述N帧图像中确定至少一个特征点；或者，基于质心的同心圆特征点网格方法从所述N帧图像中确定至少一个特征点；

所述基于高斯的随机特征点生成方法从所述N帧图像中确定至少一个特征点，包括：

分析所述N帧图像的特征点分布；

按照P个不同圆心对所述N帧图像中的每帧图像进行圆形图像截取，得到P个圆形静脉区域图像，每帧图像中的P个圆形静脉区域图像的位置相同，所述P为大于3的整数；

从所述P个圆形静脉区域图像中选出目标圆形静脉区域图像，所述目标圆形静脉区域图像所包含的特征点的数量大于所述P个圆形静脉区域图像中的其他圆形静脉区域图像；

确定所述目标圆形静脉区域的质心；

基于质心从所述N帧图像中确定至少一个特征点，所述至少一个特征点的数量分布满足高斯分布；

所述基于质心的同心圆特征点网格方法从所述N帧图像中确定至少一个特征点，包括：

分析所述N帧图像的特征点分布；

按照M个不同圆心对所述N帧图像中的每帧图像进行圆形图像截取，得到M个圆形静脉区域图像，每帧图像中的M个圆形静脉区域图像的位置相同，所述M为大于3的整数；

从所述M个圆形静脉区域图像中选出目标圆形静脉区域图像，所述目标圆形静脉区域图像所包含的特征点的数量大于所述M个圆形静脉区域图像中的其他圆形静脉区域图像；

将所述目标圆形静脉区域图像划分得到Q个圆环，所述Q个圆环的环宽相同；

从所述Q个圆环中半径最小的圆环开始，每个圆环中选取一个特征点，所述特征点的清晰度大于或等于第五阈值。

Images