CN110265150A - 血压计算模型建立方法及穿戴式监测装置与血压测量方法 - Google Patents
血压计算模型建立方法及穿戴式监测装置与血压测量方法 Download PDFInfo
- Publication number
- CN110265150A CN110265150A CN201910696436.1A CN201910696436A CN110265150A CN 110265150 A CN110265150 A CN 110265150A CN 201910696436 A CN201910696436 A CN 201910696436A CN 110265150 A CN110265150 A CN 110265150A
- Authority
- CN
- China
- Prior art keywords
- pulse wave
- blood pressure
- wave signal
- age
- user
- 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.)
- Pending
Links
- 230000036772 blood pressure Effects 0.000 title claims abstract description 93
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012806 monitoring device Methods 0.000 title claims abstract description 24
- 238000013519 translation Methods 0.000 claims abstract description 64
- 238000012545 processing Methods 0.000 claims abstract description 27
- 238000001514 detection method Methods 0.000 claims abstract description 13
- 238000009530 blood pressure measurement Methods 0.000 claims description 14
- 230000035487 diastolic blood pressure Effects 0.000 claims description 14
- 230000035488 systolic blood pressure Effects 0.000 claims description 14
- 238000012360 testing method Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 8
- 230000001419 dependent effect Effects 0.000 claims description 4
- 238000000611 regression analysis Methods 0.000 claims description 4
- 230000008878 coupling Effects 0.000 claims description 2
- 238000010168 coupling process Methods 0.000 claims description 2
- 238000005859 coupling reaction Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 19
- 230000008901 benefit Effects 0.000 description 13
- 238000005259 measurement Methods 0.000 description 9
- 239000008280 blood Substances 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 208000018152 Cerebral disease Diseases 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 238000010009 beating Methods 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000007721 medicinal effect Effects 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 230000010349 pulsation Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
- 230000001755 vocal effect Effects 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
- A61B5/24—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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Cardiology (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Vascular Medicine (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明揭露一种血压计算模型的建立方法及穿戴式监测装置与血压测量方法,血压测量装置包括信号侦测单元、输入单元、数据处理单元以及显示单元,信号侦测单元用于侦测用户的心电波信号以及脉搏波信号,输入单元用于输入用户的年龄,数据处理单元对侦测到的心电波信号以及脉搏信号进行处理后并计算用户的脉搏波传导时间,利用用户的脉搏波传导时间与年龄根据预先建立的血压计算模型,计算用户的血压值,最后由显示单元显示出用户的血压值。
Description
技术领域
本发明涉及血压测量技术领域,尤其涉及一种建立血压计算模型的方法以及能够实时监测血压的穿戴式监测装置与血压测量方法。
背景技术
血压是人体健康的重要生命指征,其能映射出人体心脏与血管血液循环系统的功能状态,是临床鉴定疾病、检查医疗效果以及预后推测信息等的重要凭据。
随着人类科技的进步,人们的生活质量日益提高,生活节奏的加快使得当代人越来越注重健康问题。及时测量血压值,有利于人们预防心脑疾病发生的危险,减少急性事件的发生。但是目前血压测量主要还是采用水银血压计进行测量,这使得测量者不能够实时测量血压且在测量时操作不便。
因此,采用穿戴式监测装置进行血压测量,是一种新的血压测量方式。然而,在穿戴式监测装置中的血压计算模型中引用的参数过于单一,往往会导致测量出的血压值不够精准。
因此,如何建立一种可精准测量血压的血压计算模型,并应用于可穿戴式的血压测量装置中,以便能实时监测血压,以成为相关领域中亟待解决的问题。
发明内容
本发明的目的在于提供一种建立血压计算模型的方法以及穿戴式监测装置与血压测量方法,不仅能够实时监测人体血压值,而且可以使得血压测量结果更加精准、误差低。
为达所述优点至少其中之一或其他优点,本发明的一实施例提出一种建立血压计算模型的方法,建立血压计算模型的方法包括下列步骤:
采集测试者的心电波信号、以及脉搏波信号;
对采集到的心电波信号、以及脉搏波信号进行除噪处理;
利用除噪处理后的心电波信号、以及脉搏波信号计算测试者的脉搏波传导时间;
输入测试者的年龄以及血压值;以及
依据脉搏波传导时间、年龄以及血压值建立血压计算模型。
进一步说明,依据脉搏波传导时间、年龄以及血压值建立血压计算模型的步骤是以测试者的脉搏波传导时间与年龄为自变量,血压值作为因变量,进行回归分析得到回归系数和常数项,以建立血压计算模型。
再进一步说明,计算测试者的脉搏波传导时间包括下列步骤:
步骤一,设置时间阈值;
步骤二,在时间阈值内提取脉搏波信号的峰值点为第一特征点以及心电波信号的峰值点为第二特征点;
步骤三,利用第一特征点与第二特征点的时间差计算测试者的脉搏波传导时间。
更进一步说明,血压计算模型为:
SBP=A*PWTT+B*AGE+C,
DBP=D*PWTT2+E*PWTT+F*AGE+G,
上述血压计算模型中SBP为收缩压,DBP为舒张压,PWTT为脉搏波传导时间,AGE为年龄,A、B、D、E、F为回归系数,C、G为常数项。其中,回归系数A的取值范围为-0.55至-0.45,回归系数B的取值范围为-0.31至-0.25,回归系数D的取值范围为0.002至0.010,回归系数E的取值范围为-1.45至-1.35,回归系数F的范围为0.25至0.35,常数项C的取值范围为245至255,常数项G的取值范围为245至255。
为达所述优点至少其中之一或者其他优点,本发明一实施例可进一步提出一种血压测量方法,血压测量方法包括下列步骤:
侦测用户的心电波信号、以及脉搏波信号;
对侦测到的心电波信号、以及脉搏波信号进行除噪处理;
利用除噪处理后的心电波信号、以及脉搏波信号计算用户的脉搏波传导时间;
输入用户的年龄;
根据脉搏波传导时间以及年龄,并利用预先建立的血压计算模型,计算出用户的血压值;以及
显示用户的血压值。
进一步,计算用户的脉搏波传导时间包括下列步骤:
设置时间阈值;
在时间阈值内提取用户的脉搏波信号的峰值点为第一特征点、以及用户的心电波信号的峰值点为第二特征点;
利用第一特征点以及第二特征点的时间差计算用户的脉搏波传导时间。
再进一步,预先建立的血压计算模型为:
SBP=A*PWTT+B*AGE+C,
DBP=D*PWTT2+E*PWTT+F*AGE+G,
其中,SBP为收缩压,DBP为舒张压,PWTT为脉搏波传导时间,AGE为年龄,A、B、D、E、F为回归系数,C、G为常数项。
为达所述优点至少其中之一或者其他优点,本发明又一实施例可进一步提出一种穿戴式监测装置,能够实时监测用户的血压值。
穿戴式监测装置包括信号侦测单元、输入单元、数据处理单元、以及显示单元。
信号侦测单元包括光电传感组件,用于侦测用户的心电波信号、以及脉搏波信号。
输入单元,用于输入用户的年龄。
数据处理单元,用于对用户的心电波信号、以及脉搏波信号进行处理并计算用户的脉搏波传导时间,再通过脉搏波传导时间与年龄,利用预先建立的血压计算模型,计算用户的血压值。
显示单元,用于显示用户的血压值。
上述预先建立的血压计算模型为:
SBP=A*PWTT+B*AGE+C,
DBP=D*PWTT2+E*PWTT+F*AGE+G,
其中,SBP为收缩压,DBP为舒张压,PWTT为脉搏波传导时间,AGE为年龄,A、B、D、E、F为回归系数,C、G为常数项。
数据处理单元包括除噪模块、脉搏波传导时间计算模块、以及血压计算模块。
其中,除噪模块耦接信号侦测单元,用于对信号侦测单元侦测到的心电波信号、以及脉搏波信号进行除噪处理,脉搏波传导时间计算模块耦接除噪模块,用于提取经除噪模块除噪后的脉搏波信号、以及心电波信号的特征点,并根据提取的特征点计算用户的脉搏波传导时间,血压计算模块包括预先建立的血压计算模型,血压计算模块耦接脉搏波传导时间计算模块、输入单元以及显示单元,根据脉搏波传导时间以及年龄,并利用预先建立的血压计算模型,计算出用户的血压值。
因此,利用本发明所提供的一种建立血压计算模型的方法以及穿戴式监测装置与血压测量方法,藉由穿戴式监测装置以及血压计算模型,不仅能够实时监测人体血压,而且在血压计算模型中引入年龄参数可以使得血压测量结果更加精准。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂,以下特举较佳实施例,并配合附图,详细说明如下。
附图说明
所包括的附图用来提供对本申请实施例的进一步的理解,其构成了说明书的一部分,用于例示本申请的实施方式,并与文字描述一起来阐释本申请的原理。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性的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1是本发明建立血压计算模型的方法流程示意图;
图2是本发明计算测试者脉搏波传导时间的流程示意图;
图3A是除噪处理前、后的脉搏波信号对比图;
图3B是除噪处理前、后的心电波信号对比图;
图4A是心电波信号特征点提取示意图;
图4B是脉搏波信号特征点提取示意图;
图5是脉搏波传导时间示意图;
图6是本发明测量血压的方法流程示意图;
图7是计算用户的脉搏波传导时间的流程示意图;以及
图8是本发明穿戴式监测装置的硬件方块图。
具体实施方式
这里所公开的具体结构和功能细节仅仅是代表性的,并且是用于描述本发明的示例性实施例的目的。但是本发明可以通过许多替换形式来具体实现,并且不应当被解释成仅仅受限于这里所阐述的实施例。
这里所使用的术语“包括”和/或“包含”规定所陈述的特征、整数、步骤、操作、单元和/或组件的存在,而不排除存在或添加一个或更多其他特征、整数、步骤、操作、单元、组件和/或其组合。
请参阅图1,图1是本发明建立血压计算模型的方法流程示意图。为达所述优点其中之一或其他优点,本发明的一实施例提供一种建立血压计算模型的方法,用于建立血压计算模型。图1示例中可见,建立血压计算模型的方法包括下列步骤:
S200:采集测试者的心电波信号、以及脉搏波信号;
S202:对采集到的心电波信号、以及脉搏波信号进行除噪处理;
S204:利用除噪处理后的心电波信号、以及脉搏波信号计算测试者的脉搏波传导时间;
S206:输入测试者的年龄以及血压值;
S208:依据脉搏波传导时间、年龄以及血压值建立血压计算模型。
在本实施例中,对采集到的心电波信号、以及脉搏波信号进行除噪处理的方法是采用巴特沃斯滤波法。
结合图1请参阅图2,图2是本发明计算测试者脉搏波传导时间的流程示意图。图2示例中可见,计算测试者的脉搏波传导时间包括以下步骤:
S2042:设置时间阈值;
S2044:在时间阈值内提取脉搏波信号的峰值点为第一特征点以及脉搏波信号的峰值点为第二特征点;
S2046:利用第一特征点与第二特征点的时间差计算测试者的脉搏波传导时间。
血压计算模型的步骤为以测试者的脉搏波传导时间与年龄为自变量,血压值作为因变量,进行回归分析得到回归系数和常数项,以建立血压计算模型。其中血压计算模型为:
SBP=A*PWTT+B*AGE+C,
DBP=D*PWTT2+E*PWTT+F*AGE+G,
上述血压计算模型中,SBP为收缩压,DBP为舒张压,PWTT为脉搏波传导时间,AGE为年龄,A、B、D、E、F为回归系数,C、G为常数项。
其中,血压计算模型中的回归系数A的取值范围为-0.55至-0.45,回归系数B的取值范围为-0.31至-0.25,回归系数D的取值范围为0.002至0.010,回归系数E的取值范围为-1.45至-1.35,回归系数F的范围为0.25至0.35,常数项C的取值范围为245至255,常数项G的取值范围为245至255。
在本实施例选取了20名测试者,在测量时,先使用脉搏波传感器芯片通过光电式容积脉搏波描记的方式感应测试者的脉搏波信号以及心电波信号并加以提取,再通过模拟前端芯片输出脉搏波信号以及心电波信号,最后利用水银血压计测量测试者的血压以得到精准的血压值,但是脉搏波信号以及心电波信号的采集方式、以及血压值测量装置不仅仅局限于此。
进一步说明,为了使建立的血压计算模型更加准确,在对脉搏波信号、以及心电波信号进行特征点提取以前,需要对特征点进行除噪处理,以消除脉搏波信号以及心电波信号中的毛刺和基线漂移。
人体正常的脉率为60-100次/min,即1-1.67Hz,不同人的脉搏频率可能不一样,但最高频率不超过40Hz。从脉搏功率谱的能量分布来看,99%的能量集中在0.5-10Hz之间。前述频率特性即可作为滤波器通频带的设定标准。举例来说,可使用低通滤波器,并设定其截止频率为40Hz。另外,考虑到本血压计算模型可面向可穿戴设备,可穿戴设备中微处理器计算能力有限,所以在实施例中选用巴特沃斯滤波法对心电波信号、以及脉搏波信号进行除噪处理。
脉搏波信号以及心电波信号除噪处理前与除噪处理后的效果对比图如图3A~图3B所示,其中图3A是除噪处理前、后的脉搏波信号对比图,图3B是除噪处理前、后的心电波信号对比图,从图中可以看出除噪处理前的脉搏波以及心电波信号具有较多毛刺和基线漂移,除噪处理后的脉搏波信号以及心电波信号波形较为平整。
经过除噪处理后需要对心电波信号以及脉搏波信号进行特征点提取。为了避免提取到大量的干扰点,本实施例中采用设置时间阈值的方法提取特征点,设置以0.6倍的搏动周期为时间阈值,若在时间阈值内只有一个极大值,则认为这个点为信号峰值点,若在时间阈值内有多个极大值,则根据信号波波形时间宽度最小,幅值最高的特点,选取在f(x)=0处波形横截宽度小的点为信号峰值点,以此类推找出所有的峰值点。心电波信号以及脉搏波信号的特征点提取示意图如图4A~4B,其中,图4A是心电波信号特征点提取示意图,图4B是脉搏波信号特征点提取示意图。
再进一步说明,脉搏波传导时间为脉搏波信号的峰值点与心电波信号的峰值点的时间差,请参阅图5,图5是脉搏波传导时间示意图。
在本实施例中,所获得的测试者的脉搏波传导时间、年龄、收缩压、以及舒张压如表1所示。
表1实施例中各测试者的脉搏波传导时间、年龄、收缩压、以及舒张压。
本实施例以测试者的脉搏波传导时间和年龄为自变量,以水银血压计测得的测试者的血压值为因变量,进行回归分析得到回归系数和常数项,以建立血压计算模型:
SBP=-0.5215*PWTT-0.2917*AGE+251.2562
DBP=0.0023*PWTT2-1.4155*PWTT+0.3169*AGE+249.7851
式中:SBP、DBP分别代表收缩压和舒张压,AGE代表年龄,PWTT代表脉搏波传导时间。
建立血压计算模型后,对血压计算模型进行准确性测试。本实施例中选取了不同年龄段的10位测试者进行血压值测量,并将所得的血压值与利用水银血压计测量的血压值进行对比,计算两者的误差,如表2所示。
表2实施例中利用血压计算模型计算所得的血压值、利用水银血压计所得的血压值以及误差。
通过对10名不同年龄段的测试者进行血压测量,经计算可知由预先建立的血压计算模型计算所得收缩压平均绝对误差为1.93mmHg,标准差为2.38mmHg;舒张压平均绝对误差为3.95mmHg,标准差为4.26mmHg。可知,收缩压和舒张压达到了AAMI美国医疗仪器促进协会制定的标准:误差标准差不大于5mmHg。
请参阅图6,图6是本发明测量血压的方法流程示意图。为达所述优点其中之一或其他优点,本发明的又一实施例提供一种血压测量的方法,用于测量用户的血压值。请参阅图6,图6示例中可见血压测量的方法包括下列步骤:
S2:侦测用户的心电波信号、以及脉搏波信号;
S4:对侦测到的心电波信号、以及脉搏波信号进行除噪处理;
S6:利用除噪处理后的心电波信号、以及脉搏波信号计算脉搏波传导时间;
S8:输入用户的年龄;
S10:根据用户的年龄与脉搏波传导时间利用预先建立好的血压计算模型,计算用户的血压值;
S12:显示用户的血压值。
进一步补充说明,本实施例中对采集到的用户的心电波信号、以及脉搏波信号进行除噪处理采用的方法是巴特沃斯滤波法。
请参阅图7,图7是计算用户的脉搏波传导时间的流程示意图。图7可见,计算脉搏波传导时间的步骤包括下列步骤:
S62:设置时间阈值;
S64:在时间阈值内提取用户的脉搏波信号的峰值点为第一特征点、以及用户的心电波信号的峰值点为第二特征点;
S66:利用第一特征点以及第二特征点的时间差计算用户的脉搏波传导时间。
再进一步补充说明,脉搏波传导时间为第一特征点与第二特征点的时间差。
更进一步说明,上述预先建立的血压计算模型为:
SBP=A*PWTT+B*AGE+C,
DBP=D*PWTT2+E*PWTT+F*AGE+G,
其中,SBP为收缩压,DBP为舒张压,PWTT为脉搏波传导时间,AGE为年龄,A、B、D、E、F为回归系数,C、G为常数项。
请参阅图8,图8是本发明穿戴式监测装置10的硬件方块图。为达所述优点其中之一或其他优点,本发明的又一实施例可进一步提供一种穿戴式监测装置10,能够实时监测用户的血压值。由图8可见,穿戴式监测装置10包括信号侦测单元12、输入单元14、数据处理单元16、以及显示单元18。
信号侦测单元12包括光电传感组件11,用于侦测用户的脉搏波信号、以及心电波信号。
输入单元14用于输入用户的年龄。
进一步说明,输入单元14可以是设置于穿戴式监测装置10上的按键。
数据处理单元16,用于对用户的心电波信号、以及脉搏波信号进行处理,并计算用户的脉搏波传导时间,再通过用户的脉搏波传导时间与年龄,利用预先建立的血压计算模型,计算用户的血压值。
数据处理单元16包括除噪模块1602、脉搏波传导时间计算模块1604、以及血压计算模块1608。
除噪模块1602耦接于信号侦测单元12,用于对信号侦测单元12侦测到的用户的心电波信号、以及脉搏波信号进行除噪处理。
脉搏波传导时间计算模块1604耦接于除噪模块1602,用于接收经除噪模块1602除噪处理后的脉搏波信号、以及心电波信号并提取脉搏波信号、以及心电波信号的特征点,根据提取的特征点计算用户的脉搏波传导时间。
在本实施例中采用设置时间阈值的方法提取特征点,设置以0.6倍的搏动周期为时间阈值,若在时间阈值内只有一个极大值,则认为这个点为信号峰值点,若在时间阈值内有多个极大值,则根据信号波波形时间宽度最小,幅值最高的特点,选取在f(x)=0处波形横截宽度小的点为信号峰值点,以此类推找出所有的峰值点。
进一步补充说明,用户的脉搏波传导时间为用户的心电波信号特征点与用户的脉搏波信号特征点的时间差。
血压计算模块1608分别耦接于脉搏波传导时间计算模块1604以及输入单元14,血压计算模块1608包括预先建立的血压计算模型,根据用户的脉搏波传导时间与年龄,计算用户的血压值。
再进一步补充说明,预先建立的血压计算模型为:
SBP=A*PWTT+B*AGE+C,
DBP=D*PWTT2+E*PWTT+F*AGE+G,
其中,SBP为收缩压,DBP为舒张压,PWTT为脉搏波传导时间,AGE为年龄,A、B、D、E、F为回归系数,C、G为常数项。
显示单元18耦接血压计算模块1608,用于显示用户的血压值。
更进一步补充说明,在此实施例中穿戴式监测装置10用显示单元18显示用户的血压值以便用户知悉其血压值,但是用户知悉其血压值的方式不仅仅局限于通过显示单元18显示,亦可以通过语音播报方式。
此外,穿戴式监测装置10还包括电源单元(图未示),用于为上述信号侦测单元12、输入单元14、数据处理单元16以及显示单元18提供电力。
因此,利用本发明所提供的一种建立血压计算模型的方法以及穿戴式监测装置10与血压测量方法,藉由血压计算模型的建立以及穿戴式监测装置10,不仅能够实时监测人体血压,而且在血压计算模型中引入年龄参数可以使得血压测量结果更加精准。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明,任何熟悉本专业的技术人员,在不脱离本发明技术方案范围内,当可利用上述揭示的方法及技术内容作出些许的更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (10)
1.一种建立血压计算模型的方法,其特征在于,所述建立血压计算模型的方法包括下列步骤:
采集测试者的心电波信号、以及脉搏波信号;
对采集到的所述心电波信号、以及所述脉搏波信号进行除噪处理;
利用除噪处理后的所述心电波信号、以及除噪处理后的所述脉搏波信号计算所述测试者的脉搏波传导时间;
输入所述测试者的年龄以及血压值;以及
依据所述脉搏波传导时间、所述年龄以及所述血压值建立所述血压计算模型。
2.根据权利要求1所述的建立血压计算模型的方法,其特征在于,所述依据所述脉搏波传导时间、所述年龄以及所述血压值建立所述血压计算模型的步骤是以所述测试者的脉搏波传导时间与年龄为自变量,所述血压值作为因变量,进行回归分析得到回归系数和常数项,以建立所述血压计算模型。
3.根据权利要求1所述的建立血压计算模型的方法,其特征在于,所述计算所述测试者的脉搏波传导时间包括下列步骤:
设置时间阈值;
在所述时间阈值内提取所述脉搏波信号的峰值点为第一特征点以及所述心电波信号的峰值点为第二特征点;以及
利用所述第一特征点与所述第二特征点的时间差计算所述测试者的脉搏波传导时间。
4.根据权利要求2所述的建立血压计算模型的方法,其特征在于,所述血压计算模型为:
SBP=A*PWTT+B*AGE+C,
DBP=D*PWTT2+E*PWTT+F*AGE+G,
其中,SBP为收缩压,DBP为舒张压,PWTT为所述脉搏波传导时间,AGE为所述年龄,A、B、D、E、F为所述回归系数,C、G为所述常数项。
5.一种血压测量的方法,其特征在于,所述血压测量的方法包括下列步骤:
侦测用户的心电波信号、以及脉搏波信号;
对侦测到的所述心电波信号、以及所述脉搏波信号进行除噪处理;
利用除噪处理后的所述心电波信号、以及所述脉搏波信号计算所述用户的脉搏波传导时间;
输入所述用户的年龄;
根据所述脉搏波传导时间以及所述年龄,并利用预先建立的血压计算模型,计算出所述用户的血压值;以及
显示所述用户的血压值。
6.根据权利要求5所述的血压测量的方法,其特征在于,所述计算所述用户的脉搏波传导时间包括下列步骤:
设置时间阈值;
在所述时间阈值内提取所述用户的脉搏波信号的峰值点为第一特征点、以及所述用户的心电波信号的峰值点为第二特征点;
利用所述第一特征点以及所述第二特征点的时间差计算所述用户的脉搏波传导时间。
7.根据权利要求5所述的血压测量的方法,其特征在于,所述预先建立的血压计算模型为:
SBP=A*PWTT+B*AGE+C,
DBP=D*PWTT2+E*PWTT+F*AGE+G,
其中,SBP为收缩压,DBP为舒张压,PWTT为所述脉搏波传导时间,AGE为所述年龄,A、B、D、E、F为所述回归系数,C、G为所述常数项。
8.一种穿戴式监测装置,能实时监测用户的血压值,其特征在于,所述穿戴式监测装置包括:
信号侦测单元,用于侦测所述用户的心电波信号、以及脉搏波信号;
输入单元,用于输入所述用户的年龄;
数据处理单元,用于对所述用户的心电波信号、以及脉搏波信号进行处理并计算所述用户的脉搏波传导时间,再通过所述脉搏波传导时间与所述年龄,利用预先建立的血压计算模型,计算所述用户的血压值;
显示单元,用于显示所述用户的血压值。
9.根据权利要求8所述的穿戴式监测装置,其特征在于,所述数据处理单元包括除噪模块、脉搏波传导时间计算模块、以及血压计算模块,其中,所述除噪模块耦接所述信号侦测单元,用于对所述侦测单元侦测到的所述心电波信号、以及脉搏波信号进行除噪处理,所述脉搏波传导时间计算模块耦接所述除噪模块,用于提取经所述除噪模块除噪后的所述脉搏波信号、以及心电波信号的特征点,并根据提取的特征点计算所述用户的脉搏波传导时间,所述血压计算模块包括所述预先建立的血压计算模型,所述血压计算模块耦接所述脉搏波传导时间计算模块、所述输入单元、以及所述显示单元,根据所述脉搏波传导时间以及所述年龄,并利用预先建立的血压计算模型,计算出所述用户的血压值。
10.根据权利要求8所述的穿戴式监测装置,其特征在于,所述预先建立的血压计算模型为:
SBP=A*PWTT+B*AGE+C,
DBP=D*PWTT2+E*PWTT+F*AGE+G,
其中,SBP为收缩压,DBP为舒张压,PWTT为所述脉搏波传导时间,AGE为所述年龄,A、B、D、E、F为所述回归系数,C、G为所述常数项。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910696436.1A CN110265150A (zh) | 2019-07-30 | 2019-07-30 | 血压计算模型建立方法及穿戴式监测装置与血压测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910696436.1A CN110265150A (zh) | 2019-07-30 | 2019-07-30 | 血压计算模型建立方法及穿戴式监测装置与血压测量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110265150A true CN110265150A (zh) | 2019-09-20 |
Family
ID=67912372
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910696436.1A Pending CN110265150A (zh) | 2019-07-30 | 2019-07-30 | 血压计算模型建立方法及穿戴式监测装置与血压测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110265150A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111951956A (zh) * | 2020-08-14 | 2020-11-17 | 江苏师范大学 | 一种基于支持向量机与血压校正的动脉硬化程度检测方法 |
CN114582503A (zh) * | 2022-02-24 | 2022-06-03 | 北京邮电大学 | 基于多元线性回归和相关性加权选择算法的血压监测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090018422A1 (en) * | 2007-06-12 | 2009-01-15 | Triage Wireless, Inc. | Vital sign monitor for cufflessly measuring blood pressure using a pulse transit time corrected for vascular index |
US20100049059A1 (en) * | 2008-08-25 | 2010-02-25 | Ha Kiryong | Apparatus and method for measuring blood pressure |
CN104257362A (zh) * | 2014-09-30 | 2015-01-07 | 成都柏森松传感技术有限公司 | 用于人体生理信号的监护系统 |
US20160089033A1 (en) * | 2014-09-29 | 2016-03-31 | Microsoft Corporation | Determining timing and context for cardiovascular measurements |
CN106343976A (zh) * | 2016-09-14 | 2017-01-25 | 京东方科技集团股份有限公司 | 建立血压模型的方法和装置以及确定血压的方法和装置 |
CN108926335A (zh) * | 2017-05-26 | 2018-12-04 | 深圳市玉成创新科技有限公司 | 基于脉搏波和心电的血压获取方法及其系统和装置 |
-
2019
- 2019-07-30 CN CN201910696436.1A patent/CN110265150A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090018422A1 (en) * | 2007-06-12 | 2009-01-15 | Triage Wireless, Inc. | Vital sign monitor for cufflessly measuring blood pressure using a pulse transit time corrected for vascular index |
US20100049059A1 (en) * | 2008-08-25 | 2010-02-25 | Ha Kiryong | Apparatus and method for measuring blood pressure |
US20160089033A1 (en) * | 2014-09-29 | 2016-03-31 | Microsoft Corporation | Determining timing and context for cardiovascular measurements |
CN104257362A (zh) * | 2014-09-30 | 2015-01-07 | 成都柏森松传感技术有限公司 | 用于人体生理信号的监护系统 |
CN106343976A (zh) * | 2016-09-14 | 2017-01-25 | 京东方科技集团股份有限公司 | 建立血压模型的方法和装置以及确定血压的方法和装置 |
US20180075209A1 (en) * | 2016-09-14 | 2018-03-15 | Boe Technology Group Co., Ltd. | Method and apparatus for establishing a blood pressure model and method and apparatus for determining a blood pressure |
CN108926335A (zh) * | 2017-05-26 | 2018-12-04 | 深圳市玉成创新科技有限公司 | 基于脉搏波和心电的血压获取方法及其系统和装置 |
Non-Patent Citations (2)
Title |
---|
CHING-FU HAN等: "Feasibility Study of Dual-PPG Sensors for Blood Velocity and Pressure Estimation", 《IEEE INTERNATIONAL CONFERENCE ON SYSTEMS MAN AND CYBERNETICS CONFERENCE PROCEEDINGS》 * |
梁永波等: "基于容积脉搏波的无创连续血压测量系统", 《航天医学与医学工程》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111951956A (zh) * | 2020-08-14 | 2020-11-17 | 江苏师范大学 | 一种基于支持向量机与血压校正的动脉硬化程度检测方法 |
CN114582503A (zh) * | 2022-02-24 | 2022-06-03 | 北京邮电大学 | 基于多元线性回归和相关性加权选择算法的血压监测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106974631B (zh) | 一种基于脉搏波波形和心电信号的血压测量方法及装置 | |
Kurylyak et al. | A Neural Network-based method for continuous blood pressure estimation from a PPG signal | |
KR100954817B1 (ko) | 맥파신호분석을 이용한 혈관건강 및 스트레스 검사시스템 및 방법 | |
KR101210828B1 (ko) | 다중 생체 신호 측정을 이용하여 손목혈압의 정확도를 향상시키는 방법 및 장치 | |
US11006885B2 (en) | Apparatus for determining blood pressure | |
CN105595979A (zh) | 一种基于脉搏波传播时间的无创连续血压监测方法及装置 | |
EP3295868A1 (en) | Blood pressure calculation method based on pulse reflected wave transit time, and blood pressure meter | |
CN112089405B (zh) | 一种脉搏波特征参数测量及显示装置 | |
Chen et al. | Assessment of algorithms for oscillometric blood pressure measurement | |
JP5132003B2 (ja) | 血圧推定装置及び血圧推定方法 | |
CN102755157B (zh) | 一种指端血流速度的测量方法 | |
US10694959B2 (en) | Image based blood pressure monitoring method | |
CN103750832A (zh) | 实时无线血压监控系统、血压测量装置及血压分析方法 | |
JP2008295517A (ja) | 漢方医における脈診の分析システムと方法 | |
CN111839488B (zh) | 基于脉搏波的无创连续血压测量装置和方法 | |
CN110265150A (zh) | 血压计算模型建立方法及穿戴式监测装置与血压测量方法 | |
CN109009004A (zh) | 一种基于中医脉象分析的体质检测方法 | |
Rasool et al. | Continuous and noninvasive blood pressure estimation by two-sensor measurement of pulse transit time | |
CN202723847U (zh) | 一种指端血流速度的测量仪器 | |
CN105852863B (zh) | 一种呼吸率测量方法及装置 | |
Zhang et al. | A LabVIEW based measure system for pulse wave transit time | |
CN117100239A (zh) | 基于cnn+lstm和ppg信号的血压检测系统 | |
KR20190076420A (ko) | 건강지수 표출 방법 | |
TW201733525A (zh) | 兼具情緒壓力指數檢測與血壓檢測之量測裝置與方法 | |
Almeida et al. | Hemodynamic features extraction from a new arterial pressure waveform probe |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190920 |