CN110418603B - 血压数据处理装置、血压数据处理方法以及程序 - Google Patents

血压数据处理装置、血压数据处理方法以及程序 Download PDF

Info

Publication number
CN110418603B
CN110418603B CN201880017870.6A CN201880017870A CN110418603B CN 110418603 B CN110418603 B CN 110418603B CN 201880017870 A CN201880017870 A CN 201880017870A CN 110418603 B CN110418603 B CN 110418603B
Authority
CN
China
Prior art keywords
blood pressure
peak
time
value
data processing
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
Application number
CN201880017870.6A
Other languages
English (en)
Other versions
CN110418603A (zh
Inventor
小久保绫子
和田洋贵
中嶋宏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Omron Healthcare Co Ltd
Original Assignee
Omron Healthcare Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Omron Healthcare Co Ltd filed Critical Omron Healthcare Co Ltd
Publication of CN110418603A publication Critical patent/CN110418603A/zh
Application granted granted Critical
Publication of CN110418603B publication Critical patent/CN110418603B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/0826—Detecting or evaluating apnoea events
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4818—Sleep apnoea
    • 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
    • A61B5/72—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
    • 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
    • A61B5/02141—Details of apparatus construction, e.g. pump units or housings therefor, cuff pressurising systems, arrangements of fluid conduits or circuits
    • 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
    • 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
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • A61B5/7445—Display arrangements, e.g. multiple display units

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Physics & Mathematics (AREA)
  • Physiology (AREA)
  • Cardiology (AREA)
  • Signal Processing (AREA)
  • Vascular Medicine (AREA)
  • Pulmonology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

血压数据处理装置根据血压值的时序数据而检测血压激增，具备：获取部，其用于获取血压值的时序数据；计算部，其在所述时序数据中设定一个以上的峰值检测区间，并且计算出基于每个所述峰值检测区间的收缩期血压、舒张期血压、脉压中的任意一个的特征量；以及确定部，其根据每个所述峰值检测区间的特征量而确定出至少一个的第一峰值。

Description

血压数据处理装置、血压数据处理方法以及程序
技术领域
本发明涉及一种对从用于测量被测量者血压的血压测量装置中得到的血压数据进行处理的技术。
背景技术
在患有睡眠呼吸暂停综合征(SAS；Sleep Apnea Syndrome的患者中，已知血压在无呼吸后的重新开始呼吸时急剧上升，之后将会下降。以下，将这样的急剧的血压变动称为“血压激增(surge)”(或者，简称为“激增”)。与患者所产生的激增相关的血压信息(例如，每单位时间内的激增的发生次数、血压的变动量等的统计量)被认为有助于SAS的诊断、治疗。
24时间自由动作下血压测量(ABPM；Ambulatory Blood Pressure Mons)是在24小时内对血压进行的，是每1小时对数个点的血压值进行测量的。在这样的ABPM中，无法捕捉在短时间内所产生的血压变动，也难以检测出急剧的血压变动、即激增。
在日本特开2007-282668号公报中记载了如下内容，即，将捕捉血压测量值的一天内的变动或一周内的变动作为目的，利用现有的血压测量装置来对在多个日期和时间内测量到的血压值数据进行整合。
在日本特开2012-239807号公报中，记载了根据低氧状态下进行测量的血压和血氧饱和度之间的关系而对被检者的心血管风险进行评价的内容，并且记载了求出低氧状态下进行测量的血压和非低氧状态下进行测量的血压之间的差值(血压的上升量)的内容。
发明内容
但是，并没有确立根据从血压测量装置中得到的血压值数据而检测激增的技术。因此，为了得到与激增相关的血压信息，需要进行医生等人员的作业。关于睡眠中的患者得到的血压值的时序数据量较为庞大。例如，若将一晚的睡眠时间设为8小时，则能够得到约3万次脉搏的血压值的时序数据。从这样的血压数据中人工找出激增是困难的。
本发明是着眼于上述的情况而完成的，其目的在于，提供一种从血压值的时序数据中能够检测出血压激增的血压数据处理装置、血压数据处理方法以及程序。
为了实现上述目的，本发明采用以下的实施方式。
在第一实施方式中，血压数据处理装置具备：获取部，其用于获取血压值的时序数据；计算部，其在所述时序数据中设定一个以上的峰值检测区间，并且计算出基于每个所述峰值检测区间的收缩期血压、舒张期血压、脉压中的任意一个的特征量；以及确定部，其根据每个所述峰值检测区间的特征量而确定出至少一个第一峰值。
根据第一实施方式，根据基于血压值的时序数据中的每个峰值检测区间的收缩期血压、舒张期血压、脉压中的任意一个的特征量，能够确定出第一峰值。因此，能够检测出作为第一峰值的血压激增。如果将所述时序数据设为每次脉搏的血压值，则能够高精度地检测出血压激增。另外，能够稳健地检测出不会在一定周期内出现的血压激增、具有各种模式的血压激增。
在第二实施方式中，也可以将所述特征量设为所述收缩期血压、所述舒张期血压、所述脉压中的任意一个的最大值。
在第三实施方式中，也可以将所述特征量设为，所述峰值检测区间中的所述收缩期血压、舒张期血压、脉压中的任意一个的最大值和所述峰值检测区间中的比所述最大值更靠前的时间点上的所述收缩期血压、舒张期血压、脉压中的任意一个的最小值之间的差值。根据第三实施方式，基于峰值检测区间中的收缩期血压、舒张期血压、脉压中的任意一个的变动量，能够检测出血压值急剧上升的血压激增。
在第四实施方式中，还可以具备提取部，所述提取部通过将判定基准应用于所述特征量来提取出每个所述峰值检测区间的峰值候选。
在第五实施方式中，所述峰值候选可以包括得到了满足所述判定基准的所述最大值的时间点，所述确定部也可以基于同一时间点上的一定数量以上的所述峰值候选而确定所述第一峰值。根据第五实施方式，通过将根据得到了满足判定基准的所述最大值的时间点而表示的峰值候选进行合并，来能够检测出血压激增。
在第六实施方式中，所述确定部根据基于所述时序数据的波形形状、时间信息、频率信息中的至少一个的其他特征量，进行所述第一峰值的筛选。根据第六实施方式，能够防止峰值数据的增大，并且能够切实地检测出更像是激增的事例。
在第七实施方式中，也可以将所述其他特征量设为血压激增的上升时间、下降时间、面积、相关系数。
第八实施方式是，在第一至第七实施方式的血压数据处理装置中，还具备显示部，所述显示部用于将所述时序数据与所述第一峰值一起显示。
在第九实施方式中，还可以具备搜索部，所述搜索部通过对包括所述第一峰值的搜索范围的前后至少任意一个的时间点上的所述时序数据的极大值进行搜索，来检测出至少一个的第二峰值。
根据第九实施方式，与只确定第一峰值的情况相比，通过进行所述时序数据的极大值的搜索来能够检测出更多的峰值。另外，根据第五实施方式，能够检测出作为比第一峰值更靠前的时间点上的第二峰值的血压激增、或者作为比第一峰值更靠后的时间点上的第二峰值的血压激增。
在第十实施方式中，还可以具备：显示部，其用于将所述时序数据与所述第一峰值和所述第二峰值一起显示；显示控制部，其通过对所述显示部进行控制来区别显示所述第一峰值和所述第二峰值。根据第十实施方式，能够应对：用户欲确认经过较长的时间而产生的峰值的检测结果、即较长的血压激增的意图；以及，该用户欲确认峰值的详细检测结果、即发生在长的血压激增的前后且通过所述搜索检测到的血压激增的意图；这两者。
根据本发明，能够提供一种能够从血压值的时序数据中检测出血压激增的技术。
附图说明
图1是表示第一实施方式的血压数据处理装置的框图。
图2是表示图1所示的血压测量装置的一例的框图。
图3是表示图2所示的血压测量部的侧视图。
图4是表示图2所示的血压测量部的剖视图。
图5是表示图2所示的血压测量部的俯视图。
图6是表示由图5所示的各压力传感器测量到的压力的波形的图。
图7是表示滑动窗的一例的图。
图8是表示输出第一峰值的数据的处理步骤的一例的流程图。
图9是表示去除尖峰噪声的例子的图。
图10是表示去除大变动噪声的例子的图。
图11是详细示出图8所示的重复处理的流程图。
图12是表示基于第一实施方式的血压数据处理装置的血压激增的检测结果的图。
图13是表示第二实施方式的血压数据处理装置的框图。
图14是表示输出第二峰值的数据的处理步骤的一例的流程图。
图15A是经过较短时间而产生的激增的图。
图15B是经过较长时间而产生的激增的例子的图。
图16是表示激增的检测遗漏的例子的图。
图17A是表示激增点的前时间点上的最大的极大值的搜索的图。
图17B是表示激增点的后时间点上的最大的极大值的搜索的图。
图18是表示第三实施方式的血压数据处理装置的框图。
图19是表示基于可视化部的显示例的图。
图20是表示从可视化部输出的可视化文件(file)的例子的图。
图21是表示血压数据处理装置的硬件结构例的框图。
具体实施方式
以下，参照附图对本发明的实施方式进行说明。需要说明的是，在以下的实施方式中，标注了同一个附图标记的部分进行相同的动作，并省略其重复说明。
(第一实施方式)
在图1中，概略性地示出本发明的第一实施方式的血压数据处理装置10。如图1所示，血压数据处理装置10是，对从用于测量被测量者血压的血压测量装置20中获得的血压值的时序数据11进行处理的装置。血压数据处理装置10例如能够安装在个人计算机或服务器等计算机上。
首先，参照图2至图6，对血压测量装置20进行说明。在第一实施方式中，血压测量装置20是穿戴于被测量者的手腕的穿戴式装置，通过张力测量法对被测量者的桡骨动脉的压力脉搏波进行测量。在此，张力测量法是指，通过在皮肤上以适当的压力按压动脉来在动脉形成扁平部，并且在保持了动脉内部和外部之间的平衡的状态下通过压力传感器以非侵入的方式计测压脉波的方法。通过张力测量法，能够得到每一次脉搏的血压值。
在图2中，概略性地表示第一实施方式的血压测量装置20。如图2所示，血压测量装置20具备血压测量部21、加速度传感器24、存储部25、输入部26、输出部27以及控制部28。控制部28对血压测量装置20的各个部进行控制。通过CPU(Central Processing Unit：中央处理器)等的处理器能够执行存储于ROM(Read-Only Memory：只读存储器)等的计算机可读的存储介质中的控制程序，来能够实现控制部28的功能。
血压测量部21对被测量者的压脉波进行测量，并且生成包括压脉波的测量结果的血压数据。图3是表示血压测量部21通过未图示的带(belt)来穿戴于被测量者的手腕Wr的状态的侧视图，图4是概略性地表示血压测量部21的结构的剖视图。如图3以及图4所示，血压测量部21具备传感器部22和按压机构23。传感器部22配置成，与内部具有桡骨动脉RA的部位(在该例子中，为手腕Wr)相接触。按压机构23用于将传感器部22按压于手腕Wr。
在图5中，表示了传感器部22的与手腕Wr相接触的一侧的面。如图5所示，传感器部22具备一个以上的(该例子中，为两个)压力传感器阵列221，压力传感器阵列221分别具有沿着方向B排列的多个(例如为46个)压力传感器222。方向B是，在血压测量装置20穿戴于被测量者的状态下，与桡骨动脉的延伸方向A相交的方向。将信道编号赋予压力传感器222。压力传感器222的配置不限于图5所示的例子。
各个压力传感器222测量压力并生成压力数据。作为压力传感器，可以采用用于将压力转换为电信号的压电元件。取样频率例如为125Hz。能够获得作为压力数据的如图6所示的压力波形。压脉波的测量结果是基于压力数据而生成的，所述压力数据是从适应地选择于压力传感器222中的一个压力传感器(有源通道)222输出的。一次脉搏分量的压脉波的波形中的最大值与收缩期血压(SBP；Systolic Blood Pressure)相对应，一次脉搏分量的压脉波的波形中的最小值与舒张期血压(DBP；Diastolic Blood Pressure)相对应。血压数据可以包括压脉波的测量结果、和从各个压力传感器222输出的压力数据。需要说明的是，压脉波的测量结果也可以不在血压测量装置20中生成，而是由血压数据处理装置10基于压力数据生成。
按压机构23例如包括空气袋和用于调整空气袋的内压的泵。若控制部28驱动泵而增加空气袋的内压，则压力传感器222因空气袋的膨胀而被按压于手腕Wr。需要说明的是，按压机构23并不限于采用空气袋的构造，也可以由能够对用于将压力传感器222按压于手腕Wr的力进行调整的任何构造实现。
加速度传感器24检测作用于血压测量装置20的加速度并生成加速度数据。作为加速度传感器24，例如可以采用三轴加速度传感器。加速度的检测与血压的测量并行地执行。
存储部25包括计算机可读的存储介质。例如，存储部25包括ROM、RAM(RandomAccess Memory)以及辅助存储装置。ROM用于存储所述控制程序。RAM通过CPU用作工作存储器。辅助存储装置用于存储各种数据，所述各种数据包括由血压测量部21生成的血压数据和由加速度传感器24生成的加速度数据。辅助存储装置例如包括闪存。辅助存储装置包括内置于血压测量装置20的存储介质、存储卡等可移动介质或者这两者。
输入部26受理来自被测量者的指示。输入部26例如包括操作按钮、触摸面板等。输出部27用于输出血压测量结果等信息。输出部27例如包括液晶显示装置等显示装置。
具有上述结构的血压测量装置20输出包括血压数据和加速度数据在内的测量数据。
接着，对本实施方式的血压数据处理装置10的血压激增的检测进行说明。
在第一实施方式中，血压数据处理装置10通过对血压值(该血压值基于从血压测量装置20获取到的测量数据)的时序数据11进行处理，来输出与血压激增相关的第一峰值的数据18。在本实施方式中，作为时序数据11将会使用收缩期血压(SBP)的值，但并不限于此。作为血压值的时序数据11，也可以使用能够捕捉血压激增的其他值。例如，也可以使用舒张期血压(DBP)、脉压(PP；Pulse Pressure)。
本实施方式的血压数据处理装置10将滑动窗(Sliding Window)应用于以脉搏单位的血压值的时序数据11，由此识别血压激增的峰值。需要说明的是，时序数据11无需是严格的以脉搏单位的血压值数据。另外，在以下的说明中，将“滑动窗”也称之为“窗框”，但这些用语以相同的含义使用。
将从第一实施方式的血压数据处理装置10输出的血压激增的峰值称作“第一峰值”，将从后述的第二实施方式的血压数据处理装置10输出的血压激增的峰值称作“第二峰值”。有关第一峰值与第二峰值的不同点，在第二实施方式中进行说明。
在图7中，表示了适用于血压值的时序数据11的滑动窗的一例。该图所示的滑动窗SW，沿着时间轴以脉搏单位进行移动(滑行)。该时间轴上的移动幅度，例如相当于一个脉搏。另外，滑动窗SW沿着时间轴具有一定的窗宽度Ws。窗宽度Ws例如相当于十五个脉搏的长度。窗宽度Ws对应于，对每个进行移动的滑动窗SW提取出血压值的峰值候选时的、峰值检测区间的长度。在图7中，表示了某个时间点上的滑动窗SW所包括的血压值的时序数据11的波形。对于滑动窗SW，基于血压值的特征量而判定该时序数据11的部分是否为血压激增。
特征量例如设为，滑动窗SW中的赋予SBP的最大值的点P(也称为“最大点”)和滑动窗SW中的赋予比该点P更靠前的时间点上的SBP的最小值的点B(也称为“最小点”)之间的差值F。这样的差值F相当于滑动窗SW中的SBP的变动量。需要说明的是，特征量并不仅限于SBP的变动量。如果针对滑动窗SW计算出特征量，则判定该特征量是否满足判定基准。
作为判定基准，可以使用能够与所述SBP的差值F进行比较的值。例如，判定基准为20[mmHg]。判定基准值并不限于该值。例如，也可以将判定基准设为15[mmHg]。在满足判定基准的情况下，至少将点P的时刻(即，激增的峰值时刻)作为判定结果并保持。判定结果不仅包括峰值时刻，还可以包括激增的开始时刻、激增的结束时刻、峰值时的SBP、其他特征量。
关于各个滑动窗SW的判定结果，作为每个峰值检测区间的峰值候选而存储于存储器。在时间轴方向上进行移动的滑动窗SW的各个时间点上的判定结果、即每个峰值检测区间的峰值候选被合并，并且确定出至少一个的第一峰值。具体而言，如果在同一时刻上得到了一定数量以上的峰值候选，则将该时刻作为第一峰值的时刻。可以认为，各个滑动窗SW在峰值周边输出相同的峰值。
在此，一定的数量例如为“5”。在使用以脉搏单位的时序数据，滑动窗SW以一个脉搏单位进行移动的本实施方式中，将该一定的数量称为“合并脉搏”。需要说明的是，合并脉搏并不限于5，考虑到峰值的检测精度和处理速度可以适当地进行确定。
需要说明的是，使用了滑动窗SW的上述处理也可以以如下方式变形。
例如，将SBP的最大点作为峰值候选。在该情况下，在伴随滑动窗SW的滑行的各个处理中，不进行用于将SBP的变动量与判定基准进行对照的处理，将SBP的最大点直接作为峰值候选。最终，通过将每个滑动窗SW的SBP的最大点以合并脉搏次数进行合并，来确定第一峰值。
以下，对第一实施方式的血压数据处理装置10的结构进行说明。
如图1所示，血压数据处理装置10具备预处理部12、峰值检测区间设定部13、特征量计算部14、峰值候选提取部15、第一峰值确定部16以及数据输出部17。需要说明的是，在如上述的变形例那样不进行与判定基准之间的对照而直接将SBP的最大点作为峰值候选的情况下，能够从构成要素中省略掉峰值候选提取部15。即，从特征量计算部14输出峰值候选。
血压数据处理装置10保持血压值(该血压值基于从血压测量装置20获取到的测量数据)的时序数据11。血压值的时序数据11也可以通过可移动介质从血压测量装置20提供给血压数据处理装置10。或者，血压值的时序数据11也可以通过通信(有线通信或无线通信)从血压测量装置20提供给血压数据处理装置10提供。
预处理部12对从血压测量装置20获取到的血压值的时序数据11，实施使用了移动平均等的平滑化、噪声去除、使用了低通滤波的高频成分去除等的预处理。
峰值检测区间设定部13在由预处理部12实施了预处理的时序数据11中设定峰值检测区间。
特征量计算部14用于计算特征量，所述特征量是基于由峰值检测区间设定部13设定的峰值检测区间中的收缩期血压(SBP)、舒张期血压(DBP)、脉压(PP)中的任意一个的。特征量计算部14例如计算出作为特征量的差值F，所述差值F是滑动窗SW内的赋予SBP的最大值的点P和滑动窗SW中的比该点P更靠前的时间点上赋予SBP的最小值的点B之间的差值。
峰值候选提取部15通过将判定基准应用于由特征量计算部14计算出的特征量，来提取每个峰值检测区间的峰值候选。需要说明的是，在如上述变形例那样不进行特征量(变动量)和判定基准之间的对照的情况下，峰值候选提取部15也可以不进行任何处理。
若峰值候选提取部15提取出每个峰值检测区间的峰值候选，则第一峰值确定部16从该峰值候选中确定出至少一个的第一峰值。如果在同一时刻上得到了例如为5个以上的峰值候选，则第一峰值确定部16将该时刻作为第一峰值的时刻。
数据输出部17输出被第一峰值确定部16确定了的第一峰值的数据18。第一峰值的数据18包括：第一峰值的时刻；和该时刻上的第一峰值的血压值(在本实施方式中，为SBP的值)。
接着，对第一实施方式的血压数据处理装置10的动作进行说明。图8是表示输出第一峰值的数据的处理步骤的一例的流程图。
在步骤S1中，预处理部12对从血压测量装置20获取的血压值的时序数据11，实施使用了移动平均等的平滑化、噪声去除、使用了低通滤波的高频成分去除等的预处理。
图9表示噪声去除的一种、即去除尖峰噪声的例子。血压值的时序数据11中有时包括尖峰噪声。在尖峰噪声去除中，去除尖峰的高度hs大且尖峰端点的差ds小的血压值。例如，从时序数据11中去除hs≥13[mmHg]且满足ds≤7[mmHg]的血压值。在图9的左侧的例子中，白圈表示去除对象的血压值、即1点尖峰噪声。在图9的右侧的例子中，白圈表示去除对象的血压值、即2点尖峰噪声。需要说明的是，也可以将图9所示的尖峰噪声的波形上下反转后的波形作为尖峰噪声而作为去除对象。也可以向去除了血压值的数据点赋予基于其前后的数据点的血压值而计算出的插补值。
图10表示去除大幅变动噪声的例子。因除了血压激增以外的某些理由，在血压值的时序数据11中有时会包括血压值较大地发生变动的噪声。在大幅变动噪声去除中，在脉搏前后的血压值的差hL形成为一定值以上的情况下，从时序数据11中去除该血压值。例如，将变动量满足hL≥20[mmHg]的条件的血压值作为大幅变动噪声并从时序数据11中去除。在图10的左侧的例子中，白圈表示血压值处于下降趋势的情况下的去除对象，在图10的右侧的例子中，白圈表示血压值处于上升趋势的情况下的去除对象。也可以向去除了血压值的数据点赋予基于其前后的数据点的血压值而计算出的插补值。
接着，执行每个窗框的重复处理。窗框沿着时间轴以脉搏单位进行移动。在步骤S2中，保持窗框内的变动量超过判定基准的时刻。具体而言，特征量计算部14计算出特征量，所述特征量是基于由峰值检测区间设定部13设定了的峰值检测区间中的收缩期血压、舒张期血压、脉压中的任意一个的。峰值候选提取部15在该特征量超过判定基准(此处，为20[mmHg])的情况下，将最大点的时刻作为峰值候选并保持。一边使窗框沿着时间轴进行移动，一边重复执行步骤S2。伴随着窗框的移动(滑动)，峰值检测区间设定部13通过将脉搏的位置与下一个脉搏的位置错开，来设定峰值检测区间。在时序数据11中，重复执行步骤S2的处理直至最后的脉搏的位置，最终输出窗框结果数据(步骤S3)。
接着，为了确定第一峰值，执行将通过步骤S3输出的窗框结果数据作为对象的重复处理。在步骤S4中，如果在窗框结果数据中在同一时刻上得到了例如为5个以上的峰值候选，则第一峰值确定部16将该时刻作为第一峰值的时刻并保持。对所有的窗框结果数据执行步骤S4。最终，确定同一时刻持续合并脉搏以上时的所有时刻(即，第一峰值)。
接着，在步骤S5中进行激增判定。在此，进行第一峰值检测结果的筛选。第一峰值确定部16通过其他特征量(其基于时序数据11的波形形状、时间信息、频率信息中的至少一个)进行第一峰值检测结果的筛选。其他特征量包括血压激增的上升时间、下降时间、面积、相关系数。
例如，也可以在检测出邻近的两个第一峰值，并且两者的SBP的值几乎相同的情况下，采用SBP较大的一个的第一峰值，不采用另一个的第一峰值，由此进行筛选。另外，也可以加强特征量计算部14在计算特征量(变动量)时所使用的最小点(激增开始点)的条件。具体而言，代替SBP的最小值，将血压值稳定的点作为激增开始点也可。在该情况下，能够提取出更像是激增的事例。而且，也可以计算出用于表示从激增开始点到最大点为止的上升倾向的相关系数，并且基于计算出的相关系数而进行第一峰值检测结果的筛选。具体而言，将从激增开始点到最大点的时间和SBP之间的关系性作为相关系数并计算出，在相关系数超过规定的阈值的情况下将第一峰值判定为激增，而在相关系数低于规定的阈值的情况下，能够将第一峰值判定为非激增。这样的激增判定也可以使用其他得到的SBP和DBP的特征量、压脉波(例如，以125Hz单位记录的数据)的特征量来进行。
然后，在步骤S6中，从数据输出部17输出作为血压激增的检测结果的第一峰值的数据18。
需要说明的是，图8所示的处理说明了在进行了将窗框内变动量与判定基准进行对照的步骤S2的重复处理之后，进行用于合并同一时刻的峰值候选的步骤S4的重复处理而对激增进行判定的情况(分批处理)，但也可以通过几乎同时执行这2个重复处理的实时处理来判定激增。
图11是详细示出图8所示的重复处理的流程图。在步骤S21～步骤S28中，执行每个窗框的重复处理。该处理是更详细地示出图8中的步骤S2的处理。首先，设定作为本次的重复处理的对象的窗框、即峰值检测区间(步骤S21)。在本实施方式中，峰值检测区间的长度与窗框的宽度、即15次脉搏相同。接着，针对血压值的时序数据11，确定出在处理对象的窗框内赋予SBP的最大值的最大点(步骤S22)。接着，在峰值检测区间中，对在比该最大点更靠前的时间点上是否存在数据进行判定(步骤S23)。若判定为存在有最大点之前的时间点上的数据，则进入到步骤S24，若判定为不存在则进入到步骤S29。
在存在有最大点之前的时间点上的数据的情况下，在本次的处理对象的峰值检测区间内设定最小点的计算区间(步骤S24)，并且确定该区间内的SBP的最小点(步骤S25)。基于在步骤S22中确定了的SBP的最大点和在步骤S25中确定了的SBP的最小点，计算出处理对象的窗框中的SBP的变动量(步骤S26)。变动量例如以SBP(max_time)-SBP(min_time)表示。该SBP的变动量是，在血压值的时序数据11中的作为处理对象的窗框内的变动量。
接着，对在步骤S26中计算出的变动量是否超过作为判定基准的20[mmHg]进行判定(步骤S27)。在变动量超过20[mmHg]的情况下，进入到步骤S28，而在变动量未超过20[mmHg]的情况下，进入到步骤S29。在步骤S28中，将SBP的最大点的时刻作为第一峰值点候选并保持于存储器之后，返回到步骤S21。在步骤S21中，对处理对象的窗框进行更新，即将峰值检测区间移置到下一次的脉搏位置，并执行步骤S22之后的处理。
需要说明的是，在不进行与上述的判定基准之间的对照而直接将SBP的最大点设为峰值候选的变形例的情况下，跳过步骤S23～步骤S27。或者，也可以通过步骤S23～步骤S26执行变动量的计算，并且在步骤S27中将判定基准设定为方便的值0[mmHg]，由此强制性地进入到步骤S28。
在步骤S29中，将时刻设定为缺损。即，判定为无法得到第一峰值点的候选，并且将处理对象的窗框更新为下一个窗框。
若处理结束到最后的窗框，则输出窗框结果数据(步骤S30)。窗框结果数据包括第一峰值点候选的SBP的值和该第一峰值点候选的时刻。
接着，在步骤S31～步骤S33中，执行针对每个窗框结果数据的重复处理。该处理是更详细地示出图8所示的步骤S4的处理。在此，对同一时刻的第一峰值点候选是否持续合并脉搏以上进行判定(步骤S31)。在本实施方式中，合并脉搏为5。如果判定为持续着合并脉搏以上，则将该第一峰值点候选设为第一峰值点(步骤S32)。在步骤S31中，如果判定为同一时刻的第一峰值点候选并未持续合并脉搏以上，则跳过步骤S32，并且对下一个窗框结果数据重复进行同样的处理。若处理结束到最后的窗框结果数据，则输出第一峰值点数据(步骤S33)。第一峰值点的数据是图1所示的第一峰值的数据18，第一峰值点的数据包括第一峰值点的SBP的值和该第一峰值点的时刻。
图12是表示基于第一实施方式的血压数据处理装置10的血压激增的检测结果的图。在该图中，示出了将由第一实施方式的血压数据处理装置10而检测到的多个第一峰值点P1～P7与血压值的时序数据11的波形一起检测为血压激增的情况。
血压激增不一定周期性地发生，还具有血压值的上升量、上升时间各种各样的特征，但根据本实施方式，能够检测出这样的血压激增。
根据以上进行说明的第一实施方式，在血压值的时序数据11中合并满足判定基准的多个峰值候选，由此能够确定出血压值的第一峰值。因此，能够检测出作为第一峰值的血压激增。另外，根据第一实施方式，基于以脉搏单位的血压值的时序数据11而高精度地检测出血压激增，并且能够稳健地检测出一定周期内不会出现的血压激增、具有各种模式的血压激增。将在激增检测中所使用的特征量设为峰值检测区间中的SBP的最大值和该峰值检测区间中的比该最大值更靠前的时间点上的SBP的最小值之间的差值，由此基于峰值检测区间中的SBP的最大值的变动量而检测出血压值急剧上升的血压激增。
(第二实施方式)
图13是表示第二实施方式的血压数据处理装置的框图。第二实施方式的血压数据处理装置10是在第一实施方式的血压数据处理装置10的结构要素中附加了搜索部30的装置。搜索部30包括第一峰值前的峰值检测部31、第一峰值后的峰值检测部32、血压激增判定部33以及数据输出部34。
搜索部30对用于表示第一峰值的时序数据11进行第二峰值(其相当于血压激增)的搜索。作为搜索处理的结果，输出第二峰值的数据35。
在第一实施方式中，从血压值的时序数据11输出第一峰值的数据18。具体而言，针对时序数据11使用了滑动窗，对每个窗框计算出SBP的变动量，并且将其与血压激增的判定基准进行对照，而且通过整合多个判定结果(其包括每个窗框的第一峰值的候选)来确定了第一峰值，输出至少一个的第一峰值的数据18。
另一方面，在第二实施方式中，搜索部30通过在血压值的时序数据11中搜索出包括第一峰值的搜索范围的前后至少任意一个的时间点上的血压值数据的极大值，来检测出至少一个的第二峰值。根据这样的第二实施方式，与只确定第一峰值的情况相比，通过进行极大值的搜索来能够进一步检测出更多的峰值，由此能够检测出作为比第一峰值靠更靠前的时间点上的第二峰值的血压激增、或比第一峰值更靠后的时间点上的第二峰值的血压激增。
对第二实施方式的血压数据处理装置10的动作进行说明。图14是表示输出第二峰值的数据的处理步骤的一例的流程图。
在步骤S100中，搜索部30获取第一峰值的检测结果、即数据18。优选地，第一峰值的检测中所使用的窗框的宽度设定为充分大，以能够检测出各种类型的激增。如图15A所示，血压激增是经过较短的时间T1(例如为10秒)而产生的，如图15B所示，血压激增是经过较长的时间T2(例如为25秒)而产生的，并且，激增的模式是各种各样的，因此难以确定用于检测的模板。为了检测出较长的血压激增而增大窗框的宽度，在图16所示的激增P1、P2以相对较短的时间间隔产生的情况下，仅检测出一者。在第二实施方式中，即使将第一峰值的检测中所使用的窗框的宽度形成为足够大，也能通过第一峰值的前后的极大值搜索来检测出第二峰值。
接着，搜索部30执行针对第一峰值的每个检测结果的重复处理L1。在重复处理L1中，首先，在步骤S101中，搜索部30针对本次的重复处理L1中的处理对象的第一峰值、即激增检测点，设定用于搜索第二峰值的范围。接着，第一峰值前的检测部31执行重复处理L2。在此，从处理对象的激增检测点回溯到在步骤S101中被设定的搜索范围的开始点，由此搜索极大值。具体而言，首先，在步骤S102中，对在激增点之前的时间点上是否存在有最大的极大值进行判定。图17A中，示出激增点之前的时间点上的最大的极大值的搜索。激增点S1之前的极大值S2被搜索。在不存在有最大的极大值的情况下，去掉重复处理L2。如果在步骤S102中判定为存在有最大的极大值，则在步骤S103中计算出该极大值之前的时间点上的极小值。接着，在步骤S104中，血压激增判定部33对在步骤S102中搜索到的极大值和在步骤S103中计算出的极小值之间的差值是否超过阈值Th进行判定。在超过阈值Th的情况下，血压激增判定部33将极大值的时刻作为激增时刻(第二峰值)并保持(步骤S105)。在不超过阈值Th的情况下，跳过步骤S105并继续执行重复处理L2。
若重复处理L2结束，则第一峰值后的峰值检测部32执行重复处理L3。在此，从处理对象的激增检测点开始到在步骤S101中被设定的搜索范围的结束点为止沿着时间轴前进，由此搜索极大值。图17B中，示出了激增点之后的时间点上的最大的极大值的搜索。激增点S1之后的极大值S2被搜索。
具体而言，首先，在步骤S106中，对在激增点之后的时间点上是否存在有最小的极小值进行判断。在不存在有最小的极小值的情况下，去掉重复处理L3。如果在步骤S106中判定为存在有最小的极小值，则在步骤S107中计算出该极小值之后的时间点上的极大值。接着，在步骤S108中，血压激增判定部33对在步骤S107中搜索到的极大值和在步骤S106中计算出的极小值之间的差值是否超过阈值Th进行判定。在超过阈值Th的情况下，血压激增判定部33将极大值的时刻作为激增时刻(第二峰值)并保持(步骤S109)。在不超过阈值Th的情况下，跳过步骤S109并继续执行重复处理L3。
在步骤S110中，数据输出部34将第二峰值的数据35作为由血压激增判定部33判定出的激增时刻并输出。因此，第二峰值的数据35被追加输出于第一峰值的数据18(步骤S100中的检测结果)。需要说明的是，第二峰值的数据35不仅包括峰值时刻，还可以包括激增的开始时刻、激增的结束时刻、峰值时的SBP、其他特征量。
如以上说明，根据第二实施方式，与只确定第一峰值的情况相比，通过执行极大值的搜索来能够进一步检测出更多的峰值，而且能够检测出作为比第一峰值更靠前的时间点上的第二峰值的血压激增、或者比第一峰值更靠后的时间点上的第二峰值的血压激增。换言之，能够检测出相对于窗框的宽度以较短的时间间隔连续产生的激增。
(第三实施方式)
图18是表示第三实施方式的血压数据处理装置的框图。第三实施方式在第二实施方式的血压数据处理装置10的结构上，追加了可视化部41，所述可视化部41用于输出血压激增的检测结果、即可视化文件40。可视化部41用于将在时序数据11中被检测为第一峰值的血压激增和由第二实施方式的搜索部30检测为第二峰值的血压激增区别显示。
也可以在第一实施方式的血压数据处理装置10的结构中追加设置可视化部41。由于在第一实施方式中不检测第二峰值，因此可视化部41无法将第一峰值和第二峰值区别显示，但在通常显示中，可视化部41将作为血压激增而检测到的第一峰值显示在时序数据11上。
关于通常显示，第三实施方式的可视化部41只将作为血压激增检测出的第一峰值、第二峰值、或者不区别第一峰值以及第二峰值这两者而显示在时序数据11上。
图19示出了基于可视化部41的区别显示的例子。在血压值的时序数据11的波形显示中，区别显示出血压激增S1、S3、S4是作为第一峰值而检测到的激增，血压激增S2是作为第二峰值通过搜索部30的搜索处理来检测到的激增。如在第二实施方式中进行说明那样，应用于第一峰值的检测中的窗框的宽度较大地设定成能够检测较长的激增的宽度。
在图20中，示出了从可视化部41输出的可视化文件40的示例。可视化文件40作为列项目包括激增编号No.、峰值时刻、开始时刻、结束时刻、峰值SBP及其他特征量，并且包括列项目(详细搜索)，所述列项目是通过真伪值(T(rue)/F(alse))表示是否为通过搜索检测到的。例如，如果在可视化文件40的“详细搜索”中选择“T”并进行滤波处理，则能够只提取出通过搜索检测出的激增。
在这样的第三实施方式中，能够应对：作为观察者的用户欲确认需要较长的时间而产生的第一峰值的检测结果、即较长的血压激增的意图；以及，该用户欲确认在峰值的详细检测结果、即较长的血压激增的前后产生且通过所述搜索检测到的作为第二峰值的血压激增的意图；这两者。需要说明的是，图20的例子是同时显示血压激增S1～S4的例子，但是也可以构成为，可以不显示基于搜索处理的血压激增S2、或者反之只显示血压激增S2等的显示切换。
接着，参照图21对血压数据处理装置10的硬件结构例进行说明。
血压数据处理装置10具备CPU191、ROM192、RAM193、辅助存储装置194、输入装置195、输出装置196以及收发器197，这些经由总线系统198相互连接。通过由CPU191读出并执行存储于计算机可读的记录介质(ROM192和/或辅助存储装置194)中的程序，来能够实现血压数据处理装置10的上述功能。RAM193通过CPU191用作工作存储器。辅助存储装置194例如包括硬盘驱动器(HDD)或固态驱动器(SDD)。辅助存储装置194被用作用于存储图1等所示的时序数据11的存储部。输入装置例如包括键盘、鼠标以及麦克风。输出装置例如包括液晶显示装置等显示装置以及扬声器。收发器197与其他计算机之间进行信号的发送接收。例如，收发器197从血压测量装置20接收测量数据。
(其他实施方式)
在第一实施方式中，血压数据处理装置与血压测量装置分开设置。在其他实施方式中，血压数据处理装置的构成要素的一部分或全部可以设置于血压测量装置。
血压测量装置不限于基于张力测量法的血压测量装置，也可以是能够连续地对血压进行测量的任意类型的血压测量装置。例如，也可以使用：非侵入性地对在动脉中传播的脉搏波的传播时间、即脉搏波传播时间(PTT；Pulse Transit Time)进行测量，并且基于测量到的脉搏波传播时间而推定血压值(例如为收缩期血压)的血压测量装置。另外，也可以使用光学地对容积脉搏波进行测量的血压测量装置。另外，也可以使用利用超声波来非侵入性地测量血压的血压测量装置。
血压测量装置20不限于可穿戴装置，也可以是在将被测量者的上臂载置于固定台的状态下进行血压测量的固定式装置。穿戴式血压测量装置不约束被测量者的动作，但传感器部22容易脱离适合进行测量的配置。
峰值检测区间设定部13也可以在时序数据11中的峰值检测区间的设定中使用加速度数据。例如，基于加速度数据，也可以进行用于检测被测量者的体动的处理，峰值检测区间设定部13也可以将检测到体动的时间区间从峰值检测区间除去。
本发明并非直接限定于所述实施方式，实施阶段中，在不脱离其主旨的范围内对结构要素进行变形并能够进行具体化。另外，通过所述实施方式中所公开的多个结构要素的适当组合来能够形成各种发明。例如，也可以从实施方式所示的全部构成要素中删除几个构成要素。进而，也可以适当组合不同实施方式中的构成要素。
另外，上述的实施方式中的一部分或全部也能以如下附记那样记载，但不限于如下。
(附记1)
一种血压数据处理装置，其中，具备：
处理器；
与处理器结合的存储器；
所述处理器构成为：
获取血压值的时序数据；
在所述时序数据中设定一个以上的峰值检测区间，并且计算出基于每个所述峰值检测区间的收缩期血压、舒张期血压、脉压中的任意一个的特征量；
根据每个所述峰值检测区间的特征量而确定出至少一个的第一峰值。
(附记2)
一种血压数据处理方法，其中，具备：
利用至少一个处理器，获取血压值的时序数据；
利用至少一个处理器，在所述时序数据中设定一个以上的峰值检测区间，并且计算出基于每个该峰值检测区间的收缩期血压、舒张期血压、脉压中的任意一个的特征量；以及
利用至少一个处理器，根据每个所述峰值检测区间的特征量来确定出至少一个的第一峰值。

Claims (8)

1.一种血压数据处理装置，其中，具备：
获取部，获取连续的血压值的时序数据；
计算部，在所述时序数据中设定沿着时间轴进行移动且具有一定宽度的多个峰值检测区间，并且对多个所述峰值检测区间的每一个计算出包括最大值的特征量，所述特征量是基于收缩期血压、舒张期血压、脉压中的任意一个的；
提取部，通过将判定基准应用于对多个所述峰值检测区间的每一个计算出的所述特征量，来提取每个所述峰值检测区间的峰值候选；以及
确定部，基于在与得到所述峰值候选的最大值的时间点相同的时间点上一定数量以上的所述峰值候选来确定第一峰值。
2.根据权利要求1所述的血压数据处理装置，其中，
所述特征量包括差值，所述差值是所述峰值检测区间中的所述最大值和所述峰值检测区间中的比所述最大值更靠前的时间点上的所述收缩期血压、所述舒张期血压、所述脉压中的任意一个的最小值之间的差值。
3.根据权利要求1或2所述的血压数据处理装置，其中，
所述确定部根据其他特征量而进行所述第一峰值的筛选，所述其他特征量是基于所述时序数据的波形形状、时间信息、频率信息中的至少一个的特征量。
4.根据权利要求3所述的血压数据处理装置，其中，
所述其他特征量包括血压激增的上升时间、下降时间、面积、相关系数。
5.根据权利要求1或2所述的血压数据处理装置，其中，
还具备显示部，所述显示部将所述时序数据与所述第一峰值一起显示。
6.根据权利要求1或2所述的血压数据处理装置，其中，
还具备搜索部，所述搜索部通过搜索包括所述第一峰值的搜索范围的前后至少任意一个的时间点上的所述时序数据的极大值，来检测出至少一个的第二峰值。
7.根据权利要求6所述的血压数据处理装置，其中，还具备：
显示部，将所述时序数据与所述第一峰值和所述第二峰值一起显示；以及
显示控制部，通过对所述显示部进行控制来区别显示所述第一峰值和所述第二峰值。
8.一种计算机可读存储介质，其上存储有用于使计算机作为权利要求1至7中任一项所述的血压数据处理装置而发挥功能的程序。
CN201880017870.6A 2017-03-14 2018-03-12 血压数据处理装置、血压数据处理方法以及程序 Active CN110418603B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2017-048946 2017-03-14
JP2017048946A JP6790936B2 (ja) 2017-03-14 2017-03-14 血圧データ処理装置、血圧データ処理方法、およびプログラム
PCT/JP2018/009583 WO2018168810A1 (ja) 2017-03-14 2018-03-12 血圧データ処理装置、血圧データ処理方法、およびプログラム

Publications (2)

Publication Number Publication Date
CN110418603A CN110418603A (zh) 2019-11-05
CN110418603B true CN110418603B (zh) 2022-06-10

Family

ID=63523030

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880017870.6A Active CN110418603B (zh) 2017-03-14 2018-03-12 血压数据处理装置、血压数据处理方法以及程序

Country Status (5)

Country Link
US (1) US20200008690A1 (zh)
JP (1) JP6790936B2 (zh)
CN (1) CN110418603B (zh)
DE (1) DE112018001399T5 (zh)
WO (1) WO2018168810A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020130531A (ja) * 2019-02-18 2020-08-31 オムロンヘルスケア株式会社 血圧関連情報処理装置、血圧関連情報処理方法、およびプログラム
JP7253419B2 (ja) * 2019-03-25 2023-04-06 オムロンヘルスケア株式会社 血圧関連情報表示装置、血圧関連情報表示方法、およびプログラム
JP7088153B2 (ja) * 2019-09-19 2022-06-21 カシオ計算機株式会社 Ｃａｐ（周期性脳波活動）検出装置、ｃａｐ（周期性脳波活動）検出方法及びプログラム
JP7114008B2 (ja) * 2020-07-03 2022-08-05 三菱電機株式会社 データ処理装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1650798A (zh) * 2004-02-03 2005-08-10 欧姆龙健康医疗事业株式会社 电子血压计及电子血压计的测定数据的管理方法
CN102293652A (zh) * 2010-06-23 2011-12-28 朝鲜大学校产学协力团 基于示波法测量动脉血压的个体识别装置及方法
WO2016031196A1 (ja) * 2014-08-27 2016-03-03 日本電気株式会社 血圧判定装置、血圧判定方法、血圧判定プログラムを記録した記録媒体、及び血圧測定装置
CN105962920A (zh) * 2016-04-20 2016-09-28 广州视源电子科技股份有限公司 血压脉率检测方法及其系统

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5406952A (en) * 1993-02-11 1995-04-18 Biosyss Corporation Blood pressure monitoring system
JP3599819B2 (ja) * 1995-03-27 2004-12-08 コーリンメディカルテクノロジー株式会社 生体情報監視装置
JP3697230B2 (ja) * 2002-07-26 2005-09-21 コーリンメディカルテクノロジー株式会社 血圧監視装置
US7089927B2 (en) * 2002-10-23 2006-08-15 New York University System and method for guidance of anesthesia, analgesia and amnesia
US9026215B2 (en) * 2005-12-29 2015-05-05 Cvrx, Inc. Hypertension treatment device and method for mitigating rapid changes in blood pressure
JP2007282668A (ja) 2006-04-12 2007-11-01 Omron Healthcare Co Ltd 血圧計、血圧測定システムおよび測定データ処理プログラム
US9314205B2 (en) * 2011-04-28 2016-04-19 Medtronic, Inc. Measurement of cardiac cycle length and pressure metrics from pulmonary arterial pressure
JP5738673B2 (ja) * 2011-05-24 2015-06-24 オムロンヘルスケア株式会社 血圧測定装置
JP5693377B2 (ja) 2011-05-24 2015-04-01 オムロンヘルスケア株式会社 心血管リスク評価装置
TWI631930B (zh) * 2013-04-01 2018-08-11 美盛醫電股份有限公司 生理訊號感測裝置
CN103565427B (zh) * 2013-11-19 2016-09-28 深圳邦健生物医疗设备股份有限公司 准周期生理信号特征点的检测
KR101656740B1 (ko) * 2015-04-08 2016-09-12 고려대학교 산학협력단 동맥 혈압 파형의 특징점 검출 장치 및 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1650798A (zh) * 2004-02-03 2005-08-10 欧姆龙健康医疗事业株式会社 电子血压计及电子血压计的测定数据的管理方法
CN102293652A (zh) * 2010-06-23 2011-12-28 朝鲜大学校产学协力团 基于示波法测量动脉血压的个体识别装置及方法
WO2016031196A1 (ja) * 2014-08-27 2016-03-03 日本電気株式会社 血圧判定装置、血圧判定方法、血圧判定プログラムを記録した記録媒体、及び血圧測定装置
CN105962920A (zh) * 2016-04-20 2016-09-28 广州视源电子科技股份有限公司 血压脉率检测方法及其系统

Also Published As

Publication number Publication date
JP6790936B2 (ja) 2020-11-25
DE112018001399T5 (de) 2019-12-05
US20200008690A1 (en) 2020-01-09
CN110418603A (zh) 2019-11-05
JP2018149183A (ja) 2018-09-27
WO2018168810A1 (ja) 2018-09-20

Similar Documents

Publication Publication Date Title
CN110418603B (zh) 血压数据处理装置、血压数据处理方法以及程序
US11529101B2 (en) Method to quantify photoplethysmogram (PPG) signal quality
JP4469746B2 (ja) 心拍計測装置及び心拍計測装置の作動方法
US7029448B2 (en) Electronic hemomanometer and blood pressure measuring method of electronic hemomanometer
US7074192B2 (en) Method and apparatus for measuring blood pressure using relaxed matching criteria
US6631281B1 (en) Recognition of a useful signal in a measurement signal
US20130116580A1 (en) System for quality assessment of physiological signals and method thereof
JP5229449B2 (ja) 非観血血圧測定装置
CN109640798B (zh) 血压测定装置、血压测定装置的控制方法和存储介质
CN104027109A (zh) 心房颤动解析装置以及程序
JP2003000561A (ja) Ｒ波認識方法及びｒ−ｒ間隔測定方法及び心拍数測定方法及びｒ−ｒ間隔測定装置及び心拍数測定装置
JP2015157036A (ja) 血行動態測定装置及び血行動態測定方法
EP3603514A1 (en) Emotion estimating apparatus
CN108135511B (zh) 诊断支援装置、诊断支援方法、记录介质
CN107106046B (zh) 血管弹性率评价装置
KR890004553B1 (ko) 코로트코프음 인지용 혈압계
US20200008691A1 (en) Blood pressure data processing apparatus, blood pressure data processing method, and program
JP2015217060A (ja) 心拍検出方法および心拍検出装置
JP2010131061A (ja) 眠気検出装置
KR101665779B1 (ko) 압맥파 측정을 위한 가압 방법 및 가압 장치
JP6603584B2 (ja) 周期波検出装置、周期波検出方法およびプログラム
CN110381821B (zh) 血压数据处理装置、血压数据处理方法以及程序
JPH0628637B2 (ja) オシロメトリック式デジタル血圧計
CN117064361A (zh) 一种基于脉搏波的心率变异性分析方法及设备
JP2020039855A (ja) 生体信号成分検出装置、生体信号成分検出方法および記録媒体

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