CN112842288A - 脉搏数据分类模型建立装置、分类识别装置和测量系统 - Google Patents
脉搏数据分类模型建立装置、分类识别装置和测量系统 Download PDFInfo
- Publication number
- CN112842288A CN112842288A CN202110127009.9A CN202110127009A CN112842288A CN 112842288 A CN112842288 A CN 112842288A CN 202110127009 A CN202110127009 A CN 202110127009A CN 112842288 A CN112842288 A CN 112842288A
- Authority
- CN
- China
- Prior art keywords
- pulse
- pulse data
- classification
- maximum value
- value point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000013145 classification model Methods 0.000 title claims abstract description 31
- 238000005259 measurement Methods 0.000 title claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 40
- 238000004590 computer program Methods 0.000 claims abstract description 14
- 238000012549 training Methods 0.000 claims abstract description 10
- 229910052751 metal Inorganic materials 0.000 claims description 48
- 239000002184 metal Substances 0.000 claims description 48
- 230000008602 contraction Effects 0.000 claims description 20
- 239000000463 material Substances 0.000 claims description 18
- 230000009975 flexible effect Effects 0.000 claims description 15
- 239000004812 Fluorinated ethylene propylene Substances 0.000 claims description 12
- 229920009441 perflouroethylene propylene Polymers 0.000 claims description 12
- 230000005684 electric field Effects 0.000 claims description 11
- 239000010949 copper Substances 0.000 claims description 10
- 239000002033 PVDF binder Substances 0.000 claims description 8
- 239000004743 Polypropylene Substances 0.000 claims description 8
- 230000001174 ascending effect Effects 0.000 claims description 8
- 239000011651 chromium Substances 0.000 claims description 8
- 239000010931 gold Substances 0.000 claims description 8
- 230000000737 periodic effect Effects 0.000 claims description 8
- 230000010287 polarization Effects 0.000 claims description 8
- 229920001155 polypropylene Polymers 0.000 claims description 8
- 229920002981 polyvinylidene fluoride Polymers 0.000 claims description 8
- 210000002321 radial artery Anatomy 0.000 claims description 8
- 230000003416 augmentation Effects 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 7
- 230000003205 diastolic effect Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- -1 polypropylene Polymers 0.000 claims description 6
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims description 5
- 229910052802 copper Inorganic materials 0.000 claims description 5
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 claims description 4
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 claims description 4
- 229910052782 aluminium Inorganic materials 0.000 claims description 4
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 claims description 4
- 229910052804 chromium Inorganic materials 0.000 claims description 4
- HQQADJVZYDDRJT-UHFFFAOYSA-N ethene;prop-1-ene Chemical group C=C.CC=C HQQADJVZYDDRJT-UHFFFAOYSA-N 0.000 claims description 4
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical group [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 claims description 4
- 229910052737 gold Inorganic materials 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 230000002441 reversible effect Effects 0.000 claims description 4
- 229910052709 silver Inorganic materials 0.000 claims description 4
- 239000004332 silver Substances 0.000 claims description 4
- 238000000034 method Methods 0.000 abstract description 31
- 238000003745 diagnosis Methods 0.000 abstract description 12
- 239000003814 drug Substances 0.000 abstract description 9
- 238000000605 extraction Methods 0.000 abstract description 9
- 230000007547 defect Effects 0.000 abstract description 4
- 238000004458 analytical method Methods 0.000 abstract description 3
- 239000010408 film Substances 0.000 description 21
- 230000008569 process Effects 0.000 description 20
- 230000000694 effects Effects 0.000 description 14
- 238000004519 manufacturing process Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 8
- 210000000707 wrist Anatomy 0.000 description 7
- 230000006835 compression Effects 0.000 description 6
- 238000007906 compression Methods 0.000 description 6
- 239000000758 substrate Substances 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000010147 laser engraving Methods 0.000 description 4
- 238000007650 screen-printing Methods 0.000 description 4
- 239000011248 coating agent Substances 0.000 description 3
- 238000000576 coating method Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 238000004026 adhesive bonding Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 210000004204 blood vessel Anatomy 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000007635 classification algorithm Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000007740 vapor deposition Methods 0.000 description 2
- 210000003462 vein Anatomy 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 239000002390 adhesive tape Substances 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000004872 arterial blood pressure Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 238000009530 blood pressure measurement Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000000748 cardiovascular system Anatomy 0.000 description 1
- 239000013043 chemical agent Substances 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004217 heart function Effects 0.000 description 1
- 238000009532 heart rate measurement Methods 0.000 description 1
- 238000007731 hot pressing Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000003698 laser cutting Methods 0.000 description 1
- 238000000206 photolithography Methods 0.000 description 1
- 238000007747 plating Methods 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 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
-
- 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
- A61B5/0225—Measuring pressure in heart or blood vessels by applying pressure to close blood vessels, e.g. against the skin; Ophthalmodynamometers the pressure being controlled by electric signals, e.g. derived from Korotkoff sounds
-
- 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
- A61B5/4854—Diagnosis based on concepts of traditional oriental medicine
-
- 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
-
- 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
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0247—Pressure sensors
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0252—Load cells
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Surgery (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Cardiology (AREA)
- Vascular Medicine (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Ophthalmology & Optometry (AREA)
- Alternative & Traditional Medicine (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
一种脉搏数据分类模型建立装置、分类识别装置和测量系统,其中,该分类识别装置包括计算机程序存储介质和处理装置,所述处理装置执行计算机程序时进行如下处理,包括:获取脉搏数据;提取脉搏数据的特征点;根据提取的脉搏数据的特征点计算分类特征;使用训练好的分类模型对脉搏数据进行分类。本发明通过脉搏特征点的获取、用于分类的脉搏特征的提取和分类模型的训练,利用训练好的分类模型,能够快速、自动地实现对脉搏数据的分类识别,克服现有的脉搏测量装置中无法对脉搏进行深入分析的弊端。本发明可充分挖掘脉搏信号的医学价值,在生物识别、中医脉诊等方面具有广泛的应用前景。
Description
技术领域
本发明涉及一种脉搏数据分类模型建立装置、分类识别装置和测量系统。
背景技术
脉搏信号具有重要的使用价值,能够反映血管弹性、血流状况、心脏功能等生理信息。更为重要的是,不同人之间的脉搏波形差异很大;同一个人在不同状况下的脉搏波形的差异也会较为明显。基于此,可将脉搏波用于身份识别,用作指纹、人脸等常用识别手段的互补,实时的脉搏数据很难造假,这使得身份识别过程更为安全。此外这一技术也可以用在医疗护理方面,可以建立受试者的长期脉搏数据库,若受试者的健康状况不发生明显变化,则脉搏波形也不会有明显变化;而一旦受试者的脉搏与数据库中的脉搏波形差异明显,则意味着该受试者的身体状况发明了明显变化,可及时地寻求医护治疗。另一方面,对不同类型的脉搏数据的分类、对脉象的识别,也是中医脉诊的重要内容之一。对脉搏波的识别分类具有十分重要的实用价值。
但目前的脉搏测量装置大多数只关注于对脉搏数据的获取,以及计算心率、血压等直观的结果,并未对脉搏数据做进一步的分析。一些用于实施中医脉诊的装置,其关注重点也大多集中于如何模拟脉诊过程中压力的施加和脉搏的获取,对后续的脉搏数据的分类、脉象的识别等过程没有过多的关注。因此,亟待提供一种能够实现对不同脉搏数据进行准确分类的装置。
需要说明的是,在上述背景技术部分公开的信息仅用于对本申请的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本发明的主要目的在于克服上述背景技术存在的问题,提供一种脉搏数据分类模型建立装置、分类识别装置和测量系统。
为实现上述目的,本发明采用以下技术方案:
一种脉搏数据分类模型建立装置,包括计算机程序存储介质和处理装置,所述处理装置执行计算机程序时进行如下处理,包括:获取不同类型的脉搏数据;提取不同类型的脉搏数据的特征点;根据提取的脉搏数据的特征点计算分类特征;使用所述分类特征训练分类模型。
一种脉搏数据分类识别装置,包括计算机程序存储介质和处理装置,所述处理装置执行计算机程序时进行如下处理,包括:获取脉搏数据;提取脉搏数据的特征点;根据提取的脉搏数据的特征点计算分类特征;使用训练好的分类模型对脉搏数据进行分类。
进一步地:
提取脉搏数据的特征点,具体包括:
计算脉搏数据的一阶差分,根据预先设定的幅值阈值和时间阈值找到周期性的极大值点,以该极大值点前后的两个零点作为收缩峰P1和舒张谷V1;
根据舒张谷V1将所述脉搏数据分割为若干个单周期片段,在每个周期片段内寻找一阶差分的第二个极大值点;判断所述第二个极大值点是否大于0,如果大于0,则以其前方和后方紧挨着的两个零点作为反射峰P2和反射谷V2,如果不大于0,则将二阶差分对应的极大值点和极小值点作为反射峰P2和反射谷V2;
在每个周期片段内,寻找一阶差分除了第一个、第二个极大值点外的所有极大值点,如果没有剩余的极大值点,则判定重搏峰P3和降中峡V3不存在;如果只剩下一个极大值点,则直接进行后续的处理;如果还有多个极大值点,则选中幅值最大的那一个极大值点/极小值点对,再进行后续的处理;所述后续的处理包括:判断极大值点是否大于0,如果大于0,则以其前方和后方紧挨着的两个零点作为重搏峰P3和降中峡V3;如果不大于0,则将二阶差分对应的极大值点和极小值点作为重搏峰P3和降中峡V3。
所述脉搏数据为低压、中压和高压下测得的桡动脉脉搏信号,所述分类特征包括与脉搏幅值有关的如下特征1至特征7以及脉搏信号在频域中的如下特征8至特征10中的任一种或多种:
特征1=收缩峰前的上升支幅值=A(P1)-A(V1) (1)
特征2=收缩峰前的上升支斜率=(A(P1)-A(V1))/(t(P1)-t(V1)) (2)
特征3=收缩峰后的下降支幅值=A(P1)-A(V2) (3)
特征4=收缩峰后的下降支斜率=(A(P1)-A(V2))/(t(V2)-t(P1)) (4)
特征5=反射峰后的下降支幅值=A(P2)-A(end) (5)
特征6=反射峰后的下降支斜率=(A(P2)-A(end))/(t(end)-t(P2)) (6)
特征7=桡动脉增强指数=(A(P2)-A(V1))/(A(P1)-A(V1)) (7)
其中A表示幅值,t表示时间;
所述处理装置还进行如下处理:在提取脉搏数据的特征点之前对脉搏数据进行预处理,所述预处理包括去除基线、低通滤波和幅值归一化,以得到幅值相同的平滑的脉搏波形。
一种脉搏信号测量系统,包括脉搏数据分类模型建立装置或脉搏数据分类识别装置,以及脉搏传感器,所述脉搏传感器用于采集脉搏数据发送给处理装置。
进一步地:
所述脉搏传感器为柔性压力传感器,包括依次层叠在一起的第一金属电极层、第一驻极体层、第二驻极体层以及第二金属电极层,所述第一驻极体层与所述第二驻极体层之间具有空气腔,所述空气腔内的空气经电晕极化电离出的正负电荷分别由所述第一驻极体层和所述第二驻极体层捕获而形成电荷偶极子,初始状态下所述电荷偶极子与所述第一、第二金属电极层上的感应电荷形成电场平衡,当所述传感器受压变形时,偶极矩改变,所述感应电荷转移而在外电路上形成电流,当释放压力时,所述传感器由于自身弹性恢复原状,在外电路上形成反向的电流并恢复所述电场平衡。
所述第一驻极体层和/或所述第二驻极体层的内表面上具有凹槽。
所述第一驻极体层的内表面上具有相互平行的多个第一条形凹槽,所述第二驻极体层的内表面上具有相互平行的多个第二条形凹槽,所述第一条形凹槽和所述第二条形凹槽彼此相对,优选还彼此垂直。
所述第一驻极体层和/或所述第二驻极体层的材料选自氟化乙烯丙烯共聚物(FEP)、聚丙烯(PP)、聚偏氟乙烯(PVDF);所述第一金属电极层和/或所述第二金属电极层的材料选自金(Au)、银(Ag)、铜(Cu)、铝(Al)、铬(Cr)。
由所述第一驻极体层与所述第二驻极体层共同形成封闭的空气腔。
与现有技术相比,本发明具有如下有益效果:
本发明提出了一种脉搏数据分类模型建立装置、脉搏数据分类识别装置和脉搏信号测量系统,能够有效地实现脉搏波获取、特征提取和识别分类。本发明通过脉搏特征点的获取、用于分类的脉搏特征的提取和分类模型的训练,能够快速、自动地实现对脉搏数据的分类识别,克服现有的脉搏测量装置中无法对脉搏进行深入分析的弊端。本发明可充分挖掘脉搏信号的医学价值,在生物识别、中医脉诊等方面具有广泛的应用前景。
优选实施例的脉搏信号测量系统中,所提出的柔性压力脉搏传感器中具有长时间稳定储存电荷的能力,这使得该传感器可以长期使用而不会有性能上的衰减,即具有优异的稳定性,能够长时间地稳定测量脉搏。另外,该传感器灵敏度高,能够以很小的面积测量脉搏,这对于指尖脉搏、静脉脉搏的测量也十分有利。本发明的传感器可实现十分轻薄,具有很好的柔性,可以与皮肤表面良好地接触以获得更清晰的脉搏信号,具有轻薄、柔性、精度高、稳定性好的优点,而且在长时间佩戴时不会给使用者造成不适感。便于同时制作多个传感器,满足实际应用对大批量生产、快速制作成型的需求。
附图说明
图1为本发明一种实施例中脉搏获取和分类处理流程图。
图2为本发明一种实施例中提取脉搏波特征点的处理流程图。
图3为本发明一种实施例中脉搏波特征点的提取效果图。
图4为本发明一种实施例在低压、中压和高压下测得的桡动脉脉搏信号图。
图5为本发明一种实施例低压、中压和高压下测得的桡动脉脉搏信号的FFT结果图。
图6为本发明一种实施例对低压、中压和高压下桡动脉脉搏信号的FFT三个主峰的积分结果图。
图7为本发明一种实施例的脉搏数据分类识别装置的功能模块图。
图8为本发明一种实施例的具体实施例的脉搏信号测量系统的整体结构示意图。
图9为本发明一种实施例的传感器制作流程图。
图10a为本发明一种实施例的传感器的结构示意图。
图10b为图10a所示传感器沿I–I线的截面图。
图10c为图10a所示传感器的分解示意图。
图11为本发明一种实施例的传感器的工作原理。
图12为本发明实施例的具有定点加压装置的系统的结构示意图。
图13为本发明实施例的定点加压装置对手腕处的定点加压效果图。
图14为本发明实施例的多路定点加压装置的结构示意图。
具体实施方式
以下对本发明的实施方式作详细说明。应该强调的是,下述说明仅仅是示例性的,而不是为了限制本发明的范围及其应用。
需要说明的是,当元件被称为“固定于”或“设置于”另一个元件,它可以直接在另一个元件上或者间接在该另一个元件上。当一个元件被称为是“连接于”另一个元件,它可以是直接连接到另一个元件或间接连接至该另一个元件上。另外,连接既可以是用于固定作用也可以是用于耦合或连通作用。
需要理解的是,术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明实施例和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多该特征。在本发明实施例的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
参阅图1至图8,在一种实施例中,一种脉搏数据分类模型建立装置,包括计算机程序存储介质和处理装置,所述处理装置执行计算机程序时进行如下处理,包括:获取不同类型的脉搏数据;提取不同类型的脉搏数据的特征点;根据提取的脉搏数据的特征点计算分类特征;使用所述分类特征训练分类模型。
参阅图1至图8,在另一种实施例中,一种脉搏数据分类识别装置,包括计算机程序存储介质和处理装置,所述处理装置执行计算机程序时进行如下处理,包括:获取脉搏数据;提取脉搏数据的特征点;根据提取的脉搏数据的特征点计算分类特征;使用训练好的分类模型对脉搏数据进行分类。
处理装置可以是以微处理器为核心的电路装置。
参阅图2,在优选的实施例中,所述处理装置还进行如下处理:在提取脉搏数据的特征点之前对脉搏数据进行预处理,所述预处理包括去除基线、低通滤波和幅值归一化,以得到幅值相同的平滑的脉搏波形。
参阅图2和图3,在优选的实施例中,提取脉搏数据的特征点,具体包括:
计算脉搏数据的一阶差分,根据预先设定的幅值阈值和时间阈值找到周期性的极大值点,以该极大值点前后的两个零点作为收缩峰P1和舒张谷V1;
根据舒张谷V1将所述脉搏数据分割为若干个单周期片段,在每个周期片段内寻找一阶差分的第二个极大值点;判断所述第二个极大值点是否大于0,如果大于0,则以其前方和后方紧挨着的两个零点作为反射峰P2和反射谷V2,如果不大于0,则将二阶差分对应的极大值点和极小值点作为反射峰P2和反射谷V2;
在每个周期片段内,寻找一阶差分除了第一个、第二个极大值点外的所有极大值点,如果没有剩余的极大值点,则判定重搏峰P3和降中峡V3不存在;如果只剩下一个极大值点,则直接进行后续的处理;如果还有多个极大值点,则选中幅值最大的那一个极大值点/极小值点对,再进行后续的处理;所述后续的处理包括:判断极大值点是否大于0,如果大于0,则以其前方和后方紧挨着的两个零点作为重搏峰P3和降中峡V3;如果不大于0,则将二阶差分对应的极大值点和极小值点作为重搏峰P3和降中峡V3。
参阅图4至图6,在优选的实施例中,所述脉搏数据为低压、中压和高压下测得的桡动脉脉搏信号,所述分类特征包括与脉搏幅值有关的如下特征1至特征7以及脉搏信号在频域中的如下特征8至特征10中的任一种或多种:
特征1=收缩峰前的上升支幅值=A(P1)-A(V1) (1)
特征2=收缩峰前的上升支斜率=(A(P1)-A(V1))/(t(P1)-t(V1)) (2)
特征3=收缩峰后的下降支幅值=A(P1)-A(V2) (3)
特征4=收缩峰后的下降支斜率=(A(P1)-A(V2))/(t(V2)-t(P1)) (4)
特征5=反射峰后的下降支幅值=A(P2)-A(end) (5)
特征6=反射峰后的下降支斜率=(A(P2)-A(end))/(t(end)-t(P2))(6)
特征7=桡动脉增强指数=(A(P2)-A(V1))/(A(P1)-A(V1)) (7)
其中A表示幅值,t表示时间;
在另一种实施例中,一种脉搏信号测量系统,包括脉搏数据分类模型建立装置和/或脉搏数据分类识别装置(二者可共用处理装置),以及脉搏传感器,所述脉搏传感器用于采集脉搏数据发送给处理装置。
本发明实施例提出了一种脉搏数据分类模型建立装置、脉搏数据分类识别装置和脉搏信号测量系统,能够有效地实现脉搏波获取、特征提取和识别分类。本发明实施例通过脉搏特征点的获取、用于分类的脉搏特征的提取和分类模型的训练,能够快速、自动地实现对脉搏数据的分类识别,克服现有的脉搏测量装置中无法对脉搏进行深入分析的弊端。本发明实施例可充分挖掘脉搏信号的医学价值,在生物识别、中医脉诊等方面具有广泛的应用前景。
在优选的实施例中,所述脉搏传感器为柔性压力传感器。
参阅图9至图11,优选实施例的柔性压力传感器包括依次层叠在一起的第一金属电极层101、第一驻极体层102、第二驻极体层103以及第二金属电极层104,所述第一驻极体层102与所述第二驻极体层103之间具有空气腔105,所述空气腔105内的空气经电晕极化电离出的正负电荷分别由所述第一驻极体层102和所述第二驻极体层103捕获而形成电荷偶极子,初始状态下所述电荷偶极子与所述第一金属电极层101、第二金属电极层104上的感应电荷形成电场平衡,当所述传感器受压变形时,偶极矩改变,所述感应电荷转移而在外电路上形成电流,当释放压力时,所述传感器由于自身弹性恢复原状,在外电路上形成反向的电流并恢复所述电场平衡。
在优选的实施例中,所述第一驻极体层102和/或所述第二驻极体层103的内表面上具有凹槽。凹槽的图案可以是周期性的线条凹槽图案、三角锥凹槽图案、长方体凹槽图案等、或者是无周期、无规律的凹槽图案。
在一个特别优选的实施例中,所述第一驻极体层102的内表面上具有相互平行的多个第一条形凹槽,所述第二驻极体层103的内表面上具有相互平行的多个第二条形凹槽,所述第一条形凹槽和所述第二条形凹槽彼此垂直。
在不同的实施例中,所述第一驻极体层102和/或所述第二驻极体层103的材料可以选自氟化乙烯丙烯共聚物(FEP)、聚丙烯(PP)、聚偏氟乙烯(PVDF)。
在不同的实施例中,所述第一金属电极层101和/或所述第二金属电极层104的材料可以选自金(Au)、银(Ag)、铜(Cu)、铝(Al)、铬(Cr)。
在不同的实施例中,所述第一金属电极层101和/或所述第二金属电极层104可以为金属镀膜(如蒸镀金属膜)、丝网印刷或金属胶带粘接形成。
在优选的实施例中,由所述第一驻极体层102与所述第二驻极体层103共同形成封闭的空气腔105。
参阅图9至图11,在另一种实施例中,一种制作所述的高灵敏度柔性压力传感器的方法,包括如下步骤:
制作第一驻极体层102和第二驻极体层103,并将所述第一驻极体层102和所述第二驻极体层103相对接合在一起,两者之间形成空气腔105;
在所述第一驻极体层102的外表面形成第一金属电极层101,在所述第二驻极体层103的外表面形成第二金属电极层104;
其中,通过电晕极化使所述空气腔105内的空气电离出的正负电荷,分别由所述第一驻极体层102和所述第二驻极体层103捕获而形成电荷偶极子。
在优选的实施例中,所述制作第一驻极体层102和第二驻极体层103包括:通过激光雕刻在所述第一驻极体层102和/或所述第二驻极体层103的相对表面上形成凹槽。
在不同的实施例中,所述第一驻极体层102和所述第二驻极体层103的接合方式可以为热压键合、化学试剂键合或胶水粘接。
以下进一步举例描述本发明具体实施例。
图1示出了脉搏获取和分类的处理流程。首先应获取受用者在不同状况下的脉搏数据,比如在手腕桡动脉处不同压力下的脉搏、不同测量部位的脉搏等。这些脉搏数据的数量应尽可能的多,从而构建个人的脉搏数据库,更多的脉搏数据将增加分类结果的准确性和可靠性。随后,对于不同类型的脉搏数据,分别找出它们的特征点,用于计算分类特征。寻找的分类特征要具有区分度,不同类型的脉搏数据的这些特征值相差很大,这样才能取得更好的分类效果。接着,将数据库中的脉搏数据用作训练集、验证集和测试集,借助提取的分类特征训练分类模型。这样,对于新获取的脉搏数据,我们就可以寻找该新数据的特征点、计算分类特征,进而通过训练好的分类模型将该数据分到某一类里边。分类结果可用于可视化显示;在中医脉诊中可以用作脉象的识别,进而诊断病情等。
为实现更好的分类效果,寻找具有区分度的分类特征十分重要。而分类特征需要从脉搏波的特征点计算得出,因而对不同类型脉搏波的特征点的准确提取是第一个关键的步骤。图2示出了一种用于提取脉搏特征点的处理流程。首先对传感器等前端设备输出的脉搏信号进行AD采样,以获取数字脉搏信号。随后进行去除基线、低通滤波、幅值归一化等必要的预处理过程,以获取平滑稳定的脉搏波形。优选地,提取特征点的方法简述如下:先求取一阶差分。脉搏数据有很强的周期性,其一阶差分也具有类似的周期性,因此可根据预先设定的幅值阈值和时间阈值找到周期性的极大值点,将该极大值点前后的两个零点认为是收缩峰P1和舒张谷V1。接着,根据舒张谷V1,将一整个脉搏数据分割为若干个单个的脉搏周期片段。对每个周期片段的一阶差分结果,寻找第二个极大值点,将它前后的两个零点认为是收缩峰/谷P2、V2。同样的,寻找一阶差分的第三个极大值点,它前后的两个零点做为重搏峰P3和降中峡V3;如果第二个极大值点后没有多余的极大值点了,则认为重搏峰P3和降中峡V3不存在,进而结束识别的流程。
图3中示出了实施例对脉搏波形特征点的提取效果,其中圆形标记表示收缩峰P1(实心)及其前面的舒张谷V1(空心);方形标记表示反射峰P2(实心)及其前面的反射谷V2(空心);菱形标记表示重搏峰P3(实心)及其前面的降中峡V3(空心)。可以看出对于不同的脉搏波形,本发明提出的算法均具有很好的提取效果。
接着,需要使用找到的特征点计算具有区分度的分类特征。作为一种演示性例子,图4示出了在低压、中压和高压下测得的桡动脉脉搏,这是在中医脉诊中经常用到的脉搏信号。首先对这三类脉搏信号进行特征点的提取,结果已经标注在图4中。一个很明显的结论是三个脉搏信号的幅值不同,中压由于接近平均动脉压因而幅值最大。因此可以选取与脉搏幅值的量作为分类特征:
特征1=收缩峰前的上升支幅值=A(P1)-A(V1) (1)
特征2=收缩峰前的上升支斜率=(A(P1)-A(V1))/(t(P1)-t(V1)) (2)
特征3=收缩峰后的下降支幅值=A(P1)-A(V2) (3)
特征4=收缩峰后的下降支斜率=(A(P1)-A(V2))/(t(V2)-t(P1)) (4)
特征5=反射峰后的下降支幅值=A(P2)-A(end) (5)
特征6=反射峰后的下降支斜率=(A(P2)-A(end))/(t(end)-t(P2)) (6)
上述等式中,A表示幅值;t表示时间。
除了幅值的大小,两个峰幅值之间的比值也可以用作分类特征,比如桡动脉增强指数:
特征7=桡动脉增强指数=(A(P2)-A(V1))/(A(P1)-A(V1)) (7)
事实上,桡动脉增强指数是一个常用且重要的生理参数,和血管的顺应性个柔性密切相关,经常被用来衡量心血管系统的僵硬程度。在图4中可以看出,根据公式(7)的计算方法,桡动脉增强指数随着压力的增加在逐渐降低,因而是一个很有区分度的分类特征。
上述特征都是在时域上直接对脉搏信号分析计算,频域上的一些特征也可以被用作分类的依据。图5中展示了图4中三种脉搏信号(低压、中压和高压下测得的桡动脉脉搏信号)的FFT(快速傅里叶变换)的结果。FFT是数字信号处理领域十分常用的一种分析方法,用于将直接获得的时域信号转换为频域信号。从图4中的波形来看,随着静压力的增加,原来不明显的P2峰变为了明显的突出峰值,原来不存在P3峰也在高压下出现了。对应在图5的FFT结果中,第一个主峰(基频f0,即脉搏的频率)所占的比重下降,而第二(脉搏频率的二倍频,2f0)、第三(脉搏频率的三倍频,3f0)个主峰变得更为明显。为了将这一结论量化为具体的特征值,将对FFT结果中三个主峰的积分值(即S11~S33的面积)绘制在图6中,其中每一个竖条中从下到上的三个部分依次代表着对第一、第二和第三个主峰的积分结果。可以看出,随着静压力的增加,最下面的部分所占的比重在下降,即第一个主峰f0所占的比重在下降。因此可以得到三个频域中的特征值:
图6示出实施例对低压、中压和高压下桡动脉脉搏信号的FFT三个主峰的积分结果。
在得到用于分类的特征之后,就可以计算数据库中脉搏信号的特征值,用于训练分类模型。在实际操作中,上述10个特征可以随意更换顺序、可以只选用其中某几个特征、或者是包括但不限于上述特征。随后利用模型分类算法训练分类模型,这些算法可以是支持向量机(SVM)、随机森林等常用的分类算法。当获取新的脉搏数据时,就可以计算该脉搏的特征值,利用训练好的分类模型将该脉搏分类到某一类脉搏中。
图7是一种实施例包括脉搏数据分类模型建立和脉搏数据分类识别的系统结构框图。按照功能划分,该系统可包括四个模块:脉搏数据获取模块,获取由脉搏传感器采集的大量不同种类的脉搏数据,构建个人数据库;特征提取与训练模块,该部分以脉搏特征点提取算法和分类模型训练算法为核心,通过寻找具有区分度的脉搏特征以训练出用于脉搏分类的模型;新数据获取与分类模块,对于新获得的脉搏数据,该部分能够计算新数据的特征,并通过训练好的分类模型将新脉搏归置于某一类之下;分类结果获取模块,该部分用于将分类结果可视化显示,或者将分类结果用于中医脉诊的脉象诊断,以获取使用者的健康状况等。
一个具体实施例的脉搏信号测量系统的整体结构如图8所示。在表壳4中集成了主要的功能部件,可分为电路部分1和气路部分2。电路部分1以微处理器为核心,对来自放大滤波电路的脉搏信号进行采样,并进行进一步的数据存储、显示或无线发送。
微处理器和泵阀控制电路还实现气路部分的微泵、微阀的工作控制。微泵、微阀通过导气管3与气囊袖带5连通,气囊内的气压通过气压传感器反馈给微处理器。正常测量时,微阀关闭,微泵工作,往气囊里充气。一旦气压达到了设定值,微处理器控制微泵停止工作。此时气囊里的气压保持稳定,由固定在袖带上的脉搏传感器测量脉搏,并经放大滤波电路传输到微处理器中。工作结束,微处理器将关闭微泵,打开微阀,将气囊内的气体快速排出。
在图8所示的脉搏信号测量系统中,柔性的脉搏传感器固定在袖带上,直接与皮肤接触、实现脉搏的测量,增加了脉搏输出结果的稳定性,可避免光电传感器或气压传感器这些间接测量方法易受外部干扰的缺点。此外,通过泵阀控制电路和气路部分的设计,该装置可对手腕处的皮肤施加特定的静压力,来获取不同压力下的脉搏信号,这将大大增加所获取信息的丰富度,从中可获取更多、更有价值的医学信息。
柔性压力传感器
脉搏信号测量系统中脉搏传感器优选采用柔性压力传感器。参阅图9至图11,本发明优选实施例提供的柔性压力传感器中,在第一驻极体层102与第二驻极体层103之间具有空气腔105,且所述空气腔105内的空气经电晕极化电离出正负电荷,分别由所述第一驻极体层102和所述第二驻极体层103捕获而形成电荷偶极子,初始状态下所述电荷偶极子与金属电极层101、104上的感应电荷形成电场平衡,当所述传感器受压变形时,偶极矩改变,所述感应电荷转移而在外电路上形成电流,当释放压力时,所述传感器由于自身弹性恢复原状,在外电路上形成反向的电流并恢复所述电场平衡,由此,柔性压力传感器能够感受脉搏的搏动,输出相应的电流,实现脉搏的测量。
由于驻极体材料具有稳定储存电荷的能力,这使得该传感器可以长期使用而不会有性能上的衰减,即具有优异的稳定性,能够长时间地稳定测量脉搏。另外,该传感器灵敏度高,能够以很小的面积测量脉搏,这对于指尖脉搏、静脉脉搏的测量十分有利。本发明实施例的传感器可实现十分轻薄(50~100μm),具有很好的柔性,可以与皮肤表面良好地接触以获得更清晰的脉搏信号,而且在长时间佩戴时不会给使用者造成不适感。可以同时制作多个传感器,满足实际应用对大批量生产、快速制作成型的需求。本发明实施例的柔性压力传感器在脉搏等生理信号测量、电子皮肤、人机交互界面等领域具有广泛的应用前景。
在一个具体实施例中,基于激光雕刻和热压键合工艺制作柔性压电驻极体传感器。使用激光在两个驻极体薄膜(作为示例采用FEP薄膜)上切割出线条沟槽,让两个FEP薄膜上的线条沟槽彼此垂直放置,热压键合以形成密闭的空气腔。在传感器的一侧蒸镀金属电极之后,通过高压电源对传感器电晕充电,最后在传感器的另一侧贴附金属胶带,做为另一侧的电极。替代实施例中,也可以将蒸镀的金属电极换成贴附的金属胶带,这样可以进一步降低成本,缩短制作周期,并提高传感器长期使用中的鲁棒性。
图9示出传感器制作流程的一种示例。101表示第一金属电极层;102表示第一驻极体层;103表示第二驻极体层;104表示第二金属电极层。所用的驻极体薄膜的材料可以是氟化乙烯丙烯共聚物(FEP)、聚丙烯(PP)、聚偏氟乙烯(PVDF)等,这里优选为FEP薄膜;所用的金属电极可以是金(Au)、银(Ag)、铜(Cu)、铝(Al)、铬(Cr)等材料,这里优选为Cu电极。为了达到柔性的效果,驻极体薄膜的厚度可以是10~100μm,这里优选为25μm;金属电极的厚度为0.1μm~10μm,这里优选为10μm。
由于驻极体膜很薄,为了使薄膜平整、以及便于下一步的处理,将驻极体薄膜放置在硬质基底上。所选的硬质基底应平整光滑,表面能低,便于经过后续的处理后,驻极体薄膜还能顺利地被撕下。硬质基底的材料可以被优选为1mm厚的铜板。将驻极体薄膜平整地放在硬质基底上,并用轻柔的纸擦拭数次,以除去驻极体薄膜上的灰尘、并使驻极体薄膜吸附在硬质基底上。随后在驻极体薄膜上刻出凹槽图案。所使用的刻画方法可以是手工刻画、激光雕刻、基于掩膜(如光刻工艺、丝网模具等)的化学试剂刻蚀等,这里优选为激光雕刻工艺。所刻画的凹槽图案可以是周期性的线条凹槽图案、三角锥凹槽图案、长方体凹槽图案等、或者是无周期、无规律的凹槽图案。这里优选为线条凹槽图案。较佳地,凹槽的深度尽量深同时又不打穿驻极体薄膜。
分别在两个驻极体薄膜102、103上进行这样的凹槽刻画。这里优选为线条凹槽,并使得两个薄膜上的线条凹槽互相垂直。随后将这样的两个薄膜彼此相对放置,使它们键合在一起,以形成密闭的空气腔。所使用的键合方式可以是热压键合、化学试剂键合、胶水粘接等,这里优选为热压键合。对于优选的FEP驻极体材料,热压键合的参数是在1MPa的压力和250℃的温度下,热压90s。热压之后两个驻极体薄膜形成一个不可分割的整体,凹槽图案形成密封的空气腔。
随后在驻极体薄膜的一侧设置金属电极层101。设置的方式可以是金属镀膜、丝网印刷、金属胶带粘接等。金属镀膜和丝网印刷可以获得更薄的金属层,以取得更好的柔性效果;但它们的成本较贵,耗时较长。这里优选为金属胶带粘接的方式。而后使用直流高压电源、电晕针和接地电极执行电晕极化。具体实施方案是将金属电极层101放置在接地电极上,在传感器的另一侧上方(例如3cm)处放置电晕针。对电晕针施加负的高压电(-18~-30kV),进行电晕充电2~5min。最后,在驻极体薄膜的另一侧设置金属电极层104,以完成传感器的制作。设置的方式仍然可以是金属镀膜、丝网印刷、金属胶带粘接等。这里仍然优选为金属胶带粘接的方式。
图10a、图10b分别示出传感器完整的结构示意图和沿I–I线的截面图。图10c示出传感器的分解示意图。图11示出传感器的工作原理。在高压电晕极化的过程中,密封的空腔105内的空气将被击穿,电离出等量的正负电荷。随后在电场的作用下,正负电荷分别向上下两侧移动,最终被驻极体薄膜102、103的内壁所捕获,形成大量的电荷偶极子。初始状态下(图11中①),驻极体薄膜沟槽腔壁上捕获的电荷偶极子与金属电极上的感应电荷形成电场平衡,没有电响应。当传感器感受外部压力而压缩变形时(图11中②),偶极矩改变,电场平衡被破坏,金属电极上的感应电荷转移而在外电路上形成电流。释放压力时,传感器由于自身弹性恢复原状,在外电路中形成一个相反的电流(图11中③)。由此,柔性压力传感器能够感受脉搏的搏动,输出相应的电流,实现脉搏的测量。
由于驻极体材料具有稳定储存电荷的能力,因此该传感器持续工作数年。另外,该传感器的输出性质类似于压电传感器,同样具有自驱动的特点,在工作时不需要外接电源,起到低功耗的效果。此外,所提出的制作工艺流程中,激光切割、热压键合、电晕极化、粘贴金属胶带都是很简单的低成本工艺,便于快速制作成型,并降低成本。另外,在这些工艺中,同一批次中可以同时制作多个传感器,这有利于传感器的大批量生产;或者是同一批次中生产制作不同尺寸大小的传感器,可便捷地尺寸调节。
气囊和定点加压装置
参阅图12至图14,在一种实施例中,脉搏信号测量系统中优选采用一种用于定点加压的气囊,包括气囊袖带5和多个子气囊51,所述气囊袖带5上具有用于充气和排气的气口,所述多个子气囊51通过各自的导气管32与所述气囊袖带5相连,所述多个子气囊51的导气管32按照各自在所述气囊袖带5上所处的位置具有相对应的尺寸,且至少一部分导气管的尺寸不同于其余导气管的尺寸,以使得在同一的充气时间内所述至少一部分导气管对应的子气囊51与所述其余导气管对应的子气囊51的充气加压程度不同,从而当所述气囊袖带5佩戴在人体尤其是手腕上时能够对人体的对应部位进行定点加压。
在优选的实施例中,所述多个子气囊51沿所述气囊袖带5的长度方向分布,位于中间位置的至少一个子气囊51的导气管的尺寸大于其余导气管的尺寸。
在更优选的实施例中,所述位于中间位置的至少一个子气囊51的导气管包括多个导气管,其中最中间的导气管的尺寸最大,而两侧的导气管的尺寸以对称形式逐级变小。
在优选的实施例中,所述多个子气囊51的导气管按照各自在所述气囊袖带5上所处的位置具有相对应的材料性质,优选地,位于中间位置的至少一个子气囊51采用比其余导气管更软、更易变形的材料。
参阅图14,在优选的实施例中,所述气囊包括在所述气囊袖带5的宽度方向上独立并列设置的多层所述多个子气囊51,优选为3层所述多个子气囊51,3层子气囊分别形成尺气囊袖带5a、关气囊袖带5b、寸气囊袖带5c。
本发明实施例提供了一种压力大小定点分布、可调的定点加压装置,采用气体驱动加压方式,多个子气囊通过各自的导气管与气囊袖带相连,并且这些导气管按照各自在所述气囊袖带上所处的位置具有相对应的尺寸,且至少一部分导气管的尺寸不同于其余导气管的尺寸,以使得在同一的充气时间内部分子气囊与其余子气囊的充气加压程度不同,从而当气囊袖带佩戴在人体尤其是手腕上时能够对人体的对应部位进行定点加压,由此,可实现在特定的部位施加更大的压力,起到定点加压的效果。使用时,通过调整气囊袖带的佩戴位置,还可以灵活地调整定点加压的位置。该定点加压装置在数字化中医脉诊、可穿戴电子血压计等领域具有很好的应用前景。
在优选的实施例中,本发明通过多路独立并列设置的多层所述多个子气囊,实现多路可调的定点加压效果。每一路的压力都可以单独调节,压力的大小也可以根据预先设定的阈值进行调控,从而能够很好地满足脉搏或血压测量时的多路定点加压需求。
图12是具有定点加压装置的系统示意图。气囊袖带一侧通过导气管31与微泵、微阀和气压传感器相连,实现气体的输入、输出和气压的反馈。另一侧通过导气管32与各子气囊相连,并且对于不同的子气囊,对应的导气管32的粗细不一样。越粗的导气管32,意味着在相同的时间内对应的子气囊的加压程度更大。为了进一步增强定点加压的效果,子气囊的材料不同。两侧的子气囊可以选用更硬、不易变形的材料,而中间的子气囊选用更软、更易变形的材料;在相同的气压下,中间的子气囊将发生更大的变形,对手腕施加更大的压力,这将有助于在特定的部位施加更大的压力,起到定点加压的效果。图13显示了基于分层气囊设计的加压装置对手腕的定点加压效果。为了实现多路独立加压的效果,可以将多个这样设计的结构并联在一起,如图14所示的三路独立的气动定点加压结构。
本发明的背景部分可以包含关于本发明的问题或环境的背景信息,而不一定是描述现有技术。因此,在背景技术部分中包含的内容并不是申请人对现有技术的承认。
以上内容是结合具体/优选的实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,其还可以对这些已描述的实施方式做出若干替代或变型,而这些替代或变型方式都应当视为属于本发明的保护范围。在本说明书的描述中,参考术语“一种实施例”、“一些实施例”、“优选实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。尽管已经详细描述了本发明的实施例及其优点,但应当理解,在不脱离专利申请的保护范围的情况下,可以在本文中进行各种改变、替换和变更。
Claims (10)
1.一种脉搏数据分类模型建立装置,其特征在于,包括计算机程序存储介质和处理装置,所述处理装置执行计算机程序时进行如下处理,包括:获取不同类型的脉搏数据;提取不同类型的脉搏数据的特征点;根据提取的脉搏数据的特征点计算分类特征;使用所述分类特征训练分类模型。
2.一种脉搏数据分类识别装置,其特征在于,包括计算机程序存储介质和处理装置,所述处理装置执行计算机程序时进行如下处理,包括:获取脉搏数据;提取脉搏数据的特征点;根据提取的脉搏数据的特征点计算分类特征;使用训练好的分类模型对脉搏数据进行分类。
3.如权利要求1或2所述的装置,其特征在于,提取脉搏数据的特征点,具体包括:
计算脉搏数据的一阶差分,根据预先设定的幅值阈值和时间阈值找到周期性的极大值点,以该极大值点前后的两个零点作为收缩峰P1和舒张谷V1;
根据舒张谷V1将所述脉搏数据分割为若干个单周期片段,在每个周期片段内寻找一阶差分的第二个极大值点;判断所述第二个极大值点是否大于0,如果大于0,则以其前方和后方紧挨着的两个零点作为反射峰P2和反射谷V2,如果不大于0,则将二阶差分对应的极大值点和极小值点作为反射峰P2和反射谷V2;
在每个周期片段内,寻找一阶差分除了第一个、第二个极大值点外的所有极大值点,如果没有剩余的极大值点,则判定重搏峰P3和降中峡V3不存在;如果只剩下一个极大值点,则直接进行后续的处理;如果还有多个极大值点,则选中幅值最大的那一个极大值点/极小值点对,再进行后续的处理;所述后续的处理包括:判断极大值点是否大于0,如果大于0,则以其前方和后方紧挨着的两个零点作为重搏峰P3和降中峡V3;如果不大于0,则将二阶差分对应的极大值点和极小值点作为重搏峰P3和降中峡V3。
4.如权利要求1至3任一项所述的装置,其特征在于,所述脉搏数据为低压、中压和高压下测得的桡动脉脉搏信号,所述分类特征包括与脉搏幅值有关的如下特征1至特征7以及脉搏信号在频域中的如下特征8至特征10中的任一种或多种:
特征1=收缩峰前的上升支幅值=A(P1)-A(V1) (1)
特征2=收缩峰前的上升支斜率=(A(P1)-A(V1))/(t(P1)-t(V1)) (2)
特征3=收缩峰后的下降支幅值=A(P1)-A(V2) (3)
特征4=收缩峰后的下降支斜率=(A(P1)-A(V2))/(t(V2)-t(P1)) (4)
特征5=反射峰后的下降支幅值=A(P2)-A(end) (5)
特征6=反射峰后的下降支斜率=(A(P2)-A(end))/(t(end)-t(P2)) (6)
特征7=桡动脉增强指数=(A(P2)-A(V1))/(A(P1)-A(V1)) (7)
其中A表示幅值,t表示时间;
5.如权利要求1至3任一项所述的装置,其特征在于,所述处理装置还进行如下处理:在提取脉搏数据的特征点之前对脉搏数据进行预处理,所述预处理包括去除基线、低通滤波和幅值归一化,以得到幅值相同的平滑的脉搏波形。
6.一种脉搏信号测量系统,其特征在于,包括如权利要求1至5任一项所述的装置以及脉搏传感器,所述脉搏传感器用于采集脉搏数据发送给处理装置;
优选地,所述脉搏传感器为柔性压力传感器,包括依次层叠在一起的第一金属电极层、第一驻极体层、第二驻极体层以及第二金属电极层,所述第一驻极体层与所述第二驻极体层之间具有空气腔,所述空气腔内的空气经电晕极化电离出的正负电荷分别由所述第一驻极体层和所述第二驻极体层捕获而形成电荷偶极子,初始状态下所述电荷偶极子与所述第一、第二金属电极层上的感应电荷形成电场平衡,当所述传感器受压变形时,偶极矩改变,所述感应电荷转移而在外电路上形成电流,当释放压力时,所述传感器由于自身弹性恢复原状,在外电路上形成反向的电流并恢复所述电场平衡。
7.如权利要求6所述的脉搏信号测量系统,其特征在于,所述第一驻极体层和/或所述第二驻极体层的内表面上具有凹槽。
8.如权利要求7所述的脉搏信号测量系统,其特征在于,所述第一驻极体层的内表面上具有相互平行的多个第一条形凹槽,所述第二驻极体层的内表面上具有相互平行的多个第二条形凹槽,所述第一条形凹槽和所述第二条形凹槽彼此相对,优选还彼此垂直。
9.如权利要求6至8任一项所述的脉搏信号测量系统,其特征在于,所述第一驻极体层和/或所述第二驻极体层的材料选自氟化乙烯丙烯共聚物(FEP)、聚丙烯(PP)、聚偏氟乙烯(PVDF);所述第一金属电极层和/或所述第二金属电极层的材料选自金(Au)、银(Ag)、铜(Cu)、铝(Al)、铬(Cr)。
10.如权利要求6至9任一项所述的脉搏信号测量系统,其特征在于,由所述第一驻极体层与所述第二驻极体层共同形成封闭的空气腔。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110127009.9A CN112842288B (zh) | 2021-01-29 | 2021-01-29 | 脉搏数据分类模型建立装置、分类识别装置和测量系统 |
PCT/CN2021/136230 WO2022160952A1 (zh) | 2021-01-29 | 2021-12-08 | 脉搏数据分类模型建立装置、分类识别装置和测量系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110127009.9A CN112842288B (zh) | 2021-01-29 | 2021-01-29 | 脉搏数据分类模型建立装置、分类识别装置和测量系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112842288A true CN112842288A (zh) | 2021-05-28 |
CN112842288B CN112842288B (zh) | 2022-02-25 |
Family
ID=75986905
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110127009.9A Active CN112842288B (zh) | 2021-01-29 | 2021-01-29 | 脉搏数据分类模型建立装置、分类识别装置和测量系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112842288B (zh) |
WO (1) | WO2022160952A1 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113243902A (zh) * | 2021-05-31 | 2021-08-13 | 之江实验室 | 一种基于光电容积脉搏波的特征提取方法 |
CN114145722A (zh) * | 2021-12-07 | 2022-03-08 | 西安邮电大学 | 一种面向胰腺炎患者的脉搏病理特征挖掘方法 |
WO2022160952A1 (zh) * | 2021-01-29 | 2022-08-04 | 清华大学深圳国际研究生院 | 脉搏数据分类模型建立装置、分类识别装置和测量系统 |
CN114916923A (zh) * | 2022-05-19 | 2022-08-19 | 南京中医药大学 | 一种电机械互联的心电脉搏信号分析方法及系统 |
CN115374125A (zh) * | 2022-09-01 | 2022-11-22 | 无锡市华焯光电科技有限公司 | 脉象诊断分类方法、数据库构建方法、装置及存储介质 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115040089B (zh) * | 2022-08-16 | 2022-12-06 | 之江实验室 | 一种基于深度学习的脉搏波峰值检测与分类的方法和装置 |
CN115736850B (zh) * | 2023-01-05 | 2023-04-21 | 南京大经中医药信息技术有限公司 | 一种脉搏数据分类系统和分类方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101668476A (zh) * | 2007-03-14 | 2010-03-10 | 韩国韩医学研究院 | 虚脉和实脉的诊断系统 |
CN103169456A (zh) * | 2013-03-29 | 2013-06-26 | 深圳职业技术学院 | 一种脉搏波信号的处理方法及处理系统 |
JP2014097242A (ja) * | 2012-11-15 | 2014-05-29 | Pioneer Electronic Corp | 脈波解析装置及び方法、並びにコンピュータプログラム |
CN107822608A (zh) * | 2017-10-26 | 2018-03-23 | 中国民航大学 | 基于高斯混合模型的脉搏波特征提取方法 |
CN108670209A (zh) * | 2018-03-29 | 2018-10-19 | 中国科学院微电子研究所 | 一种自动识别中医脉象的方法和系统 |
CN109965861A (zh) * | 2019-04-16 | 2019-07-05 | 重庆大学 | 一种无袖带穿戴式无创血压长时连续监测装置 |
CN110013234A (zh) * | 2019-04-08 | 2019-07-16 | 清华大学深圳研究生院 | 一种柔性压力传感器及脉诊仪 |
US20200146567A1 (en) * | 2017-05-17 | 2020-05-14 | My-Vitality Sàrl | Pulse wave device and method of discriminating and quantifying fatigue |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102440768B (zh) * | 2010-10-13 | 2013-08-28 | 兰州理工大学 | 脉搏波形特征点提取方法 |
US20140135632A1 (en) * | 2012-11-15 | 2014-05-15 | Pulsecor Limited | Method and apparatus for determining cardiac medical parameters from supra-systolic signals obtained from an oscillometric blood pressure system |
CN112842288B (zh) * | 2021-01-29 | 2022-02-25 | 清华大学深圳国际研究生院 | 脉搏数据分类模型建立装置、分类识别装置和测量系统 |
CN112842289B (zh) * | 2021-01-29 | 2022-03-22 | 清华大学深圳国际研究生院 | 一种脉搏信号采集及测量装置 |
-
2021
- 2021-01-29 CN CN202110127009.9A patent/CN112842288B/zh active Active
- 2021-12-08 WO PCT/CN2021/136230 patent/WO2022160952A1/zh active Application Filing
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101668476A (zh) * | 2007-03-14 | 2010-03-10 | 韩国韩医学研究院 | 虚脉和实脉的诊断系统 |
JP2014097242A (ja) * | 2012-11-15 | 2014-05-29 | Pioneer Electronic Corp | 脈波解析装置及び方法、並びにコンピュータプログラム |
CN103169456A (zh) * | 2013-03-29 | 2013-06-26 | 深圳职业技术学院 | 一种脉搏波信号的处理方法及处理系统 |
US20200146567A1 (en) * | 2017-05-17 | 2020-05-14 | My-Vitality Sàrl | Pulse wave device and method of discriminating and quantifying fatigue |
CN107822608A (zh) * | 2017-10-26 | 2018-03-23 | 中国民航大学 | 基于高斯混合模型的脉搏波特征提取方法 |
CN108670209A (zh) * | 2018-03-29 | 2018-10-19 | 中国科学院微电子研究所 | 一种自动识别中医脉象的方法和系统 |
CN110013234A (zh) * | 2019-04-08 | 2019-07-16 | 清华大学深圳研究生院 | 一种柔性压力传感器及脉诊仪 |
CN109965861A (zh) * | 2019-04-16 | 2019-07-05 | 重庆大学 | 一种无袖带穿戴式无创血压长时连续监测装置 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022160952A1 (zh) * | 2021-01-29 | 2022-08-04 | 清华大学深圳国际研究生院 | 脉搏数据分类模型建立装置、分类识别装置和测量系统 |
CN113243902A (zh) * | 2021-05-31 | 2021-08-13 | 之江实验室 | 一种基于光电容积脉搏波的特征提取方法 |
CN113243902B (zh) * | 2021-05-31 | 2021-12-07 | 之江实验室 | 一种基于光电容积脉搏波的特征提取方法 |
CN114145722A (zh) * | 2021-12-07 | 2022-03-08 | 西安邮电大学 | 一种面向胰腺炎患者的脉搏病理特征挖掘方法 |
CN114145722B (zh) * | 2021-12-07 | 2023-08-01 | 西安邮电大学 | 一种面向胰腺炎患者的脉搏病理特征挖掘方法 |
CN114916923A (zh) * | 2022-05-19 | 2022-08-19 | 南京中医药大学 | 一种电机械互联的心电脉搏信号分析方法及系统 |
CN115374125A (zh) * | 2022-09-01 | 2022-11-22 | 无锡市华焯光电科技有限公司 | 脉象诊断分类方法、数据库构建方法、装置及存储介质 |
CN115374125B (zh) * | 2022-09-01 | 2024-05-10 | 无锡市华焯光电科技有限公司 | 脉象诊断分类方法、数据库构建方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112842288B (zh) | 2022-02-25 |
WO2022160952A1 (zh) | 2022-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112842288B (zh) | 脉搏数据分类模型建立装置、分类识别装置和测量系统 | |
CN109752029B (zh) | 一种纸基电容型柔性传感器的制备方法 | |
Wang et al. | Machine learning-enhanced flexible mechanical sensing | |
CN112842292B (zh) | 一种可穿戴式数字脉诊仪 | |
CN112842289B (zh) | 一种脉搏信号采集及测量装置 | |
CN102058399B (zh) | 一种基于微流控芯片的仿生号脉系统 | |
US11839453B2 (en) | Soft capacitive pressure sensors | |
CN113008417A (zh) | 基于多级结构的柔性压力传感器、制备方法及测量系统 | |
CN113348427A (zh) | 软电容式压力传感器 | |
CN106725363B (zh) | 脉搏波采集装置和脉搏波采集标定方法 | |
CN107397542B (zh) | 一种基于脉搏波传感器的动态血压监测穿戴式设备及监测方法 | |
CN112945429A (zh) | 一种高灵敏度柔性压力传感器及制作方法 | |
CN112842293B (zh) | 一种可穿戴式的脉搏实时检测装置 | |
CN112968682B (zh) | 微弱电流放大电路及传感器系统 | |
JP3547379B2 (ja) | 橈骨動脈の圧脈波計測システム | |
CN112842305B (zh) | 一种可穿戴式血压测量系统 | |
CN112842274B (zh) | 用于定点加压的气囊、定点加压装置及传感器系统 | |
CN112773347A (zh) | 一种可穿戴式高精度血压测量系统 | |
Dong et al. | A super-flexible and high-sensitive epidermal semg electrode patch for silent speech recognition | |
CN112842311B (zh) | 一种可穿戴式心率实时检测系统 | |
CN112842291B (zh) | 一种脉搏波速测量系统及无创式血流状况评估系统 | |
Wang et al. | Continuous Cuffless Monitoring of Arterial Blood Pressure based on High-density Flexible Sensor Array | |
CN210902976U (zh) | 一种脉搏检测设备 | |
Kanko | Triboelectric sensor for pulse wave monitoring | |
CN115477275A (zh) | 脉搏传感器、介质层模板及其制备方法及介质层制备方法 |
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 |