CN113171071A - 一种基于pwtt的血压测量方法 - Google Patents
一种基于pwtt的血压测量方法 Download PDFInfo
- Publication number
- CN113171071A CN113171071A CN202110247146.6A CN202110247146A CN113171071A CN 113171071 A CN113171071 A CN 113171071A CN 202110247146 A CN202110247146 A CN 202110247146A CN 113171071 A CN113171071 A CN 113171071A
- Authority
- CN
- China
- Prior art keywords
- pwv
- pulse
- pwtt
- calibration data
- sbp
- 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
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
- A61B5/02125—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics of pulse wave propagation time
Abstract
本发明提供了一种基于PWTT的血压测量方法,属于无创连续血压测量技术领域。本发明提供了一种基于PWTT的血压测量方法,其中对PWTT数据进行灵活筛选,且通过PWTT、臂长与正常人肩膀到心脏的平均距离得到PWV,使得最终计算的PWV精度更高,同时基于PWV计算血压时,不只考虑二者的直接相关性,还考虑收缩压(SBP),脉压(PP),心率(PULSE)与血压的关系,通过计算各组数据之间的自相关系数和回归系数,以及回归常数,最后根据计算得到的参数回归方程来计算血压值,使血压测量结果更精确。
Description
技术领域
本发明涉及无创连续血压测量技术领域,尤其涉及一种基于PWTT的血压测量方法。
背景技术
脉搏波传导时间(Pulse Wave Transit Time,PWTT)是动脉血压波沿血管壁传输时间,这个时间是由从心脏开始收缩到大动脉瓣打开再到出现在大动脉血液脉动,经过血管传导到末梢部位时间组成,PWTT参数可以从手腕部的心电和脉搏波来进行获取,目前有大量临床试验可知脉搏波传导时间与血压之间变化关系是生理学上已经明确现象,利用该现象,结合个人性别、身高、体重、臂长和年龄等基础特征,形成特殊算法可以用来监测动脉血压的变化及在一定误差范围内的血压值。脉搏波波速(Pulse Wave Velocity,PWV),是脉搏波在动脉系统的两个既定点间的传播速度。
现有血压计算算法只是根据PWV与BP(blood Press)的直接相关性进行血压值计算(即:BP=a*PWV+b),其与实际血压测量值的误差范围很难达到国际医疗标准(平均误差小于5mmHg、误差的标准差小于8mmHg的要求)。
PWV与血压有一点关系,因此血压计算时通常也会考虑PWV,而PWV的精确性也在一定程度上影响了血压的精度,因此,有必要提出一种灵活动态的PWV的测量方法,对采集的PWTT进行灵活筛选,从而为不同场景下采集到的实际PWTT数据在有效时间内计算出指定误差范围内的PWV值,同时在计算血压时,不只根据PWV值与血压的直接相关性计算,还考虑其他因素对血压的影响,使得血压测量值更精确。
在中国专利申请文献CNCN06618537A中,公开了一种基于脉搏波传导的连续动态血压精确监测法,包括(1)获取被测者个人参数;(2)通过脉搏波传感器和心电信号采集模块连续同步采集心电信号ECG、脉搏波信号s1并发送至控制模块;(3)得到心-桡脉搏波传导时间hrPWTT以及舒张期时长TD;(4)根据心-桡脉搏波传导时间hrPWTT计算心-桡脉搏波传导速度hrPWV;(5)根据心-桡脉搏波传导速度hrPWV计算收缩压PWVSBP;(6)根据收缩压PWVSBP以及舒张期时长TD计算舒张压PWVDBP。PWVDBP采用如下公式计算得到:
现有技术至少存在以下不足:
1.现有技术中在采集PWTT时,通常仅丢掉最初波动期的数据,或者不丢弃,造成PWTT值不准确。
2.现有技术中计算PWV较复杂,通过心-桡脉搏波传导时间,舒张期时长,计算过程未考虑臂长的因素,降低了PWV计算结果精度。
3.现有技术中血压的计算与PWV只考虑直接相关性,血压测量不够精确。
发明内容
本发明的目的在于克服现有算法不能在计算时间和计算误差上灵活动态调整的缺陷,提供了一种基于PWTT的血压测量方法,其中对PWTT数据进行灵活筛选,且通过PWTT、臂长与正常人肩膀到心脏的平均距离得到PWV,使得最终计算的PWV精度更高,同时基于PWV计算血压时,不只考虑二者的直接相关性,还考虑收缩压SBP、脉压PP、心率PULSE与血压的关系,通过计算各组数据中SBP、PWV、PP、PULSE之间的自相关系数和回归系数,以及回归常数,最后根据计算得到的包括各参数回归系数和回归常数的回归方程来计算血压值,结果更精确。
本发明提供了一种基于PWTT的血压测量方法,包括如下步骤:
步骤一,采集多组校准数据,每组校准数据包括如下参量:收缩压SBP、舒张压DBP、脉搏波传导时间PWTT和心率PULSE;
步骤二,计算各组校准数据的脉搏波波速PWV值,并计算各组校准数据中脉压值PP,在计算PWV值时,对PWTT数值进行筛选和补充,根据保留的PWTT值和补充的PWTT值,在各组校准数据中保留或补充对应于保留或补充的PWTT值的同组的SBP、DBP、PULSE值,其中,PP=SBP–DBP;
步骤三,分别计算各组校准数据的SBP与PWV、SBP与PULSE、PWV与PULSE、PP与PWV、PP与PULSE、PWV与PULSE之间的自相关系数;
步骤四,分别计算各组校准数据的SBP与PWV、SBP与PULSE、PP与PWV、PP与PULSE之间的回归系数P1、Q1、P2和Q2;
步骤五,根据校准数据,计算收缩压的回归常数M1和舒张压的回归常数M2;
M1=B-P1*A-Q1*U;
M2=C-P2*A-Q2*U;
其中,
A为各组校准数据的PWV的均值;
B为各组校准数据的收缩压的均值;
C为各组校准数据的脉压值的均值;
U为各组校准数据的心率的均值;
步骤六,实时采集心率值PULSE_rt和PWTT值,根据实时采集的PWTT值与校准数据计算PWV值PWV_rt,根据如下回归方程计算实时的收缩压SBP和舒张压DBP;
SBP=M1+P1*PWV_rt+Q1*PULSE_rt;
DBP=M2+P2*PWV_rt+Q2*PULSE_rt;
其中,
PWV_rt为根据实时采集的PWTT值与校准数据计算的PWV值;
PULSE_rt为实时采集的心率值;
P1、Q1、P2和Q2分别为各组校准数据的SBP与PWV、SBP与PULSE、PP与PWV、PP与PULSE之间的回归系数;
M1为收缩压的回归常数;
M2为舒张压的回归常数。
在实际血压测量中,当人在运动时,发现测量血压值还与心率呈现一定的线性回归关系,故在计算回归常数时将心率因子也作为自变量添加到常规的血压计算公式中。
优选地,PWV值的计算包括如下步骤:
PWTT初步采集及初筛步骤;
S7100:采集N个PWTT值,丢弃前面P个PWTT值;
S7200:计算剩余(N-P)个PWTT值的均值,根据置信度M%计算第一置信区间;
其中,5%≤M%≤10%;
S7300:丢弃剩余(N-P)个PWTT值中不在第一置信区间内的PWTT值,如果剩余的PWTT个数满足预设的最低PWTT个数要求,则执行PWV计算步骤,如果剩余的PWTT个数不满足预设的最低PWTT个数要求,则执行PWTT继续采集及筛选步骤;
PWTT继续采集及筛选步骤;
S8100:继续采集m个PWTT值,使得PWTT总个数达到预设的最低PWTT个数;
S8200:计算PWTT值的均值,根据置信度M%计算第二置信区间;每次迭代计算的所述第二置信区间与当前参与置信区间计算的PWTT值有关;
S8300:丢弃PWTT值不在第二置信区间内的PWTT值;
S8400:如果剩余的PWTT值个数满足预设的最低PWTT个数要求,则执行PWV计算步骤,否则,继续执行步骤S8100;
PWV计算步骤;
S9100:计算保留的PWTT值的均值S;
S9200:计算PWV值;其中PWV值采用如下公式进行计算;
其中,
PWV为最终计算得到的脉搏波波速;
L为待测者的臂长;
a为正常人肩膀到心脏的平均距离;
S为最终保留的PWTT值的均值。
优选地,所述初步采集的PWTT值的个数N满足,5<N≤15。
优选地,所述初步筛选时丢弃的PWTT值的个数P满足,5≤P≤9。
优选地,N=15;P=5。
优选地,所述预设的最低PWTT个数为N-P。
优选地,置信区间(A1,A2)的计算采用如下公式:
A1=A-A*M%;
A2=A+A*M%;
其中,
A为当前保留的PWTT值的均值;
M%为置信度;
A1为置信区间下限;
A2为置信区间上限。
优选地,步骤三中计算各组校准数据的SBP与PWV、SBP与PULSE、PWV与PULSE、PP与PWV、PP与PULSE之间的自相关系数包括如下步骤:
S3100:计算各组校准数据中各参量的均值、标准差和协方差;
S3200:根据各组校准数据中各参量的均值、标准差和协方差,分别计算各组校准数据的SBP与PWV、SBP与PULSE、PWV与PULSE、PP与PWV、PP与PULSE、PWV与PULSE之间的自相关系数。
优选地,步骤S3200中各组校准数据的SBP与PWV、SBP与PULSE、PWV与PULSE、PP与PWV、PP与PULSE、PWV与PULSE之间的自相关系数计算包括如下步骤:
各组校准数据的SBP与PWV之间的自相关系数:SBP_Ray=G1/(D*E);
各组校准数据的SBP与PULSE之间的自相关系数:SBP_Rby=S1/(E*J);
各组校准数据的PWV与PULSE之间的自相关系数:Rab=N1/(D*J);
各组校准数据的PP与PWV之间的自相关系数:DIS_Ray=G2/(D*F);
各组校准数据的PP与PULSE之间的自相关系数:DIS_Rby=S2/(F*J);
其中,D为各组校准数据的PWV标准差;E为各组校准数据的SBP标准差,F为各组校准数据的PP标准差;J为各组校准数据的心率标准差;各组校准数据的D和E的协方差为G1;各组校准数据的D和F的协方差为G2;各组校准数据的D和J的协方差为N1;各组校准数据的F和J的协方差为S2。
优选地,步骤四中,各组校准数据的SBP与PWV、SBP与PULSE、PP与PWV、PP与PULSE之间的回归系数P1、Q1、P2和Q2计算包括如下步骤:
P1=(SBP_Ray-SBP_Rby*Rab)/(1-Rab*Rab)*(E/D);
Q1=(SBP_Rby-SBP_Ray*Rab)/(1-Rab*Rab)*(E/J);
P2=(DIS_Ray-DIS_Rby*Rab)/(1-Rab*Rab)*(F/D);
Q2=(DIS_Rby-DIS_Ray*Rab)/(1-Rab*Rab)*(F/J);
其中:D为各组校准数据的PWV标准差;E为各组校准数据的SBP标准差,F为各组校准数据的PP标准差;J为各组校准数据的心率标准差;SBP_Ray为各组校准数据的SBP与PWV之间的自相关系数;SBP_Rby为各组校准数据的SBP与PULSE之间的自相关系数;Rab为各组校准数据的PWV与PULSE之间的自相关系数;DIS_Ray为各组校准数据的PP与PWV之间的自相关系数;DIS_Rby为各组校准数据的PP与PULSE之间的自相关系数。
与现有技术相对比,本发明的有益效果如下:
(1)本发明通过丢弃初始误差较大的数据后,直接提高采集数据的精确度。
(2)本发明通过设置置信区间,丢弃不在当前总体平均值置信区间内的数据,增加采集数据的可信度,从而提高采集数据的精确度。
(3)本发明多次采用置信区间进行PWTT数据筛选,防止了在数据采集的过程中出现异常数据的抖动,而出现误差较大的数据,采用置信区间的方法会筛掉不在置信区间的数据,使整体数据精确度更高,从而使后续最终计算的PWV结果更精确;
(4)本发明考虑收缩压SBP、脉压PP、心率PULSE与血压的关系,计算各组数据中SBP、PWV、PP、PULSE之间的自相关系数、回归系数以及回归常数,并构建包括各参数回归系数和回归常数的回归方程来计算血压值,结果更精确。
附图说明
图1是本发明的一个实施例的动态连续血压测量方法流程图;
图2是本发明的一个实施例的PWV测量方法流程图。
图3是本发明的一个实施例的连续血压测量方法测量与校准血压计SBP对比图;
图4是本发明的一个实施例的连续血压测量方法测量与校准血压计DBP对比图;
图5是本发明的一个实施例的动态连续血压测量方法测量与校准血压计SBP对比图;
图6是本发明的一个实施例的动态连续血压测量方法测量与校准血压计DBP对比图;
图7是本发明的一个实施例的动态连续血压测量方法测量与连续测量方法以及校准血压计SBP对比图;
图8是本发明的一个实施例的动态连续血压测量方法测量与连续测量方法以及校准血压计DBP对比图;
图9是本发明的一个实施例的连续血压测量方法流程图;
图10是本发明的一个实施例中采集PWTT时,PWTT值的波动示例图;
图11是本发明的一个实施例虚拟数据补充为校准数据的动态连续血压测量方法与校准血压计的SBP的对比图;
图12是本发明的一个实施例虚拟数据补充为校准数据的动态连续血压测量方法与校准血压计的DBP对比图;
图13是本发明的一个实施例虚拟数据补充为校准数据的动态连续血压测量方法测量与连续测量方法以及校准血压计SBP对比图;
图14是本发明的一个实施例虚拟数据补充为校准数据的动态连续血压测量方法测量与连续测量方法以及校准血压计DBP对比图;
图15是本发明的一个实施例虚拟数据补充为校准数据的动态连续血压测量方法流程图。
具体实施方式
下面结合附图1-15,对本发明的具体实施方式作详细的说明。
根据本发明的一个具体实施方案,本发明提供了一种基于PWTT的血压测量方法,包括如下步骤:
步骤一,采集多组校准数据,每组校准数据包括如下参量:收缩压SBP、舒张压DBP、脉搏波传导时间PWTT和心率PULSE;
该步的采集数据会用于后续步骤的计算参数,其中,采集的N组数据,理论上是越多对于最终测量血压值结果计算越精确,但是实际中基于存储资源的考量和采集效率及成本的考量,会取一个适当的折中值,从实际测量效果来看,一般第一次校准取7次左右即可计算得到符合国际标准的血压测量值。分别选取4组静止和3组运动状态的数据主要是为了涵盖测试者在静止和运动状态时的生理参数信息,从而为后续获取血压与心率的回归系数做准备。
步骤二,计算各组校准数据的脉搏波波速PWV值,并计算各组校准数据中脉压值PP;在计算PWV值时,对PWTT数值进行筛选和补充,根据保留的PWTT值和补充的PWTT值,在各组校准数据中保留或补充对应于保留或补充的PWTT值的同组的SBP、DBP、PULSE值,其中,PP=SBP–DBP;
初采集时,数据不稳定,且在测量过程中也会出现数据的拨动,因此在计算PWV时,会去掉一些不稳定造成的不可信PWTT数据,同时,也删除与其对应的同组其他数据;同时为了保证数据量足够,不具有随机性,还要在计算过程中补充采集一些数据,同理,也对应地,将补充的PWTT对应的同组其他数据补充作为校准数据。
血压具有波动性,收缩压(SBP)和舒张压(DBP)分别代表血压波动的两个极端值,收缩压与舒张压之差称为脉压,它反映了一个心动周期中该波动幅度的大小。该步计算的校准脉压值会用于后续测量血压的算法中部分参数;
步骤三,分别计算各组校准数据的SBP与PWV、SBP与PULSE、PWV与PULSE、PP与PWV、PP与PULSE之间的自相关系数;
步骤四,分别计算各组校准数据的SBP与PWV、SBP与PULSE、PP与PWV、PP与PULSE之间的回归系数P1、Q1、P2和Q2;
步骤五,根据校准数据,计算收缩压的回归常数M1和舒张压的回归常数M2;
M1=B-P1*A-Q1*U;
M2=C-P2*A-Q2*U;
其中,
A为各组校准数据的PWV的均值;
B为各组校准数据的收缩压的均值;
C为各组校准数据的脉压值的均值;
U为各组校准数据的心率的均值;
具体来说,回归常数项表示的是未被自变量解释的且长期存在(非随机)的部分,即信息残留与随机误差之和,而随机误差是在自变量解释空间内,预测值和去掉常数项的实际值的误差。在实际血压测量中,当人在运动时,发现测量血压值还与心率呈现一定的线性回归关系,故在计算回归常数时将心率因子也作为自变量添加到常规的血压计算公式中,而回归常数则是通过校准数据由步骤一到步骤三所计算出的结果参数加上以上描述血压计算公式而得出。该回归常数值作为后续测量血压计算公式的参数,将直接影响到后续测量血压值的精确度。
步骤六,实时采集心率值PULSE_rt和PWTT值,根据实时采集的PWTT值与校准数据计算PWV值PWV_rt,根据如下回归方程计算实时的收缩压SBP和舒张压DBP;
SBP=M1+P1*PWV_rt+Q1*PULSE_rt;
DBP=M2+P2*PWV_rt+Q2*PULSE_rt;
其中,
PWV_rt为根据实时采集的PWTT值与校准数据计算的PWV值;
PULSE_rt为实时采集的心率值;
P1、Q1、P2和Q2分别为各组校准数据的SBP与PWV、SBP与PULSE、PP与PWV、PP与PULSE之间的回归系数;
M1为收缩压的回归常数;
M2为舒张压的回归常数。
根据本发明的一个具体实施方案,PWV值的计算包括如下步骤:
PWTT初步采集及初筛步骤;
S7100:采集N个PWTT值,丢弃前面P个PWTT值;
S7200:计算剩余(N-P)个PWTT值的均值,根据置信度M%计算第一置信区间;
其中,置信区间可以选择在5%≤M%≤10%,也可以根据实际需要进行调整;
S7300:丢弃剩余(N-P)个PWTT值中不在第一置信区间内的PWTT值,如果剩余的PWTT个数满足预设的最低PWTT个数要求,则执行PWV计算步骤,如果剩余的PWTT个数不满足预设的最低PWTT个数要求,则执行PWTT继续采集及筛选步骤;
PWTT继续采集及筛选步骤;
S8100;继续采集m个PWTT值,使得PWTT总个数达到预设的最低PWTT个数;
S8200:计算PWTT值的均值,根据置信度M%计算第二置信区间;每次迭代计算的所述第二置信区间与当前参与置信区间计算的PWTT值有关;
S8300:丢弃PWTT值不在第二置信区间内的PWTT值;
S8400:如果剩余的PWTT值个数满足预设的最低PWTT个数要求,则执行PWV计算步骤,否则,继续执行步骤S8100;
PWV计算步骤;
S9100:计算保留的PWTT值的均值S;
S9200:计算PWV值;其中PWV值采用如下公式进行计算;
其中,
PWV为最终计算得到的脉搏波波速;
L为待测者的臂长;
a为正常人肩膀到心脏的平均距离;
S为最终保留的PWTT值的均值。
根据本发明的一个具体实施方案,所述初步采集的PWTT值的个数N满足,5<N≤15。
根据本发明的一个具体实施方案,所述初步筛选时丢弃的PWTT值的个数P满足,5≤P≤9。
根据本发明的一个具体实施方案,N=15;P=5。
根据本发明的一个具体实施方案,所述预设的最低PWTT个数为N-P。
根据本发明的一个具体实施方案,置信区间(A1,A2)的计算采用如下公式:
A1=A-A*M%;
A2=A+A*M%;
其中,
A为当前保留的PWTT值的均值;
M%为置信度;
A1为置信区间下限;
A2为置信区间上限。
根据本发明的一个具体实施方案,分别计算各组校准数据的SBP与PWV、SBP与PULSE、PWV与PULSE、PP与PWV、PP与PULSE、PWV与PULSE之间的自相关系数具体包括如下步骤:
S3100:计算各组校准数据中的各参量的均值、标准差和协方差;
平均值,统计学术语,是表示一组数据集中趋势的量数,是指在一组数据中所有数据之和再除以这组数据的个数。它是反映数据集中趋势的一项指标。该步通过计算各组数据的平均值,通过统计学方法排除极大极小值对结果的影响,使数据更趋于正常值而非极端值,这样会使后续计算结果更加精确。
标准差,是离均差平方的算术平均数(即:方差)的算术平方根,用σ表示。标准差也被称为标准偏差,或者实验标准差,在概率统计中最常使用作为统计分布程度上的测量依据。该步计算的标准差能反映一个数据集的离散程度,该计算结果会作为后续计算血压算法中的一个中间参数,该参数会直接影响到测量血压值的精确度。
协方差在概率论和统计学中用于衡量两个变量的总体误差。而方差是协方差的一种特殊情况,即当两个变量是相同的情况。该步计算的协方差在概率论和统计学中用于衡量两个变量的总体误差,该计算结果会作为参数用于后续血压算法中的相关系数计算和回归系数计算,直接影响到回归相关系数的相关程度,从而最终间接影响到到测量血压值的精确度。
S3200:根据各组校准数据中的各参量的均值、标准差和协方差,分别计算各组校准数据的SBP与PWV、SBP与PULSE、PWV与PULSE、PP与PWV、PP与PULSE、PWV与PULSE之间的自相关系数。
根据本发明的一个具体实施方案,各组校准数据的SBP与PWV、SBP与PULSE、PWV与PULSE、PP与PWV、PP与PULSE、PWV与PULSE之间的自相关系数计算包括如下步骤:
各组校准数据的SBP与PWV之间的自相关系数:SBP_Ray=G1/(D*E);
各组校准数据的SBP与PULSE之间的自相关系数:SBP_Rby=S1/(E*J);
各组校准数据的PWV与PULSE之间的自相关系数:Rab=N1/(D*J);
各组校准数据的PP与PWV之间的自相关系数:DIS_Ray=G2/(D*F);
各组校准数据的PP与PULSE之间的自相关系数:DIS_Rby=S2/(F*J);
其中,D为各组校准数据的PWV标准差;E为各组校准数据的SBP标准差,F为各组校准数据的PP标准差;J为各组校准数据的心率标准差;各组校准数据的D和E的协方差为G1;各组校准数据的D和F的协方差为G2;各组校准数据的D和J的协方差为N1;各组校准数据的F和J的协方差为S2。
相关系数是最早由统计学家卡尔·皮尔逊设计的统计指标,是研究变量之间线性相关程度的量,计算原理如下:
其中,Cov(X,Y)为X与Y的协方差,Var[X]为X的方差,Var[Y]为Y的方差。
根据本发明的一个具体实施方案,计算各组校准数据的各参量的自相关系数中,需要先计算各组校准数据的各参量的均值、标准差和协方差。
将各组校准数据的各参量的均值、标准差和协方差定义如下:
表1各参量均值、标准差、协方差符号定义
均值 | 标准差 | 协方差 | |
脉搏波速(PWV) | A | D | (D,E)=G1 |
收缩压(SBP) | B | E | |
脉压(PP) | C | F | (D,F)=G2 |
心率(PULSE) | U | J | (E,J)=S1 |
(D,J)=N1 | |||
(F,J)=S2 |
该步计算的各组校准数据的各个相关系数值主要是为了计算两组不同变量之间线性相关程度,会作为参数用于后续回归系数的计算,该参数会直接影响回归系数的相关性,从而最终间接影响到测量血压值的精确度。
根据本发明的一个具体实施方案,各组校准数据的SBP与PWV、SBP与PULSE、PP与PWV、PP与PULSE之间的回归系数P1、Q1、P2和Q2计算包括如下步骤:
P1=(SBP_Ray-SBP_Rby*Rab)/(1-Rab*Rab)*(E/D);
Q1=(SBP_Rby-SBP_Ray*Rab)/(1-Rab*Rab)*(E/J);
P2=(DIS_Ray-DIS_Rby*Rab)/(1-Rab*Rab)*(F/D);
Q2=(DIS_Rby-DIS_Ray*Rab)/(1-Rab*Rab)*(F/J);
其中:D为各组校准数据的PWV标准差;E为各组校准数据的SBP标准差,F为各组校准数据的PP标准差;J为各组校准数据的心率标准差;SBP_Ray为各组校准数据的SBP与PWV之间的自相关系数;SBP_Rby为各组校准数据的SBP与PULSE之间的自相关系数;Rab为各组校准数据的PWV与PULSE之间的自相关系数;DIS_Ray为各组校准数据的PP与PWV之间的自相关系数;DIS_Rby为各组校准数据的PP与PULSE之间的自相关系数。
回归系数在回归方程中表示自变量x对因变量y影响大小的参数。回归系数越大表示x对y影响越大,正回归系数表示y随x增大而增大,负回归系数表示y随x增大而减小。
该步计算的各个回归系数值主要是为了计算两组不同变量之间线性相关程度,会作为参数用于后续回归常数值的计算,该参数会直接影响回归常数的准确性,从而最终间接影响到测量血压值的精确度。
根据本发明的一个具体实施方案,提供了一种基于PWTT的血压测量方法,在步骤二中根据校准数据筛选计算PWV之后,实时采集心率值和PWTT值,并采用如下方法计算SBP与PWV、SBP与PULSE、PP与PWV、PP与PULSE之间的回归系数P11、Q11、P22和Q22;
SBP与PWV之间的回归系数:
P11=(SBP_Ray-SBP_Rby*Rab)/(1-Rab*Rab)*(E/D2);
SBP与PULSE之间的回归系数:
Q11=(SBP_Rby-SBP_Ray*Rab)/(1-Rab*Rab)*(E/J2);
PP与PWV之间的回归系数:
P22=(DIS_Ray-DIS_Rby*Rab)/(1-Rab*Rab)*(F/D2);
PP与PULSE之间的回归系数:
Q22=(DIS_Rby-DIS_Ray*Rab)/(1-Rab*Rab)*(F2/J2);
其中,
P11、P22、Q11和Q22分别是根据校准数据和实时采集数据综合得到的标准差计算得到的SBP与PWV、SBP与PULSE、PP与PWV、PP与PULSE之间的回归系数;
E为各组校准数据的SBP标准差;
F为各组校准数据的PP标准差;
D2为根据各组校准数据和实时采集数据计算得到的PWV总体的标准差;
F2为根据各组校准数据和实时采集数据计算得到的PP总体的标准差;
J2为根据各组校准数据和实时采集数据计算得到的PULSE总体的标准差;
回归系数在回归方程中表示自变量x对因变量y影响大小的参数。回归系数越大表示x对y影响越大,正回归系数表示y随x增大而增大,负回归系数表示y随x增大而减小。
计算的各个回归系数值主要是为了计算两组不同变量之间线性相关程度,会作为参数用于后续回归常数值的计算,该参数会直接影响回归常数的准确性,从而最终间接影响到测量血压值的精确度。本发明在计算PWV和PULSE的标准差时,将实时采集的数据与校准数据区的数据一起进行计算,并将其应用于回归系数的计算,使得计算结果更接近于真实数据,精度更高。
根据本发明的一个具体实施方案,提供了一种基于PWTT的动态连续血压测量方法,在步骤二中根据校准数据筛选计算PWV之后,实时采集心率值和PWTT值,并采用如下方法进行收缩压的回归常数M11和舒张压的回归常数M22的计算;
M11=B-P11*A-Q11*U;
M22=C-P22*A-Q22*U;
其中,
P11、P22、Q11和Q22分别是根据校准数据和实时采集数据综合得到的标准差计算得到的SBP与PWV、SBP与PULSE、PP与PWV、PP与PULSE之间的回归系数;
M11为根据校准数据和实时采集数据综合得到的标准差计算得到的收缩压的回归常数;
M22为根据校准数据和实时采集数据综合得到的标准差计算得到的舒张压的回归常数;
A为各组校准数据的PWV的均值;
B为各组校准数据的收缩压SBP的均值;
C为各组校准数据的脉压值PP的均值;
U为各组校准数据的心率PULSE的均值。
在实际血压测量中,当人在运动时,发现测量血压值还与心率呈现一定的线性回归关系,故在计算回归常数时将心率因子也作为自变量添加到常规的血压计算公式中,而回归常数则是通过校准数据计算出的结果参数加上以上描述血压计算公式而得出。
根据本发明的一个具体实施方案,提供了一种基于PWTT的动态连续血压测量方法,采用如下公式,根据实时采集的心率值PULSE_rt和PWV值PWV_rt,计算实时收缩压SBP和舒张压DBP,并将结果存储到校准数据区;
SBP=M11+P11*PWV_rt+Q11*PULSE_rt;
DBP=M22+P22*PWV_rt+Q22*PULSE_rt;
其中,
P11、P22、Q11和Q22分别是根据校准数据和实时采集数据综合得到的标准差计算得到的SBP与PWV、SBP与PULSE、PP与PWV、PP与PULSE之间的回归系数;
M11为根据校准数据和实时采集数据综合得到的标准差计算得到的收缩压的回归常数;
M22为根据校准数据和实时采集数据综合得到的标准差计算得到的舒张压的回归常数;
PWV_rt为实时采集的PWV值;
PULSE_rt为实时采集的心率值;
根据本发明的一个具体实施方案,提供了一种基于血压虚拟校准值的动态连续血压测量方法,其中,根据实时采集的心率值PULSE和校准数据区计算得到的PWV值,构造一组虚拟校准收缩压SBP_A和舒张压DBP_A值,将收缩压SBP_A和舒张压DBP_A值作为校准数据添加到校准数据存储区,作为一组校准数据;
所述构造一组虚拟校准收缩压SBP_A和舒张压DBP_A值具体包括如下步骤:
S6000:计算校准数据区数据中收缩压的均值A1和标准差B1;计算校准数据区数据中PWV值与步骤五中计算的PWV值总体均值A2和标准差B2;计算校准数据区数据中收缩压与校准数据区数据中PWV值和步骤五中计算的PWV总体的协方差D1;
S6100:根据收缩压的均值A1和标准差B1、PWV值总体均值A2和标准差B2,以及收缩压与PWV总体协方差D1,计算收缩压与PWV的两个相关系数:
SBP_PWV_a=D1*(B1/B2)
SBP_PWV_b=A1-(SBP_PWV_a*A2)
S6200:根据SBP_PWV_a和SBP_PWV_b值计算一个虚拟收缩压值a1:
a1=SBP_PWV_a*PWV+SBP_PWV_b
由于SBP与PWV之间存在一定的线性回归关系,所以根据当前测量采集到的PWV值与之前旧的校准数据进行回归模型计算后得出的校准收缩压值也是近似实际的收缩压值,该步采用预测法代替实际校准法,从而在保证校准精度的情况下省去了实际的校准步骤,同时节省了一定的校准数据库存储空间。
S6300:计算校准数据区数据中PULSE值与当前待测量的PULSE值总体均值A3,和标准差B3,计算校准数据区数据中收缩压与PULSE的协方差为D2,根据收缩压和PULSE的均值和标准差,计算收缩压SBP与PULSE的两个相关系数值:
SBP_PULSE_a=D2*(B1/B3)
SBP_PULSE_b=A1-(SBP_PULSE_a*A3)
S6400:根据SBP_PULSE_a和SBP_PULSE_b值计算一个虚拟收缩压值b1:
b1=SBP_PULSE_a*PULSE+SBP_PULSE_b
由于SBP与PULSE之间存在一定的线性回归关系,所以根据当前测量采集到的PULSE值与之前旧的校准数据进行回归模型计算后得出的校准收缩压值也是近似实际的收缩压值,该步采用预测法代替实际校准法,从而在保证校准精度的情况下省去了实际的校准步骤,同时节省了一定的校准数据库存储空间。
S6500:计算校准数据区数据中脉压PP的均值A4和标准差B4;计算校准数据区数据中PWV值与步骤五中计算的PWV值总体均值A5和标准差B5;根据校准数据区数据中脉压与PWV的协方差D3,根据脉压PP与PWV的均值和标准差,计算脉压PP与PWV的两个相关系数:
PP_PWV_a=D3*(B4/B5)
PP_PWV_b=A4-(PP_PWV_a*A5)
S6600:根据PP_PWV_a和PP_PWV_b值计算出一个虚拟收缩压值a2:
a2=PP_PWV_a*PWV+PP_PWV_b
由于PP与PWV之间存在一定的线性回归关系,所以根据当前测量采集到的PWV值与之前旧的校准数据进行回归模型计算后得出的校准收缩压值也是近似实际的收缩压值,该步采用预测法代替实际校准法,从而在保证校准精度的情况下省去了实际的校准步骤,同时节省了一定的校准数据库存储空间。
S6700:计算校准数据区数据中PULSE值与当前待测量的PULSE值总体均值A6和标准差B6,计算校准数据区数据中PULSE值和当前待测量的PULSE值总体与校准数据区数据中PP值和当前待测量的PP总体的协方差D4,根据脉压PP和心率PULSE的均值及标准差,计算脉压PP与心率PULSE的两个相关系数:
PP_PULSE_a=D4*(B4/B6)
PP_PULSE_b=A4-(PP_PULSE_a*A6)
S6800:根据PP_PULSE_a和PP_PULSE_b值计算出一个虚拟收缩压值b2:
b2=PP_PULSE_a*PWV+PP_PULSE_b
依据目前医学界所证实的脉压PP与PULSE之间存在一定的线性回归关系,即PP=a*PULSE+b,加上步骤五采集和计算出的PWV值,计算一个虚拟的校准脉压值;由于PP与PULSE之间存在一定的线性回归关系,所以根据当前测量采集到的PULSE值与之前旧的校准数据进行回归模型计算后得出的校准收缩压值也是近似实际的收缩压值,该步采用预测法代替实际校准法,从而在保证校准精度的情况下省去了实际的校准步骤,同时节省了一定的校准数据库存储空间。
S6900:根据a1和b1得到一个虚拟收缩压值SBP_A,根据a2和b2得到一个虚拟脉压值PP_A,将脉压值PP_A转换为虚拟舒张压值DBP_A,其中,
SBP_A=(a1+b1)/2;
PP_A=(a2+b2)/2;
DBP_A=SBP_A–PP_A;
依据目前医学界所证实的脉压PP与PWV和PULSE之间均存在一定的线性回归关系,故将上述步骤计算的a2和b2取平均值得到一个更平滑的虚拟校准舒张压值。
将SBP_A和DBP_A作为校准数据存入校准数据区;
该步存储的数据会用于后续新一轮的测量血压公式参数的计算,同时会不断的累积,随着数据的不断增多,所计算出的血压相关系数和回归系数也会更符合测试者的生理状态,从而使血压值测量更加精确。
实施例1
下面给出传统方法中计算血压未加入心率回归系数时测量的血压与本发明中加入心率回归系数的方案的血压对比。
一、未添加心率回归系数测量的血压与标准血压计测量值对比
表2测试者不同阶段(校准/测量)以及不同状态(静止/运动)时通过校准血压计所测得的收缩压SBP和舒张压DBP的血压值
表3 PWTT血压测量手表中采用的未添加心率计算公式中的m值和p值
SBP | PP | |
p | 0.590067424 | 0.233961592 |
m | 121.4982 | 57.8830 |
未添加心率的血压计算公式为:血压值=m+p*PWV;
表格中:
p为SBP或PP与PWV的回归系数;
m为SBP或PP的回归常数,为SBP或PP的平均值-p×PWV的平均值。
表4测试者不同状态(静止/运动)时通过PWTT血压测量手表所测得的PWTT值、PWV值、未添加心率的血压计算算法计算的收缩压SBP和舒张压DBP
表5测试者在不同状态(静止/运动)时通过校准血压计测的血压值与PWTT血压测量手表采用的未添加心率算法计算的血压值之间的误差
采用未添加心率的血压计算方法测得的SBP平均值误差为-4.1mmHg;SBP标准偏差为9.5mmHg;
采用未添加心率的血压计算方法测得的DBP平均值误差为-2.5mmHg;DBP标准偏差为4.1mmHg;
上述数据可以看到在校准后,通过校准数据所计算的系数,再通过校准系数通过未添加心率的计算算法在测量阶段计算收缩压SBP和计算舒张压DBP,而上表显示测量结果标准偏差误差为9.5,超过国际标准8mmHg范围的要求。
二、本发明中添加了心率回归系数测量的血压与标准血压计测量值对比
标准血压计测量数据见表2。
表6本发明添加了心率计算公式中的m值、p值和q值
SBP | PP | |
p | -9.8588 | -11.0822 |
q | 1.4522 | 0.9990 |
m | 64.5125 | 36.1852 |
将本发明的添加心率后的血压计算公式
SBP=M1+P1*PWV_rt+Q1*PULSE_rt;
DBP=M2+P2*PWV_rt+Q2*PULSE_rt;
写成血压计算通用公式为:血压值=m+p*PWV+q*PULSE;
其中,
m为回归常数,分别对应根据各组校准数据得到的收缩压回归常数M1和舒张压回归常数M2;
p为回归系数,分别对应根据各组校准数据得到的SBP与PWV、PP与PWV之间的回归系数P1和P2;
q为回归系数,分别对应根据各组校准数据得到的SBP与PULSE、PP与PULSE之间的回归系数Q1和Q2;
表7测试者不同阶段(校准/测量)以及不同状态(静止/运动)时通过采用本发明方法的PWTT血压测量手表所测得的PWTT值、PWV值、心率PULSE值、本发明算法计算的收缩压SBP、舒张压DBP和脉压PP
表8测试者在不同状态(静止/运动)时通过校准血压计测的血压值与本发明添加心率后计算的血压值之间的误差,以及最终结果的误差平均值和最终结果的误差标准偏差
采用未添加心率的血压计算方法测得的SBP平均值误差为-1.6mmHg;SBP标准偏差为8mmHg;
采用未添加心率的血压计算方法测得的DBP平均值误差为-2.2mmHg;DBP标准偏差为3.4mmHg;
采用本发明的方法增加心率数据后,从上述数据可以看到在校准后,通过校准数据所计算的系数,再通过校准系数通过添加心率的计算算法在测量阶段计算收缩压SBP和计算舒张压DBP,而上表显示测量结果最终平均值和标准偏差误差均在国际标准8mmHg范围的要求。
实施例2
根据本发明的一个具体实施方案,对连续血压测量方法与动态连续血压测量方法进行对比。
一、连续血压测量方法与标准血压计对比
表9测试者连续不同日期同一时间通过校准血压计所测得的收缩压SBP、舒张压DBP的血压值、脉压PP值,PWV值和心率PULSE值
表10连续血压测量方法的计算公式中的m值、p值和q值
SBP | PP | |
p | 4.572888 | 6.833748 |
q | 0.439205 | 0.287324 |
m | 80.29063 | 6.01259 |
上面表格中:
p为SBP或PP与PWV的回归系数;
q为SBP或PP与心率PULSE的回归系数;
m为SBP或PP的回归常数;
将连续血压测量的血压计算公式
SBP=M1+P1*PWV_rt+Q1*PULSE_rt;
DBP=M2+P2*PWV_rt+Q2*PULSE_rt;
写成血压计算通用公式为:血压值=m+p*PWV+q*PULSE;
其中,
m为回归常数,分别对应根据各组校准数据得到的收缩压回归常数M1和舒张压回归常数M2;
p为与PWV的回归系数,分别对应根据各组校准数据得到的SBP与PWV、PP与PWV之间的回归系数P1和P2;
q为与心率PULSE的回归系数,分别对应根据各组校准数据得到的SBP与PULSE、PP与PULSE之间的回归系数Q1和Q2;
连续血压测量单次血压计算公式与动态连续血压测量相同,但没有不断动态根据实时采集数据增加校准值的过程,因此公式中的回归系数和回归常数也不同。
图3-4分别显示的是校准血压计与采用连续血压测量的收缩压SBP和舒张压DBP的对比图:
从图3-4可以看到,采用连续测量血压的值,收缩压SBP与校准血压计值存在一定的波动误差,舒张压DBP基本一致,波动极小。
二、动态连续血压测量方法与标准血压计对比
标准血压计测量数据见表9。
表11动态连续血压测量方法的计算公式中的m值、p值和q值
SBP | PP | |
p | 3.832459067 | 5.334400787 |
q | 0.338296404 | 0.24434825 |
m | 91.9290421 | 15.77269083 |
上面表格中:
p为SBP或PP与PWV的回归系数;
q为SBP或PP与心率PULSE的回归系数;
m为SBP或PP的回归常数;
将连续血压测量的血压计算公式:
SBP=M11+P11*PWV_rt+Q11*PULSE_rt;
DBP=M22+P22*PWV_rt+Q22*PULSE_rt;
写为血压计算通用公式为:血压值=m+p*PWV+q*PULSE;
其中,
m为回归常数,分别对应根据各组校准数据及实时采集数据得到的收缩压回归常数M11和舒张压回归常数M22;
p为与PWV的回归系数,分别对应根据各组校准数据及实时采集数据得到的SBP与PWV、PP与PWV之间的回归系数P11和P22;
q为与心率PULSE的回归系数,分别对应根据各组校准数据及实时采集数据得到的SBP与PULSE、PP与PULSE之间的回归系数Q11和Q22;
图5-6显示的是校准血压计与采用本发明动态连续血压测量的收缩压SBP和舒张压DBP的对比图:
从图可以看到,采用上述本发明算法连续测量血压的值,收缩压SBP与校准血压计值的波动误差较小,基本一致,舒张压DBP基本一致。
图7-8显示的是校准血压计、采用连续血压测量方法测量血压与动态连续血压测量的收缩压SBP和舒张压DBP的三条曲线的对比图:
从图7-8可以看到,本发明的一个具体实施方案中,通过不断填补校准数据的动态连续血压测量方法测得的SBP血压曲线相比于连续血压测量方法更贴近于校准血压计的曲线,即采用不断填补校准数据的动态连续血压测量方法的收缩压SBP与校准血压计值误差相比于连续血压测量的波动误差更小,但是三条曲线舒张压DBP基本一致。
从上述可以看到,本发明的不同具体实施方案采用连续血压测量和动态连续血压测量方法,将根据实时采集的数据测量的值不断填补到校准数据区,各自优缺点也很明显,即:
优点:动态连续血压测量方法由于不断将根据实时采集的数据测量的值不断填补到校准数据区,使得血压计不需要经常校准;连续血压测量方法较动态连续血压测量方法测得的值与校准血压计相比波动相对更大,但都比传统未添加心率的方法测量更准确。
缺点:动态连续血压测量方法会占用一定的存储资源,每测量一次就需要额外的存储空间来存储收缩压SBP值、舒张压DBP值和对应的PWV值和心率PULSE值,校准区数据越来越多,可以通过对校准区数据进行严格筛选以减小占用的存储空间;连续血压测量方法不需要存储不断添加的校准数据,节省存储资源。
实施例3
根据本发明的一个具体实施方案,下表是同一测试者,固定臂长、N、M和a参数,分别计算丢弃前不同个数的PWTT值,对最终PWV的值的影响。
其中,真实PWV=3.566243,臂长L=630mm,N=15,M=10%,a=200mm。
表12初筛时丢弃不同个数PWTT值对PWV的影响
真实PWV值采用某品牌AECG100 ECG/PPG及PWTT多功能生理讯号测试仪测得,根据上表第2列,可得到图10。根据图10可以看到,前5个采集点PWTT数据波动比较大,5个采集点后数据趋于平稳,因此,在P=5-9时,即丢弃前5个到前9个PWTT值时,PWV计算结果更接近与真实值,而在不丢弃或者丢弃少于5个PWTT值时,PWV计算结果偏离真实值更多,且丢弃越少偏离越多。在丢弃5个之后,PWV计算值基本趋于稳定,均接近于真实值。因此将P的取值范围定为5≤P≤9,更优的,为了节省计算时间,P可以为5。
同时,可以看到,在N=6以后,PWTT值基本已经稳定,因此,N取值为5<N≤15,更优地,为保证样本量足够,N可以为15。
实施例4
根据本发明的一个具体实施方案,下表是同一测试者,固定臂长、N、M和a参数,相比于实施例3,改变置信度M值。
其中,真实PWV=3.566243,臂长L=630mm,N=15,M=5%,a=200mm。
表13置信度为5%时的PWV计算结果
在实施例3的基础上,仅改变置信度M的值,将置信度提高到5%时,根据本发明的PWV计算步骤,舍弃不在置信区间内的数据,同时丢弃后补充采集PWTT数据,最后可以看到,P=0,P=3,P=5,P=7时,相比实施例3置信度M为10%时,PWV最终计算结果更接近于真实值,精度都有所提高。
由于用户在不同硬件环境和开发环境下,采集到的PWTT值的精确度及抖动情况是不一样的,所以用户可以根据实际的硬件环境和开发环境来设置置信区间M值来限定误差范围,从而获取到对应精度的PWV值范围。在追求高精度的时候,可以适当调低置信度M,可以使得PWV最终计算结果更接近于真实值,精度有所提高,但缺点是会消耗更多的计算时间和计算资源;而为了提高PWV的计算速度,可以提高置信度M,但是会降低PWV的精度,用户可以根据实际的需求场景来调节M值对最终结果进行取舍。
实施例5
根据本发明的一个具体实施方案,对将虚拟的收缩压SBP_A和舒张压DBP_A值作为校准数据添加到校准数据区A1中进行动态连续血压测量方法与连续血压测量方法及校准血压计测量结果进行对比。
图11和图12分别为虚拟数据补充为校准数据的动态连续血压测量方法与校准血压计的SBP和DBP对比图。从图中可以看到,采用虚拟数据补充为校准数据的动态连续血压测量方法测量的血压值,收缩压SBP与校准血压计值的波动误差较小,基本一致,舒张压DBP基本一致。
图13和图14分别为虚拟数据补充为校准数据的动态连续血压测量方法、校准血压计及连续血压测量方法测量的SBP和DBP对比图。从上图可以看到,采用本发明方法的SBP血压曲线相比于传统方法更贴近于校准血压计的曲线,即采用本发明方法的收缩压SBP与校准血压计值误差相比于传统方法的波动误差更小,但是三条曲线舒张压DBP基本一致。
可以看到,虚拟数据补充为校准数据的动态连续血压测量方法的优缺点也很明显
优点:不需要经常校准;
缺点:会占用一定的存储资源,每测量一次就需要额外的存储空间来存储每次测量过程中的PWV值和心率PULSE值。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均包含在本发明的保护范围之内。
Claims (10)
1.一种基于PWTT的血压测量方法,其特征在于,包括如下步骤:
步骤一,采集多组校准数据,每组校准数据包括如下参量:收缩压SBP、舒张压DBP、脉搏波传导时间PWTT和心率PULSE;
步骤二,计算各组校准数据的脉搏波波速PWV值,并计算各组校准数据的脉压值PP,在计算之前,对PWTT数值进行筛选和补充,根据保留的PWTT值和补充的PWTT值,在各组校准数据中保留或补充对应于保留或补充的PWTT值的同组的SBP、DBP、PULSE值,其中,脉压值PP=SBP–DBP;
步骤三,分别计算各组校准数据的SBP与PWV、SBP与PULSE、PWV与PULSE、PP与PWV、PP与PULSE之间的自相关系数;
步骤四,分别计算各组校准数据的SBP与PWV、SBP与PULSE、PP与PWV、PP与PULSE之间的回归系数P1、Q1、P2和Q2;
步骤五,根据校准数据,计算收缩压的回归常数M1和舒张压的回归常数M2;
M1=B-P1*A-Q1*U;
M2=C-P2*A-Q2*U;
其中,
A为各组校准数据的PWV的均值;
B为各组校准数据的收缩压的均值;
C为各组校准数据的脉压值的均值;
U为各组校准数据的心率的均值;
步骤六,实时采集心率值PULSE_rt和PWTT值,根据实时采集的PWTT值与校准数据计算PWV值PWV_rt,根据如下回归方程计算实时的收缩压SBP和舒张压DBP;
SBP=M1+P1*PWV_rt+Q1*PULSE_rt;
DBP=M2+P2*PWV_rt+Q2*PULSE_rt;
其中,
PWV_rt为根据实时采集的PWTT值与校准数据计算的PWV值;
PULSE_rt为实时采集的心率值;
P1、Q1、P2和Q2分别为各组校准数据的SBP与PWV、SBP与PULSE、PP与PWV、PP与PULSE之间的回归系数;
M1为收缩压的回归常数;
M2为舒张压的回归常数。
2.根据权利要求1所述的基于PWTT的血压测量方法,其特征在于,PWV值的计算包括如下步骤:
PWTT初步采集及初筛步骤;
S7100:采集N个PWTT值,丢弃前面P个PWTT值;
S7200:计算剩余(N-P)个PWTT值的均值,根据置信度M%计算第一置信区间;其中,5%≤M%≤10%;
S7300:丢弃剩余(N-P)个PWTT值中不在第一置信区间内的PWTT值,如果剩余的PWTT个数满足预设的最低PWTT个数要求,则执行PWV计算步骤,如果剩余的PWTT个数不满足预设的最低PWTT个数要求,则执行PWTT继续采集及筛选步骤;
PWTT继续采集及筛选步骤;
S8100:继续采集m个PWTT值,使得PWTT总个数达到预设的最低PWTT个数;
S8200:计算PWTT值的均值,根据置信度M%计算第二置信区间;每次迭代计算的所述第二置信区间与当前参与置信区间计算的PWTT值有关;
S8300:丢弃PWTT值不在第二置信区间内的PWTT值;
S8400:如果剩余的PWTT值个数满足预设的最低PWTT个数要求,则执行PWV计算步骤,否则,继续执行步骤S8100;
PWV计算步骤;
S9100:计算保留的PWTT值的均值S;
S9200:计算PWV值;其中PWV值采用如下公式进行计算;
其中,
PWV为最终计算得到的脉搏波波速;
L为待测者的臂长;
a为正常人肩膀到心脏的平均距离;
S为最终保留的PWTT值的均值。
3.根据权利要求2所述的基于PWTT的血压测量方法,其特征在于,所述初步采集的PWTT值的个数N满足,5<N≤15。
4.根据权利要求2所述的基于PWTT的血压测量方法,其特征在于,所述初步筛选时丢弃的PWTT值的个数P满足,5≤P≤9。
5.根据权利要求2所述的基于PWTT的血压测量方法,其特征在于,N=15;P=5。
6.根据权利要求2所述的基于PWTT的血压测量方法,其特征在于,所述预设的最低PWTT个数为N-P。
7.根据权利要求2所述的基于PWTT的血压测量方法,其特征在于,置信区间(A1,A2)的计算采用如下公式:
A1=A-A*M%;
A2=A+A*M%;
其中,
A为当前保留的PWTT值的均值;
M%为置信度;
A1为置信区间下限;
A2为置信区间上限。
8.根据权利要求1所述的基于PWTT的血压测量方法,其特征在于,步骤三中计算各组校准数据的SBP与PWV、SBP与PULSE、PWV与PULSE、PP与PWV、PP与PULSE之间的自相关系数包括如下步骤:
S3100:计算各组校准数据中各参量的均值、标准差和协方差;
S3200:根据各组校准数据中各参量的均值、标准差和协方差,分别计算各组校准数据的SBP与PWV、SBP与PULSE、PWV与PULSE、PP与PWV、PP与PULSE之间的自相关系数。
9.根据权利要求8所述的基于PWTT的血压测量方法,其特征在于,步骤S3200中各组校准数据的SBP与PWV、SBP与PULSE、PWV与PULSE、PP与PWV、PP与PULSE、PWV与PULSE之间的自相关系数计算包括如下步骤:
各组校准数据的SBP与PWV之间的自相关系数:SBP_Ray=G1/(D*E);
各组校准数据的SBP与PULSE之间的自相关系数:SBP_Rby=S1/(E*J);
各组校准数据的PWV与PULSE之间的自相关系数:Rab=N1/(D*J);
各组校准数据的PP与PWV之间的自相关系数:DIS_Ray=G2/(D*F);
各组校准数据的PP与PULSE之间的自相关系数:DIS_Rby=S2/(F*J);
其中,D为各组校准数据的PWV标准差;E为各组校准数据的SBP标准差,F为各组校准数据的PP标准差;J为各组校准数据的心率标准差;各组校准数据的D和E的协方差为G1;各组校准数据的D和F的协方差为G2;各组校准数据的D和J的协方差为N1;各组校准数据的F和J的协方差为S2。
10.根据权利要求9所述的基于PWTT的血压测量方法,其特征在于,步骤四中,各组校准数据的SBP与PWV、SBP与PULSE、PP与PWV、PP与PULSE之间的回归系数P1、Q1、P2和Q2计算包括如下步骤:
P1=(SBP_Ray-SBP_Rby*Rab)/(1-Rab*Rab)*(E/D);
Q1=(SBP_Rby-SBP_Ray*Rab)/(1-Rab*Rab)*(E/J);
P2=(DIS_Ray-DIS_Rby*Rab)/(1-Rab*Rab)*(F/D);
Q2=(DIS_Rby-DIS_Ray*Rab)/(1-Rab*Rab)*(F/J);
其中,
D为各组校准数据的PWV标准差;
E为各组校准数据的SBP标准差;
F为各组校准数据的PP标准差;
J为各组校准数据的心率标准差;
SBP_Ray为各组校准数据的SBP与PWV之间的自相关系数;
SBP_Rby为各组校准数据的SBP与PULSE之间的自相关系数;
Rab为各组校准数据的PWV与PULSE之间的自相关系数;
DIS_Ray为各组校准数据的PP与PWV之间的自相关系数;
DIS_Rby为各组校准数据的PP与PULSE之间的自相关系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110247146.6A CN113171071B (zh) | 2021-03-05 | 2021-03-05 | 一种基于pwtt的血压测量手表 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110247146.6A CN113171071B (zh) | 2021-03-05 | 2021-03-05 | 一种基于pwtt的血压测量手表 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113171071A true CN113171071A (zh) | 2021-07-27 |
CN113171071B CN113171071B (zh) | 2022-02-15 |
Family
ID=76922957
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110247146.6A Active CN113171071B (zh) | 2021-03-05 | 2021-03-05 | 一种基于pwtt的血压测量手表 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113171071B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105054918A (zh) * | 2015-07-28 | 2015-11-18 | 杭州暖芯迦电子科技有限公司 | 一种基于脉搏反射波传输时间的血压计算方法及血压仪 |
CN105748053A (zh) * | 2016-04-21 | 2016-07-13 | 华为技术有限公司 | 终端和血压测量方法 |
CN105943005A (zh) * | 2016-06-01 | 2016-09-21 | 合肥芯福传感器技术有限公司 | 基于光电绿光脉搏与心电图混合的无创血压检测方法 |
CN106618537A (zh) * | 2016-12-21 | 2017-05-10 | 天津普仁万合信息技术有限公司 | 一种基于脉搏波传导的连续动态血压监测装置和方法 |
CN107233087A (zh) * | 2017-04-28 | 2017-10-10 | 哈尔滨工业大学深圳研究生院 | 一种基于光电容积脉搏波特征的无创血压测量装置 |
CN108523867A (zh) * | 2018-03-28 | 2018-09-14 | 武汉麦咚健康科技有限公司 | 一种自校准ppg无创血压测量方法及系统 |
CN110123369A (zh) * | 2019-05-28 | 2019-08-16 | 南京邮电大学 | 一种基于多通道心音信号的血压快速计算方法 |
KR20200054719A (ko) * | 2018-11-12 | 2020-05-20 | 삼성전자주식회사 | 혈압 캘리브레이션 시점 검출 방법 및 장치 |
CN112274126A (zh) * | 2020-10-28 | 2021-01-29 | 河北工业大学 | 一种基于多路脉搏波的无创连续血压检测方法、装置 |
-
2021
- 2021-03-05 CN CN202110247146.6A patent/CN113171071B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105054918A (zh) * | 2015-07-28 | 2015-11-18 | 杭州暖芯迦电子科技有限公司 | 一种基于脉搏反射波传输时间的血压计算方法及血压仪 |
WO2017016245A1 (zh) * | 2015-07-28 | 2017-02-02 | 杭州暖芯迦电子科技有限公司 | 一种基于脉搏反射波传输时间的血压计算方法及血压仪 |
CN105748053A (zh) * | 2016-04-21 | 2016-07-13 | 华为技术有限公司 | 终端和血压测量方法 |
CN105943005A (zh) * | 2016-06-01 | 2016-09-21 | 合肥芯福传感器技术有限公司 | 基于光电绿光脉搏与心电图混合的无创血压检测方法 |
CN106618537A (zh) * | 2016-12-21 | 2017-05-10 | 天津普仁万合信息技术有限公司 | 一种基于脉搏波传导的连续动态血压监测装置和方法 |
CN107233087A (zh) * | 2017-04-28 | 2017-10-10 | 哈尔滨工业大学深圳研究生院 | 一种基于光电容积脉搏波特征的无创血压测量装置 |
CN108523867A (zh) * | 2018-03-28 | 2018-09-14 | 武汉麦咚健康科技有限公司 | 一种自校准ppg无创血压测量方法及系统 |
KR20200054719A (ko) * | 2018-11-12 | 2020-05-20 | 삼성전자주식회사 | 혈압 캘리브레이션 시점 검출 방법 및 장치 |
CN110123369A (zh) * | 2019-05-28 | 2019-08-16 | 南京邮电大学 | 一种基于多通道心音信号的血压快速计算方法 |
CN112274126A (zh) * | 2020-10-28 | 2021-01-29 | 河北工业大学 | 一种基于多路脉搏波的无创连续血压检测方法、装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113171071B (zh) | 2022-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU694434B2 (en) | Method for oscillometric blood pressure determination employing curve fitting | |
CN102488503B (zh) | 连续血压测量装置 | |
CN102397064B (zh) | 连续血压测量装置 | |
CN102429649B (zh) | 连续血压测量装置 | |
CN108185996B (zh) | 动脉血管年龄估算模型构建方法和装置 | |
CN106821356A (zh) | 基于Elman神经网络的云端连续血压测量方法及系统 | |
CN102599897B (zh) | 循环机能测定装置 | |
Tanner | The construction of normal standards for cardiac output in man | |
WO2017214870A1 (zh) | 一种生理参数的计算方法及相应的医疗设备 | |
CN102387743A (zh) | 计算心血管参数 | |
CN110558960A (zh) | 一种基于ptt和miv-ga-svr的连续血压无创监测方法 | |
CN102387741A (zh) | 使用动脉压波形数据的血管状态的检测 | |
US20210307679A1 (en) | Method and apparatus for detecting a sleep state | |
CN104644151B (zh) | 一种基于光电容积脉搏信号的压力脉搏波波形传播预测方法 | |
CN113171070B (zh) | 一种基于pwtt的动态连续血压测量手表 | |
CN113171071B (zh) | 一种基于pwtt的血压测量手表 | |
CN103505191A (zh) | 一种利用压脉带的压力脉波震荡讯号以预估中心主动脉脉搏压的方法及其装置 | |
CN111466899A (zh) | 一种基于mpga-miv-bp模型簇的连续血压无创监测方法 | |
CN113729648B (zh) | 一种基于多脉搏传感器的穿戴式脉诊手环系统 | |
CN112309575A (zh) | 身形变化预测系统 | |
CN113171068B (zh) | 一种基于血压虚拟校准值的动态连续血压测量手表 | |
CN113171067B (zh) | 一种基于pwv的血压测量手表 | |
US20210282720A1 (en) | Method of establishing blood pressure model | |
CN114947782A (zh) | 一种基于ppg信号的中心动脉压波形重构的系统及方法 | |
CN113499048B (zh) | 一种基于CNN-BiLSTM的中心动脉压波形重构的系统及方法 |
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 |