CN114159038A - 血压测量方法、装置、电子设备和可读存储介质 - Google Patents
血压测量方法、装置、电子设备和可读存储介质 Download PDFInfo
- Publication number
- CN114159038A CN114159038A CN202210010809.7A CN202210010809A CN114159038A CN 114159038 A CN114159038 A CN 114159038A CN 202210010809 A CN202210010809 A CN 202210010809A CN 114159038 A CN114159038 A CN 114159038A
- Authority
- CN
- China
- Prior art keywords
- pulse wave
- signal
- sub
- signals
- information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 103
- 230000036772 blood pressure Effects 0.000 title claims abstract description 90
- 238000012545 processing Methods 0.000 claims abstract description 67
- 238000009795 derivation Methods 0.000 claims abstract description 34
- 238000010606 normalization Methods 0.000 claims abstract description 27
- 238000009530 blood pressure measurement Methods 0.000 claims description 48
- 238000001914 filtration Methods 0.000 claims description 13
- 230000002159 abnormal effect Effects 0.000 claims description 12
- 229920006395 saturated elastomer Polymers 0.000 claims description 7
- 238000012935 Averaging Methods 0.000 claims description 4
- 108010001267 Protein Subunits Proteins 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 description 27
- 238000005259 measurement Methods 0.000 description 10
- 230000001133 acceleration Effects 0.000 description 8
- 239000008280 blood Substances 0.000 description 8
- 210000004369 blood Anatomy 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 7
- 230000001360 synchronised effect Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000036544 posture Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000017531 blood circulation Effects 0.000 description 3
- 210000004204 blood vessel Anatomy 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 102000001554 Hemoglobins Human genes 0.000 description 2
- 108010054147 Hemoglobins Proteins 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000004872 arterial blood pressure Effects 0.000 description 2
- 230000000747 cardiac effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000003205 diastolic effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000036581 peripheral resistance Effects 0.000 description 2
- 230000010349 pulsation Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000029058 respiratory gaseous exchange Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000035488 systolic blood pressure Effects 0.000 description 2
- 210000000707 wrist Anatomy 0.000 description 2
- 208000000418 Premature Cardiac Complexes Diseases 0.000 description 1
- 108010076504 Protein Sorting Signals Proteins 0.000 description 1
- 206010047139 Vasoconstriction Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 206010003119 arrhythmia Diseases 0.000 description 1
- 230000006793 arrhythmia Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000035487 diastolic blood pressure Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 210000001061 forehead Anatomy 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000025033 vasoconstriction Effects 0.000 description 1
- 239000002699 waste material Substances 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
- A61B5/021—Measuring pressure in heart or blood vessels
- A61B5/02108—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics
- A61B5/02116—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics of pulse wave amplitude
-
- 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
- A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
-
- 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
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physiology (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Cardiology (AREA)
- Vascular Medicine (AREA)
- Power Engineering (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本申请公开了一种血压测量方法、装置、电子设备和可读存储介质,属于电子技术领域。其中,所述方法包括:获取脉搏波信号,并得到第一特征信息;对所述脉搏波信号进行归一化处理,并得到第二特征信息;对归一化处理后的所述脉搏波信号依次进行N1次求导处理,并基于每次求导处理,得到对应的一组第三特征信息,N1为正整数;根据所述第一特征信息、所述第二特征信息和N1组所述第三特征信息,计算血压值。
Description
技术领域
本申请属于电子技术领域,具体涉及一种血压测量方法、装置、电子设备和可读存储介质。
背景技术
血压作为人体的重要生理参数,反映了人体心脏和血管的功能状况,对于诊断疾病、观察治疗效果等方面都具有十分重要的指导意义。
目前,常见的血压测量方法为:用户佩戴测量设备,从而测量设备采集脉搏波信号,基于信号中的参数,计算得到血压值。而在现有技术中,获取到的信号参数,都是基于脉搏波信号本身得来的,当脉搏波信号受环境、佩戴位置等其它因素干扰时,就会使得测量的血压值不准确。
可见,现有技术中的血压测量方法因未考虑一些干扰因素对脉搏波信号的影响,从而使得测量的血压值不准确。
发明内容
本申请实施例的目的是提供一种血压测量方法,能够解决现有技术中的血压测量方法因未考虑一些干扰因素对脉搏波信号的影响,从而使得测量的血压值不准确的问题。
第一方面,本申请实施例提供了一种血压测量方法,该方法包括:获取脉搏波信号,并得到第一特征信息;对所述脉搏波信号进行归一化处理,并得到第二特征信息;对归一化处理后的所述脉搏波信号依次进行N1次求导处理,并基于每次求导处理,得到对应的一组第三特征信息,N1为正整数;根据所述第一特征信息、所述第二特征信息和N1组所述第三特征信息,计算血压值。
第二方面,本申请实施例提供了一种血压测量装置,该装置包括:获取模块,用于获取脉搏波信号,并得到第一特征信息;第一处理模块,用于对所述脉搏波信号进行归一化处理,并得到第二特征信息;第二处理模块,用于对归一化处理后的所述脉搏波信号依次进行N1次求导处理,并基于每次求导处理,得到对应的一组第三特征信息,N1为正整数;计算模块,用于根据所述第一特征信息、所述第二特征信息和N1组所述第三特征信息,计算血压值。
第三方面,本申请实施例提供了一种电子设备,该电子设备包括处理器和存储器,所述存储器存储可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤。
第四方面,本申请实施例提供了一种可读存储介质,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤。
第五方面,本申请实施例提供了一种芯片,所述芯片包括处理器和通信接口,所述通信接口和所述处理器耦合,所述处理器用于运行程序或指令,实现如第一方面所述的方法。
第六方面,本申请实施例提供一种计算机程序产品,该程序产品被存储在存储介质中,该程序产品被至少一个处理器执行以实现如第一方面所述的方法。
这样,在本申请的实施例中,在血压测量过程中,首先,获取脉搏波信号的原始波形,以得到原始波形中的相关参数,作为第一特征信息;其次,对原始波形进行归一化处理,并基于归一化后的波形,得到相关参数,作为第二特征信息;接着,对归一化后的波形进行一阶求导、二阶求导等,并基于一阶求导得到的波形,得到相关参数,作为第一组第三特征信息,以及基于二阶求导得到的波形,得到相关参数,作为第二组第三特征信息,等等;最终,基于上述获取的第一特征信息、第二特征信息和多组第三特征信息,计算血压值。在上述过程中,基于对脉搏波信号的归一化处理,可体现出脉搏波信号中的幅值度的相对变化量,从而可以排除外界等干扰因素对有关血压测量参数的影响,以确保血压测量的准确性;另外,基于一阶求导、二阶求导等得到的相关参数,用于血压测量,从而在血压测量中加入了更多相关因素,以进一步确保血压测量的准确性。
附图说明
图1是本申请实施例的血压测量方法的流程图之一;
图2~图7是本申请实施例的波形图;
图8是本申请实施例的血压测量方法的流程图之二;
图9是本申请实施例的血压测量方法的流程图之三;
图10是本申请实施例的血压测量方法的流程图之四;
图11是本申请实施例的血压测量装置的框图;
图12是本申请实施例的电子设备的硬件结构示意图之一;
图13是本申请实施例的电子设备的硬件结构示意图之二。
具体实施方式
下面将结合本申请实施例的附图,对本申请实施例的技术方案进行清楚地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请的实施例,本领域普通技术人员获得的所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书的术语“第一”、“第二”等是用于区别类似的对象,而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施,且“第一”、“第二”等所区分的对象通常为一类,并不限定对象的个数,例如第一对象可以是一个,也可以是多个。此外,说明书以及权利要求中“和/或”表示所连接对象的至少其中之一,字符“/”,一般表示前后关联对象是一种“或”的关系。
下面结合附图,通过具体的实施例及其应用场景对本申请实施例提供的血压测量方法进行详细地说明。
图1示出了本申请一个实施例的血压测量方法的流程图,该方法应用于电子设备,包括:
步骤110:获取脉搏波信号,并得到第一特征信息。
在该步骤中,获取的脉搏波信号对应为原始波形,而第一特征信息是由脉搏波信号的原始波形得到的。
例如,第一特征信息包括幅值信息、周期信息等。
步骤120:对脉搏波信号进行归一化处理,并得到第二特征信息。
因测量位置变化、测量环境温度变化等外界因素改变,会导致脉搏波信号的波形幅度发生变化,从而影响到用于计算血压值的相关特征参数发生变化,进而影响测量血压的准确性。因此,在该步骤中,基于脉搏波信号的原始波形,进行幅度值的归一化处理,以得到归一化处理后的波形。
在该步骤中,第二特征信息是由脉搏波信号的归一化后的波形得到的。
其中,第二特征信息用于表示在本次心脏射血过程中,各相关特征参数的相对变化量,从而可以消除外界噪声等干扰因素对脉搏波信号的幅度绝对值造成的影响。
步骤130:对归一化处理后的脉搏波信号依次进行N1次求导处理,并基于每次求导处理,得到对应的一组第三特征信息,N1为正整数。
在该步骤中,因归一化后的波形上一些关键特征点,直接寻找比较困难,从而可以借助一阶差分、二阶差分等多阶差分后的波形辅助寻找。
其中,由归一化后的波形提取到的特征参数(即第二特征信息)为x0,x1,…,xn。
进一步地,一阶差分后,提取一组特征参数,即第一组第三特征信息。
例如,归一化得到的数据为序列P(n),做一阶差分得到一阶导数序列P′(n),P′(n)=P(n)-P(n-1)。一阶导数对应的波形代表光传感器照射面积内血流速度的比变化,从而可以基于一阶导数对应的波形,得到与血压计算相关的特征参数。
对应地,通过寻找一阶导数序列上的过零点,可以准确定位归一化后的波形上特征点位置,如图2所示中的峰值点位置和重博波点位置,由此可计算特征点相关的归一化序列上的幅度值、一阶导数的幅度值,以及到起点的时间量和特征点之间的时间量。其中,由一阶导数对应的波形提取到的特征参数(即第一组第三特征信息)为x′0,x′1,…,x′n。
进一步地,二阶差分后,提取一组特征参数,即第二组第三特征信息。
例如,对一阶导数序列继续差分,获得二阶导数序列P″(n),P″(n)=P′(n)-P′(n-1)。二阶导数又称为加速度脉搏波,代表着血流加速度的变化,因此与血管收缩力、心脏射血能力等,均有相关性,可以寻找特征拐点、过零点等(如图3中的a~e点),从而可以基于二阶导数对应的波形,得到与血压计算相关的特征参数。
对应地,图3中的特征点可以通过寻找峰谷值点,或者借用三阶导数中的过零点辅助定位。由此可计算特征点相关的归一化序列上的幅度值、二阶导数的幅度值,以及到起点的时间量和特征点之间的时间量。其中,由二阶导数对应的波形提取到的参数(即第二组第三特征信息)为x″0,x″1,…,x″n。
另外,参见图4中的重博波谷值点,生理上又称为心脏由收缩期转舒张期的特征点,因此由此分割,对应脉搏波信号的原始波形的前后的面积比(RS),也可作为备选参数。
步骤140:根据第一特征信息、第二特征信息和N1组第三特征信息,计算血压值。
在该步骤中,将上述各个步骤中获取到的特征信息,组成特征向量X,将此特征向量作为自变量,待计算的血压值作为因变量,基于预先构建的脉搏波信号与血压值对应的数据库,通过线性回归分析,可得到血压计算模型的系数矩阵,从而可以得到血压值计算模型公式:
公式一:SBP=α*X+εsbp;
公式二:DBP=β*X+εdbp。
其中,SBP用于表示收缩压;α=【α0,α1,…,αk】,用于表示收缩压计算系数;DBP用于表示舒张压;β=【β0,β1,…,βk】,用于表示舒张压计算系数;X=【Sex,Age,Height,Weight,T,A,ΔT,ΔA,RS,x0,x1,…,xn,x′0,x′1,…,x′n,x″0,x″1,…,x″n】,用于表示特征信息矩阵;εsbp、εdbp为常数。
从上述公式中可以看出,用户可在电子设备中输入相关生理信息参数,如性别(Sex)、年龄(Age)、身高(Height)、体重(Weight);从而在本实施例中,将这些相关生理信息参数,作为特征向量X的一部分,输入模型中,以提高计算的准确率。
而在上述特征向量中,T用于表示周期,A用于表示幅度值,ΔT用于表示周期的变化量,ΔA用于表示幅度值的变化量,有关周期、幅度值等特征信息,可包含在第一特征信息中。
这样,在本申请的实施例中,在血压测量过程中,首先,获取脉搏波信号的原始波形,如图5中的(a),以得到原始波形中的相关参数,作为第一特征信息;其次,对原始波形进行归一化处理,并基于归一化后的波形,得到相关参数,作为第二特征信息;接着,对归一化后的波形进行一阶求导、二阶求导等,并基于一阶求导得到的波形,如图5所示的(b),得到相关参数,作为第一组第三特征信息,以及基于二阶求导得到的波形,如图5所示的(c),得到相关参数,作为第二组第三特征信息,等等;最终,基于上述获取的第一特征信息、第二特征信息和多组第三特征信息,计算血压值。在上述过程中,基于对脉搏波信号的归一化处理,可体现出脉搏波信号中的幅值度的相对变化量,从而可以排除外界等干扰因素对有关血压测量参数的影响,以确保血压测量的准确性;另外,基于一阶求导、二阶求导等得到的相关参数,用于血压测量,从而在血压测量中加入了更多相关因素,以进一步确保血压测量的准确性。
在本申请另一个实施例的血压测量方法的流程中,步骤110,包括:
子步骤A1:分别获取脉搏波信号中的每个周期对应的子信号。
其中,基于各个子信号,分别获取子信号对应的第一特征信息、第二特征信息和N1组第三特征信息。
在本实施例中,基于脉搏波信号的原始波形,分割出每一拍的波形,即每个周期对应的子信号的波形。
在本实施例中,基于获取到的脉搏波信号的原始波形进行逐拍分割,从而可以获取到多个单拍的脉搏波信号,即各个周期对应的脉搏波子信号,进而再以一个周期为单位,依次对各个子信号进行处理,以使得本申请中的血压测量方法得以实现。
在本申请另一个实施例的血压测量方法的流程中,步骤A1,包括:
子步骤B1:获:脉搏波信号中的波峰点和波谷点;其中,相邻的两个波峰点之间有一个波谷点,相邻的两个波谷点之间有一个波峰点。
子步骤B2:根据相邻的两个波谷点或者相邻的两个波峰点,将脉搏波信号划分为N3个子信号,N3为正整数。
其中,相邻的两个波谷点或者相邻的两个波峰点对应的子信号为一个周期。
可参考地,首先,参见图6,在脉搏波信号的原始波形上寻找波峰点和波谷点,其中,需设定规则,以排除假的波峰点和波谷点(如重博波处的拐点),从而确定真实的波峰点和波谷点,设定规则包括以下两项:
每相邻两个波谷点之间只有一个波峰点,每相邻两个波峰点之间只有一个波谷点;
相邻两个波谷点距离中间的波峰点的幅度偏差不小于设定的阈值,同样,每相邻两个波峰点距离中间的波谷点的幅度偏差不小于设定的阈值。
从而,在确定了波峰点和波谷点后,以相邻的波谷点(如图6中的谷值点V0和谷值点V1)切割,就可获得单拍(即一个周期)脉搏波信号组成数组(P0)。例如,单拍的脉搏波信号如图7所示。
在本实施例中,提供了一种基于脉搏波信号的原始波形,进行逐拍分割的具体方法,以准确获取到脉搏波信号中的各个单拍的脉搏波信号,以便于继续进行以下的处理。
在本申请另一个实施例的血压测量方法的流程中,步骤A1中,在子步骤B2之后,还包括:
子步骤C1:在第一子信号的周期信息不属于第一预设范围内,和/或,第一子信号的幅值信息不属于第二预设范围内的情况下,确定第一子信号异常,第一子信号为N3个子信号中的至少一个。
子步骤C2:获取脉搏波信号中除第一子信号以外的第二子信号,第二子信号为N3个子信号中的至少一个。
其中,第一预设范围关联于第二子信号的周期信息;第二预设范围关联于第二子信号的幅值信息;第二子信号的周期信息属于第一预设范围内,且第二子信号的幅值信息属于第二预设范围内。
在本实施例中,在对脉搏波信号的原始波形进行逐拍分割后,可进一步剔除掉一些节律不齐引起的异常脉搏波。
例如,可以增加信号质量判断的步骤。信号质量判断主要是为了剔除一些异常节律(比如早搏),判断方法为:取较早的十拍正常的脉搏波信号的周期和幅度的平均值(T0和A0)为判断阈值,以用于与当前拍的脉搏波信号的周期和幅度,进行阈值比较,若偏差超过阈值的1/3,则判断当前拍为异常信号,当前拍信号不做进一步处理;若偏差在1/3阈值以内,继续下一步处理。
其中,下一步处理如,获取第一特征信息、归一化处理等。
对应地,以较早的十拍脉搏波信号的周期和幅度的平均值(T0和A0)为参考,设定第一预设范围和第二预设范围。使得周期与周期平均值之间的偏差未超过1/3的脉搏波子信号,其所对应的周期位于第一预设范围内;使得任意幅值与幅值平均值之间的偏差未超过1/3的脉搏波子信号,其所对应的幅值位于第二预设范围内。
其中,本实施例中的第一子信号为异常信号,第二子信号为正常信号,可以正常信号作为参考,来识别出异常信号。
可选地,在上述实例中,在脉搏波信号不足十拍的情况下,可不做异常检测。
在本实施例中,提供了一种用于检测异常信号的方法,从而基于本实施例,使得获取的脉搏波信号都是正常信号,以用于获取相关计算参数,排除了异常信号对计算结果的影响,使得血压测量更加准确。
在本申请另一个实施例的血压测量方法的流程中,步骤140,包括:
子步骤D1:分别获取脉搏波信号中,连续N2个周期对应的子信号的目标特征信息,目标特征信息包括第一特征信息、第二特征信息和N1组第三特征信息,N2为正整数。
可选地,N2的取值为5。
子步骤B2:根据N2个周期对应的子信号的目标特征信息,得到平均特征信息。
子步骤B3:根据平均特征信息,计算血压值。
在本实施例中,为了减小数据精度、采样时间精度带来的计算误差,将连续五拍脉搏波信号的特征信息进行平均,再输入血压计算模型。进一步地,为了降低偶发干扰的影响,在做五拍脉搏波信号的特征信息的平均时,采取去掉五拍中的最大值和最小值、剩余三拍平均的方法,使数据更加稳定。且连续五拍脉搏波信号的特征信息,也符合血压生理变化的要求,若选取的拍数太多,会导致血压计算与血压变化无法同步。
在本申请另一个实施例的血压测量方法的流程中,脉搏波信号包括非脉动信号;步骤120,包括:
子步骤D1:获取脉搏波信号中的非脉动信号的幅度值。
参见图7,在脉搏波信号所示的波形中,包括脉动部分(AC)和非脉动部分(DC),脉动部分代表血管内血流容积的变化,非脉动部分代表血液和组织对光谱恒定的吸收量,也可以代表血管内非脉动量的血液,因此非脉动部分幅度也可以作为与血压计算的相关参数。从而,在该步骤中,需获取DC部分(即非脉动部分)的幅度值。
可选地,非脉动信号的幅度值的计算公式为:
其中,ADC用于表示非脉动信号的幅度值,Av0用于表示V0点的幅度值,Av1用于表示V1点的幅度值。
即,非脉动信号的幅度值可以通过获取V0点和V1点的幅度平均值来得到。
子步骤D2:将脉搏波信号中的每个点的幅度值减去对应的非脉动信号的幅度值,得到目标序列。
在该步骤中,将脉搏波信号的原始波形中的每个点的幅度值减去对应的非脉动信号的幅度值,可以得到脉动信号的幅度值。
从而,在该步骤中,得到新的序列PAC(n)。
子步骤D3:将目标序列中的各个值归一化至第一范围,第一范围的取值为(0,1)。
在该步骤中,将PAC(n)中每点的幅度值均归一化到0~1,得到新的单拍脉搏波信号序列P(n)。所涉及的公式包括:
其中,An为第n个点的幅度值,Amin为PAC(n)最小幅度值,Amax为PAC(n)最大幅度值。
在本实施例中,提供了一种归一化处理的方法,以通过对脉搏波信号的原始波形进行归一化处理,来排除外界因素对血压测量的干扰,从而提高血压值计算的准确率。
在本申请另一个实施例的血压测量方法中,第一特征信息包括幅度信息、周期信息,以及频域信息。
在实施例中,基于脉搏波信号的原始波形,获取幅度信息和周期信息。
可选地,对于任意脉搏波子信号的波形,计算谷值点V0到谷值点V1的间期,即为当前拍的周期T;计算峰值点Peak0到谷值点V0的幅度值,以及峰值点Peak0到谷值点V1的幅度值,二者的平均值为当前拍的幅度A;同时,计算与前一拍脉搏波信号相比当前拍脉搏波信号的周期变化量ΔT和幅度变化量ΔA。
其中,幅度信息包括上述A和ΔA;周期信息包括上述T和ΔT。
另外,在本实施例中,对获取的脉搏波信号的原始波形进行快速傅里叶变换(FastFourier Transform,简称FFT),以得到对应的频域信息。
在本实施例中,在对脉搏波信号的原始波形进行归一化处理之前,获取原始波形中的相关特征信息,以用于血压值的计算,使得血压的测量所涉及的特征信息更加全面,从而确保血压测量的准确性。
在本申请另一个实施例的血压测量方法的流程中,以上各个实施例之间可以相互组合。
可选地,一种组合方式为,将以上各个实施例全部组合在一起,具体的流程可参见图8所示。
在本申请另一个实施例的血压测量方法的流程中,在步骤110中,获取脉搏波信号,包括脉搏波信号的采集和预处理两个过程,从而获取预处理后的脉搏波信号。
参见图9,可参考地,开始测量后,第一步,采集信号。
在信号采集过程中,采用的采集方式为:利用两种不同波长光源的光电传感器,光源波长分别为红光(典型波长660nm)和红外光(典型波长940),两种光源以脉冲形式驱动,轮流作为光源照射到人体组织上,采集两路脉搏波信号(SRed、SIR),同时为了抑制环境光对信号的影响,在两路光脉冲间期,关闭光源,采集一路环境光信号(Sn)。
第二步,整合信号。
在整合信号的过程中,因红光、红外两路光源光谱吸收率会受血液中氧合血红蛋白(HbO2)和还原血红蛋白(Hb)影响,为了减少影响,将两路光源信号去求平均值,得到用于后续血压计算的脉搏波信号。
第三步,抑制环境光干扰。
在抑制环境光干扰的过程中,因光传感器数据和环境光信号,为同步获取,不存在相位的偏差,因此直接减去环境光信号,即可获得去除环境光干扰的脉搏波信号(P),综合以上处理,得到:
进一步地,在本申请另一个实施例的血压测量方法的流程中,步骤110,包括以下至少任一项:
子步骤E1:以第一阈值为基础,对脉搏波信号进行低通滤波处理,并获取处理后的脉搏波信号。
参见图9,在第四步中,低通滤波。
在低通滤波的过程中,采用截止频率为10Hz的低通滤波器,滤除脉搏波信号中的高频告饶,保留与生理因素相关的0~10Hz的信号特征。
子步骤E2:以获取的运动信号为基础,对脉搏波信号进行运动信号滤除处理,并获取处理后的脉搏波信号。
参见图9,在第五步中,滤除运动干扰。
在滤除运动干扰的过程中,可在信号采集设备上,设置三轴加速度传感器,以采集测量部位的运动信号,以此运动信号为参考信号,采用自适应滤波器,滤除脉搏波信号中的运动干扰。
子步骤E3:在检测到第二时长内的脉搏波信号中极值的数量大于第四阈值,且相邻的极大值和极小值之间的幅度信息大于第五阈值的情况下,确定第一时间段内的脉搏波信号为噪声信号,并获取除噪声信号以外的脉搏波信号,第一时间段包括第二时长对应的第二时间段,极值包括极大值和极小值。
参见图9,在第六步中,判断噪声数据。
在判断噪声数据的过程中,所采用的不规则噪声信号判断方式为:基于脉搏波信号的特征,在一个窗口期内(如五百毫秒)不会出现太多的极值,如果出现了多个极值,且相邻的极大值与极小值的幅度大于设定阈值,那么,当前可能为噪声信号。
可选地,每几秒钟判断一次,如果判断为噪声数据,则之前采集的一秒数据不做特征提取处理;如果判断信号正常,则继续进行特征提取。
对应地,第二时长为一个窗口期对应的时长,第一时间段为检测出噪声数据之前的一秒。其中,检测出噪声数据之前的一秒这一时间段的范围包括上述窗口期对应的时间段(即第二时间段)。
子步骤E4:在第一时长内的脉搏波信号的幅度信息持续大于第二阈值的情况下,输出第一信息,并获取脉搏波信号,第一信息用于指示饱和信号。
子步骤E5:在第一时刻的脉搏波信号的幅度信息小于第三阈值的情况下,输出第二信息,并获取脉搏波信号,第二信息用于指示低平信号。
另外,在判断噪声数据的过程中,主要用于判断获取的脉搏波信号是否是因为光传感器驱动电流不合适引起的信号太弱或者信号饱和,或者佩戴不合适引起的信号不稳定。判断方式包括:
饱和信号判断:设定信号幅度阈值,若采集到的信号幅度连续一秒大于阈值时,则判断为信号饱和;此时可能因为硬件光驱动电流太大引起,当判断信号饱和时,同步输出信号强的标记(即第一信息的一种输出方式),提醒硬件设备减弱驱动电流;
低平信号判断:设定信号峰谷值阈值,若检测到信号峰值与谷值之间的差值太小,即小于阈值,则判断为信号低;此时可能因为光源驱动电流太弱引起,当判断为信号太弱时,同步输出信号弱提醒标记(即第二信息的一种输出方式),提示硬件设备增大驱动电流。
因此,在检测出噪声数据之后,可丢弃噪声数据,并根据“是否需要调整光源电流”的检测结果,输出调整信息,以用作光源电流的调整参考,从而可以降低在之后的脉搏波信号中出现噪声数据的概率。
在本实施例中,提供一些措施,以用于对脉搏波信号进行预处理,从而获取预处理后的脉搏波信号,以用于相关计算,可见,基于对脉搏波信号中的干扰、噪声排除,可进一步提高测量血压的准确性。
参见图10,在本申请另一个实施例的血压测量方法的流程中,包括:脉搏波信号采集和预处理、脉搏波特征参数提取、生成血压计算模型三个步骤。
在本申请更多的实施例中,使用的传感器,可以更换为其它光源传感器,使用光源为红光和红外光组合光源,主要是考虑到可以同步获取血氧值计算,而若无此需求,光源也可更换为绿光、近红外等其它光源。
在本申请另一个实施例的血压测量方法中,对于脉搏波信号的获取,可以通过使用光电传感器采集手指信号去实现。例如,通过智能戒指形态的电子设备实现本申请中的血压测量方法。
在本申请更多的实施例中,信号采集同样可以更换为其它传感器,如使用柔性压力传感器采集手腕部位的脉搏波信号。
在本申请更多的实施例中,可灵活更换测量位置,比如测量手腕、额头等测量位置,因本申请中对脉搏波信号做了归一化处理,所以,算法受测量位置影响不大,但是对血压做回归分析时采集的数据库,需要更新为针对新的测量位置获取的数据。
在本申请另一个实施例的血压测量方法中,可在硬件上增加温度传感器,实时检测测量部位的温度,用于修正因温度变化导致脉搏波信号波形变化带来的血压计算误差。
在本申请另一个实施例的血压测量方法中,可将三轴加速度传感器,改用未陀螺仪等可检测姿态的传感器,以检测到用户的姿态。因不同姿态下的血压区别很大,因此可将姿态信息加入血压计算模型中。
在本申请另一个实施例的血压测量方法中,可增加气压检测传感器,以检测气压信息,来修正计算的血压值。
综上,在现有技术中,在血压测量方法中,对影响血压变化的生理因素在脉搏波特征参数上表现分析不够全面,模型中采用的特征参数单一,导致不能获取到所有影响血压变化的特征参数,从而使得计算的血压准确率较低;另外,对影响脉搏波信号特征变化的因素分析不够,脉搏波信号特征变化除了可以体现血压变化外,还可能因为佩戴位置变化、佩戴位置扰动、佩戴位置温度变化、光传感器驱动电流变化等因素引起,这些因素必须在构建模型时考虑去除,而不仅仅是去除运动噪声、光干扰噪声等。
基于此,本申请提供了一种基于光电脉搏波特征参数建模计算血压值的方法,首先考虑影响动脉血压产生的生理因素(心输出量、心率、外周阻力、血管壁弹性、循环血量等),并从脉搏波信号上提取到与以上生理因素相关的波形特征,其中包括:由脉搏波特征点检测获取到的各特征点时间参数、归一化脉搏波波形的幅度、面积等参数;由脉搏波一阶导数信号(与脉搏波信号变化速度相关的信息)获取的特征点时间参数及归一化的幅度参数;由脉搏波二阶导数信号(加速度脉搏波,与脉搏波信号变化加速度相关的信息)获取的特征点时间参数及归一化的幅度参数;脉搏波信号的幅度和周期逐拍变化信息,此变化信息中包含了呼吸引起生理周期变化的信息;脉搏波信号FFT处理后的频域参数。以上特征参数包括与血压变化相关的大量信息。具体地,一方面,考虑到生理因素相关性,另一方面,多选择相对的参数量和时间、并对波形及提取的生理参数进行归一化处理,这样可以消除个人生理模型差异性及测量条件变化对血压计算模型的影响。另外,本申请还可以考虑到人体生理变化的复杂性,将个人的体征信息,包括:性别(Sex)、年龄(Age)、身高(Height)、体重(Weight)等加入到计算模型中。从而,基于上述特征信息,使得本申请针对脉搏波与血压的关系理解充分,对脉搏波各特征点形成的生理因素和物理因素分析全面。
本申请实施例提供的血压测量方法,执行主体可以为血压测量装置。本申请实施例中以血压测量装置执行血压测量方法为例,说明本申请实施例提供的血压测量装置。
图11示出了本申请另一个实施例的血压测量装置的框图,该装置包括:
获取模块10,用于获取脉搏波信号,并得到第一特征信息;
第一处理模块20,用于对脉搏波信号进行归一化处理,并得到第二特征信息;
第二处理模块30,用于对归一化处理后的脉搏波信号依次进行N1次求导处理,并基于每次求导处理,得到对应的一组第三特征信息,N1为正整数;
计算模块40,用于根据第一特征信息、第二特征信息和N1组第三特征信息,计算血压值。
这样,在本申请的实施例中,在血压测量过程中,首先,获取脉搏波信号的原始波形,如图5中的(a),以得到原始波形中的相关参数,作为第一特征信息;其次,对原始波形进行归一化处理,并基于归一化后的波形,得到相关参数,作为第二特征信息;接着,对归一化后的波形进行一阶求导、二阶求导等,并基于一阶求导得到的波形,如图5所示的(b),得到相关参数,作为第一组第三特征信息,以及基于二阶求导得到的波形,如图5所示的(c),得到相关参数,作为第二组第三特征信息,等等;最终,基于上述获取的第一特征信息、第二特征信息和多组第三特征信息,计算血压值。在上述过程中,基于对脉搏波信号的归一化处理,可体现出脉搏波信号中的幅值度的相对变化量,从而可以排除外界等干扰因素对有关血压测量参数的影响,以确保血压测量的准确性;另外,基于一阶求导、二阶求导等得到的相关参数,用于血压测量,从而在血压测量中加入了更多相关因素,以进一步确保血压测量的准确性。
可选地,获取模块10,包括:
第一获取单元,用于分别获取脉搏波信号中的每个周期对应的子信号;
其中,基于各个子信号,分别获取子信号对应的第一特征信息、第二特征信息和N1组第三特征信息。
可选地,计算模块40,包括:
第二获取单元,用于分别获取脉搏波信号中,连续N2个周期对应的子信号的目标特征信息,目标特征信息包括第一特征信息、第二特征信息和N1组第三特征信息,N2为正整数;
平均单元,用于根据N2个周期对应的子信号的目标特征信息,得到平均特征信息;
计算单元,用于根据平均特征信息,计算血压值。
可选地,第一获取单元,包括:
第一获取子单元,用于获脉搏波信号中的波峰点和波谷点;其中,相邻的两个波峰点之间有一个波谷点,相邻的两个波谷点之间有一个波峰点;
划分子单元,用于根据相邻的两个波谷点或者相邻的两个波峰点,将脉搏波信号划分为N3个子信号,N3为正整数;
其中,相邻的两个波谷点或者相邻的两个波峰点对应的子信号为一个周期。
可选地,第一获取单元,还包括:
确定子单元,用于在第一子信号的周期信息不属于第一预设范围内,和/或,第一子信号的幅值信息不属于第二预设范围内的情况下,确定第一子信号异常,第一子信号为N3个子信号中的至少一个;
第二获取子单元,用于获取脉搏波信号中除第一子信号以外的第二子信号,第二子信号为N3个子信号中的至少一个;
其中,第一预设范围关联于第二子信号的周期信息;第二预设范围关联于第二子信号的幅值信息;第二子信号的周期信息属于第一预设范围内,且第二子信号的幅值信息属于第二预设范围内。
可选地,获取模块10,包括以下至少任一项:
第一处理单元,用于以第一阈值为基础,对脉搏波信号进行低通滤波处理,并获取处理后的脉搏波信号;
第二处理单元,用于以获取的运动信号为基础,对脉搏波信号进行运动信号滤除处理,并获取处理后的脉搏波信号;
第一输出单元,用于在第一时长内的脉搏波信号的幅度信息持续大于第二阈值的情况下,输出第一信息,并获取脉搏波信号,第一信息用于指示饱和信号;
第二输出单元,用于在第一时刻的脉搏波信号的幅度信息小于第三阈值的情况下,输出第二信息,并获取脉搏波信号,第二信息用于指示低平信号;
确定单元,用于在检测到第二时长内的脉搏波信号中极值的数量大于第四阈值,且相邻的极大值和极小值之间的幅度信息大于第五阈值的情况下,确定第一时间段内的脉搏波信号为噪声信号,并获取除噪声信号以外的脉搏波信号,第一时间段包括第二时长对应的第二时间段,极值包括极大值和极小值。
本申请实施例中的血压测量装置可以是电子设备,也可以是电子设备中的部件,例如集成电路或芯片。该电子设备可以是终端,也可以为除终端之外的其他设备。示例性的,电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、移动上网装置(Mobile Internet Device,MID)、增强现实(augmented reality,AR)/虚拟现实(virtualreality,VR)设备、机器人、可穿戴设备、超级移动个人计算机(ultra-mobile personalcomputer,UMPC)、上网本或者个人数字助理(personal digital assistant,PDA)等,还可以为服务器、网络附属存储器(Network Attached Storage,NAS)、个人计算机(personalcomputer,PC)、电视机(television,TV)、柜员机或者自助机等,本申请实施例不作具体限定。
本申请实施例的血压测量装置可以为具有动作系统的装置。该动作系统可以为安卓(Android)动作系统,可以为ios动作系统,还可以为其他可能的动作系统,本申请实施例不作具体限定。
本申请实施例提供的血压测量装置能够实现上述方法实施例实现的各个过程,为避免重复,这里不再赘述。
可选地,如图12所示,本申请实施例还提供一种电子设备100,包括处理器101,存储器102,存储在存储器102上并可在所述处理器101上运行的程序或指令,该程序或指令被处理器101执行时实现上述任一血压测量方法实施例的各个步骤,且能达到相同的技术效果,为避免重复,这里不再赘述。
需要说明的是,本申请实施例的电子设备包括上述所述的移动电子设备和非移动电子设备。
图13为实现本申请实施例的一种电子设备的硬件结构示意图。
该电子设备1000包括但不限于:射频单元1001、网络模块1002、音频输出单元1003、输入单元1004、传感器1005、显示单元1006、用户输入单元1007、接口单元1008、存储器1009、以及处理器1010等部件。
本领域技术人员可以理解,电子设备1000还可以包括给各个部件供电的电源(比如电池),电源可以通过电源管理系统与处理器1010逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。图13中示出的电子设备结构并不构成对电子设备的限定,电子设备可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置,在此不再赘述。
其中,处理器1010,用于获取脉搏波信号,并得到第一特征信息;对所述脉搏波信号进行归一化处理,并得到第二特征信息;对归一化处理后的所述脉搏波信号依次进行N1次求导处理,并基于每次求导处理,得到对应的一组第三特征信息,N1为正整数;根据所述第一特征信息、所述第二特征信息和N1组所述第三特征信息,计算血压值。
这样,在本申请的实施例中,在血压测量过程中,首先,获取脉搏波信号的原始波形,如图5中的(a),以得到原始波形中的相关参数,作为第一特征信息;其次,对原始波形进行归一化处理,并基于归一化后的波形,得到相关参数,作为第二特征信息;接着,对归一化后的波形进行一阶求导、二阶求导等,并基于一阶求导得到的波形,如图5所示的(b),得到相关参数,作为第一组第三特征信息,以及基于二阶求导得到的波形,如图5所示的(c),得到相关参数,作为第二组第三特征信息,等等;最终,基于上述获取的第一特征信息、第二特征信息和多组第三特征信息,计算血压值。在上述过程中,基于对脉搏波信号的归一化处理,可体现出脉搏波信号中的幅值度的相对变化量,从而可以排除外界等干扰因素对有关血压测量参数的影响,以确保血压测量的准确性;另外,基于一阶求导、二阶求导等得到的相关参数,用于血压测量,从而在血压测量中加入了更多相关因素,以进一步确保血压测量的准确性。
可选地,处理器1010,还用于分别获取所述脉搏波信号中的每个周期对应的子信号;其中,基于各个子信号,分别获取所述子信号对应的所述第一特征信息、所述第二特征信息和N1组所述第三特征信息。
可选地,处理器1010,还用于分别获取所述脉搏波信号中,连续N2个周期对应的子信号的目标特征信息,所述目标特征信息包括所述第一特征信息、所述第二特征信息和N1组所述第三特征信息,N2为正整数;根据所述N2个周期对应的子信号的目标特征信息,得到平均特征信息;根据所述平均特征信息,计算血压值。
可选地,处理器1010,还用于获取所述脉搏波信号中的波峰点和波谷点;其中,相邻的两个波峰点之间有一个波谷点,相邻的两个波谷点之间有一个波峰点;根据相邻的两个波谷点或者相邻的两个波峰点,将所述脉搏波信号划分为N3个子信号,N3为正整数;其中,相邻的两个波谷点或者相邻的两个波峰点对应的子信号为一个周期。
可选地,处理器1010,还用于在第一子信号的周期信息不属于第一预设范围内,和/或,所述第一子信号的幅值信息不属于第二预设范围内的情况下,确定所述第一子信号异常,所述第一子信号为所述N3个子信号中的至少一个;获取所述脉搏波信号中除所述第一子信号以外的第二子信号,所述第二子信号为所述N3个子信号中的至少一个;其中,所述第一预设范围关联于所述第二子信号的周期信息;所述第二预设范围关联于所述第二子信号的幅值信息;所述第二子信号的周期信息属于所述第一预设范围内,且所述第二子信号的幅值信息属于所述第二预设范围内。
可选地,处理器1010,还用于以第一阈值为基础,对所述脉搏波信号进行低通滤波处理,并获取处理后的所述脉搏波信号;以获取的运动信号为基础,对所述脉搏波信号进行运动信号滤除处理,并获取处理后的所述脉搏波信号;在第一时长内的所述脉搏波信号的幅度信息持续大于第二阈值的情况下,输出第一信息,并获取所述脉搏波信号,所述第一信息用于指示饱和信号;在第一时刻的所述脉搏波信号的幅度信息小于第三阈值的情况下,输出第二信息,并获取所述脉搏波信号,所述第二信息用于指示低平信号;在检测到第二时长内的脉搏波信号中极值的数量大于第四阈值,且相邻的极大值和极小值之间的幅度信息大于第五阈值的情况下,确定第一时间段内的所述脉搏波信号为噪声信号,并获取除所述噪声信号以外的所述脉搏波信号,所述第一时间段包括所述第二时长对应的第二时间段,所述极值包括所述极大值和所述极小值。
本申请提供了一种基于光电脉搏波特征参数建模计算血压值的方法,首先考虑影响动脉血压产生的生理因素(心输出量、心率、外周阻力、血管壁弹性、循环血量等),并从脉搏波信号上提取到与以上生理因素相关的波形特征,其中包括:由脉搏波特征点检测获取到的各特征点时间参数、归一化脉搏波波形的幅度、面积等参数;由脉搏波一阶导数信号(与脉搏波信号变化速度相关的信息)获取的特征点时间参数及归一化的幅度参数;由脉搏波二阶导数信号(加速度脉搏波,与脉搏波信号变化加速度相关的信息)获取的特征点时间参数及归一化的幅度参数;脉搏波信号的幅度和周期逐拍变化信息,此变化信息中包含了呼吸引起生理周期变化的信息;脉搏波信号FFT处理后的频域参数。以上特征参数包括与血压变化相关的大量信息。具体地,一方面,考虑到生理因素相关性,另一方面,多选择相对的参数量和时间、并对波形及提取的生理参数进行归一化处理,这样可以消除个人生理模型差异性及测量条件变化对血压计算模型的影响。另外,本申请还可以考虑到人体生理变化的复杂性,将个人的体征信息,包括:性别(Sex)、年龄(Age)、身高(Height)、体重(Weight)等加入到计算模型中。从而,基于上述特征信息,使得本申请针对脉搏波与血压的关系理解充分,对脉搏波各特征点形成的生理因素和物理因素分析全面。
应理解的是,本申请实施例中,输入单元1004可以包括图形处理器(GraphicsProcessing Unit,GPU)10041和麦克风10042,图形处理器10041对在视频图像捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频图像的图像数据进行处理。显示单元1006可包括显示面板10061,可以采用液晶显示器、有机发光二极管等形式来配置显示面板10061。用户输入单元1007包括触控面板10071以及其他输入设备10072中的至少一种。触控面板10071,也称为触摸屏。触控面板10071可包括触摸检测装置和触摸控制器两个部分。其他输入设备10072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、动作杆,在此不再赘述。存储器1009可用于存储软件程序以及各种数据,包括但不限于应用程序和动作系统。处理器1010可集成应用处理器和调制解调处理器,其中,应用处理器主要处理动作系统、用户页面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器1010中。
存储器1009可用于存储软件程序以及各种数据。存储器1009可主要包括存储程序或指令的第一存储区和存储数据的第二存储区,其中,第一存储区可存储操作系统、至少一个功能所需的应用程序或指令(比如声音播放功能、图像播放功能等)等。此外,存储器1009可以包括易失性存储器或非易失性存储器,或者,存储器x09可以包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory,RAM),静态随机存取存储器(Static RAM,SRAM)、动态随机存取存储器(Dynamic RAM,DRAM)、同步动态随机存取存储器(Synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data Rate SDRAM,DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(Synch link DRAM,SLDRAM)和直接内存总线随机存取存储器(Direct Rambus RAM,DRRAM)。本申请实施例中的存储器1009包括但不限于这些和任意其它适合类型的存储器。
处理器1010可包括一个或多个处理单元;可选的,处理器1010集成应用处理器和调制解调处理器,其中,应用处理器主要处理涉及操作系统、用户界面和应用程序等的操作,调制解调处理器主要处理无线通信信号,如基带处理器。可以理解的是,上述调制解调处理器也可以不集成到处理器1010中。
本申请实施例还提供一种可读存储介质,所述可读存储介质上存储有程序或指令,该程序或指令被处理器执行时实现上述血压测量方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
其中,所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质,包括计算机可读存储介质,如计算机只读存储器ROM、随机存取存储器RAM、磁碟或者光盘等。
本申请实施例另提供了一种芯片,所述芯片包括处理器和通信接口,所述通信接口和所述处理器耦合,所述处理器用于运行程序或指令,实现上述血压测量方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
应理解,本申请实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
本申请实施例提供一种计算机程序产品,该程序产品被存储在存储介质中,该程序产品被至少一个处理器执行以实现如上述血压测量方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外,需要指出的是,本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能,还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能,例如,可以按不同于所描述的次序来执行所描述的方法,并且还可以添加、省去、或组合各种步骤。另外,参照某些示例所描述的特征可在其他示例中被组合。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述,但是本申请并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本申请的保护之内。
Claims (14)
1.一种血压测量方法,其特征在于,所述方法包括:
获取脉搏波信号,并得到第一特征信息;
对所述脉搏波信号进行归一化处理,并得到第二特征信息;
对归一化处理后的所述脉搏波信号依次进行N1次求导处理,并基于每次求导处理,得到对应的一组第三特征信息,N1为正整数;
根据所述第一特征信息、所述第二特征信息和N1组所述第三特征信息,计算血压值。
2.根据权利要求1所述的方法,其特征在于,所述获取脉搏波信号,包括:
分别获取所述脉搏波信号中的每个周期对应的子信号;
其中,基于各个子信号,分别获取所述子信号对应的所述第一特征信息、所述第二特征信息和N1组所述第三特征信息。
3.根据权利要求1所述的方法,其特征在于,所述根据所述第一特征信息、所述第二特征信息和N1组所述第三特征信息,计算血压值,包括:
分别获取所述脉搏波信号中,连续N2个周期对应的子信号的目标特征信息,所述目标特征信息包括所述第一特征信息、所述第二特征信息和N1组所述第三特征信息,N2为正整数;
根据所述N2个周期对应的子信号的目标特征信息,得到平均特征信息;
根据所述平均特征信息,计算血压值。
4.根据权利要求2所述的方法,其特征在于,所述分别获取所述脉搏波信号中的每个周期对应的子信号,包括:
获取所述脉搏波信号中的波峰点和波谷点;其中,相邻的两个波峰点之间有一个波谷点,相邻的两个波谷点之间有一个波峰点;
根据相邻的两个波谷点或者相邻的两个波峰点,将所述脉搏波信号划分为N3个子信号,N3为正整数;
其中,相邻的两个波谷点或者相邻的两个波峰点对应的子信号为一个周期。
5.根据权利要求4所述的方法,其特征在于,所述根据相邻的两个波谷点或者相邻的两个波峰点,将所述脉搏波信号划分为N3个子信号之后,所述方法还包括:
在第一子信号的周期信息不属于第一预设范围内,和/或,所述第一子信号的幅值信息不属于第二预设范围内的情况下,确定所述第一子信号异常,所述第一子信号为所述N3个子信号中的至少一个;
获取所述脉搏波信号中除所述第一子信号以外的第二子信号,所述第二子信号为所述N3个子信号中的至少一个;
其中,所述第一预设范围关联于所述第二子信号的周期信息;所述第二预设范围关联于所述第二子信号的幅值信息;所述第二子信号的周期信息属于所述第一预设范围内,且所述第二子信号的幅值信息属于所述第二预设范围内。
6.根据权利要求1所述的方法,其特征在于,所述获取脉搏波信号,包括以下至少任一项:
以第一阈值为基础,对所述脉搏波信号进行低通滤波处理,并获取处理后的所述脉搏波信号;
以获取的运动信号为基础,对所述脉搏波信号进行运动信号滤除处理,并获取处理后的所述脉搏波信号;
在第一时长内的所述脉搏波信号的幅度信息持续大于第二阈值的情况下,输出第一信息,并获取所述脉搏波信号,所述第一信息用于指示饱和信号;
在第一时刻的所述脉搏波信号的幅度信息小于第三阈值的情况下,输出第二信息,并获取所述脉搏波信号,所述第二信息用于指示低平信号;
在检测到第二时长内的脉搏波信号中极值的数量大于第四阈值,且相邻的极大值和极小值之间的幅度信息大于第五阈值的情况下,确定第一时间段内的所述脉搏波信号为噪声信号,并获取除所述噪声信号以外的所述脉搏波信号,所述第一时间段包括所述第二时长对应的第二时间段,所述极值包括所述极大值和所述极小值。
7.一种血压测量装置,其特征在于,所述装置包括:
获取模块,用于获取脉搏波信号,并得到第一特征信息;
第一处理模块,用于对所述脉搏波信号进行归一化处理,并得到第二特征信息;
第二处理模块,用于对归一化处理后的所述脉搏波信号依次进行N1次求导处理,并基于每次求导处理,得到对应的一组第三特征信息,N1为正整数;
计算模块,用于根据所述第一特征信息、所述第二特征信息和N1组所述第三特征信息,计算血压值。
8.根据权利要求7所述的装置,其特征在于,所述获取模块,包括:
第一获取单元,用于分别获取所述脉搏波信号中的每个周期对应的子信号;
其中,基于各个子信号,分别获取所述子信号对应的所述第一特征信息、所述第二特征信息和N1组所述第三特征信息。
9.根据权利要求7所述的装置,其特征在于,所述计算模块,包括:
第二获取单元,用于分别获取所述脉搏波信号中,连续N2个周期对应的子信号的目标特征信息,所述目标特征信息包括所述第一特征信息、所述第二特征信息和N1组所述第三特征信息,N2为正整数;
平均单元,用于根据所述N2个周期对应的子信号的目标特征信息,得到平均特征信息;
计算单元,用于根据所述平均特征信息,计算血压值。
10.根据权利要求8所述的装置,其特征在于,所述第一获取单元,包括:
第一获取子单元,用于获取所述脉搏波信号中的波峰点和波谷点;其中,相邻的两个波峰点之间有一个波谷点,相邻的两个波谷点之间有一个波峰点;
划分子单元,用于根据相邻的两个波谷点或者相邻的两个波峰点,将所述脉搏波信号划分为N3个子信号,N3为正整数;
其中,相邻的两个波谷点或者相邻的两个波峰点对应的子信号为一个周期。
11.根据权利要求10所述的装置,其特征在于,所述第一获取单元,还包括:
确定子单元,用于在第一子信号的周期信息不属于第一预设范围内,和/或,所述第一子信号的幅值信息不属于第二预设范围内的情况下,确定所述第一子信号异常,所述第一子信号为所述N3个子信号中的至少一个;
第二获取子单元,用于获取所述脉搏波信号中除所述第一子信号以外的第二子信号,所述第二子信号为所述N3个子信号中的至少一个;
其中,所述第一预设范围关联于所述第二子信号的周期信息;所述第二预设范围关联于所述第二子信号的幅值信息;所述第二子信号的周期信息属于所述第一预设范围内,且所述第二子信号的幅值信息属于所述第二预设范围内。
12.根据权利要求7所述的装置,其特征在于,所述获取模块,包括以下至少任一项:
第一处理单元,用于以第一阈值为基础,对所述脉搏波信号进行低通滤波处理,并获取处理后的所述脉搏波信号;
第二处理单元,用于以获取的运动信号为基础,对所述脉搏波信号进行运动信号滤除处理,并获取处理后的所述脉搏波信号;
第一输出单元,用于在第一时长内的所述脉搏波信号的幅度信息持续大于第二阈值的情况下,输出第一信息,并获取所述脉搏波信号,所述第一信息用于指示饱和信号;
第二输出单元,用于在第一时刻的所述脉搏波信号的幅度信息小于第三阈值的情况下,输出第二信息,并获取所述脉搏波信号,所述第二信息用于指示低平信号;
确定单元,用于在检测到第二时长内的脉搏波信号中极值的数量大于第四阈值,且相邻的极大值和极小值之间的幅度信息大于第五阈值的情况下,确定第一时间段内的所述脉搏波信号为噪声信号,并获取除所述噪声信号以外的所述脉搏波信号,所述第一时间段包括所述第二时长对应的第二时间段,所述极值包括所述极大值和所述极小值。
13.一种电子设备,其特征在于,包括处理器和存储器,所述存储器存储可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如权利要求1~6任一项所述的血压测量方法的步骤。
14.一种可读存储介质,其特征在于,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现如权利要求1~6任一项所述的血压测量方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210010809.7A CN114159038A (zh) | 2022-01-05 | 2022-01-05 | 血压测量方法、装置、电子设备和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210010809.7A CN114159038A (zh) | 2022-01-05 | 2022-01-05 | 血压测量方法、装置、电子设备和可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114159038A true CN114159038A (zh) | 2022-03-11 |
Family
ID=80489040
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210010809.7A Pending CN114159038A (zh) | 2022-01-05 | 2022-01-05 | 血压测量方法、装置、电子设备和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114159038A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115886757A (zh) * | 2022-11-21 | 2023-04-04 | 深圳市捷美瑞科技有限公司 | 一种测量血压的方法、装置、设备及介质 |
WO2023236658A1 (zh) * | 2022-06-10 | 2023-12-14 | 荣耀终端有限公司 | 一种血压测量设备和系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10137202A (ja) * | 1996-11-15 | 1998-05-26 | Omron Corp | 血圧算出装置 |
US20100280396A1 (en) * | 2009-05-04 | 2010-11-04 | Siemens Medical Solutions Usa, Inc. | System for Cardiac Pathology Detection and Characterization |
CN102697492A (zh) * | 2012-05-25 | 2012-10-03 | 长春华讯信息科技有限公司 | 一种实时心电信息分析系统及其分析方法 |
CN103027667A (zh) * | 2011-09-30 | 2013-04-10 | Ge医疗系统环球技术有限公司 | 脉搏波的特征参数提取 |
CN105877723A (zh) * | 2016-06-22 | 2016-08-24 | 中国科学院苏州生物医学工程技术研究所 | 无创连续血压测量装置 |
CN108294736A (zh) * | 2017-01-12 | 2018-07-20 | 南开大学 | 连续血压测量系统及测量方法 |
US20190374118A1 (en) * | 2018-06-08 | 2019-12-12 | Denso Corporation | Method and apparatus for pulse wave measurement |
CN116869499A (zh) * | 2023-08-25 | 2023-10-13 | 江西中医药大学 | 一种基于ppg及其多阶微分信号的血压连续测量方法 |
-
2022
- 2022-01-05 CN CN202210010809.7A patent/CN114159038A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10137202A (ja) * | 1996-11-15 | 1998-05-26 | Omron Corp | 血圧算出装置 |
US20100280396A1 (en) * | 2009-05-04 | 2010-11-04 | Siemens Medical Solutions Usa, Inc. | System for Cardiac Pathology Detection and Characterization |
CN103027667A (zh) * | 2011-09-30 | 2013-04-10 | Ge医疗系统环球技术有限公司 | 脉搏波的特征参数提取 |
CN102697492A (zh) * | 2012-05-25 | 2012-10-03 | 长春华讯信息科技有限公司 | 一种实时心电信息分析系统及其分析方法 |
CN105877723A (zh) * | 2016-06-22 | 2016-08-24 | 中国科学院苏州生物医学工程技术研究所 | 无创连续血压测量装置 |
CN108294736A (zh) * | 2017-01-12 | 2018-07-20 | 南开大学 | 连续血压测量系统及测量方法 |
US20190374118A1 (en) * | 2018-06-08 | 2019-12-12 | Denso Corporation | Method and apparatus for pulse wave measurement |
CN116869499A (zh) * | 2023-08-25 | 2023-10-13 | 江西中医药大学 | 一种基于ppg及其多阶微分信号的血压连续测量方法 |
Non-Patent Citations (2)
Title |
---|
王梦婷: "基于光电容积脉搏波的多参数连续无创血压算法研究", 中国优秀硕士学位论文全文数据库(电子期刊), 31 August 2017 (2017-08-31), pages 16 - 29 * |
王梦婷: "基于光电容积脉搏波的多参数连续无创血压算法研究", 中国优秀硕士学位论文全文数据库(电子期刊), 信息科技辑, no. 2017, 15 August 2017 (2017-08-15), pages 140 - 119 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023236658A1 (zh) * | 2022-06-10 | 2023-12-14 | 荣耀终端有限公司 | 一种血压测量设备和系统 |
CN117243580A (zh) * | 2022-06-10 | 2023-12-19 | 荣耀终端有限公司 | 一种血压测量设备和系统 |
CN115886757A (zh) * | 2022-11-21 | 2023-04-04 | 深圳市捷美瑞科技有限公司 | 一种测量血压的方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110191675B (zh) | 用于非接触式确定血压的系统和方法 | |
JP6659830B2 (ja) | 生体情報分析装置、システム、及び、プログラム | |
TWI725255B (zh) | 可偵測睡眠呼吸中止的穿戴式裝置及其信號分析方法 | |
US20150088431A1 (en) | Dynamic profiles | |
US20180228383A1 (en) | Blood pressure measuring device, blood pressure measurement method and blood pressure measurement program | |
Yang et al. | Estimation and validation of arterial blood pressure using photoplethysmogram morphology features in conjunction with pulse arrival time in large open databases | |
JP2018508273A (ja) | 被験体の平均動脈圧を導き出すための方法および装置 | |
CN114159038A (zh) | 血压测量方法、装置、电子设备和可读存储介质 | |
Chen et al. | Machine learning method for continuous noninvasive blood pressure detection based on random forest | |
CN109512395B (zh) | 一种生物信号的分析处理方法、装置及设备 | |
CN115003215A (zh) | 根据光学数据进行脉搏传播时间测量的系统和方法 | |
CN114929101A (zh) | 根据光学数据进行生理测量的系统和方法 | |
Jean Effil et al. | Wavelet scattering transform and long short-term memory network-based noninvasive blood pressure estimation from photoplethysmograph signals | |
de Brito Souza et al. | Video-based photoplethysmography and machine learning algorithms to achieve pulse wave velocity | |
TWI695316B (zh) | 生理感測方法及其裝置 | |
US20240315573A1 (en) | System and method for blood pressure measurements from optical data | |
CN115105038B (zh) | 一种基于穿戴设备的血氧血压检测方法及穿戴设备 | |
CN116583216A (zh) | 从光学数据测量血压的系统和方法 | |
WO2023002477A1 (en) | System and method for blood pressure estimate based on ptt from the face | |
Su et al. | Improving Estimation of Heart Rate and Heart Variability with Real-Time Palm Images Based on Independent Component Analysis and Particle Swarm Optimization | |
Li et al. | Temporal Attention Splitting Network for Non-invasive Blood Glucose, Cuff-Less Blood Pressure Estimation | |
Zhao et al. | A Lightweight Convolutional Neural Network for Personalized Blood Pressure Estimation Based on Photoplethysmography | |
Cho et al. | Calibration‐free blood pressure estimation based on a convolutional neural network | |
Liu et al. | A Finger on the Pulse of Cardiovascular Health: Smartphone Photoplethysmography-Based Pulse Waveform Analysis for Blood Pressure Measurement | |
WO2024033067A1 (en) | Method for detection of characteristic regions in a time-continuous signal, corresponding device and wearable |
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 |