CN114424933B - 基于便携式电子设备的pwv检测方法和装置 - Google Patents
基于便携式电子设备的pwv检测方法和装置 Download PDFInfo
- Publication number
- CN114424933B CN114424933B CN202011183581.9A CN202011183581A CN114424933B CN 114424933 B CN114424933 B CN 114424933B CN 202011183581 A CN202011183581 A CN 202011183581A CN 114424933 B CN114424933 B CN 114424933B
- Authority
- CN
- China
- Prior art keywords
- pwv
- physiological signal
- signal
- measurement
- user
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 53
- 238000005259 measurement Methods 0.000 claims abstract description 397
- 238000000034 method Methods 0.000 claims abstract description 154
- 208000011775 arteriosclerosis disease Diseases 0.000 claims description 103
- 210000002216 heart Anatomy 0.000 claims description 94
- 206010003210 Arteriosclerosis Diseases 0.000 claims description 75
- 230000002159 abnormal effect Effects 0.000 claims description 70
- 239000003814 drug Substances 0.000 claims description 70
- 230000033764 rhythmic process Effects 0.000 claims description 69
- 210000000707 wrist Anatomy 0.000 claims description 61
- 210000001715 carotid artery Anatomy 0.000 claims description 57
- 206010003119 arrhythmia Diseases 0.000 claims description 42
- 230000006793 arrhythmia Effects 0.000 claims description 42
- 230000006870 function Effects 0.000 claims description 38
- 230000017531 blood circulation Effects 0.000 claims description 37
- 230000008859 change Effects 0.000 claims description 26
- 238000012502 risk assessment Methods 0.000 claims description 20
- 229940079593 drug Drugs 0.000 claims description 19
- 230000006866 deterioration Effects 0.000 claims description 18
- 208000006170 carotid stenosis Diseases 0.000 claims description 16
- 230000000694 effects Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 13
- 230000000857 drug effect Effects 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 10
- 230000003205 diastolic effect Effects 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000012935 Averaging Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 7
- 238000002565 electrocardiography Methods 0.000 description 119
- 238000012545 processing Methods 0.000 description 77
- 230000008569 process Effects 0.000 description 68
- 238000010586 diagram Methods 0.000 description 46
- 210000003423 ankle Anatomy 0.000 description 38
- 238000004891 communication Methods 0.000 description 31
- 230000006854 communication Effects 0.000 description 31
- 210000001105 femoral artery Anatomy 0.000 description 30
- 239000010410 layer Substances 0.000 description 25
- 238000011156 evaluation Methods 0.000 description 18
- 239000000284 extract Substances 0.000 description 15
- 230000007774 longterm Effects 0.000 description 15
- 238000004364 calculation method Methods 0.000 description 13
- 210000000038 chest Anatomy 0.000 description 13
- 230000036541 health Effects 0.000 description 13
- 210000001367 artery Anatomy 0.000 description 11
- 210000004204 blood vessel Anatomy 0.000 description 11
- 230000005856 abnormality Effects 0.000 description 9
- 230000003247 decreasing effect Effects 0.000 description 9
- 230000001965 increasing effect Effects 0.000 description 9
- 238000012544 monitoring process Methods 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 238000002604 ultrasonography Methods 0.000 description 6
- 210000001364 upper extremity Anatomy 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 230000007423 decrease Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000001976 improved effect Effects 0.000 description 5
- 238000012854 evaluation process Methods 0.000 description 4
- 238000010295 mobile communication Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000001960 triggered effect Effects 0.000 description 4
- 230000006438 vascular health Effects 0.000 description 4
- 208000031481 Pathologic Constriction Diseases 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 3
- 210000000709 aorta Anatomy 0.000 description 3
- 230000003840 blood vessel health Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000036262 stenosis Effects 0.000 description 3
- 208000037804 stenosis Diseases 0.000 description 3
- 229920001621 AMOLED Polymers 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 2
- 230000003416 augmentation Effects 0.000 description 2
- 208000026106 cerebrovascular disease Diseases 0.000 description 2
- 230000002526 effect on cardiovascular system Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000008093 supporting effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 206010007687 Carotid artery stenosis Diseases 0.000 description 1
- 206010008190 Cerebrovascular accident Diseases 0.000 description 1
- 206010019280 Heart failures Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 208000006011 Stroke Diseases 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000000386 athletic effect Effects 0.000 description 1
- 238000009610 ballistocardiography Methods 0.000 description 1
- 238000010009 beating Methods 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 239000012792 core layer Substances 0.000 description 1
- 208000029078 coronary artery disease Diseases 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 210000003414 extremity Anatomy 0.000 description 1
- 238000011049 filling Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 210000003141 lower extremity Anatomy 0.000 description 1
- 238000004020 luminiscence type Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000013186 photoplethysmography Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000002096 quantum dot Substances 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
-
- 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
- A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
-
- 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
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
-
- 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
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
-
- 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
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02438—Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—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
-
- 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
- A61B5/6803—Head-worn items, e.g. helmets, masks, headphones or goggles
-
- 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
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6813—Specially adapted to be attached to a specific body part
- A61B5/6829—Foot or ankle
-
- 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
- A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
- A61B5/6898—Portable consumer electronic devices, e.g. music players, telephones, tablet computers
-
- 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
- A61B5/7271—Specific aspects of physiological measurement analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/06—Measuring blood flow
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/44—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device
- A61B8/4427—Device being portable or laptop-like
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/48—Diagnostic techniques
- A61B8/488—Diagnostic techniques involving Doppler signals
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- Cardiology (AREA)
- Physiology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Pulmonology (AREA)
- Hematology (AREA)
- Vascular Medicine (AREA)
- Multimedia (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本申请实施例公开了一种基于便携式电子设备的PWV检测方法和装置,以通过手机、平板以及智能可穿戴设备等便携式电子设备实现PWV的院外测量,降低PWV测量门槛,满足用户随时随地的测量需求。该方法可以包括:电子设备首先获取通过第一传感器模块采集的第一测量点的第一生理信号,以及通过第二传感器模块采集的第二测量点的第二生理信号,其中,第一传感器模块和第二传感器模块均集成在便携式电子设备上;然后根据第一生理信号和第二生理信号,得到第一PWV值。
Description
技术领域
本申请涉及终端技术领域,尤其涉及一种基于便携式电子设备的PWV检测方式和装置。
背景技术
动脉僵硬度与心脑血管疾病密切相关,动脉僵硬度增加可能会诱发冠心病、高血压、致命性卒中以及心力衰竭等心脑血管疾病。目前,脉搏波传导速度(Pulse WaveVelocity,PWV)是评估动脉血管僵硬度的简捷、有效、经济的非侵入性指标。
现有技术中,PWV测量一般是院内测量,即用户需要到医院内,由专业的测量人员使用院内设备(例如,张力计或者袖带等)测量动脉的压力脉搏波,再根据测量的压力脉搏波计算出PWV。
院内测量PWV的方式,测量过程无法独立完成,只能由专业的测量人员完成,测量门槛较高。另外,院内设备无法随身携带,无法随时随地进行测量,在时间和空间上存在一定的限制。
发明内容
本申请实施例提供一种基于便携式电子设备的PWV检测方法和装置,可以通过便携式电子设备实现院外PWV测量,降低了测量门槛,满足了用户随时随地的使用需求。
第一方面,本申请实施例提供一种基于便携式电子设备的PWV检测方法,该方法应用于第一电子设备,且第一电子设备为便携式电子设备,该方法可以包括:首先获取通过第一传感器模块采集的第一测量点的第一生理信号,以及通过第二传感器模块采集的第二测量点的第二生理信号,第一传感器模块和第二传感器模块均集成在便携式电子设备上;最后,根据第一生理信号和第二生理信号,得到第一PWV值。
本申请实施例通过便携式电子设备上集成的传感器模块采集生理信号,并通过便携式电子设备对生理信号进行处理,得到PWV值,实现了PWV的院外测量,降低了测量门槛,满足了用户随时随地的使用需求。
在具体应用中,第一传感器模块和第二传感器模块可以分别集成在两个不同的便携式电子设备上。这两个不同的便携式电子设备可以是除了第一电子设备之外的电子设备,例如,第一传感器模块集成在智能手表或智能手环,第二传感器模块集成在耳机,第一电子设备为手机。这两个不同的便携式电子设备中的其中一个可以是第一电子设备,例如,第一传感器模块集成在第一电子设备,该第一电子设备为手机,第二传感器模块集成在智能手表或智能手环。
第一传感器模块和第一传感器模块可以同时集成在同一个便携式电子设备上,此时,该便携式电子设备可以是第一电子设备,也可以是除了第一电子设备之外的电子设备。例如,第一传感器模块和第二传感器模块均集成在智能手表或智能手环上,第一电子设备为手机,此时,通过智能手表或智能手环采集用户不同部位的生理信号后,手机对生理信号进出分析出处理,得到PWV值,这样通过手机和智能手表或智能手环则可以实现PWV测量,无需专业医护人员,无需专业的院内测量设备,降低了测量门槛,用户可以基于日常使用的手机和智能手表等设备随时随地进行测量。
在第一方面的一些可能的实现方式中,第一电子设备根据第一生理信号和第二生理信号,得到第一PWV值的过程可以包括:首先,对第一生理信号进行特征点提取,得到第一特征点,再根据第一特征点,得到第一特征集;然后,对第二生理信号进行特征点提取,得到第二特征点,进而根据第二特征点,得到第二特征集;接着,根据第一特征点和第二特征点,得到关联特征集;最后,可以将第一特征集、第二特征集和关联特征集输入PWV模型,获得PWV模型输出的第一PWV值,或者,可以将第一特征集、第二特征集、关联特征集和用户个人信息输入PWV模型,获得PWV模型输出的第一PWV值。
相较而言,个人信息可以对PWV值进行校正,故将第一特征集、第二特征集、关联特征集和用户个人信息作为PWV模型的输入的方式,PWV测量准确性更高。
在第一方面的一些可能的实现方式中,上述对第一生理信号进行特征点提取,得到第一特征点可以包括:对第一生理信号预处理,得到预处理后的第一生理信号;从预处理后的第一生理信号中提取出第一特征点;其中,预处理包括以下至少一种:滤波、幅值归一、波形平均以及波形特征增强。
在第一方面的一些可能的实现方式中,第一生理信号为PPG信号,第二生理信号为ECG信号或BCG信号或SCG信号。此时,第一生理信号和第二生理信号的组合可以有:PPG信号和ECG信号,PPG信号和BCG信号,PPG信号和SCG信号。
示例性地,当第一生理信号为PPG信号,第二生理信号为ECG信号时,提取的第一特征点可以包括底点、主波峰点、重博切迹和重博波峰点等,第一特征集可以包括第一特征点之间的时间差、第一特征点的幅值信息、以及第一特征点相关的波形面积信息。提取的第二特征点可以包括QRS群的Q点、R点和S点等,第二特征集可以包括特征点的幅值信息等。
在第一方面的一些可能的实现方式中,第一测量点为腕部,第二测量点为指尖,第一传感器模块为PPG采集模块,第二传感器模块为ECG采集模块;第一传感器模块和第二传感器模块集成在同一个便携式电子设备上;第一PWV值为颈动脉-股动脉脉搏波传导速度cfPWV。
在第一方面的一些可能的实现方式中,第一传感器模块和第二传感器模块均集成在腕戴式的可穿戴设备上,其中,第一传感器模块集成在腕戴式的可穿戴设备的本体底部,第二传感器模块集成在腕戴式的可穿戴设备的本体侧边。
示例性地,PPG采集模块和ECG采集模块均集成在智能手表上,通过智能手表采集腕部PPG信号和指尖ECG信号,即可计算出cfPWV。
在第一方面的一些可能的实现方式中,在根据第一生理信号和第二生理信号,得到第一PWV值之后,上述方法还可以包括:获取每隔预设周期通过第一传感器模块采集的至少一个第三生理信号;对第三生理信号进行特征点提取,得到第三特征集;根据预设拟合模型、第三特征集和基础PWV值,得到至少一个第二PWV值,基础PWV值为第一PWV值。
该实现方式中,通过第一传感器模块周期性采集第三生理信号,再根据第三生理信号、预设拟合模型和上一次主动测量的PWV值(即第一PWV值),拟合得到当次的第二PWV值,实现了PWV的长期无感跟踪测量。
在第一方面的一些可能的实现方式中,在根据预设拟合模型、第三特征集和基础PWV值,得到至少一个第二PWV值之后,该方法还可以包括:根据基础PWV值和第二PWV值,确定是否符合预设PWV值异常条件;当符合预设PWV值异常条件,则执行第一操作,第一操作用于提示用户进行PWV主动测量。
其中,该预设PWV值异常条件可以包括以下至少一种:PWV值出现异变、PWV值短期内波动大、以及出现多次异常的PWV值等。PWV值出现异变是指当次拟合的PWV值和基础PWV值之间的差值大于预定阈值;PWV值短期内波动大是指在一定时间段内,PWV值波动较大;出现多次异常的PWV值是在一定时间段内,出现了多个异常的PWV值,异常的PWV值的判断标准可以是PWV值和基础PWV值之间的差值没有落在预定范围内。
在该实现方式中,在PWV的长期无感跟踪测量过程中,如果判断出用户的PWV值出现异常,则主动提醒用户进行一次主动测量,以让用户可以及时关注自身身体状态。
在第一方面的一些可能的实现方式中,在执行第一操作之后,该方法还包括:获取通过PWV主动测量得到的第三PWV值;当第二PWV值和第三PWV值之间的差值在预设范围内,则执行第二操作,第二操作用于提示用户的身体状态出现异常;当第二PWV值和第三PWV值之间的差值不在预设范围内,则校正基础PWV值,并更新预设拟合模型。
在PWV跟踪测量过程中,发现某个时刻的PWV异常,则提醒用户进行一次主动测量。用户根据提示进行了一次主动测量后,电子设备根据主动测量的PWV和跟踪测量的PWV,确定用户的身体状态是否存在异常,还是PWV测量误差,如果确定是用户身体状态存在异常,则相应地提示用户注意身体状态异常,如果是PWV测量误差,则校正基础PWV值,更新预设拟合模型。
在第一方面的一些可能的实现方式中,第一PWV值为用户服药后通过主动测量得到的PWV值;
在获取通过第一传感器模块采集的第一测量点的第一生理信号之前,该方法还包括获取服药时间;
在根据预设拟合模型、第三特征集和基础PWV值,得到至少一个第二PWV值之后,该方法还包括:根据第一PWV值和至少一个第二PWV值,确定服药间隔内的PWV值变化趋势,服药间隔为连续两次服药时间之间的时间段;当PWV值变化趋势符合第一条件,执行第三操作,第三操作用于提示用户所服药物无药效。
其中,第一条件用于表征PWV值没有下降,或者PWV值下降值小于一定数值,例如,在服药后监测到的PWV值没有下降,则认为PWV值变化趋势符合第一条件。
在该实现方式中,通过PWV跟踪测量功能实现了药效评估。
在第一方面的一些可能的实现方式中,当PWV值变化趋势符合第二条件,该方法还包括:根据PWV值变化趋势,确定单次药效时长是否大于服药间隔;当单次药效时长大于服药间隔,执行第四操作,第四操作用于提示用户减少服药次数。
其中,第二条件用于表征PWV值有下降,或者PWV下降值大于一定数值。即在服药后监测到PWV值有下降,则认为有药效。判定有药效后,进一步根据PWV值变化趋势,判断单次药效时长是否大于服药间隔。
在第一方面的一些可能的实现方式中,上述根据第一生理信号和第二生理信号,得到第一PWV值的过程也可以包括:提取第一生理信号中的第三特征点;提取第二生理信号中的第四特征点;将第三特征点和第四特征点,计算第一脉搏波传导时间;根据第一脉搏波传导时间和第一脉搏波传导距离,得到第一PWV值,第一脉搏波传导距离为根据第一测量点和第二测量点得到的。
在该实现方式中,先根据两个生理信号计算出传导时间,即将第三特征点和第四特征点之间的时间差作为传导时间,再根据传导时间和传导距离,计算出PWV值。
在第一方面的一些可能的实现方式中,第一生理信号为PPG信号,第二生理信号为PPG信号或ECG信号或BCG信号或SCG信号;第三特征点为脉搏波底点,第四特征点为脉搏波底点或AO点或I波点。
在第一方面的一些可能的实现方式中,上述根据第一生理信号和第二生理信号,得到第一PWV值的过程也可以包括:根据第一生理信号和第二生理信号,计算第二脉搏波传导时间;获取通过第一传感器模块采集的第一测量点的第四生理信号;获取通过第二传感器模块采集的第三测量点的第五生理信号;根据第四生理信号和第五生理信号,计算第三脉搏波传导时间;计算第二脉搏波传导时间和第二脉搏波传导时间之间的传导时间差;根据传导时间差和第二脉搏波传导距离,得到第一PWV值,第二脉搏波传导距离为根据第二测量点和第三测量点得到的。
在该实现方式中,通过多次测量,计算出任意部位的PWV值。
在第一方面的一些可能的实现方式中,在获得第一生理信号和第二生理信号之后,该方法还可以包括:根据第一生理信号或第二生理信号,确定心律是否异常;当心律正常,进入根据第一生理信号和第二生理信号,得到第一PWV值的步骤。
在第一方面的一些可能的实现方式中,在根据第一生理信号或第二生理信号,确定心律是否异常之后,该方法还可以包括:当心律异常,确定是否为短阵性心律异常;当为短阵性心律异常,去除心律异常对应的第一生理信号和第二生理信号,以得到心律正常对应的第一生理信号和第二生理信号,再进入根据第一生理信号和第二生理信号,得到第一PWV值的步骤。
在第一方面的一些可能的实现方式中,在确定是否为短阵性心律异常之后,该方法还可以包括:
当为连续性心律异常时,执行第五操作,第五操作用于提示用户当前心律失常发作,不适合继续进行PWV测量。
在第一方面的一些可能的实现方式中,在执行第五操作之后,该方法还可以包括:执行第六操作,第六操作用于询问用户是否开启测量提醒功能;当开启测量提醒功能后,通过第一传感器模块采集第四生理信号;根据第四生理信号,判断心律是否异常;当心律正常,执行第七操作,第七操作用于提示用户当前适合进行PWV测量;当心律异常,返回通过第一传感器模块采集第四生理信号的步骤。
需要说明的是,在PWV测量过程中,智能判断用户心律异常情况,可以进一步提高PWV测量准确性。
在第一方面的一些可能的实现方式中,在根据第一生理信号和第二生理信号,得到第一PWV值之后,该方法还可以包括:根据第一PWV值,确定动脉硬度等级;根据动脉硬度等级和动脉硬化危险因素,确定动脉硬化风险等级。
在第一方面的一些可能的实现方式中,上述根据动脉硬度等级和动脉硬化危险因素,确定动脉硬化风险等级的过程可以包括:将动脉硬度等级和动脉硬化危险因素输入动脉硬化风险评估决策器,获得动脉硬化风险评估决策器输出的动脉硬化风险等级;
或者,
将动脉硬度等级、动脉硬化危险因素以及用户是否处于快速恶化期的结果输入动脉硬化风险评估决策器,获得动脉硬化风险评估决策器输出的动脉硬化风险等级;其中,当用户的PWV值满足预设条件时,则确定用户处于快速恶化期。
相较而言,增加用户是否处于快速恶化期的输入,可以进一步提高动脉硬化风险等级评估准确性。
在第一方面的一些可能的实现方式中,在确定动脉硬化风险等级之后,该方法还包括:根据动脉硬化风险等级,执行第八操作,第八操作用于提示PWV测量频率和/或下一次PWV测量时间。
在第一方面的一些可能的实现方式中,该方法还可以包括:获取通过第三传感器模块采集的颈动脉的血流速度信号,第三传感器模块集成在便携式电子设备上;提取血流速度信号中的收缩期峰值点和舒张末期点;根据收缩期峰值点的血流速度和舒张末期点的血流速度,确定颈动脉狭窄程度。
示例性地,该便携式电子设备可以为项圈式耳机,该第三传感器模块可以为超声阵列。
第二方面,本申请实施例提供一种基于便携式电子设备的PWV检测装置,该装置可以包括:
第一采集模块,用于获取通过第一传感器模块采集的第一测量点的第一生理信号,
第二采集模块,用于获取通过第二传感器模块采集的第二测量点的第二生理信号,第一传感器模块和第二传感器模块均集成在便携式电子设备上;
处理模块,用于根据第一生理信号和第二生理信号,得到第一PWV值。
在第二方面的一些可能的实现方式中,上述处理模块具体用于:对第一生理信号进行特征点提取,得到第一特征点;根据第一特征点,得到第一特征集;对第二生理信号进行特征点提取,得到第二特征点;根据第二特征点,得到第二特征集;根据第一特征点和第二特征点,得到关联特征集;将第一特征集、第二特征集和关联特征集输入PWV模型,获得PWV模型输出的第一PWV值,或者,将第一特征集、第二特征集、关联特征集和用户个人信息输入PWV模型,获得PWV模型输出的第一PWV值。
在第二方面的一些可能的实现方式中,上述处理模块具体用于:对第一生理信号预处理,得到预处理后的第一生理信号;从预处理后的第一生理信号中提取出第一特征点;其中,预处理包括以下至少一种:滤波、幅值归一、波形平均以及波形特征增强。
在第二方面的一些可能的实现方式中,第一生理信号为PPG信号,第二生理信号为ECG信号或BCG信号或SCG信号。
在第二方面的一些可能的实现方式中,第一测量点为腕部,第二测量点为指尖,第一传感器模块为PPG采集模块,第二传感器模块为ECG采集模块;第一传感器模块和第二传感器模块集成在同一个便携式电子设备上;第一PWV值为颈动脉-股动脉脉搏波传导速度cfPWV。
在第二方面的一些可能的实现方式中,第一传感器模块和第二传感器模块均集成在腕戴式的可穿戴设备上,其中,第一传感器模块集成在腕戴式的可穿戴设备的本体底部,第二传感器模块集成在腕戴式的可穿戴设备的本体侧边。
在第二方面的一些可能的实现方式中,上述装置还可以包括PWV跟踪测量模块,用于:获取每隔预设周期通过第一传感器模块采集的至少一个第三生理信号;对第三生理信号进行特征点提取,得到第三特征集;根据预设拟合模型、第三特征集和基础PWV值,得到至少一个第二PWV值,基础PWV值为第一PWV值。
在第二方面的一些可能的实现方式中,上述装置还可以包括:第一提示模块,用于根据基础PWV值和第二PWV值,确定是否符合预设PWV值异常条件;当符合预设PWV值异常条件,则执行第一操作,第一操作用于提示用户进行PWV主动测量。
在第二方面的一些可能的实现方式中,上述装置还可以包括:第二提示模块,用于获取通过PWV主动测量得到的第三PWV值;当第二PWV值和第三PWV值之间的差值在预设范围内,则执行第二操作,第二操作用于提示用户的身体状态出现异常;当第二PWV值和第三PWV值之间的差值不在预设范围内,则校正基础PWV值,并更新预设拟合模型。
在第二方面的一些可能的实现方式中,第一PWV值为用户服药后通过主动测量得到的PWV值;上述装置还可以包括药效评估模块,用于:获取服药时间;根据第一PWV值和至少一个第二PWV值,确定服药间隔内的PWV值变化趋势,服药间隔为连续两次服药时间之间的时间段;当PWV值变化趋势符合第一条件,执行第三操作,第三操作用于提示用户所服药物无药效。
在第二方面的一些可能的实现方式中,当PWV值变化趋势符合第二条件,该药效评估模块还用于:根据PWV值变化趋势,确定单次药效时长是否大于服药间隔;当单次药效时长大于服药间隔,执行第四操作,第四操作用于提示用户减少服药次数。
在第二方面的一些可能的实现方式中,上述处理模块具体用于:提取第一生理信号中的第三特征点;提取第二生理信号中的第四特征点;将第三特征点和第四特征点,计算第一脉搏波传导时间;根据第一脉搏波传导时间和第一脉搏波传导距离,得到第一PWV值,第一脉搏波传导距离为根据第一测量点和第二测量点得到的。
在第二方面的一些可能的实现方式中,第一生理信号为PPG信号,第二生理信号为PPG信号或ECG信号或BCG信号或SCG信号;第三特征点为脉搏波底点,第四特征点为脉搏波底点或AO点或I波点。
在第二方面的一些可能的实现方式中,上述处理模块具体用于:根据第一生理信号和第二生理信号,计算第二脉搏波传导时间;获取通过第一传感器模块采集的第一测量点的第四生理信号;获取通过第二传感器模块采集的第三测量点的第五生理信号;根据第四生理信号和第五生理信号,计算第三脉搏波传导时间;计算第二脉搏波传导时间和第二脉搏波传导时间之间的传导时间差;根据传导时间差和第二脉搏波传导距离,得到第一PWV值,第二脉搏波传导距离为根据第二测量点和第三测量点得到的。
在第二方面的一些可能的实现方式中,上述装置还包括心律异常判断模块,用于:根据第一生理信号或第二生理信号,确定心律是否异常;当心律正常,进入根据第一生理信号和第二生理信号,得到第一PWV值的步骤。
在第二方面的一些可能的实现方式中,上述心律异常判断模块还用于:当心律异常,确定是否为短阵性心律异常;当为短阵性心律异常,去除心律异常对应的第一生理信号和第二生理信号,以得到心律正常对应的第一生理信号和第二生理信号,再进入根据第一生理信号和第二生理信号,得到第一PWV值的步骤。
在第二方面的一些可能的实现方式中,上述心律异常判断模块还用于:当为连续性心律异常时,执行第五操作,第五操作用于提示用户当前心律失常发作,不适合继续进行PWV测量。
在第二方面的一些可能的实现方式中,上述心律异常判断模块还用于:执行第六操作,第六操作用于询问用户是否开启测量提醒功能;当开启测量提醒功能后,通过第一传感器模块采集第四生理信号;根据第四生理信号,判断心律是否异常;当心律正常,执行第七操作,第七操作用于提示用户当前适合进行PWV测量;当心律异常,返回通过第一传感器模块采集第四生理信号的步骤。
在第二方面的一些可能的实现方式中,上述装置还包括动脉硬化风险等级评估模块,用于:根据第一PWV值,确定动脉硬度等级;根据动脉硬度等级和动脉硬化危险因素,确定动脉硬化风险等级。
在第二方面的一些可能的实现方式中,动脉硬化风险等级评估模块具体用于:将动脉硬度等级和动脉硬化危险因素输入动脉硬化风险评估决策器,获得动脉硬化风险评估决策器输出的动脉硬化风险等级;
或者,将动脉硬度等级、动脉硬化危险因素以及用户是否处于快速恶化期的结果输入动脉硬化风险评估决策器,获得动脉硬化风险评估决策器输出的动脉硬化风险等级;其中,当用户的PWV值满足预设条件时,则确定用户处于快速恶化期。
在第二方面的一些可能的实现方式中,动脉硬化风险等级评估模块还用于:根据动脉硬化风险等级,执行第八操作,第八操作用于提示PWV测量频率和/或下一次PWV测量时间。
在第二方面的一些可能的实现方式中,该装置还可以包括:颈动脉狭窄程度评估模块,用于:获取通过第三传感器模块采集的颈动脉的血流速度信号,第三传感器模块集成在便携式电子设备上;提取血流速度信号中的收缩期峰值点和舒张末期点;根据收缩期峰值点的血流速度和舒张末期点的血流速度,确定颈动脉狭窄程度。
上述基于便携式电子设备的PWV检测装置具有实现上述第一方面的基于便携式电子设备的PWV检测方法的功能,该功能可以通过硬件实现,也可以通过硬件执行相应的软件实现,硬件或软件包括一个或多个与上述功能相对应的模块,模块可以是软件和/或硬件。
第三方面,本申请实施例提供一种电子设备,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现如上述第一方面任一项的方法。
第四方面,本申请实施例还提供了一种基于便携式电子设备的PWV检测系统,该系统可以包括生理信号采集模块和处理模块。生理信号采集模块用于采集测量点的生理信号,处理模块用于根据生理信号,计算出PWV值。
其中,该生理信号采集模块和处理模块可以集成在同一个电子设备,也可以集成在不同的电子设备,当集成在不同的电子设备时,该系统则可以包括多个电子设备。
第五方面,本申请实施例提供一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现如上述第一方面任一项的方法。
第六方面,本申请实施例提供一种芯片系统,该芯片系统包括处理器,处理器与存储器耦合,处理器执行存储器中存储的计算机程序,以实现如上述第一方面任一项所述的方法。该芯片系统可以为单个芯片,或者多个芯片组成的芯片模组。
第七方面,本申请实施例提供一种计算机程序产品,当计算机程序产品在电子设备上运行时,使得电子设备执行上述第一方面任一项所述的方法。
可以理解的是,上述第二方面至第七方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
附图说明
图1为本申请实施例提供的电子设备100的一种硬件结构示意图;
图2为本申请实施例提供的电子设备100的一种软件结构框图;
图3为本申请实施例提供的通过智能手表采集生理信号的示意图;
图4为本申请实施例提供的智能手表示意图;
图5为本申请实施例提供的cfPWV测量流程示意图;
图6为本申请实施例提供的PWV测量过程的界面示意图;
图7为本申请实施例提供的通过智能手表进行PWV测量的流程示意图;
图8为本申请实施例提供的两个测量点的PPG信号示意图;
图9为本申请实施例提供的通过智能手机进行PWV测量的流程示意图;
图10为本申请实施例提供的PPG信号和SCG信号或者BCG信号的示意图;
图11为本申请实施例提供的通过智能手环进行PWV测量的流程示意图;
图12为本申请实施例提供的通过手环和耳机协同进行PWV测量的流程示意图;
图13为本申请实施例提供的通过智能手环进行PWV测量的另一种流程示意图;
图14为本申请实施例提供的通过智能手机进行PWV测量的另一种流程示意图;
图15为本申请实施例提供的摄像头采集的指尖PPG信号示意图;
图16为本申请实施例提供的通过智能手环进行PWV测量的另一种流程示意图;
图17为本申请实施例提供的腕部PAT的示意图;
图18为本申请实施例提供的脚踝PAT的示意图;
图19为本申请实施例提供的基于心律异常情况判断的PWV测量流程示意图;
图20为本申请实施例提供的通过智能手表显示提示信息的一种示意图;
图21为本申请实施例提供的通过手机显示提示信息的一种示意图;
图22为本申请实施例提供的动脉硬化检测的开关示意界面图;
图23为本申请实施例提供的cfPWV跟踪测量过程的流程示意图;
图24为本申请实施例提供的跟踪监测过程中的手机提示界面示意图;
图25为本申请实施例提供的基于跟踪测量的药效评估过程的流程示意图;
图26为本申请实施例提供的通过手机提醒用户的另一种示意图;
图27为本申请实施例提供的动脉硬化风险等级评估示意图;
图28为本申请实施例提供的动脉硬化风险等级评估过程的流程示意图;
图29为本申请实施例提供的动脉硬化评估问卷的界面示意图
图30为本申请实施例提供的PWV检测结果界面示意图;
图31为本申请实施例提供的通过耳机进行颈动脉狭窄程度检测的流程示意图;
图32为本申请实施例提供的血流波形示意图;
图33为本申请实施例提供的项圈式耳机示意图。
具体实施方式
针对现有的院内PWV测量方式带来的测量门槛高,以及无法满足用户随时随地的测量需求等问题,本申请实施例提供了基于便携式电子设备的PWV检测方案,以通过使用便携式电子设备实现院外PWV测量,降低PWV测量门槛,满足用户随时随地的测量需求。
具体来说,基于便携式电子设备的PWV检测方式,测量过程可以独自完成,不需要专业测量人员,降低了PWV测量门槛;另外,由于使用日常使用的手机、智能手环、智能手表以及耳机等电子设备即可实现PWV测量,这样,用户可以随时随地进行测量,减少了时间和空间上的限制。
本申请实施例中,便携式电子设备上通常集成有用于采集生理信号的传感器。便携式电子设备通过所集成的传感器采集用户相应部位的生理信号之后,可以将生理信号传输给用于数据处理的电子设备,该电子设备再对生理信号进行处理,得到PWV测量结果。例如,便携式电子设备为手环,用于数据处理的其它电子设备为手机,此时,手环将采集到的生理信号发送给手机,手机再对生理信号进行数据处理,得到PWV测量结果。
在另一些实施例中,便携式电子设备也可以在本设备进行数据处理,不用将采集的生理信号传输到其它电子设备。例如,便携式电子设备为手机,手机通过自身集成的传感器采集到生理信号之后,对生理信号进行处理,得到PWV测量结果。又例如,便携式电子设备为手环,手环对采集的生理信号进行数据处理。
也就是说,本申请实施例可能涉及用于采集生理信号的电子设备和用于数据处理的电子设备,也可能涉及具备生理信号采集功能和数据处理功能的电子设备,这些电子设备通常为便携式电子设备。
本申请实施例对电子设备的具体类型不作任何限制。示例性地,图1示出了电子设备100的一种硬件结构示意图。
如图1所示,电子设备100可以包括处理器110,内部存储器120,通用串行总线(universal serial bus,USB)接口130,充电管理模块140,电源管理模块141,电池142,天线1,无线通信模块150,音频模块160,扬声器160A,受话器160B,麦克风160C,耳机接口160D,传感器模块170,按键180,马达181,指示器182,摄像头183,显示屏184。其中传感器模块170可以包括压力传感器170A,加速度传感器170B,触摸传感器170C、光电容积脉搏波描记图(Photoplethysmography,PPG)传感器170D、心电图(Electrocardiography,ECG)传感器170E、以及超声传感器170F等。
可以理解的是,本申请实施例示意的结构并不构成对电子设备100的具体限定。在本申请另一些实施例中,电子设备100可以包括比图示更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。图示的部件可以以硬件,软件或软件和硬件的组合实现。
例如,当电子设备100为智能手环或智能手表时,该电子设备100可以包括处理器100、内部存储器120、充电管理模块140、电源管理模块141、电池142、无线通信模块150、传感器模块170、马达181、显示屏184,而在传感器模块170中可以包括PPG传感器170D和ECG传感器170E。
又例如,当电子设备100为手机时,电子设备100除了包括图1示出的部件之外,还可以包括2G/3G/4G/5G移动通信模块以及SIM卡接口等。
处理器110可以包括一个或多个处理单元,例如:处理器110可以包括应用处理器(application processor,AP),调制解调处理器,图形处理器(graphics processingunit,GPU),图像信号处理器(image signal processor,ISP),控制器,存储器,视频编解码器,数字信号处理器(digital signal processor,DSP),基带处理器,和/或神经网络处理器(neural-network processing unit,NPU)等。其中,不同的处理单元可以是独立的器件,也可以集成在一个或多个处理器中。
其中,控制器可以是电子设备100的神经中枢和指挥中心。控制器可以根据指令操作码和时序信号,产生操作控制信号,完成取指令和执行指令的控制。
处理器110中还可以设置存储器,用于存储指令和数据。
在一些实施例中,处理器110可以包括一个或多个接口。接口可以包括集成电路(inter-integrated circuit,I2C)接口,集成电路内置音频(inter-integrated circuitsound,I2S)接口,脉冲编码调制(pulse code modulation,PCM)接口,通用异步收发传输器(universal asynchronous receiver/transmitter,UART)接口,移动产业处理器接口(mobile industry processor interface,MIPI),通用输入输出(general-purposeinput/output,GPIO)接口,用户标识模块(subscriber identity module,SIM)接口,和/或通用串行总线(universal serial bus,USB)接口等。
I2C接口是一种双向同步串行总线,包括一根串行数据线(serial data line,SDA)和一根串行时钟线(derail clock line,SCL)。在一些实施例中,处理器110可以包含多组I2C总线。处理器110可以通过不同的I2C总线接口分别耦合触摸传感器170C,充电器,闪光灯,摄像头183等。例如:处理器110可以通过I2C接口耦合触摸传感器170C,使处理器110与触摸传感器170C通过I2C总线接口通信,实现电子设备100的触摸功能。
I2S接口可以用于音频通信。在一些实施例中,处理器110可以包含多组I2S总线。处理器110可以通过I2S总线与音频模块160耦合,实现处理器110与音频模块160之间的通信。
PCM接口也可以用于音频通信,将模拟信号抽样,量化和编码。在一些实施例中,音频模块160与无线通信模块150可以通过PCM总线接口耦合。I2S接口和PCM接口都可以用于音频通信。
UART接口是一种通用串行数据总线,用于异步通信。该总线可以为双向通信总线。它将要传输的数据在串行通信与并行通信之间转换。在一些实施例中,UART接口通常被用于连接处理器110与无线通信模块150。例如:处理器110通过UART接口与无线通信模块150中的蓝牙模块通信,实现蓝牙功能。
MIPI接口可以被用于连接处理器110与显示屏184,摄像头183等外围器件。MIPI接口包括摄像头串行接口(camera serial interface,CSI),显示屏串行接口(displayserial interface,DSI)等。在一些实施例中,处理器110和摄像头183通过CSI接口通信,实现电子设备100的拍摄功能。处理器110和显示屏184通过DSI接口通信,实现电子设备100的显示功能。
GPIO接口可以通过软件配置。GPIO接口可以被配置为控制信号,也可被配置为数据信号。在一些实施例中,GPIO接口可以用于连接处理器110与摄像头183,显示屏184,无线通信模块150,音频模块160,传感器模块170等。GPIO接口还可以被配置为I2C接口,I2S接口,UART接口,MIPI接口等。
USB接口130是符合USB标准规范的接口,具体可以是Mini USB接口,Micro USB接口,USB Type C接口等。USB接口130可以用于连接充电器为电子设备100充电,也可以用于电子设备100与外围设备之间传输数据。也可以用于连接耳机,通过耳机播放音频。该接口还可以用于连接其他电子设备,例如AR设备等。
可以理解的是,本申请实施例示意的各模块间的接口连接关系,只是示意性说明,并不构成对电子设备100的结构限定。在本申请另一些实施例中,电子设备100也可以采用上述实施例中不同的接口连接方式,或多种接口连接方式的组合。
充电管理模块140用于从充电器接收充电输入。其中,充电器可以是无线充电器,也可以是有线充电器。在一些有线充电的实施例中,充电管理模块140可以通过USB接口130接收有线充电器的充电输入。在一些无线充电的实施例中,充电管理模块140可以通过电子设备100的无线充电线圈接收无线充电输入。充电管理模块140为电池142充电的同时,还可以通过电源管理模块141为电子设备供电。
电源管理模块141用于连接电池142,充电管理模块140与处理器110。电源管理模块141接收电池142和/或充电管理模块140的输入,为处理器110,内部存储器120,外部存储器,显示屏184,摄像头183,和无线通信模块150等供电。电源管理模块141还可以用于监测电池容量,电池循环次数,电池健康状态(漏电,阻抗)等参数。在其他一些实施例中,电源管理模块141也可以设置于处理器110中。在另一些实施例中,电源管理模块141和充电管理模块140也可以设置于同一个器件中。
电子设备100的无线通信功能可以通过天线1,无线通信模块1060,调制解调处理器以及基带处理器等实现。
天线1用于发射和接收电磁波信号。电子设备100中的每个天线可用于覆盖单个或多个通信频带。不同的天线还可以复用,以提高天线的利用率。例如:可以将天线1复用为无线局域网的分集天线。在另外一些实施例中,天线可以和调谐开关结合使用。
调制解调处理器可以包括调制器和解调器。其中,调制器用于将待发送的低频基带信号调制成中高频信号。解调器用于将接收的电磁波信号解调为低频基带信号。随后解调器将解调得到的低频基带信号传送至基带处理器处理。低频基带信号经基带处理器处理后,被传递给应用处理器。应用处理器通过音频设备(不限于扬声器160A,受话器160B等)输出声音信号,或通过显示屏184显示图像或视频。在一些实施例中,调制解调处理器可以是独立的器件。在另一些实施例中,调制解调处理器可以独立于处理器110,与移动通信模块或其他功能模块设置在同一个器件中。
无线通信模块150可以提供应用在电子设备100上的包括无线局域网(wirelesslocal area networks,WLAN)(如无线保真(wireless fidelity,Wi-Fi)网络),蓝牙(bluetooth,BT),全球导航卫星系统(global navigation satellite system,GNSS),调频(frequency modulation,FM),近距离无线通信技术(near field communication,NFC),红外技术(infrared,IR)等无线通信的解决方案。无线通信模块150可以是集成至少一个通信处理模块的一个或多个器件。无线通信模块150经由天线1接收电磁波,将电磁波信号调频以及滤波处理,将处理后的信号发送到处理器110。无线通信模块150还可以从处理器110接收待发送的信号,对其进行调频,放大,经天线1转为电磁波辐射出去。
在一些实施例中,电子设备100天线1和无线通信模块1060耦合,使得电子设备1000可以通过无线通信技术与网络以及其他设备通信。无线通信技术可以包括全球移动通讯系统(global system for mobile communications,GSM),通用分组无线服务(generalpacket radio service,GPRS),码分多址接入(code division multiple access,CDMA),宽带码分多址(wideband code division multiple access,WCDMA),时分码分多址(time-division code division multiple access,TD-SCDMA),长期演进(long termevolution,LTE),BT,GNSS,WLAN,NFC,FM,和/或IR技术等。GNSS可以包括全球卫星定位系统(global positioning system,GPS),全球导航卫星系统(global navigation satellitesystem,GLONASS),北斗卫星导航系统(beidou navigation satellite system,BDS),准天顶卫星系统(quasi-zenith satellite system,QZSS)和/或星基增强系统(satellitebased augmentation systems,SBAS)。
电子设备100通过GPU,显示屏184,以及应用处理器等实现显示功能。GPU为图像处理的微处理器,连接显示屏184和应用处理器。GPU用于执行数学和几何计算,用于图形渲染。处理器110可包括一个或多个GPU,其执行程序指令以生成或改变显示信息。
显示屏184用于显示图像,视频等。显示屏184包括显示面板。显示面板可以采用液晶显示屏(liquid crystal display,LCD),有机发光二极管(organic light-emittingdiode,OLED),有源矩阵有机发光二极体或主动矩阵有机发光二极体(active-matrixorganic light emitting diode的,AMOLED),柔性发光二极管(flex light-emittingdiode,FLED),Miniled,MicroLed,Micro-oLed,量子点发光二极管(quantum dot lightemitting diodes,QLED)等。在一些实施例中,电子设备100可以包括1个或N个显示屏184,N为大于1的正整数。
电子设备100可以通过ISP,摄像头183,视频编解码器,GPU,显示屏184以及应用处理器等实现拍摄功能。
ISP用于处理摄像头183反馈的数据。例如,拍照时,打开快门,光线通过镜头被传递到摄像头感光元件上,光信号转换为电信号,摄像头感光元件将电信号传递给ISP处理,转化为肉眼可见的图像。ISP还可以对图像的噪点,亮度,肤色进行算法优化。ISP还可以对拍摄场景的曝光,色温等参数优化。在一些实施例中,ISP可以设置在摄像头183中。
摄像头183用于捕获静态图像或视频。物体通过镜头生成光学图像投射到感光元件。感光元件可以是电荷耦合器件(charge coupled device,CCD)或互补金属氧化物半导体(complementary metal-oxide-semiconductor,CMOS)光电晶体管。感光元件把光信号转换成电信号,之后将电信号传递给ISP转换成数字图像信号。ISP将数字图像信号输出到DSP加工处理。DSP将数字图像信号转换成标准的RGB,YUV等格式的图像信号。在一些实施例中,电子设备100可以包括1个或N个摄像头183,N为大于1的正整数。
内部存储器120可以用于存储计算机可执行程序代码,可执行程序代码包括指令。处理器110通过运行存储在内部存储器120的指令,从而执行电子设备100的各种功能应用以及数据处理。内部存储器120可以包括存储程序区和存储数据区。其中,存储程序区可存储操作系统,至少一个功能所需的应用程序(比如声音播放功能,图像播放功能等)等。存储数据区可存储电子设备100使用过程中所创建的数据(比如音频数据,电话本等)等。此外,内部存储器120可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件,闪存器件,通用闪存存储器(universal flash storage,UFS)等。
电子设备100可以通过音频模块160,扬声器160A,受话器160B,麦克风160C,耳机接口160D,以及应用处理器等实现音频功能。例如音乐播放,录音等。
音频模块160用于将数字音频信息转换成模拟音频信号输出,也用于将模拟音频输入转换为数字音频信号。音频模块160还可以用于对音频信号编码和解码。在一些实施例中,音频模块1070可以设置于处理器110中,或将音频模块160的部分功能模块设置于处理器110中。
压力传感器170A用于感受压力信号,可以将压力信号转换成电信号。在一些实施例中,压力传感器170A可以设置于显示屏184。压力传感器170A的种类很多,如电阻式压力传感器,电感式压力传感器,电容式压力传感器等。电容式压力传感器可以是包括至少两个具有导电材料的平行板。当有力作用于压力传感器170A,电极之间的电容改变。电子设备100根据电容的变化确定压力的强度。当有触摸操作作用于显示屏184,电子设备100根据压力传感器1080A检测触摸操作强度。电子设备100也可以根据压力传感器180A的检测信号计算触摸的位置。在一些实施例中,作用于相同触摸位置,但不同触摸操作强度的触摸操作,可以对应不同的操作指令。例如:当有触摸操作强度小于第一压力阈值的触摸操作作用于短消息应用图标时,执行查看短消息的指令。当有触摸操作强度大于或等于第一压力阈值的触摸操作作用于短消息应用图标时,执行新建短消息的指令。
加速度传感器170B可检测电子设备100在各个方向上(一般为三轴)加速度的大小。当电子设备100静止时可检测出重力的大小及方向。还可以用于识别电子设备姿态,应用于横竖屏切换,计步器等应用。
触摸传感器170C,也称“触控面板”。触摸传感器170C可以设置于显示屏184,由触摸传感器170C与显示屏184组成触摸屏,也称“触控屏”。触摸传感器170C用于检测作用于其上或附近的触摸操作。触摸传感器可以将检测到的触摸操作传递给应用处理器,以确定触摸事件类型。可以通过显示屏184提供与触摸操作相关的视觉输出。在另一些实施例中,触摸传感器170C也可以设置于电子设备100的表面,与显示屏184所处的位置不同。
按键180包括开机键,音量键等。按键180可以是机械按键。也可以是触摸式按键。电子设备100可以接收按键输入,产生与电子设备100的用户设置以及功能控制有关的键信号输入。
马达181可以产生振动提示。马达181可以用于来电振动提示,也可以用于触摸振动反馈。例如,作用于不同应用(例如拍照,音频播放等)的触摸操作,可以对应不同的振动反馈效果。作用于显示屏184不同区域的触摸操作,马达181也可对应不同的振动反馈效果。不同的应用场景(例如:时间提醒,接收信息,闹钟,游戏等)也可以对应不同的振动反馈效果。触摸振动反馈效果还可以支持自定义。
指示器182可以是指示灯,可以用于指示充电状态,电量变化,也可以用于指示消息,未接来电,通知等。
电子设备100的软件系统可以采用分层架构,事件驱动架构,微核架构,微服务架构,或云架构。本申请实施例以分层架构的Android系统为例,示例性说明电子设备100的软件结构。
图2为本申请实施例的电子设备100的一种软件结构框图。
分层架构将软件分成若干个层,每一层都有清晰的角色和分工。层与层之间通过软件接口通信。在一些实施例中,将Android系统分为四层,从上至下分别为应用程序层,应用程序框架层,安卓运行时(Android runtime)和系统库,以及内核层。
应用程序层可以包括一系列应用程序包。
如图2所示,应用程序包可以包括相机,图库,日历,通话,地图,导航,WLAN,蓝牙,音乐,运动健康,以及血管健康研究等应用程序。
应用程序框架层为应用程序层的应用程序提供应用编程接口(applicationprogramming interface,API)和编程框架。应用程序框架层包括一些预先定义的函数。
如图2所示,应用程序框架层可以包括窗口管理器,内容提供器,视图系统,电话管理器,资源管理器,通知管理器等。
窗口管理器用于管理窗口程序。窗口管理器可以获取显示屏大小,判断是否有状态栏,锁定屏幕,截取屏幕等。
内容提供器用来存放和获取数据,并使这些数据可以被应用程序访问。所述数据可以包括视频,图像,音频,拨打和接听的电话,浏览历史和书签,电话簿等。
视图系统包括可视控件,例如显示文字的控件,显示图片的控件等。视图系统可用于构建应用程序。显示界面可以由一个或多个视图组成的。例如,包括短信通知图标的显示界面,可以包括显示文字的视图以及显示图片的视图。
电话管理器用于提供电子设备100的通信功能。例如通话状态的管理(包括接通,挂断等)。
资源管理器为应用程序提供各种资源,比如本地化字符串,图标,图片,布局文件,视频文件等等。
通知管理器使应用程序可以在状态栏中显示通知信息,可以用于传达告知类型的消息,可以短暂停留后自动消失,无需用户交互。比如通知管理器被用于告知下载完成,消息提醒等。通知管理器还可以是以图表或者滚动条文本形式出现在系统顶部状态栏的通知,例如后台运行的应用程序的通知,还可以是以对话窗口形式出现在屏幕上的通知。例如在状态栏提示文本信息,发出提示音,电子设备振动,指示灯闪烁等。
Android Runtime包括核心库和虚拟机。Android runtime负责安卓系统的调度和管理。
核心库包含两部分:一部分是java语言需要调用的功能函数,另一部分是安卓的核心库。
应用程序层和应用程序框架层运行在虚拟机中。虚拟机将应用程序层和应用程序框架层的java文件执行为二进制文件。虚拟机用于执行对象生命周期的管理,堆栈管理,线程管理,安全和异常的管理,以及垃圾回收等功能。
系统库可以包括多个功能模块。例如:表面管理器(surface manager),媒体库(Media Libraries),三维图形处理库(例如:OpenGL ES),2D图形引擎(例如:SGL)等。
表面管理器用于对显示子系统进行管理,并且为多个应用程序提供了2D和3D图层的融合。
媒体库支持多种常用的音频,视频格式回放和录制,以及静态图像文件等。媒体库可以支持多种音视频编码格式,例如:MPEG4,H.264,MP3,AAC,AMR,JPG,PNG等。
三维图形处理库用于实现三维图形绘图,图像渲染,合成,和图层处理等。
2D图形引擎是2D绘图的绘图引擎。
内核层是硬件和软件之间的层。内核层至少包含显示驱动,摄像头驱动,音频驱动,传感器驱动。
下面结合拍摄场景,示例性地说明电子设备100软件以及硬件的工作流程。
当触摸传感器170C接收到触摸操作,相应的硬件中断被发给内核层。内核层将触摸操作加工成原始输入事件(包括触摸坐标,触摸操作的时间戳等信息)。原始输入事件被存储在内核层。应用程序框架层从内核层获取原始输入事件,识别该输入事件所对应的控件。以该触摸操作是触摸单击操作,该单击操作所对应的控件为相机应用图标的控件为例,相机应用调用应用框架层的接口,启动相机应用,进而通过调用内核层启动摄像头驱动,通过摄像头183捕获静态图像或视频。
下面结合图1和图2示出的电子设备100,对本申请实施例提供的基于便携式电子设备的PWV检测方案进行介绍说明。
本申请实施例中,针对PWV测量过程,按照PWV计算方式不同,可以划分方式一和方式二。下面分别对方式一和方式二进行介绍。
方式一:
首先,电子设备100获取通过第一传感器模块采集的第一生理信号,获取通过第二传感器模块采集的第二生理信号。
需要说明的是,第一传感器模块和第二传感器模块可以均集成在同一个电子设备上,该电子设备可以为电子设备100,也可以为电子设备100之外的电子设备。例如,电子设备100为手机,第一传感器模块和第二传感器模块均集成在智能手表或智能手环上,此时,智能手表或智能手环采集到生理信号之后,可以将生理信号传输给手机。又例如,电子设备100为手机,第一传感器模块和第二传感器模块均集成在手机上。
第一传感器模块和第二传感器模块也可以分别集成在两个不同的电子设备。假设这两个不同的电子设备分别为第一电子设备和第二电子设备,第一电子设备和第二电子设备中的其中一个电子设备可以是电子设备100。例如,第一电子设备为电子设备100,且电子设备100为手机,第一传感器模块集成在手机上;第二传感器模块集成在第二电子设备上,且第二电子设备为智能手环。
第一电子设备和第二电子设备也可以是电子设备100之外的电子设备。例如,电子设备100为手机,第一传感器模块集成在第一电子设备上,第二传感器模块集成在第二电子设备上,并且,第一电子设备为智能手环,第二电子设备为耳机。
还需要说明的是,用于采集生理信号的传感器模块类型不同,所能采集的生理信号也会有所不同。传感器模块类型示例性包括:PPG模组、ECG电极片、摄像头、加速度计以及压力应变仪。其中,摄像头可以用于采集PPG信号,加速度计可以用于采集心脏振动描记图(Seismocardiography,SCG)信号,压力应变仪可以用于采集心冲击描记图(Ballistocardiography,BCG)信号。根据第一传感器模块和第二传感器模块的组合,相对应地,第一生理信号和第二生理信号的组合可以示例性包括:PPG信号和ECG信号、PPG信号和SCG信号、以及PPG信号和BCG信号。
具体应用中,可以将第一传感器模块贴附于第一测量点,第二传感器模块贴附于第二测量点,以同步采集第一生理信号和第二生理信号。第一测量点和第二测量点可以是人体的任意部位,通常情况下,第一测量点和第二测量点可以是以下任意组合:颈动脉、指尖、股动脉、脚踝、心脏以及腕部等。
第一传感器模块和第二传感器模块的类型,以及第一生理信号和第二生理信号的组合方式,甚至于用于生理信号采集的电子设备类型和测量点等,都可能会影响到生理信号的采集方式。测量点是指第一传感器模块和第二传感器模块的具体采集部位,例如,当第一传感器模块采集的是腕部的PPG信号,测量点则为用户的腕部。下面示例性地对可能涉及的生理信号采集方式进行介绍。
当第一传感器模块为PPG模组,第二传感器模块为ECG电极片时,相对应地,第一生理信号为PPG信号,第二生理信号为ECG信号。
PPG模组和ECG电极片可以均集成同一个电子设备上,例如,集成在智能手环或智能手表等可穿戴设备上。
以智能手表为例,参见图3示出的通过智能手表采集生理信号的示意图,用户将智能手表31正确佩戴在左手32的腕部位置。其中,智能手表31的侧边集成有ECG电极片33,表体底部集成有PPG模组(图中未示出)。
在测量时,用户正确佩戴智能手表后,将右手34的手指指尖触摸智能手表31侧边的ECG电极片33,智能手表31即可同步采集用户的ECG信号和腕部PPG信号。如果电子设备100不是智能手表,智能手表31则将采集的ECG信号和PPG信号通过蓝牙通道发送到电子设备100。
当然,用户也可以将图3中的智能手表31佩戴在脚踝,并使用手指指尖触摸智能手表31侧边的ECG电极片33。这样,智能手表31即可同步采集到脚踝PPG信号和ECG信号。
同理,用户也可以将图3中的智能手表31的表体底部的PPG模组贴附于用户的颈动脉或者股动脉等处,并使用手指指尖触摸智能手表31侧边的ECG电极片33。这样,智能手表31即可采集到颈动脉PPG信号或者股动脉PPG信号,以及ECG信号。在具体测量过程中,用户可以手拿着智能手表,以让手指指尖与ECG电极片33接触,让智能手表31的表体底部贴附于用户的颈动脉或者股动脉等处。
可以理解的是,图3中智能手表31的ECG电极片33的位置仅仅是一种示意,并不造成对ECG电极片33的位置限定。
PPG模组和ECG电极片也可以分别集成在两个不同的电子设备上。
例如,PPG模组集成在耳机上,ECG电极片集成在智能手表上。该耳机例如为但不限于颈圈式耳机或者入耳式耳机等。ECG电极片可以集成在智能手表的侧边,具体可以如图3所示的位置。
在测量过程中,用户正确佩戴在耳机,并让手指指尖与智能手表上的ECG电极片接触。通过蓝牙技术让耳机和智能手表同步采集信号,这样,即可采集到耳朵PPG信号和ECG信号。
当第一传感器模块包括摄像头,第二传感器模块为加速度计或者压力应变仪时,相对应地,第一生理信号为PPG信号,第二生理信号为BCG信号或者SCG信号。
加速度计或者压力应变仪,以及摄像头可以均集成在同一个电子设备上,例如,同时集成在手机或平板电脑。
以手机为例,手机安装有前置摄像头和后置摄像头中的至少一种,并且,前置摄像头可包含前置闪光灯或者前置红外发射器等,后置摄像头可以包含常规的闪光灯。另外,手机还集成有加速度计或者压力应变仪。
在测量过程中,用户手持手机,让手指指尖贴附前置摄像头或后置摄像头,并将手机的机身贴附于胸腔位置。这样,手机即可通过摄像头采集用户的指尖PPG信号,通过加速度计采集用户的SCG信号或者通过压力应变仪采集用户的BCG信号。
例如,参加图4示出的生理信号测量方式示意图,如图4中的(a)所示,用户手拿手机41,并将手指贴附于手机的后置摄像头42,将手机机身贴附于胸腔位置。
当第一传感器模块为PPG模组,第二传感器模块为加速度计时,相对应地,第一生理信号为PPG信号,第二生理信号为SCG信号。
PPG模组和加速度计可以集成在同一个电子设备上,例如,同时集成在智能手环或智能手表等可穿戴设备上。以智能手环为例,智能手环的表体底部集成有PPG模组,且该智能手环还集成有加速度计。在测量过程中,用户正确佩戴智能手环后,将智能手环贴附于胸腔,以让智能手环的显示屏紧贴胸腔。或者,用户手持智能手表,让一个手指指尖与表体底部的PPG模组接触,让智能手环的显示屏贴附于胸腔。这样,智能手环即可通过手环底部的PPG模组采集指尖PPG信号,通过加速度计采集SCG信号。
例如,如图4中的(b)所示,左边的示意图,用户将智能手环43反戴在腕部位置,让智能手环的显示屏一侧贴附于胸腔位置。右边的示意图中,用户手持智能手环43,将智能手环43的显示屏一侧(即手环正面)贴附于胸腔,并让手指指尖贴服与智能手环43的底部,智能手环43的底部集成有PPG模组。
PPG模组和加速度计也可以分别集成在两个不同电子设备上。例如,PPG模组集成在智能手环或智能手表等可穿戴设备上,加速度计集成在手机上,此时,在测量过程中,用户正确佩戴集成有PPG模组的可穿戴设备,并将手机的机身贴附于胸腔处,以让可穿戴设备和手机同步采集生理信号,以获得到PPG信号和SCG信号。
当第一传感器模块为PPG模组,第二传感器模块为压力应变仪时,相对应地,第一生理信号为PPG信号,第二生理信号为BCG信号。
PPG模组和压力应变仪可以集成在同一个电子设备上。例如,同时集成在智能手环或智能手表等可穿戴设备上,或者集成在手机上。
PPG模组和压力应变仪也可以分别集成在两个不同的电子设备上。PPG模组集成在智能手环或智能手表等可穿戴设备上,压力应变仪集成在手机上,此时,在测量过程中,用户正确佩戴可穿戴设备,并将手机的机身贴附于胸腔,以让可穿戴设备和手机同步采集生理信号,以获得PPG信号和BCG信号。
本申请实施例可以采集用户任意部位的生理信号,上文示出的生理采集方式仅仅是一种示例。
电子设备100在获取到第一生理信号和第二生理信号之后,再对第一生理信号和第二生理信号进行处理,得到特征集。
在一些实施例中,电子设备100可以分别对第一生理信号和第二生理信号进行处理分析,得到相应的特征集。
例如,电子设备100对第二生理信号进行滤波后,再进行特征点提取,得到第二特征点,最后根据第二特征点得到第二特征集;对第一生理信号进行滤波后,再进行预处理和特征点提取等操作,得到第一特征点,最后根据第一特征点得到第一特征集。预处理操作可以包括以下至少一种:滤波、幅值归一、波形平均和波形特征增强等。
并且,对第一生理信号和第二生理信号进行分析处理,结合第一特征点和第二特征点,提取出第一生理信号和第二生理信号之间的关联特征,组成关联特征集。
电子设备100得到特征集之后,可以根据特征集和预先训练完成的PWV模型,得到PWV值。
在一些实施例中,电子设备100可以将特征集输入到PWV模型中,获得PWV模型输出的PWV测量值。例如,将第一特征集、第二特征集和关联特征集输入到PWV模型,PWV模型输出对应的PWV测量值。
在另一些实施例中,还可以结合用户的个人信息对PWV值进行校正,以进一步提高PWV测量结果的准确性。此时,电子设备100可以将第一特征集、第二特征集、关联特征集以及个人信息一并输入到PWV模型,获得PWV模型输出的PWV测量值。个人信息可以示例性包括年龄、身高、体重和性别等。
其中,PWV模型的类型是任意的,例如,该PWV模型可以为机器学习模块或生理数学模型等。示例性地,当PWV模型为机器学习模型,模型训练过程可以示例性如下:
首先,预先采集大量用户的生理信号,并使用设备准确测量出各个每个用户的生理信号对应的PWV值,组成训练数据集。
然后,使用训练数据集对预先构建的PWV模型进行训练,并计算PWV模型输出的PWV值和用户实际测量的PWV值之间的损失值,再根据损失值调整PWV模型的参数。
迭代训练多次,直到损失值趋于稳定,则认为PWV模型训练完成。
需要说明的是,本申请实施例可以通过采集不同部位的生理信号,以对全身不同动脉段的PWV进行检测,得到全身不同动脉段的PWV值。
例如,通过采集腕部PPG信号和ECG信号,可以得到颈动脉-股动脉脉搏波传导速度(catroid-femoral artery pulse wave velocity,cfPWV)。
又例如,通过采集指尖PPG,以及SCG信号或BCG信号,可以得到上肢动脉的PWV值。
为了更好地介绍方式一对应的PWV测量过程,下面结合具体场景进行示例性介绍。
第一传感器模块为PPG模组,第二采集模组为ECG电极片,且PPG模组和ECG电极片均集成在智能手表或智能手环等可穿戴设备上,以智能手表为例,PPG模组集成在智能手表的底部,ECG电极片集成在智能手表的表体侧边。
请参见图5示出的cfPWV测量流程示意图,以及图6示出的PWV测量过程的界面示意图。
如图5所示,在开始测量时或者开始测量之前,用户可以先填写或修改个人信息。例如,如图6中的(a)所示,手机主界面上包括血管健康研究61、运动健康62、智慧生活以及应用商场等应用程序。手机响应于针对血管健康研究61的操作,显示血管健康研究的“我的”页面,具体如页面63所示。当手机接收到针对页面63中的“个人信息”选项的操作时,手机响应于用户操作,显示个人信息页面64。在个人信息页面64中,用户可以填写身高、体重、性别、年龄等信息。当然,用户也可以通过运动健康62或者其它应用程序,输入个人信息。
在采集ECG和腕部PPG信号之前,电子设备100先与和智能手表建立蓝牙连接。并且,用户将智能手表佩戴在腕部,具体佩戴方式可以参见图3,在此不再赘述。在完成测量前的相应准备动作之后,用户通过电子设备100应用程序或者智能手表触发PWV测量流程。
例如,如图6中的(b)所示,用户点击手机主界面上的血管健康研究61后,手机响应于该操作,显示血管健康研究的“首页”页面。用户点击“首页”页面中开始测量按钮65,以触发PWV测量流程。
触发PWV测量流程之后,智能手表则通过所集成的ECG电极片和PPG模组,采集ECG信号和腕部PPG信号,并将采集到的ECG信号和腕部PPG信号通过蓝牙通道传输给电子设备100,电子设备100可以实时显示信号图。
例如,参见图6中的(b)和(d),手机响应于用户针对测量按钮65的点击操作,向智能手表发送一个采集指令,以告知智能手表可以开始采集信号。智能手表接收到手机的采集指令之后,从界面616变化为界面617,并开始生理信号采集。
手机接收到智能手表传输的ECG信号和腕部PPG信号之后,在PWV检测界面上实时显示信号图68。并且,在手机的PWV检测界面内,还可以显示提示信息67和操作提示示意图66,以提示用户PWV测量的相关注意事项。
电子设备100除了可以实时显示所采集的信号之外,还可以实时评估信号质量好坏。当判断出信号质量差时,则中止采集,并提醒用户调整好佩戴状态后重新测量。例如,如图6中的(c)所示,当手机判定信号质量差时,则在手机界面上显示提示信息615。当然,也可以在智能手环的界面显示对应的提示信息。另外,提示方式除了可以是文字提示方式,还可以为其它方式,例如,通过振动或者蜂鸣器等提示用户。
其中,当采集的信号符合预设质量要求时,则认为信号质量好,反之,则认为信号质量差。预设质量要求可以根据实际应用需要设定,在此不作限定。
当判断出信号质量好时,电子设备100则对采集到的ECG信号和PPG信号分别进行处理分析。具体地,电子设备100可以先判断满足预设质量要求的数据长度是否满足算法要求长度,当满足时,则可以对所采集的生理信号进行分析处理。
如图5所示,针对PPG信号,电子设备100可以先依次进行滤波、幅值归一、波形平均和波形特征增强等预处理操作;再对预处理后的PPG信号进行特征点提取,以提取出PPG特征点。PPG特征点可以示例性包括底点、主波峰点、重博切迹以及重博波峰点等;最后根据PPG特征点进行特征集计算,得到PPG特征集。
其中,PPG特征集可以示例性包括:特征点之间的时间差、特征点的幅值信息和特征点相关的波形面积信息等。特征点的幅值信息可以用于评估心脏的搏动状态;特征点相关的波形面积信息可以用于评估血流量。特征点之间的时间差可以用于评估血液流动的状态;
针对ECG信号,电子设备100先进行滤波操作,再进行特征点提取,得到ECG特征点。ECG特征点可以示例性包括QRS群的Q点、R点以及S点等。然后,电子设备100计算ECG特征点对应的幅值特征,得到ECG特征集。ECG特征集中的幅值特征可以用于评估心脏搏动情况。
同时,电子设备100结合PPG特征点和ECG特征点,计算PPG信号和ECG信号之间的传导类特征(例如传导时间等),得到关联特征集。其中,传导类特征可以用于评估心脏至腕部的脉搏波传导速度,可以作为颈股脉搏波传导速度的参考和校正因子。
在电子设备100对ECG信号和PPG信号进行分析处理的过程中,电子设备100可以在界面上显示对应的提示信息和实时信号图等。例如,如图6中的(b)所示,手机判定信号质量好时,则在PWV检测页面上显示提示信息69和实时信号图68,并且,在PWV检测过程中,在PWV检测界面上显示倒计时,根据剩余时间在PWV检测界面上依次显示提示信息610、提示信息611等。
电子设备100在计算出ECG特征集、PPG特征集和关联特征集之后,可以将个人信息、ECG特征集、PPG特征集以及关联特征集一并输入到PWV模型,并获得PWV模型输出的cfPWV。同时,电子设备在界面上展示cfPWV。
电子设备100在得到cfPWV之后,可以根据cfPWV评估用户的主动脉僵硬度,并根据主动脉僵硬度评估用户健康情况。最后,将cfPWV、健康建议和主动脉僵硬度等相关信息显示在检测结果页面。例如,如图6中的(b)所示,手机在检测结果界面612上依次显示PWV测量结果613和健康建议614。
同时,电子设备100在得到cfPWV之后,也可以将该cfPWV发送给智能手表,智能手表将cfPWV显示在界面上。例如,如图6中的(d)所示,当得到PWV测量结果之后,智能手表可以在界面618中显示出对应的PWV值。当然,智能手表除了可以显示对应的PWV值,还可以显示对应的健康建议和主动脉僵硬度等信息。
在图5中,电子设备100可以为智能手表,即智能手表可以在本端进行数据处理,得到PWV检测结果;也可以为智能手表之外的设备,例如,手机,即智能手表在采集到生理信号后,将生理信号发送到其他设备进行数据处理。
由上可见,通过日常使用的智能手表等便携式设备采集用户的生理信号,即可测量出cfPWV,评估用户的主动脉僵硬度和健康情况,满足了用户随时随地的测量需求,且操作简单,无需专业背景即可自主评估主动脉僵硬度和健康情况。同时,不需要院内专业设备,降低了测量成本。
本申请实施例可以采集用户不同部位的生理信号,基于不同部位的生理信号可以测量出不同动脉段的PWV值。其它动脉段的PWV测量过程与图5和图6示出的cfPWV测量过程类似。
图5和图6中,用户除了可以采用如图3所示的生理信号采集方式之外,还可以采用其他生理信号采集方式。另外,除了可以采集腕部PPG信号和ECG信号之外,还可以采集其他部位的生理信号,例如,采集颈动脉处的PPG信号和ECG信号。举例来说,用户可以手持智能手表,让指尖与智能手表侧边的ECG电极片接触,再将表体底部贴附于颈动脉、股动脉或脚踝等处,从而采集到ECG信号和颈动脉、股动脉或脚踝等处的PPG信号,然后通过图5的处理流程,对ECG信号和PPG信号进行处理,获得PWV模型输出的PWV值。这样,通过一个智能手表即可测量人体不同部位的PWV,评估人体不同动脉段的健康情况。
在一些实施例中,当所采集的生理信号不是图5示出的PPG信号和ECG信号,而是其它组合时,信号处理过程也与图5类似。
例如,当第一传感器模块为PPG模组,第二传感器模块为加速度计或压力应变仪时,采集的信号为PPG信号,以及SCG信号或者BCG信号。
当采集的第一生理信号和第二生理信号分别为PPG信号和SCG信号时,PPG信号的处理过程与图5中的PPG信号处理过程相同,即电子设备100先依次对PPG信号进行滤波、幅值归一、波形平均和波形特征增强等预处理操作;再对预处理操作后的PPG信号进行特征点提取,得到PPG特征集。
SCG信号的处理过程与图5中的ECG信号处理过程类似。即电子设备100先对SCG信号进行滤波,再对滤波后的SCG信号进行特征点提取,得到SCG特征集。并且,电子设备100可以根据SCG特征点和PPG特征点,计算出SCG信号和PPG信号之间的传导类特征,以得到关联特征集。
在得到SCG特征集、PPG特征集,以及SCG信号和PPG信号之间的关联特征集之后,电子设备100可以将SCG特征集、PPG特征集、关联特征集以及个人信息输入到PWV模型,获得PWV模型输出的PWV值。
以智能手机为例,该智能手机集成有摄像头和加速度计。用户在测量时,将手指指尖贴附于摄像头,将手机机身贴附于胸腔,以采集到指尖PPG信号和SCG信号。这种情况下,PWV模型输出的PWV值是心脏到手指的PWV,通过心脏到手指的PWV值可以评估上肢动脉僵硬度。
以智能手环或智能手表等可穿戴设备为例,智能手表底部集成有PPG模组,表体内集成有加速度计。用户在测量时,将指尖贴附在表体底部的PPG模组,将手表的显示屏贴附胸腔,采集到指尖PPG信号和心脏的SCG信号。这种情况下,PWV模型输出的PWV值是心脏到手指的PWV。
当采集的第一生理信号和第二生理信号为PPG信号和BCG信号时,PPG信号的处理过程与图5中的PPG信号处理过程相同,在此不再赘述。BCG信号处理过程与图5中的ECG信号处理过程类似,即电子设备100对BCG信号滤波后,对BCG信号进行特征点提取,得到BCG特征点,再根据BCG特征点得到BCG特征集。同理,电子设备100可以根据BCG特征点和PPG特征点,计算得到BCG信号和PPG信号之间的关联特征集。
以智能手机为例,智能手机上集成PPG和压力应变仪。此时,智能手机如果采集的是指尖PPG信号和心脏的BCG信号,PWV模型输出的PWV值则是心脏到手指的PWV。
方式二:
在该方式中,电子设备100获取到生理信号之后,根据生理信号计算出脉搏波传导时间;再根据脉搏波传导时间和获取到的脉搏波传导距离,计算出PWV值。脉搏波传导距离通常是指动脉长度或者血管长度。
电子设备100在计算脉搏波传导时间时,可以只基于单次测量的生理信号计算出脉搏波传导时间;也可以基于两次测量的生理信号计算出脉搏波传导时间差,此时,先根据第一次采集的生理信号计算出一个脉搏波传导时间;然后再根据第二次采集的生理信号计算出一个脉搏波传导时间,最后将这两个脉搏波传导时间相减得到脉搏波传导时间差,该脉搏波传导时间差作为计算PWV值的脉搏波传导时间。
下面对单次测量和多次测量这两种情况分别进行介绍。
单次测量:
首先,电子设备100获取通过一传感器模块采集的第一生理信号,获取通过第二传感器模块采集的第二生理信号。
需要说明的是,第一传感器模块和第二传感器模块的介绍可以参见上文方式一中关于第一传感器模块和第二传感器模块的内容。另外,生理信号的采集方式也可以参见上文方式一中的生理信号采集方式。
第一生理信号和第二生理信号的组合可以示例性包括以下情况:PPG信号和ECG信号、PPG信号和BCG信号、PPG信号和SCG信号、以及PPG信号和PPG信号。
关于PPG信号和ECG信号、PPG信号和BCG信号、以及PPG信号和SCG信号的生理采集方式和传感器模块类型等可以参加方式一的相关内容。下面将针对第一生理信号和第二生理信号均为PPG信号的生理信号采集方式进行示例性介绍。当第一传感器模块和第二传感器模块均为PPG模组,或者均为摄像头,或者一个为PPG模组,另一个为摄像头时,相对应地,第一生理信号和第二生理信号均为PPG信号。
两个PPG模组可以集成在一个电子设备。以智能手环或智能手表等可穿戴设备为例,在手环或手表的底部和侧边分别搭载一个PPG模组,即可同时测量两个部位的PPG信号。参见图7示出的智能手表示意图,如图7中的(a)所示,侧边PPG模组可以集成在表体右边,并且可以在ECG电极片上集成PPG模组,即图7中的(a)中的表体右视图中,ECG电极片是可选的。底部PPG模组可以如表体底部图所示。其中,PPG模组包括LED和PD。
图7中的(b)中的侧边PPG模组也可以集成在表体左边。同理,可以在ECG电极片上集成PPG模组,ECG电极片是可选的。
在测量过程中,用户可以手持图7示出的智能手表,将手指指尖贴附于侧边PPG模组,将底部PPG模组贴附于颈动脉、股动脉或脚踝等处。这样,智能手表的侧边PPG模组即可采集指尖PPG信号,底部PPG模组即可采集颈动脉、股动脉或脚踝处的PPG信号。
或者,用户也可以将图7的智能手表正确佩戴在腕部,并将手指指尖贴附于侧边PPG模组,智能手表则可以采集腕部PPG信号和指尖PPG信号。
两个PPG模组也可以分别集成在两个不同的设备。例如,一个PPG模组集成在耳机,另一个PPG模组集成在智能手环上。在测量过程中,用户同时佩戴耳机和智能手环,通过蓝牙技术让耳机和智能手环同步采集PPG信号。
第一传感器模块和第二传感器模块可以均为摄像头时,且均集成在一个电子设备上。例如,智能手机上设置有前置摄像头和后置摄像头,此时,在测量过程中,用户手持手机,将一个手指指尖贴附于一个摄像头上,让另一个摄像头贴附于颈动脉、股动脉或者脚踝内侧等任意部位,采集指尖和其它部位的PPG信号。
当然,第一传感器模块和第二传感器模块也可以分别为摄像头和PPG模组。例如,PPG模组集成在智能手环或智能手表等可穿戴设备上,摄像头集成在手机或平板电脑上,此时,在测量过程中,同步让两个PPG模组采集两个不同部位的PPG信号。
电子设备100获取到第第一生理信号和第二生理信号之后,可以根据第一生理信号和第二生理信号,计算出脉搏波传导时间。
最后,电子设备100根据脉搏波传导时间和脉搏波传导距离,计算出PWV值。
需要说明的是,脉搏波传导距离可以是用户输入的,即用户手动输入对应的动脉长度或者血管长度;也可以是用户选择测量点之后,由电子设备100根据身高体重模型计算出来的,例如,手机显示人体模型,用户在人体模型上选择对应的测量点后,手机根据身高体重模型计算出两个测量点之间的动脉长度或血管长度。
举例来说,以图7示出的智能手表为例,该智能手表集成有两个PPG模组,这两个PPG模组分别集成在表体底部和表体侧边。此时,第一传感器模块和第二传感器模块均为PPG模组,第一生理信号和第二生理信号均为PPG信号。
使用该智能手表进行PWV测量的流程可以参见图8中的(a),图8中的(a)示出了通过智能手表进行PWV测量的流程示意图。
如图8中的(a)所示,用户手持智能手表的表体,让手指指尖贴附于集成在表体侧边的PPG模组,并且,将表体底部的PPG模组贴附于颈动脉、股动脉或脚踝等处。在用户触发PWV测量流程后,智能手表通过侧边PPG模组采集指尖PPG信号,通过底部PPG模组采集颈动脉、股动脉或脚踝等处的PPG信号,得到两个测量点的PPG信号。其中,两个测量点可以包括但不限于:指尖和颈动脉、指尖和股动脉、指尖和脚踝等。
智能手表将两个测量点的PPG信号通过蓝牙通道同步至处理端。该处理端可以是指具有数据处理功能的设备,例如,手机和平板等。当然,智能手表也可以在本端进行PPG信号的处理,得到PWV。
处理端实时接收智能手表传输的PPG信号,并实时判断PPG信号质量。当信号质量不满足预设质量要求时,则认为信号质量差,此时,可以在处理端或者智能手表显示对应的提示信息,并通知智能手表中止信号采集,等待用户重新调整后再重新测量。
当信号质量满足预设质量要求时,处理端可以对两个测量点处的PPG信号进行处理,得到脉搏波传导时间。具体地,参见图8中的(b)示出的两个测量点的PPG信号示意图,如图8中的(b)所示,上边的PPG波形和下边的PPG波形分别为两个测量点的PPG信号,处理端通过分别提取两个PPG波形的底点,再将两个底点之间的时间差作为脉搏波传导时间PTT。
同时,处理端可以通过用户输入的动脉长度,从而得到脉搏波传导距离。或者,处理端也可以让用户选择两个测量点,然后再基于身高体重模型和用户选择的测量点,计算出两个测量点之间的动脉长度,从而得到脉搏波传导距离。例如,当用户将表体PPG贴附于颈动脉时,用户选择的两个测量点为手指指尖和颈动脉。
最后,处理端根据脉搏波传导时间和脉搏波传导距离,计算出PWV值。
其中,两个测量点不同,PWV值对应的动脉段也会有所不同。例如,当两个测量点为指尖和颈动脉时,PWV值为颈动脉至手指的PWV;当两个测量点为指尖和股动脉时,PWV值为股动脉至手指的PWV;当两个测量点为指尖和脚踝时,PWV值为脚踝至手指的PWV。
可以看出,通过在一个智能手表或智能手环等可穿戴设备上集成两个PPG模组,即可实现单设备测量多个动脉段的PWV值。
又举例来说,以智能手机为例,该智能手机集成了摄像头和对应的闪光灯,还集成了加速度计和压力应变仪中的至少一种。此时,第一传感器模块为摄像头,第二传感器模块为加速度计或压力应变仪,第一生理信号为PPG信号,第二生理信号为SCG信号或BCG信号。电子设备100为智能手机。
参见图9示出的通过智能手机进行PWV测量的流程示意图,如图9和图4中的(a)所示,用户将手指指尖贴附摄像头,并让手机机身贴附于胸腔。在开始测量时,手机通过摄像头采集指尖脉搏波,同时通过集成在机身内的压力应变仪或者加速度计采集BCG信号或者SCG信号。
手机在采集到手指PPG信号,以及BCG信号或SCG信号之后,提取出指尖脉搏波的底点,提取BCG信号的I波点或者提取SCG信号的AO点。其中,脉搏波的底点为脉搏波到达指尖的时间点,AO点为SCG信号中心脏开始射血的时间,I波点为BCG信号中心脏开始射血的时间。再将底点和AO点之间的时间差,或者底点和I波点之间的时间差作为脉搏波传导时间。
参见图10示出的PPG信号和SCG信号或者BCG信号的示意图,如图10中的(a)所示,上面的信号波形为SCG信号,在SCG信号中提取出AO点;下面的信号波形为PPG信号,从PPG信号中提取出底点;将AO点和底点之间的时间差作为传导时间。如图10中的(b)所示,上面的信号波形为BCG信号,从BCG信号中提取出I波点;下面的信号波形为PPG信号,从PPG信号中提取出底点;将I波点和底点之间的时间差作为传导时间。
用户可以通过选择测量点或者直接输入血管长度,以让手机确定出脉搏波传导距离。手机计算出传导时间之后,根据脉搏波传导距离和脉搏波传导时间,计算出PWV。此时,该PWV值是心脏到手指的PWV,可以用于评估上肢动脉僵硬度。
又举例来说,以智能手环为例,该智能手环上集成有PPG模组和加速度计。此时,第三采集模块和第四采集模块为PPG模组和加速度计,第三生理信号和第四生理信号为PPG信号和SCG信号。电子设备100可以为智能手环或处理端。
参见图11示出的通过智能手环进行PWV测量的流程示意图,如图11和图4中的(b)所示,用户手持手环,让其中一个手指指尖贴附于PPG模组,让手环的表体贴附于胸腔。或者,用户将手环反戴在腕部,即将手环表体置于腕部内侧,并让手环的表体贴附于胸腔。
在触发PWV测量流程后,智能手环通过PPG模组采集指尖PPG信号,通过加速度计采集SCG信号。
智能手环可以将采集到的PPG信号和SCG信号发送给处理端进行处理,也可以在本端处理。以智能手环在本端处理为例,智能手环从PPG信号中提取出底点,从SCG信号中提取出AO点,并将底点和AO点之间的时间差作为脉搏波传导时间。
最后,用户可以选择测量点或者手动输入血管长度,智能手环根据测量点计算出血管长度或者接收到用户的血管长度之后,根据血管长度和脉搏波传导时间,计算出上肢PWV。此时,PWV值是心脏至手指的PWV,可以用于评估上肢动脉僵硬度。
上文介绍的单次测量可以是基于单个设备的多源生理信号,即一个设备可以采集两个生理信号。在具体应用中,也可以基于多个设备协同测量,即分别使用两个设备测量两个生理信号,再根据这两个信号计算出PWV。
举例来说,以智能手环和耳机为例,耳机和智能手环上均集成有PPG模组。此时,第一传感器模块和第二传感器模块均为PPG模组,第一生理信号和第二生理信号均为PPG信号。电子设备100可以为处理端。
参见图12示出的通过手环和耳机协同进行PWV测量的流程示意图。如图12中的(a)所示,用户正确佩戴耳机,并将手环正确佩戴在腕部。当触发PWV测量流程后,通过无线通信技术让手环和耳机同步采集PPG信号,该无线通信技术可以例如为蓝牙。
示例性地,参见图12中的(c),用户将耳机121佩戴于耳朵处,并将智能手环122佩戴于腕部,耳机121和智能手环122均通过蓝牙与手机123连接。当用户佩戴完成后,可以通过操作手机123触发PWV测量流程。
耳机采集耳朵处的PPG信号之后,将PPG信号传输到处理端。同理,智能手环在采集到PPG信号之后,将PPG信号传输到处理端。处理端接收到耳朵处的PPG信号和腕部PPG信号之后,分别提取出耳朵处的PPG信号的底点,以及腕部PPG信号的底点;再将这两个底点之间的时间差作为脉搏波传导时间。
最后,处理端根据脉搏波传导时间和脉搏波传导距离,计算出颈动脉到手腕的PWV值。其中,耳朵接近颈动脉,结合心脏至耳朵和心脏至腕部的距离差即可计算出颈动脉到手腕的PWV。
脉搏波传导距离可以通过用户主动输入血管长度,或者选择测量点得到。
与图12中的(a)示出的过程类似,将手环佩戴于脚踝处,即可测量出颈动脉到脚踝的PWV。如图12中的(b)所示,用户正确佩戴耳机,并将手环佩戴于脚踝处。通过蓝牙等无线通信技术让耳机和手环同步采集PPG信号,得到耳朵PPG信号和脚踝PPG信号。蓝牙和手环均将采集到的PPG信号传输给处理端,处理端分别提取出两个PPG信号的底点,并将两个PPG信号的底点作为脉搏波传导时间。根据脉搏波传导时间和脉搏波传导距离,计算出颈踝PWV。
颈腕PWV和颈踝PWV分别可以用于评估上肢动脉的僵硬度,以及主动脉和下肢动脉的僵硬度。
多次测量:
首先,电子设备100获取通过第一传感器模块采集的第一测量点的第一生理信号,获取通过第二传感器模块采集的第二测量点的第二生理信号。
接着,电子设备100根据第一生理信号和第二生理信号,计算第一传导时间。
然后,电子设备100获取通过第一传感器模块采集的第一测量点的四生理信号,获取通过第二传感器模块采集的第三测量点的第五生理信号。
需要说明的是,此处的生理信号采集方式可以采集上述方式一和单次测量过程,在此不再赘述。
另外,两次测量的测量点是不同,第一次测量采集的是第一测量点和第二测量点的生理信号,第二测量采集的是第一测量点和第三测量点的生理信号。第一生理信号和第二生理信号的组合,与第四生理信号和第五生理信号的组合是相同的。例如,第一生理信号和第二生理信号的组合为:PPG信号和ECG信号,第四生理信号和第五生理信号的组合也为:PPG信号和ECG信号。
又例如,第一次测量采集的是颈动脉和手指指尖的生理信号,此时,第一测量点和第二测量点分别为手指指尖和颈动脉;第二次测量采集得到是股动脉和手指指尖的生理信号,此时,第一测量点和第三测量点分别为手指指尖和股动脉。
接着,电子设备100根据第四生理信号和第五生理信号,计算第二传导时间;
最后,电子设备100计算出第一传导时间和第二传导时间之间的时间差,并根据时间差和传导距离,计算出PWV值。
需要说明的是,时间差用于表征第二测量点和第三测量点之间的传导时间,最后,根据两个第二测量点和第三测量点之间的动脉长度,得到PWV值。
例如,第一次测量采集的是颈动脉和手指指尖的生理信号;第二次测量采集的是股动脉和手指指尖的生理信号,此时,第一传导时间和第二传导时间之间的时间差则为颈动脉到股动脉的传导时间。再获取到颈动脉到股动脉之间的动脉长度,则可以计算出颈动脉-股动脉的PWV值。
举例来说,以图7示出的智能手表为例,该智能手表上集成有两个PPG模组。此时,第一传感器模块和第二传感器模块均为PPG模组,电子设备100为处理端。
参见图13示出的通过智能手环进行PWV测量的另一种流程示意图,如图13所示,单次测量过程与图8中的(a)相同,图13和图8中的(a)的相同内容在此不再赘述。
当单次测量完成后,处理端根据采集的两个PPG信号,计算出一个脉搏波传导时间。如果判断出当前还没有完成两次测量,则再进行一次单次测量流程,再得到一个脉搏波传导时间。其中,两次测量过程中,底部PPG模组的贴附位置不同,例如,第一次测量,底部PPG模组的贴附位置为颈动脉,第二次测量,底部PPG模组的贴附位置为股动脉。
在完成两次测量后,处理端计算两次测量得到的脉搏波传导时间的差值,根据该差值和脉搏波传导距离,计算出PWV值。
需要说明的是,每次测量都有指尖PPG信号,以指尖PPG信号作为参考信号,可以计算出任意两个部位的脉搏波传导时间。例如,第一次测量时,用户手持表体,让指尖贴附于侧边PPG模组,并让底部PPG模组贴附于颈动脉,那么,第一次测量得到的传导时间为指尖到颈动脉指尖的传导时间;第二次测量时,用户手持表体,让指尖贴附于侧边PPG模组,并让底部PPG模组贴附于股动脉或脚踝等处,那么,第二测量得到的传导时间为指尖到股动脉或脚踝等处的传导时间。第一次测量和第二测量均有指尖PPG信号,以PPG信号作为参考信号,将第一次测量的传导时间和第二测量的传导时间相减,得到时间差值,该时间差值即为颈动脉到股动脉或者颈动脉到脚踝的传导时间。最后,根据颈动脉到股动脉的传导时间,以及颈动脉和股动脉之间的血管长度,计算出颈动脉到股动脉的PWV值;或者,根据颈动脉到脚踝的传导时间,以及对应的动脉长度,计算出颈动脉到脚踝的PWV值。
也就是说,通过单设备两次测量,可以测量身体任意两个部位之间的脉搏波传导时间,进而实现对身体任意动脉段的PWV测量。
又举例来说,以智能手机为例,该智能手机集成有前置摄像头和后置摄像头,后置摄像头包含常规的闪光灯,前置摄像头可以包含前置闪光灯或前置红外发射器,或者直接使用屏幕发光作为前置摄像头的光源,亦或者直接RGB解析。
此时,第一传感器模块和第二传感器模块均为PPG模组,电子设备100为智能手机。
参见图14示出的通过智能手机进行PWV测量的另一种流程示意图,如图14所示,手机的APP上提供两种测量模式供用户选择,用户可以根据自己需要选择是单次测量,还是双次测量。
当用户选择单次测量时,手机则响应于用户的选择操作,自动开启前置摄像头的闪光灯和后置摄像头的闪光灯。当然,闪光灯也可以是用户在手机提示下手动开启的。
手机可以通过文字或者语音提示用户如何进行测量。例如,手机在自动开启闪光灯之后,通过扬声器播放提示语音“请将手指贴附在其中一个摄像头上,并将另一个摄像头贴附于颈动脉”。
用户按照提示信息完成测量动作的准备之后,手机可以同步采集指尖PPG信号和另一个部位的PPG信号,另一个部位不限于图中示出的颈动脉,还可以为股动脉或脚踝内侧等。实际上,用户可以将一个手指贴附在一个摄像头上,将另一个摄像头贴附于任意位置均可。
其中,通过摄像头采集的指尖PPG信号可以图15所示。
手机采集到指尖PPG信号和另一个部位的PPG信号之后,分别提取这两个PPG信号的底点,将两个PPG信号的底点之间的时间差作为传导时间。最后,手机根据传导时间和传导距离,计算得到两点之间的PWV。其中,传导距离通常是指两个测量点之间的血管长度,具体可以沿肢体外表距离测量或者通过身高体重模型自动测量。例如,当手机采集的是指尖和颈动脉处的PPG信号时,传导距离可以是手指指尖到颈动脉之间的血管长度。
例如,当手机采集的是指尖和颈动脉处的PPG信号,这两个测量点则为指尖和颈动脉,此时,两点之间的PWV是指颈动脉到手指的PWV。又例如,当手机采集的是指尖和脚踝处的PPG信号,两点之间的PWV则为脚踝到手指的PWV。
当用户选择的双次测量模式时,手机响应于用户的选择操作,判断当前是否完成两次测量,如果没有完成两次测量,则进入到单次测量流程;如果已完成两次测量,则计算出两次测量得到的传导时间之间的差值,该差值则为传导时间差。计算出传导时间差之后,根据两个测量点之间的血管长度和传导时间差,计算出两个测量点之间的PWV。
需要说明的是,每次测量都有指尖PPG信号,以指尖PPG信号作为参考信号,可以计算出任意两个部位的脉搏波传导时间。例如,通过第一次测量,得到指尖到部位1的传导时间;通过第二次测量,得到指尖到部位2的传导时间。根据指尖到部位2的传导时间,以及指尖到部位1的传导时间,可以计算出部位1到部位2的传导时间。再根据部位1到部位2的血管长度,则可以计算出部位1到部位2的PWV值。依据此原理,可以测量人体任意动脉段的PWV。
例如,第一次测量时,手指指尖贴附于一个摄像头,另一个摄像头贴附于颈动脉,此时,部位1为颈动脉。第二测量时,手指指尖还是贴附于一个摄像头,另一个摄像头贴附于股动脉,此时,部位2为股动脉。根据上述原理,计算部位1到部位2的传导时间,即颈动脉到股动脉之间的传导时间,再获取颈动脉到股动脉的血管长度,即可计算出颈动脉到股动脉指尖的PWV。
又举例来说,以智能手环为例,该智能手环集成了PPG模组和ECG电极片,其中,PPG模组可以集成在智能手环底部,ECG电极片可以集成在表体侧边。
此时,第一传感器模块为PPG模组,第二传感器模块为ECG电极片。
参见图16示出的通过智能手环进行PWV测量的另一种流程示意图,如图16所示,用户将手环正确佩戴在腕部,并将一个手指指尖贴附于侧边ECG电极片。当触发PWV测量流程时,手环同步采集腕部PPG信号和ECG信号,并将采集到的信号传输到处理端,该处理端可以例如为手机。
处理端分别提取出ECG信号的R峰,提取出腕部PPG信号的底点,将R峰和底点之间的时间差作为腕部到达时间。具体可以参见图17示出的腕部PAT的示意图,如图17所示,上面的波形图为ECG信号,下面的波形图为PPG信号,将ECG信号的R峰和PPG信号的底点之间的时间差作为腕部PAT。
在完成第一次测量之后,用户可以将手环从腕部上取下来,并将该手环佩戴在脚踝,将一个手指指尖贴附于表体侧边的ECG电极片。在触发PWV测量流程时,手环同步采集脚踝PPG信号和ECG信号,并将采集得到的信号传输给处理端。
处理端提取出ECG信号的R峰,提取出脚踝PPG信号的底点,并将R峰和底点之间的时间差作为脚踝到达时间。具体可以参见图18示出的脚踝PAT的示意图,如图18所示,上面的波形图为ECG信号,下面的波形图为PPG信号,将ECG信号的R峰和PPG信号的底点之间的时间差作为脚踝PAT。
计算出脚踝到达时间和腕部到达时间之后,处理端计算脚踝到达时间和腕部到达时间之间的差值,该差值为到达时间差。
其中,以ECG信号为参考基准,脚踝到达时间和腕部到达时间之间的差值即为腕部脉搏波与脚踝脉搏波之间的脉搏波传导时间。
最后,处理端计算出心脏到腕部的距离,以及心脏到脚踝的距离,并计算这两个距离之间的差值,将该差值作为腕部到脚踝的传导距离。根据腕部到脚踝的传导距离和到达时间差,计算出腕部到脚踝的PWV。
腕部到脚踝的传导距离接近于主动脉长度,因此,通过腕部至脚踝的PWV可以评估主动脉僵硬度。
由上可见,通过手机、智能手环、智能手表以及耳机等便携式电子设备,实现了院外PWV测量。并且,还可以通过采集不同部位的生理信号,得到人体全身不同动脉段的PWV,并根据PWV评估动脉僵硬度。
在PWV测量过程中,如果用户出现心律异常,采集到的生理信号可能会不准确,进而影响到后续的PWV测量准确性。
为了提高PWV测量准确性,在启动PWV测量流程之后,电子设备100可以根据采集的PPG信号或者ECG信号等生理信号,实时判断用户的心律情况。在心律异常时,不使用采集到的生理信号进行PWV计算,而是继续判断用户的心律情况,在用户心律正常时,再使用采集到的生理信号进行PWV计算。
这样,避免了使用心律异常时的生理信号进行PWV计算,相较于不进行心律异常判断,直接根据采集的生理信号进行PWV计算,提高了PWV测量准确性
进一步地,在判断出心律异常时,电子设备100还可以继续判断心律异常是否为短阵性心律失常。如果是短阵性心律失常,可以继续采集生理信号,并根据心律判断结果剔除心律异常时的生理信号,保留心律正常时的生理信号。在采集的生理信号达到预设数据长度时,电子设备100则可以根据采集的心律正常时的生理信号进行PWV计算。
如果不是短阵性心律失常,电子设备100可以结束当次PWV测量过程,中止信号采集;也可以提示用户当前心律失常,不适合继续进行PWV测量。
在由于心律异常结束PWV测量之后,用户并不知道自己的心律什么时候正常,进而无法得知应该在什么时候再次进行PWV测量。为了进一步提高用户体验,电子设备100可以在判定出用户不是短阵性心律失常之后,提示用户是否开启“测量提醒”,或者,自动开启“测量提醒”。
电子设备100开启测量提醒之后,可以让传感器模块自动采集PPG信号,并根据PPG信号持续进行心律失常判断。当判断出当前心律为窦性心律即心律正常时,电子设备100可以提示用户当前时刻适合进行PWV测量。
需要说明的是,基于生理信号进行PWV计算的方式可以是上文提交的任意一种方式,在此不作限定。例如,可以通过方式一或者方式二计算出PWV值。
另外,生理信号的采集方式,测量点的位置以及所使用的生理信号采集设备等都是任意的。例如,通过图3采集方式,通过智能手表采集腕部PPG信号和ECG信号。
举例来说,生理信号采集设备为智能手表,该智能手表的底部集成有PPG模组,表体侧边集成有ECG电极片,电子设备100为手机。测量点为指尖和腕部,即用户将智能手表佩戴在腕部位置,并让手指指尖贴附于ECG电极片,具体可以参见图3。
参见图19示出的基于心律异常情况判断的PWV测量流程示意图,如图19所示,用户先启动PWV测试。具体地,用户可以通过图6中的开始测量按钮65启动PWV测试。
启动PWV测试之后,智能手表同步采集用户的腕部PPG信号和ECG信号,持续至少10个心跳周期,以采集到至少10个PPG信号和ECG信号。
当然,在其他一些实施例中,也可以持续采集20个心跳周期或采集预设数量个心跳周期。具体应用中,还可以通过设置采集时间长度的方式来采集生理信号,例如,持续采集30秒的生理信号。
智能手表可以将采集的PPG信号和ECG信号实时传输给手机,手机对PPG信号和ECG信号进行处理。当然,智能手表也可以在本端对生理信号进行处理,下面以手机对生理信号进行处理为例进行介绍。
手机根据ECG信号或PPG信号,智能判断心律情况。当判断出用户没有心律异常时,则可以基于所采集到的PPG信号和ECG信号,计算出PWV值。PWV值计算方式可以是上述方式一或方式二,例如,当通过上述方式一计算PWV值时,手机根据PPG信号和ECG信号,提取得到PPG特征集、ECG特征集和关联特征集,再将这三个特征集和个人信息输入到PWV模型,获得PWV模型输出的PWV值。
当判断出用户心律异常时,可以进一步判断是否为短阵性心律异常。
如果是短阵性心律失常,手机让智能手表继续同步采集PPG信号和ECG信号,并持续根据ECG信号或PPG判断心律是否失常,根据心律判断结果,自动剔除异常心跳的生理信号,保留正常心跳的生理信号。即若某个时刻心律失常,则剔除该时刻对应的PPG信号和ECG信号,若某个时刻心律正常,则保留该时刻对应的PPG信号和ECG信号。依此不断进行信号采集,直到采集到至少10个正常心跳周期的ECG信号和PPG信号,然后再进入PWV值计算过程。
例如,需要采集10个心跳周期的PPG信号和ECG信号,第1个心跳周期到第7个心跳周期,心律均正常。在第8个心跳周期时,手机判断出用户心律异常,则去除第8个心跳周期的PPG信号和ECG信号,继续采集第9个心跳周期的ECG信号。根据第9个心跳周期的PPG信号和ECG信号,判断出用户心律正常,则保留第9个心跳周期对应的PPG信号和ECG信号。同理,第10个心跳周期和第11个心跳周期时,用户心律均正常。采集完第11个心跳周期后,则采集到了10个心跳周期的PPG信号和ECG信号,则可以根据采集到的正常心跳周期的PPG信号和ECG信号,计算PWV值。
如果在PWV测量过程中,用户出现过短阵性心律失常,可以在PWV检测结果页面上显示对应的提示信息,以告知用户在测量过程中出现了心律异常,但已经进行了智能处理。例如,参见图21中的(c),手机在检测结果界面上显示出当次PWV的检测结果为10m/s,还显示了提示信息214,该提示信息214用于告知用户在测量过程中,出现了短阵性异常心律,但已经进行了智能处理,保证了PWV测量结果的准确性。其中,APP已经进行了智能处理是指:基于心律判断结果,剔除异常心跳时的生理信号,以确保用于PWV计算的生理信号是正常心跳的信号。
如果不是短阵性心律失常,是连续性心律失常时,手机可以生成对应的提示信息,并将提示信息显示在智能手表或者本设备上,以提示用户当前时刻心律异常,不适合继续进行PWV测量。并且,手机还可以询问用户是否开启“测量提醒”。
例如,参见图20示出的通过智能手表显示提示信息的一种示意图,如图20所示,在启动PWV测试之后,智能手表同步采集PPG信号和ECG信号,并显示界面201,以提示用户当前正在测量中。当手机或者智能手表根据PPG信号或ECG信号判断出用户出现非短阵性心律失常时,智能手表则显示界面202,界面202中显示有提示信息“当前心律失常,不适合继续测量”。界面202持续一段时间后,智能手表显示界面203,界面上显示有询问用户是否开启测量提醒的消息,如果用户选择“是”选项,智能手表可以反馈一个消息给手机,以告知手机用户同意开启“测量提醒”;如果用户选择“否”选项,则结束本次PWV测量流程。
又例如,参见图21示出的通过手机显示提示信息的一种示意图,如图21中的(a)所示,手机在PWV检测界面上显示提示信息211,用于提示用户“检测到当前心律失常,不适合继续测量”,以及提示信息212,用于询问用户是否开启测量提醒,如果用户选择“否”选项,则结束本次PWV测量流程;如果用户选择“是”选项,则开启“测量提醒”。
开启“测量提醒”之后,智能手表可以持续采集用户的腕部PPG信号,并基于该腕部PPG信号进行心律失常判断。当然,智能手表也可以将实时采集的腕部PPG信号发送到手机,由手机根据PPG信号进行心律失常判断。
以智能手表对后台采集的PPG信号进行心律异常判断为例,智能手表持续对后台采集的PPG信号进行心律失常判断,如果判断出当前心律异常,则继续采集腕部PPG信号;如果判断出当前心律为窦性心律,则在弹出对应的提示信息,以提示用户当前时刻心律正常,适合进行PWV测量,或者,将心律判断结果反馈给手机,让手机得知当前时刻适合PWV测量,弹出对应的提示消息通知用户。
例如,如图21中的(b)所示,手机在判断出当前时刻适合PWV测量时,以消息的形式在手机上弹出窗口213,在该窗口213上显示有“当前适合PWV检测,点击进行测量,距最近尝试检测已经过了25min”。用户可以点击窗口213跳转到PWV测量界面,开始PWV测量。如果手机正处于息屏状态,也可以以消息通知的形式弹出窗口213。
当然,在判断出当前时刻为窦性心律时,也可以在智能手表上显示对应的提示信息,以提示用户当前时刻适合PWV测量。
在另一些实施例中,用户也可以主动开启或关闭“测量提醒”功能。例如,参见图22示出的动脉硬化检测的开关示意界面图,如图22所示,手机打开血管健康研究应用程序之后,进入到“我的设备”界面221,在界面221中,显示有用户的设备,以及可支持动脉硬化检测的设备,其中,可以支持动脉硬化检测的设备有:手表、手环、手机、平板和耳机等。当前时刻下,手机和华为手表222通过蓝牙连接,即使用华为手表进行动脉硬化检测。
用户可以点击界面221中的华为手表222,手机响应于针对华为手表222的操作,显示界面223,在该界面223中,用户可以通过点击测量提醒开关224,以开启或关闭“测量提醒”功能。
可以看出,在PWV测量过程中,智能检测用户心律异常情况,并在检测到短阵性心律失常时,自动剔除异常心跳的生理信号,进一步提高了PWV测量准确率;而在检测到连续性心律失常时,后台自动采集PPG信号,根据PPG信号持续判断用户心律异常情况,在检测到窦性心律时提示用户进行PWV测量,进一步提高了PWV测量准确率。
相较而言,如果不进行心律异常判断,而是直接根据采集到的生理信号进行PWV计算,可能会出现使用异常心跳时的生理信号计算PWV值,从而导致计算出的PWV值的准确性较低。另外,如果不进行PWV测量提示,用户并不知道什么时候适合PWV测量,什么时候不适合测量,这样会导致用户在心律异常时进行PWV测量,PWV测量准确性较低。
而在本申请实施例中,在测量过程中进行心律异常判断,并且在适合测量的时候只能提醒用户进行PWV测量,显著提升了PWV测量准确性和用户体验。
上文示出的PWV测量过程一般需要人为主动测量的,例如,以图3示出的测量方式为例,用户在佩戴完智能手表后,还需要主动将一个手指指尖与表体侧边的ECG电极片接触,并在测量过程中需要指尖和ECG电极片持续接触一段时间。
人为主动测量只能间歇性地进行PWV测量,不能实现长期无感跟踪测量。针对无法长期无感跟踪测量的问题,本申请实施例提出了对应的解决方案,该方案的过程可以如下:
首先,基于上述方式一,电子设备100进行一次PWV主动测量,并将当次主动测量的PWV值作为基础PWV。
例如,采集PPG信号和ECG信号,或者PPG信号和BCG信号,或者PPG信号和SCG信号,通过上述方式一的PWV测量方式,计算得到当次测量的PWV值。
PWV主动测量可以参见上文方式一的相关内容,在此不再赘述。
接着,电子设备100进行PPG周期测量,获得采集的PPG信号。
例如,电子设备100为手机时,手机每隔预设周期(例如,每隔4小时),则控制智能手环开启后台PPG测量。智能手环接收到手机发送的PPG信号采集指令后,通过集成的PPG模组无感采集用户的腕部PPG信号,并将采集的腕部PPG信号传输至手机。
当然,电子设备100也可以为智能手表或智能手环等,此时,智能手表每隔预设周期后,则自动通过集成的PPG模组无感采集腕部PPG信号。
然后,电子设备100根据采集的PPG信号和基础PWV,拟合得到当前的PWV。
具体地,电子设备100对采集的PPG信号进行分析,获取到与基础PWV相关的特征集,将该特征集与基础PWV的PPG特征集对比,得到PPG的变化趋势,再根据该变化趋势、预设拟合模型和基础PWV,拟合得到用户当前的PWV。
其中,预设拟合模型可以用于基于基础PWV,根据基础PWV的特征集和当次采集得到的特征集,得到一个新的PWV值,该新的PWV值即为当次拟合的PWV值。
例如,基础PWV为根据PPG信号和ECG信号计算出的cfPWV,将主动测量cfPWV时的PPG特征集记为基础PPG特征集。手机对当前采集的PPG信号进行滤波、幅值归一、波形平均、波形特征增强和特征点提取等操作,得到当前的PPG特征集。使用预设拟合模型,根据当前的PPG特征集和基础PWV,得到当前的PWV,具体地,将该当前的PPG特征集和基础PPG特征集进行比对,如果当前的PPG大于基础的PPG,则相应地增大基础cfPW,得到当前的cfPWV,如果当前的PPG小于基础的PPG,则相应地减小基础cfPWV,得到当前的cfPWV。
其中,基础PWV值可以根据主动测量更新,通常情况下将最近一次的主动测量的PWV值作为基础PWV值,即每进行完一次主动测量后,则将当次主动测量的PWV值更新为基础PWV值。
依据上述过程,基于主动测量的PWV值和PPG周期测量,实现了PWV的长期无感持续跟踪测量。
具体应用中,用户可以主动开启或关闭长期跟踪测量功能,例如,如图22所示,如果通过华为手表实现跟踪测量功能,用户可以通过界面223上的跟踪测量开关225开启或关闭跟踪测量功能。
进一步地,在跟踪测量中,可以根据监测到的PWV值给出对应的健康提示信息。例如,如果监测到PWV值出现异常突变,可以提醒用户进行一次主动测量,以确定是用户的PWV出现异变,还是监测的PWV值不准确。如果用户主动测量的PWV值和拟合的PWV值一致,则认为是用户的PWV出现异常,此时,则提醒用户注意自身的PWV异常;如果用户主动测量的PWV值和拟合的PWV不一致,则认为是拟合得到的PWV值不准确,并校正基础PWV值和更新拟合过程中使用的预设拟合模型。
举例来说,基础PWV值为8m/s,通过比较基础PPG特征集和当次采集得到的PPG特征集,可以确定出当次采集得到的PPG信号变得很大,故通过预设拟合模型拟合得到的PWV值也相应地变得很大,例如,当次拟合的PWV值为10m/s。由于当次拟合的PWV和基础PWV值相差较大,则判定符合预设PWV值异常条件,则提醒用户主动测量。
用户主动测量之后,主动测量得到的PWV值是8.5m/s,与当次拟合的10m/s相差较大,则判定需要校正基础的PWV值和更新预设拟合模型。
在下一次跟踪测量过程中,使用更新后的预设拟合模型拟合得到的PWV为9m/s。
也就是说,通过更新预设拟合模型,改变拟合过程中增加或减少的PWV值,让拟合得到的PWV值更加准确。
另外,在在长期跟踪检测过程中,可以根据监测到的PWV值判断用户的PWV趋势,并根据PWV趋势给出对应的提示信息。
示例性地,以cfPWV为例,此时,电子设备100为手机,并通过智能手表采集用户的PPG信号和ECG信号。
参见图23示出的cfPWV跟踪测量过程的流程示意图,如图23所示,首先进行一次PPG和ECG的主动测量,即采集PPG信号和ECG信号,根据ECG信号和PPG信号计算出cfPWV,该过程可以参见图5,在此不再赘述。
进行一次主动测量后,手机将当次主动测量的cfPWV作为基础cfPWV。
每隔预设周期,手机则向智能手表发送一个信号采集指令,智能手表响应于该信号采集指令,通过自身所集成的PPG模组,采集腕部PPG信号,并将该腕部PPG信号发发送到手机。
或者,智能手表设置周期测量功能,即智能手表自行判断是否达到预设周期,如果是,智能手表则自动采集腕部PPG信号,并将该腕部PPG信号发送至手机。
手机对接收到的腕部PPG信号进行处理,得到当次的PPG特征集,PPG信号的处理过程可以参见图5中的PPG处理过程。
手机将当次的PPG特征集和主动测量cfPWV时的PPG特征集进行比对,确定PPG是呈增大趋势还是减小趋势。如果PPG呈增大趋势,则相应地增大基础cfPWV,得到当前拟合的cfPWV;如果PPG呈减小趋势,则相应地减小基础cfPWV,得到当前拟合的cfPWV。具体应用中,在拟合过程中,可以使用预设拟合模型进行拟合,此时,该预设拟合模型可以为PPG跟踪cfPWV的模型。
手机在得到拟合的当前cfPWV后,可以将当前cfPWV和基础cfPWV进行比对,判断cfPWV是否异常突变、cfPWV短期内是否波动很大或者是否出现多次异常cfPWV值等。
当判断出cfPWV异常突变、短期内波动大或者出现多次异常值等情况,则可以提醒用户进行一次主动测量,提醒方式可以是任意的。例如,参见图24示出的跟踪监测过程中的手机提示界面示意图,如图24中的(a)所示,手机通过跟踪监测模式监测到用户的PWV值出现异常时,则弹出窗口214,窗口214中显示有“跟踪监测到您的PWV出现异常,建议立即进行主动测量”。当然,如果手机正处于息屏状态,也可以以消息通知的方式提醒用户进行主动测量。或者,也可以通过智能手表提示用户。
用户在进行一次主动测量之后,手机判断拟合的当前cfPWV是否正确,以确认用户状态是否真的存在异常。具体地,如果拟合的当前cfPWV等于主动测量的cfPWV,或者拟合的当前cfPWV与主动测量的cfPWV的差值在预设范围内,则认为拟合的当前cfPWV正确,用户状态存在异常。此时,手机通过消息或者其它方式,提示用户注意身体状态的异常。
例如,参见图24中的(b),用户根据提示信息进行一次主动测量后,并且判断拟合的当前cfPWV是正确时,手机可以主动测量的检测结果界面中显示提示信息242,以提示用户注意自身身体状态的异常。
如果拟合的当前cfPWV与主动测量的cfPWV之间的差值不在预设范围内,手机则认为当前cfPWV不正确,用户状态不存在异常。此时,可能是由于基础cfPWV值或者PPG跟踪cfPWV的模型存在误差,需要及时校正基础cfPWV和更新PPG跟踪cfPWV的模型。
当判断出cfPWV没有出现异常突变等异常情况时,手机继续进行跟踪监测,并基于每次拟合的cfPWV进行持续监控。如果监测到用户的cfPWV有下降趋势,则可以提醒用户保持健康生活方式,反之,如果监测到用户的cfPWV有上升趋势,则可以提醒用户改善生活方式。其中,下降趋势和上升趋势的判断标准可以根据实际需要设定。例如,当cfPWV在一个月内从12m/s下降到10m/s,则认为用户的cfPWV有下降趋势。
另外,提示方式可以是任意的,例如,参见图24中的(c),当监测到用户的cfPWV呈下降趋势,手机在弹出窗口243,反之,如果监测到用户的cfPWV呈上升趋势,手机则弹出窗口244。
可以看出,本申请实施例实现了PWV的长期无感跟踪测量,还在长期跟踪测量过程中,根据PWV值的变化情况相应地提示用户,提高了用户体验。
基于上文示出的PWV的长期无感跟踪测量功能,电子设备100可以实现药效评估、服药提醒和服药建议等功能。
示例性地,参见图25示出的基于跟踪测量的药效评估过程的流程示意图,如图25所示,用户相应地进行服药、标记、测量。即用户在服药之后,在电子设备100提供的APP上标记服药时间,并进行一次PWV的主动测量。PWV主动测量过程可以参见上文,在此不再赘述。
电子设备100通过用户服药后的PWV主动测量,获得服药时的PWV值。
用户在服药后的一段时间内可以连续进行多次PWV主动测量,以获得服药后的多个PWV值。
当然,电子设备100也可以基于跟踪测量,通过后台测量方式,连续进行PWV测量,获得多个PWV值。此时,设备侧开启后台周期测量功能,周期性采集用户生理信号,并根据周期性采集的生理信号,得到多个PWV值。
例如,电子设备100为手机,通过智能手表采集用户的PPG信号和ECG信号。当开启跟踪测量功能后,智能手表可以周期性采集用户的腕部PPG信号,手机则根据周期性采集的腕部PPG信号以及基础PWV,拟合得到当前PWV。此时,基础PWV为用户服药后主动测量得到的PWV值。并且,可以通过将生理信号采集周期设置为一个小时或者半个小时,以实现短时间内多次PWV测量。
通过连续PWV测量,电子设备100可以获得多个PWV值。
电子设备100可以基于多个PWV值,结合PWV值的变化以及两次服药时间,评估短期药效。
具体地,电子设备100根据多个PWV值,判断用户服药后PWV值是否有下降。如果没有下降,则提醒用户无药效,反之,如果有下降,则继续判断单次药效是否长于服药间隔。其中,判断PWV值是否有下降的标准可以是任意的,例如,如果服药后,用户的PWV值在预设时间内的下降幅度大于或等于预设阈值,则认为用户服药后PWV值有下降,反之,则认为用户服药后的PWV值没有下降。
例如,电子设备100为手机,通过智能手表实现跟踪测量。假设用户两次服药时间分别为8:00和12:00,服药间隔为4小时。服药后主动测量的PWV值为12m/s。手机分别在9:00、10:00、11:00和12:00进行了PWV跟踪测量,并分别测得的PWV值分别为11m/s、10m/s、11m/s和12m/s。
由于用户服药后,PWV值从12m/s下降到11m/s和10m/s,手机则判定服药有PWV有下降,确定有药效。假如服药后手机跟踪测量的PWV值一直为12m/s,或在PWV值变化很小,手机则判定服药后PWV无下降,并提醒用户无药效。
手机判定有药效后,进一步判断单次服药的药效是否长于服药间隔。此时,由于用户的PWV值在12:00时上升到12m/s,即在两次服药期间PWV值先下降后上升的趋势,则可以判定单次药效小于或等于服药间隔,此时,提醒用户正常用药。
假设9:00、10:00、11:00和12:00的PWV值依次为11m/、10.5m/s、10m/s和9.5m/s,由于在两次服药期间PWV值一直下降,并且在12:00时PWV值仍然没有回升到第一次服药时主动测量的PWV值,因此,则可以判定单次药效大于服药间隔,此时,提醒用户减少服药次数。
电子设备100除了可以根据短期PWV变化评估药效,还可以根据长期PWV变化评估药效。长期通常是指一个月或者三个月或者半年以上。
用户在长期服药过程中,每次服药后均在APP上标记,并进行一次主动PWV值。并且,电子设备100可以通过周期性跟踪测量,长期无感地进行PWV测量。
电子设备100可以根据一个评估周期内的PWV值的变化情况评估药效。具体地,如果在一个评估周期内PWV值下降到正常值,则可以提醒用户停药,并保持健康生活,如果在一个评估周期内没有下降到正常值,则不进行提醒或者提醒继续用药。
用户在停药之后,电子设备100也可以持续进行PWV跟踪测量,当在下一个评估周期内判断出用户的PWV值有回升时,则可以提醒用户恢复用药,反之,如果PWV值没有回升,则继续进行PWV跟踪测量。其中,判断PWV值是否有回升的方式也是任意的,例如,可以设定用户的PWV值达到预设数值时,认为用户的PWV值有回升,或者,用户的PWV值的上升幅度大于或等于预设阈值时,认为用户的PWV值有回升。
提醒方式可以是任意的,示例性地,参见图26示出的通过手机提醒用户的另一种示意图,如图26所示,当检测到服药后PWV值无下降时,手机则弹出窗口261,以提示用户当次服药无药效;当检测到单次药效长于服药间隔时,手机则弹出窗口262,以提示用户减少服药次数;当检测到PWV值下降到正常值时,手机则弹出窗口263,以提示用户停止服药,保持健康生活习惯;用户停止服药后,检测到PWV值有回升,手机则弹出窗口264,以提示用户重新用药。
可以看出,本申请实施例基于PWV跟踪监测,实现了对相关药物的药效评估,并根据PWV值的变化,为用户提供服药建议。
在一些实施例中,电子设备100还可以基于PWV测量结果,评估用户动脉硬化风险,并给出动脉硬化风险等级。进一步,还可以根据动脉硬化风险等级向用户推荐PWV测量频率和测量时间。
首先,电子设备100进行PWV测量,获得当次测量的PWV值。
其中,PWV测量可以是用户主动测量,也可以电子设备跟踪测量。
接着,电子设备100根据当次测量的PWV值,或者根据当次测量和历史测量的PWV值,得到动脉硬度等级。
在一些实施例中,在获得当次测量的PWV值之后,可以依据动脉硬度划分标准,确定出动脉硬度等级。
其中,动脉硬度划分标准可以是指现有的医学划分标准,也可以是自定义的划分标准。该动脉硬度划分标准通常规定有数值范围和动脉硬度等级之间的对应关系。比如,数值范围1对应软,数值范围2对应稍硬,数值范围3对应硬,即当PWV值落入到数值范围1,动脉硬度等级为软,落入到数值范围2,动脉硬度等级为稍硬,落入到数值范围3,动脉硬度等级为硬。
在另一些实施例中,当次测量的PWV值可能存在一定的偶然性,为了进一步提高PWV值的准确性,可以结合当次测量和历史测量的PWV值,确定用于动脉硬度等级评估的PWV值。具体地,计算当次测量的PWV值与历史测量的PWV值之间的差值,如果相差较大,即差值大于或等于一定阈值,则不使用当次测量的PWV值进行动脉硬度等级评估,而是使用历史测量的PWV值进动脉硬度等级评估。例如,当次测量的PWV值为8m/s,但最近10次测量的PWV值均在11m/s到12m/s之间,则可以判定当次测量的PWV值与历史测量的PWV值相差较大,使用最近10次的PWV值的平均值进行动脉硬度等级评估。
另外,电子设备100还可以根据历史测量的PWV值,判断用户是否处于动脉硬度快速恶化期。如果用户处于动脉硬度快速恶化期,则标记用户处于快速恶化期。
其中,动脉硬度快速恶化期的判断标准可以根据实际需要设定。作为示例,如果PWV在一个月内的上升值大于1.5m/s,或者动脉硬度等级跨级并保持稳定,则判定用户处于动脉硬度快速恶化期。其中,动脉硬度等级跨级是指从一个等级变化为另一个等级,例如,从软到稍硬、从稍硬到硬。
最后,电子设备100根据动脉硬度等级、动脉硬化危险因素和用户是否处于快速恶化期,得到用户的动脉硬化风险等级。当然,电子设备100也可以根据动脉硬度等级和动脉硬化危险因素,得到用户的动脉硬化风险等级。
相较而言,前者在考虑用户的动脉硬度等级和动脉硬化危险因素之外,还考虑了快速恶化期,动脉硬化风险等级的评估准确性更高。
其中,动脉硬化危险因素可以示例性如下表1所示。
表1
需要说明的是,动脉硬化危险因素可以通过问卷调查、个人信息以及关联设备等途径获取。关联设备可以例如是指登录同一个华为账号的设备等。
具体应用中,预先建立一个动脉硬化风险评估决策器,并预先训练完成。将动脉硬度等级、动脉硬化危险因素和用户是否处于快速恶化期,作为动脉硬化风险评估决策器的输入,获得动脉硬化风险评估决策器输出的动脉硬化风险等级。
举例来说,针对不同动脉硬度等级的人群,可以分别建立动脉硬化风险评估决策器,也可以将动脉硬度等级作为输入得到一个统一的模型。
针对动脉硬度低人群为例,基于多元线性回归模型,动脉硬度低的人群的动脉硬化风险等级的评估方法可以如下:
参见图27示出的动脉硬化风险等级评估示意图,如图27所示,针对动脉硬化低的人群,假设其动脉硬化危险因素输入为x,各个动脉硬化危险因素的权重为w,偏置为b,则动脉硬化风险评估决策器的输出为y。此时,y=wTx+b。
其中,x=(x1,x2,x3,...,xn),x1表示用户的年龄,x2表示用户的性别,x3表示用户的血压,以此类推。w=(w1,w2,w3,...,wn)表示各个动脉硬化危险因素的权重,y表示动脉硬化风险评估决策器的输出,基于y的值可以实现动脉硬化风险等级的划分,并智能推荐不同的测量频率。
如图27所示,当动脉硬化风险等级为1级时,推荐的PWV测量频率为1次/月;当动脉硬化风险等级为2级时,推荐的PWV测量频率为1次/两周,具体可以参见图27所示,在此不再赘述。
下面结合图28示出的动脉硬化风险等级评估过程的流程示意图进行介绍。
如图28所示,在用户使用便携式电子设备进行PWV测量之前,首先完成用户账号的注册和个人信息的填写,以获得用户的动脉硬化危险因素。
除了可以通过用户输入之外,还可以通过关联设备获取动脉硬化危险因素。
示例性地,参见图29示出的动脉硬化评估问卷的界面示意图,如图29所示,用户在注册账号之后,可以通过个人信息界面中的动脉硬化评估问卷291进入到问卷评估界面292,依次回答对应的问题,以完成动脉硬化危险因素的输入。
电子设备在获取到动脉硬化危险因素之后,通过危险因素记录器记录或更新动脉硬化危险因素。
接着,用户可以进行一次主动PWV测量或者电子设备进行一次跟踪测量,获取到当次测量的PWV值。电子设备再根据当次测量的PWV值,或者当次测量的PWV值和历史测量的PWV值,进行动脉硬度等级评估,确定出用户动脉硬度等级。
最后,电子设备可以将动脉硬度等级、动脉硬化危险因素和用户是否处于快速恶化期等,输入到动脉硬化风险评估决策器,获得动脉硬化风险评估决策器输出的动脉硬化风险等级。并根据动脉硬化风险等级推荐测量频率和下一次测量时间。
其中,电子设备可以根据测量频率和上一次PWV测量的时间,确定出下一次测量时间。
在一些实施例中,电子设备可以在每次PWV测量之后,进行动脉硬化风险等级评估,并将评估结果、测量频率和检测结果等一并显示在检测结果界面。例如,参见图30示出的PWV检测结果界面示意图,如图30所示,在检测结果界面不仅显示当次检测的PWV值301,还显示动脉硬化风险等级和测量频率302。
可以看出,本申请实施例根据PWV值确定用户的动脉硬度等级,并根据动脉硬度等级、动脉硬化危险因素和用户是否处于快速恶化期等,评估用户的动脉硬化风险等级。其中,本申请实施例在动脉硬度等级以外,引入动脉硬化危险因素和动脉硬度的变化情况(即是否处于快速恶化期),可以准确评估用户的动脉硬化风险等级。
进一步地,还根据动脉硬化风险等级,智能推荐测量频率和下一次测量时间等,这样能减少正常用户的不必要测量,增加高风险用户的测量次数。
换句话说,基于准确测量的动脉硬化风险等级,智能提醒用户测量频率和下一次测量时间,使得低风险用户以较低的频率进行测量,减少因多次测量结果变化不大而导致的用户耐心下降。并使得高风险用户以较高的频率进行测量,增加高风险用户的测量频率,引起用户注意并采取干预措施。
在一些实施例中,还可以使用便携式电子设备在实现院外的颈动脉狭窄程度检测。颈动脉狭窄程度检测过程可以包括:
首先,电子设备100通过便携式设备采集颈动脉的血流数据。其中,该便携式设备可以是电子设备100,也可以是电子设备100之外的设备。并且,该便携式设备集成有用于采集血流数据的生理传感器。
具体应用中,将该便携式设备的生理传感器贴附于颈动脉的相应位置,以采集到颈动脉的血流数据。
接着,电子设备100对血流数据进行分析处理,提取出收缩期峰值点的血流速度和舒张末期点的血流速度。
最后,根据收缩期峰值点的血流速度和舒张末期点的血流速度,得到颈动脉狭窄程度。
具体应用中,可以结合下表2得到颈动脉狭窄程度。
表2
例如,当收缩期峰值点的血流速度<125,舒张末期点的血流速度<40,颈动脉狭窄程度为正常或小于50%。
又例如,当收缩期峰值点的血流速度>230,舒张末期点的血流速度>100,颈动脉狭窄程度为70%~99%。
可以理解的是,用于采集颈动脉血流数据的便携式设备的类型可以是任意的,只有高便携式设备集成有用于采集血流数据的生理传感器。
示例性地,参见图31示出的通过耳机进行颈动脉狭窄程度检测的流程示意图,如图31所示,用户在测量时,正确佩戴项圈式耳机,并手动调整项圈,使得项圈末端的超声阵列贴附于颈动脉处。此时,便携式设备为耳机,电子设备100为手机。
其中,耳机可以为颈挂式耳机,且耳机项圈为记忆项圈。该耳机的项圈末端集成了用于测量血流的生理传感器,例如,超声阵列或多光源光电传感器等。通过项圈形变可以让生理传感器贴附于颈动脉处。示例性,该耳机可以如图33所示,如图33中的(a)所示,耳机上集成有生理传感器331,该生理传感器331可以示例性为超声阵列,并且,该耳机具有记忆定形项圈332。图33中的(b)为(a)中的耳机的俯视图。
然后,手机通过控制耳机开启超声扫描,以采集多普勒血流数据,该多普勒血流数据可以如图32所示。示例性,用户可以通过图6中的(a)中示出的动脉硬化检测界面中的开始测量按钮619,触发颈动脉狭窄程度检测过程。
手机实时接收耳机传输的多普勒血流数据,并实时显示信号图。同时,手机可以实时对采集到的多普勒血流数据进行信号质量判断。当信号质量不满足预设质量要求时,则可以通过一些提示信息提示用户保持静息或者重新调整项圈。提示方式可以是任意的,例如,可以通过手机发出提示语音或提示文字的方式提醒用户。
当手机判断出采集到的多普勒血流数据满足算法要求的数据长度后,手机可以则控制耳机停止超声扫描,并对血流速度波形进行滤波和分析,提取出收缩期峰值点和舒张末期点。
最后,手机根据收缩期峰值点的血流速度和舒张末期点的血流速度,通过上表2得到颈动脉狭窄程度。
进一步地,手机得到颈动脉狭窄程度之后,可以在显示屏上显示对应的健康建议和颈动脉狭窄程度检测结果。
可以看出,本申请实施例基于便携式电子设备实现了院外的颈动脉狭窄程度检测,满足了用户随时随地的测量需求。
具体来说,相较于现有的院内颈动脉狭窄程度检测,本申请实施例通过在便携式设备上集成用于采集血流数据的生理传感器,实现了院外颈动脉狭窄程度检测,减少了时间和空间上限制,且检测过程无需专业医护人员操作,降低了测量门槛。
本申请实施例提供的电子设备,可以包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现如上述方法实施例中任一项的方法。
本申请实施例还提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在电子设备上运行时,使得电子设备执行时实现可实现上述各个方法实施例中的步骤。
本申请实施例还提供一种芯片系统,所述芯片系统包括处理器,所述处理器与存储器耦合,所述处理器执行存储器中存储的计算机程序,以实现如上述各个方法实施例所述的方法。所述芯片系统可以为单个芯片,或者多个芯片组成的芯片模组。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。此外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。
最后应说明的是:以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何在本申请揭露的技术范围内的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (23)
1.一种基于便携式电子设备的PWV检测方法,其特征在于,应用于第一电子设备,且所述第一电子设备为便携式电子设备,所述方法包括:
获取通过第一传感器模块采集的第一测量点的第一生理信号;
获取通过第二传感器模块采集的第二测量点的第二生理信号,所述第一传感器模块和所述第二传感器模块均集成在便携式电子设备上;
根据所述第一生理信号和所述第二生理信号,得到第一PWV值;
其中,根据所述第一生理信号和所述第二生理信号,得到第一PWV值,包括:
对所述第一生理信号进行特征点提取,得到第一特征点;
根据所述第一特征点,得到第一特征集;
对所述第二生理信号进行特征点提取,得到第二特征点;
根据所述第二特征点,得到第二特征集;
根据所述第一特征点和所述第二特征点,得到关联特征集;
将所述第一特征集、所述第二特征集和所述关联特征集输入PWV模型,获得所述PWV模型输出的第一PWV值,或者,将所述第一特征集、所述第二特征集、所述关联特征集和用户个人信息输入PWV模型,获得所述PWV模型输出的第一PWV值。
2.根据权利要求1所述的方法,其特征在于,对所述第一生理信号进行特征点提取,得到第一特征点,包括:
对所述第一生理信号预处理,得到预处理后的第一生理信号;
从预处理后的第一生理信号中提取出所述第一特征点;
其中,所述预处理包括以下至少一种:滤波、幅值归一、波形平均以及波形特征增强。
3.根据权利要求1所述的方法,其特征在于,所述第一生理信号为PPG信号,所述第二生理信号为ECG信号或BCG信号或SCG信号。
4.根据权利要求3所述的方法,其特征在于,所述第一测量点为腕部,所述第二测量点为指尖,所述第一传感器模块为PPG采集模块,所述第二传感器模块为ECG采集模块;
所述第一传感器模块和所述第二传感器模块集成在同一个便携式电子设备上;
所述第一PWV值为颈动脉-股动脉脉搏波传导速度cfPWV。
5.根据权利要求4所述的方法,其特征在于,所述第一传感器模块和所述第二传感器模块均集成在腕戴式的可穿戴设备上,其中,所述第一传感器模块集成在所述腕戴式的可穿戴设备的本体底部,所述第二传感器模块集成在所述腕戴式的可穿戴设备的本体侧边。
6.根据权利要求1所述的方法,其特征在于,在根据所述第一生理信号和所述第二生理信号,得到第一PWV值之后,所述方法还包括:
获取每隔预设周期通过所述第一传感器模块采集的至少一个第三生理信号;
对所述第三生理信号进行特征点提取,得到第三特征集;
根据预设拟合模型、所述第三特征集和基础PWV值,得到至少一个第二PWV值,所述基础PWV值为所述第一PWV值。
7.根据权利要求6所述的方法,其特征在于,在根据预设拟合模型、所述第三特征集和基础PWV值,得到至少一个第二PWV值之后,所述方法还包括:
根据所述基础PWV值和所述第二PWV值,确定是否符合预设PWV值异常条件;
当符合所述预设PWV值异常条件,则执行第一操作,所述第一操作用于提示用户进行PWV主动测量。
8.根据权利要求7所述的方法,其特征在于,在执行第一操作之后,所述方法还包括:
获取通过PWV主动测量得到的第三PWV值;
当所述第二PWV值和所述第三PWV值之间的差值在预设范围内,则执行第二操作,所述第二操作用于提示用户的身体状态出现异常;
当所述第二PWV值和所述第三PWV值之间的差值不在所述预设范围内,则校正所述基础PWV值,并更新所述预设拟合模型。
9.根据权利要求6所述的方法,其特征在于,所述第一PWV值为用户服药后通过主动测量得到的PWV值;
在获取通过第一传感器模块采集的第一测量点的第一生理信号之前,所述方法还包括:
获取服药时间;
在根据预设拟合模型、所述第三特征集和基础PWV值,得到至少一个第二PWV值之后,所述方法还包括:
根据所述第一PWV值和至少一个所述第二PWV值,确定服药间隔内的PWV值变化趋势,所述服药间隔为连续两次服药时间之间的时间段;
当所述PWV值变化趋势符合第一条件,执行第三操作,所述第三操作用于提示用户所服药物无药效。
10.根据权利要求9所述的方法,其特征在于,当所述PWV值变化趋势符合第二条件,所述方法还包括:
根据所述PWV值变化趋势,确定单次药效时长是否大于服药间隔;
当所述单次药效时长大于所述服药间隔,执行第四操作,所述第四操作用于提示用户减少服药次数。
11.根据权利要求1所述的方法,其特征在于,根据所述第一生理信号和所述第二生理信号,得到第一PWV值,包括:
提取所述第一生理信号中的第三特征点;
提取所述第二生理信号中的第四特征点;
将所述第三特征点和所述第四特征点,计算第一脉搏波传导时间;
根据所述第一脉搏波传导时间和第一脉搏波传导距离,得到所述第一PWV值,所述第一脉搏波传导距离为根据所述第一测量点和所述第二测量点得到的。
12.根据权利要求11所述的方法,其特征在于,所述第一生理信号为PPG信号,所述第二生理信号为PPG信号或ECG信号或BCG信号或SCG信号;
所述第三特征点为脉搏波底点,所述第四特征点为脉搏波底点或AO点或I波点。
13.根据权利要求1所述的方法,其特征在于,根据所述第一生理信号和所述第二生理信号,得到第一PWV值,包括:
根据所述第一生理信号和所述第二生理信号,计算第二脉搏波传导时间;
获取通过所述第一传感器模块采集的第一测量点的第四生理信号;
获取通过所述第二传感器模块采集的第三测量点的第五生理信号;
根据所述第四生理信号和所述第五生理信号,计算第三脉搏波传导时间;
计算所述第二脉搏波传导时间和所述第二脉搏波传导时间之间的传导时间差;
根据所述传导时间差和第二脉搏波传导距离,得到所述第一PWV值,所述第二脉搏波传导距离为根据所述第二测量点和所述第三测量点得到的。
14.根据权利要求1至13任一项所述的方法,其特征在于,在获得所述第一生理信号和所述第二生理信号之后,所述方法还包括:
根据所述第一生理信号或所述第二生理信号,确定心律是否异常;
当心律正常,进入根据所述第一生理信号和所述第二生理信号,得到第一PWV值的步骤。
15.根据权利要求14所述的方法,其特征在于,根据所述第一生理信号或所述第二生理信号,确定心律是否异常之后,所述方法还包括:
当心律异常,确定是否为短阵性心律异常;
当为短阵性心律异常,去除心律异常对应的第一生理信号和第二生理信号,以得到心律正常对应的第一生理信号和第二生理信号,再进入根据所述第一生理信号和所述第二生理信号,得到第一PWV值的步骤。
16.根据权利要求15所述的方法,其特征在于,在确定是否为短阵性心律异常之后,所述方法还包括:
当为连续性心律异常时,执行第五操作,所述第五操作用于提示用户当前心律失常发作,不适合继续进行PWV测量。
17.根据权利要求16所述的方法,其特征在于,在执行第五操作之后,所述方法还包括:
执行第六操作,所述第六操作用于询问用户是否开启测量提醒功能;
当开启测量提醒功能后,通过所述第一传感器模块采集第四生理信号;
根据所述第四生理信号,判断心律是否异常;
当心律正常,执行第七操作,所述第七操作用于提示用户当前适合进行PWV测量;
当心律异常,返回通过所述第一传感器模块采集第四生理信号的步骤。
18.根据权利要求1至13任一项所述的方法,其特征在于,在根据所述第一生理信号和所述第二生理信号,得到第一PWV值之后,所述方法还包括:
根据所述第一PWV值,确定动脉硬度等级;
根据所述动脉硬度等级和动脉硬化危险因素,确定动脉硬化风险等级。
19.根据权利要求18所述的方法,其特征在于,根据所述动脉硬度等级和动脉硬化危险因素,确定动脉硬化风险等级,包括:
将所述动脉硬度等级和所述动脉硬化危险因素输入动脉硬化风险评估决策器,获得所述动脉硬化风险评估决策器输出的所述动脉硬化风险等级;
或者,
将所述动脉硬度等级、所述动脉硬化危险因素以及用户是否处于快速恶化期的结果输入动脉硬化风险评估决策器,获得所述动脉硬化风险评估决策器输出的所述动脉硬化风险等级;其中,当用户的PWV值满足预设条件时,则确定用户处于快速恶化期。
20.根据权利要求18所述的方法,其特征在于,在确定动脉硬化风险等级之后,所述方法还包括:
根据所述动脉硬化风险等级,执行第八操作,所述第八操作用于提示PWV测量频率和/或下一次PWV测量时间。
21.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取通过第三传感器模块采集的颈动脉的血流速度信号,所述第三传感器模块集成在便携式电子设备上;
提取所述血流速度信号中的收缩期峰值点和舒张末期点;
根据所述收缩期峰值点的血流速度和所述舒张末期点的血流速度,确定颈动脉狭窄程度。
22.一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至21任一项所述的方法。
23.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至21任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011183581.9A CN114424933B (zh) | 2020-10-29 | 2020-10-29 | 基于便携式电子设备的pwv检测方法和装置 |
PCT/CN2021/119667 WO2022089101A1 (zh) | 2020-10-29 | 2021-09-22 | 基于便携式电子设备的pwv检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011183581.9A CN114424933B (zh) | 2020-10-29 | 2020-10-29 | 基于便携式电子设备的pwv检测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114424933A CN114424933A (zh) | 2022-05-03 |
CN114424933B true CN114424933B (zh) | 2024-04-23 |
Family
ID=81309737
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011183581.9A Active CN114424933B (zh) | 2020-10-29 | 2020-10-29 | 基于便携式电子设备的pwv检测方法和装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114424933B (zh) |
WO (1) | WO2022089101A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115607127A (zh) * | 2022-10-31 | 2023-01-17 | 歌尔科技有限公司 | 腕带设备以及血压测量方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017092020A1 (zh) * | 2015-12-03 | 2017-06-08 | 华为技术有限公司 | 一种血压测量方法及装置 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2552303B1 (en) * | 2010-03-29 | 2015-06-17 | Csem Sa | Sensor device and method for measuring and determining a pulse arrival (pat) time |
US10349838B2 (en) * | 2010-08-12 | 2019-07-16 | Board Of Trustees Of Michigan State University | Methods and apparatus for determining arterial pulse wave velocity |
US10405791B2 (en) * | 2013-03-15 | 2019-09-10 | Yingchang Yang | Method and continuously wearable noninvasive apparatus for automatically detecting a stroke and other abnormal health conditions |
CA3001628A1 (en) * | 2015-10-13 | 2017-04-20 | Salu Design Group Inc. | Wearable health monitors and methods of monitoring health |
US20170202459A1 (en) * | 2016-01-19 | 2017-07-20 | Zansors Llc | Wireless monitoring system |
US20190298193A1 (en) * | 2016-02-03 | 2019-10-03 | Angilytics Inc. | Low pressure actuation blood pressure monitoring |
US20190059752A1 (en) * | 2017-08-28 | 2019-02-28 | Planexta, Inc. | Method and apparatus for cuff less blood pressure monitoring based on simultaneously measured ECG and PPG signals designed in wristband form for continuous wearing |
RU2020134568A (ru) * | 2018-04-23 | 2022-04-21 | Эвоник Оперейшенс ГмбХ | Способы оценивания кровяного давления и артериальной жесткости на основании фотоплетизмографических (ppg) сигналов |
KR20200054719A (ko) * | 2018-11-12 | 2020-05-20 | 삼성전자주식회사 | 혈압 캘리브레이션 시점 검출 방법 및 장치 |
KR102655878B1 (ko) * | 2018-11-23 | 2024-04-09 | 삼성전자주식회사 | Pwv 알고리즘을 이용하여 혈압 값을 산출하는 전자 장치 및 그 혈압 값 산출 방법 |
KR20200112095A (ko) * | 2019-03-20 | 2020-10-05 | 삼성전자주식회사 | 혈압을 측정하는 전자 장치 및 혈압 측정 방법 |
-
2020
- 2020-10-29 CN CN202011183581.9A patent/CN114424933B/zh active Active
-
2021
- 2021-09-22 WO PCT/CN2021/119667 patent/WO2022089101A1/zh active Application Filing
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017092020A1 (zh) * | 2015-12-03 | 2017-06-08 | 华为技术有限公司 | 一种血压测量方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114424933A (zh) | 2022-05-03 |
WO2022089101A1 (zh) | 2022-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113827185B (zh) | 穿戴设备佩戴松紧程度的检测方法、装置及穿戴设备 | |
US10376211B2 (en) | Method for continuously detecting body physiological information trajectories and establishing disease prevention using a personal wearable device | |
CN112971744A (zh) | 用于测量生物信号的方法及其可穿戴电子设备 | |
WO2018035827A1 (zh) | 移动终端、辅助设备、血压测量系统及方法 | |
CN108024741A (zh) | 用于获得血压测量值的系统和方法 | |
WO2023124860A1 (zh) | 心脏活动监测方法及可穿戴设备 | |
CN114424933B (zh) | 基于便携式电子设备的pwv检测方法和装置 | |
KR20210060246A (ko) | 생체 데이터를 획득하는 장치 및 그 방법 | |
Richer et al. | Novel human computer interaction principles for cardiac feedback using google glass and Android wear | |
CN114073496A (zh) | 脉搏波测量装置及其脉搏波测量方法、系统和介质 | |
CN113996046A (zh) | 热身判断方法、装置及电子设备 | |
CN109833037B (zh) | 一种监测血压状态的设备和计算机可读存储介质 | |
CN113491508A (zh) | 电子设备及其房颤预警方法和介质 | |
US11529085B1 (en) | Apparatus for generating an electrocardiogram | |
US20230190170A1 (en) | Premature beat detection method, electronic device and medium | |
WO2021248976A1 (zh) | 脉搏检测方法、终端设备和智能鞋 | |
WO2019000742A1 (zh) | 可穿戴设备的检测方法及可穿戴设备 | |
CN114947786A (zh) | 一种血压监测方法、装置及可穿戴设备 | |
CN115336968A (zh) | 一种睡眠状态检测方法与电子设备 | |
CN113539487A (zh) | 数据处理方法、装置与终端设备 | |
US11806169B2 (en) | Electronic device for integrating and presenting physiological data between multiple devices and method thereof | |
EP4293684A1 (en) | Hypertension risk measurement method and related apparatus | |
US20240188834A1 (en) | Apparatus and method for measuring blood pressure | |
KR20240088354A (ko) | 혈압 추정 장치 및 방법 | |
CN117958802A (zh) | 步行测试的方法、装置和电子设备 |
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 |