CN114652288A - 一种非袖带式动态血压测量系统 - Google Patents
一种非袖带式动态血压测量系统 Download PDFInfo
- Publication number
- CN114652288A CN114652288A CN202210191771.8A CN202210191771A CN114652288A CN 114652288 A CN114652288 A CN 114652288A CN 202210191771 A CN202210191771 A CN 202210191771A CN 114652288 A CN114652288 A CN 114652288A
- Authority
- CN
- China
- Prior art keywords
- blood pressure
- instantaneous phase
- signal
- extraction unit
- heartbeat
- 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
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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1102—Ballistocardiography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Physiology (AREA)
- Heart & Thoracic Surgery (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Psychiatry (AREA)
- Cardiology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Vascular Medicine (AREA)
- Dentistry (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明公开一种非袖带式动态血压测量系统。该系统包括采集模块和处理模块,处理模块包括心跳信号提取单元、瞬时相位提取单元和血压预测单元,其中,采集模块采集被测者的初始心冲击信号;心跳信号提取单元对初始心冲击信号进行滤波降噪,并基于能量信息提取心跳信号;瞬时相位提取单元针对提取的每个有效的单次心跳信号,通过希尔伯特变换计算提取对应的瞬时相位特征,并使用主成分分析选出瞬时相位特征集;血压预测单元将瞬时相位特征集输入血压预测模型,输出预测的血压信息,该血压预测模型通过预训练最小二乘支持向量回归模型获得。本发明同时实现动态和无感的血压监测,且血压测量精准度高,能够满足医用临床血压测量的需求。
Description
技术领域
本发明涉及生物信号检测技术领域,更具体地,涉及一种非袖带式动态血压测量系统。
背景技术
血压是人体重要的生理参数,频繁的血压测量有助于许多严重疾病(如心脏病、衰竭、肾衰竭、高血压和血液透析)的诊断和治疗。近年来,高血压被测量者的数量持续攀升,各种病因引发的高血压已经对人们的健康造成严重威胁。根据国际医疗的金标准,高血压被测量者通常需要每隔15分钟测量一次血压,而佩戴繁琐的、不适的移动设备会影响他们的正常活动。因此,探索能够连续、动态地反映被监测者血压状况的无创连续血压测量方法将有利于提高被测量者的生活质量,有效灵活地监测血压变化,达到更好的预防和诊断治疗效果。
目前临床血压测量普遍采用的动脉导管动脉内血压,由于其及时性和准确性,被视为是连续血压监测的“金标准”;袖带式的电子臂式血压计是无创血压监测的“金标准”。然而,侵入性的血压测量会给被测量者带来不适,并存在潜在的并发症;而间歇性的血压监测会丢失连续的血流动力学信息。然而,现有技术中存在的许多无创连续血压测量方法,如脉搏波传导时间、脉搏波传导速度、压平眼压技术等都存在着易受干扰、精度低、需要主动配合监测、容易引起被测量者不适等缺点。
发明内容
本发明的目的是克服上述现有技术的缺陷,提供一种基于心冲击信号的非袖带式动态血压测量技术,能够在被测量者无感觉的情况下,通过惯性传感器捕获被测量者的心冲击(BCG)信号,实现血压动态检测和疾病预防与诊断的效果。
根据本发明的第一方面,提供一种非袖带式动态血压测量系统。该系统包括采集模块和处理模块,所述处理模块包括心跳信号提取单元、瞬时相位提取单元和血压预测单元,其中,采集模块用于采集被测者的初始心冲击信号;心跳信号提取单元用于对初始心冲击信号进行滤波降噪处理,并基于能量信息提取心跳信号;瞬时相位提取单元用于针对提取出的每个有效的单次心跳信号,通过希尔伯特变换计算提取对应的瞬时相位特征,并使用主成分分析筛选出瞬时相位特征集;血压预测单元用于将获得的瞬时相位特征集输入血压预测模型,输出预测的血压信息,该血压预测模型通过预训练最小二乘支持向量回归模型获得。
根据本发明的第二方面,提供一种计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现以下步骤:
采集被测者的初始心冲击信号;
对初始心冲击信号进行滤波降噪处理,并基于能量信息提取心跳信号;
针对提取出的每个有效的单次心跳信号,通过希尔伯特变换计算提取对应的瞬时相位特征,并使用主成分分析筛选出瞬时相位特征集;
将获得的瞬时相位特征集输入血压预测模型,输出预测的血压信息,该血压预测模型通过预训练最小二乘支持向量回归模型获得。
与现有技术相比,本发明基于惯性传感器捕获被测量者的心冲击信号,经过相关的数据计算之后,提取到每个心跳信号的瞬时相位特征,并通过回归模型预测血压,这种方式血压测量精准度高,达到了医疗标准,能够满足日常临床血压测量的需求。此外,本发明可以将实时监测到的血压情况通过无线的方式传至云端和PC端,实现远程医疗监控,显著节省了医疗监控的时间、空间和人力成本。
通过以下参照附图对本发明的示例性实施例的详细描述,本发明的其它特征及其优点将会变得清楚。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例,并且连同其说明一起用于解释本发明的原理。
图1是根据本发明一个实施例的非袖带式动态血压测量方法的流程图;
图2是现有技术中典型心冲击信号及对应动脉血流示意图;
图3是根据本发明一个实施例的基于心冲击信号的非袖带式动态血压测量系统的构成示意图;
图4是根据本发明一个实施例的基于心冲击信号的非袖带式动态血压测量方法的实现过程示意图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它例子可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
本发明提供一种基于心冲击信号的非袖带式动态血压测量系统,能够更快速、更舒适、实时、无创、无感、准确地对血压进行监测。为便于理解,首先描述利用该系统进行血压测量的过程,结合图1所示,具体包括以下步骤。
步骤S1,使用测量装置采集被测量者的心冲击信号,进行信号滤波降噪并基于能量提取心跳信号。
测量装置可以嵌入加速度计或压电薄膜传感器进行采集心冲击信号(Ballistocardiogram,BCG),利用这种方式采集信号,提升了被测者的舒适度。以下以加速度计为例对本发明进行阐述。
在一个实施例中,步骤S1包括以下子步骤:
S11,将测量装置安装在椅子或者床上,加速度计的y轴方向为脚步至头部方向,当被测量者处于静坐或者静卧状态时,测量装置将持续采集被测量者的BCG信号30秒。
S12,使用二阶巴特沃兹带通滤波器(如0.5Hz-10Hz)对采集到的加速度计y轴信号,即BCG信号进行滤波,去除呼吸、人体运动等非心跳信号的干扰。
S13,基于能量的阈值心跳信号提取算法提取出有效的心跳信号。
基于能量阈值的检测算法,首先是先计算初始BCG信号的能量,然后观察正常BCG信号的能量范围,以此范围为标准,检测BCG信号区间和非BCG信号区间,其中非BCG信号来源于撞击、触碰等环境因素的影响。通过这种方式,能够消除外部环境产生的干扰,提取出有效的心跳信号,从而提升后续血压测量的精确度。
例如,能量计算方式为BCG信号的积分结果与BCG信号做乘积。使用阈值法检测出能量极值点,极值点前0.3s以及后0.5s范围内的信号为所提取的单次心跳BCG信号。对采集到的30s信号可以检测出多个有效心跳BCG信号。
对于BCG信号,一个典型的单次心跳BCG信号及对应动脉血流如图2所示,其中图2(a)是典型BCG信号,图2(b)是主动脉弓及左心室射血产生的力的方向。由于相对波动幅度较大,而且比较清晰,I-波和J-波是本发明研究的主要兴趣点。I-波是由于左心室中血液朝向头部(头向)射入上行主动脉,根据牛顿第三运动定律,身体会产生朝向脚部(足向)的反作用力,即身体产生足向运动。与I-波类似,J-波是由于下行主动脉中的血液向脚部方向流动,身体会产生头向的反作用力,即身体产生头向运动;
步骤S2,利用希尔伯特变换提取心冲击信号的瞬时相位,并对瞬时相位进行进一步的主成分提取,得到最终的瞬时相位特征集。
在一个实施例中,步骤S2包括以下子步骤:
S21,对每个有效的单次心跳BCG信号,通过希尔伯特变换提取瞬时相位。
信号经希尔伯特变换后,在频域各频率分量的幅度保持不变,但相位将出现90°相移,即对正频率滞后π/2,对负频率导前π/2。一个实值函数的希尔伯特变换(Hilberttransform,在此标示为H)是将信号s(t)与1/(πt)做卷积,以得到s′(t)。因此,希尔伯特变换结果s′(t)可以被解读为输入是s(t)的线性时不变系统(linear time invariantsystem)的输出,而此系统的脉冲响应为1/(πt)。具体地,希尔伯特变换公式为:
S22,基于PCA算法对提取到的瞬时相位进一步进行主成分提取,即将初始的瞬时相位特征向某个空间投影,使得投影后的重构误差最小,选择能量最大的前k个特征,即选取特征值最大的前k个特征。
主成分提取是指从给定的特征集合中选择出最能重构原信号的k个特征组合,其目标是保留用于学习的相关特征,并去除冗杂和不相关的特征,从而达到减少特征个数、提高模型精确度、减少运行时间的目的。
步骤S3,利用提取到的瞬时相位特征集,使用回归模型进行血压测量,并记录每次测量的收缩压和舒张压。
在一个实施例中,回归模型采用最小二乘支持向量回归模型(LSSVR,LeastSquare Support Vector Regression),其是一种基于支持向量机(Support VectorMachine)原理的最小二乘支持向量回归算法。在LSSVR中,所有输入样本被从低维空间映射到高维空间中,从而找到一个超平面作为回归平面,样本分布在超平面上或者超平面的两侧,其目标是使得回归预测的错误最小。
应理解的是,最小二乘支持向量回归模型需要基于训练数据集预训练,获得满足设定优化目标的模型参数(如权重、偏置等),然后将经训练的模型作为血压预测模型可用于实际的血压测量。实际使用进行测试时,模型会同时输出预测的收缩压和舒张压。测量过程中,被测量者需要处于静坐或者静卧的状态。
训练数据集包括多组数据样本,每组数据样本包括筛选后的基准点特征集和对应的使用“金标准”测量的血压值。
在一个实施例中,使用LSSVR进行模型训练时,将模型的优化目标设置为:
其中,w表示回归模型的权重系数,b表示偏置参数,yk表示第k个样本的真实值,β是模型的惩戒参数,该惩戒参数为了更好的鲁棒性而设置,ek表示第k个样本对应的铰链损失,函数将样本从低维空间映射到线性可分的高维空间。
为了求解上述优化目标,可使用拉格朗日乘子法,构造出如下关于α,b的线性方程组:
通过求解上述线性方程组(3),可求得血压预测的回归模型,其回归预测可以表示为如下公式:
相应地,本发明提供一种基于心冲击信号的非袖带式动态血压测量系统或装置,用于实现上述方法的一个方面或多个方面。例如,参见图3所示,该系统总体上包括采集模块、处理模块(或称血压预测模块)、控制模块和显示模块。
采集模块用于放置在与被测量者接触的媒介上获取心冲击信号。媒介可包括床、椅子等。该采集模块可以使用加速度计或压电薄膜传感器来采集有效信号。
处理模块包括:初始值获取单元,用于获取初始的心冲击信号,其中初始心冲击信号由采集模块测量得到;心跳信号提取单元,用于将初始的心冲击信号切割成单个的心跳信号组合,并去除非心跳信号的干扰,其中非心跳信号包括非心跳引起的振动,如对椅子的撞击等;降噪滤波单元,用于将提取到的心跳信号进行降噪和带通滤波;瞬时相位提取单元,用于提取每个心跳信号对应的瞬时相位特征;血压预测单元,用于根据提取到的瞬时相位特征,对被测量者当前血压值进行预测。
显示模块与处理模块连接,用于实时显示血压预测结果。例如,显示模块包括装置显示器、或手机显示屏或者电脑显示屏,配合本发明配套的应用端使用,可以将预测结果通过无线通信技术传送到不同终端。
控制模块,用于控制血压测量的频率和时间以及其余各模块的协调配合。例如,通过采集指令控制采集模块进行信号采集的开始和结束时间,或控制信号采集相关参数等。控制模块了采用软件、处理器或FPGA等实现。
本发明的工作原理是,心脏跳动周期中心脏泵血能引起身体产生相应的运动,通过高灵敏度传感器拾取该运动信号,并将其描述成波形,该波形称为心冲击图(Ballistocardiogram,BCG)。因为BCG信号记录的是心脏泵血引起的与心博同步的身体运动,所以BCG信号间接反映了心脏动力和运动状态。对BCG信号进行分析可以获取与之相关的生命体征或生理参数,如血压。当人体处于静坐状态或者静卧状态时,心脏跳动引起的身体运动可以通过安装在椅子上或者床上的高灵敏度惯性传感器获得,不同大小的血压下将产生不一样的BCG信号,通过对BCG信号提取瞬时相位特征集,可以反应该时段血液的动力学特征,并通过血压回归预测模型获得血压信息,即将瞬时相位特征集映射为对应的舒张压和收缩压。
参见图4所示,本发明的非袖带式动态血压测量系统的工作流程包括以下步骤:
S401,采集模块接收来自控制模块的采集指令,采集初始BCG信号;
S402,使用带通滤波降低原始信号的噪音,以提高信噪比;
S403,基于能量的阈值检测算法,检测提取心跳信号,并去除非心跳信号的干扰;
S404,判断是否提取到有效的心跳信号;
S405,如果没有提取到有效的心跳信号,提醒被测量者调整好姿态,处于静坐或静卧状态,然后返回步骤S401,重新采集;
S406,如果提取到了心跳信号,使用希尔伯特变换提取BCG信号的瞬时相位;
S407,使用PCA主成分分析得到最终的瞬时相位特征集;
S408,使用预训练的LSSVR回归模型预测血压,输入为筛选后的瞬时相位特征集,输出为舒张压和收缩压;
S409,判定血压是否偏高或偏低;
S410,如果血压正常,显示并记录当前血压值,继续进行下一轮测量;
S411,如果血压不正常,发送警报提示被测量者,然后显示并记录当前血压值,继续进行下一轮测量。
综上所述,本发明至少具备以下优点:
1)、基于惯性传感器捕获被测量者的心冲击信号,并与机器学习相结合的方法对血压进行预测,以实现快速准确的动态血压监测,即能够同时实现了动态和无感的血压监测功能。
2)、采用非袖带式的血压测量方式,相比目前广泛使用的多种袖带式血压测量方法,本发明具有更快速、更简单、更舒适的优点。
3)、适用于被测量者静坐或者静卧的状态,更有利于夜间、办公、休闲时期的持续长时间血压监测,同时动态记录每个时刻的血压信息,有助于高血压等疾病的动态治疗评估。
4)、基于机器学习的方法,利用心冲击信号提取出瞬时相位特征,相对目前动辄数千万甚至数亿的参数量,本发明的回归模型参数量少,显著提高了算法执行的效率,减少了血压测量所需的时间。
5)、本发明的血压测量精准度高已经达到了医疗标准,能够满足日常临床血压测量的需求。
6)、本发明可以将实时监测到的使用者的血压情况通过无线的方式传至云端和PC端,实现远程医疗监控,显著节省了医疗监控的时间、空间和人力成本。
本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++、Python等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是,通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。
Claims (10)
1.一种非袖带式动态血压测量系统,包括采集模块和处理模块,所述处理模块包括心跳信号提取单元、瞬时相位提取单元和血压预测单元,其中,采集模块用于采集被测者的初始心冲击信号;心跳信号提取单元用于对初始心冲击信号进行滤波降噪处理,并基于能量信息提取心跳信号;瞬时相位提取单元用于针对提取出的每个有效的单次心跳信号,通过希尔伯特变换计算提取对应的瞬时相位特征,并使用主成分分析筛选出瞬时相位特征集;血压预测单元用于将获得的瞬时相位特征集输入血压预测模型,输出预测的血压信息,该血压预测模型通过预训练最小二乘支持向量回归模型获得。
2.根据权利要求1所述的系统,其特征在于,所述采集模块设有测量装置,该测量装置嵌入有心冲击传感器并能够安装在椅子或者床上,当被测量者处于静坐或者静卧状态时,所述测量装置被配置为持续采集被测量者的心冲击信号一段时间,以采集初始心冲击信号。
3.根据权利要求1所述的系统,其特征在于,所述心跳信号提取单元执行:
使用二阶巴特沃兹带通滤波器对采集到的初始心冲击信号进行滤波以消除非心跳信号;
使用阈值法检测出能量极值点,以该能量极值点为参考,截取设定时间范围内的信号为提取的单次心跳心冲击信号,其中能量计算方式是心冲击信号的积分结果与心冲击信号做乘积。
4.根据权利要求1所述的系统,其特征在于,所述瞬时相位提取单元根据以下步骤获取瞬时相位特征集:
对每个有效的单次心跳心冲击信号,通过希尔伯特变换计算提取瞬时相位;
对提取到的瞬时相位进行主成分提取,以将初始的瞬时相位特征向空间投影,使得投影后的重构误差最小,从而选取特征值最大的前k个特征,作为筛选出的瞬时相位特征集。
5.根据权利要求1所述的系统,其特征在于,所述最小二乘支持向量回归模型的训练包括:
构建训练数据集,该训练数据集包含多组数据样本,每组样本反映瞬时相位特征集和使用“金标准”测量的血压值之间的对应关系;
以设定的目标函数为优化目标,采用所述训练数据集对最小二乘支持向量回归模型进行训练,将训练后的模型作为血压预测模型。
7.根据权利要求2所述的系统,其特征在于,所述心冲击传感器包括加速度计或压电薄膜传感器。
8.根据权利要求5所述的系统,其特征在于,还包括显示模块和控制模块,其中显示模块与处理模块具有通信连接,用于显示血压预测结果;控制模块与显示模块、采集模块以及处理模块具有通信连接,用于控制血压测量的频率和时间并控制各相关模块之间的协调配合。
9.根据权利要求3所述的系统,其特征在于,所述时间范围设置为所述能量极值点前0.3s以及后0.5s范围。
10.一种计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现以下步骤:
采集被测者的初始心冲击信号;
对初始心冲击信号进行滤波降噪处理,并基于能量信息提取心跳信号;
针对提取出的每个有效的单次心跳信号,通过希尔伯特变换计算提取对应的瞬时相位特征,并使用主成分分析筛选出瞬时相位特征集;
将获得的瞬时相位特征集输入血压预测模型,输出预测的血压信息,该血压预测模型通过预训练最小二乘支持向量回归模型获得。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210191771.8A CN114652288A (zh) | 2022-02-28 | 2022-02-28 | 一种非袖带式动态血压测量系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210191771.8A CN114652288A (zh) | 2022-02-28 | 2022-02-28 | 一种非袖带式动态血压测量系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114652288A true CN114652288A (zh) | 2022-06-24 |
Family
ID=82028175
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210191771.8A Pending CN114652288A (zh) | 2022-02-28 | 2022-02-28 | 一种非袖带式动态血压测量系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114652288A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024032110A1 (zh) * | 2022-08-12 | 2024-02-15 | 宁波越凡医疗科技有限公司 | 一种用于控制血压的方法及设备 |
-
2022
- 2022-02-28 CN CN202210191771.8A patent/CN114652288A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024032110A1 (zh) * | 2022-08-12 | 2024-02-15 | 宁波越凡医疗科技有限公司 | 一种用于控制血压的方法及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6659830B2 (ja) | 生体情報分析装置、システム、及び、プログラム | |
US10806374B2 (en) | Noninvasive systems and methods for monitoring health characteristics | |
US20150057506A1 (en) | Arrayed electrodes in a wearable device for determining physiological characteristics | |
CN109310369A (zh) | 用于估计血脉搏波特征的多传感器系统 | |
KR20190050725A (ko) | 모바일 단말을 이용한 맥파 신호 및 스트레스 측정 방법 및 장치 | |
CN108601527B (zh) | 血压测量设备的校准方法及血压测量设备 | |
US20100280396A1 (en) | System for Cardiac Pathology Detection and Characterization | |
CN109480800B (zh) | 用于估计生物信息的设备和方法及血压监视装置 | |
CN105982642A (zh) | 一种基于体震信号的睡眠检测方法及检测系统 | |
CN108186000A (zh) | 基于心冲击信号与光电信号的实时血压监测系统及方法 | |
Chowdhury et al. | Machine learning in wearable biomedical systems | |
US10004473B2 (en) | Heart rate detection method and device using heart sound acquired from auscultation positions | |
Landreani et al. | Smartphone accelerometers for the detection of heart rate | |
KR20160047838A (ko) | 생체 신호 처리 방법 및 그 장치 | |
CN109414222A (zh) | 对血压测量设备的动态校准 | |
CN104352229B (zh) | 一种能实时检测脉率血氧的健康监测手环 | |
Marques et al. | A real time, wearable ECG and blood pressure monitoring system | |
US11617545B2 (en) | Methods and systems for adaptable presentation of sensor data | |
KR20190011026A (ko) | 혈압 측정 장치 및 방법 | |
WO2019233903A1 (en) | Method and apparatus for estimating a trend in a blood pressure surrogate | |
CN114652288A (zh) | 一种非袖带式动态血压测量系统 | |
JP2020188963A (ja) | 心電波形推定装置 | |
GB2552455A (en) | Blood monitoring | |
CN116369888B (zh) | 一种非接触式心率变异性数据获取方法和装置 | |
TW201524465A (zh) | 動脈波分析方法及其系統 |
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 |