CN115067902A - 血压估计装置及方法、电子设备 - Google Patents
血压估计装置及方法、电子设备 Download PDFInfo
- Publication number
- CN115067902A CN115067902A CN202110261080.6A CN202110261080A CN115067902A CN 115067902 A CN115067902 A CN 115067902A CN 202110261080 A CN202110261080 A CN 202110261080A CN 115067902 A CN115067902 A CN 115067902A
- Authority
- CN
- China
- Prior art keywords
- pulse wave
- blood pressure
- characteristic sequence
- pulse
- transit time
- 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
- 230000036772 blood pressure Effects 0.000 title claims abstract description 100
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000001514 detection method Methods 0.000 claims abstract description 66
- 230000035488 systolic blood pressure Effects 0.000 claims description 36
- 230000035487 diastolic blood pressure Effects 0.000 claims description 35
- 238000012545 processing Methods 0.000 claims description 23
- 238000007781 pre-processing Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 14
- 230000003044 adaptive effect Effects 0.000 claims description 10
- 230000000747 cardiac effect Effects 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 5
- 206010005746 Blood pressure fluctuation Diseases 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009530 blood pressure measurement Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/021—Measuring pressure in heart or blood vessels
- A61B5/02108—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics
-
- 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
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physiology (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Cardiology (AREA)
- Power Engineering (AREA)
- Vascular Medicine (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本申请实施例提供一种血压估计装置及方法、电子设备。其中,利用一个心电特征序列和两个脉搏波特征序列估计出两个脉搏波传导时间并进行拟合,从而计算血压值,即,通过多参数的多元拟合,使得估计出的血压值更接近真实值;并且,第二脉搏波特征序列是通过对脉搏波信号进行一阶差分信号的峰值检测而得到的,不需要设置另外的硬件设备,例如,不需要设置另外的传感器来采集另一路脉搏波信号,因此,无需增加传感器等硬件设备就能够获得准确的血压估计结果,成本较低且使用方便。
Description
技术领域
本申请涉及健康领域,特别涉及一种血压估计装置及方法、电子设备。
背景技术
近年来,无创以及无袖带的血压测量法逐渐成为研究的热点。例如,通过心电电极采集用户的心电(Electrocardio-Gram,ECG)信号,通过光电传感器采集用户的脉搏波(PhotoPlethysmoGraphy,PPG)信号,得到ECG信号的一个特征点序列以及PPG信号的一个特征点序列,并利用ECG信号的一个特征点序列以及PPG信号的一个特征点序列计算脉搏波传导时间(Pulse Transmit Time,PTT),最后根据脉搏波传导时间来估计血压值。
应该注意,上面对技术背景的介绍只是为了方便对本申请的技术方案进行清楚、完整的说明,并方便本领域技术人员的理解而阐述的。不能仅仅因为这些方案在本申请的背景技术部分进行了阐述而认为上述技术方案为本领域技术人员所公知。
发明内容
但是,发明人发现,现有算法是采用根据ECG信号得到的一个特征点序列和根据PPG信号得到的一个特征点序列进行血压值的推算,其计算的血压值与实际血压值相差较大。
为了解决上述问题中的至少一个,本申请实施例提供一种血压估计装置及方法、电子设备,能够使得估计出的血压值更接近真实值,获得准确的血压估计结果,并且,无需增加传感器等硬件设备就能够获得准确的血压估计结果,成本较低且使用方便。
根据本申请实施例的第一方面,提供一种血压估计装置,所述血压估计装置包括:预处理单元,其对同步采集的心电信号和脉搏波信号进行预处理;检测单元,其对预处理后的心电信号和脉搏波信号进行峰值检测,得到心电特征序列和第一脉搏波特征序列,并且,对预处理后的脉搏波信号进行一阶差分信号的峰值检测,得到第二脉搏波特征序列;第一计算单元,其根据同周期的心电特征序列和第一脉搏波特征序列计算第一脉搏波传导时间,并且,根据同周期的心电特征序列和第二脉搏波特征序列计算第二脉搏波传导时间;第二计算单元,其通过多元拟合确定所述第一脉搏波传导时间的系数以及所述第二脉搏波传导时间的系数;以及第三计算单元,其根据所述第一脉搏波传导时间、所述第二脉搏波传导时间以及确定的所述系数,计算收缩压和舒张压。
根据本申请实施例的第二方面,提供一种电子设备,所述电子设备包括根据本申请实施例的第一方面所述的血压估计装置。
根据本申请实施例的第三方面,提供一种血压估计系统,所述血压估计系统包括:第一传感器,其采集用户的心电信号;第二传感器,其采集所述用户的脉搏波信号;根据本申请实施例的第一方面所述的血压估计装置,其根据采集的所述心电信号和所述脉搏波信号,估计所述用户的血压。
根据本申请实施例的第四方面,提供一种血压估计方法,所述血压估计方法包括:对同步采集的心电信号和脉搏波信号进行预处理;对预处理后的心电信号和脉搏波信号进行峰值检测,得到心电特征序列和第一脉搏波特征序列,并且,对预处理后的脉搏波信号进行一阶差分信号的峰值检测,得到第二脉搏波特征序列;根据同周期的心电特征序列和第一脉搏波特征序列计算第一脉搏波传导时间,并且,根据同周期的心电特征序列和第二脉搏波特征序列计算第二脉搏波传导时间;通过多元拟合确定所述第一脉搏波传导时间的系数以及所述第二脉搏波传导时间的系数;以及根据所述第一脉搏波传导时间、所述第二脉搏波传导时间以及确定的所述系数,计算收缩压和舒张压。
本申请实施例的有益效果在于:利用一个心电特征序列和两个脉搏波特征序列估计出两个脉搏波传导时间并进行拟合,从而计算血压值,即,通过多参数的多元拟合,使得估计出的血压值更接近真实值;并且,第二脉搏波特征序列是通过对脉搏波信号进行一阶差分信号的峰值检测而得到的,不需要设置另外的硬件设备,例如,不需要设置另外的传感器来采集另一路脉搏波信号,因此,无需增加传感器等硬件设备就能够获得准确的血压估计结果,成本较低且使用方便。
参照后文的说明和附图,详细公开了本申请的特定实施方式,指明了本申请的原理可以被采用的方式。应该理解,本申请的实施方式在范围上并不因而受到限制。在所附权利要求的精神和条款的范围内,本申请的实施方式包括许多改变、修改和等同。
针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用,与其它实施方式中的特征相组合,或替代其它实施方式中的特征。
应该强调,术语“包括/包含”在本文使用时指特征、整件、步骤或组件的存在,但并不排除一个或更多个其它特征、整件、步骤或组件的存在或附加。
附图说明
所包括的附图用来提供对本申请实施例的进一步的理解,其构成了说明书的一部分,用于例示本申请的实施方式,并与文字描述一起来阐释本申请的原理。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1是本申请实施例1的血压估计装置的一示意图;
图2是本申请实施例1的预处理单元的一示意图;
图3是本申请实施例1的检测单元对预处理后的心电信号或脉搏波信号进行峰值检测以及更新单元对该心电特征序列或该第一脉搏波特征序列进行特征点的更新的方法的一流程图;
图4是本申请实施例1的检测单元对预处理后的脉搏波信号进行一阶差分信号的峰值检测以及更新单元对该第二脉搏波特征序列进行特征点的更新的方法的一流程图;
图5是本申请实施例2的电子设备的一示意图;
图6是本申请实施例2的电子设备的系统构成的一示意框图;
图7是本申请实施例3的血压估计系统的一示意图;
图8是本申请实施例4的血压估计方法的一示意图。
具体实施方式
参照附图,通过下面的说明书,本申请的前述以及其它特征将变得明显。在说明书和附图中,具体公开了本申请的特定实施方式,其表明了其中可以采用本申请的原则的部分实施方式,应了解的是,本申请不限于所描述的实施方式,相反,本申请包括落入所附权利要求的范围内的全部修改、变型以及等同物。
实施例1
本申请实施例提供一种血压估计装置。图1是本申请实施例1的血压估计装置的一示意图。
如图1所示,血压估计装置100包括:
预处理单元110,其对同步采集的心电信号和脉搏波信号进行预处理;
检测单元120,其对预处理后的心电信号和脉搏波信号进行峰值检测,得到心电特征序列和第一脉搏波特征序列,并且,对预处理后的脉搏波信号进行一阶差分信号的峰值检测,得到第二脉搏波特征序列;
第一计算单元130,其根据同周期的心电特征序列和第一脉搏波特征序列计算第一脉搏波传导时间,并且,根据同周期的心电特征序列和第二脉搏波特征序列计算第二脉搏波传导时间;
第二计算单元140,其通过多元拟合确定该第一脉搏波传导时间的系数以及该第二脉搏波传导时间的系数;以及
第三计算单元150,其根据该第一脉搏波传导时间、该第二脉搏波传导时间以及确定的该系数,计算收缩压和舒张压。
在本申请实施例中,心电信号和脉搏波信号的采集可以通过现有方法来实现。
例如,通过一组心电电极采集用户的心电(ECG)信号,通过一个光电传感器采集用户的脉搏波(PPG)信号。
另外,在本申请实施例中,只需要采集一路心电信号和一路脉搏波信号。
在本申请实施例中,预处理单元110对同步采集的心电信号和脉搏波信号进行预处理。具体的预处理的方法可以根据不同的采集结构进行调整。
图2是本申请实施例1的预处理单元的一示意图。如图2所示,预处理单元110包括:
第一处理单元111,其对采集的心电信号和脉搏波信号去除基线漂移;
第二处理单元112,其对去除基线漂移后的信号去除工频干扰;
第三处理单元113,其对去除工频干扰后的信号去除高频干扰;以及
第四处理单元114,其对去除高频干扰后的信号进行平滑滤波。
这样,通过以上的预处理,使得采集的心电信号和脉搏波信号更适于进行血压的估计,从而进一步提高血压估计的准确性。
例如,第一处理单元111使用巴特沃斯高通滤波器对采集的心电信号和脉搏波信号去除基线漂移;第二处理单元112使用50Hz陷波滤波器去除工频干扰,即去除电源线的干扰;第三处理单元113使用巴特沃斯低通滤波器去除高频干扰;第四处理单元114使用Savitzky-Golay滤波器进行平滑滤波。
在本申请实施例中,检测单元120对预处理后的心电信号和脉搏波信号进行峰值检测,得到心电特征序列和第一脉搏波特征序列,并且,对预处理后的脉搏波信号进行一阶差分信号的峰值检测,得到第二脉搏波特征序列。
在检测单元120完成检测后,还可以进一步对该心电特征序列、该第一脉搏波特征序列和该第二脉搏波特征序列进行特征点的更新。如图1所示,血压估计装置100还可以包括:
更新单元160,其根据峰值间距与自适应阈值之间的大小关系,对该心电特征序列、该第一脉搏波特征序列和该第二脉搏波特征序列中的特征点进行密集和遗漏检测,并根据密集和遗漏检测的结果对该心电特征序列、该第一脉搏波特征序列和该第二脉搏波特征序列进行特征点的更新。
这样,通过对特征点进行密集和遗漏检测而对特征点进行更新,能够去除噪声,提高检测的准确性,从而进一步提高血压估计的准确性。
并且,在更新过程中,利用的是自适应阈值进行密集和遗漏检测,能够根据实际情况自动调整阈值,使得密集和遗漏检测的结果更加准确。
在本申请实施例中,该自适应阈值可以根据由该心电信号确定的心率而设置。
例如,在对该心电特征序列进行密集和遗漏检测时,使用的自适应阈值是由该心电信号中的前五个信号确定的心率的平均值的正则值。
例如,在对该第一脉搏波特征序列和该第二脉搏波特征序列进行密集和遗漏检测时,使用的自适应阈值是由该心电信号确定的心率的正太分布最高点的正则值。
图3是本申请实施例1的检测单元对预处理后的心电信号或脉搏波信号进行峰值检测以及更新单元对该心电特征序列或该第一脉搏波特征序列进行特征点的更新的方法的一流程图。如图3所示,该方法包括:
步骤301:对预处理后的心电信号或脉搏波信号进行一阶差分处理;
步骤302:对一阶差分处理后的信号进行二阶差分处理;
步骤303:设置初始阈值(S,N,T);
步骤304:对二阶差分处理后的信号进行峰值检测,得到各个检测点;
步骤305:判断各个检测点是否大于T,当判断结果为“是”时,进入步骤306,当判断结果为“否”时,进入步骤307;
步骤306:将该检测点确定为特征点,并更新S;
步骤307:将该检测点确定为噪声点并删除,并更新N;
步骤308:根据S和N更新T,并用于判断下一个检测点;
步骤309:在对所有检测点进行判断后,根据确定的特征点和删除的噪声点,得到检测到的特征序列;
步骤310:判断各组相邻特征点的峰值间距是否大于自适应阈值,当判断结果为“是”时,进入步骤311,当判断结果为“否”时,进入步骤312;
步骤311:保留相邻的两个特征点;
步骤312:删除相邻的两个特征点中幅值较小的特征点;
步骤313:在对所有峰值间距进行判断后,得到更新后的特征序列。
在本申请实施例中,进行峰值检测的具体方法可以参考相关技术。
例如,在步骤310中,在初始阶段,可以对原始信号进行分组,并对各个组中的最大值和最小值进行正则化处理,得到初始阈值。
例如,在步骤307中,删除该检测点,并令N=h1×Item+k1×N进行更新;
例如,在步骤306中,令S=h2×Item+k2×S进行更新,Item为检测点的数值;
例如,在步骤308中,令T=N+h3×(S-N)来进行更新。
图4是本申请实施例1的检测单元对预处理后的脉搏波信号进行一阶差分信号的峰值检测以及更新单元对该第二脉搏波特征序列进行特征点的更新的方法的一流程图。如图4所示,该方法包括:
步骤401:对预处理后的脉搏波信号进行一阶差分处理;
步骤402:对一阶差分处理后的信号进行二阶差分处理;
步骤403:对二阶差分处理后的信号进行三阶差分处理;
步骤404:设置初始阈值(S,N,T);
步骤405:对三阶差分处理后的信号进行一阶差分信号的峰值检测,得到各个检测点;
步骤406:判断各个检测点是否大于T,当判断结果为“是”时,进入步骤407,当判断结果为“否”时,进入步骤408;
步骤407:将该检测点确定为特征点,并更新S;
步骤408:将该检测点确定为噪声点并删除,并更新N;
步骤409:根据S和N更新T,并用于判断下一个检测点;
步骤410:根据确定的特征点和删除的噪声点,得到检测到的特征序列;
步骤411:判断各组相邻特征点的峰值间距是否大于自适应阈值,当判断结果为“是”时,进入步骤412,当判断结果为“否”时,进入步骤413;
步骤412:保留该特征点;
步骤413:删除该特征点;
步骤414:得到更新后的特征序列。
在本申请实施例中,图4中各个步骤的具体实现方法可以与图3中相应的步骤相同。另外,步骤401和步骤402与步骤301和步骤302相同,可以在执行了步骤301和步骤302之后,直接执行步骤403。
在本申请实施例中,更新单元160为可选部件,在具有更新单元160的情况下,第一计算单元130根据更新后的特征序列进行计算。
在本申请实施例中,第一计算单元130根据同周期的心电特征序列和第一脉搏波特征序列计算第一脉搏波传导时间,并且,根据同周期的心电特征序列和第二脉搏波特征序列计算第二脉搏波传导时间。
在本申请实施例中,第一计算单元130在计算脉搏波传导时间时,需要判断心电特征序列和第一脉搏波特征序列,以及心电特征序列和第二脉搏波特征序列是否处于同一周期,当处于同一周期时再进行计算。
例如,计算第一脉搏波特征序列与心电特征序列之差以及第二脉搏波特征序列与心电特征序列之差是否为大于零而小于作为阈值的心率的正则值,当判断结果为“是”时,确定为属于同一周期,当判断结果为“否”时,确定为不属于同一周期。
在本申请实施例中,计算脉搏波传导时间的具体方法可以采用现有方法。例如,第一脉搏波传导时间为第一脉搏波特征序列与心电特征序列之差,第二脉搏波传导时间为第二脉搏波特征序列与心电特征序列之差。
在本申请实施例中,第二计算单元140通过多元拟合确定该第一脉搏波传导时间的系数以及该第二脉搏波传导时间的系数;例如,通过多元线性拟合来确定该第一脉搏波传导时间的系数a以及该第二脉搏波传导时间的系数b。具体的拟合方法可以使用现有方法。例如,通过实验设备采集实验者的心电信号和脉搏波信号的数据,以及通过血压计采集实验者的血压值,并根据以上数据进行系数的拟合。
第三计算单元150,其根据该第一脉搏波传导时间、该第二脉搏波传导时间以及确定的该系数,计算收缩压(systolic blood pressure,SBP)和舒张压(diastolic bloodpressure,DBP)。
例如,根据以下的公式(1)和(2)计算收缩压和舒张压:
SBP=a1×PTT1+b1×PTT2+bia1 (1)
DBP=a2×PTT1+b2×PTT2+bia2 (2)
其中,a1是用于计算收缩压的第一脉搏波传导时间PTT1的系数,a2是用于计算舒张压的第一脉搏波传导时间PTT1的系数,b1是用于计算收缩压的第二脉搏波传导时间PTT2的系数,b2是用于计算舒张压的第二脉搏波传导时间PTT2的系数,bia1和bia2为偏置值。
在本申请实施例中,在进行多元拟合时,还可以拟合至少一个用户参数的系数,例如,除了通过实验设备采集实验者的心电信号和脉搏波信号的数据,以及通过血压计采集实验者的血压值,另外还在软件模块中输入实验者的相关参数,例如,实验者的身高、体重、年龄、性别以及肤色中的至少一个,并根据以上数据进行系数的拟合。
并且,在计算收缩压和舒张压时加入了至少一个用户参数项。也就是说,第二计算单元140通过多元拟合确定该第一脉搏波传导时间的系数、该第二脉搏波传导时间的系数以及至少一个用户参数的系数,并且,第三计算单元150根据该第一脉搏波传导时间、该第二脉搏波传导时间以及该至少一个用户参数以及确定的该系数,计算该收缩压和该舒张压。
这样,通过在多元拟合和计算血压时进一步考虑了用户参数,使得估计出的血压值进一步接近于真实值,进一步提高了血压估计的准确性。
在本申请实施例中,该至少一个用户参数包括用户的身高、体重、年龄、性别以及肤色中的至少一个。
例如,还可以根据以下的公式(3)和(4)计算收缩压和舒张压:
SBP=a1×PTT1+b1×PTT2+c1×Age+d1×Weight+e1×Height+f1×sex+g1×skin_color+bia1 (3)
DBP=a2×PTT1+b2×PTT2+c2×Age+d2×Weight+e2×Height+f2×sex+g2×skin_color+bia2 (4)
其中,a1是用于计算收缩压的第一脉搏波传导时间PTT1的系数,a2是用于计算舒张压的第一脉搏波传导时间PTT1的系数,b1是用于计算收缩压的第二脉搏波传导时间PTT2的系数,b2是用于计算舒张压的第二脉搏波传导时间PTT2的系数,c1是用于计算收缩压的年龄Age的系数,c2是用于计算舒张压的年龄Age的系数,d1是用于计算收缩压的体重Weight的系数,d2是用于计算舒张压的体重Weight的系数,e1是用于计算收缩压的身高Height的系数,e2是用于计算舒张压的身高Height的系数,f1是用于计算收缩压的性别sex的系数,f2是用于计算舒张压的性别sex的系数,g1是用于计算收缩压的肤色skin_color的系数,g2是用于计算舒张压的肤色skin_color的系数,bia1和bia2为偏置值。
在本申请实施例中,如图1所示,血压估计装置100还可以包括:
获取单元170,其获得多个周期内的该收缩压和该舒张压;以及
确定单元180,其根据多个周期内的该收缩压和该舒张压,确定血压的变化状态。
这样,能够持续监测一段时间内的血压变化,从而为用户提供更多有价值的数据。
由上述实施例可知,利用一个心电特征序列和两个脉搏波特征序列估计出两个脉搏波传导时间并进行拟合,从而计算血压值,即,通过多参数的多元拟合,使得估计出的血压值更接近真实值;并且,第二脉搏波特征序列是通过对脉搏波信号进行一阶差分信号的峰值检测而得到的,不需要设置另外的硬件设备,例如,不需要设置另外的传感器来采集另一路脉搏波信号,因此,无需增加传感器等硬件设备就能够获得准确的血压估计结果,成本较低且使用方便。
实施例2
本申请实施例还提供了一种电子设备,图5是本申请实施例2的电子设备的一示意图。如图5所示,电子设备500包括血压估计装置100,血压估计装置100的结构和功能与实施例1中的记载相同,此处不再赘述。
在本申请实施例中,电子设备500可以是各种类型的电子设备,例如,各种可穿戴设备或可穿戴设备的部件,例如,智能手环,智能手表,表带等。
图6是本申请实施例2的电子设备的系统构成的一示意框图。如图6所示,电子设备600可以包括处理器601和存储器602;该存储器602耦合到该处理器601。该图是示例性的;还可以使用其它类型的结构,来补充或代替该结构,以实现电信功能或其它功能。
如图6所示,电子设备600还可以包括:输入单元603、显示器604、电源605。
在一个实施方式中,实施例1所述的血压估计装置的功能可以被集成到处理器601中。其中,处理器601可以被配置为:对同步采集的心电信号和脉搏波信号进行预处理;对预处理后的心电信号和脉搏波信号进行峰值检测,得到心电特征序列和第一脉搏波特征序列,并且,对预处理后的脉搏波信号进行一阶差分信号的峰值检测,得到第二脉搏波特征序列;根据同周期的心电特征序列和第一脉搏波特征序列计算第一脉搏波传导时间,并且,根据同周期的心电特征序列和第二脉搏波特征序列计算第二脉搏波传导时间;通过多元拟合确定该第一脉搏波传导时间的系数以及该第二脉搏波传导时间的系数;以及根据该第一脉搏波传导时间、该第二脉搏波传导时间以及确定的该系数,计算收缩压和舒张压。
例如,该对采集的心电信号和脉搏波信号进行预处理包括:对采集的心电信号和脉搏波信号去除基线漂移;对去除基线漂移后的信号去除工频干扰;对去除工频干扰后的信号去除高频干扰;以及对去除高频干扰后的信号进行平滑滤波。
例如,处理器601还可以被配置为:根据峰值间距与自适应阈值之间的大小关系,对该心电特征序列、该第一脉搏波特征序列和该第二脉搏波特征序列中的特征点进行密集和遗漏检测,并根据密集和遗漏检测的结果对该心电特征序列、该第一脉搏波特征序列和该第二脉搏波特征序列进行特征点的更新。
例如,该自适应阈值根据由该心电信号确定的心率而设置。
例如,通过多元拟合确定该第一脉搏波传导时间的系数、该第二脉搏波传导时间的系数以及至少一个用户参数的系数,并且,根据该第一脉搏波传导时间、该第二脉搏波传导时间以及该至少一个用户参数以及确定的该系数,计算该收缩压和该舒张压。
例如,该至少一个用户参数包括用户的身高、体重、年龄、性别以及肤色中的至少一个。
例如,处理器601还可以被配置为:获得多个周期内的该收缩压和该舒张压;以及根据多个周期内的该收缩压和该舒张压,确定血压的变化状态。
在另一个实施方式中,实施例1所述的血压估计装置可以与该处理器601分开配置,例如可以将该血压估计装置配置为与处理器601连接的芯片,通过处理器601的控制来实现该血压估计装置的功能。
在本申请实施例的一种实施方式中电子设备600也并不是必须要包括图6中所示的所有部件。
如图6所示,处理器601有时也称为控制器或操作控件,可以包括微处理器或其它处理器装置和/或逻辑装置,处理器601接收输入并控制电子设备600的各个部件的操作。
该存储器602,例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。并且该处理器601可执行该存储器602存储的该程序,以实现信息存储或处理等。其它部件的功能与现有类似,此处不再赘述。电子设备600的各部件可以通过专用硬件、固件、软件或其结合来实现,而不偏离本申请的范围。
由上述实施例可知,利用一个心电特征序列和两个脉搏波特征序列估计出两个脉搏波传导时间并进行拟合,从而计算血压值,即,通过多参数的多元拟合,使得估计出的血压值更接近真实值;并且,第二脉搏波特征序列是通过对脉搏波信号进行一阶差分信号的峰值检测而得到的,不需要设置另外的硬件设备,例如,不需要设置另外的传感器来采集另一路脉搏波信号,因此,无需增加传感器等硬件设备就能够获得准确的血压估计结果,成本较低且使用方便。
实施例3
本申请实施例还提供了一种血压估计系统。
图7是本申请实施例3的血压估计系统的一示意图。
如图7所示,血压估计系统700包括:
第一传感器200,其采集用户的心电信号;
第二传感器300,其采集该用户的脉搏波信号;
血压估计装置100,其根据采集的该心电信号和该脉搏波信号,估计该用户的血压。
在本申请实施例中,血压估计装置100的结构和功能与实施例1中的记载相同,此处不再赘述。
在本申请实施例中,第一传感器200和第二传感器300可以采用现有结构。例如,第一传感器200包括一组心电电极,第二传感器300是光电传感器。
在本申请实施例中,血压估计系统700可以包括各种类型的电子设备,例如,各种可穿戴设备或可穿戴设备的部件,例如,智能手环,智能手表,表带等。
由上述实施例可知,利用一个心电特征序列和两个脉搏波特征序列估计出两个脉搏波传导时间并进行拟合,从而计算血压值,即,通过多参数的多元拟合,使得估计出的血压值更接近真实值;并且,第二脉搏波特征序列是通过对脉搏波信号进行一阶差分信号的峰值检测而得到的,不需要设置另外的硬件设备,例如,不需要设置另外的传感器来采集另一路脉搏波信号,因此,无需增加传感器等硬件设备就能够获得准确的血压估计结果,成本较低且使用方便。
实施例4
本申请实施例还提供一种血压估计方法,该方法对应于实施例1的血压估计装置。图8是本申请实施例4的血压估计方法的一示意图。如图8所示,该方法包括:
步骤801:对同步采集的心电信号和脉搏波信号进行预处理;
步骤802:对预处理后的心电信号和脉搏波信号进行峰值检测,得到心电特征序列和第一脉搏波特征序列,并且,对预处理后的脉搏波信号进行一阶差分信号的峰值检测,得到第二脉搏波特征序列;
步骤803:根据同周期的心电特征序列和第一脉搏波特征序列计算第一脉搏波传导时间,并且,根据同周期的心电特征序列和第二脉搏波特征序列计算第二脉搏波传导时间;
步骤804:通过多元拟合确定该第一脉搏波传导时间的系数以及该第二脉搏波传导时间的系数;以及
步骤805:根据该第一脉搏波传导时间、该第二脉搏波传导时间以及确定的该系数,计算收缩压和舒张压。
在本申请实施例中,上述各个步骤的具体实现方法与实施例1中的记载相同,此处不再重复。
由上述实施例可知,利用一个心电特征序列和两个脉搏波特征序列估计出两个脉搏波传导时间并进行拟合,从而计算血压值,即,通过多参数的多元拟合,使得估计出的血压值更接近真实值;并且,第二脉搏波特征序列是通过对脉搏波信号进行一阶差分信号的峰值检测而得到的,不需要设置另外的硬件设备,例如,不需要设置另外的传感器来采集另一路脉搏波信号,因此,无需增加传感器等硬件设备就能够获得准确的血压估计结果,成本较低且使用方便。
本申请实施例还提供一种计算机可读程序,其中当在血压估计装置或电子设备中执行所述程序时,所述程序使得计算机在所述血压估计装置或电子设备中执行实施例4所述的血压估计方法。
本申请实施例还提供一种存储有计算机可读程序的存储介质,其中所述计算机可读程序使得计算机在血压估计装置或电子设备中执行实施例4所述的血压估计方法。
结合本申请实施例描述的血压估计装置或电子设备中执行血压估计方法可直接体现为硬件、由处理器执行的软件模块或二者组合。例如,图1中所示的功能框图中的一个或多个和/或功能框图的一个或多个组合,既可以对应于计算机程序流程的各个软件模块,亦可以对应于各个硬件模块。这些软件模块,可以分别对应于图8所示的各个步骤。这些硬件模块例如可利用现场可编程门阵列(FPGA)将这些软件模块固化而实现。
软件模块可以位于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、移动磁盘、CD-ROM或者本领域已知的任何其它形式的存储介质。可以将一种存储介质耦接至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息;或者该存储介质可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。该软件模块可以存储在移动终端的存储器中,也可以存储在可插入移动终端的存储卡中。例如,如果电子设备采用的是较大容量的MEGA-SIM卡或者大容量的闪存装置,则该软件模块可存储在该MEGA-SIM卡或者大容量的闪存装置中。
针对图1描述的功能框图中的一个或多个和/或功能框图的一个或多个组合,可以实现为用于执行本申请所描述功能的通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑器件、分立门或晶体管逻辑器件、分立硬件组件、或者其任意适当组合。针对图1描述的功能框图中的一个或多个和/或功能框图的一个或多个组合,还可以实现为计算设备的组合,例如,DSP和微处理器的组合、多个微处理器、与DSP通信结合的一个或多个微处理器或者任何其它这种配置。
以上结合具体的实施方式对本申请进行了描述,但本领域技术人员应该清楚,这些描述都是示例性的,并不是对本申请保护范围的限制。本领域技术人员可以根据本申请的精神和原理对本申请做出各种变型和修改,这些变型和修改也在本申请的范围内。
本申请实施例还公开下述的附记:
1、一种血压估计方法,所述血压估计方法包括:
对同步采集的心电信号和脉搏波信号进行预处理;
对预处理后的心电信号和脉搏波信号进行峰值检测,得到心电特征序列和第一脉搏波特征序列,并且,对预处理后的脉搏波信号进行一阶差分信号的峰值检测,得到第二脉搏波特征序列;
根据同周期的心电特征序列和第一脉搏波特征序列计算第一脉搏波传导时间,并且,根据同周期的心电特征序列和第二脉搏波特征序列计算第二脉搏波传导时间;
通过多元拟合确定所述第一脉搏波传导时间的系数以及所述第二脉搏波传导时间的系数;以及
根据所述第一脉搏波传导时间、所述第二脉搏波传导时间以及确定的所述系数,计算收缩压和舒张压。
2、根据附记1所述的血压估计方法,其中,所述对采集的心电信号和脉搏波信号进行预处理包括:
对采集的心电信号和脉搏波信号去除基线漂移;
对去除基线漂移后的信号去除工频干扰;
对去除工频干扰后的信号去除高频干扰;以及
对去除高频干扰后的信号进行平滑滤波。
3、根据附记1所述的血压估计方法,其中,所述血压估计方法还包括:
根据峰值间距与自适应阈值之间的大小关系,对所述心电特征序列、所述第一脉搏波特征序列和所述第二脉搏波特征序列中的特征点进行密集和遗漏检测,并根据密集和遗漏检测的结果对所述心电特征序列、所述第一脉搏波特征序列和所述第二脉搏波特征序列进行特征点的更新。
4、根据附记3所述的血压估计方法,其中,
所述自适应阈值根据由所述心电信号确定的心率而设置。
5、根据附记1所述的血压估计方法,其中,
通过多元拟合确定所述第一脉搏波传导时间的系数、所述第二脉搏波传导时间以的系数及至少一个用户参数的系数,并且,根据所述第一脉搏波传导时间、所述第二脉搏波传导时间、所述至少一个用户参数以及确定的所述系数,计算所述收缩压和所述舒张压。
6、根据附记5所述的血压估计方法,其中,
所述至少一个用户参数包括用户的身高、体重、年龄、性别以及肤色中的至少一个。
7、根据附记1所述的血压估计方法,其中,所述血压估计方法还包括:
获得多个周期内的所述收缩压和所述舒张压;以及
根据多个周期内的所述收缩压和所述舒张压,确定血压的变化状态。
Claims (10)
1.一种血压估计装置,其特征在于,所述血压估计装置包括:
预处理单元,其对同步采集的心电信号和脉搏波信号进行预处理;
检测单元,其对预处理后的心电信号和脉搏波信号进行峰值检测,得到心电特征序列和第一脉搏波特征序列,并且,对预处理后的脉搏波信号进行一阶差分信号的峰值检测,得到第二脉搏波特征序列;
第一计算单元,其根据同周期的心电特征序列和第一脉搏波特征序列计算第一脉搏波传导时间,并且,根据同周期的心电特征序列和第二脉搏波特征序列计算第二脉搏波传导时间;
第二计算单元,其通过多元拟合确定所述第一脉搏波传导时间的系数以及所述第二脉搏波传导时间的系数;以及
第三计算单元,其根据所述第一脉搏波传导时间、所述第二脉搏波传导时间以及确定的所述系数,计算收缩压和舒张压。
2.根据权利要求1所述的血压估计装置,其特征在于,所述预处理单元包括:
第一处理单元,其对采集的心电信号和脉搏波信号去除基线漂移;
第二处理单元,其对去除基线漂移后的信号去除工频干扰;
第三处理单元,其对去除工频干扰后的信号去除高频干扰;以及
第四处理单元,其对去除高频干扰后的信号进行平滑滤波。
3.根据权利要求1所述的血压估计装置,其特征在于,所述血压估计装置还包括:
更新单元,其根据峰值间距与自适应阈值之间的大小关系,对所述心电特征序列、所述第一脉搏波特征序列和所述第二脉搏波特征序列中的特征点进行密集和遗漏检测,并根据密集和遗漏检测的结果对所述心电特征序列、所述第一脉搏波特征序列和所述第二脉搏波特征序列进行特征点的更新。
4.根据权利要求3所述的血压估计装置,其特征在于,
所述自适应阈值根据由所述心电信号确定的心率而调整。
5.根据权利要求1所述的血压估计装置,其特征在于,
所述第二计算单元通过多元拟合确定所述第一脉搏波传导时间的系数、所述第二脉搏波传导时间的系数以及至少一个用户参数的系数,并且,所述第三计算单元根据所述第一脉搏波传导时间、所述第二脉搏波传导时间、所述至少一个用户参数以及确定的所述系数,计算所述收缩压和所述舒张压。
6.根据权利要求5所述的血压估计装置,其特征在于,
所述至少一个用户参数包括用户的身高、体重、年龄、性别以及肤色中的至少一个。
7.根据权利要求1所述的血压估计装置,其特征在于,所述血压估计装置还包括:
获取单元,其获得多个周期内的所述收缩压和所述舒张压;以及
确定单元,其根据多个周期内的所述收缩压和所述舒张压,确定血压的变化状态。
8.一种电子设备,其特征在于,所述电子设备包括根据权利要求1-7中的任一项所述的血压估计装置。
9.一种血压估计系统,其特征在于,所述血压估计系统包括:
第一传感器,其采集用户的心电信号;
第二传感器,其采集所述用户的脉搏波信号;
根据权利要求1-7中的任一项所述的血压估计装置,其根据采集的所述心电信号和所述脉搏波信号,估计所述用户的血压。
10.一种血压估计方法,其特征在于,所述血压估计方法包括:
对同步采集的心电信号和脉搏波信号进行预处理;
对预处理后的心电信号和脉搏波信号进行峰值检测,得到心电特征序列和第一脉搏波特征序列,并且,对预处理后的脉搏波信号进行一阶差分信号的峰值检测,得到第二脉搏波特征序列;
根据同周期的心电特征序列和第一脉搏波特征序列计算第一脉搏波传导时间,并且,根据同周期的心电特征序列和第二脉搏波特征序列计算第二脉搏波传导时间;
通过多元拟合确定所述第一脉搏波传导时间的系数以及所述第二脉搏波传导时间的系数;以及
根据所述第一脉搏波传导时间、所述第二脉搏波传导时间以及确定的所述系数,计算收缩压和舒张压。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110261080.6A CN115067902A (zh) | 2021-03-10 | 2021-03-10 | 血压估计装置及方法、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110261080.6A CN115067902A (zh) | 2021-03-10 | 2021-03-10 | 血压估计装置及方法、电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115067902A true CN115067902A (zh) | 2022-09-20 |
Family
ID=83240522
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110261080.6A Pending CN115067902A (zh) | 2021-03-10 | 2021-03-10 | 血压估计装置及方法、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115067902A (zh) |
-
2021
- 2021-03-10 CN CN202110261080.6A patent/CN115067902A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9681814B2 (en) | Devices and methods for real-time denoising of electrocardiograms | |
CN107920758B (zh) | 用于确定血压值的方法、装置和计算机程序 | |
CN102270264B (zh) | 生理信号质量评估系统及方法 | |
CN111091116B (zh) | 一种用于判断心律失常的信号处理方法及系统 | |
Li et al. | Design of a continuous blood pressure measurement system based on pulse wave and ECG signals | |
EP3133985B1 (en) | A method and a device for non invasive blood pressure measurement | |
US20170281021A1 (en) | Heartbeat detection method and heartbeat detection device | |
CN112839584B (zh) | 用于母体子宫活动检测的系统和方法 | |
KR20220150901A (ko) | 모체 자궁 활동 검출을 위한 융합 신호 처리 | |
CN107995981B (zh) | 一种用于血压测量装置的数据处理方法 | |
CN110840428B (zh) | 基于一维U-Net网络的无创血压估计方法 | |
CN114916940A (zh) | 基于专家知识的心律失常信号检测方法、系统及终端 | |
CN113413135B (zh) | 一种基于脉搏采集分析的方法、系统、装置及存储介质 | |
Tan et al. | EMD-based electrocardiogram delineation for a wearable low-power ECG monitoring device | |
Pollreisz et al. | Reliable respiratory rate extraction using PPG | |
Lin et al. | A characteristic filtering method for pulse wave signal quality assessment | |
KR20100027460A (ko) | 다중 윈도우를 이용한 생체신호의 특성 파라미터 추출 장치및 방법 | |
KR101941172B1 (ko) | 생체 신호의 피크를 검출하는 임계값 제어 방법 및 장치. | |
CN111166325B (zh) | 基于ipcmm算法的心电信号qrs复合波检测方法及系统 | |
Liu et al. | Power and area efficient wavelet-based on-chip ECG processor for WBAN | |
CN110226925B (zh) | 一种基于脉搏波的血压检测装置 | |
CN115067902A (zh) | 血压估计装置及方法、电子设备 | |
Pangerc et al. | Robust detection of heart beats in multimodal data using integer multiplier digital filters and morphological algorithms | |
JP2002078695A (ja) | 心電図計測装置 | |
CN112842304B (zh) | 数据处理方法、装置、电子设备和存储介质 |
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 |