CN115969342A - 一种具有动脉弹性和微循环评估功能的血压计 - Google Patents
一种具有动脉弹性和微循环评估功能的血压计 Download PDFInfo
- Publication number
- CN115969342A CN115969342A CN202211668178.4A CN202211668178A CN115969342A CN 115969342 A CN115969342 A CN 115969342A CN 202211668178 A CN202211668178 A CN 202211668178A CN 115969342 A CN115969342 A CN 115969342A
- Authority
- CN
- China
- Prior art keywords
- ppg
- microcirculation
- output
- signal
- sphygmomanometer
- 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
- 230000004089 microcirculation Effects 0.000 title claims abstract description 43
- 238000011156 evaluation Methods 0.000 title claims abstract description 22
- 239000000523 sample Substances 0.000 claims abstract description 29
- 238000001514 detection method Methods 0.000 claims abstract description 20
- 230000006870 function Effects 0.000 claims abstract description 10
- 238000010801 machine learning Methods 0.000 claims description 25
- 239000003990 capacitor Substances 0.000 claims description 21
- 210000001367 artery Anatomy 0.000 claims description 17
- 206010003210 Arteriosclerosis Diseases 0.000 claims description 12
- 208000011775 arteriosclerosis disease Diseases 0.000 claims description 12
- 101001095088 Homo sapiens Melanoma antigen preferentially expressed in tumors Proteins 0.000 claims description 9
- 102100037020 Melanoma antigen preferentially expressed in tumors Human genes 0.000 claims description 9
- 238000013210 evaluation model Methods 0.000 claims description 9
- 238000000034 method Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 5
- 239000001301 oxygen Substances 0.000 claims description 5
- 229910052760 oxygen Inorganic materials 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 239000007789 gas Substances 0.000 claims description 3
- 238000012417 linear regression Methods 0.000 claims description 3
- 238000007637 random forest analysis Methods 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 6
- 230000036772 blood pressure Effects 0.000 description 5
- 206010020772 Hypertension Diseases 0.000 description 3
- 210000004204 blood vessel Anatomy 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 102000008186 Collagen Human genes 0.000 description 2
- 108010035532 Collagen Proteins 0.000 description 2
- 208000005764 Peripheral Arterial Disease Diseases 0.000 description 2
- 229920001436 collagen Polymers 0.000 description 2
- 230000003205 diastolic effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000002861 ventricular Effects 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 208000032544 Cicatrix Diseases 0.000 description 1
- 208000008960 Diabetic foot Diseases 0.000 description 1
- 102000016942 Elastin Human genes 0.000 description 1
- 108010014258 Elastin Proteins 0.000 description 1
- 206010021143 Hypoxia Diseases 0.000 description 1
- 206010040070 Septic Shock Diseases 0.000 description 1
- 206010047139 Vasoconstriction Diseases 0.000 description 1
- 238000002266 amputation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 238000009530 blood pressure measurement Methods 0.000 description 1
- 210000000748 cardiovascular system Anatomy 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 229920002549 elastin Polymers 0.000 description 1
- 210000003414 extremity Anatomy 0.000 description 1
- 208000018875 hypoxemia Diseases 0.000 description 1
- 208000028867 ischemia Diseases 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 210000005240 left ventricle Anatomy 0.000 description 1
- 210000003141 lower extremity Anatomy 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 231100000241 scar Toxicity 0.000 description 1
- 230000037387 scars Effects 0.000 description 1
- 230000036303 septic shock Effects 0.000 description 1
- GEVPIWPYWJZSPR-UHFFFAOYSA-N tcpo Chemical compound ClC1=CC(Cl)=CC(Cl)=C1OC(=O)C(=O)OC1=C(Cl)C=C(Cl)C=C1Cl GEVPIWPYWJZSPR-UHFFFAOYSA-N 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000025033 vasoconstriction Effects 0.000 description 1
- 230000029663 wound healing Effects 0.000 description 1
Images
Landscapes
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明涉及一种具有动脉弹性和微循环评估功能的血压计，包括：袖带，所述袖带内置压力传感器，压力传感器的输出端与处理器的第一输入端相连，处理器的第一输出端与充放电控制电路的输入端相连，充放电控制电路的输出端分别与电磁阀、泄气阀和气泵相连，电磁阀、泄气阀、气泵位于袖袋内，所述PPG探头的输出端通过电子滤波电路与处理器的第二输入端相连，处理器的第二输出端与显示屏相连。本发明使用了在微循环以及动脉弹性评估领域具有潜力的PPG技术，在保证高效的同时，大大节约了检测费用，无需专业医师进行操作，能够普及在大众生活中，具有很高的应用价值，提高了微循环以及动脉弹性评估的准确性，使检测变得高效实惠。
Description
技术领域
本发明涉及医疗器械技术领域，尤其是一种具有动脉弹性和微循环评估功能的血压计。
背景技术
微循环是临床常用的评价皮肤氧供的无创指标，常用于外周动脉疾病检测、糖尿病足截肢水平的判定、伤口愈合评估及瘢痕评估、感染性休克的检测等，也可以用于检测PAD致劳累性下肢疼痛后肢体不同水平和双侧肢体的局部缺血，以及运动后的低氧血症。这种通过脚趾光电容积脉搏波信号(PPG)来预测经皮氧分压(TcPO2)的方法成为预测皮肤微循环中最重要的任务之一，并且需要快速且便捷的监测手段。
动脉弹性通常可以用来反映出人体血管收缩以及舒张的功能，是维系人体心血管系统活动的至关重要的因素，与心血管疾病的发生紧密相关，随着年龄增长，血管通常会变硬，发生这种现象的主要原因是血管壁中的蛋白发生改变，胶原蛋白弹性较弱，代替了原本弹性较强的弹性蛋白。动脉硬化度是高血压的决定因素，因此由于动脉硬化是高血压发生的前兆，对其进行检测可以尽早发现并治疗高血压。在这种情况下，动脉弹性的测量对相关疾病的诊断与检测有巨大价值。
但在现有微循环及动脉硬化预测领域中，检测费用高昂，在测试前需要对仪器进行反复校准，消耗时间过长，耗材较贵，需要专业医师进行操作，导致很难将其普及并应用于初级保健机构和院外跟踪检测。
发明内容
为了克服现有微循环及动脉弹性评估中存在的测量时间长，检测费用高昂，需要专业医师进行操作，无法普及在大众生活中的问题，本发明的目的在于提供一种检测精度高，检测成本低，大大缩短检测时间的具有动脉弹性和微循环评估功能的血压计。
为实现上述目的，本发明采用了以下技术方案：一种具有动脉弹性和微循环评估功能的血压计，包括：
袖带，为绑定在手臂上的气囊；
压力传感器，为由压敏电阻组成的电阻式压力传感器；
气泵，用于给袖带充气的装置；
泄气阀，用于对袖带中气体进行抽放；
电磁阀，用于控制气路通断装置；
显示屏，用于显示测量结果；
PPG探头，用于获取受试者的PPG信号；
电子滤波电路，用于对获取到的PPG原始信号进行去噪及放大；
模数转换电路，用于将去噪、放大后的PPG信号转换为数字信号；
处理器，用于计算微循环、动脉硬化指标；
充放气控制电路，用于控制泄气阀、电磁阀、气泵与袖带间的气体传输；
所述袖带内置压力传感器，压力传感器的输出端与处理器的第一输入端相连，处理器的第一输出端与充放电控制电路的输入端相连，充放电控制电路的输出端分别与电磁阀、泄气阀和气泵相连，电磁阀、泄气阀、气泵位于袖袋内，所述PPG探头的输出端通过电子滤波电路与处理器的第二输入端相连，处理器的第二输出端与显示屏相连。
所述PPG探头采用PPG指夹传感器，PPG指夹传感器由近红外和光电传感器组成，测试者将PPG指夹传感器夹在手指上进行PPG信号收集。
所述电子滤波电路包括电容C1，电容C1的正级接入获得的PPG原始信号，电容C1的负极分别与电阻R1、运放U1的正相输入端相连，电阻R1的另一端接参考电压Vref，运放U1的反相输入端通过电阻R3接参考电压Vref；电阻R2、电容C2并联，且并联端跨接在运放U1的反相输入端与输出端之间，运放U1的输出端与电位器P1的一端相连，电位器P1的另一端接参考电压Vref，电位器P1输出第一阶段处理的信号Vout1；
电容C3的正级接入第一阶段处理的信号Vout1，电容C1的负极分别与电阻R4、运放U2的正相输入端相连，电阻R4的另一端接参考电压Vref，运放U2的反相输入端通过电阻R6接参考电压Vref；电阻R5、电容C4并联，且并联端跨接在运放U2的反相输入端与输出端之间，运放U2的输出端与电位器P2的一端相连，电位器P2的另一端接参考电压Vref，电位器P2输出第二阶段处理的信号Vout2，第二阶段处理的信号Vout2作为电子滤波电路的输出信号。
所述处理器包括：
信号预处理模块，用于对收集到的已筛选、去噪后的PPG信号进行归一化；
特征集建立模块，用于对预处理之后的PPG信号进行特征点检测，并进行多域特征提取，将提取到的多域PPG波形特征进行特征融合构成综合特征集；
特征选择模块，用于对综合特征集进行特征选择，筛选出与微循环以及动脉弹性相关的PPG敏感特征；
模型构建模块，用于将PPG敏感特征和对应受试者的人体生理参数输入到机器学习模型中，构建出微循环预测及动脉弹性评估模型，对微循环和动脉弹性进行预测与评估。
所述机器学习模型采取的评价指标如下：平均绝对误差MAE、均方根误差RMSE、平均绝对百分比误差MAPE和相关系数R；
平均绝对误差MAE、均方根误差RMSE、平均绝对百分比误差MAPE越小，说明机器学习模型拥有更好的精确度，其计算公式如下：
式中，平均绝对误差MAE是绝对误差的平均值，均方根误差RMSE是预测值与真实值偏差的平方和与预测次数n比值的平方根，平均绝对百分比误差MAPE则是在MAE的基础上除以真实值；actual(t)表示数据真实值，forcast(t)表示机器学习进行预测后的预测值，n为样本数量；
相关系数R表示变量之间相关关系密切程度的统计指标：
式中，R为根据样本数据计算得出的样本相关系数，其中X为样本真实值，
为样本真实值的平均值，Y为样本预测值，
为样本预测值的平均值；R的取值范围为[-1,1]，R＝1表示完全正相关，R＝-1表示完全负相关，R＝0表示完全不相关。
所述构建出微循环预测及动脉弹性评估模型是指：将得到的PPG敏感特征结合对应受试者的人体生理参数作为机器学习模型的输入，将动脉硬化指标以及经皮氧分压的数值作为机器学习模型的输出，构建出微循环预测及动脉弹性评估模型，所述机器学习模型为随机森林算法、支持向量机、XGBoost以及多元线性回归模型，其中脉搏波传导速度cfPWV作为动脉硬化的指标，计算公式为：
其中，L为测量的动脉节段的体表距离，单位为米；PTT为脉搏波的传导时间，单位为秒。
由上述技术方案可知，本发明的有益效果为：第一，本发明使用了在微循环以及动脉弹性评估领域具有潜力的PPG技术，在保证高效的同时，避免了有创检测的时间与不适，大大节约了检测费用，无需专业医师进行操作，能够普及在大众生活中，具有很高的应用价值；第二，本发明使用电子滤波电路对PPG信号进行预处理，大大降低了信号处理程序的复杂程度，并提高了微循环以及动脉弹性评估的准确性，使检测变得高效实惠；第三，本发明提出了监督机器学习来进行微循环以及动脉弹性评估，并将微循环以及动脉弹性评估与血压检测装置融为一体，取得了良好的预测效果，方便病情筛查。
附图说明
图1为本发明的方法流程图；
图2为PPG波形图；
图3为本发明中电子滤波电路的电路原理图；
图4为本发明的电路组成框图。
具体实施方式
如图1、2、4所示，一种具有动脉弹性和微循环评估功能的血压计，包括：
袖带，为绑定在手臂上的气囊；
压力传感器，为由压敏电阻组成的电阻式压力传感器；
气泵，用于给袖带充气的装置；
泄气阀，用于对袖带中气体进行抽放；
电磁阀，用于控制气路通断装置；
显示屏，用于显示测量结果；
PPG探头，用于获取受试者的PPG信号；
电子滤波电路，用于对获取到的PPG原始信号进行去噪及放大；
模数转换电路，用于将去噪、放大后的PPG信号转换为数字信号；
处理器，用于计算微循环、动脉硬化指标；
充放气控制电路，用于控制泄气阀、电磁阀、气泵与袖带间的气体传输；
所述袖带内置压力传感器，压力传感器的输出端与处理器的第一输入端相连，处理器的第一输出端与充放电控制电路的输入端相连，充放电控制电路的输出端分别与电磁阀、泄气阀和气泵相连，电磁阀、泄气阀、气泵位于袖袋内，所述PPG探头的输出端通过电子滤波电路与处理器的第二输入端相连，处理器的第二输出端与显示屏相连。
所述PPG探头采用PPG指夹传感器，PPG指夹传感器由近红外和光电传感器组成，测试者将PPG指夹传感器夹在手指上进行PPG信号收集。
如图3所示，所述电子滤波电路包括电容C1，电容C1的正级接入获得的PPG原始信号，电容C1的负极分别与电阻R1、运放U1的正相输入端相连，电阻R1的另一端接参考电压Vref，运放U1的反相输入端通过电阻R3接参考电压Vref；电阻R2、电容C2并联，且并联端跨接在运放U1的反相输入端与输出端之间，运放U1的输出端与电位器P1的一端相连，电位器P1的另一端接参考电压Vref，电位器P1输出第一阶段处理的信号Vout1；
电容C3的正级接入第一阶段处理的信号Vout1，电容C1的负极分别与电阻R4、运放U2的正相输入端相连，电阻R4的另一端接参考电压Vref，运放U2的反相输入端通过电阻R6接参考电压Vref；电阻R5、电容C4并联，且并联端跨接在运放U2的反相输入端与输出端之间，运放U2的输出端与电位器P2的一端相连，电位器P2的另一端接参考电压Vref，电位器P2输出第二阶段处理的信号Vout2，第二阶段处理的信号Vout2作为电子滤波电路的输出信号。
所述处理器包括：
信号预处理模块，用于对收集到的已筛选、去噪后的PPG信号进行归一化；
特征集建立模块，用于对预处理之后的PPG信号进行特征点检测，并进行多域特征提取，将提取到的多域PPG波形特征进行特征融合构成综合特征集；
特征选择模块，用于对综合特征集进行特征选择，筛选出与微循环以及动脉弹性相关的PPG敏感特征；
模型构建模块，用于将PPG敏感特征和对应受试者的人体生理参数输入到机器学习模型中，构建出微循环预测及动脉弹性评估模型，对微循环和动脉弹性进行预测与评估。
所述的机器学习模型构建采用网格搜索的方法进行参数调优，其中参数包括：决策树的数目、最大深度、最小样本数和最小分类样本数。
所述机器学习模型采取的评价指标如下：平均绝对误差MAE、均方根误差RMSE、平均绝对百分比误差MAPE和相关系数R；
平均绝对误差MAE、均方根误差RMSE、平均绝对百分比误差MAPE越小，说明机器学习模型拥有更好的精确度，其计算公式如下：
式中，平均绝对误差MAE是绝对误差的平均值，均方根误差RMSE是预测值与真实值偏差的平方和与预测次数n比值的平方根，平均绝对百分比误差MAPE则是在MAE的基础上除以真实值；actual(t)表示数据真实值，forcast(t)表示机器学习进行预测后的预测值，n为样本数量；
相关系数R表示变量之间相关关系密切程度的统计指标：
式中，R为根据样本数据计算得出的样本相关系数，其中X为样本真实值，
为样本真实值的平均值，Y为样本预测值，
为样本预测值的平均值；R的取值范围为[-1,1]，R＝1表示完全正相关，R＝-1表示完全负相关，R＝0表示完全不相关。
所述构建出微循环预测及动脉弹性评估模型是指：将得到的PPG敏感特征结合对应受试者的人体生理参数作为机器学习模型的输入，将动脉硬化指标以及经皮氧分压的数值作为机器学习模型的输出，构建出微循环预测及动脉弹性评估模型，所述机器学习模型为随机森林算法、支持向量机、XGBoost以及多元线性回归模型，其中脉搏波传导速度cfPWV作为动脉硬化的指标，计算公式为：
其中，L为测量的动脉节段的体表距离，单位为米；PTT为脉搏波的传导时间，单位为秒。
本发明血压计使用的步骤一为血压的测量，测量血压时将袖带套在左臂胳膊上后，使用气泵给袖带充气，使气压在一定范围内发生变化，不同的气压与血管相互作用的时候产生不一样的气压波动，压力传感器对此波动进行捕捉，不同压力则会导致电阻发生变化，通过配套电路捕获到与压力一一对应的电压信号；在气泵停止充气后由泄气阀慢慢放掉袖带中的气体，使得袖带中的压力下降，使得压力传感器可以检测到干净的血压跳动信号，结果由显示屏进行显示。
本发明血压计使用的步骤二为PPG信号的获取与预处理：所述PPG探头采用PPG指夹传感器，测试者将PPG指夹传感器夹在手指上进行PPG信号收集，由PPG指夹传感器传出的PPG信号仍然很脆弱，而且有噪音，因此将原始信号输入至电子滤波电路中进行处理。
将PPG探头放在左、右手食指指端进行PPG信号的采集，PPG信号的采集方法为通过光电传感器采集红外光透射过左、右手食指指尖的PPG信号和绿光反射过左、右手食指指尖的PPG信号，具体为将光电传感器发出的近红外光照射手指背部，经过60s的采样，得到60000个采样数据进行回传。
新增入的PPG信号获取PPG探头与电子滤波电路相连接，在获取到原始PPG信号后，将PPG信号传输至电子滤波电路进行预处理，电子滤波电路与处理器通过模数转换电路相连接，将信号传输至处理器中，再由处理器实现动脉弹性和微循环功能评估。
本发明血压计使用的步骤三为对预处理后的PPG信号进行机器学习，实现对动脉弹性以及微循环功能的评估。
本发明是在传统血压计的基础上增加了PPG信号获取探头，可以将血压计与电脑端相连接，进行动脉弹性和微循环功能的评估。
电子滤波电路主要分成两个部分，在获取到PPG原始信号后，PPG原始信号传入电子滤波电路的第一阶段，该阶段为一个无源高通滤波器HPF和一个有缘低通滤波器LPF组成，其中HPF用来阻断PPG信号的直流分量，此部分的截断频率可达0.5Hz。由于经过HPF的信号依旧存在噪声，则继续通过LPF进行处理，此LPF对信号进行放大，该LPF的截止频率为3.4Hz。经过第一阶段的信号中依旧存在大量直流成分与小动脉振幅，所以经过电子滤波电路的第二阶段，该第二阶段与第一阶段的电路结构相同，仍被滤波电路去噪、运算放大器放大，之后即可获取去噪及放大之后的PPG信号。
原始PPG信号经过电子滤波电路后，得到已经处理后的，去噪及放大之后的PPG信号。
所述PPG信号特征点具体为：指端PPG脉搏波是复杂的生理信号，反映了动脉中的血液流动，从中心(心脏)向末端(手指)以波的形式移动；如图2所示，PPG波形形态通常分为收缩成分和舒张成分，收缩成分主要来自从左心室传输到手指记录部位的前向波，点A到点B是快速射血期，点B到点C是射血后期，与心脏收缩期有关；点B是PPG信号的主要峰值点，此点处的血压达到最大值。点C是降中峡，在重搏波切迹(dicrotic notch)；舒张成分主要是由于心室舒张，主动脉血液向心室方向返流造成的；点D是舒张期峰值点。
综上所述，本发明使用了在微循环以及动脉弹性评估领域具有潜力的PPG技术，在保证高效的同时，避免了有创检测的时间与不适，大大节约了检测费用，无需专业医师进行操作，能够普及在大众生活中，具有很高的应用价值；本发明使用电子滤波电路对PPG信号进行预处理，大大降低了信号处理程序的复杂程度，并提高了微循环以及动脉弹性评估的准确性，使检测变得高效实惠；本发明提出了监督机器学习来进行微循环以及动脉弹性评估，并将微循环以及动脉弹性评估与血压检测装置融为一体，取得了良好的预测效果，方便病情筛查。
Claims (6)
1.一种具有动脉弹性和微循环评估功能的血压计，其特征在于：包括：
袖带，为绑定在手臂上的气囊；
压力传感器，为由压敏电阻组成的电阻式压力传感器；
气泵，用于给袖带充气的装置；
泄气阀，用于对袖带中气体进行抽放；
电磁阀，用于控制气路通断装置；
显示屏，用于显示测量结果；
PPG探头，用于获取受试者的PPG信号；
电子滤波电路，用于对获取到的PPG原始信号进行去噪及放大；
模数转换电路，用于将去噪、放大后的PPG信号转换为数字信号；
处理器，用于计算微循环、动脉硬化指标；
充放气控制电路，用于控制泄气阀、电磁阀、气泵与袖带间的气体传输；
所述袖带内置压力传感器，压力传感器的输出端与处理器的第一输入端相连，处理器的第一输出端与充放电控制电路的输入端相连，充放电控制电路的输出端分别与电磁阀、泄气阀和气泵相连，电磁阀、泄气阀、气泵位于袖袋内，所述PPG探头的输出端通过电子滤波电路与处理器的第二输入端相连，处理器的第二输出端与显示屏相连。
2.根据权利要求1所述的具有动脉弹性和微循环评估功能的血压计，其特征在于：所述PPG探头采用PPG指夹传感器，PPG指夹传感器由近红外和光电传感器组成，测试者将PPG指夹传感器夹在手指上进行PPG信号收集。
3.根据权利要求1所述的具有动脉弹性和微循环评估功能的血压计，其特征在于：所述电子滤波电路包括电容C1，电容C1的正级接入获得的PPG原始信号，电容C1的负极分别与电阻R1、运放U1的正相输入端相连，电阻R1的另一端接参考电压Vref，运放U1的反相输入端通过电阻R3接参考电压Vref；电阻R2、电容C2并联，且并联端跨接在运放U1的反相输入端与输出端之间，运放U1的输出端与电位器P1的一端相连，电位器P1的另一端接参考电压Vref，电位器P1输出第一阶段处理的信号Vout1；
电容C3的正级接入第一阶段处理的信号Vout1，电容C1的负极分别与电阻R4、运放U2的正相输入端相连，电阻R4的另一端接参考电压Vref，运放U2的反相输入端通过电阻R6接参考电压Vref；电阻R5、电容C4并联，且并联端跨接在运放U2的反相输入端与输出端之间，运放U2的输出端与电位器P2的一端相连，电位器P2的另一端接参考电压Vref，电位器P2输出第二阶段处理的信号Vout2，第二阶段处理的信号Vout2作为电子滤波电路的输出信号。
4.根据权利要求1所述的具有动脉弹性和微循环评估功能的血压计，其特征在于：所述处理器包括：
信号预处理模块，用于对收集到的已筛选、去噪后的PPG信号进行归一化；
特征集建立模块，用于对预处理之后的PPG信号进行特征点检测，并进行多域特征提取，将提取到的多域PPG波形特征进行特征融合构成综合特征集；
特征选择模块，用于对综合特征集进行特征选择，筛选出与微循环以及动脉弹性相关的PPG敏感特征；
模型构建模块，用于将PPG敏感特征和对应受试者的人体生理参数输入到机器学习模型中，构建出微循环预测及动脉弹性评估模型，对微循环和动脉弹性进行预测与评估。
5.根据权利要求4所述的具有动脉弹性和微循环评估功能的血压计，其特征在于：所述机器学习模型采取的评价指标如下：平均绝对误差MAE、均方根误差RMSE、平均绝对百分比误差MAPE和相关系数R；
平均绝对误差MAE、均方根误差RMSE、平均绝对百分比误差MAPE越小，说明机器学习模型拥有更好的精确度，其计算公式如下：
式中，平均绝对误差MAE是绝对误差的平均值，均方根误差RMSE是预测值与真实值偏差的平方和与预测次数n比值的平方根，平均绝对百分比误差MAPE则是在MAE的基础上除以真实值；actual(t)表示数据真实值，forcast(t)表示机器学习进行预测后的预测值，n为样本数量；
相关系数R表示变量之间相关关系密切程度的统计指标：
式中，R为根据样本数据计算得出的样本相关系数，其中X为样本真实值，
为样本真实值的平均值，Y为样本预测值，
为样本预测值的平均值；R的取值范围为[-1,1]，R＝1表示完全正相关，R＝-1表示完全负相关，R＝0表示完全不相关。
6.根据权利要求4所述的具有动脉弹性和微循环评估功能的血压计，其特征在于：所述构建出微循环预测及动脉弹性评估模型是指：将得到的PPG敏感特征结合对应受试者的人体生理参数作为机器学习模型的输入，将动脉硬化指标以及经皮氧分压的数值作为机器学习模型的输出，构建出微循环预测及动脉弹性评估模型，所述机器学习模型为随机森林算法、支持向量机、XGBoost以及多元线性回归模型，其中脉搏波传导速度cfPWV作为动脉硬化的指标，计算公式为：
其中，L为测量的动脉节段的体表距离，单位为米；PTT为脉搏波的传导时间，单位为秒。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211668178.4A CN115969342A (zh) | 2022-12-23 | 2022-12-23 | 一种具有动脉弹性和微循环评估功能的血压计 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211668178.4A CN115969342A (zh) | 2022-12-23 | 2022-12-23 | 一种具有动脉弹性和微循环评估功能的血压计 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115969342A true CN115969342A (zh) | 2023-04-18 |
Family
ID=85957465
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211668178.4A Pending CN115969342A (zh) | 2022-12-23 | 2022-12-23 | 一种具有动脉弹性和微循环评估功能的血压计 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115969342A (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4290434A (en) * | 1978-05-15 | 1981-09-22 | Vita Vet Research Group Inc. | Blood pressure measuring device |
| US4771790A (en) * | 1985-04-12 | 1988-09-20 | Omron Tateisi Electronics Co. | Electronic blood pressure meter |
| JPH07255684A (ja) * | 1994-03-25 | 1995-10-09 | Toto Ltd | 光電容積脈波法血圧計 |
| KR20060081178A (ko) * | 2005-01-07 | 2006-07-12 | 학교법인연세대학교 | 광혈류 측정신호를 이용한 이동형 혈압 감시장치 |
| CN201308483Y (zh) * | 2008-12-09 | 2009-09-16 | 中国人民解放军第三军医大学野战外科研究所 | 动脉血管弹性动态检测装置 |
| US20200107737A1 (en) * | 2018-10-03 | 2020-04-09 | Newton Howard | Method and apparatus for hypertension classification |
| WO2021006768A1 (ru) * | 2019-07-11 | 2021-01-14 | Акционерное общество "Елатомский приборный завод" | Способ и устройство для оценки микроцирку ляторных нарушений в коже |
| US20210022627A1 (en) * | 2017-09-14 | 2021-01-28 | Koninklijke Philips N.V. | Inflation apparatus for an inflation-based non-invasive blood pressure monitor and a method of operating the same |
| US20210030372A1 (en) * | 2018-04-23 | 2021-02-04 | Evonik Operations Gmbh | Methods to estimate the blood pressure and the arterial stiffness based on photoplethysmographic (ppg) signals |
-
2022
- 2022-12-23 CN CN202211668178.4A patent/CN115969342A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4290434A (en) * | 1978-05-15 | 1981-09-22 | Vita Vet Research Group Inc. | Blood pressure measuring device |
| US4771790A (en) * | 1985-04-12 | 1988-09-20 | Omron Tateisi Electronics Co. | Electronic blood pressure meter |
| JPH07255684A (ja) * | 1994-03-25 | 1995-10-09 | Toto Ltd | 光電容積脈波法血圧計 |
| KR20060081178A (ko) * | 2005-01-07 | 2006-07-12 | 학교법인연세대학교 | 광혈류 측정신호를 이용한 이동형 혈압 감시장치 |
| CN201308483Y (zh) * | 2008-12-09 | 2009-09-16 | 中国人民解放军第三军医大学野战外科研究所 | 动脉血管弹性动态检测装置 |
| US20210022627A1 (en) * | 2017-09-14 | 2021-01-28 | Koninklijke Philips N.V. | Inflation apparatus for an inflation-based non-invasive blood pressure monitor and a method of operating the same |
| US20210030372A1 (en) * | 2018-04-23 | 2021-02-04 | Evonik Operations Gmbh | Methods to estimate the blood pressure and the arterial stiffness based on photoplethysmographic (ppg) signals |
| US20200107737A1 (en) * | 2018-10-03 | 2020-04-09 | Newton Howard | Method and apparatus for hypertension classification |
| WO2021006768A1 (ru) * | 2019-07-11 | 2021-01-14 | Акционерное общество "Елатомский приборный завод" | Способ и устройство для оценки микроцирку ляторных нарушений в коже |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2309668C1 (ru) | Способ неинвазивного определения функции эндотелия и устройство для его осуществления | |
| CN104382571B (zh) | 一种基于桡动脉脉搏波传导时间的测量血压方法及装置 | |
| CN106413534B (zh) | 连续血压测量装置、测量模型建立方法和系统 | |
| CN105708431A (zh) | 血压实时测量装置及测量方法 | |
| CN111493855B (zh) | 个体化心输出量的无创测量系统与方法 | |
| Ferreira et al. | A review of methods for non-invasive heart rate measurement on wrist | |
| CN111166306A (zh) | 生理信号采集方法及计算机设备、存储介质 | |
| CN113509160A (zh) | 一种连续无创血压监测方法及装置 | |
| Tanaka et al. | Accuracy assessment of a noninvasive device for monitoring beat-by-beat blood pressure in the radial artery using the volume-compensation method | |
| US11109780B2 (en) | ECG-based glucose monitoring system | |
| Priyadarshini et al. | Review of PPG signal using machine learning algorithms for blood pressure and glucose estimation | |
| Phan et al. | Noninvasive, wearable multi biosensors for continuous, long-term monitoring of blood pressure via internet of things applications | |
| EP2974651A1 (en) | Method for collecting personal health data and personal health device utilizing the same | |
| CN105310678B (zh) | 一种基于脉波分析法计算心脏每搏血量的检测方法 | |
| CN116269268A (zh) | 一种高精度连续血压测量装置和方法 | |
| US20220133159A1 (en) | Non-Invasive, Continuous, Accurate and Cuff-Less Measurement of Blood Pressure and Other Cardiovascular Variables by Pulse Wave Acquisition and Analysis Using Non-Invasive Sensors | |
| CN115969342A (zh) | 一种具有动脉弹性和微循环评估功能的血压计 | |
| Sidhu et al. | Performance analysis of oscillometric blood pressure estimation techniques in cardiac patients | |
| CN114587307A (zh) | 一种基于电容耦合电极的非接触血压检测仪及方法 | |
| Khan et al. | A highly integrated computing platform for continuous, non-invasive bp estimation | |
| Sidhu et al. | Comparison of artificial intelligence based oscillometric blood pressure estimation techniques: a review paper | |
| Jegan et al. | Methodological role of mathematics to estimate human blood pressure through biosensors | |
| CN109394187A (zh) | 基于单体侧信号检测的可穿戴式心血管健康监测系统 | |
| Manjunatha et al. | ECG and PPG Data Capture using Novel Three Lead Electrode | |
| Tiloca | A machine learning approach for non-invasive blood pressure estimation |
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 |