CN115998272A - Ppg血压监测设备的血压预估装置、设备及存储介质 - Google Patents
Ppg血压监测设备的血压预估装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115998272A CN115998272A CN202310256300.5A CN202310256300A CN115998272A CN 115998272 A CN115998272 A CN 115998272A CN 202310256300 A CN202310256300 A CN 202310256300A CN 115998272 A CN115998272 A CN 115998272A
- Authority
- CN
- China
- Prior art keywords
- ppg
- blood pressure
- data
- user
- included angle
- 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.)
- Granted
Links
Images
Landscapes
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明适用电子设备技术领域,提供了PPG血压监测设备的血压预估装置、设备及存储介质,装置包括:数据获取单元,用于获取预设监测时间段内采集的用户PPG数据序列,每个用户PPG数据包括采集时间点的PPG信号以及采集时间点采集设备所处平面与预设基平面的夹角;夹角判断单元,用于判断所有用户PPG数据中的夹角是否相同;有效性确定单元,用于当所有夹角不完全相同时,基于夹角对应的PPG信号值,对用户PPG数据序列中所有用户PPG数据进行有效性确认;血压估计单元,用于基于用户PPG数据序列中的有效PPG数据,使用各夹角下的血压预估模型进行初始血压预估,根据预估结果获取最终血压预估结果。
Description
技术领域
本发明属于电子设备技术领域,尤其涉及一种PPG血压监测设备的血压预估装置、设备及存储介质。
背景技术
血压是反映人体心血管功能的重要生理指标,在健康监测和疾病诊断等方面有着重要的意义。随着穿戴式设备的发展和普及,越来越多的穿戴式设备集成了生理信号监测功能,用户可以方便地使用穿戴式设备进行自我健康监测,例如,心电、脉搏信号监测,通过穿戴式设备,可以随时获得用户的健康状况,从而及时提醒用户进行相关疾病的预防和检测。
基于光电容积脉搏波描记(PPG)进行血压预估是常见的方法之一,目前存在三种主流基于PPG的血压预估方法,分别是单路PPG血压预估法、PPG-ECG(心电图)血压预估法、双路PPG血压预估法。单路PPG血压预估法的原理是:在外部条件一致的情况下,人体血液的血流快慢与血压有较强的相关性,而血流速度的变化又反馈到PPG波形,因此,单路PPG血压预估法基于PPG波形特征,通过滤波、微分、积分等相关计算然后,提取出相关性较强的特征,将提取的特征与实际的血压值做拟合得到血压预估模型,以实现血压的预估。然而,由于测量因素的不同,例如,测量设备不同倾斜度会给结果带来干扰,人体在活动的情况下也会产生较强的干扰,因此,单路PPG血压预估法的测量结果有待提高。PPG-ECG(心电图)血压预估法原理是:基于PPG与ECG峰值时差(R-Wave Peak与Pulse Peak)来计算血液流速的变化,然后将流速的变化与实际血压值进行拟合得到血压预估模型,以实现血压的预估。然而,PPG-ECG血压预估法虽然最大程度规避了单路PPG血压预估法中的缺陷,但是需要ECG辅助,对设备结构要求较高,同时设备的成本也会增加,另外ECG无法做到自动测量,需要用户主动根据ECG测量要求进行测量,便利性大打折扣。双路PPG血压预估法需要两个设备放在人体不同位置来收集PPG数据,灵活度不佳,同样,准确度也有待提高。
发明内容
本发明的目的在于提供一种PPG血压监测设备的血压预估装置、设备及存储介质,旨在解决由于现有技术无法提供一种有效的基于PPG的血压预估方法,导致血压监测效率不佳的问题。
一方面,本发明提供了一种PPG血压监测设备的血压预估装置,所述装置包括:
数据获取单元,用于获取预设监测时间段内采集的用户PPG数据序列,每个用户PPG数据包括采集时间点的PPG信号以及采集时间点采集设备所处平面与预设基平面的夹角;
夹角判断单元,用于判断所述用户PPG数据序列中所有用户PPG数据中的夹角是否相同;
有效性确定单元,用于当所有用户PPG数据中的夹角不完全相同时,基于各个夹角对应的PPG信号值,对所述用户PPG数据序列中所有用户PPG数据进行有效性确认;
血压估计单元,用于基于所述用户PPG数据序列中的有效PPG数据,使用各个夹角下对应的血压预估模型进行初始血压预估,根据各个初始血压预估结果获取用户的最终血压预估结果。
另一方面,本发明还提供了一种PPG血压监测设备,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,所述处理器执行所述计算机程序时实现如上所述装置的功能。
另一方面,本发明还提供了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,所述计算机程序被处理器执行时实现如上所述装置的功能。
本发明的血压预估装置在获取预设监测时间段内采集的用户PPG数据序列后,判断用户PPG数据序列中所有用户PPG数据中的夹角是否相同,当所有用户PPG数据中的夹角不完全相同时,基于各个夹角对应的PPG信号值,对用户PPG数据序列中所有用户PPG数据进行有效性确认,基于用户PPG数据序列中的有效PPG数据,使用各个夹角下对应的血压预估模型进行初始血压预估,根据各个初始血压预估结果获取用户的最终血压预估结果,从而提高了基于PPG的血压监测准确度,同时在人体活动时也可进行实现精确的监测,提高了血压监测的可用性。
附图说明
图1是本发明实施例一提供的PPG血压监测设备的血压预估方法的实现流程图;
图2是本发明实施例二提供的PPG血压监测设备的血压预估方法的实现流程图;
图3是本发明实施例三提供的PPG血压监测设备的血压预估装置的结构示意图;
图4是本发明实施例四提供的PPG血压监测设备的血压预估装置的结构示意图;
图5是本发明实施例五提供的PPG血压监测设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
以下结合具体实施例对本发明的具体实现进行详细描述:
实施例一:
图1示出了本发明实施例一提供的PPG血压监测设备的血压预估方法的实现流程,为了便于说明,仅示出了与本发明实施例相关的部分,详述如下:
在步骤S101中,获取预设监测时间段内采集的用户PPG数据序列,每个用户PPG数据包括采集时间点的PPG信号以及采集时间点采集设备所处平面与预设基平面的夹角;
本发明实施例适用于PPG血压监测设备,以用于根据监测到的PPG信号对血压进行估计,PPG血压监测设备可以是专用医疗设备,也可以是穿戴式设备,以便于随时随地对佩戴者进行血压监测,作为示例地,该穿戴式设备可以为智能手环、手表、耳环。
在本发明实施例中,监测时间段为血压预估所需要的时长,可以预先设置,例如,可以是50秒,也可以是其他合适的时长。基平面为预先设置的一个参考平面,优选地,该基平面为XYZ坐标系下的水平面(0,0,g),g为重力加速度,从而使得采集设备与采集部位自然贴合,使得采集设备接收到的PPG信号基本来自绿灯信号,减少环境光的干扰。用户PPG数据序列为监测时间段内采集到的所有用户PPG数据,每个用户PPG数据包括采集时间点的PPG信号(值)以及采集时间点采集设备所处平面与预设基平面的夹角,从而通过采集设备所处平面与预设基平面的夹角准确地描述用户PPG数据,提高了后续血压的估计准确度。
在一具体实施例中,通过PPG血压监测设备的PPG传感器采集PPG信号,通过PPG血压监测设备的三轴加速传感器获取PPG血压监测设备所处平面与预设基平面的夹角,这样,PPG血压监测设备即为PPG信号采集设备,从而可通过PPG血压监测设备实现人体血压PPG信号的实时采集以及血压的实时监测。在一优选实施例中,在获取到用户PPG数据序列后,对用户PPG数据序列进行滤波,去除噪声点,从而提高后续的血压预估效率。具体地,可采用一阶滤波算法对用户PPG数据序列进行滤波。
在步骤S102中,判断用户PPG数据序列中所有用户PPG数据中的夹角是否相同;
在本发明实施例中,在获取预设监测时间段内采集的用户PPG数据序列后,判断用户PPG数据序列中所有用户PPG数据中的夹角是否相同,如果所有用户PPG数据中的夹角都相同,则表明采集PPG信号时,PPG信号采集设备与被采集者(用户)的采集部位处于相对静止状态,如果所有用户PPG数据中的夹角不完全相同,则表明采集PPG信号时,PPG信号采集设备与用户的采集部位发生了移动,也就是用户在活动。
在步骤S103中,当所有用户PPG数据中的夹角不完全相同时,基于各个夹角对应的PPG信号值,对用户PPG数据序列中所有用户PPG数据进行有效性确认;
在本发明实施例中,当所有用户PPG数据中的夹角不完全相同时,对用户PPG数据序列中所有用户PPG数据进行有效性确认,即对用户PPG数据序列中所有用户PPG数据进行筛选,以去除噪声数据,得到有效PPG数据,从而提高后续血压预估的准确性。具体地,基于各个夹角对应的PPG信号值,对用户PPG数据序列中所有用户PPG数据进行有效性确认,得到用户PPG数据序列中的有效PPG数据,其中,相同状态可以是比监测时间段更短的时长,在该时长内可以认为用户的状态不会发生较大的变化,此时,各个夹角之间的PPG信号值存在一定的关联关系,该PPG信号关联关系可以为比例关系,也可以是更为复杂的函数关系。
在步骤S104中,基于用户PPG数据序列中的有效PPG数据,使用各个夹角下对应的血压预估模型进行初始血压预估,根据各个初始血压预估结果获取用户的最终血压预估结果。
在本发明实施例中,预先获取采集设备所处平面与预设基平面的夹角对应的血压预估模型,之后从用户PPG数据序列中获取相同夹角对应的有效PPG数据,基于获取的有效PPG数据,使用各个夹角下对应的血压预估模型进行初始血压预估,从而将采集的用户PPG数据划分为不同夹角下的有效PPG数据,进而使用差异化的血压预估模型进行初始血压预估,提高血压预估的准确性。
本发明实施例在获取预设监测时间段内采集的用户PPG数据序列后,判断用户PPG数据序列中所有用户PPG数据中的夹角是否相同,当所有用户PPG数据中的夹角不完全相同时,基于各个夹角对应的PPG信号值,对用户PPG数据序列中所有用户PPG数据进行有效性确认,得到用户PPG数据序列中的有效PPG数据,基于用户PPG数据序列中的有效PPG数据,使用各个夹角下对应的血压预估模型进行初始血压预估,根据各个初始血压预估结果获取用户的最终血压预估结果,从而提高了基于PPG的血压监测准确度,同时在人体活动时也可进行实现精确的监测,提高了血压监测的可用性。
实施例二:
图2示出了本发明实施例二提供的PPG血压监测设备的血压预估方法的实现流程,为了便于说明,仅示出了与本发明实施例相关的部分,详述如下:
在步骤S201中,获取预设监测时间段内采集的用户PPG数据序列,每个用户PPG数据包括采集时间点的PPG信号以及采集时间点采集设备所处平面与预设基平面的夹角;
本发明实施例适用于PPG血压监测设备,以用于根据监测到的PPG信号对血压进行估计,PPG血压监测设备可以是专用医疗设备,也可以是穿戴式设备,以便于随时随地对佩戴者进行血压监测,作为示例地,该穿戴式设备可以为智能手环、手表、耳环。
在本发明实施例中,监测时间段为血压预估所需要的时长,可以预先设置,例如,可以是50秒,也可以是其他合适的时长。基平面为预先设置的一个参考平面,优选地,该基平面为XYZ坐标系下的水平面(0,0,g),g为重力加速度,从而使得采集设备与采集部位自然贴合,使得采集设备接收到的PPG信号基本来自绿灯信号,减少环境光的干扰。用户PPG数据序列为监测时间段内采集到的所有用户PPG数据,每个用户PPG数据包括采集时间点的PPG信号(值)以及采集时间点采集设备所处平面与预设基平面的夹角,从而通过采集设备所处平面与预设基平面的夹角准确地描述用户PPG数据,提高了后续血压的估计准确度。作为示例地,每个用户PPG数据可表示为(α,ν),其中,α表示采集时间点采集设备所处平面与预设基平面的夹角,ν表示PPG信号值。
在一具体实施例中,通过PPG血压监测设备的PPG传感器采集PPG信号,通过PPG血压监测设备的三轴加速传感器获取PPG血压监测设备所处平面与预设基平面的夹角,这样,PPG血压监测设备即为PPG信号采集设备,从而可通过PPG血压监测设备实现人体血压PPG信号的实时采集以及血压的实时监测。在一优选实施例中,在获取到用户PPG数据序列后,对用户PPG数据序列进行滤波,去除噪声点,从而提高后续的血压预估效率。具体地,可采用一阶滤波算法对用户PPG数据序列进行滤波。
在步骤S202中,判断用户PPG数据序列中所有用户PPG数据中的夹角是否相同;
在本发明实施例中,在获取预设监测时间段内采集的用户PPG数据序列后,判断用户PPG数据序列中所有用户PPG数据中的夹角是否相同,如果所有用户PPG数据中的夹角都相同,则表明采集PPG信号时,PPG信号采集设备与用户的采集部位处于相对静止状态,如果所有用户PPG数据中的夹角不完全相同,则表明采集PPG信号时,PPG信号采集设备与用户的采集部位发生了移动。
在步骤S203中,当所有用户PPG数据中的夹角不完全相同时,在用户PPG数据序列中逐一获取同状态时间段内的用户PPG数据,根据获取的用户PPG数据,计算同状态时间段内不同夹角对应的PPG信号值之间的比值;
在步骤S204中,判断计算得到的比值是否位于以基准比值为中心的预设范围内,根据判断结果确认同状态时间段内的每个用户PPG数据是否为有效PPG数据;
在本发明实施例中,当所有用户PPG数据中的夹角不完全相同时,对用户PPG数据序列中所有用户PPG数据进行有效性确认,即对用户PPG数据序列中所有用户PPG数据进行筛选,以去除噪声数据,得到有效PPG数据,从而提高后续血压预估的准确性。具体地,在对用户PPG数据序列中所有用户PPG数据进行有效性确认时,在用户PPG数据序列中逐一获取同状态时间段内的用户PPG数据,根据获取的用户PPG数据,计算同状态时间段内不同夹角对应的PPG信号值之间的比值,判断计算得到的比值是否位于以基准比值为中心的预设范围内,根据判断结果确认同状态时间段内的每个用户PPG数据是否为有效PPG数据,从而在更小粒度下对采集PPG信号进行筛选,提高了筛选的准确度。其中,同状态时间段是指一预设的较短时间段,该时间段比监测时间段更短,例如,20ms,在该时长内认为用户的状态基本不会发生较大的变化。
在一具体实施例中,在计算同状态时间段内不同夹角对应的PPG信号值之间的比值时,计算每个夹角对应的PPG信号值与其他夹角对应的PPG信号值之间的比值。之后,判断计算得到的所有比值是否位于以基准比值为中心的预设范围内。在判断计算得到的所有比值是否位于以基准比值为中心的预设范围内时,具体地,针对每个夹角,判断该夹角与其他夹角对应的PPG信号值之间的比值是否位于以对应的基准比值为中心的预设范围内。最后,根据判断结果确认同状态时间段内的每个用户PPG数据是否为有效PPG数据,具体地,在根据判断结果确认同状态时间段内的每个用户PPG数据是否为有效PPG数据时,针对每个夹角对应的PPG信号,基于该夹角与其他夹角对应的PPG信号值之间的比值判断结果,根据多数投票机制确定该夹角对应的PPG信号值是否为有效数据。作为示例地,若0度对应的PPG信号值与1度对应的PPG信号值、2度对应的PPG信号值以及3度对应的PPG信号值的比值都位于以对应的基准比值为中心的预设范围内,此时,则根据多数投票机制可确定0度对应的PPG信号值为有效数据,若1度对应的PPG信号值与0度对应的PPG信号值、2度对应的PPG信号值不位于以对应的基准比值为中心的预设范围内,与3度对应的PPG信号值的比值位于以对应的基准比值为中心的预设范围内,此时,则根据多数投票机制可确定1度对应的PPG信号值不为有效数据。优选地,每个夹角与其他夹角对应的基准比值不同,在获取每个基准比值时,在预设测试条件下获取采集设备所处平面与预设基平面的夹角分别为0度到90度各预设角度(例如,0、1、2、3度)时的用户PPG数据,通过预先建立的回归模型,计算不同夹角对应PPG数据中PPG信号值的比值,将计算得到的比值确定为对应夹角(两个夹角)的基准比值,从而得到同状态时间段内各个角度对应PPG信号值的精确比值,提高了后续数据筛选的准确度。其中,预设测试条件为同状态时间段内,且测量目标(例如,相同人体部位)相同,从而提高后续基准比值的准确度,回归模型可以为基于最小二乘法的线性回归、岭回归、Lasso回归等。
在步骤S205中,根据预设时间周期将相同夹角下对应的有效PPG数据划分为多个波段,对每个波段的有效PPG数据进行插值运算,以得到相同夹角下每个波段的周期波段数据;
在本发明实施例中,在根据判断结果确认同状态时间段内的每个用户PPG数据是否为有效PPG数据后,可得到用户PPG数据序列中的有效PPG数据,之后根据预设时间周期将相同夹角下对应的有效PPG数据划分为多个波段,该时间周期可以根据人体血压上升和下降的周期设置,这样,每个波段的有效PPG数据对应一个时间周期,最后,根据采集频率对每个波段的有效PPG数据进行插值运算,得到相同夹角下每个波段的完整周期波段数据。例如,可得到夹角都为1度时的10个周期对应的完整PPG信号值。
在步骤S206中,基于相同夹角下每个波段的周期波段数据,计算每个相同夹角下所有波段的中心波,将与中心波最近的一个周期波段数据输入到夹角对应的血压预估模型,得到该夹角对应的初始血压预估;
在本发明实施例中,在得到相同夹角下每个波段的周期波段数据后,计算每个相同夹角下所有波段的中心波,该中心波即为一夹角下理想的用户血压数据,为了获得真实的用户血压数据、同时提高后续血压预估的准确性,在这里,获取与中心波最近的一个周期波段数据,以提高输入血压数据的准确度。之后,将该周期波段数据输入到夹角对应的血压预估模型,得到该夹角对应的初始血压预估,其中,每个夹角对应一个血压预估模型。这样,在进行初始血压预估时可针对不同夹角使用差异化的血压预估模型,提高血压预估的准确度。
在一优选实施例中,在计算每个相同夹角下所有波段的中心波时,分别获取所有波段每个时间点对应PPG值的平均值,将所有平均值作为中心波每个时间点对应的PPG值,得到每个相同夹角下所有波段的中心波,从而提高了中心波的准确度。进一步地,在获取与中心波最近的一个周期波段数据时,可使用欧几里得距离计算公式计算每个相同夹角下所有波段到中心波的距离,将距离值最短的周期波确定为与中心波最近的一个周期波。
在一优选实施例中,血压预估模型为全连接神经网络,在使用各个夹角下对应的血压预估模型进行初始血压预估之前,获取对预设夹角关联的血压预估模型进行训练的样本数据集,使用样本数据集对血压预估模型进行训练,以得到训练好的血压预估模型。
进一步优选地,在获取对预设夹角关联的血压预估模型进行训练的样本数据集时,设置血压采集设备所处平面与预设基平面的夹角,根据预设采集时长和采集频率采集PPG信号,将采集的PPG信号设置为初始样本数据,对初始样本数据进行预处理,得到中间样本数据,根据预设时间周期对中间样本数据进行划分,得到中间样本数据对应的多个周期波段,计算多个周期波段的中心波,将与中心波最近的一个周期波段设置为样本数据集中的一个样本数据。如此反复,得到一个夹角对应的样本数据集。
在具体实施例中,设置的夹角即为血压预估模型关联的夹角,夹角可以为0度到90度之间的各预设角度,例如,0、1、2、3度。为了得到一个夹角对应的样本数据集,每次在该夹角下根据预设采集时长和采集频率采集PPG信号,得到一个样本数据,如此反复,最终得到该夹角对应的样本数据集。在对初始样本数据进行预处理时,可以是滤波处理以去除样本数据中的噪声点。在计算中间样本数据对应的多个周期波段的中心波时,可分别获取所有波段每个时间点对应PPG值的平均值,将所有平均值作为中心波每个时间点对应的PPG值,得到中间样本数据对应所有波段的中心波。在将与中心波最近的一个周期波段设置为样本数据集中的一个样本数据时,获取与中心波最近的一个周期波段数据,再将与中心波最近的一个周期波段设置为样本数据集中的一个样本数据。同样,可使用欧几里得距离计算公式计算中间样本数据中所有波段到中心波的距离,将距离值最短的周期波确定为与中心波最近的一个周期波。
在步骤S207中,获取所有初始血压预估结果之间的标准差,对标准差位于预设范围内的初始血压预估结果进行数值平均,将平均结果设置为最终血压预估结果。
在本发明实施例中,在根据各个初始血压预估结果获取用户的最终血压预估结果时,获取所有初始血压预估结果之间的标准差,对标准差位于预设范围内的初始血压预估结果进行数值平均,将平均结果设置为最终血压预估结果。这样,即使在进行血压监测时用户发生了移动,也可以根据采集时的状态采用对应的血压预估模型进行预估,在降低血压监测要求的情况下,提高了基于PPG的血压监测准确度。
实施例三:
图3示出了本发明实施例三提供的PPG血压监测设备的血压预估装置的结构,为了便于说明,仅示出了与本发明实施例相关的部分,其中包括:
数据获取单元31,用于获取预设监测时间段内采集的用户PPG数据序列,每个用户PPG数据包括采集时间点的PPG信号以及采集时间点采集设备所处平面与预设基平面的夹角;
夹角判断单元32,用于判断用户PPG数据序列中所有用户PPG数据中的夹角是否相同;
有效性确定单元33,用于当所有用户PPG数据中的夹角不完全相同时,基于各个夹角对应的PPG信号值,对用户PPG数据序列中所有用户PPG数据进行有效性确认;以及
血压估计单元34,用于基于用户PPG数据序列中的有效PPG数据,使用各个夹角下对应的血压预估模型进行初始血压预估,根据各个初始血压预估结果获取用户的最终血压预估结果。
在本发明实施例中,血压预估装置的各单元可由相应的硬件或软件单元实现,各单元可以为独立的软、硬件单元,也可以集成为一个软、硬件单元,在此不用以限制本发明。各单元的具体实施方式可参考实施例一的描述,在此不再赘述。
实施例四:
图4示出了本发明实施例四提供的PPG血压监测设备的血压预估装置的结构,为了便于说明,仅示出了与本发明实施例相关的部分,其中包括:
基准获取单元41,用于在预设测试条件下获取采集设备所处平面与预设基平面的夹角为0度到90度时的用户PPG数据,通过预先建立的回归模型,计算不同夹角对应PPG数据中PPG信号值的比值,将计算得到的比值确定为对应夹角的基准比值;
模型训练单元42,用于获取对预设夹角关联的血压预估模型进行训练的样本数据集,使用样本数据集对血压预估模型进行训练;
数据获取单元43,用于获取预设监测时间段内采集的用户PPG数据序列,每个用户PPG数据包括采集时间点的PPG信号以及采集时间点采集设备所处平面与预设基平面的夹角;
夹角判断单元44,用于判断用户PPG数据序列中所有用户PPG数据中的夹角是否相同;
有效性确定单元45,用于当所有用户PPG数据中的夹角不完全相同时,基于各个夹角对应的PPG信号值,对用户PPG数据序列中所有用户PPG数据进行有效性确认;以及
血压估计单元46,用于基于用户PPG数据序列中的有效PPG数据,使用各个夹角下对应的血压预估模型进行初始血压预估,根据各个初始血压预估结果获取用户的最终血压预估结果。
在一实施例中,数据获取单元43包括:
参数获取单元,用于通过PPG血压监测设备的PPG传感器采集PPG信号,通过PPG血压监测设备的三轴加速传感器获取PPG血压监测设备所处平面与预设基平面的夹角。
在一实施例中,有效性确定单元45包括:
比值计算单元,用于在用户PPG数据序列中逐一获取同状态时间段内的用户PPG数据,根据获取的用户PPG数据,计算同状态时间段内不同夹角对应的PPG信号值之间的比值;
有效性判断单元,用于判断计算得到的比值是否位于以基准比值为中心的预设范围内,根据判断结果确认同状态时间段内的每个用户PPG数据是否为有效PPG数据。
在一实施例中,血压预估模型为全连接神经网络,模型训练单元42包括:
数据采集单元,用于设置血压采集设备所处平面与预设基平面的夹角,根据预设采集时长和采集频率采集PPG信号,将采集的PPG信号设置为初始样本数据;
波段获取单元,用于对初始样本数据进行预处理,得到中间样本数据,根据预设时间周期对中间样本数据进行划分,得到中间样本数据对应的多个周期波段;以及
样本设置单元,用于计算多个周期波段的中心波,将与中心波最近的一个周期波段设置为样本数据集中的一个样本数据。
在一实施例中,血压估计单元46包括:
插值单元,用于根据预设时间周期将相同夹角下对应的有效PPG数据划分为多个波段,对每个波段的有效PPG数据进行插值运算,以得到相同夹角下每个波段的周期波段数据;以及
初始预估单元,用于基于相同夹角下每个波段的周期波段数据,计算每个相同夹角下所有波段的中心波,将与中心波最近的一个周期波段数据输入到夹角对应的血压预估模型,得到该夹角对应的初始血压预估。
在另一实施例中,血压估计单元46包括:
最终预估单元,用于获取所有初始血压预估结果之间的标准差,对标准差位于预设范围内的初始血压预估结果进行数值平均,将平均结果设置为最终血压预估结果。
在本发明实施例中,血压预估装置的各单元可由相应的硬件或软件单元实现,各单元可以为独立的软、硬件单元,也可以集成为一个软、硬件单元,在此不用以限制本发明。各单元的具体实施方式可参考实施例二的描述,在此不再赘述。
实施例五:
图5示出了本发明实施例五提供的PPG血压监测设备的结构,为了便于说明,仅示出了与本发明实施例相关的部分。
本发明实施例的PPG血压监测设备5包括处理器50、存储器51以及存储在存储器51中并可在处理器50上运行的计算机程序52。该处理器50执行计算机程序52时实现上述各个血压预估方法实施例中的步骤,例如图1所示的步骤S101至S104。或者,处理器50执行计算机程序52时实现上述各装置实施例中各单元的功能,例如图3所示单元31至34的功能。
本发明实施例的PPG血压监测设备可以为专用医疗设备,也可以是穿戴式设备,以便于随时随地对佩戴者进行血压监测,作为示例地,该穿戴式设备可以为智能手环、手表、耳环。该PPG血压监测设备5中处理器50执行计算机程序62时实现血压预估方法时实现的步骤可参考前述方法实施例的描述,在此不再赘述。
实施例六:
在本发明实施例中,提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述血压预估方法实施例中的步骤,例如,图1所示的步骤S101至S104。或者,该计算机程序被处理器执行时实现上述各装置实施例中各单元的功能,例如图3所示单元31至34的功能。
本发明实施例在获取预设监测时间段内采集的用户PPG数据序列后,判断用户PPG数据序列中所有用户PPG数据中的夹角是否相同,当所有用户PPG数据中的夹角不完全相同时,基于各个夹角对应的PPG信号值,对用户PPG数据序列中所有用户PPG数据进行有效性确认,得到用户PPG数据序列中的有效PPG数据,基于用户PPG数据序列中的有效PPG数据,使用各个夹角下对应的血压预估模型进行初始血压预估,根据各个初始血压预估结果获取用户的最终血压预估结果,从而提高了基于PPG的血压监测准确度,同时在人体活动时也可被监测者绝对静止,提高了血压监测的可用性。
本发明实施例的计算机可读存储介质可以包括能够携带计算机程序代码的任何实体或装置、记录介质,例如,ROM/RAM、磁盘、光盘、闪存等存储器。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种PPG血压监测设备的血压预估装置,其特征在于,所述装置包括:
数据获取单元,用于获取预设监测时间段内采集的用户PPG数据序列,每个用户PPG数据包括采集时间点的PPG信号以及采集时间点采集设备所处平面与预设基平面的夹角;
夹角判断单元,用于判断所述用户PPG数据序列中所有用户PPG数据中的夹角是否相同;
有效性确定单元,用于当所有用户PPG数据中的夹角不完全相同时,基于各个夹角对应的PPG信号值,对所述用户PPG数据序列中所有用户PPG数据进行有效性确认;
血压估计单元,用于基于所述用户PPG数据序列中的有效PPG数据,使用各个夹角下对应的血压预估模型进行初始血压预估,根据各个初始血压预估结果获取用户的最终血压预估结果。
2.如权利要求1所述的装置,其特征在于,所述数据获取单元包括:
参数获取单元,用于通过PPG血压监测设备的PPG传感器采集PPG信号,通过所述PPG血压监测设备的三轴加速传感器获取所述PPG血压监测设备所处平面与所述预设基平面的夹角。
3.如权利要求1所述的装置,其特征在于,还包括:
基准获取单元,用于在预设测试条件下获取采集设备所处平面与所述预设基平面的夹角为0度到90度时的用户PPG数据,通过预先建立的回归模型,计算不同夹角对应PPG数据中PPG信号值的比值,将计算得到的比值确定为对应夹角的基准比值。
4.如权利要求3所述的装置,其特征在于,所述有效性确定单元包括:
比值计算单元,用于在所述用户PPG数据序列中逐一获取同状态时间段内的用户PPG数据,根据获取的用户PPG数据,计算所述同状态时间段内不同夹角对应的PPG信号值之间的比值;
有效性判断单元,用于判断计算得到的比值是否位于以所述基准比值为中心的预设范围内,根据判断结果确认所述同状态时间段内的每个用户PPG数据是否为有效PPG数据。
5.如权利要求1所述的装置,其特征在于,还包括:
模型训练单元,用于获取对预设夹角关联的血压预估模型进行训练的样本数据集,使用所述样本数据集对所述血压预估模型进行训练;
其中,所述血压预估模型为全连接神经网络,所述模型训练单元包括:
数据采集单元,用于设置血压采集设备所处平面与所述预设基平面的夹角,根据预设采集时长和采集频率采集PPG信号,将采集的PPG信号设置为初始样本数据;
波段获取单元,用于对所述初始样本数据进行预处理,得到中间样本数据,根据预设时间周期对所述中间样本数据进行划分,得到所述中间样本数据对应的多个周期波段;
样本设置单元,用于计算所述多个周期波段的中心波,将与所述中心波最近的一个周期波段设置为所述样本数据集中的一个样本数据。
6.如权利要求1所述的装置,其特征在于,所述血压估计单元包括:
插值单元,用于根据预设时间周期将相同夹角下对应的有效PPG数据划分为多个波段,对每个波段的有效PPG数据进行插值运算,以得到相同夹角下每个波段的周期波段数据;
初始预估单元,用于基于相同夹角下每个波段的周期波段数据,计算每个相同夹角下所有波段的中心波,将与所述中心波最近的一个周期波段数据输入到夹角对应的血压预估模型,得到该夹角对应的初始血压预估。
7.如权利要求1所述的装置,其特征在于,所述血压估计单元包括:
最终预估单元,用于获取所有初始血压预估结果之间的标准差,对标准差位于预设范围内的初始血压预估结果进行数值平均,将数值平均结果设置为最终血压预估结果。
8.一种PPG血压监测设备,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7任一项所述装置的功能。
9.一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7任一项所述装置的功能。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310256300.5A CN115998272B (zh) | 2023-03-16 | 2023-03-16 | Ppg血压监测设备的血压预估装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310256300.5A CN115998272B (zh) | 2023-03-16 | 2023-03-16 | Ppg血压监测设备的血压预估装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115998272A true CN115998272A (zh) | 2023-04-25 |
CN115998272B CN115998272B (zh) | 2023-06-23 |
Family
ID=86032026
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310256300.5A Active CN115998272B (zh) | 2023-03-16 | 2023-03-16 | Ppg血压监测设备的血压预估装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115998272B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070055163A1 (en) * | 2005-08-22 | 2007-03-08 | Asada Haruhiko H | Wearable blood pressure sensor and method of calibration |
JP2009297222A (ja) * | 2008-06-12 | 2009-12-24 | Omron Healthcare Co Ltd | 血圧情報測定装置におけるカフ構造、および血圧情報測定装置 |
US20100049059A1 (en) * | 2008-08-25 | 2010-02-25 | Ha Kiryong | Apparatus and method for measuring blood pressure |
US20100160793A1 (en) * | 2008-12-23 | 2010-06-24 | Industrial Technology Research Institute | Biosignal measurement modules and methods |
US20160100766A1 (en) * | 2014-10-09 | 2016-04-14 | Panasonic Intellectual Property Management Co., Ltd. | Non-contact blood-pressure measuring device and non-contact blood-pressure measuring method |
CN107625517A (zh) * | 2017-10-30 | 2018-01-26 | 上海斐讯数据通信技术有限公司 | 一种智能血压计测量血压的方法和智能血压计 |
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 |
CN111700624A (zh) * | 2020-07-27 | 2020-09-25 | 中国科学院合肥物质科学研究院 | 一种智能手环检测运动姿态的模式识别方法及系统 |
CN112168161A (zh) * | 2020-11-06 | 2021-01-05 | 深圳市汇顶科技股份有限公司 | 血压检测方法、装置、设备及存储介质 |
CN113520307A (zh) * | 2020-04-20 | 2021-10-22 | 华为技术有限公司 | 血压的测量方法、装置及可穿戴设备 |
CN113520358A (zh) * | 2020-04-21 | 2021-10-22 | 华为技术有限公司 | 一种血压检测方法及可穿戴设备 |
CN115129144A (zh) * | 2021-03-25 | 2022-09-30 | 华为技术有限公司 | 可穿戴设备的控制方法以及可穿戴设备 |
CN115251857A (zh) * | 2021-04-30 | 2022-11-01 | 北京荣耀终端有限公司 | 一种基于光电体积描记ppg的可穿戴设备及其控制方法 |
CN115512836A (zh) * | 2022-09-16 | 2022-12-23 | 佛山市顺德区智慧科技产业创新研究院 | 一种基于嵌入式ai的可穿戴智慧健康管理系统 |
-
2023
- 2023-03-16 CN CN202310256300.5A patent/CN115998272B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070055163A1 (en) * | 2005-08-22 | 2007-03-08 | Asada Haruhiko H | Wearable blood pressure sensor and method of calibration |
JP2009297222A (ja) * | 2008-06-12 | 2009-12-24 | Omron Healthcare Co Ltd | 血圧情報測定装置におけるカフ構造、および血圧情報測定装置 |
US20100049059A1 (en) * | 2008-08-25 | 2010-02-25 | Ha Kiryong | Apparatus and method for measuring blood pressure |
US20100160793A1 (en) * | 2008-12-23 | 2010-06-24 | Industrial Technology Research Institute | Biosignal measurement modules and methods |
US20160100766A1 (en) * | 2014-10-09 | 2016-04-14 | Panasonic Intellectual Property Management Co., Ltd. | Non-contact blood-pressure measuring device and non-contact blood-pressure measuring method |
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 |
CN107625517A (zh) * | 2017-10-30 | 2018-01-26 | 上海斐讯数据通信技术有限公司 | 一种智能血压计测量血压的方法和智能血压计 |
CN113520307A (zh) * | 2020-04-20 | 2021-10-22 | 华为技术有限公司 | 血压的测量方法、装置及可穿戴设备 |
CN113520358A (zh) * | 2020-04-21 | 2021-10-22 | 华为技术有限公司 | 一种血压检测方法及可穿戴设备 |
CN111700624A (zh) * | 2020-07-27 | 2020-09-25 | 中国科学院合肥物质科学研究院 | 一种智能手环检测运动姿态的模式识别方法及系统 |
CN112168161A (zh) * | 2020-11-06 | 2021-01-05 | 深圳市汇顶科技股份有限公司 | 血压检测方法、装置、设备及存储介质 |
CN115129144A (zh) * | 2021-03-25 | 2022-09-30 | 华为技术有限公司 | 可穿戴设备的控制方法以及可穿戴设备 |
CN115251857A (zh) * | 2021-04-30 | 2022-11-01 | 北京荣耀终端有限公司 | 一种基于光电体积描记ppg的可穿戴设备及其控制方法 |
CN115512836A (zh) * | 2022-09-16 | 2022-12-23 | 佛山市顺德区智慧科技产业创新研究院 | 一种基于嵌入式ai的可穿戴智慧健康管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115998272B (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105943005B (zh) | 基于光电绿光脉搏与心电图混合的无创血压检测装置 | |
CN100413463C (zh) | 利用脉搏品质值拒绝赝象的设备 | |
CN109893110B (zh) | 一种校准动态血压的方法及装置 | |
EP3295868B1 (en) | Blood pressure calculation method based on pulse reflected wave transit time, and blood pressure monitor | |
CN108366749A (zh) | 动态血压与生命体征监测装置、系统和方法 | |
CN108024740B (zh) | 血压测量方法、血压测量装置以及终端 | |
CN107809948A (zh) | 用于获知血压走向的方法和设备 | |
CN110141196B (zh) | 基于双三角血流模型的外周动脉血管弹性评价系统 | |
WO2016065476A1 (en) | A wearable device and method for non-invasive monitoring continuous blood pressure and other physiological parameters with reduced movement artifacts | |
EP3141190A1 (en) | Heart rate detection method and device using heart sound acquired from ausculation positions | |
CN109157204A (zh) | 一种无袖带式腕部动脉血压测量方法及系统 | |
CN110448280A (zh) | 基于压电薄膜传感器实现的瑜伽冥想质量检测方法及系统 | |
CN113729662A (zh) | 一种融合心电心音双模式的无袖带腕表式血压测量装置 | |
CN115998272B (zh) | Ppg血压监测设备的血压预估装置、设备及存储介质 | |
CN113539522A (zh) | 一种基于单路心冲击信号的连续血压监测方法 | |
GB2600126A (en) | Improvements in or relating to wearable sensor apparatus | |
CN110801214A (zh) | 一种心率实时检测方法及系统 | |
CN114652288A (zh) | 一种非袖带式动态血压测量系统 | |
CN114041765B (zh) | 自校准无创连续血压测量方法及装置 | |
CN115721275B (zh) | 脉搏波数据采集和血压测量方法、装置、设备及介质 | |
CN113100727B (zh) | 实时分析识别脉搏波峰的方法 | |
US20220361798A1 (en) | Multi sensor and method | |
CN114027810B (zh) | 含动脉硬化分级的血压计算模型生成方法及血压测量系统 | |
JPH03131226A (ja) | 心拍性同期信号採取装置 | |
CN110897618B (zh) | 一种脉搏波传导的计算方法、装置及终端设备 |
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 |