CN116098597A - 一种基于pep的连续血压估计方法 - Google Patents

一种基于pep的连续血压估计方法 Download PDF

Info

Publication number
CN116098597A
CN116098597A CN202211697231.3A CN202211697231A CN116098597A CN 116098597 A CN116098597 A CN 116098597A CN 202211697231 A CN202211697231 A CN 202211697231A CN 116098597 A CN116098597 A CN 116098597A
Authority
CN
China
Prior art keywords
blood pressure
pep
pressure estimation
estimation method
signals
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
Application number
CN202211697231.3A
Other languages
English (en)
Inventor
杨兴旺
邬梦
胡颖丽
欧阳海庆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Cosonic Intelligent Technologies Co Ltd
Original Assignee
Cosonic Intelligent Technologies Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Cosonic Intelligent Technologies Co Ltd filed Critical Cosonic Intelligent Technologies Co Ltd
Priority to CN202211697231.3A priority Critical patent/CN116098597A/zh
Publication of CN116098597A publication Critical patent/CN116098597A/zh
Pending legal-status Critical Current

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
    • A61B5/02—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
    • A61B5/02—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
    • A61B5/02125—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics of pulse wave propagation time
    • 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
    • A61B5/72—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
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
    • 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
    • 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
    • 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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Signal Processing (AREA)
  • Physiology (AREA)
  • Cardiology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Vascular Medicine (AREA)
  • Power Engineering (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Computer And Data Communications (AREA)

Abstract

本发明公开了一种基于PEP的连续血压估计方法，其方法步骤如下：S1：首先招募受试者，进行数据采集前的准备；S2：对受试者的ECG、SCG和PPG信号及参考血压进行采集；S3：通过对采集到的ECG、SCG和PPG等多通道生理信号进行预处理；S4：对所构建的血压估计模型进行评估，本发明基于PEP的连续血压估计方法中，采用可贴式信号采集设备和血压估计模型配合，并进行健康男性受试者数据采集，通过对基于PEP的血压估计模型的准确性验证和基于PAT的血压估计方法进行对比验证，最后根据验证数据得到，从而确定基于PEP的连续血压估计方法的准确性与基于PAT的血压估计方法相当，能够满足AAMI对于血压测量准确性的要求，且能够明显降低对用户的依从性要求。

Description

一种基于PEP的连续血压估计方法
技术领域
本发明涉及血压测量技术领域，具体是一种基于PEP的连续血压估计方法。
背景技术
血压(bloodpressure，BP)是一个非常重要的血流动力学参数，是评估人体健康状态的有效指标，高血压是导致众多心血管相关疾病的主要诱因之一。避免心血管病并发症的最好办法是早期预防，而血压的准确测量对于心血管相关疾病的早期预防具有非常重要的意义。
申请公布号为CN115040094A的发明专利，一种用于连续血压测量的血压手表,包括：手表外壳；表带，与所述手表外壳连接，所述表带可弯折设置以包绕手腕；心电检测装置，用于获取时标信号和用户的心电信号，根据所述时标信号确定所述心电信号与时间的关系；脉搏波检测装置，用于获取所述时标信号和用户的脉搏波信号，根据所述时标信号确定所述脉搏波信号与时间的关系，使得所述心电信号与所述脉搏波信号同步；血压测量装置，用于获取所述时标信号和连续血压测量所需的用户的标定血压值，根据所述时标信号确定所述标定血压值与时间的关系；第一处理器，用于根据同步后的所述心电信号和所述脉搏波信号，计算得到所述脉搏波传导速度，根据所述标定血压值和所述脉搏波传导速度，得到连续血压测量相关的参数。
除了上述的方式外，目前最常规的是袖带血压测量方法，其需要在手臂上捆绑袖带，定期地充放气操作使得该方法不适合用于连续血压测量和穿戴式测量场景，相比于常规袖带血压测量方法，基于脉搏波到达时间(pulsearrivaltime，PAT)或脉搏波传导时间(pulsetransittime，PTT)的连续血压估计方法具有无创性、连续性和可穿戴等优点，其在最近二十年受到了广泛关注，基于PTT估计收缩压和舒张压，估计模型初始校准即可准确估计血压，基于PAT能更好地跟踪血压的变化，但是此类基于PAT/PTT的血压估计方法，在测量时均需要佩戴心电导联线与指套式光电探头，对用户的依从性要求较高。
射血前期(pre－ejectionperiod，PEP)是表征心脏交感神经活动的特异性和敏感性参数，其在压力或人体生理活动中具有明显变化，研究表明，PEP与血压具有较强较高的相关性，可以作为血压的有效替代物，基于PEP的方法具备测量简单的优势，然而目前基于PEP的血压估计方法并不多见，如何利用PEP建立血压估计方法是亟需解决的问题，因此，发明人提出一种基于PEP的连续血压估计方法。
发明内容
本发明的目的在于提供一种基于PEP的连续血压估计方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种基于PEP的连续血压估计方法，包括柔性可贴式信号采集设备和血压估计模型，其方法步骤如下：
S1：首先招募受试者，进行数据采集前的准备；
S2：对受试者的ECG、SCG和PPG信号及参考血压进行采集；
S3：通过对采集到的ECG、SCG和PPG等多通道生理信号进行预处理；
S4：对所构建的血压估计模型进行评估。
作为本发明进一步的方案：所述S1中，首先通过招募13名健康男性受试者，年龄分布为23～43岁，在开始采集数据之前，要求每位受试者做骑行运动2min，使血压升高，然后静坐。
作为本发明再进一步的方案：所述S2中，在完成S1的准备工作后，将准备好的柔性可贴式信号采集设备贴附在13名受试者身体上，同步采集13名受试者的ECG、SCG和PPG信号及参考血压，参考血压值采用美国顺泰公司的SunTechOscar2动态血压监测仪测量，对受试者的数据采集过程持续20min，前10min内每2min记录一次受试者人体参考血压值，共采集5组，后10min每1min记录一次人体参考血压值，共采集10组，在数据采集过程中，实时获取受试者的所有生理信号并记录，数据采集频率为250Hz。
作为本发明再进一步的方案：所述S3中，通过对采集到的ECG、SCG和PPG等多通道生理信号进行预处理，通过提取各通道生理信号的特征点，进一步解析PEP和PAT等血压替代物，最后获取人体运动后的15组参考血压值与PEP/PAT值数据，预处理步骤如下：
第一步：采用10点滑动平均去除ECG信号中的工频干扰，并采用IIR型带通滤波器(截止频率0.7～50Hz)去除ECG、SCG和PPG信号中的呼吸、体动等干扰；；
第二步：采用经典的Pan－Tompkins算法提取每一心跳节拍ECG信号中的R波；
第三步：根据所有信号间的同步性，经由ECG信号R波后向搜索SCG信号中的AO特征点以及PPG信号中的波谷点，提取ECG信号R波后向20～120ms时间窗内的SCG信号局部最大值点作为AO特征点，提取ECG信号R波后向100～300ms时间窗内的PPG信号局部最小值点作为波谷点，通过根据上述提取的特征点计算PEP、PAT等血压替代物；
第四步：根据每次测量参考血压值的时间戳(单位:min)，对每次测量血压1min内的PEP值和PAT值进行平均运算，最后得到人体运动后的15组参考血压值与PEP/PAT值数据。
作为本发明再进一步的方案：所述S4中，通过一共采集13名受试的实验数据对所构建的血压估计模型进行评估，血压估计模型评估包括两个部分：基于PEP的血压估计模型的准确性验证和基于PAT的血压估计方法，通过对基于PEP的血压估计模型的准确性验证和基于PAT的血压估计方法进行对比验证，通过采用平均绝对误差((MAE)和标准差(SD)指标验证其准确性，采用相关性图和Bland－Altman图验证其性能。
作为本发明再进一步的方案：所述血压估计模型其中SBP代表收缩压估计值，DBP代表舒张压估计值，as，bs，ad，bd分别为收缩压，舒张压的模型参数，亦称为模型校准参数，PEP为射血前期，通过最小二乘法求解模型参数。
作为本发明再进一步的方案：所述柔性可贴式信号采集设备包括多通道生理信号检测模块、微处理器模块和电源模块，所述多通道生理信号检测模块用于同步采集人体胸导联ECG信号、SCG信号和透射式手指PPG信号，所述微处理器模块用于对多通道生理信号检测模块用于同步采集人体胸导联ECG信号、SCG信号和透射式手指PPG信号进行综合处理，所述柔性可贴式信号采集设备采用BLE4.2无线技术将多通道原始生理信号实时回传至智能客户终端。
作为本发明再进一步的方案：所述电源模块采用150mAh锂电池为柔性可贴式信号采集设备整体供电。
与现有技术相比，本发明的有益效果是：
1、本发明基于PEP的连续血压估计方法中，采用可贴式信号采集设备和血压估计模型配合，并进行健康男性受试者数据采集，通过对基于PEP的血压估计模型的准确性验证和基于PAT的血压估计方法进行对比验证，最后根据验证数据得到，从而确定基于PEP的连续血压估计方法的准确性与基于PAT的血压估计方法相当，能够满足AAMI对于血压测量准确性的要求，且能够明显降低对用户的依从性要求，而且，由于血压估计模型实现简单，具有良好的鲁棒性，依据PEP与血压具有较强较高的相关性，可以作为血压的有效替代物，本发明中的基于PEP的连续血压估计方法具备测量简单的优势。
附图说明
图1为基于PEP的连续血压估计方法的流程图。
图2为基于PEP的连续血压估计方法中信号采集以及实验流程图示意图。
图3为基于PEP的连续血压估计方法中受试者的平均绝对误差(MAE)和标准差(SD)的数值示意图。
图4为基于PEP的连续血压估计方法中两种血压估计方法在收缩压估计方面的相关性图和Bland-Altman图。
图5为基于PEP的连续血压估计方法中两种血压估计方法在舒张压估计方面的相关性图和Bland-Altman图。
图6为基于PEP的连续血压估计方法中PAT/PTT与PEP的定义示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1～6，本发明实施例中，一种基于PEP的连续血压估计方法，包括柔性可贴式信号采集设备和血压估计模型，其方法步骤如下：
S1：首先招募受试者，进行数据采集前的准备；
S2：对受试者的ECG、SCG和PPG信号及参考血压进行采集；
S3：通过对采集到的ECG、SCG和PPG等多通道生理信号进行预处理；
S4：对所构建的血压估计模型进行评估。
S1中，首先通过招募13名健康男性受试者，年龄分布为23～43岁，在开始采集数据之前，要求每位受试者做骑行运动2min，使血压升高，然后静坐。
S2中，在完成S1的准备工作后，将准备好的柔性可贴式信号采集设备贴附在13名受试者身体上，同步采集13名受试者的ECG、SCG和PPG信号及参考血压，参考血压值采用美国顺泰公司的SunTechOscar2动态血压监测仪测量，对受试者的数据采集过程持续20min，前10min内每2min记录一次受试者人体参考血压值，共采集5组，后10min每1min记录一次人体参考血压值，共采集10组，在数据采集过程中，实时获取受试者的所有生理信号并记录，数据采集频率为250Hz，信号采集示意以及实验流程如图2所示：
S3中，通过对采集到的ECG、SCG和PPG等多通道生理信号进行预处理，通过提取各通道生理信号的特征点，进一步解析PEP和PAT等血压替代物，最后获取人体运动后的15组参考血压值与PEP/PAT值数据，预处理步骤如下：
第一步：采用10点滑动平均去除ECG信号中的工频干扰，并采用IIR型带通滤波器(截止频率0.7～50Hz)去除ECG、SCG和PPG信号中的呼吸、体动等干扰；
第二步：采用经典的Pan－Tompkins算法提取每一心跳节拍ECG信号中的R波；
第三步：根据所有信号间的同步性，经由ECG信号R波后向搜索SCG信号中的AO特征点以及PPG信号中的波谷点，提取ECG信号R波后向20～120ms时间窗内的SCG信号局部最大值点作为AO特征点，提取ECG信号R波后向100～300ms时间窗内的PPG信号局部最小值点作为波谷点，通过根据上述提取的特征点计算PEP、PAT等血压替代物；
第四步：根据每次测量参考血压值的时间戳(单位:min)，对每次测量血压1min内的PEP值和PAT值进行平均运算，最后得到人体运动后的15组参考血压值与PEP/PAT值数据。
S4中，通过一共采集13名受试的实验数据对所构建的血压估计模型进行评估，血压估计模型评估包括两个部分：基于PEP的血压估计模型的准确性验证和基于PAT的血压估计方法，通过对基于PEP的血压估计模型的准确性验证和基于PAT的血压估计方法进行对比验证，通过采用平均绝对误差(meanabsoluteerror，MAE)和标准差((standarddeviation，SD)指标验证其准确性，采用相关性图和Bland－Altman图验证其性能。
血压估计模型其中SBP代表收缩压估计值，DBP代表舒张压估计值，as，bs，ad，bd分别为收缩压，舒张压的模型参数，亦称为模型校准参数，PEP为射血前期，通过最小二乘法求解模型参数。
柔性可贴式信号采集设备包括多通道生理信号检测模块、微处理器模块和电源模块，多通道生理信号检测模块用于同步采集人体胸导联ECG信号、SCG信号和透射式手指PPG信号，微处理器模块用于对多通道生理信号检测模块用于同步采集人体胸导联ECG信号、SCG信号和透射式手指PPG信号进行综合处理，柔性可贴式信号采集设备采用BLE4.2无线技术将多通道原始生理信号实时回传至智能客户终端。
电源模块采用150mAh锂电池为柔性可贴式信号采集设备整体供电。
PAT定义为心电信号(electrocardiogram，ECG)R点到光电容积脉搏波信号(photoplethysmography，PPG)波谷点的时间间隔，表征每一次心脏搏动由心脏电生理开启到血液到达指尖外周的时间延迟，PAT包含两个组成成分：PTT和PEP，PTT定义为心震信号(seismocardiogram，SCG)主动脉瓣打开(aortaopening，AO)点到PPG波谷点的时间间隔，对应于脉搏波在动脉血管中的传导时间，PEP可以定义为ECG信号R点到SCG信号AO点的时间间隔，它是左心室的电生理－机械生理延迟，又称为等容收缩期，PAT/PTT与PEP的定义如图6所示。
基于PAT/PTT的血压估计方法依赖于Moens–Korteweg血流动力学理论，该理论阐述了人体动脉血管中的脉搏波传输速度(pulsewavevelocity，PWV)与血管弹性模量、动脉管壁厚度以及血液密度等多个心血管参数密切相关，当心血管参数发生改变致使PWV加快，此时PTT减小，导致人体血压升高；相反，当PWV减慢，此时PTT将增大，导致人体血压降低，研究发现PAT对血压的预测效果优于PTT，PEP对血压的预测有一定的潜力，在测量中加入PEP对于准确预测无袖血压是必要的，提出PEP可以作为评价心脏收缩力的有效指标，人体心脏收缩状态的增强将导致PEP的缩短，研究表明，人体运动后将导致血压升高，PEP也随之迅速减小，随着人体恢复平静，血压缓慢降低到正常水平，PEP也随之缓慢增大，人体运动后，血压与PEP呈高度相关性。
实施例
按照美国医疗仪器促进协会对于血压测量准确性的要求:收缩压和舒张压的平均绝对误差小于5mmHg，同时误差的标准差小于8mmHg,通过对13名受试者的实验数据进行分析，评估所提血压估计模型的误差性能，13名受试者血压的平均绝对误差和标准差，如图3所示，通过小样本的实验观测发现，基于PEP或PAT的血压估计精度具有个体差异性，但对大部分个体来说，本方法的准确性与基于PAT的血压估计方法相当，在一定程度上已经满足AAMI的要求。
为了进一步验证本方法的性能细节，通过采用相关性图和Bland－Altman图分析该方法的性能，采用相关性图展示参考收缩压与估计收缩压的相关性，可以看到基于PEP的估计收缩压与参考收缩压之间的相关系数为0.81(如图4(a)所示，95％CI:0.74～0.86，P＜0.0001)，均方根误差为6.80mmHg；基于PAT的估计收缩压与参考收缩压之间的相关系数0.82(如图4(b)所示，95％CI:0.75～0.87，P＜0.0001)，均方根误差为6.84mmHg，采用Bland-Altman图评估血压估计方法的一致性性能结果，如图4(c)-(d)所示，两种方法的绝大部分实验数据均处于95％的一致性界限之内，通过小样本的实验观测发现，两种血压估计方法对于收缩压估计的性能相当。
通过采用相关性图展示参考舒张压与估计舒张压的相关性，可以看到基于PEP的估计舒张压与参考舒张压之间的相关系数为0.89(如图5(a)所示，95％CI:0.83～0.91，P＜0.0001)，均方根误差为4.64mmHg，可以看到基于PAT的估计舒张压与参考舒张压之间的相关系数为0.88(如图5(b)所示，95％CI:0.83～0.91，P＜0.0001)，均方根误差为4.70mmHg，采用Bland－Altman图评估血压估计方法的一致性性能，如图5(c)-(d)所示，结果显示，两种方法的绝大部分实验数据均处于95％的一致性界限之内，通过小样本的实验观测发现，对于舒张压估计而言，两种血压估计方法性能相当，且相比于收缩压，两种方法在舒张压估计方面具有更优的性能。
此外，基线漂移也是影响心电信号的一个重要因素，考虑到MCU的处理性能，通过采用101点中值滤波器滤除信号中的高频分量，然后用80点滑动滤波器做去除基线漂移处理，以此得到比较干净稳定的生理信号，便于后续的分析从而得到准确的有实际意义的生理参数。
尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于PEP的连续血压估计方法，包括柔性可贴式信号采集设备和血压估计模型，其特征在于：其方法步骤如下：
S1：首先招募受试者，进行数据采集前的准备；
S2：对受试者的ECG、SCG和PPG信号及参考血压进行采集；
S3：通过对采集到的ECG、SCG和PPG等多通道生理信号进行预处理；
S4：对所构建的血压估计模型进行评估。
2.根据权利要求1所述的基于PEP的连续血压估计方法，其特征在于：所述S1中，首先通过招募13名健康男性受试者，年龄分布为23～43岁，在开始采集数据之前，要求每位受试者做骑行运动2min，使血压升高，然后静坐。
3.根据权利要求1所述的基于PEP的连续血压估计方法，其特征在于：所述S2中，在完成S1的准备工作后，将准备好的柔性可贴式信号采集设备贴附在13名受试者身体上，同步采集13名受试者的ECG、SCG和PPG信号及参考血压，参考血压值采用美国顺泰公司的SunTechOscar2动态血压监测仪测量，对受试者的数据采集过程持续20min，前10min内每2min记录一次受试者人体参考血压值，共采集5组，后10min每1min记录一次人体参考血压值，共采集10组，在数据采集过程中，实时获取受试者的所有生理信号并记录，数据采集频率为250Hz。
4.根据权利要求1所述的基于PEP的连续血压估计方法，其特征在于：所述S3中，通过对采集到的ECG、SCG和PPG等多通道生理信号进行预处理，通过提取各通道生理信号的特征点，进一步解析PEP和PAT等血压替代物，最后获取人体运动后的15组参考血压值与PEP/PAT值数据，预处理步骤如下：
第一步：采用10点滑动平均去除ECG信号中的工频干扰，并采用IIR型带通滤波器(截止频率0.7～50Hz)去除ECG、SCG和PPG信号中的呼吸、体动等干扰；
第二步：采用经典的Pan－Tompkins算法提取每一心跳节拍ECG信号中的R波；
第三步：根据所有信号间的同步性，经由ECG信号R波后向搜索SCG信号中的AO特征点以及PPG信号中的波谷点，提取ECG信号R波后向20～120ms时间窗内的SCG信号局部最大值点作为AO特征点，提取ECG信号R波后向100～300ms时间窗内的PPG信号局部最小值点作为波谷点，通过根据上述提取的特征点计算PEP、PAT等血压替代物；
第四步：根据每次测量参考血压值的时间戳(单位:min)，对每次测量血压1min内的PEP值和PAT值进行平均运算，最后得到人体运动后的15组参考血压值与PEP/PAT值数据。
5.根据权利要求1所述的基于PEP的连续血压估计方法，其特征在于：所述S4中，通过一共采集13名受试的实验数据对所构建的血压估计模型进行评估，血压估计模型评估包括两个部分：基于PEP的血压估计模型的准确性验证和基于PAT的血压估计方法，通过对基于PEP的血压估计模型的准确性验证和基于PAT的血压估计方法进行对比验证，通过采用平均绝对误差(MAE)和标准差(SD)指标验证其准确性，采用相关性图和Bland－Altman图验证其性能。
6.根据权利要求1所述的基于PEP的连续血压估计方法，其特征在于：所述血压估计模型
Figure FDA0004022710860000021
其中SBP代表收缩压估计值，DBP代表舒张压估计值，as，bs，ad，bd分别为收缩压，舒张压的模型参数，亦称为模型校准参数，PEP为射血前期，通过最小二乘法求解模型参数。
7.根据权利要求1所述的基于PEP的连续血压估计方法，其特征在于：所述柔性可贴式信号采集设备包括多通道生理信号检测模块、微处理器模块和电源模块，所述多通道生理信号检测模块用于同步采集人体胸导联ECG信号、SCG信号和透射式手指PPG信号，所述微处理器模块用于对多通道生理信号检测模块用于同步采集人体胸导联ECG信号、SCG信号和透射式手指PPG信号进行综合处理，所述柔性可贴式信号采集设备采用BLE4.2无线技术将多通道原始生理信号实时回传至智能客户终端。
8.根据权利要求7所述的基于PEP的连续血压估计方法，其特征在于：所述电源模块采用150mAh锂电池为柔性可贴式信号采集设备整体供电。
CN202211697231.3A 2022-12-28 2022-12-28 一种基于pep的连续血压估计方法 Pending CN116098597A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211697231.3A CN116098597A (zh) 2022-12-28 2022-12-28 一种基于pep的连续血压估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211697231.3A CN116098597A (zh) 2022-12-28 2022-12-28 一种基于pep的连续血压估计方法

Publications (1)

Publication Number Publication Date
CN116098597A true CN116098597A (zh) 2023-05-12

Family

ID=86255422

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211697231.3A Pending CN116098597A (zh) 2022-12-28 2022-12-28 一种基于pep的连续血压估计方法

Country Status (1)

Country Link
CN (1) CN116098597A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130041268A1 (en) * 2010-03-29 2013-02-14 Csem Sa Sensor device and method for measuring and determining a pulse arrival time (pat) value
CN107854123A (zh) * 2017-12-13 2018-03-30 清华大学深圳研究生院 一种无袖套连续血压监测方法和装置
CN110367959A (zh) * 2019-07-18 2019-10-25 上海海事大学 一种基于脉搏波相位差和脉搏波特征参数的血压测量装置
KR20190123991A (ko) * 2018-04-25 2019-11-04 서울대학교산학협력단 생체 정보 추정 장치 및 방법
CN110558960A (zh) * 2019-09-10 2019-12-13 重庆大学 一种基于ptt和miv-ga-svr的连续血压无创监测方法
CN210095711U (zh) * 2018-11-09 2020-02-21 中科数字健康科学研究院（南京）有限公司 一种无创连续血压测量设备
CN111481185A (zh) * 2020-03-24 2020-08-04 南京润楠医疗电子研究院有限公司 一种基于射血前期的连续血压估计装置和方法
WO2021188878A1 (en) * 2020-03-20 2021-09-23 Georgia Tech Research Corporation Methods and systems for non-invasive cuff-less blood pressure monitoring

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130041268A1 (en) * 2010-03-29 2013-02-14 Csem Sa Sensor device and method for measuring and determining a pulse arrival time (pat) value
CN107854123A (zh) * 2017-12-13 2018-03-30 清华大学深圳研究生院 一种无袖套连续血压监测方法和装置
KR20190123991A (ko) * 2018-04-25 2019-11-04 서울대학교산학협력단 생체 정보 추정 장치 및 방법
CN210095711U (zh) * 2018-11-09 2020-02-21 中科数字健康科学研究院（南京）有限公司 一种无创连续血压测量设备
CN110367959A (zh) * 2019-07-18 2019-10-25 上海海事大学 一种基于脉搏波相位差和脉搏波特征参数的血压测量装置
CN110558960A (zh) * 2019-09-10 2019-12-13 重庆大学 一种基于ptt和miv-ga-svr的连续血压无创监测方法
WO2021188878A1 (en) * 2020-03-20 2021-09-23 Georgia Tech Research Corporation Methods and systems for non-invasive cuff-less blood pressure monitoring
CN111481185A (zh) * 2020-03-24 2020-08-04 南京润楠医疗电子研究院有限公司 一种基于射血前期的连续血压估计装置和方法

Similar Documents

Publication Publication Date Title
CN109157202B (zh) 一种基于多生理信号深度融合的心血管疾病预警系统
CN112274126B (zh) 一种基于多路脉搏波的无创连续血压检测方法、装置
US20210244302A1 (en) Methods to estimate the blood pressure and the arterial stiffness based on photoplethysmographic (ppg) signals
Bolanos et al. Comparison of heart rate variability signal features derived from electrocardiography and photoplethysmography in healthy individuals
CN108185996B (zh) 动脉血管年龄估算模型构建方法和装置
US20120071767A1 (en) Pulmonary artery pressure estimator
CN112274127B (zh) 一种基于单路脉搏波的无创连续血压检测方法、装置
CN107854123B (zh) 一种无袖套连续血压监测方法和装置
Sahoo et al. Wavelet based pulse rate and Blood pressure estimation system from ECG and PPG signals
CN115299899B (zh) 基于多传感器的活动识别与逐搏血压监测分析预警系统
EP3133985B1 (en) A method and a device for non invasive blood pressure measurement
CN110881967A (zh) 一种无创多节段外周动脉血管弹性功能检测方法及其仪器
JP2023515256A (ja) 統合されたｅｋｇ及びｐｐｇセンサを用いたインテリジェントパルス平均化を使用して静脈酸素飽和度を測定するシステム及び方法
JP2008295517A (ja) 漢方医における脈診の分析システムと方法
CN113470805A (zh) 建立血压模型的方法
CN116869499A (zh) 一种基于ppg及其多阶微分信号的血压连续测量方法
CN111839488A (zh) 基于脉搏波的无创连续血压测量装置和方法
CN108498081A (zh) 脉搏波速度测量装置、血压连续测量装置及方法
Lin et al. Investigation on pulse wave forward peak detection and its applications in cardiovascular health
Ahmad et al. A prototype of an integrated blood pressure and electrocardiogram device for multi-parameter physiologic monitoring
Lu et al. Uncertainties in the Analysis of Heart Rate Variability: A Systematic Review
CN116803340A (zh) 一种基于多源数据融合和图神经网络的无创血压检测方法
CN117100239A (zh) 基于cnn+lstm和ppg信号的血压检测系统
Prabhu et al. A novel approach for non-invasive measurement of mean arterial pressure using pulse transit time
CN210095711U (zh) 一种无创连续血压测量设备

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