CN117137465B - 一种血流动力参数测量方法及其相关设备 - Google Patents
一种血流动力参数测量方法及其相关设备 Download PDFInfo
- Publication number
- CN117137465B CN117137465B CN202311435040.4A CN202311435040A CN117137465B CN 117137465 B CN117137465 B CN 117137465B CN 202311435040 A CN202311435040 A CN 202311435040A CN 117137465 B CN117137465 B CN 117137465B
- Authority
- CN
- China
- Prior art keywords
- stage
- signal
- sub
- ppg
- cuff
- 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.)
- Active
Links
- 230000017531 blood circulation Effects 0.000 title claims abstract description 43
- 238000000691 measurement method Methods 0.000 title abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 100
- 238000005259 measurement Methods 0.000 claims abstract description 75
- 230000000004 hemodynamic effect Effects 0.000 claims description 89
- 238000001914 filtration Methods 0.000 claims description 17
- 230000015654 memory Effects 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 11
- 238000009530 blood pressure measurement Methods 0.000 claims description 6
- 230000035488 systolic blood pressure Effects 0.000 claims description 6
- 230000002085 persistent effect Effects 0.000 claims description 3
- 230000001839 systemic circulation Effects 0.000 claims description 3
- 230000006403 short-term memory Effects 0.000 claims description 2
- 230000008901 benefit Effects 0.000 abstract description 9
- 238000012544 monitoring process Methods 0.000 abstract description 9
- 230000000740 bleeding effect Effects 0.000 abstract description 6
- 208000015181 infectious disease Diseases 0.000 abstract description 6
- 238000001356 surgical procedure Methods 0.000 abstract 1
- 230000008569 process Effects 0.000 description 28
- 238000012549 training Methods 0.000 description 10
- 208000024172 Cardiovascular disease Diseases 0.000 description 8
- 210000004204 blood vessel Anatomy 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 239000000243 solution Substances 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 210000000748 cardiovascular system Anatomy 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000003113 dilution method Methods 0.000 description 4
- ZGSPNIOCEDOHGS-UHFFFAOYSA-L disodium [3-[2,3-di(octadeca-9,12-dienoyloxy)propoxy-oxidophosphoryl]oxy-2-hydroxypropyl] 2,3-di(octadeca-9,12-dienoyloxy)propyl phosphate Chemical compound [Na+].[Na+].CCCCCC=CCC=CCCCCCCCC(=O)OCC(OC(=O)CCCCCCCC=CCC=CCCCCC)COP([O-])(=O)OCC(O)COP([O-])(=O)OCC(OC(=O)CCCCCCCC=CCC=CCCCCC)COC(=O)CCCCCCCC=CCC=CCCCCC ZGSPNIOCEDOHGS-UHFFFAOYSA-L 0.000 description 4
- 230000001225 therapeutic effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000000747 cardiac effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013499 data model Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 3
- 230000000474 nursing effect Effects 0.000 description 3
- 238000000638 solvent extraction Methods 0.000 description 3
- 230000009885 systemic effect Effects 0.000 description 3
- 210000000707 wrist Anatomy 0.000 description 3
- 230000036772 blood pressure Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 210000000245 forearm Anatomy 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000035515 penetration Effects 0.000 description 2
- 230000036581 peripheral resistance Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000033764 rhythmic process Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000002792 vascular Effects 0.000 description 2
- 101710170230 Antimicrobial peptide 1 Proteins 0.000 description 1
- 101710170231 Antimicrobial peptide 2 Proteins 0.000 description 1
- 230000004872 arterial blood pressure Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 210000003414 extremity Anatomy 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004962 physiological condition Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- HODRFAVLXIFVTR-RKDXNWHRSA-N tevenel Chemical compound NS(=O)(=O)C1=CC=C([C@@H](O)[C@@H](CO)NC(=O)C(Cl)Cl)C=C1 HODRFAVLXIFVTR-RKDXNWHRSA-N 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- A61B5/026—Measuring blood flow
- A61B5/0261—Measuring blood flow using optical means, e.g. infrared light
-
- 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
- A61B5/02028—Determining haemodynamic parameters not otherwise provided for, e.g. cardiac contractility or left ventricular ejection fraction
-
- 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
- A61B5/026—Measuring blood flow
- A61B5/0295—Measuring blood flow using plethysmography, i.e. measuring the variations in the volume of a body part as modified by the circulation of blood therethrough, e.g. impedance plethysmography
-
- 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
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Cardiology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Physiology (AREA)
- Public Health (AREA)
- Artificial Intelligence (AREA)
- Hematology (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本申请实施例提供了一种血流动力参数测量方法及其相关设备，所述方法应用于血流动力参数测量设备，包括：采集袖带未加压时的第一阶段生理信号；对袖带进行加压，以使得袖带压力达到第一预设值；采集袖带加压后的第二阶段生理参数，对第一阶段生理信号和第二阶段生理信号进行特征提取，得到目标特征；将目标特征输入预先训练好的血流动力参数测量模型，得到输出的血流动力参数数据。本方法主要优点在于其非侵入性、安全性和实时监测的特性。与传统的有创或微创方法相比，它不需要插入导管或进行手术，因此可以减少患者的不适和潜在风险，降低感染和出血等并发症的风险，使其适用于不同的临床场景，并可以满足不同种类患者的需求。
Description
技术领域
本申请属于数据处理领域，尤其涉及一种血流动力参数测量方法及其相关设备。
背景技术
随着社会的发展，人们的物质生活日益丰富，生活节奏越发紧凑，心血管疾病的威胁日益严重，科学有效的对心血管疾病进行早期预警是必要且有意义的。血流动力学参数是用于描述血液在血管系统内流动的特性和性质的参数。血流动力学参数可包括：心排血量（Cardiac Output，CO）、每搏排出量（Stroke Volume，SV）、心排指数（Cardiac Index，CI）和体循环阻力（Systemic Vascular Resistance，SVR）等类型的参数，这些参数对于了解心血管系统的功能以及诊断心血管疾病非常重要。这些血流动力学参数对于评估心血管系统的健康状况以及监测疾病的进展同样重要。医疗专业人员使用各种方法和仪器来测量和评估这些参数，以提供诊断和治疗指导。
在医疗行业传统的获取血流动力学参数主要以有创或微创方法为主，热稀释法是其中常用方法之一，这种方法通过向人体插入导管，向右心房注入微量生理盐水，监测肺动脉下游温度变化，通过温度变化与时间轴围成的面积估算血流动力学参数。该方法具有测量结果准确性高、一致性强的优点，为血流动力参数的金标准，但热稀释法需要通过插入导管到心脏或主要血管来进行。这个过程本身可能引发一些风险，包括感染、出血、导管位置不当等。因此，这种方法通常仅在有需要的情况下使用，例如在严重心血管疾病的监测和治疗中，存在一定的使用风险和副作用。
发明内容
本发明的目的在于提供一种血流动力参数测量方法，旨在解决现有的血流动力学参数测量存在风险的问题，本申请提供的血流动力参数测量方法包括：
本申请实施例第一方面提供了一种血流动力参数测量方法，所述方法应用于血流动力参数测量设备，所述设备包括袖带，所述方法包括：
采集袖带未加压时的第一阶段生理信号，所述第一阶段生理信号包括PPG信号；
对所述袖带进行加压，以使得所述袖带压力达到第一预设值；
采集袖带加压后的第二阶段生理参数，所述第二阶段生理信号包括PPG信号和气压信号；
对所述第一阶段生理信号和第二阶段生理信号进行特征提取，得到目标特征；
将所述目标特征输入预先训练好的血流动力参数测量模型，得到输出的血流动力参数数据。
基于本申请实施例第一方面所提供的血流动力参数测量方法，可选的，
所述PPG信号包括PPG绿光信号和PPG红光信号；
所述第一阶段生理信号包括：温度信号、压力信号、湿度信号、PPG绿光信号的特征点和PPG红外信号的特征点。
基于本申请实施例第一方面所提供的血流动力参数测量方法，可选的，
所述PPG信号包括PPG绿光信号和PPG红光信号；
所述采集袖带加压后的第二阶段生理参数，包括：
对所述袖带持续匀速加压，并采集第一子阶段生理信号、第二子阶段生理信号和第三子阶段生理信号；
所述第一子阶段的起始点为所述袖带压力达到第一预设值的时刻，所述第一子阶段的终止点为所述PPG绿光信号的振幅降低至第二预设值的时刻；
所述第二子阶段的起始点为所述第一子阶段结束点的时刻，所述第二子阶段的终止点为所述PPG绿光信号的振幅降低至第三预设值后下一个心拍的结束点的时刻；
所述第三子阶段的起始点为所述第二子阶段结束点的时刻，所述第三子阶段的终止点为收缩压测量完成的时刻。
基于本申请实施例第一方面所提供的血流动力参数测量方法，可选的，
所述第一子阶段生理信号包括：第一子阶段开始时刻的压强，第一子阶段结束时刻的压强、PPG绿光信号的特征点、PPG红外信号的特征点。
所述第二子阶段生理信号包括：第二子阶段开始时刻的压强，第二子阶段结束时刻的压强、PPG绿光信号的特征点、PPG红外信号的特征点、绿光振幅变化特征和红外振幅变化特征；
所述第三子阶段生理信号包括：第三子阶段开始时刻的压强，第三子阶段结束时刻的压强、PPG绿光信号的特征点、PPG红外信号的特征点、绿光振幅变化特征、红外振幅变化特征和气压振幅变化特征。
基于本申请实施例第一方面所提供的血流动力参数测量方法，可选的，
所述血流动力参数包括：心排血量、每搏排出量、心排指数和体循环阻力。
基于本申请实施例第一方面所提供的血流动力参数测量方法，可选的，
所述对所述第一阶段生理信号和第二阶段生理信号进行特征提取，得到目标特征，包括：
对所述第一阶段生理信号和第二阶段生理信号进行滤波处理，得到交流信号和基线信号；
对所述交流信号和基线信号进行特征提取，得到目标特征。
基于本申请实施例第一方面所提供的血流动力参数测量方法，可选的，
所述将所述目标特征输入预先训练好的血流动力参数测量模型之前，所述方法还包括：
对所述目标特征进行有效性判断；
若判断结果为目标特征具备有效性，则执行所述将所述目标特征输入预先训练好的血流动力参数测量模型，得到输出的血流动力参数数据的步骤。
本申请实施例第二方面提供了一种血流动力参数测量设备，所述设备包括袖带，所述设备包括：
第一阶段生理信号采集单元，用于采集袖带未加压时的第一阶段生理信号，所述第一阶段生理信号包括PPG信号；
加压单元，用于对所述袖带进行加压，以使得所述袖带压力达到第一预设值；
第二阶段生理信号采集单元，用于采集袖带加压后的第二阶段生理参数，所述第二阶段生理信号包括PPG信号和气压信号；
特征提取单元，用于对所述第一阶段生理信号和第二阶段生理信号进行特征提取，得到目标特征；
输入单元，用于将所述目标特征输入预先训练好的血流动力参数测量模型，得到输出的血流动力参数数据。
基于本申请实施例第二方面所提供的血流动力参数测量设备，可选的，
所述PPG信号包括PPG绿光信号和PPG红光信号；
所述第一阶段生理信号包括：温度信号、压力信号、湿度信号、PPG绿光信号的特征点和PPG红外信号的特征点。
基于本申请实施例第二方面所提供的血流动力参数测量设备，可选的，
所述PPG信号包括PPG绿光信号和PPG红外信号；
所述采集袖带加压后的第二阶段生理参数，包括：
对所述袖带持续匀速加压，并采集第一子阶段生理信号、第二子阶段生理信号和第三子阶段生理信号；
所述第一子阶段的起始点为所述袖带压力达到第一预设值的时刻，所述第一子阶段的终止点为所述PPG绿光信号的振幅降低至第二预设值的时刻；
所述第二子阶段的起始点为所述第一子阶段结束点的时刻，所述第一子阶段的终止点为所述PPG绿光信号的振幅降低至第二预设值的时刻；
所述第三子阶段的起始点为所述第二子阶段结束点的时刻，所述第三子阶段的终止点为收缩压测量完成的时刻。
基于本申请实施例第二方面所提供的血流动力参数测量设备，可选的，
所述第一子阶段生理信号包括：第一子阶段开始时刻的压强，第一子阶段结束时刻的压强、PPG绿光信号的特征点、PPG红外信号的特征点。
所述第二子阶段生理信号包括：第二子阶段开始时刻的压强，第二子阶段结束时刻的压强、PPG绿光信号的特征点、PPG红外信号的特征点、绿光振幅变化特征和红外振幅变化特征；
所述第三子阶段生理信号包括：第三子阶段开始时刻的压强，第三子阶段结束时刻的压强、PPG绿光信号的特征点、PPG红外信号的特征点、绿光振幅变化特征、红外振幅变化特征和气压振幅变化特征。
基于本申请实施例第二方面所提供的血流动力参数测量设备，可选的，
所述血流动力参数包括：心排血量、每搏排出量、心排指数和体循环阻力。
基于本申请实施例第二方面所提供的血流动力参数测量设备，可选的，
所述特征提取单元还用于：
对所述第一阶段生理信号和第二阶段生理信号进行滤波处理，得到交流信号和基线信号；
对所述交流信号和基线信号进行特征提取，得到目标特征。
基于本申请实施例第二方面所提供的血流动力参数测量设备，可选的，
所述特征提取单元还用于：
对所述目标特征进行有效性判断；
若判断结果为目标特征具备有效性，则执行所述将所述目标特征输入预先训练好的血流动力参数测量模型，得到输出的血流动力参数数据的步骤。
本申请实施例第三方面提供了一种血流动力参数测量设备，包括：
中央处理器，存储器；
所述存储器为短暂存储存储器或持久存储存储器；
所述中央处理器配置为与所述存储器通信，在所述血流动力参数测量设备上执行所述存储器中的指令操作以执行如本申请实施例第一方面中任意一项所述的方法。
本申请实施例第四方面提供了一种计算机可读存储介质，包括指令，当所述指令在计算机上运行时，使得计算机执行如本申请实施例第一方面中任意一项所述的方法。
从以上技术方案可以看出，本申请实施例具有以下优点：本申请实施例提供了一种血流动力参数测量方法，所述方法应用于血流动力参数测量设备，所述设备包括袖带，所述方法包括：采集袖带未加压时的第一阶段生理信号，所述第一阶段生理信号包括PPG信号；对所述袖带进行加压，以使得所述袖带压力达到第一预设值；采集袖带加压后的第二阶段生理参数，所述第二阶段生理信号包括PPG信号和气压信号；对所述第一阶段生理信号和第二阶段生理信号进行特征提取，得到目标特征；将所述目标特征输入预先训练好的血流动力参数测量模型，得到输出的血流动力参数数据。本方法主要优点在于其非侵入性、安全性和实时监测的特性。与传统的有创或微创方法相比，它不需要插入导管或进行手术，因此可以减少患者的不适和潜在风险，降低感染和出血等并发症的风险。此外，它允许医护人员实时监测患者的血流动力学参数，并可以满足不同种类患者的需求。通过数据分析和模型预测，可以迅速获得准确的血流动力参数数据，有助于改善患者的护理和治疗方案。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。可以理解的是，本部分所提供的附图仅用于更好地理解本方案，不构成对本申请的限定。
图1为本申请所提供的血流动力参数测量设备实施例的一个结构示意图；
图2为本申请所提供的血流动力参数测量方法实施例的一个流程示意图；
图3为本申请所提供的血流动力参数测量方法实施例的另一个流程示意图；
图4为本申请所提供的滤波过程的一个流程示意图；
图5为本申请所提供的滤波后交流信号的一个示意图；
图6为本申请所提供的特征点在单个心搏周期中的位置参考示意图；
图7为本申请所提供的血流动力参数测量设备的一个结构示意图；
图8为本申请所提供的血流动力参数测量设备的另一个结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。同时，为了描述清楚和简明，以下的描述中省略了对公知的功能和结构的描述。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
随着社会的发展，人们的物质生活日益丰富，生活节奏越发紧凑，心血管疾病的威胁日益严重，科学有效的对心血管疾病进行早期预警是必要且有意义的。血流动力学参数是用于描述血液在血管系统内流动的特性和性质的参数。血流动力学参数可包括：心排血量（Cardiac Output，CO）、每搏排出量（Stroke Volume，SV）、心排指数（Cardiac Index，CI）和体循环阻力（Systemic Vascular Resistance，SVR）等类型的参数，这些参数对于了解心血管系统的功能以及诊断心血管疾病非常重要。这些血流动力学参数对于评估心血管系统的健康状况以及监测疾病的进展同样重要。医疗专业人员使用各种方法和仪器来测量和评估这些参数，以提供诊断和治疗指导。
在医疗行业传统的获取血流动力学参数主要以有创或微创方法为主，热稀释法是其中常用方法之一，这种方法通过向人体插入导管，向右心房注入微量生理盐水，监测肺动脉下游温度变化，通过温度变化与时间轴围成的面积估算血流动力学参数。该方法具有测量结果准确性高、一致性强的优点，为血流动力参数的金标准，但热稀释法需要通过插入导管到心脏或主要血管来进行。这个过程本身可能引发一些风险，包括感染、出血、导管位置不当等。因此，这种方法通常仅在有需要的情况下使用，例如在严重心血管疾病的监测和治疗中，存在一定的使用风险和副作用。
为解决上述问题，本申请实施例提供了一种血流动力学参数测量方法，在对本申请所提供的血流动力学参数测量方法进行介绍前，有必要对本方法实施所采用的测量设备进行介绍，请参阅图1，本申请所适用的血流动力学参数测量设备的一个实施例包括两个部分，110为穿戴设备主体，120为袖带，
穿戴设备主体110上设置有多个传感器，用于采集用户的信息，具体的，可以包括三个压力传感器131至133，其分布位置如图所示，一个PPG信号测量模组140，一个温度传感器150，一个湿度传感器160，袖带120为中空结构，可以充气膨胀，并且袖带与设备主体连接处还含有一个气压传感器，用于测量袖带内气压。在实际使用过程中穿戴设备可以被佩戴在用户手腕、小臂或大臂位置上，也可以集成于智能手表设备上，具体此处不做限定。
本申请所提供的血流动力学参数测量方法请参阅图2，包括步骤201至步骤205。
201、采集袖带未加压时的第一阶段生理信号。
具体的，采集袖带未加压时的第一阶段生理信号，所述第一阶段生理信号包括PPG信号，此时袖带内部气体排空，未施加其他压力，采集此时用户的生理信号，具体的，可包括PPG信号、压力信号、温度信号和湿度信号，在该状态下采集一定时间的生理信号，以便保证后续模型处理效果，具体的可以获取3个有效PPG心搏周期或持续时间超过5s，则认定第一阶段生理信号采集成功，进行下一步骤，若该状态下未获取到3个有效心搏周期，或者采集的3个压力传感器信号出现的极差大于预设值，则认为该状态下测量失败，停止后续测量步骤，重新进行测量。
202、对所述袖带进行加压，以使得所述袖带压力达到第一预设值。
具体的，对静息状态下的数据测量完成后，则使用微气泵对袖带进行快速加压，以使得所述袖带压力达到第一预设值，在这一过程中对应着袖带从空的状态进行快速充气膨胀至第一预设值的整个过程，该状态伴随着袖带快速膨胀导致的振动过程，存在较多的噪声干扰，因此对于波形类信号如PPG信号和压力信号可以暂不采集，仅采集压力、温度等传感器信息。在实际实施过程中第一预设值可为30mmHg，具体数值可依据后续所使用的模型而定，此处不做限定。
203、采集袖带加压后的第二阶段生理参数。
具体的，采集袖带加压后的第二阶段生理参数。所述第二阶段生理信号包括PPG信号和气压信号，在实际实施过程中可保持袖带处于稳定气压值下采集相应特征进行数据处理，也可以使用微气泵对袖带进行稳定的加压，将保持袖带内的气压基线维持在每秒增加3.5-4mmHg范围内，并采集加压过程中的用户生理参数，直至达到预设要求。从而获得更加丰富的特征信息，以便算法输出的值更加准确。具体的加压策略可依据后续使用的测量模型的训练方式而定，此处不做限定。
204、对所述第一阶段生理信号和第二阶段生理信号进行特征提取，得到目标特征。
具体的，对所述第一阶段生理信号和第二阶段生理信号进行特征提取，得到目标特征。在实际实施过程中所采集的特征可依据实际情况进行调整，此处不做限定，一般而言可包括：PPG绿光（交流量）、PPG红外（交流量）、袖带气压（pressure交流量）进行峰值点、谷值点等特征点提取，此外还包括各间期的压力传感器均值、温度传感器均值、湿度传感器均值、各间期的时长、各间期振幅均值比等其他特征。需要注意的是，对交流量特征进行提取时，为保证数据准确性可以对所采集的原始数据进行滤波处理，以得到交流信息并基于交流信号进行特征采集，此外还应当对各个阶段的生理信号进行有效性判断，判断信号的质量是否满足模型处理要求，具体的可对时长、数值大小等方面的因素进行判断，具体可依据实际情况而定，此处不做限定。
在本步骤中所采集的目标特征与后续所使用的血流动力参数测量模型训练时所使用的模型一致，以便使用血流动力参数测量模型进行处理。
205、将所述目标特征输入预先训练好的血流动力参数测量模型，得到输出的血流动力参数数据。
具体的，将所述目标特征输入预先训练好的血流动力参数测量模型，得到输出的血流动力参数数据。在本步骤中所使用的血流动力参数测量模型为预先训练好的深度神经网络模型(Deep Neural Networks, DNN)，在实际实施过程中需要预先采集用于训练的训练集，训练集包括与上述步骤204所采集的特征类别一致的数据，以及这些数据所对应的血流动力参数数据，一般的，这些参数可以采用金标设备采集获得，所采用的金标设备可为：一体化连续无创血流动力参数管理监测系统，（Continuous Non-invasive ArterialPressure，CNAP）。
使用该设备采集如前述步骤201至步骤203所述的数据，并进行特征提取，得到相应的特征数据，使用该数据对DNN模型进行训练，训练完成后使用测试集数据进行模型验证，当模型输出准确率达到预设标准时认定训练完成，最终得到训练完成的血流动力参数测量模型。训练完成的血流动力参数测量模型具有依据所输入的特征信息处理得到相应的血流动力参数的能力。将所得到的特生输入至血流动力参数测量模型后，即可得到用户的血流动力参数信息。
从以上技术方案可以看出，本申请实施例具有以下优点：本申请实施例提供了一种血流动力参数测量方法，所述方法应用于血流动力参数测量设备，所述设备包括袖带，所述方法包括：采集袖带未加压时的第一阶段生理信号，所述第一阶段生理信号包括PPG信号；对所述袖带进行加压，以使得所述袖带压力达到第一预设值；采集袖带加压后的第二阶段生理参数，所述第二阶段生理信号包括PPG信号和气压信号；对所述第一阶段生理信号和第二阶段生理信号进行特征提取，得到目标特征；将所述目标特征输入预先训练好的血流动力参数测量模型，得到输出的血流动力参数数据。本方法主要优点在于其非侵入性、安全性和实时监测的特性。与传统的有创或微创方法相比，它不需要插入导管或进行手术，因此可以减少患者的不适和潜在风险，降低感染和出血等并发症的风险。此外，它允许医护人员实时监测患者的血流动力学参数，为及时的临床决策和治疗干预提供了便利，使其适用于不同的临床场景，并可以满足不同种类患者的需求。通过数据分析和模型预测，可以迅速获得准确的血流动力参数数据，有助于改善患者的护理和治疗方案。
为便于在实际实施过程中使用本方法，本申请还提供了一种可选择实施的更为详细的实施例，请参阅图3，本申请所提供的血流动力参数测量方法的一个实施例包括：步骤301-步骤307。
在对本方法进行描述前，有必要对实施本方法的设备及系统进行描述，具体的，参与本血流动力参数测量方法的系统可包括：穿戴设备、移动设备应用程序及服务器，穿戴设备可为上述图1对应所描述的穿戴设备，或集成于智能手表上。移动设备应用程序用于存储用户信息，对不同传感器的标定，更新算法模型，以及展示和同步测量结果等。用户信息包括用户的身高、体重、年龄、性别、四肢维度等；由于测量所需的传感器众多，传感器的标定指的是对各传感器的误差修正；算法模型更新包括设备方训练得到更加准确稳定的预测模型更新、及用户通过金标设备标定修正后的模型更新；结果展示包括单次测量各参数的结果展示、日级别各参数结果展示、月级别各参数结果展示。服务器端主要用于用户信息（含测量信息）的存储及同步工作。
301、采集袖带未加压时的第一阶段生理信号。
具体的，用户使用时采集袖带未加压时的第一阶段生理信号。所述第一阶段生理信号包括：温度信号、压力信号、湿度信号、PPG绿光信号的特征点和PPG红外信号的特征点。其中最重要的是PPG（光电测量）信号。PPG信号包括绿光和红外信号，这些信号用于监测心跳和脉搏的变化，可以通过非侵入性的方式在皮肤表面获取。此外，还采集了其他环境因素的信号，包括温度、压力和湿度等信号，这些信号会辅助血流动力学参数的测量。同时，从PPG信号中提取特征点，例如信号的波峰和波谷，以及它们在信号中的位置。这些特征点对于后续的信号分析和参数计算提供基础。通过在未对袖带进行加压的情况下进行这一阶段的信号采集，可以建立一个基准，用于与袖带加压后的数据进行比较。这有助于确保测量的准确性和一致性，并为后续的步骤提供了参考。
302、对所述袖带进行加压，以使得所述袖带压力达到第一预设值。
具体的，对所述袖带进行加压，以使得所述袖带压力达到第一预设值。在本实施例中以袖带压力达到30mmHg为例进行说明，在这一步骤中，通过调节袖带内的气压，逐渐增加袖带压力，直到压力达到预设的目标值。袖带包裹于用户手腕处，加压后可以限制相关血管的血流，从而在测量过程中产生不同的生理信号响应，便于与为加压状态下的生理参数之间的比对，进而从二者的差别中分析得到血流动力参数的信息。值得注意的是，由于该阶段为快速升压过程，某些波形信息存在较大的噪声干扰，信号并不稳定，故该过程不进行波形特征提取。
303、采集袖带加压后的第二阶段生理参数。
具体的，当袖带加压到第一预设值后，放缓加压速率，进一步匀速加压，并采集匀速加压过程中形成的生理参数，具体的，加压速率可维持在3.5-4mmHg范围内，直到计算得出血压值为止。第二阶段可以包括三个子阶段，第一子阶段、第二子阶段和第三子阶段。
所述第一子阶段的起始点为所述袖带压力达到第一预设值的时刻，所述第一子阶段的终止点为所述PPG绿光信号的振幅降低至第二预设值的时刻。这一过程中，随着袖带气压的增加，PPG测量模块与皮肤的贴合越来越紧，导致皮肤的毛细血管被挤压，又由于绿光信号波长较短，在皮肤中的穿透深度较浅，故PPG绿光信号随着袖带气压的增加，信号振幅会出现明显变化，第一子阶段期间对应测量部位皮肤最表层已被挤压，绿光能穿透的更深层次血管还未收到显著影响过程，当检测到PPG绿光信号振幅降低幅度超过预设值，则对应第一子阶段阶段结束点。
所述第二子阶段的起始点为所述第一子阶段结束点的时刻，所述第二子阶段的终止点为所述PPG绿光信号的振幅降低至第三预设值后下一个心拍的结束点的时刻。第二子阶段时刻结束点对应着PPG绿光信号振幅降低到预设值之下，且维持一个心拍，该期间PPG绿光能穿透更深层血管被挤压，流经血管的血液从变少至基本被阻断，PPG红外信号由于穿透更深，受到的影响相对较小，其幅值虽受影响而减小，但依然存在较明显的波形特征。即第二子阶段包括了PPG绿光信号振幅由第二预设值到第三预设值变化过程所产生的信号，这一过程中由于压力持续变大，PPG绿光信号所能穿透的浅层血管被挤压至阻塞，PPG绿光信号的变化幅度也较大，因此单独作为一个子阶段对其对应的生理信号进行分析，在实际实施过程中第二预设值和第三预设值的设置可依据实际情况而定，此处不做限定。
所述第三子阶段的起始点为所述第二子阶段结束点的时刻，所述第三子阶段的终止点为收缩压测量完成的时刻。第三子阶段结束时刻对应着收缩压测量完成的时刻点，算法通过提取的袖带气压峰值包络进行SBP、DBP参数计算，当袖带气压脉搏波振幅出现最大值后，随着袖带内气压的基线值增大，脉搏波振幅将逐渐减小，当脉搏波振幅减小到满足预设条件后，将会进行SBP计算，当SBP出值后结束测量加压，并结束测量过程，具体的SBP计算方式可参照现有技术具体此处不做赘述。
这种分阶段的设计可以详细地捕获不同气压水平下生理信号的变化，以便后续的数据分析和参数计算。每个子阶段都有其特定的目标和结束点，以确保数据的连贯性和可靠性，便于比较不同气压水平生理信号的变化情况。可以理解的是，对各个阶段的划分可以在滤波过程中同步进行，即使用滤波后得到的交流信号进行各个阶段的划分与提取。
304、对所述第一阶段生理信号和第二阶段生理信号进行滤波处理，得到交流信号和基线信号。
具体的，对所述第一阶段生理信号和第二阶段生理信号进行滤波处理，得到交流信号和基线信号。滤波处理过程可参照图4，包括S31：SG滤波，提取信号基线值，即针对各原始信号分别SG滤波，提取各原始信号基线值，得到各信号的基线部分。S32：进行去基线处理，即对各原始信号进行去基线操作，将原始信号进行时移，移动的采样点数为(bufflen-1)/2，其中bufflen为SG滤波器缓存长度。S33：通过低通滤波器（IIR），进行高频噪声滤波，去除信号中的高频噪声。S34：通过全通滤波器，进行相位响应调整，即进行全通滤波，对IIR低通滤波信号进行相位调整，减小非线性相位导致波形失真带来的影响，得到滤波处理后的各信号的交流部分。滤波后所得到的交流信号结果可参照图5，图5中交流信号从上到下依次为PPG绿光信号、PPG红外信号，压力交流信号，压力基线信号。在实际实施过程中，滤波处理方式可依据实际情况进行调整，具体此处不做限定。
305、对所述交流信号和基线信号进行特征提取，得到目标特征。
具体的。对所述交流信号和基线信号进行特征提取，得到目标特征。特征提取在整个测量过程中实时进行，具体的，可包括对PPG绿光（交流量）、PPG红外（交流量）、袖带气压（pressure交流量）进行峰值点、谷值点等特征点提取，特征点在单个心搏周期中的位置参考图6所示，其中A为心搏起点/上一个心搏结束点（谷值点），B为信号二阶差分极大值所在位置点，C为信号一阶差分所在位置点，D为心搏峰值点，E为原始信号峰值后一阶差分信号的第一个极小值点，F为E点之后的第一个极大值点，G为心搏周期结束点/下个心搏周期的起点；以第一阶段为例，所采集的心博周期特征可以包括图7所示的不同特征点之间的时间差T11、T12、T13、T14，不同特征点之间的数据差AMP1、AMP2、AMP3、AMP4、AMP5、AMP6、AMP7、AMP8，可以理解的是，在实际实施过程中所提取的特征可依据实际情况进行调整，此处不做限定。
第一子阶段所统计的信号特征包括第一子阶段开始时刻的压强，第一子阶段结束时刻的压强、PPG绿光信号的特征点、PPG红外信号的特征点以及气压交流量的特征点，具体的，即包括第一阶段所提取的特征种类以及第一子阶段开始时刻的压强和第一子阶段结束时刻的压强。
第二子阶段所统计的信号特征包括：第二子阶段开始时刻的压强，第二子阶段结束时刻的压强、PPG绿光信号的特征点、PPG红外信号的特征点、绿光振幅变化特征和红外振幅变化特征。在第二子阶段所采集的信号特征与第一子阶段所采集的信号特征类似，但额外包括绿光振幅变化特征和红外振幅变化特征，振幅变化特征包括振幅变化最快点对应的袖带气压基线值、振幅变化的均值及变化最快值。
第三子阶段所统计的信号特征包括：第三子阶段开始时刻的压强，第三子阶段结束时刻的压强、PPG绿光信号的特征点、PPG红外信号的特征点、绿光振幅变化特征、红外振幅变化特征和气压振幅变化特征。即第三子阶段所采集的特征除第二子阶段所采集的特征外还包括：气压振幅变化特征，气压振幅变化特征具体包括：袖带气压脉搏波振幅最大值对应的压带气压基线值、袖带气压基线变化的平均值。
值得注意的是，在实际实施过程中对稳定加压过程各个子阶段的划分规则可依据实际情况而定，在本实施例中由于绿光信号变化幅度较大，且存在明显的阶段性，因此采用PPG绿光信号作为不同子阶段的划分依据，并且在不同子阶段使用不同的特征参与模型处理，从而保证了所得到的特征有效性，更能反应用户的真实生理状况。可以理解的是，在实际实施过程中也可采用其他规则对第二阶段进行划分并对所采集的特征类别进行调整，具体此处不做限定。
306、对所述目标特征进行有效性判断。
具体的，对目标特征的有效性判断规则可包括：
（1）绿光、红外、袖带气压在划分的各时间段内的脉搏波数量是否在对应的预设范围内，符合则说明脉搏波数量符合分析要求，可以进行处理。
（2）绿光、红外、袖带气压振幅大于预设值的脉搏波RRI（R-R Interval）是否满足预设要求；
（3）本次测量血压值是否正常输出；
在实际实施过程中所采用的有效性判断规则可依据实际情况进行调整，具体此处不做限定。
307、将所述目标特征输入预先训练好的血流动力参数测量模型，得到输出的血流动力参数数据。
若本次测量判定为有效测量，则将上述各间期的信号特征、各间期的时长、各间期振幅均值比、各间期的压力传感器均值、温度传感器均值、湿度传感器均值作为输入，使用预先训练好的神经网络模型进行处理的，最终得到血流动力学参数，本步骤中所使用的血流动力参数测量模型与前述图2对应实施例中步骤205所描述的模型类似，为具有7层全连接层结构的DNN模型，可以理解的是，在实际实施过程中所采用的模型结构及种类可依据实际情况进行调整，具体此处不做限定。计算参数包括心排血量（CO）、每搏排出量（SV）、心排指数（CI）、体循环阻力（SVR）可以理解的是，计算所得到的血流动力学参数种类也可依据实际情况进行调整，具体此处不做限定。
从以上技术方案可以看出，本申请实施例具有以下优点：本申请实施例提供了一种血流动力参数测量方法，所述方法应用于血流动力参数测量设备，所述设备包括袖带，所述方法包括：采集袖带未加压时的第一阶段生理信号，所述第一阶段生理信号包括PPG信号；对所述袖带进行加压，以使得所述袖带压力达到第一预设值；采集袖带加压后的第二阶段生理参数，所述第二阶段生理信号包括PPG信号和气压信号；对所述第一阶段生理信号和第二阶段生理信号进行特征提取，得到目标特征；将所述目标特征输入预先训练好的血流动力参数测量模型，得到输出的血流动力参数数据。本方法主要优点在于其非侵入性、安全性和实时监测的特性。与传统的有创或微创方法相比，它不需要插入导管或进行手术，因此可以减少患者的不适和潜在风险，降低感染和出血等并发症的风险。此外，它允许医护人员实时监测患者的血流动力学参数，为及时的临床决策和治疗干预提供了便利，使其适用于不同的临床场景，并可以满足不同种类患者的需求。通过数据分析和模型预测，可以迅速获得准确的血流动力参数数据，有助于改善患者的护理和治疗方案。
上述内容对本申请所提供的血流动力学参数测量方法进行了描述，为支持上述实施例的实施，本申请还提供了一种血流动力学参数测量设备，请参阅图7，本申请所提供的血流动力学参数测量设备的一个实施例包括：
袖带700；
第一阶段生理信号采集单元701，用于采集袖带未加压时的第一阶段生理信号，所述第一阶段生理信号包括PPG信号；
加压单元702，用于对所述袖带进行加压，以使得所述袖带压力达到第一预设值；
第二阶段生理信号采集单元703，用于采集袖带加压后的第二阶段生理参数，所述第二阶段生理信号包括PPG信号和气压信号；
特征提取单元704，用于对所述第一阶段生理信号和第二阶段生理信号进行特征提取，得到目标特征；
输入单元705，用于将所述目标特征输入预先训练好的血流动力参数测量模型，得到输出的血流动力参数数据。
本实施例中，血流动力学参数测量设备中各单元所执行的流程与前述图1所对应的实施例中描述的方法流程类似，此处不再赘述。
图8是本申请实施例提供的一种血流动力参数测量设备的结构示意图，该血流动力参数测量设备800可以包括一个或一个以上中央处理器801和存储器805，该存储器805中存储有一个或一个以上的应用程序或数据。
本实施例中，中央处理器801中的具体功能模块划分可以与前述图7中所描述的各单元的功能模块划分方式类似，此处不再赘述。
其中，存储器805可以是易失性存储或持久存储。存储在存储器805的程序可以包括一个或一个以上模块，每个模块可以包括对血流动力参数测量设备中的一系列指令操作。更进一步地，中央处理器801可以设置为与存储器805通信，在血流动力参数测量设备800上执行存储器805中的一系列指令操作。
血流动力参数测量设备800还包括电源802、袖带803、传感器804。该中央处理器801可以执行前述图2或图3所示实施例中血流动力学参数测量方法所执行的操作，具体此处不再赘述，在实体结构上血流动力参数测量设备800可如图1所示，包括PPG传感器、温度传感器、湿度传感器以及多个压力传感器，使用时佩戴于用户腕部，或集成于智能手表或其他穿戴设备内部。
本申请实施例还提供了一种计算机存储介质，该计算机存储介质用于储存为上述血流动力学参数测量方法所用的计算机软件指令，其包括用于执行为所设计的程序。
该血流动力学参数测量方法可以如前述图2或图3中所描述的血流动力学参数测量方法。
本申请实施例还提供了一种计算机程序产品，该计算机程序产品包括计算机软件指令，该计算机软件指令可通过处理器进行加载来实现上述图2或图3中任意一项的血流动力学参数测量方法的流程。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，电路的等效变换，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
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、等同替换或改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种血流动力参数测量方法，其特征在于，所述方法应用于血流动力参数测量设备，所述设备包括袖带，所述方法包括：
采集袖带未加压时的第一阶段生理信号，所述第一阶段生理信号包括PPG信号；
对所述袖带进行加压，以使得所述袖带的压力达到第一预设值；
采集袖带加压后的第二阶段生理信号，所述第二阶段生理信号包括PPG信号和气压信号；
对所述第一阶段生理信号和第二阶段生理信号进行特征提取，得到目标特征；
将所述目标特征输入预先训练好的血流动力参数测量模型，得到输出的血流动力参数数据；
所述PPG信号包括PPG绿光信号和PPG红外信号；
所述采集袖带加压后的第二阶段生理信号，包括：
对所述袖带持续匀速加压，并采集第一子阶段的生理信号、第二子阶段的生理信号和第三子阶段的生理信号；
所述第一子阶段的起始点为所述袖带压力达到第一预设值的时刻，所述第一子阶段的终止点为所述PPG绿光信号的振幅降低至第二预设值的时刻；
所述第二子阶段的起始点为所述第一子阶段结束点的时刻，所述第二子阶段的终止点为所述PPG绿光信号的振幅降低至第三预设值后下一个心拍的结束点的时刻；
所述第三子阶段的起始点为所述第二子阶段结束点的时刻，所述第三子阶段的终止点为收缩压测量完成的时刻；
所述第一子阶段的生理信号包括：第一子阶段开始时刻的压强，第一子阶段结束时刻的压强、PPG绿光信号的特征点、PPG红外信号的特征点；
所述第二子阶段的生理信号包括：第二子阶段开始时刻的压强，第二子阶段结束时刻的压强、PPG绿光信号的特征点、PPG红外信号的特征点、绿光振幅变化特征和红外振幅变化特征；
所述第三子阶段的生理信号包括：第三子阶段开始时刻的压强，第三子阶段结束时刻的压强、PPG绿光信号的特征点、PPG红外信号的特征点、绿光振幅变化特征、红外振幅变化特征和气压振幅变化特征。
2.根据权利要求1所述的血流动力参数测量方法，其特征在于，
所述第一阶段生理信号包括：温度信号、压力信号、湿度信号、PPG绿光信号的特征点和PPG红外信号的特征点。
3.根据权利要求1所述的血流动力参数测量方法，其特征在于，
所述血流动力参数包括：心排血量、每搏排出量、心排指数和体循环阻力。
4.根据权利要求1所述的血流动力参数测量方法，其特征在于，所述对所述第一阶段生理信号和第二阶段生理信号进行特征提取，得到目标特征，包括：
对所述第一阶段生理信号和第二阶段生理信号进行滤波处理，得到交流信号和基线信号；
对所述交流信号和基线信号进行特征提取，得到目标特征。
5.根据权利要求1所述的血流动力参数测量方法，其特征在于，所述将所述目标特征输入预先训练好的血流动力参数测量模型之前，所述方法还包括：
对所述目标特征进行有效性判断；
若判断结果为目标特征具备有效性，则执行所述将所述目标特征输入预先训练好的血流动力参数测量模型，得到输出的血流动力参数数据的步骤。
6.一种血流动力参数测量设备，其特征在于，所述设备包括袖带，所述设备包括：
第一阶段生理信号采集单元，用于采集袖带未加压时的第一阶段生理信号，所述第一阶段生理信号包括PPG信号；
加压单元，用于对所述袖带进行加压，以使得所述袖带的压力达到第一预设值；
第二阶段生理信号采集单元，用于采集袖带加压后的第二阶段生理信号，所述第二阶段生理信号包括PPG信号和气压信号；
特征提取单元，用于对所述第一阶段生理信号和第二阶段生理信号进行特征提取，得到目标特征；
输入单元，用于将所述目标特征输入预先训练好的血流动力参数测量模型，得到输出的血流动力参数数据；
所述PPG信号包括PPG绿光信号和PPG红外信号；
所述第二阶段生理信号采集单元具体用于：
对所述袖带持续匀速加压，并采集第一子阶段的生理信号、第二子阶段的生理信号和第三子阶段的生理信号；
所述第一子阶段的起始点为所述袖带压力达到第一预设值的时刻，所述第一子阶段的终止点为所述PPG绿光信号的振幅降低至第二预设值的时刻；
所述第二子阶段的起始点为所述第一子阶段结束点的时刻，所述第二子阶段的终止点为所述PPG绿光信号的振幅降低至第三预设值后下一个心拍的结束点的时刻；
所述第三子阶段的起始点为所述第二子阶段结束点的时刻，所述第三子阶段的终止点为收缩压测量完成的时刻；
所述第一子阶段的生理信号包括：第一子阶段开始时刻的压强，第一子阶段结束时刻的压强、PPG绿光信号的特征点、PPG红外信号的特征点；
所述第二子阶段的生理信号包括：第二子阶段开始时刻的压强，第二子阶段结束时刻的压强、PPG绿光信号的特征点、PPG红外信号的特征点、绿光振幅变化特征和红外振幅变化特征；
所述第三子阶段的生理信号包括：第三子阶段开始时刻的压强，第三子阶段结束时刻的压强、PPG绿光信号的特征点、PPG红外信号的特征点、绿光振幅变化特征、红外振幅变化特征和气压振幅变化特征。
7.一种血流动力参数测量设备，其特征在于，包括：
中央处理器，存储器，袖带，传感器；
所述存储器为短暂存储存储器或持久存储存储器；
所述中央处理器配置为与所述存储器通信，在所述血流动力参数测量设备上执行所述存储器中的指令操作以执行如权利要求1至5中任意一项所述的方法。
8.一种计算机可读存储介质，其特征在于，包括指令，当所述指令在计算机上运行时，使得计算机执行如权利要求1至5中任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311435040.4A CN117137465B (zh) | 2023-11-01 | 2023-11-01 | 一种血流动力参数测量方法及其相关设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311435040.4A CN117137465B (zh) | 2023-11-01 | 2023-11-01 | 一种血流动力参数测量方法及其相关设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117137465A CN117137465A (zh) | 2023-12-01 |
| CN117137465B true CN117137465B (zh) | 2024-04-16 |
Family
ID=88912503
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311435040.4A Active CN117137465B (zh) | 2023-11-01 | 2023-11-01 | 一种血流动力参数测量方法及其相关设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117137465B (zh) |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101732050A (zh) * | 2009-12-04 | 2010-06-16 | 西安交通大学 | 一种基于光电容积波的呼吸率监测方法 |
| CN102743165A (zh) * | 2012-07-31 | 2012-10-24 | 刘常春 | 基于光电容积脉搏波的血液在体流动性测量装置 |
| CN102811659A (zh) * | 2009-12-30 | 2012-12-05 | 索泰拉无线公司 | 用于测量连续无创血压(cNIBP)的体佩式系统 |
| CN107822615A (zh) * | 2017-11-16 | 2018-03-23 | 北京悦琦创通科技有限公司 | 血压测量设备和信号处理方法 |
| CN110974197A (zh) * | 2019-12-13 | 2020-04-10 | 中国人民解放军63919部队 | 一种无创血液动力学多参数测量装置 |
| CN111870237A (zh) * | 2020-09-04 | 2020-11-03 | 平安科技（深圳）有限公司 | 血压检测方法、装置、设备及介质 |
| CN112057063A (zh) * | 2019-06-10 | 2020-12-11 | 苹果公司 | 利用有限的加压预测血压测量 |
| CN112274126A (zh) * | 2020-10-28 | 2021-01-29 | 河北工业大学 | 一种基于多路脉搏波的无创连续血压检测方法、装置 |
| CN113509160A (zh) * | 2021-08-04 | 2021-10-19 | 天津工业大学 | 一种连续无创血压监测方法及装置 |
| CN114533009A (zh) * | 2020-11-25 | 2022-05-27 | 华为技术有限公司 | 血压测量装置及其加压方法 |
| CN114587311A (zh) * | 2022-04-02 | 2022-06-07 | 杭州华视诺维医疗科技有限公司 | 一种基于多阶多模态的非袖带式血压测量装置 |
| CN114652351A (zh) * | 2022-05-24 | 2022-06-24 | 苏州圣泽医疗科技有限公司 | 基于超声多普勒的连续血压测量方法、装置和电子设备 |
| CN115137319A (zh) * | 2022-06-30 | 2022-10-04 | 中国科学院合肥物质科学研究院 | 一种皮肤微血管内皮功能检测设备及其检测方法 |
| CN116269268A (zh) * | 2022-11-18 | 2023-06-23 | 南方科技大学 | 一种高精度连续血压测量装置和方法 |
| CN116369877A (zh) * | 2022-12-14 | 2023-07-04 | 北京航空航天大学 | 一种基于光电容积脉搏波的无创血压估计方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3784121A1 (en) * | 2018-04-23 | 2021-03-03 | Evonik Operations GmbH | Methods to estimate the blood pressure and the arterial stiffness based on photoplethysmographic (ppg) signals |
| US20230293117A1 (en) * | 2022-03-17 | 2023-09-21 | Microlife Corporation | Method for estimating blood pressures using photoplethysmography signal analysis and system using the same |
-
2023
- 2023-11-01 CN CN202311435040.4A patent/CN117137465B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101732050A (zh) * | 2009-12-04 | 2010-06-16 | 西安交通大学 | 一种基于光电容积波的呼吸率监测方法 |
| CN102811659A (zh) * | 2009-12-30 | 2012-12-05 | 索泰拉无线公司 | 用于测量连续无创血压(cNIBP)的体佩式系统 |
| CN102743165A (zh) * | 2012-07-31 | 2012-10-24 | 刘常春 | 基于光电容积脉搏波的血液在体流动性测量装置 |
| CN107822615A (zh) * | 2017-11-16 | 2018-03-23 | 北京悦琦创通科技有限公司 | 血压测量设备和信号处理方法 |
| CN112057063A (zh) * | 2019-06-10 | 2020-12-11 | 苹果公司 | 利用有限的加压预测血压测量 |
| CN110974197A (zh) * | 2019-12-13 | 2020-04-10 | 中国人民解放军63919部队 | 一种无创血液动力学多参数测量装置 |
| CN111870237A (zh) * | 2020-09-04 | 2020-11-03 | 平安科技（深圳）有限公司 | 血压检测方法、装置、设备及介质 |
| CN112274126A (zh) * | 2020-10-28 | 2021-01-29 | 河北工业大学 | 一种基于多路脉搏波的无创连续血压检测方法、装置 |
| CN114533009A (zh) * | 2020-11-25 | 2022-05-27 | 华为技术有限公司 | 血压测量装置及其加压方法 |
| CN113509160A (zh) * | 2021-08-04 | 2021-10-19 | 天津工业大学 | 一种连续无创血压监测方法及装置 |
| CN114587311A (zh) * | 2022-04-02 | 2022-06-07 | 杭州华视诺维医疗科技有限公司 | 一种基于多阶多模态的非袖带式血压测量装置 |
| CN114652351A (zh) * | 2022-05-24 | 2022-06-24 | 苏州圣泽医疗科技有限公司 | 基于超声多普勒的连续血压测量方法、装置和电子设备 |
| CN115137319A (zh) * | 2022-06-30 | 2022-10-04 | 中国科学院合肥物质科学研究院 | 一种皮肤微血管内皮功能检测设备及其检测方法 |
| CN116269268A (zh) * | 2022-11-18 | 2023-06-23 | 南方科技大学 | 一种高精度连续血压测量装置和方法 |
| CN116369877A (zh) * | 2022-12-14 | 2023-07-04 | 北京航空航天大学 | 一种基于光电容积脉搏波的无创血压估计方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117137465A (zh) | 2023-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112274126B (zh) | 一种基于多路脉搏波的无创连续血压检测方法、装置 | |
| CN107530005B (zh) | 用于导出对象的平均动脉压的方法和设备 | |
| Kurylyak et al. | A Neural Network-based method for continuous blood pressure estimation from a PPG signal | |
| KR101068116B1 (ko) | 비침습적 연속 혈압 및 동맥 탄성도 측정을 위한 요골 맥파센싱 장치 및 방법 | |
| CN108498089A (zh) | 一种基于深度神经网络的无创连续血压测量方法 | |
| KR20210005644A (ko) | 광체적변동기록 (ppg) 시그널에 기반하여 혈압 및 동맥 경직도를 추정하는 방법 | |
| CN112274127B (zh) | 一种基于单路脉搏波的无创连续血压检测方法、装置 | |
| CN112089405B (zh) | 一种脉搏波特征参数测量及显示装置 | |
| Taha et al. | A review on non-invasive hypertension monitoring system by using photoplethysmography method | |
| EP1623669A1 (en) | Non-invasive heart monitoring apparatus and method | |
| WO2013113055A1 (en) | Method and apparatus for non-invasive determination of cardiac output | |
| CN210095711U (zh) | 一种无创连续血压测量设备 | |
| KR102153625B1 (ko) | 비가압 손목 착용형 혈압 측정계 및 이것을 이용한 혈압 추정 방법 | |
| CN117137465B (zh) | 一种血流动力参数测量方法及其相关设备 | |
| US20200237240A1 (en) | Vital-sign estimation apparatus and calibration method for vital-sign estimator | |
| Hoseinzadeh et al. | Design and Implementation of a blood pressure device with high sampling frequency to analyze cardiovascular diseases in LabVIEW | |
| Esmaelpoor et al. | Blood pressure monitoring using photoplethysmogram and electrocardiogram signals | |
| US20190110702A1 (en) | A Method Of Deriving Systolic Blood Pressure And/Or Diastolic Blood Pressure Of A Subject | |
| Kaushik et al. | A comprehensive study on blood pressure measurement techniques | |
| 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 | |
| Tiloca | A machine learning approach for non-invasive blood pressure estimation | |
| Nagy et al. | Sensor fusion for the accurate non-invasive measurement of blood pressure | |
| Almahouzi et al. | An integrated biosignals wearable system for low-cost blood pressure monitoring | |
| Villata | Cuffless blood pressure measurement |
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 |