CN117838074A - 一种连续血压波形的确定方法、确定装置、设备及介质 - Google Patents
一种连续血压波形的确定方法、确定装置、设备及介质 Download PDFInfo
- Publication number
- CN117838074A CN117838074A CN202410045092.9A CN202410045092A CN117838074A CN 117838074 A CN117838074 A CN 117838074A CN 202410045092 A CN202410045092 A CN 202410045092A CN 117838074 A CN117838074 A CN 117838074A
- Authority
- CN
- China
- Prior art keywords
- signal
- blood pressure
- calculation
- sample
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000036772 blood pressure Effects 0.000 title claims abstract description 397
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000004364 calculation method Methods 0.000 claims abstract description 271
- 238000006243 chemical reaction Methods 0.000 claims abstract description 94
- 230000008859 change Effects 0.000 claims description 148
- 230000035487 diastolic blood pressure Effects 0.000 claims description 77
- 230000035488 systolic blood pressure Effects 0.000 claims description 77
- 230000006870 function Effects 0.000 claims description 26
- 238000012549 training Methods 0.000 claims description 20
- 238000010606 normalization Methods 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 24
- 238000009530 blood pressure measurement Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000013186 photoplethysmography Methods 0.000 description 6
- 206010020772 Hypertension Diseases 0.000 description 4
- 210000004204 blood vessel Anatomy 0.000 description 4
- 230000036996 cardiovascular health Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004891 communication Methods 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
- 230000000694 effects Effects 0.000 description 3
- 208000024172 Cardiovascular disease Diseases 0.000 description 2
- 238000002555 auscultation Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000037213 diet Effects 0.000 description 2
- 235000005911 diet Nutrition 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000005802 health problem Effects 0.000 description 2
- 238000003780 insertion Methods 0.000 description 2
- 230000037431 insertion Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000005086 pumping Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000002792 vascular Effects 0.000 description 2
- 238000004260 weight control Methods 0.000 description 2
- 206010003162 Arterial injury Diseases 0.000 description 1
- 208000032843 Hemorrhage Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000004872 arterial blood pressure Effects 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 208000034158 bleeding Diseases 0.000 description 1
- 230000000740 bleeding effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000001105 femoral artery Anatomy 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000037368 penetrate the skin Effects 0.000 description 1
- 210000002321 radial artery Anatomy 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 230000008733 trauma Effects 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Landscapes
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本申请提供了一种连续血压波形的确定方法、确定装置、设备及介质,所述方法包括:提取光电容积脉搏波信号中每个标定信号的标定信号特征以及每个计算信号的计算信号特征;利用用户的当前血压值、平均信号特征以及计算信号特征确定计算信号对应的计算压力值;将计算信号输入到血压波形转换模型中,确定出对应的初始血压波形,并利用初始血压波形以及计算压力值得到计算信号对应的目标血压波形;基于每个计算信号对应的目标血压波形确定出所述用户的连续血压波形。通过所述方法及装置,利用光电容积脉搏波信号实现血压波形的连续无感监测,实现无感获取稳定的血压波形,准确地确定出用户的连续血压波形,同时提高连续血压波形的确定效率。
Description
技术领域
本申请涉及医疗检测技术领域,具体而言,涉及一种连续血压波形的确定方法、确定装置、设备及介质。
背景技术
血压(Blood Pressure)是衡量心血管健康的重要指标之一,它反映了心脏泵血以及动脉血管阻力的状态。正常的血压水平对于身体的正常功能至关重要。血压监测作为一种常见的医学检查手段,具有重要的临床意义。血压监测在预防和管理心血管疾病上具有重要的意义。它不仅能够帮助识别高血压,评估心血管健康状况,监测药物治疗的效果,还可以帮助发现其他健康问题。因此,我们应保持定期的血压检查,并遵循医生的建议,采取必要的干预措施,以维护身体的整体健康。同时,良好的生活方式也是预防高血压的重要措施,如合理饮食、适量运动、控制体重等,这些都有助于维持正常的血压水平。
目前,血压波形监测技术主要包括有创测压和无创测压两种。其中,有创血压波形监测需要将导管插入血管中,存在一定的创伤,而无创连续血压监测,需要不断的施加力或释放力,也会造成测试对象的不适。
发明内容
有鉴于此,本申请的目的在于提供一种连续血压波形的确定方法、确定装置、设备及介质,通过光电容积脉搏波信号的信号特征以及用户的当前血压值确定出计算血压值,并使用训练好的血压波形转换模型将光电容积脉搏波信号转换为初始血压波形,通过初始血压波形和计算血压值即可得到用户的连续血压波形。利用光电容积脉搏波信号实现血压波形的连续无感监测,实现无感获取稳定的血压波形,准确地确定出用户的连续血压波形,减少血压测量的误差,同时提高连续血压波形的确定效率。
第一方面,本申请实施例提供了一种连续血压波形的确定方法,所述确定方法包括:
获取用户的当前血压值以及所述用户在当前计算周期内的光电容积脉搏波信号,并将所述光电容积脉搏波信号划分为标定信号和计算信号;其中,所述当前血压值包括当前收缩压和当前舒张压,所述当前计算周期中包括多个心跳周期,所述标定信号中包括多个心跳周期标定信号,所述计算信号中包括多个心跳周期计算信号;
提取每个心跳周期标定信号的标定信号特征以及每个心跳周期计算信号的计算信号特征,并基于每个心跳周期标定信号的标定信号特征确定出平均特征;
针对于每个心跳周期计算信号,利用所述当前血压值、所述平均特征以及该心跳周期计算信号的计算信号特征确定该心跳周期计算信号对应的计算压力值;其中,所述计算压力值包括计算收缩压和计算舒张压;
将该心跳周期计算信号输入到预先训练好的血压波形转换模型中,确定出该心跳周期计算信号对应的初始血压波形,并利用所述初始血压波形以及该心跳周期计算信号对应的计算压力值得到该心跳周期计算信号对应的目标血压波形;
基于每个心跳周期计算信号对应的目标血压波形确定出所述用户的连续血压波形。
进一步的,所述利用所述当前血压值、所述平均特征以及该心跳周期计算信号的计算信号特征确定该心跳周期计算信号对应的计算压力值,包括:
利用信号特征与收缩压变化值之间的第一转换关系,基于所述平均特征以及该心跳周期计算信号的计算信号特征确定出该心跳周期计算信号对应的收缩压变化值;
利用信号特征与舒张压变化值之间的第二转换关系,基于所述平均特征以及该心跳周期计算信号的计算信号特征确定出该心跳周期计算信号对应的舒张压变化值;
将所述当前收缩压与所述收缩压变化值相加,得到该心跳周期计算信号对应的计算收缩压,将所述当前舒张压与所述舒张压变化值相加,得到该心跳周期计算信号对应的计算舒张压。
进一步的,通过下述步骤训练确定出所述第一转换关系和所述第二转换关系:
获取第一光电容积脉搏波样本信号;其中,所述第一光电容积脉搏波样本信号中包括多个第一标定样本信号和多个第一计算样本信号;
针对于每个第一计算样本信号,将多个所述第一标定样本信号以及该第一计算样本信号输入到预先训练好的血压变化值预测模型中,确定出该第一计算样本信号对应的血压变化样本值;其中,所述血压变化样本值包括收缩压变化样本值和舒张压变化样本值;
利用每个第一计算样本信号对应的收缩压变化样本值、每个第一计算样本信号的计算信号样本特征以及多个所述第一标定样本信号之间的平均样本特征拟合出所述第一转换关系;
利用每个第一计算样本信号对应的舒张压变化样本值、每个第一计算样本信号的计算信号样本特征以及多个所述第一标定样本信号之间的平均样本特征拟合出所述第二转换关系。
进一步的,通过下述步骤训练所述血压变化值预测模型:
获取第二光电容积脉搏波样本信号;其中,所述第二光电容积脉搏波样本信号中包括多个第二标定样本信号、多个第二计算样本信号、以及每个第二计算样本信号对应的血压变化真实值,所述血压变化真实值包括收缩压变化真实值和舒张压变化真实值;
针对于每个第二计算样本信号,将多个所述第二标定样本信号以及该第二计算样本信号输入到血压变化值原始预测模型中,确定出该第二计算样本信号对应的血压变化预测值;其中,所述血压变化预测值包括收缩压变化预测值和舒张压变化预测值;
将每个第二计算样本信号对应的血压变化真实值与血压变化预测值进行对比,计算当前状态下所述血压变化值原始预测模型的第一损失函数;
基于所述血压变化值原始预测模型的第一损失函数,不断调整所述血压变化值原始预测模型的模型参数,直至所述血压变化值原始预测模型达到收敛状态,得到所述血压变化值预测模型。
进一步的,通过下述步骤训练所述血压波形转换模型:
获取训练样本集;其中,所述训练样本集中包括多个第三光电容积脉搏波样本信号以及每个第三光电容积脉搏波样本信号对应的血压样本波形;
对每个第三光电容积脉搏波样本信号进行信号预处理与数据归一化,得到多个目标样本信号;
将多个所述目标样本信号输入到血压波形原始转换模型中,确定出每个目标样本信号对应的血压预测波形;
将每个目标样本信号对应的血压样本波形与血压预测波形进行对比,计算当前状态下所述血压波形原始转换模型的第二损失函数;
基于所述血压波形原始转换模型的第二损失函数,不断调整所述血压波形原始转换模型的模型参数,直至所述血压波形原始转换模型达到收敛状态,得到所述血压波形转换模型。
进一步的,所述利用所述初始血压波形以及该心跳周期计算信号对应的计算压力值得到该心跳周期计算信号对应的目标血压波形,包括:
利用该心跳周期计算信号对应的计算压力值对所述初始血压波形进行去归一化处理,得到该心跳周期计算信号对应的目标血压波形;其中,所述目标血压波形中的峰值为该心跳周期计算信号对应的计算收缩压,所述目标血压波形中的谷值为该心跳周期计算信号对应的计算舒张压。
第二方面,本申请实施例还提供了一种连续血压波形的确定装置,所述确定装置包括:
信号获取模块,用于获取用户的当前血压值以及所述用户在当前计算周期内的光电容积脉搏波信号,并将所述光电容积脉搏波信号划分为标定信号和计算信号;其中,所述当前血压值包括当前收缩压和当前舒张压,所述当前计算周期中包括多个心跳周期,所述标定信号中包括多个心跳周期标定信号,所述计算信号中包括多个心跳周期计算信号;
信号特征提取模块,用于提取每个心跳周期标定信号的标定信号特征以及每个心跳周期计算信号的计算信号特征,并基于每个心跳周期标定信号的标定信号特征确定出平均特征;
计算压力值确定模块,用于针对于每个心跳周期计算信号,利用所述当前血压值、所述平均特征以及该心跳周期计算信号的计算信号特征确定该心跳周期计算信号对应的计算压力值;其中,所述计算压力值包括计算收缩压和计算舒张压;
目标血压波形确定模块,用于将该心跳周期计算信号输入到预先训练好的血压波形转换模型中,确定出该心跳周期计算信号对应的初始血压波形,并利用所述初始血压波形以及该心跳周期计算信号对应的计算压力值得到该心跳周期计算信号对应的目标血压波形;
连续血压波形确定模块,用于基于每个心跳周期计算信号对应的目标血压波形确定出所述用户的连续血压波形。
进一步的,所述计算压力值确定模块在用于利用所述当前血压值、所述平均特征以及该心跳周期计算信号的计算信号特征确定该心跳周期计算信号对应的计算压力值时,所述计算压力值确定模块还用于:
利用信号特征与收缩压变化值之间的第一转换关系,基于所述平均特征以及该心跳周期计算信号的计算信号特征确定出该心跳周期计算信号对应的收缩压变化值;
利用信号特征与舒张压变化值之间的第二转换关系,基于所述平均特征以及该心跳周期计算信号的计算信号特征确定出该心跳周期计算信号对应的舒张压变化值;
将所述当前收缩压与所述收缩压变化值相加,得到该心跳周期计算信号对应的计算收缩压,将所述当前舒张压与所述舒张压变化值相加,得到该心跳周期计算信号对应的计算舒张压。
第三方面,本申请实施例还提供一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如上述的连续血压波形的确定方法的步骤。
第四方面,本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如上述的连续血压波形的确定方法的步骤。
本申请实施例提供的一种连续血压波形的确定方法、确定装置、设备及介质,所述确定方法包括:首先,获取用户的当前血压值以及所述用户在当前计算周期内的光电容积脉搏波信号,并将所述光电容积脉搏波信号划分为标定信号和计算信号;然后,提取每个心跳周期标定信号的标定信号特征以及每个心跳周期计算信号的计算信号特征,并基于每个心跳周期标定信号的标定信号特征确定出平均信号特征;针对于每个心跳周期计算信号,利用所述当前血压值、所述平均信号特征以及该心跳周期计算信号的计算信号特征确定该心跳周期计算信号对应的计算压力值;将该心跳周期计算信号输入到预先训练好的血压波形转换模型中,确定出该心跳周期计算信号对应的初始血压波形,并利用所述初始血压波形以及该心跳周期计算信号对应的计算压力值得到该心跳周期计算信号对应的目标血压波形;最后,基于每个心跳周期计算信号对应的目标血压波形确定出所述用户的连续血压波形。
本申请使用光电容积脉搏波(PPG)信号,通过光电容积脉搏波信号的信号特征以及用户的当前血压值确定出计算血压值,并使用训练好的血压波形转换模型将光电容积脉搏波信号转换为初始血压波形,通过初始血压波形和计算血压值即可得到用户的连续血压波形。本申请利用光电容积脉搏波信号实现血压波形的连续无感监测,实现无感获取稳定的血压波形,准确地确定出用户的连续血压波形,减少血压测量的误差,同时提高连续血压波形的确定效率。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例所提供的一种连续血压波形的确定方法的流程图;
图2为本申请实施例所提供的一种连续血压波形的确定装置的结构示意图之一;
图3为本申请实施例所提供的一种连续血压波形的确定装置的结构示意图之二;
图4为本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中附图,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实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的每个其他实施例,都属于本申请保护的范围。
首先,对本申请可适用的应用场景进行介绍。本申请可应用于医疗检测技术领域。
血压(Blood Pressure)是衡量心血管健康的重要指标之一,它反映了心脏泵血以及动脉血管阻力的状态。正常的血压水平对于身体的正常功能至关重要。血压监测作为一种常见的医学检查手段,具有重要的临床意义。血压监测在预防和管理心血管疾病上具有重要的意义。它不仅能够帮助识别高血压,评估心血管健康状况,监测药物治疗的效果,还可以帮助发现其他健康问题。因此,我们应保持定期的血压检查,并遵循医生的建议,采取必要的干预措施,以维护身体的整体健康。同时,良好的生活方式也是预防高血压的重要措施,如合理饮食、适量运动、控制体重等,这些都有助于维持正常的血压水平。
经研究发现,目前,血压波形监测技术主要包括有创测压和无创测压两种。
有创血压监测(Invasive blood pressure monitoring)是一种通过插入导管直接测量动脉压力的方法。它通常在重症监护或手术过程中使用,以提供更精确、实时的血压数据。有创血压监测需要在动脉内插入一根细长的导管,通常是放置于桡动脉或股动脉。这个导管与监测设备相连,可以实时地显示血压值和脉搏波形。有创血压监测存在一些潜在的风险和并发症,如感染、出血、动脉损伤等。因此,该方法需要在严格的无菌条件下进行,并由经验丰富的医护人员操作和监测。
无创血压技术(Non-invasive blood pressure monitoring)是一种不需要刺入皮肤或血管的方法来测量血压的技术。常见的无创血压监测方法包括以下几种:
听诊法:使用袖带在上臂进行测量,先将袖带充满空气,然后逐步放弃,在放弃过程中利用听诊器进行监测,当听到第一声时对应的压力即为收缩压,最后声音消失时对应的压力为舒张压。
示波法:利用袖带在上臂进行测量,先充气,然后逐渐放气,在这个过程中监测到的震荡波幅值会出现先增大后减小的过程,将震荡波的幅值连起来构成包络曲线,最后根据包络曲线的特征计算数收缩压和舒张压。这种监测方法简单易行,适用于日常生活中常规的血压测量,仅可以获得收缩压和舒张压。
恒定容积法:这种方法通过袖带或其他装置持续对血管施加压力,利用反馈装置保持袖带或其他装置体积不变,此时压力传感器记录到的力随着血压变化而变化,从而实现压力的连续监测,此方法可获得连续血压波形。
可见,有创血压波形监测需要将导管插入血管中,存在一定的创伤,而无创连续血压监测,需要不断的施加力或释放力,也会造成测试对象的不适。
基于此,本申请实施例提供了一种连续血压波形的确定方法,利用光电容积脉搏波信号实现血压波形的连续无感监测,实现无感获取稳定的血压波形,准确地确定出用户的连续血压波形。
请参阅图1,图1为本申请实施例所提供的一种连续血压波形的确定方法的流程图。如图1中所示,本申请实施例提供的确定方法,包括:
S101,获取用户的当前血压值以及所述用户在当前计算周期内的光电容积脉搏波信号,并将所述光电容积脉搏波信号划分为标定信号和计算信号。
这里,用户的当前血压值包括当前收缩压和当前舒张压。当前计算周期指的是采集光电容积脉搏波信号的时间周期。例如,当前计算周期可以是一分钟,对此本申请不做具体限定。光电容积脉搏波信号指的是PPG(Photo Plethysmo Graphy)信号。
针对上述步骤S101,在具体实施时,首先,获取用户的当前血压值。这里,可以使用听诊法或电子血压计测量用户的当前血压值,当前收缩压记为SBP0,当前舒张压记为DBP0。然后进行光电容积脉搏波信号的采集,获取用户在当前计算周期内的光电容积脉搏波信号。这里,采集位置可以是用户的手指或者手腕,注意需保持静息状态,且采集位置应与心脏位置保持水平一致。采集到光电容积脉搏波信号后,将光电容积脉搏波信号划分为标定信号和计算信号。这里,当前计算周期中包括多个心跳周期,标定信号中包括多个心跳周期标定信号,计算信号中包括多个心跳周期计算信号。作为示例,例如,当前计算周期为1分钟,包括60个心跳周期,对光电容积脉搏波信号进行划分时,将前30秒内的30个心跳周期信号作为心跳周期标定信号,将后30秒内的30个心跳周期信号作为心跳周期计算信号。
S102,提取每个心跳周期标定信号的标定信号特征以及每个心跳周期计算信号的计算信号特征,并基于每个心跳周期标定信号的标定信号特征确定出平均信号特征。
针对上述步骤S102,在具体实施时,提取出每个心跳周期标定信号的标定信号特征,并取每个标定信号特征之间的平均信号特征,将平均信号特征矩阵记为[f1 f2 f3]。并提取每个心跳周期计算信号的计算信号特征,记每个心跳周期计算信号为Sn,每个心跳周期计算信号的计算信号特征矩阵记为[f1’f2’f3’]。
S103,针对于每个心跳周期计算信号,利用所述当前血压值、所述平均信号特征以及该心跳周期计算信号的计算信号特征确定该心跳周期计算信号对应的计算压力值。
这里,计算压力值包括计算收缩压和计算舒张压。
针对上述步骤S103,在具体实施时,针对于每个心跳周期计算信号Sn,根据用户的当前血压值、上述步骤S102中确定出的平均信号特征以及该心跳周期计算信号的计算信号特征确定该心跳周期计算信号对应的计算压力值。具体的,使用当前收缩压、平均信号特征以及该心跳周期计算信号的计算信号特征计算该心跳周期计算信号对应的计算收缩压,使用当前舒张压、平均信号特征以及该心跳周期计算信号的计算信号特征计算该心跳周期计算信号对应的计算舒张压。
作为一种可选的实施例,针对上述步骤S103,所述利用所述当前血压值、所述平均信号特征以及该心跳周期计算信号的计算信号特征确定该心跳周期计算信号对应的计算压力值,包括:
步骤1031,利用信号特征与收缩压变化值之间的第一转换关系,基于所述平均信号特征以及该心跳周期计算信号的计算信号特征确定出该心跳周期计算信号对应的收缩压变化值。
针对上述步骤1031,在具体实施时,利用预先构建好的信号特征与收缩压变化值之间的第一转换关系,基于平均信号特征以及该心跳周期计算信号的计算信号特征确定出该心跳周期计算信号对应的收缩压变化值。具体的,第一转换关系通过下述公式表示:
ΔSBP=coef1*[[f1’f2’f3’]-[f1 f2 f3]]
其中,ΔSBP表示收缩压变化值,coef1为第一系数矩阵。
步骤1032,利用信号特征与舒张压变化值之间的第二转换关系,基于所述平均信号特征以及该心跳周期计算信号的计算信号特征确定出该心跳周期计算信号对应的舒张压变化值。
针对上述步骤1032,在具体实施时,利用预先构建好的信号特征与舒张压变化值之间的第二转换关系,基于平均信号特征以及该心跳周期计算信号的计算信号特征确定出该心跳周期计算信号对应的舒张压变化值。具体的,第二转换关系通过下述公式表示:
ΔDBP=coef2*[[f1’f2’f3’]-[f1 f2 f3]]
其中,ΔDBP表示舒张压变化值,coef2为第二系数矩阵。
步骤1033,将所述当前收缩压与所述收缩压变化值相加,得到该心跳周期计算信号对应的计算收缩压,将所述当前舒张压与所述舒张压变化值相加,得到该心跳周期计算信号对应的计算舒张压。
针对上述步骤1033,在具体实施时,将该心跳周期计算信号的当前收缩压与收缩压变化值相加,即可得得到该心跳周期计算信号对应的计算收缩压SBP,即SBP=SBP0+ΔSBP。将该心跳周期计算信号的当前舒张压与舒张压变化值相加,得到该心跳周期计算信号对应的计算舒张压DBP,即DBP=DBP0+ΔDBP。
作为一种可选的实施例,通过下述步骤训练确定出所述第一转换关系和所述第二转换关系:
A:获取第一光电容积脉搏波样本信号。
针对上述步骤A,在具体实施时,获取现有数据或实采数据中的第一光电容积脉搏波样本信号,并将第一光电容积脉搏波样本信号划分为多个第一标定样本信号和多个第一计算样本信号。这里,划分信号的方法与步骤S101中划分信号的方法相同,并且可以达到相同的技术效果,在此不在赘述。
B:针对于每个第一计算样本信号,将多个所述第一标定样本信号以及该第一计算样本信号输入到预先训练好的血压变化值预测模型中,确定出该第一计算样本信号对应的血压变化样本值。
这里,血压变化值预测模型指的是预先训练好的,用来预测样本信号对应的血压变化值的模型。具体的,血压变化值预测模型既可以使用标准的神经网络模型NN,也可以使用CNN(卷积神经网络)或RNN(循环神经网络)。其中,血压变化样本值包括收缩压变化样本值和舒张压变化样本值。
针对上述步骤B,在具体实施时,针对于每个第一计算样本信号,将多个所述第一标定样本信号以及该第一计算样本信号输入到预先训练好的血压变化值预测模型中,确定出该第一计算样本信号对应的收缩压变化样本值和舒张压变化样本值。
C:利用每个第一计算样本信号对应的收缩压变化样本值、每个第一计算样本信号的计算信号样本特征以及多个所述第一标定样本信号之间的平均样本特征拟合出所述第一转换关系。
D:利用每个第一计算样本信号对应的舒张压变化样本值、每个第一计算样本信号的计算信号样本特征以及多个所述第一标定样本信号之间的平均样本特征拟合出所述第二转换关系。
针对上述步骤C-步骤D,在具体实施时,利用每个第一计算样本信号对应的收缩压变化样本值、每个第一计算样本信号的计算信号样本特征以及多个第一标定样本信号之间的平均样本特征拟合出第一转换关系。利用每个第一计算样本信号对应的舒张压变化样本值、每个第一计算样本信号的计算信号样本特征以及多个第一标定样本信号之间的平均样本特征拟合出第二转换关系。这样,根据样本信号的信号特征与血压变化值之间的关系即可拟合出信号特征变化与血压变化值之间的关系。
作为一种可选的实施例,通过下述步骤训练所述血压变化值预测模型:
a:获取第二光电容积脉搏波样本信号。
其中,第二光电容积脉搏波样本信号中包括多个第二标定样本信号、多个第二计算样本信号、以及每个第二计算样本信号对应的血压变化真实值,血压变化真实值包括收缩压变化真实值和舒张压变化真实值。
针对上述步骤a,在具体实施时,获取第二光电容积脉搏波样本信号。
b:针对于每个第二计算样本信号,将多个所述第二标定样本信号以及该第二计算样本信号输入到血压变化值原始预测模型中,确定出该第二计算样本信号对应的血压变化预测值。
需要说明的是,血压变化预测值指的是血压变化值原始预测模型预测出来的第二计算样本信号对应的血压变化值。这里,血压变化预测值包括收缩压变化预测值和舒张压变化预测值。
针对上述步骤b,在具体实施时,针对于每个第二计算样本信号,将多个第二标定样本信号以及该第二计算样本信号输入到血压变化值原始预测模型中,确定出该第二计算样本信号对应的血压变化预测值。
c:将每个第二计算样本信号对应的血压变化真实值与血压变化预测值进行对比,计算当前状态下所述血压变化值原始预测模型的第一损失函数。
d:基于所述血压变化值原始预测模型的第一损失函数,不断调整所述血压变化值原始预测模型的模型参数,直至所述血压变化值原始预测模型达到收敛状态,得到所述血压变化值预测模型。
需要说明的是,损失函数(loss function)是将随机事件或其有关随机变量的取值映射为非负实数以表示该随机事件的“风险”或“损失”的函数。在应用中,损失函数通常作为学习准则与优化问题相联系,即通过最小化损失函数求解和评估模型。
针对上述步骤c-步骤d,在具体实施时,针对于第二光电容积脉搏波样本信号中的每个第二计算样本信号,将该第二计算样本信号的血压变化预测值与血压变化真实值进行对比,通过对比该第二计算样本信号的血压变化预测值与血压变化真实值来判断血压变化值原始预测模型的预测是否准确,在该第二计算样本信号的血压变化预测值与血压变化真实值不相同时,则认为血压变化值原始预测模型的预测不准确。这时需要计算当前状态下血压变化值原始预测模型的第一损失函数。计算损失函数的方式在现有技术中有详细的说明,在此不再过多说明。然后不断调整血压变化值原始预测模型的模型参数,血压变化值原始预测模型会通过迭代的方式不断对损失最小化,在迭代的每一步,都会计算出血压变化值原始预测模型的损失值,当血压变化值原始预测模型的损失值不能达到损失阈值时,不断更新血压变化值原始预测模型的模型参数,新的参数会计算得到新的损失值,从而使得迭代过程中损失值呈现波动下降的趋势。最后当损失值到达平滑的时候,即训练的血压变化值原始预测模型的损失值不大于损失阈值时,也就是损失值与上一次计算的损失值相比下降不明显时,认为血压变化值原始预测模型达到收敛状态,此时的血压变化值原始预测模型的预测比较准确,这时结束训练,得到血压变化值预测模型。
S104。将该心跳周期计算信号输入到预先训练好的血压波形转换模型中,确定出该心跳周期计算信号对应的初始血压波形,并利用所述初始血压波形以及该心跳周期计算信号对应的计算压力值得到该心跳周期计算信号对应的目标血压波形。
需要说明的是,血压波形转换模型指的是预先训练好的,将光电容积脉搏波转换为血压波形信号的模型。这里,血压波形转换模型可以使用U-net神经网络模型,对此本申请不做具体限定。
针对上述步骤S104,在具体实施时,将该心跳周期计算信号输入到预先训练好的血压波形转换模型中,确定出该心跳周期计算信号对应的初始血压波形。确定出初始血压波形后,并利用该初始血压波形以及该心跳周期计算信号对应的计算压力值即可得到该心跳周期计算信号对应的目标血压波形。
作为一种可选的实施例,通过下述步骤训练所述血压波形转换模型:
I:获取训练样本集。
II:对每个第三光电容积脉搏波样本信号进行信号预处理与数据归一化,得到多个目标样本信号。
这里,训练样本集中包括多个第三光电容积脉搏波样本信号以及每个第三光电容积脉搏波样本信号对应的血压样本波形。
针对上述步骤I-步骤II,在具体实施时,获取训练样本集,并对训练样本集中的每个第三光电容积脉搏波样本信号进行信号预处理与数据归一化,得到多个目标样本信号。这里的信号预处理可以包括去噪、去基线等基本处理,本申请不做具体限定。
III:将多个所述目标样本信号输入到血压波形原始转换模型中,确定出每个目标样本信号对应的血压预测波形。
需要说明的是,血压预测波形指的是血压波形原始转换模型输出的目标样本信号对应的血压波形。
针对上述步骤III,在具体实施时,将多个目标样本信号输入到血压波形原始转换模型中,确定出每个目标样本信号对应的血压预测波形。
IV:将每个目标样本信号对应的血压样本波形与血压预测波形进行对比,计算当前状态下所述血压波形原始转换模型的第二损失函数。
V:基于所述血压波形原始转换模型的第二损失函数,不断调整所述血压波形原始转换模型的模型参数,直至所述血压波形原始转换模型达到收敛状态,得到所述血压波形转换模型。
针对上述步骤IV-步骤V,在具体实施时,针对于每个目标样本信号,将该目标样本信号对应的血压样本波形与血压预测波形进行对比,通过对比血压样本波形与血压预测波形之间的差异来判断血压波形原始转换模型的波形转换是否准确。当血压样本波形与血压预测波形之间存在差异时,即血压波形原始转换模型的波形转换不准确。这时需要根据血压样本波形与血压预测波形之间的差异计算当前状态下血压波形原始转换模型的损失函数。然后不断调整血压波形原始转换模型的模型参数,血压波形原始转换模型会通过迭代的方式不断对损失最小化,在迭代的每一步,都会计算出血压波形原始转换模型的损失值,当血压波形原始转换模型的损失值不能达到损失阈值时,不断更新血压波形原始转换模型的模型参数,新的参数会计算得到新的损失值,从而使得迭代过程中损失值呈现波动下降的趋势。最后当损失值到达平滑的时候,即训练的血压波形原始转换模型的损失值不大于损失阈值时,也就是损失值与上一次计算的损失值相比下降不明显时,认为血压波形原始转换模型达到收敛状态,此时的血压波形原始转换模型的预测比较准确,这时结束训练,得到血压波形转换模型。
具体的,针对上述步骤S104,所述利用所述初始血压波形以及该心跳周期计算信号对应的计算压力值得到该心跳周期计算信号对应的目标血压波形,包括:
利用该心跳周期计算信号对应的计算压力值对所述初始血压波形进行去归一化处理,得到该心跳周期计算信号对应的目标血压波形。
针对上述步骤,在具体实施时,由于血压波形转换模型所输出的初始血压波形是归一化波形,因此这里需要结合上述步骤S103中得到的计算收缩压和计算舒张压对初始血压波形进行去归一化,得到该心跳周期计算信号对应的目标血压波形。这里,去归一化后的目标血压波形的峰值为该心跳周期计算信号对应的计算收缩压,目标血压波形中的谷值为该心跳周期计算信号对应的计算舒张压。
S105,基于每个心跳周期计算信号对应的目标血压波形确定出所述用户的连续血压波形。
针对上述步骤S105,在具体实施时,每个心跳周期计算信号对应的目标血压波形得到后,按照时间顺序将每个心跳周期计算信号对应的目标血压波形连接,即可得到用户的连续血压波形。
本申请实施例所提供的连续血压波形的确定方法,首先,获取用户的当前血压值以及所述用户在当前计算周期内的光电容积脉搏波信号,并将所述光电容积脉搏波信号划分为标定信号和计算信号;然后,提取每个心跳周期标定信号的标定信号特征以及每个心跳周期计算信号的计算信号特征,并基于每个心跳周期标定信号的标定信号特征确定出平均信号特征;针对于每个心跳周期计算信号,利用所述当前血压值、所述平均信号特征以及该心跳周期计算信号的计算信号特征确定该心跳周期计算信号对应的计算压力值;将该心跳周期计算信号输入到预先训练好的血压波形转换模型中,确定出该心跳周期计算信号对应的初始血压波形,并利用所述初始血压波形以及该心跳周期计算信号对应的计算压力值得到该心跳周期计算信号对应的目标血压波形;最后,基于每个心跳周期计算信号对应的目标血压波形确定出所述用户的连续血压波形。
本申请使用光电容积脉搏波(PPG)信号,通过光电容积脉搏波信号的信号特征以及用户的当前血压值确定出计算血压值,并使用训练好的血压波形转换模型将光电容积脉搏波信号转换为初始血压波形,通过初始血压波形和计算血压值即可得到用户的连续血压波形。本申请利用光电容积脉搏波信号实现血压波形的连续无感监测,实现无感获取稳定的血压波形,准确地确定出用户的连续血压波形,减少血压测量的误差,同时提高连续血压波形的确定效率。
请参阅图2、图3,图2为本申请实施例所提供的一种连续血压波形的确定装置的结构示意图之一,图3为本申请实施例所提供的一种连续血压波形的确定装置的结构示意图之二。如图2中所示,所述确定装置200包括:
信号获取模块201,用于获取用户的当前血压值以及所述用户在当前计算周期内的光电容积脉搏波信号,并将所述光电容积脉搏波信号划分为标定信号和计算信号;其中,所述当前血压值包括当前收缩压和当前舒张压,所述当前计算周期中包括多个心跳周期,所述标定信号中包括多个心跳周期标定信号,所述计算信号中包括多个心跳周期计算信号;
信号特征提取模块202,用于提取每个心跳周期标定信号的标定信号特征以及每个心跳周期计算信号的计算信号特征,并基于每个心跳周期标定信号的标定信号特征确定出平均特征;
计算压力值确定模块203,用于针对于每个心跳周期计算信号,利用所述当前血压值、所述平均特征以及该心跳周期计算信号的计算信号特征确定该心跳周期计算信号对应的计算压力值;其中,所述计算压力值包括计算收缩压和计算舒张压;
目标血压波形确定模块204,用于将该心跳周期计算信号输入到预先训练好的血压波形转换模型中,确定出该心跳周期计算信号对应的初始血压波形,并利用所述初始血压波形以及该心跳周期计算信号对应的计算压力值得到该心跳周期计算信号对应的目标血压波形;
连续血压波形确定模块205,用于基于每个心跳周期计算信号对应的目标血压波形确定出所述用户的连续血压波形。
进一步的,所述计算压力值确定模块203在用于利用所述当前血压值、所述平均特征以及该心跳周期计算信号的计算信号特征确定该心跳周期计算信号对应的计算压力值时,所述计算压力值确定模块203还用于:
利用信号特征与收缩压变化值之间的第一转换关系,基于所述平均特征以及该心跳周期计算信号的计算信号特征确定出该心跳周期计算信号对应的收缩压变化值;
利用信号特征与舒张压变化值之间的第二转换关系,基于所述平均特征以及该心跳周期计算信号的计算信号特征确定出该心跳周期计算信号对应的舒张压变化值;
将所述当前收缩压与所述收缩压变化值相加,得到该心跳周期计算信号对应的计算收缩压,将所述当前舒张压与所述舒张压变化值相加,得到该心跳周期计算信号对应的计算舒张压。
进一步的,通过下述步骤训练确定出所述第一转换关系和所述第二转换关系:
获取第一光电容积脉搏波样本信号;其中,所述第一光电容积脉搏波样本信号中包括多个第一标定样本信号和多个第一计算样本信号;
针对于每个第一计算样本信号,将多个所述第一标定样本信号以及该第一计算样本信号输入到预先训练好的血压变化值预测模型中,确定出该第一计算样本信号对应的血压变化样本值;其中,所述血压变化样本值包括收缩压变化样本值和舒张压变化样本值;
利用每个第一计算样本信号对应的收缩压变化样本值、每个第一计算样本信号的计算信号样本特征以及多个所述第一标定样本信号之间的平均样本特征拟合出所述第一转换关系;
利用每个第一计算样本信号对应的舒张压变化样本值、每个第一计算样本信号的计算信号样本特征以及多个所述第一标定样本信号之间的平均样本特征拟合出所述第二转换关系。
进一步的,如图3所示,所述确定装置200还包括第一模型训练模块206,所述第一模型训练模块206用于通过下述步骤训练所述血压变化值预测模型:
获取第二光电容积脉搏波样本信号;其中,所述第二光电容积脉搏波样本信号中包括多个第二标定样本信号、多个第二计算样本信号、以及每个第二计算样本信号对应的血压变化真实值,所述血压变化真实值包括收缩压变化真实值和舒张压变化真实值;
针对于每个第二计算样本信号,将多个所述第二标定样本信号以及该第二计算样本信号输入到血压变化值原始预测模型中,确定出该第二计算样本信号对应的血压变化预测值;其中,所述血压变化预测值包括收缩压变化预测值和舒张压变化预测值;
将每个第二计算样本信号对应的血压变化真实值与血压变化预测值进行对比,计算当前状态下所述血压变化值原始预测模型的第一损失函数;
基于所述血压变化值原始预测模型的第一损失函数,不断调整所述血压变化值原始预测模型的模型参数,直至所述血压变化值原始预测模型达到收敛状态,得到所述血压变化值预测模型。
进一步的,如图3所示,所述确定装置200还包括第二模型训练模块207,所述第二模型训练模块207用于通过下述步骤训练所述血压波形转换模型:
获取训练样本集;其中,所述训练样本集中包括多个第三光电容积脉搏波样本信号以及每个第三光电容积脉搏波样本信号对应的血压样本波形;
对每个第三光电容积脉搏波样本信号进行信号预处理与数据归一化,得到多个目标样本信号;
将多个所述目标样本信号输入到血压波形原始转换模型中,确定出每个目标样本信号对应的血压预测波形;
将每个目标样本信号对应的血压样本波形与血压预测波形进行对比,计算当前状态下所述血压波形原始转换模型的第二损失函数;
基于所述血压波形原始转换模型的第二损失函数,不断调整所述血压波形原始转换模型的模型参数,直至所述血压波形原始转换模型达到收敛状态,得到所述血压波形转换模型。
进一步的,所述目标血压波形确定模块204在用于利用所述初始血压波形以及该心跳周期计算信号对应的计算压力值得到该心跳周期计算信号对应的目标血压波形时,所述目标血压波形确定模块204还用于:
利用该心跳周期计算信号对应的计算压力值对所述初始血压波形进行去归一化处理,得到该心跳周期计算信号对应的目标血压波形;其中,所述目标血压波形中的峰值为该心跳周期计算信号对应的计算收缩压,所述目标血压波形中的谷值为该心跳周期计算信号对应的计算舒张压。
请参阅图4,图4为本申请实施例所提供的一种电子设备的结构示意图。如图4中所示,所述电子设备400包括处理器410、存储器420和总线430。
所述存储器420存储有所述处理器410可执行的机器可读指令,当电子设备400运行时,所述处理器410与所述存储器420之间通过总线430通信,所述机器可读指令被所述处理器410执行时,可以执行如上述图1所示方法实施例中的连续血压波形的确定方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时可以执行如上述图1所示方法实施例中的连续血压波形的确定方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
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。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,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,又例如,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通信接口,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网络单元上。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。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释,此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种连续血压波形的确定方法,其特征在于,所述确定方法包括:
获取用户的当前血压值以及所述用户在当前计算周期内的光电容积脉搏波信号,并将所述光电容积脉搏波信号划分为标定信号和计算信号;其中,所述当前血压值包括当前收缩压和当前舒张压,所述当前计算周期中包括多个心跳周期,所述标定信号中包括多个心跳周期标定信号,所述计算信号中包括多个心跳周期计算信号;
提取每个心跳周期标定信号的标定信号特征以及每个心跳周期计算信号的计算信号特征,并基于每个心跳周期标定信号的标定信号特征确定出平均信号特征;
针对于每个心跳周期计算信号,利用所述当前血压值、所述平均信号特征以及该心跳周期计算信号的计算信号特征确定该心跳周期计算信号对应的计算压力值;其中,所述计算压力值包括计算收缩压和计算舒张压;
将该心跳周期计算信号输入到预先训练好的血压波形转换模型中,确定出该心跳周期计算信号对应的初始血压波形,并利用所述初始血压波形以及该心跳周期计算信号对应的计算压力值得到该心跳周期计算信号对应的目标血压波形;
基于每个心跳周期计算信号对应的目标血压波形确定出所述用户的连续血压波形。
2.根据权利要求1所述的确定方法,其特征在于,所述利用所述当前血压值、所述平均信号特征以及该心跳周期计算信号的计算信号特征确定该心跳周期计算信号对应的计算压力值,包括:
利用信号特征与收缩压变化值之间的第一转换关系,基于所述平均信号特征以及该心跳周期计算信号的计算信号特征确定出该心跳周期计算信号对应的收缩压变化值;
利用信号特征与舒张压变化值之间的第二转换关系,基于所述平均信号特征以及该心跳周期计算信号的计算信号特征确定出该心跳周期计算信号对应的舒张压变化值;
将所述当前收缩压与所述收缩压变化值相加,得到该心跳周期计算信号对应的计算收缩压,将所述当前舒张压与所述舒张压变化值相加,得到该心跳周期计算信号对应的计算舒张压。
3.根据权利要求2所述的确定方法,其特征在于,通过下述步骤训练确定出所述第一转换关系和所述第二转换关系:
获取第一光电容积脉搏波样本信号;其中,所述第一光电容积脉搏波样本信号中包括多个第一标定样本信号和多个第一计算样本信号;
针对于每个第一计算样本信号,将多个所述第一标定样本信号以及该第一计算样本信号输入到预先训练好的血压变化值预测模型中,确定出该第一计算样本信号对应的血压变化样本值;其中,所述血压变化样本值包括收缩压变化样本值和舒张压变化样本值;
利用每个第一计算样本信号对应的收缩压变化样本值、每个第一计算样本信号的计算信号样本特征以及多个所述第一标定样本信号之间的平均样本特征拟合出所述第一转换关系;
利用每个第一计算样本信号对应的舒张压变化样本值、每个第一计算样本信号的计算信号样本特征以及多个所述第一标定样本信号之间的平均样本特征拟合出所述第二转换关系。
4.根据权利要求3所述的确定方法,其特征在于,通过下述步骤训练所述血压变化值预测模型:
获取第二光电容积脉搏波样本信号;其中,所述第二光电容积脉搏波样本信号中包括多个第二标定样本信号、多个第二计算样本信号、以及每个第二计算样本信号对应的血压变化真实值,所述血压变化真实值包括收缩压变化真实值和舒张压变化真实值;
针对于每个第二计算样本信号,将多个所述第二标定样本信号以及该第二计算样本信号输入到血压变化值原始预测模型中,确定出该第二计算样本信号对应的血压变化预测值;其中,所述血压变化预测值包括收缩压变化预测值和舒张压变化预测值;
将每个第二计算样本信号对应的血压变化真实值与血压变化预测值进行对比,计算当前状态下所述血压变化值原始预测模型的第一损失函数;
基于所述血压变化值原始预测模型的第一损失函数,不断调整所述血压变化值原始预测模型的模型参数,直至所述血压变化值原始预测模型达到收敛状态,得到所述血压变化值预测模型。
5.根据权利要求1所述的确定方法,其特征在于,通过下述步骤训练所述血压波形转换模型:
获取训练样本集;其中,所述训练样本集中包括多个第三光电容积脉搏波样本信号以及每个第三光电容积脉搏波样本信号对应的血压样本波形;
对每个第三光电容积脉搏波样本信号进行信号预处理与数据归一化,得到多个目标样本信号;
将多个所述目标样本信号输入到血压波形原始转换模型中,确定出每个目标样本信号对应的血压预测波形;
将每个目标样本信号对应的血压样本波形与血压预测波形进行对比,计算当前状态下所述血压波形原始转换模型的第二损失函数;
基于所述血压波形原始转换模型的第二损失函数,不断调整所述血压波形原始转换模型的模型参数,直至所述血压波形原始转换模型达到收敛状态,得到所述血压波形转换模型。
6.根据权利要求1所述的确定方法,其特征在于,所述利用所述初始血压波形以及该心跳周期计算信号对应的计算压力值得到该心跳周期计算信号对应的目标血压波形,包括:
利用该心跳周期计算信号对应的计算压力值对所述初始血压波形进行去归一化处理,得到该心跳周期计算信号对应的目标血压波形;其中,所述目标血压波形中的峰值为该心跳周期计算信号对应的计算收缩压,所述目标血压波形中的谷值为该心跳周期计算信号对应的计算舒张压。
7.一种连续血压波形的确定装置,其特征在于,所述确定装置包括:
信号获取模块,用于获取用户的当前血压值以及所述用户在当前计算周期内的光电容积脉搏波信号,并将所述光电容积脉搏波信号划分为标定信号和计算信号;其中,所述当前血压值包括当前收缩压和当前舒张压,所述当前计算周期中包括多个心跳周期,所述标定信号中包括多个心跳周期标定信号,所述计算信号中包括多个心跳周期计算信号;
信号特征提取模块,用于提取每个心跳周期标定信号的标定信号特征以及每个心跳周期计算信号的计算信号特征,并基于每个心跳周期标定信号的标定信号特征确定出平均信号特征;
计算压力值确定模块,用于针对于每个心跳周期计算信号,利用所述当前血压值、所述平均信号特征以及该心跳周期计算信号的计算信号特征确定该心跳周期计算信号对应的计算压力值;其中,所述计算压力值包括计算收缩压和计算舒张压;
目标血压波形确定模块,用于将该心跳周期计算信号输入到预先训练好的血压波形转换模型中,确定出该心跳周期计算信号对应的初始血压波形,并利用所述初始血压波形以及该心跳周期计算信号对应的计算压力值得到该心跳周期计算信号对应的目标血压波形;
连续血压波形确定模块,用于基于每个心跳周期计算信号对应的目标血压波形确定出所述用户的连续血压波形。
8.根据权利要求7所述的确定装置,其特征在于,所述计算压力值确定模块在用于利用所述当前血压值、所述平均信号特征以及该心跳周期计算信号的计算信号特征确定该心跳周期计算信号对应的计算压力值时,所述计算压力值确定模块还用于:
利用信号特征与收缩压变化值之间的第一转换关系,基于所述平均信号特征以及该心跳周期计算信号的计算信号特征确定出该心跳周期计算信号对应的收缩压变化值;
利用信号特征与舒张压变化值之间的第二转换关系,基于所述平均信号特征以及该心跳周期计算信号的计算信号特征确定出该心跳周期计算信号对应的舒张压变化值;
将所述当前收缩压与所述收缩压变化值相加,得到该心跳周期计算信号对应的计算收缩压,将所述当前舒张压与所述舒张压变化值相加,得到该心跳周期计算信号对应的计算舒张压。
9.一种电子设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过所述总线进行通信,所述机器可读指令被所述处理器运行时执行如权利要求1至6任一所述的连续血压波形的确定方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如权利要求1至6任一所述的连续血压波形的确定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410045092.9A CN117838074A (zh) | 2024-01-11 | 2024-01-11 | 一种连续血压波形的确定方法、确定装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410045092.9A CN117838074A (zh) | 2024-01-11 | 2024-01-11 | 一种连续血压波形的确定方法、确定装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117838074A true CN117838074A (zh) | 2024-04-09 |
Family
ID=90543859
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410045092.9A Pending CN117838074A (zh) | 2024-01-11 | 2024-01-11 | 一种连续血压波形的确定方法、确定装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117838074A (zh) |
-
2024
- 2024-01-11 CN CN202410045092.9A patent/CN117838074A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kachuee et al. | Cuff-less high-accuracy calibration-free blood pressure estimation using pulse transit time | |
CN101061950B (zh) | 利用spo2进行心房纤颤检测 | |
JP3671059B2 (ja) | 加圧帯を使用しない非破壊式血圧測定装置 | |
CA2422801C (en) | Non-invasive measurement of suprasystolic signals | |
US8668649B2 (en) | System for cardiac status determination | |
US7727157B2 (en) | Non-invasive measurement of suprasystolic signals | |
US7479111B2 (en) | Methods for measuring blood pressure with automatic compensations | |
JP5984088B2 (ja) | 非侵襲的連続血圧モニタリング方法及び装置 | |
EP3784121A1 (en) | Methods to estimate the blood pressure and the arterial stiffness based on photoplethysmographic (ppg) signals | |
EP2676600B1 (en) | Estimation of the central aortic pulse pressure using a pressure cuff | |
Marques et al. | A real time, wearable ECG and blood pressure monitoring system | |
WO2009078967A1 (en) | Monitoring respiratory variation of pulse pressure | |
KR20100126127A (ko) | 가변 특성비를 이용하는 혈압 추정 장치 및 방법 | |
US20150157217A1 (en) | Analysis System for Cardiac Information and Analyzing Method Thereof | |
US20200237240A1 (en) | Vital-sign estimation apparatus and calibration method for vital-sign estimator | |
CN112218575A (zh) | 用于确定应激和/或疼痛水平的装置 | |
CN116058812A (zh) | 一种便于患者佩戴的检测装置及系统 | |
CN117838074A (zh) | 一种连续血压波形的确定方法、确定装置、设备及介质 | |
EP4090233A1 (en) | Noninvasive diagnostics of proximal heart health biomarkers | |
Park et al. | Cuffless and noninvasive tonometry mean arterial pressure measurement by physiological characteristics and applied pressure | |
US11744523B2 (en) | System and method for validating cardiovascular parameter monitors | |
CN101869470B (zh) | 基于血压要素组合检测心脑血管疾病的装置 | |
EP4223215A1 (en) | Method and system for measuring pulse wave velocity | |
Hassan et al. | A portable continuous blood pressure monitoring kit | |
US20230371827A1 (en) | Machine learning techniques for estimating carotid-femoral pulse wave velocity and/or vascular age from single-site arterial waveform measurements |
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 |