CN104644151A - 一种基于光电容积脉搏信号的压力脉搏波波形传播预测方法 - Google Patents

Abstract

一种基于光电容积脉搏信号的压力脉搏波波形传播预测装置，其特征在于：包括波形输入模块，波形调理模块，波形拟合模块，波形转换模块，及波形输出模块。其中：波形调理模块包括预处理电路，单拍分离器及归一化电路，波形拟合模块包含拟合函数设定器，波形拟合器及波形质量判别器，波形转换模块包括部位设定器，目标函数设定器，特征人群设定器，参数转换器及波形合成器。该装置可利用人体各部位光电容积脉搏信号根据生理学统计规律预测具有人体各部位压力脉搏波波形信号，该装置的使用范围、预测效果及稳定性都较现有装置有一定提高。

Description

一种基于光电容积脉搏信号的压力脉搏波波形传播预测方法

技术领域

本发明涉及医疗设备技术领域，特别涉及一种基于光电容积脉搏波预测各部位压力脉搏波波形的方法。

背景技术：

脉搏波中蕴含着丰富的血流动力学信息。历来作为临床诊断和治疗的依据，大量的临床实测结果证实，脉搏波的特征与心血管生理状态有着密切的关系。脉搏波所表现出来的形态(波的形状)、强度(波的幅值)、速率(波的速度)与节律(波的周期)等方面的综合信息在相当程度上反映出人体心血管***的许多生理和病理特征。

在采集原理方面，目前脉搏波的采集方式主要有使用压力传感器的压力脉搏波采集或使用光电传感器的光电容积脉搏波采集。动脉内压力脉搏波已得到了较全面的分析研究，流体力学模型较为明确，对应的血流动力学特性及心血管生理意义应用亦较为广泛。然而，人体压力脉搏波的采集极易受到采集位置等多方面干扰，所需操作技能要求较高，且缺乏可重复性，不便于连续检测。光电容积脉搏波指端采集具有较好的稳定性及重复性，但其对心血管功能判断的准确性较已研究较为完善的压力脉搏波欠佳。

发明内容：

现有的技术方案主要利用采集部位光电容积信号及对应目标部位压力脉搏波信号的功率谱分析建立的传递函数等非生理参数模型，并主要关注于指端容积脉搏信号及桡动脉压力脉搏信号。由于脉搏信号的个体差异性较大，上述装置在大规模应用时稳定性较差，功能较为单一，且所建立模型本身无生理意义，不利于对模型的修正与改进。

为解决上述问题，本发明分别提出了一种基于脉搏波生理特征的容积脉搏信号和压力脉搏信号的波形含参表达式，并利用先验统计规律建立采集部位光电容积脉搏波表达式参数与对应目标部位压力脉搏波形表达式参数间的回归方程组。从而实现将输入的光电容积脉搏信号转换为目标部位的压力脉搏波信号。波形拟合的方法具有较好的稳定性，回归方程组具有较明确的生理意义，方便针对不同生理状态进行微调与改进。由此可以解决现有技术中预测波形稳定性差，及模型无法修正的问题。

为达到上述目的，本发明所采取的技术方案为：一种基于光电容积脉搏信号的压力脉搏波传播预测装置，其特征在于：包括信号输入调理模块，波形拟合模块，波形转换模块，波形合成模块及输出模块。

所述波形输入模块接收自人体某一部位实测的时域光电容积脉搏信号。

所述信号调理模块，对输入的时域光电容积脉搏信号进行预处理，利用现有技术将其分解为对应单一心动周期的单拍信号，对每一单拍信号的幅值与波长进行归一化处理。

所述波形拟合模块接收归一化后的单拍脉搏信号，并利用给定的波形含参表达式f_I应用曲线拟合算法对其进行拟合，波形的含参表达式由分别代表脉搏波波形主波、重搏波、反射波的含参表达式相加确定，拟合所得解析表达式各项参数向量为I_I，作为波形特征参数向量。

光电容积脉搏信号的含参表达式为：

$f_I=\underset{n=1}{\overset{3}{\mathrm{\Σ}}}{H}_{\mathrm{in}}\×e^{\frac{-{(t-b_{\mathrm{in}})}^2}{W_{\mathrm{in}}}}$

其中，H_in，b_in，W_in为参数，t为自变量，表示采样点数。表达式中n＝1，2，3的部分分别对应脉搏波波形的主波、反射波、重搏波波形。其中，H_in表示波动的幅值，b_in表示波动的中心位置，W_in波动的宽度。

曲线拟合过程算法采用最小二乘算法，并根据各波动生理意义对各项参数范围进行限定，之后设定拟合初始条件H_i1>H_i2>H_i3，b_i1<b_i2<b_i3,W_in>0。拟合确定的特征参数向量I_I为：

I_I＝[H_i1,H_i2,H_i3,b_i1,b_i2,b_i3,W_i1,W_i2,W_i3]

在上述波形含参表达式条件下，拟合效果主要取决于脉搏波采集受到的干扰程度，故以拟合确定系数R²作为波形质量判别的定量化标准。拟合确定系数R²是常用的判断两曲线相似程度的计算方法。在本发明中R²同样作为采集质量判别参数，对应R²小于一定值的单拍波形认为采集质量差并予以舍弃。

R²计算公式如下：

$R^2=1-\frac{\underset{i=1}{\overset{\mathrm{pl}}{\mathrm{\&Sigma;}}}{(f_i-{\hat{f}}_i)}^2}{\underset{i=1}{\overset{\mathrm{pl}}{\mathrm{\&Sigma;}}}{(f_i-\stackrel{\&OverBar;}{f_i})}^2}$

其中，f_i，分别表示实测光电容积脉搏数据点、实测光电容积脉搏数据平均值及数据点拟合期望值，pl为单波数据点个数。

所述波形转换模块，根据被测者性别、年龄、平均动脉压指标进行分组，并根据对应分组下光电容积脉搏波实测部位与所需预测压力脉搏波部位波形特征参数间的先验统计规律，利用实测光电容积脉搏波特征参数计算预测对应部位压力脉搏波波形特征参数。

上述对应分类下光电容积脉搏波实测部位与所需预测压力脉搏波部位波形特征参数间的先验统计规律建立方法如下：

(1)首先，将参与实验的人群按照性别、年龄、平均动脉压(MAP)进行分组，其中年龄以20岁为起始，5岁为间隔。平均动脉压以70mmHg为起始，10mmHg为间隔。对参与实验的人群进行分组。分别对上述各组实验人群同时检测耳部、手指端、脚趾端处光电容积脉搏波，并利用压力传感器检测桡动脉、肱动脉、颈动脉处压力脉搏波信号。从而获得不同人群特征的实测压力脉搏波及光电容积脉搏波信号。

(2)之后建立实测光电容积脉搏波与实测目标部位压力脉搏波波形特征参数间的统计学关系。与上述光电容积脉搏波特征提取方式相似，为提取压力脉搏波波形特征参数，利用压力脉搏波表达式对实测压力脉搏波波形进行拟合，压力脉搏波含参表达式为：

$f_O=\underset{n=1}{\overset{3}{\mathrm{\&Sigma;}}}{H}_{\mathrm{on}}\&times;e^{-\frac{-{(t-b_{\mathrm{on}})}^2}{W_{\mathrm{on}}}}$

表达式参数及定义域均与f_I相同。拟合过程算法采用最小二乘算法，并根据各波动生理意义对各项参数范围进行限定，之后设定拟合初始条件H_o1>H_o2>H_o3，b_o1<b_o2<b_o3,W_on>0。

其特征参数向量为I_O＝[H_o1,H_o2,H_o3,b_o1,b_o2,b_o3,W_o1,W_o2,W_o3]

(3)对不同分组不同部位的实测波形分别利用f_I及f_O对实测的光电容积脉搏波波形及压力脉搏波波形采用波形拟合模块进行拟合，获得对应实测各光电容积脉搏信号的I_I及压力脉搏信号的I_O向量。对于每一部位压力脉搏信号I_O向量每项参数，建立对应不同分组的同时采集的光电容积脉搏信号特征参数向量的多元线性回归方程，即：

H_o1＝TM₁₁×H_i1+TM₁₂×H_i2+......+TM₁₉×W_i3+CM₁

H_o2＝TM₂₁×H_i1+TM₂₂×H_i2+......+TM₂₉×W_i3+CM₂

H_o3＝TM₃₁×H_i1+TM₃₂×H_i2+......+TM₃₉×W_i3+CM₃

b_o1＝TM₄₁×H_i1+TM₄₂×H_i2+......+TM₄₉×W_i3+CM₄

b_o2＝TM₅₁×H_i1+TM₅₂×H_i2+......+TM₅₉×W_i3+CM₅

b_o3＝TM₆₁×H_i1+TM₆₂×H_i2+......+TM₆₉×W_i3+CM₆

W_o1＝TM₇₁×H_i1+TM₇₂×H_i2+......+TM₇₉×W_i3+CM₇

W_o2＝TM₈₁×H_i1+TM₈₂×H_i2+......+TM₈₉×W_i3+CM₈

W_o3＝TM₉₁×H_i1+TM₉₂×H_i2+......+TM₉₉×W_i3+CM₉

TM及CM各项系数由多元线性回归方程确定。整理I_O各项参数建立方程组，整理系数矩阵及常数矩阵，可得TM及CM，其中，TM为9阶方阵，CM为9元素列向量。

根据上述利用先验概率所得TM及CM矩阵，在应用过程中，利用采集部位的波形特征参数向量I_I计算目标部位的特征参数向量I_O。根据所测光电容积脉搏波，提取其特征I_I，则可得目标部位特征向量I_O为：

I_O＝TM×I_I+CM

之后将获得的目标部位特征参数向量I_O代入对应部位的压力脉搏波含参表达式f_O，得到对应的压力脉搏波解析表达式。完成波形转换。

所述波形输出模块，将上述波形合成模块的结果及目标部位特征参数向量I_O按要求形式输出。

本发明的有益效果在于：

(1)本发明装置仅需检测人体单一部位光电容积脉搏信号，即可在一定精度下获取不同部位的压力脉搏波信号。操作简单方便，且波形质量稳定。克服了常规压力脉搏波采集过程中测试流程复杂，使用不便，以及难以获取稳定脉搏波形的问题。在实际应用过程中可有效减少压力脉搏波直接采集次数，减少对操作技能的需求，提高了被测者舒适程度。经过大量的验证实验，效果良好。

(2)首次将基于脉搏波生理性波动特点的波形拟合装置应用于多部位脉搏波形，从而分析其传播过程中的生理性变化。方便了模型的调整与校正，为大规模临床应用奠定了一定基础。

附图说明：

图1为本发明结构框图

图2为本发明操作流程图

图3为波形拟合及特征参数示意图

图4为一个实测示例，并给出了与实测压力波形的对比

图5为本发明在利用指端光电容积脉搏波预测桡动脉压力脉搏波的实验效果图。R²数据为实测压力脉搏单拍波形与预测单拍波形间的交叉验证效果，共实验426例。

具体实施方式：

以下结合附图对本发明的一种较为典型的具体实施方式进行详细描述。

本发明的一种典型应用场景在于利用人体指端光电容积脉搏波信号预测桡动脉压力脉搏波信号。由此可以利用指端采集的成熟技术及高质量波形获得生理意义更加明确的桡动脉压力脉搏波数据。

如图1所示，预测过程开始后，首先根据被测者的性别年龄，血压选择相应的特征人群，并根据需要选择对应的预测部位。以一位年龄56岁女性，血压值为90/130mmHg的被测者为例，在步骤S201中设定性别，年龄与血压值，采集部位为指端，目标预测部位为桡动脉。在S202中根据设定，***即根据先验统计规律的分组情况，自动选择出对应人群及部位的TM与CM矩阵。

步骤S203中***开始接收实测波形，步骤S204对输入波形进行调理，滤除基线与工频干扰，将连续波形按照心动周期分离成分立波形，并以波形为单位进行波形幅度与波长的归一化，其中，波长的归一化通过插值的方法实现。

在S205步骤中，根据S203中给定的采集波形拟合表达式，对每一单拍波形利用最小二乘方法进行曲线拟合。

拟合表达式为：

$f_I=\underset{n=1}{\overset{3}{\mathrm{\&Sigma;}}}{H}_{\mathrm{in}}\&times;e^{\frac{-{(t-b_{\mathrm{in}})}^2}{W_{\mathrm{in}}}}$

设定初始条件。从而获得对应每一单拍波形的I_I并计算R²。

在本例中，将波形幅值及波长均分别定义为100单位，则

I_I＝[H_i1,H_i2,H_i3,b_i1,b_i2,b_i3,W_i1,W_i2,W_i3]＝[43,69,49,15,27,48,14,25,52]

R²>0.99

步骤S206中根据R²数值进行波形质量判断，对R²<0.95的波形予以舍弃，并记录舍弃比例。若出现波形舍弃，重新提取下一拍波形进行分析。通常情况下R²<0.95的波形比例<3％，舍弃比例大于5％时，应考虑调整采集方式。

步骤S207对S206中质量合格波形的I_I进行转换，计算目标部位波形的特征向量I_O，依据公式：

I_O＝TM×I_I+CM

在本例中，TM与CM均由该患者之前同时测得的桡动脉压力脉搏波及指端光电容积脉搏波信号分别根据f_i与f_o拟合，并由得到的参数分别建立对应的回归方程获得。

经计算可得：

I_O＝[H_o1,H_o2,H_o3,b_o1,b_o2,b_o3,W_o1,W_o2,W_o3]＝[64,71,35,14,25,49,13,22,48]

步骤S208中将I_O中各项参数代入给定的目标部位压力脉搏波表达式，即

$f_O=\underset{n=1}{\overset{3}{\mathrm{\&Sigma;}}}{H}_{\mathrm{on}}\&times;e^{-\frac{-{(t-b_{\mathrm{on}})}^2}{W_{\mathrm{on}}}}$

得到目标部位预测波形表达式及分别对应的主波，反射波及重搏波预测波形。

步骤S209将上述波形及参数按照指定格式输出。

Claims (1)

1.一种基于光电容积脉搏信号的压力脉搏波波形传播预测方法，其特征在于：包括波形输入模块，信号调理模块，波形拟合模块，波形转换模块，及波形输出模块；

所述波形输入模块接收自人体某一部位实测的时域光电容积脉搏信号；

所述信号调理模块，对输入的时域光电容积脉搏信号进行预处理，将其分解为对应单一心动周期的单拍信号，对每一单拍信号的幅值与波长进行归一化处理；

所述波形拟合模块接收归一化后的单拍脉搏信号，并利用给定的波形含参表达式f_I应用曲线拟合算法对其进行拟合，波形的含参表达式由分别代表脉搏波波形主波、重搏波、反射波的含参表达式相加确定，拟合所得解析表达式各项参数向量为I_I，作为波形特征参数向量；

光电容积脉搏信号的含参表达式为：

$f_I=\underset{n=1}{\overset{3}{\mathrm{\&Sigma;}}}{H}_{\mathrm{in}}\&times;e^{\frac{-{(t-b_{\mathrm{in}})}^2}{W_{\mathrm{in}}}}$

其中，H_in，b_in，W_in为参数，t为自变量，表示采样点数；表达式中n＝1，2，3的部分分别对应脉搏波波形的主波、反射波、重搏波波形；其中，H_in表示波动的幅值，b_in表示波动的中心位置，W_in波动的宽度；

曲线拟合过程算法采用最小二乘算法，并根据各波动生理意义对各项参数范围进行限定，之后设定拟合初始条件H_i1>H_i2>H_i3，b_i1<b_i2<b_i3,W_in>0；拟合确定的特征参数向量I_I为：

I_I＝[H_i1,H_i2,H_i3,b_i1,b_i2,b_i3,W_i1,W_i2,W_i3]

在上述波形含参表达式条件下，拟合效果主要取决于脉搏波采集受到的干扰程度，故以拟合确定系数R²作为波形质量判别的定量化标准；拟合确定系数R²是常用的判断两曲线相似程度的计算方法；R²作为采集质量判别参数，对应R²小于一定值的单拍波形认为采集质量差并予以舍弃；

R²计算公式如下：

$R^2=1-\frac{\underset{i=1}{\overset{\mathrm{pl}}{\mathrm{\&Sigma;}}}{(f_i-{\hat{f}}_i)}^2}{\underset{i=1}{\overset{\mathrm{pl}}{\mathrm{\&Sigma;}}}{(f_i-{\stackrel{\&OverBar;}{f}}_i)}^2}$

其中，分别表示实测光电容积脉搏数据点、实测光电容积脉搏数据平均值及数据点拟合期望值，pl为单波数据点个数；

所述波形转换模块，根据被测者性别、年龄、平均动脉压指标进行分组，并根据对应分组下光电容积脉搏波实测部位与所需预测压力脉搏波部位波形特征参数间的先验统计规律，利用实测光电容积脉搏波特征参数计算预测对应部位压力脉搏波波形特征参数；

上述对应分类下光电容积脉搏波实测部位与所需预测压力脉搏波部位波形特征参数间的先验统计规律建立方法如下：

(1)首先，将参与实验的人群按照性别、年龄、平均动脉压进行分组，其中年龄以20岁为起始，5岁为间隔；平均动脉压以70mmHg为起始，10mmHg为间隔；对参与实验的人群进行分组；分别对上述各组实验人群同时检测耳部、手指端、脚趾端处光电容积脉搏波，并利用压力传感器检测桡动脉、肱动脉、颈动脉处压力脉搏波信号；从而获得不同人群特征的实测压力脉搏波及光电容积脉搏波信号；

(2)之后建立实测光电容积脉搏波与实测目标部位压力脉搏波波形特征参数间的统计学关系；与上述光电容积脉搏波特征提取方式相似，为提取压力脉搏波波形特征参数，利用压力脉搏波表达式对实测压力脉搏波波形进行拟合，压力脉搏波含参表达式为：

$f_O=\underset{n=1}{\overset{3}{\mathrm{\&Sigma;}}}{H}_{\mathrm{on}}\&times;e^{\frac{-{(t-b_{\mathrm{on}})}^2}{W_{\mathrm{on}}}}$

表达式参数及定义域均与f_I相同；拟合过程算法采用最小二乘算法，并根据各波动生理意义对各项参数范围进行限定，之后设定拟合初始条件H_o1>H_o2>H_o3，b_o1<b_o2<b_o3,W_on>0；

其特征参数向量为I_O＝[H_o1,H_o2,H_o3,b_o1,b_o2,b_o3,W_o1,W_o2,W_o3]

(3)对不同分组不同部位的实测波形分别利用f_I及f_O对实测的光电容积脉搏波波形及压力脉搏波波形采用波形拟合模块进行拟合，获得对应实测各光电容积脉搏信号的I_I及压力脉搏信号的I_O向量；对于每一部位压力脉搏信号I_O向量每项参数，建立对应不同分组的同时采集的光电容积脉搏信号特征参数向量的多元线性回归方程，即：

H_o1＝TM₁₁×H_i1+TM₁₂×H_i2+......+TM₁₉×W_i3+CM₁

H_o2＝TM₂₁×H_i1+TM₂₂×H_i2+......+TM₂₉×W_i3+CM₂

H_o3＝TM₃₁×H_i1+TM₃₂×H_i2+......+TM₃₉×W_i3+CM₃

b_o1＝TM₄₁×H_i1+TM₄₂×H_i2+......+TM₄₉×W_i3+CM₄

b_o2＝TM₅₁×H_i1+TM₅₂×H_i2+......+TM₅₉×W_i3+CM₅

b_o3＝TM₆₁×H_i1+TM₆₂×H_i2+......+TM₆₉×W_i3+CM₆

W_o1＝TM₇₁×H_i1+TM₇₂×H_i2+......+TM₇₉×W_i3+CM₇

W_o2＝TM₈₁×H_i1+TM₈₂×H_i2+......+TM₈₉×W_i3+CM₈

W_o3＝TM₉₁×H_i1+TM₉₂×H_i2+......+TM₉₉×W_i3+CM₉

TM及CM各项系数由多元线性回归方程确定；整理I_O各项参数建立方程组，整理系数矩阵及常数矩阵，得TM及CM，其中，TM为9阶方阵，CM为9元素列向量；

根据上述利用先验概率所得TM及CM矩阵，在应用过程中，利用采集部位的波形特征参数向量I_I计算目标部位的特征参数向量I_O；根据所测光电容积脉搏波，提取其特征I_I，则得目标部位特征向量I_O为：

I_O＝TM×I_I+CM

之后将获得的目标部位特征参数向量I_O代入对应部位的压力脉搏波含参表达式f_O，得到对应的压力脉搏波解析表达式；完成波形转换；

所述波形输出模块，将上述波形合成模块的结果及目标部位特征参数向量I_O按要求形式输出。