CN113907727B - 基于光电容积脉搏波描记的逐拍血压测量***和方法 - Google Patents
基于光电容积脉搏波描记的逐拍血压测量***和方法 Download PDFInfo
- Publication number
- CN113907727B CN113907727B CN202110986591.4A CN202110986591A CN113907727B CN 113907727 B CN113907727 B CN 113907727B CN 202110986591 A CN202110986591 A CN 202110986591A CN 113907727 B CN113907727 B CN 113907727B
- Authority
- CN
- China
- Prior art keywords
- blood pressure
- beat
- photoplethysmography
- signal
- pmdd
- 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
- 238000013186 photoplethysmography Methods 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000009530 blood pressure measurement Methods 0.000 title claims abstract description 33
- 230000036772 blood pressure Effects 0.000 claims abstract description 122
- 238000004364 calculation method Methods 0.000 claims abstract description 36
- 230000033001 locomotion Effects 0.000 claims abstract description 22
- 230000003993 interaction Effects 0.000 claims abstract description 14
- 230000001133 acceleration Effects 0.000 claims description 17
- 230000005540 biological transmission Effects 0.000 claims description 14
- 238000005259 measurement Methods 0.000 claims description 14
- 230000035487 diastolic blood pressure Effects 0.000 claims description 13
- 230000035488 systolic blood pressure Effects 0.000 claims description 13
- 230000000630 rising effect Effects 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 206010003210 Arteriosclerosis Diseases 0.000 claims description 4
- 208000011775 arteriosclerosis disease Diseases 0.000 claims description 4
- 210000000707 wrist Anatomy 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 2
- 239000008280 blood Substances 0.000 abstract description 10
- 210000004369 blood Anatomy 0.000 abstract description 10
- 210000004204 blood vessel Anatomy 0.000 abstract description 8
- 208000024172 Cardiovascular disease Diseases 0.000 abstract description 6
- 239000000284 extract Substances 0.000 abstract description 5
- 206010020772 Hypertension Diseases 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 10
- 230000035939 shock Effects 0.000 description 8
- 239000013598 vector Substances 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000000605 extraction Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000000747 cardiac effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000035945 sensitivity Effects 0.000 description 4
- 230000017531 blood circulation Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 210000000709 aorta Anatomy 0.000 description 2
- 230000008321 arterial blood flow Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000028161 membrane depolarization Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000005086 pumping Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 238000001966 tensiometry Methods 0.000 description 1
- 230000002861 ventricular Effects 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
- A61B5/021—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
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
-
- 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
- A61B5/68—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
- A61B5/68—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
- A61B5/681—Wristwatch-type devices
-
- 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
- A61B5/6813—Specially adapted to be attached to a specific body part
- A61B5/6824—Arm or wrist
-
- 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
- A61B5/6813—Specially adapted to be attached to a specific body part
- A61B5/6825—Hand
- A61B5/6826—Finger
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Surgery (AREA)
- Physics & Mathematics (AREA)
- Cardiology (AREA)
- Physiology (AREA)
- Vascular Medicine (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明属于医疗设备技术领域,提供一种基于光电容积脉搏波描记的逐拍血压测量***、方法和装置,***包括:信号采集模块,用于采集脉搏波信号;血压计算模块,用于从所述脉搏波信号中提取与血压相关的三个特征,并根据所述特征计算血压值;应用交互模块,用于测量用户运动状态,计算血压变异性并与用户进行交互。本发明通过弹性流体力学方法分析血液在血管中的流动,以及光电容积脉搏波描记法测量脉搏波,从脉搏波中提取了与血压相关度高的三个特征计算血压值,实现逐拍血压测量,提高了血压测量的精度,本发明还可以判断被测用户的运动状态,并根据运动状态计算血压变异性,是心血管病、糖尿病患者等危险系数评估的重要指标。
Description
技术领域
本发明属于医疗设备技术领域,更具体的是涉及一种基于光电容积脉搏波描记的逐拍血压测量***、方法、装置和计算机可读介质。
背景技术
血压是心血管疾病最重要的危险因素。在体检、诊断和手术等医疗卫生实践中,血压测量和监测都非常重要。血压是随心跳节拍而变化的,逐拍血压测量自然是医疗所需。当前医疗界逐拍血压测量的金标准是有创的,将压力传感器***动脉血管中,这种侵入性方法仅用于某些危重病例,不适用于普通病人和正常人。
现有的无创逐拍血压测量产品有两种:张力测定法,也称扁平法。需要复杂的机械装置来使血管处于内外压力相等的状态,操作复杂,对位置、运动都十分敏感,测量结果不稳定。容积补偿法,采用伺服***补偿因动脉内压的变化引起的动脉容积变化,使袖套内压等于动脉内压。该方法也需要复杂的机械装置,长时间测量会使被测者不适。
由英国著名物理学家Thomas Young等以流体弹性管内波传播来建模血液在血管内的流动,从而得出血压与脉搏波传播速度(PTT)的关系。这引起了大量的以测量PTT来估计血压的研究工作。
然而,由于技术限制,脉搏传导时间无法直接检测。于是,有一类方法使用同步测量心电ECG和光电容积描记脉搏波PPG,来计算脉搏到达时间(PAT)来代替PTT。中国专利CN110251105A,“一种无创血压测量方法、装置、设备及***”。同步测量心电信号与脉搏波信号,分析提取特征值;将个人体征数据以及提取的特征值输入至预先建立好的血压测量模型,以计算得到用户的血压测量信息。但是,这种基于PAT的方法有天然的缺陷,脉搏到达时间PAT包括PTT和射血前期,也即左心室机电延迟时间和等容收缩周期。这部分时间的不确定性严重影响测量精度。
脉搏波是血液在血管中流动的动态特性的体现,具有与血压相关的所有特征。于是,人们又提出了以光电容积描记脉搏波PPG信号特征,斜率传输时间(STT),来替代PTT。中国专利CN107233087A,“一种基于光电容积脉搏波特征的无创血压测量装置”,提出了平均斜率传输时间MSTT,实现了通过单一的生理信号光电容积脉搏波来估算血压。该专利提出的平均斜率传输时间MSTT虽然通过平均降低了噪声干扰,但失去了逐拍血压测量和反应血压变化的优势,以及相应的临床应用价值。
发明内容
(一)要解决的技术问题
本发明旨在解决如何精确测量逐拍血压的无创、无需充气袖带的技术问题。
(二)技术方案
为解决上述技术问题,本发明的一方面提出一种基于光电容积脉搏波描记的逐拍血压测量***,包括:信号采集模块、血压计算模块及应用交互模块,其中,
所述信号采集模块用于采集光电容积脉搏波描记信号和加速度信号;
所述血压计算模块用于接收所述光电容积脉搏波描记信号,并从所述光电容积脉搏波描记信号中提取多个与血压相关联的特征,所述特征包括:归一化斜率传输时间、降支导数最小点和归一化潮汐波峰值,还用于根据被测用户的个人信息,获取个性化血压计算参数;根据所述个性化血压计算参数和三个所述特征,计算逐拍血压值;
所述应用交互模块用于根据所述三维加速度信号判断被测用户的运动状态,并对所述逐拍血压进行运动状态标注,计算其中处于静息状态达到或超过预设时间段的逐拍血压值序列的血压变异性。
根据本发明的优选实施方式,所述信号采集模块从被测用户的指尖或手腕采集所述光电容积脉搏波描记信号和加速度信号。
根据本发明的优选实施方式,所述归一化斜率传输时间计算公式为:其中,NSTT为归一化斜率传输时间,m为光电容积脉搏波的上升部分的最大坡度,H为光电容积脉搏波的振幅,A为与光电容积脉搏波振幅相关的恒定任意振幅,t为时间;
所述归一化潮汐波峰值计算公式为:其中,NPTW为归一化潮汐波峰值,hB和hF分别为光电容积脉搏波的B点的高度和F点的高度,H为光电容积脉搏波描记信号的振幅;
所述降支导数最小点计算公式为:PMDD=tD-tF,其中,PMDD为降支导数最小点,tD和tF分别为光电容积脉搏波的下降波段导数的最小点D的时间和F点的时间。
根据本发明的优选实施方式,所述血压变异性的指标包括:平均血压、标准差、变异系数、实际变异均值、独立于均值的变异、变化率、动态动脉硬化指数和样本熵。
根据本发明的优选实施方式,所述逐拍血压值包括收缩压值和舒张压值。
本发明第二方面提出一种基于光电容积脉搏波描记的逐拍血压测量方法,包括:
采集光电容积脉搏波描记数据和所述脉搏波的三维加速度信号;
从所述脉搏波信号中提取与血压相关的预设特征,并根据所述预设特征计算得到逐拍血压值,其中,所述预设特征包括:归一化斜率传输时间、降支导数最小点和归一化潮汐波峰值;
根据所述三维加速度信号判断被测用户的运动状态,并对所述逐拍血压值进行标注,计算其中处于静息状态达到或超过预设时间段的逐拍血压值序列的血压变异性。
本发明第三方面提出一种基于光电容积脉搏波描记的逐拍血压测量装置,所述装置为穿戴式装置,包括上述的血压测量***,其中,所述信号采集模块设置在所述穿戴式装置的指尖套或智能手表中;所述血压计算模块和所述应用交互模块设置在所述穿戴式装置的嵌入软件中,测量和监测逐拍血压,分析测量血压及其变异指标,出具测量和监测报告,并将数据上传至服务器被测用户。
本发明第四方面还提出一种计算机可读介质,存储有计算机可执行程序,所述计算机可执行程序被执行时,实现上述的方法。
(三)有益效果
本发明通过弹性流体力学方法分析血液在血管中的流动,以及光电容积脉搏波描记法测量脉搏波,从脉搏波中提取了与血压相关度高的三个特征计算血压值,实现逐拍血压测量,提高了血压测量的精度,本发明还可以判断被测用户的运动状态,并根据运动状态计算血压变异性,是心血管病、糖尿病患者等危险系数评估的重要指标。
附图说明
图1是本发明一个实施例的一种基于光电容积脉搏波描记的逐拍血压测量***示意图;
图2是本发明一个实施例的一种光电容积脉搏波描记信号提取归一化斜率传输时间(NSTT)示意图;
图3是本发明一个实施例的一种光电容积脉搏波描记信号提取降支导数最小点(PMDD)和归一化潮汐波峰值(NPTW)示意图;
图4是本发明一个实施例的一种基于光电容积脉搏波描记的逐拍血压测量方法流程示意图;
图5是本发明的一个实施例的计算机可读记录介质的示意图。
具体实施方式
在对于具体实施例的介绍过程中,对结构、性能、效果或者其他特征的细节描述是为了使本领域的技术人员对实施例能够充分理解。但是,并不排除本领域技术人员可以在特定情况下,以不含有上述结构、性能、效果或者其他特征的技术方案来实施本发明。
附图中的流程图仅是一种示例性的流程演示,不代表本发明的方案中必须包括流程图中的所有的内容、操作和步骤,也不代表必须按照图中所显示的顺序执行。例如,流程图中有的操作/步骤可以分解,有的操作/步骤可以合并或部分合并,等等,在不脱离本发明的发明主旨的情况下,流程图中显示的执行顺序可以根据实际情况改变。
附图中的框图一般表示的是功能实体,并不一定必然与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理单元装置和/或微控制器装置中实现这些功能实体。
各附图中相同的附图标记表示相同或类似的元件、组件或部分,因而下文中可能省略了对相同或类似的元件、组件或部分的重复描述。还应理解,虽然本文中可能使用第一、第二、第三等表示编号的定语来描述各种器件、元件、组件或部分,但是这些器件、元件、组件或部分不应受这些定语的限制。也就是说,这些定语仅是用来将一者与另一者区分。例如,第一器件亦可称为第二器件,但不偏离本发明实质的技术方案。此外,术语“和/或”、“及/或”是指包括所列出项目中的任一个或多个的所有组合。
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明作进一步的详细说明。
图1是本发明一个实施例的一种基于光电容积脉搏波描记的逐拍血压测量***示意图。
如图1所示,本***包括:
信号采集模块100,用于采集脉搏波信号;
血压计算模块200,用于从所述脉搏波信号中提取与血压相关的预设特征,并根据所述预设特征计算血压;
应用交互模块300,用于显示血压测量结果并与用户进行交互。
在一些实施例中,信号采集模块100可以是微型穿戴式装置,包括光电容积脉搏波描记(PPG)信号采集单元110,使用光电传感器采集光电容积脉搏波描记数据;还包括加速度信号采集单元120,采集所述脉搏波的三维加速度信号;还包括模块管理单元130,为信号采集模块100提供电源管理、信号存储和传输,以及可能的处理和显示功能,并将采集到的信号通过蓝牙等方式无线传输到血压计算模块200。
作为微型穿戴式装置,信号采集模块100可以做成套在指尖或手腕的独立的测量设备。
血压计算模块200包括特征提取单元210、血压计算单元220和参数计算单元230,特征提取单元210接收来自信号采集模块100发送的PPG信号,从PPG信号中提取以下三个特征:(1)归一化斜率传输时间(NSTT),(2)降支导数最小点(PMDD)和(3)归一化潮汐波峰值(NPTW)。
特征提取单元210首先提取上述三个特征。图2是本发明一个实施例的一种光电容积脉搏波描记信号提取归一化斜率传输时间(NSTT)示意图,如图2所示,脉搏波初始上升斜率与通过时间成正比,该斜率不受心率和射血时间的影响,这就是以斜率传输时间(STT)来代替PTT计算血压的生理学和弹性流体力学基础。STT的定义如下:
其中m是PPG上升部分的最大斜率,A是与PPG信号振幅相关的恒定任意振幅。
由于PPG信号的幅度会受到传感器灵敏度、穿戴位置和方式等影响,为了提高PPG特征度量,斜率传输时间STT,的不变性,我们做了归一化处理:
其中m是PPG上升部分的最大坡度,H是PPG的振幅。ΔA与H成正比,因此,NSTT对PPG信号振幅变化具有不变性,大大降低了传感器灵敏度及其它测量过程中的干扰的影响。
为了进一步提高血压估计精度,本发明又提出了两种新的PPG特征度量:降支导数最小点(PMDD)和归一化潮汐波峰值(NPTW)。脉搏波是由血流脉冲在血管中流动的冲击波和反射波叠加而成的。冲击波是由心脏除极后快速泵血产生的动脉血流量直线上升而形成的。反射波包含了两部分,其一是潮波,该波反映的是心脏泵出的血液遇到较小的动脉血管分支所造成的反射,其二是重搏波,即由血液经主动脉撞击动脉瓣膜后产生的反射性震荡波。
假设其他动脉参数保持恒定,血压增加,脉搏波速度(PWV)将增加,导致脉搏波传递更快,反射波将更快地遇到冲击波,从而导致了两波融合的更加紧密。潮汐波将更接近峰值,其振幅将升高,即特征度量潮汐波峰值PTW增加。而对于重搏波来说,它也更接近冲击波,从而导致重搏波的下降沿在整个心动周期中的位置更加提前,造成特征度量降支导数最小点PMDD的下降。
图3是本发明一个实施例的一种光电容积脉搏波描记信号提取降支导数最小点(PMDD)和归一化潮汐波峰值(NPTW)示意图,如图3所示,
NPTW定义为PPG的潮汐波(B点)和F点之间的高差与脉搏波高度(H=hA-hF)的比值,可按式(3)计算:
PMDD被定义为下降波段导数的最小点(D点)与PPG的F点之间的时间间隔,PMDD可按式(4)计算:
PMDD=tD-tF (4)
在提取到上述三个特征后,根据上述特征来计算血压的收缩压值和舒张压值,在计算收缩压值和舒张压值前,首先要计算收缩压值和舒张压值所需的参数。
血压计算模块200中的个性化参数计算单元230,首先对被测者,同时使用标准逐拍血压计或有创血压测量,作为逐拍血压“真值”,并同时测量PPG信号,处理和分析该PPG得三个特征度量。基于逐拍血压“真值”和PPG三个特征度量,使用最小二乘法学习适用于该被测者的8个性化血压计算参数值。
使用最小二乘法初始化方程(5)(6)(7)和(8)中的参数。
θ=(XTX)-1XTY (7)
其中,带有n个下标的值表示第n个初始化样本中的对应值,θ的定义为式(8)。一般来说,n可以是4到10。
在对足够多的被测者完成个性化血压计算参数学习后,可以将参数θ与对应被测用户的身份信息进行关联,并存储在数据存储模块中,身份信息例如:被测用户的性别、年龄、身高、体重、心率、血压、疾病等信息。有了该存储模块,对于某个被测用户,输入其个人信息,就可以查到相应的参数θ,将参数发送到血压计算单元220便可计算血压值。
得到了所需参数θ,血压计算单元220根据该参数和提取的三个特征计算收缩压值和舒张压值:
SBP=a0NSTT+a1PMDD+a2NPTW+a3 (9)
DBP=b0NSTT+b1PMDD+b2NPTW+b3 (10)
其中SBP是收缩压,DBP是舒张压,a0,a1,a2,a3,b0,b1,b2和b3是来自参数计算单元230计算得到的参数。
优选的,可以将参数θ与对应被测用户的身份信息进行关联,并存储在数据存储模块中,身份信息例如被测用户的性别、年龄、身高、体重、心率、血压、疾病等信息。这样对于某个被测用户,输入其个人信息,就可以查到相应的参数θ,将参数发送到血压计算单元220便可计算血压值。
应用交互模块300包括交互单元310、血压变异性计算单元320和运动状态分析单元330,其中运动状态分析单元330接收加速度信号采集单元120发送的三维加速度信号,并根据信号中的数据判断被测用户当前处于“运动”还是“静息”状态,并以这两种状态去标注血压计算单元220发送的逐拍血压值。
血压变异性计算单元320接收来自运动状态分析单元330的标有{运动、静息}标签的逐拍血压序列,对于静息连续5分钟及以上的血压序列,以5分钟长度为单元,计算以下血压变异性指标:
平均血压(mean BP):
标准差(SD):
变异系数(CV):
实际变异均值(ARV):
独立于均值的变异(VIM):
变化率(ROC):
动态动脉硬化指数(AASI):
以及非线性的样本熵指标,其计算步骤如下:
(1)对于原始血压序列{y1,y2,…,yN},定义一个m维向量:Ym(j)={yj,yj+1,…,yj+m-1},其中
(2)记向量Ym(i)和Ym(j)之间的距离为dij,若使用Chebyshev距离来量化此距离,则有dij=maxk|yi+k,yj+k|,0≤k≤m-1。
(3)若给定一个相似容限r,依此来统计距离dij中小于等于阈值r的个数,记为Pm(i),满足这个阈值条件则认为两个向量是相似的(匹配成功)。
(4)定义用匹配成功个数的概率均值来表示两个向量在相似阈值下匹配的概率。
(5)将维数增加1,利用以上相同方法求出在m+1维时的匹配概率Cm+1(r)。
(6)最后,此血压序列的样本熵为:
样本熵的值主要受其参数m,r和N影响。一般维数m取1或2;而相似阈值r取0.1SD~0.25SD以获得较好的结果。
血压变异性是心血管病、糖尿病患者等危险系数评估的重要指标。
在计算血压变异性后,交互单元310为被测用户和医生提供测量和监测数据,包括:逐拍血压值序列,由{运动、静息}标注的血压序列,血压变异性指标,以及相应的测量和监测报告,同时被测用户可以通过点击交互单元上的功能按钮查看相关血压数据和分析报告。
本发明通过弹性流体力学方法分析血液在血管中的流动,以及光电容积脉搏波描记法测量脉搏波,从脉搏波中提取了与血压相关度高的三个特征计算血压值,实现逐拍血压测量,提高了血压测量的精度,本发明还可以判断被测用户的运动状态,并根据运动状态计算血压变异性,是心血管病、糖尿病患者等危险系数评估的重要指标。
图4是本发明一个实施例的一种基于光电容积脉搏波描记的逐拍血压测量方法流程示意图,如图4所示,该方法包括:
S101、采集光电容积脉搏波描记数据和所述脉搏波的三维加速度信号。
在一些实施例中,采集光电容积脉搏波描记数据和脉搏波的三维加速度数据,并存储和显示这些数据用于血压测量。
S102、从所述脉搏波信号中提取与血压相关的预设特征,并根据所述预设特征计算得到逐拍血压值,其中,所述预设特征包括:归一化斜率传输时间、降支导数最小点和归一化潮汐波峰值。
在一些实施例中,从采集的光电容积脉搏波描记数据中提取(1)归一化斜率传输时间(NSTT),(2)降支导数最小点(PMDD)和(3)归一化潮汐波峰值(NPTW)三种特征,其中,脉搏波初始上升斜率与通过时间成正比,该斜率不受心率和射血时间的影响,这就是以斜率传输时间(STT)来代替PTT计算血压的生理学和弹性流体力学基础。STT的定义如下:
其中m是PPG上升部分的最大斜率,A是与PPG信号振幅相关的恒定任意振幅。
由于PPG信号的幅度会受到传感器灵敏度、穿戴位置和方式等影响,为了提高PPG特征度量,斜率传输时间STT,的不变性,我们做了归一化处理:
其中m是PPG上升部分的最大坡度,H是PPG的振幅。ΔA与H成正比,因此,NSTT对PPG信号振幅变化具有不变性,大大降低了传感器灵敏度及其它测量过程中的干扰的影响。
为了进一步提高血压估计精度,本发明又提出了两种新的PPG特征度量:降支导数最小点(PMDD)和归一化潮汐波峰值(NPTW)。脉搏波是由血流脉冲在血管中流动的冲击波和反射波叠加而成的。冲击波是由心脏除极后快速泵血产生的动脉血流量直线上升而形成的。反射波包含了两部分,其一是潮波,该波反映的是心脏泵出的血液遇到较小的动脉血管分支所造成的反射,其二是重搏波,即由血液经主动脉撞击动脉瓣膜后产生的反射性震荡波。
假设其他动脉参数保持恒定,血压增加,脉搏波速度(PWV)将增加,导致脉搏波传递更快,反射波将更快地遇到冲击波,从而导致了两波融合的更加紧密。潮汐波将更接近峰值,其振幅将升高,即特征度量潮汐波峰值PTW增加。而对于重搏波来说,它也更接近冲击波,从而导致重搏波的下降沿在整个心动周期中的位置更加提前,造成特征度量降支导数最小点PMDD的下降。
NPTW定义为PPG的潮汐波(B点)和F点之间的高差与脉搏波高度(H=hA-hF)的比值,可按式(3)计算:
PMDD被定义为下降波段导数的最小点(D点)与PPG的F点之间的时间间隔,PMDD可按式(4)计算:
PMDD=tD-tF (4)
在提取到上述三个特征后,根据上述特征来计算血压的收缩压值和舒张压值,在计算收缩压值和舒张压值前,首先要计算收缩压值和舒张压值所需的参数。
通过使用一段具有已知逐拍血压和相应的PPG信号来学习获得所需参数。
使用最小二乘法初始化方程(5)(6)(7)和(8)中的参数。
θ=(XTX)-1XTY (7)
其中,带有n个下标的值表示第n个初始化样本中的对应值,θ的定义为式(8)。一般来说,n可以是4到10。
得到了所需参数θ,根据该参数和提取的特征计算收缩压值和舒张压值:
SBP=a0NSTT+a1PMDD+a2PTW+a3 (9)
DBP=b0NSTT+b1PMDD+b2PTW+b3 (10)
其中SBP是收缩压,DBP是舒张压,a0,a1,a2,a3,b0,b1,b2和b3是上述计算得到的参数。
S103、根据所述三维加速度信号判断被测用户的运动状态,并对所述逐拍血压值进行标注,计算其中处于静息状态达到或超过预设时间段的逐拍血压值序列的血压变异性。
在一些实施例中,三维加速度信号,并根据信号中的数据判断被测用户当前处于“运动”还是“静息”状态,并以这两种状态去标注上述实施例计算得到的逐拍血压值。对于其中标有“静息”状态标签且静息连续5分钟及以上的逐拍血压序列,以5分钟长度为单元,计算以下血压变异性指标:
平均血压(mean BP):
标准差(SD):
变异系数(CV):
实际变异均值(ARV):
独立于均值的变异(VIM):
变化率(ROC):
动态动脉硬化指数(AASI):
以及非线性的样本熵指标。其计算步骤如下:
(1)对于原始血压序列{y1,y2,…,yN},定义一个m维向量:Ym(j)={yj,yj+1,…,yj+m*1{,其中
(2)记向量Ym(i)和Ym(j)之间的距离为dik,若使用Chebyshev距离来量化此距离,则有dij=maxk|yi+k,yj+k|,0≤k≤m-1。
(3)若给定一个相似容限r,依此来统计距离dij中小于等于阈值r的个数,记为Pm(i),满足这个阈值条件则认为两个向量是相似的(匹配成功)。
(4)定义用匹配成功个数的概率均值来表示两个向量在相似阈值下匹配的概率。
(5)将维数增加1,利用以上相同方法求出在m+1维时的匹配概率Cm+1(r)。
(6)最后,此血压序列的样本熵为:
样本熵的值主要受其参数m,r和N影响。一般维数m取1或2;而相似阈值r取0.1SD~0.25SD以获得较好的结果。
血压变异性是心血管病、糖尿病患者等危险系数评估的重要指标。
在计算血压变异性后,为被测用户和医生提供测量和监测数据,包括:逐拍血压值序列,由{运动、静息}标注的血压序列,血压变异性指标,以及相应的测量和监测报告,同时被测用户可以通过点击交互单元上的功能按钮查看相关血压数据和分析报告。
本领域技术人员可以理解,实现上述实施例的全部或部分步骤被实现为由计算机数据处理设备执行的程序(计算机程序)。在该计算机程序被执行时,可以实现本发明提供的上述方法。而且,所述的计算机程序可以存储于计算机可读存储介质中,该存储介质可以是磁盘、光盘、ROM、RAM等可读存储介质,也可以是多个存储介质组成的存储阵列,例如磁盘或磁带存储阵列。所述的存储介质不限于集中式存储,其也可以是分布式存储,例如基于云计算的云存储。
本发明还提出一种基于光电容积脉搏波描记的逐拍血压测量装置,所述装置为穿戴式装置,包括上述实施例中的血压测量***,该装置的信号采集模块100为类似智能手表的光积描记脉搏波PPG和加速度信号采集和传输硬件装置,固定在用户的手指或手腕处,血压计算模块200和应用交互模块300作为智能APP软件简化为面向个人的逐拍血压计,嵌入智能手表之中。
图5是本发明的一个实施例的计算机可读记录介质的示意图。如图5所示,计算机可读记录介质中存储有计算机可执行程序,所述计算机可执行程序被执行时,实现本发明上述的基于光电容积脉搏波描记的逐拍血压测量方法。所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该计算机可读介质实现如下功能:采集脉搏波信号;从所述脉搏波信号中提取与血压相关的预设特征,并根据所述预设特征计算血压;显示血压测量结果并与用户进行交互。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
通过以上对实施方式的描述,本领域的技术人员易于理解,本发明可以由能够执行特定计算机程序的硬件来实现,例如本发明的***,以及***中包含的电子处理单元、服务器、客户端、手机、控制单元、处理器等。本发明也可以由执行本发明的方法的计算机软件来实现。但需要说明的是,执行本发明的方法的计算机软件并不限于由一个或特定个的硬件实体中执行,其也可以是由不特定具体硬件的以分布式的方式来实现,例如计算机程序执行的某些方法步骤可以在移动客户端执行,另一部分可以在智能表、智能识别笔等中执行。对于计算机软件,软件产品可以存储在一个计算机可读的存储介质(可以是CD-ROM,U盘,移动硬盘等)中,也可以分布式存储于网络上,只要其能使得电子设备执行根据本发明的方法。
综上所述,本发明可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)等通用数据处理设备来实现根据本发明实施例中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,应理解的是,本发明不与任何特定计算机、虚拟装置或者电子设备固有相关,各种通用装置也可以实现本发明。以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于光电容积脉搏波描记的逐拍血压测量***,其特征在于,包括:信号采集模块、血压计算模块及应用交互模块,其中,
所述信号采集模块:用于采集光电容积脉搏波描记信号和所述脉搏波的三维加速度信号;
所述血压计算模块:用于接收所述光电容积脉搏波描记信号,并从所述光电容积脉搏波描记信号中提取多个与血压相关联的预设特征,所述预设特征包括:归一化斜率传输时间(NSTT)、降支导数最小点(PMDD)和归一化潮汐波峰值(NPTW);
以斜率传输时间(STT)来代替光电容积脉搏波描记信号计算血压,STT的定义如下:
其中m是PPG上升部分的最大斜率,A是与PPG信号振幅相关的恒定任意振幅;
所述归一化斜率传输时间计算公式为:
其中,NSTT为归一化斜率传输时间,m为光电容积脉搏波的上升部分的最大坡度,H为光电容积脉搏波的振幅,A为与光电容积脉搏波振幅相关的恒定任意振幅,t为时间;
所述归一化潮汐波峰值计算公式为:
其中,NPTW为归一化潮汐波峰值,hB和hF分别为光电容积脉搏波的B点的高度和F点的高度,H为光电容积脉搏波描记信号的振幅;
所述降支导数最小点计算公式为:PMDD=tD-tF (4),
其中,PMDD为降支导数最小点,tD和tF分别为光电容积脉搏波的下降波段导数的最小点D的时间和F点的时间;
使用最小二乘法初始化方程(5)(6)(7)和(8)中的参数:
θ=(XTX)-1XTY (7),
其中,带有n个下标的值表示第n个初始化样本中的对应值,θ的定义为式(8),一般来说,n可以是4到10;
还用于根据被测用户的个人信息,获取个性化血压计算参数,根据所述个性化血压计算参数和三个所述预设特征,计算逐拍血压值,其计算方式为:
SBP=a0NSTT+a1PMDD+a2PTW+a3;
DBP=b0NSTT+b1PMDD+b2PTW+b3;
其中SBP是收缩压,DBP是舒张压,a0,a1,a2,a3,b0,b1,b2和b3是个性化血压参数;NSTT为归一化斜率传输时间,PMDD为降支导数最小点,PTW为特征度量潮汐波峰值;
所述应用交互模块:用于根据所述三维加速度信号判断被测用户的运动状态,并对所述逐拍血压进行运动状态标注,计算其中处于静息状态达到或超过预设时间段的逐拍血压值序列的血压变异性。
2.根据权利要求1所述的***,其特征在于,所述信号采集模块从被测用户的指尖或手腕采集所述光电容积脉搏波描记信号和所述三维加速度信号。
3.根据权利要求1所述的***,其特征在于,所述血压变异性的指标包括:平均血压、标准差、变异系数、实际变异均值、独立于均值的变异、变化率、动态动脉硬化指数和样本熵。
4.根据权利要求1所述的***,其特征在于,所述逐拍血压值包括收缩压值和舒张压值。
5.一种基于光电容积脉搏波描记的逐拍血压测量装置,其特征在于,
所述装置为智能穿戴式装置,包括如权利要求1-4任一项所述的***,其中,所述信号采集模块设置在所述穿戴式装置的指尖套或智能手表中;所述血压计算模块和所述应用交互模块设置在所述穿戴式装置的嵌入软件中,测量和监测逐拍血压,分析测量血压及其变异指标,出具测量和监测报告,并将数据上传至服务器被测用户。
6.一种计算机可读介质,存储有计算机可执行程序,其特征在于,所述计算机可执行程序被执行时,实现如权利要求1-4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110986591.4A CN113907727B (zh) | 2021-08-26 | 2021-08-26 | 基于光电容积脉搏波描记的逐拍血压测量***和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110986591.4A CN113907727B (zh) | 2021-08-26 | 2021-08-26 | 基于光电容积脉搏波描记的逐拍血压测量***和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113907727A CN113907727A (zh) | 2022-01-11 |
CN113907727B true CN113907727B (zh) | 2024-01-16 |
Family
ID=79233383
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110986591.4A Active CN113907727B (zh) | 2021-08-26 | 2021-08-26 | 基于光电容积脉搏波描记的逐拍血压测量***和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113907727B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117243580A (zh) * | 2022-06-10 | 2023-12-19 | 荣耀终端有限公司 | 一种血压测量设备和*** |
CN115211822B (zh) * | 2022-08-31 | 2023-06-30 | 深圳市爱保护科技有限公司 | 一款可以检测hrv数据和压力情绪的智能手表 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106691406A (zh) * | 2017-01-05 | 2017-05-24 | 大连理工大学 | 一种基于单探头光电容积脉搏波的血管弹性和血压的检测方法 |
CN106725396A (zh) * | 2016-12-08 | 2017-05-31 | 上海交通大学 | 一种基于双脉搏波的无创逐拍血压测量装置以及测量方法 |
CN106974631A (zh) * | 2017-03-17 | 2017-07-25 | 深圳大学 | 一种基于脉搏波波形和心电信号的血压测量方法及装置 |
CN108464824A (zh) * | 2018-04-16 | 2018-08-31 | 南京邮电大学 | 一种血压快速计算方法及血压检测仪 |
CN111839488A (zh) * | 2020-07-15 | 2020-10-30 | 复旦大学 | 基于脉搏波的无创连续血压测量装置和方法 |
CN112089405A (zh) * | 2020-08-26 | 2020-12-18 | 上海大学 | 一种脉搏波特征参数测量及显示装置 |
-
2021
- 2021-08-26 CN CN202110986591.4A patent/CN113907727B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106725396A (zh) * | 2016-12-08 | 2017-05-31 | 上海交通大学 | 一种基于双脉搏波的无创逐拍血压测量装置以及测量方法 |
CN106691406A (zh) * | 2017-01-05 | 2017-05-24 | 大连理工大学 | 一种基于单探头光电容积脉搏波的血管弹性和血压的检测方法 |
CN106974631A (zh) * | 2017-03-17 | 2017-07-25 | 深圳大学 | 一种基于脉搏波波形和心电信号的血压测量方法及装置 |
CN108464824A (zh) * | 2018-04-16 | 2018-08-31 | 南京邮电大学 | 一种血压快速计算方法及血压检测仪 |
CN111839488A (zh) * | 2020-07-15 | 2020-10-30 | 复旦大学 | 基于脉搏波的无创连续血压测量装置和方法 |
CN112089405A (zh) * | 2020-08-26 | 2020-12-18 | 上海大学 | 一种脉搏波特征参数测量及显示装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113907727A (zh) | 2022-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
El-Hajj et al. | Deep learning models for cuffless blood pressure monitoring from PPG signals using attention mechanism | |
US11844593B2 (en) | System and method for non-invasive determination of blood pressure dip based on trained prediction models | |
Dey et al. | InstaBP: cuff-less blood pressure monitoring on smartphone using single PPG sensor | |
Zhang et al. | Highly wearable cuff-less blood pressure and heart rate monitoring with single-arm electrocardiogram and photoplethysmogram signals | |
Su et al. | Monitoring the relative blood pressure using a hydraulic bed sensor system | |
Maqsood et al. | A benchmark study of machine learning for analysis of signal feature extraction techniques for blood pressure estimation using photoplethysmography (PPG) | |
Zuo et al. | Comparison of three different types of wrist pulse signals by their physical meanings and diagnosis performance | |
US9949696B2 (en) | Apparatus and methods for computing cardiac output of a living subject via applanation tonometry | |
CN113907727B (zh) | 基于光电容积脉搏波描记的逐拍血压测量***和方法 | |
Marques et al. | A real time, wearable ECG and blood pressure monitoring system | |
US20230131629A1 (en) | System and method for non-invasive assessment of elevated left ventricular end-diastolic pressure (LVEDP) | |
US11617545B2 (en) | Methods and systems for adaptable presentation of sensor data | |
US9345436B2 (en) | Apparatus and methods for computing cardiac output of a living subject | |
Jiao et al. | Non-invasive heart rate estimation from ballistocardiograms using bidirectional LSTM regression | |
KR20190043453A (ko) | 혈압 추정 장치 및 방법 | |
Vakulenkoa et al. | New application of blood pressure monitor with software environment Oranta-AO based on arterial oscillography methods | |
Kuzmanov et al. | Fast cuffless blood pressure classification with ECG and PPG Signals using CNN-LSTM models in emergency medicine | |
Nabeel et al. | Deep learning for blood pressure estimation: an approach using local measure of arterial dual diameter waveforms | |
Lui et al. | A novel calibration procedure of pulse transit time based blood pressure measurement with heart rate and respiratory rate | |
Li | Pulse wave velocity techniques | |
Bicen et al. | A signal quality index for ballistocardiogram recordings based on electrocardiogram RR intervals and matched filtering | |
Forouzanfar | A modeling approach for coefficient-free oscillometric blood pressure estimation | |
Semiz et al. | Automatic Subject Identification Using Scale-Based Ballistocardiogram Signals | |
US20240108235A1 (en) | Non-contact image-based blood pressure measurement method and system based on advanced visual intelligence | |
Ghosh | Motion Compensated Continuous Blood Pressure Measurements Using Recurrent Neural Networks |
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 |