一种基于心电信号和血氧容积波的连续性血压测量方法技术

本发明专利技术提供一种多参数融合连续性血压的测量方法，综合考虑了除利用脉搏波传输时间标定血压外，同时考虑了与心电信号在同一周期内的血氧容积波的一阶导数的最大值a

A method of continuous blood pressure measurement based on ECG signals and blood oxygen volume waves

The invention provides a multi parameter fusion of continuous blood pressure measurement method, in addition to considering the calibration pressure using pulse wave transit time, considering and ECG in the same period the oxygen volume wave derivative maximum value a

【技术实现步骤摘要】
一种基于心电信号和血氧容积波的连续性血压测量方法
本专利技术属于医疗器械领域，尤其涉及一种基于脉搏波传输时间的多参数融合连续性血压测量方法。
技术介绍
随着社会经济的快速发展，人们对健康状况的关注越来越重视；尤其是随着社会老龄化人口的增长，方便易用的健康监护设备成为社会的迫切需求。血压是反映人体循环系统机能的重要参数，是指由心脏泵血活动造成的血液对于单位面积血管壁的侧压力，随每个心动周期呈连续性、周期性变化。设计连续性血压测量方法，了解血压的昼夜变化规律，不仅是预防、诊断、治疗和控制高血压的需要，而且对准确判定高血压，降低因“白大衣高血压症”而造成的误诊具有重要意义。现有脉搏波传输时间的测量方法分为两种：(1)采用心电信号(ECG)和光电容积描记波形(PPG)结合的方式，即通过采集第一导联的ECG，同时通过透射的方式或反射的方式采集手指或者腕部或者手背的PPG，计算心电信号R点与PPG特征点之间的时间差，如图3所示为采用ECG+PPG结合的方法测量脉搏波传输时间的示意图；(2)采用双PPG的方式，即在腕部和手背分别放置一个反射式光电传感器，或者在一根手指的两个不同位置分别放置一个反射式光电传感器，计算两PPG同一特征值点的时间差；再次，利用脉搏波传输时间与收缩压或平均压的关系，再反推出连续性血压，如图4所示为采用双PPG的方法测量脉搏波传输时间的示意图。由于血压是由多种因素共同产生的结果，单一利用脉搏波传输时间与血压之间的关系反推出血压值，得不到准确的血压值。
技术实现思路
为解决上述问题，本专利技术提供一种基于心电信号和血氧容积波的连续性血压测量方法，综合考虑了除利用脉搏波传输时间标定血压外，同时考虑了血氧信号的18个参数，包括一个周期内两个相邻收缩期峰值点的差值，两个相邻最小值点的差值，两个相邻的舒张期峰值点的差值，两个相邻重搏切迹点的差值，收缩期峰值点的幅值，最小值点的幅值，舒张期峰值点的幅值，重搏切迹点的幅值，收缩面积，舒张面积，血氧容积波的面积，面积比例，同周期的两个峰值点之间的差值，同周期的收缩期峰值点与最小值点之差，上升时间，时间增量，增长系数，反射系数。根据这18个参数用BP神经网络建立血压的模型，依据模型预测血压值。一种基于心电信号和血氧容积波的连续性血压测量方法，包括以下步骤：步骤1：实时检测待测者的心电信号的R点位置a00；步骤2：连续检测待测者的血氧容积波，对血氧容积波进行差分处理，得到与心电信号在同一周期内的血氧容积波的一阶导数的最大值a01，血氧容积波相邻两个周期中两个收缩期峰值点的时间差值a2、两个最小值点的时间差值a3、两个舒张期峰值点的时间差值a4、两个重搏切迹点的差值a5，血氧容积波一个周期中的收缩期峰值点的幅值a6、最小值点的幅值a7、舒张期峰值点的幅值a8、重搏切迹点的幅值a9、收缩面积a10、舒张面积a11、血氧容积波的面积a12、面积比例a13，血氧容积波同一周期内的收缩期峰值点幅值a6与舒张期峰值点幅值a8之间的差值a14、同一周期内的收缩期峰值点幅值a6与最小值点幅值a7之间的差值a15、同一周期中从最小值点到收缩期峰值点的上升时间a16、同一周期中从收缩期峰值点到舒张期峰值点的时间增量a17、增长系数a18、反射系数a19；所述增长系数a18表示同一周期中舒张期峰值点与最小值点之间的差值X1和收缩期峰值点与最小值点之间的差值X2的比值X1/X2；所述反射系数a19表示增长系数a18与1的差值；步骤3：采用传统的连续型血压计连续测量待测者的用于训练的舒张压DBPoriginal和收缩压SBPoriginal；步骤4：将血氧容积波的一阶导数的最大值a01与同一周期的心电信号的R点位置a00做差，得到脉搏波的传输时间PTT＝a01-a00；步骤5：将PTT，a2～a19这19个特征值，以及与心电信号、血氧容积波同一时刻测量的步骤3所述的舒张压DBPoriginal和收缩压SBPoriginal连续输入到BP神经网络中，其中连续输入时间不少于5min；所述BP神经网络包括输入层，输出层以及中间隐层；所述BP神经网络的输入层为单层，并假设为19个神经元，其中19个神经元分别与所述19个特征值一一对应；所述BP神经网络的输出层假设为2个神经元，分别对应舒张压DBPoriginal与收缩压SBPoriginal；所述BP神经网络的中间隐层为单层，并假设为N个神经元，其中N＝10,11或12；所述中间隐层的神经元通过全连接的方式分别连续接收输入层神经元的19个特征值、输出层神经元的舒张压和收缩压；BP神经网络利用19个特征值、舒张压以及收缩压训练血压模型，得到两个系数矩阵A19×N,BN×2；其中系数矩阵A19×N关联输入层与中间隐层，系数矩阵BN×2关联中间隐层与输出层；步骤6：重新检测待测者的血氧容积波和心电信号，采用步骤2和步骤4的方法对血氧容积波进行差分处理，得到PTT，a2～a19这19个特征值，并构造输入矩阵Input1×19：Input1×19＝{PTT,a2,a3,a4,a5,a6,a7,a8,a9,a10,a11,a12,a13,a14,a15,a16,a17,a18,a19}，同时构造输出矩阵Output1×2＝Input1×19×A19×N×BN×2，其中Output1×2＝{BP1,BP2}，BP1为BP神经网络训练出的待测收缩压，BP2为BP神经网络训练出的待测舒张压；步骤7：校正BP神经网络训练出的待测收缩压BP1和待测舒张压BP2，其中：error1＝SBPoriginal-BP1error2＝DBPoriginal-BP2其中，error1为收缩压SBPoriginal与BP神经网络训练出的待测收缩压BP1的误差；error2为舒张压DBPoriginal与BP神经网络训练出的待测收缩压BP2的误差；步骤8：采用线性回归函数分别拟合error1与SBPoriginal之间以及error2与DBPoriginal之间的关系，则error1与SBPoriginal的关系为f(SBPoriginal,error1)＝0，error2与DBPoriginal的关系为f(DBPoriginal,error2)＝0；步骤9：根据f(SBPoriginal,error1)＝0、f(DBPoriginal,error2)＝0，计算校正后的收缩压SBPoriginal和舒张压DBPoriginal。一种基于心电信号和血氧容积波的连续性血压测量方法，步骤9所述的计算校正后的收缩压SBPoriginal和舒张压DBPoriginal具体步骤为：步骤91：利用机器学习、线型拟合或线性回归的方法分别得到error1与PTT、a2～a19、BP1、BP2的关系，以及error2与PTT、a2～a19、BP1、BP2的关系，具体为：estimated_error1＝f(PTT,a2,a3,a4,a5,a6,a7,a8,a9,a10,a11,a12,a13,a14,a15,a16,a17,a18,a19,BP1,BP2)estimated_error2＝f(PTT,a2,a3,a4,a5,a6,a7,a8,a9,a10,a11,a12,a13,a14,a15,a16本文档来自技高网...

【技术保护点】
一种基于心电信号和血氧容积波的连续性血压测量方法，其特征在于，包括以下步骤：步骤1：实时检测待测者的心电信号的R点位置a

【技术特征摘要】
1.一种基于心电信号和血氧容积波的连续性血压测量方法，其特征在于，包括以下步骤：步骤1：实时检测待测者的心电信号的R点位置a00；步骤2：连续检测待测者的血氧容积波，对血氧容积波进行差分处理，得到与心电信号在同一周期内的血氧容积波的一阶导数的最大值a01，血氧容积波相邻两个周期中两个收缩期峰值点的时间差值a2、两个最小值点的时间差值a3、两个舒张期峰值点的时间差值a4、两个重搏切迹点的差值a5，血氧容积波一个周期中的收缩期峰值点的幅值a6、最小值点的幅值a7、舒张期峰值点的幅值a8、重搏切迹点的幅值a9、收缩面积a10、舒张面积a11、血氧容积波的面积a12、面积比例a13，血氧容积波同一周期内的收缩期峰值点幅值a6与舒张期峰值点幅值a8之间的差值a14、同一周期内的收缩期峰值点幅值a6与最小值点幅值a7之间的差值a15、同一周期中从最小值点到收缩期峰值点的上升时间a16、同一周期中从收缩期峰值点到舒张期峰值点的时间增量a17、增长系数a18、反射系数a19；所述增长系数a18表示同一周期中舒张期峰值点与最小值点之间的差值X1和收缩期峰值点与最小值点之间的差值X2的比值X1/X2；所述反射系数a19表示增长系数a18与1的差值；步骤3：采用传统的连续型血压计连续测量待测者的用于训练的舒张压DBPoriginal和收缩压SBPoriginal；步骤4：将血氧容积波的一阶导数的最大值a01与同一周期的心电信号的R点位置a00做差，得到脉搏波的传输时间PTT＝a01-a00；步骤5：将PTT以及a2～a19这19个特征值，以及与心电信号、血氧容积波同一时刻测量的步骤3所述的舒张压DBPoriginal和收缩压SBPoriginal连续输入到BP神经网络中，其中连续输入时间不少于5min；所述BP神经网络包括输入层，输出层以及中间隐层；所述BP神经网络的输入层为单层，并假设为19个神经元，其中19个神经元分别与所述19个特征值一一对应；所述BP神经网络的输出层假设为2个神经元，分别对应舒张压DBPoriginal与收缩压SBPoriginal；所述BP神经网络的中间隐层为单层，并假设为N个神经元，其中N＝10,11或12；所述中间隐层的神经元通过全连接的方式分别连续接收输入层神经元的19个特征值、输出层神经元的舒张压和收缩压；BP神经网络利用19个特征值、舒张压以及收缩压训练血压模型，得到两个系数矩阵A19×N,BN×2；其中系数矩阵A19×N关联输入层与中间隐层，系数矩阵BN×2关联中间隐层与输出层；步骤6：重新检测待测者的血氧容积波和心电信号，采用步骤2和步骤4的方法对血氧容积波进行差分处理，得到PTT以及a2～a19这19个特征值，并构造输入矩阵Input1×19：Input1×19＝{PTT,a2,a3,a4,a5,a6,a7,a8,a9,a10,a11,a12,a13,a14,a15,a16,a17,a18...

【专利技术属性】
技术研发人员：徐志红，方震，赵湛，陈贤祥，杜利东，
申请(专利权)人：中国科学院电子学研究所，
类型：发明
国别省市：北京,11