一种基于神经网络的脉搏波信号血压检测方法技术

本发明专利技术提出一种基于神经网络的脉搏波信号血压检测方法，属于生命体征信号处理领域和人工智能领域。该方法包括步骤：使用一个数据采集模块，采集脉搏波信号；使用一个数据处理模块，用于处理原始脉搏波信号，主要使用低通滤波去除信号中的高频突变点及小波去噪算法去除信号中的基线漂移；提取脉搏波中的特征点，特征点包含脉搏波周期，周期内的最大值和最小值，波形时域面积参数，周期内的曲率最大点和曲率最小点等一系列特征点；计算相关特征参数，本发明专利技术提取了15个特征参数；将15个特征参数作为输入层，选取适当的人工智能的BP算法，基于神经网络计算出收缩压和舒张压。

A neural network based blood pressure detection method for pulse wave signals

The invention proposes a pulse wave signal blood pressure detection method based on neural network, which belongs to the field of vital signs signal processing and the field of artificial intelligence. The method includes steps: using a data acquisition module, collecting pulse wave signal, using a data processing module to deal with the original pulse wave signal, mainly using low pass filter to remove the high-frequency mutation point and wavelet denoising algorithm to remove the baseline drift in the signal, and extract the feature points in the pulse wave. The eigenpoints include the pulse wave period, the maximum and the minimum in the period, the time domain parameter of the waveform, the maximum point of curvature and the minimum point of curvature in the cycle. The 15 characteristic parameters are extracted by the calculation of the related characteristic parameters, and the 15 characteristic parameters are used as the input layer to select the appropriate artificial intelligence BP Based on BP neural network, systolic and diastolic blood pressure are calculated.

【技术实现步骤摘要】
一种基于神经网络的脉搏波信号血压检测方法
本专利技术涉及脉搏波信号的处理以及机器学习的相关算法属于生命体征信号处理领域及人工智能领域。
技术介绍
血压是衡量人体心血管系统的重要参数之一，为了摆脱传统血压计充气袖带的束缚,实现长期连续的血压检测，一直是生物医学领域研究的热点之一。当血液流过外周血管中的微动脉、毛细血管和微静脉等微血管时，该部分微血管的血液容积在心脏搏动下同样会呈现脉动性变化。这种血液容积的脉动性可以通过光电容积脉搏波描记法进行记录。脉搏波的波形幅度和形态包含了心脏和心血管系统的许多重要生理信息，对它进行检测和分析，对心血管疾病的预防与临床诊断治疗方面有着重要的意义和作用。学习是人类具有的一种重要智能行为，目前计算机也已经初步具备了这种能力。机器学习就是指“计算机利用经验自动改善自身性能的行为”。简言之，机器学习是指通过计算机学习数据中的内在规律性信息，获得新的经验和知识，以提高计算机的智能性，使计算机能够像人那样去决策。以深度学习为代表的机器学习是当前最接近人类大脑的智能学习和认知过程，充分借鉴了人脑的多分层结构、神经元的连接交互、分布式稀疏存储和表征、信息的逐层分析和本文档来自技高网...

【技术保护点】
一种基于神经网络的脉搏波信号血压检测方法，其特征在于：所述检测算法通过以下步骤实现：步骤一、使用一个数据采集模块，用于采集脉搏波信号；步骤二、使用一个数据处理模块，用于处理采集得到的脉搏波信号；步骤三、处理去噪后的脉搏波信号，提取脉搏波的特征点；步骤四、基于脉搏波的特征点提取脉搏波特征参数；步骤五、将选取的特征参数作为神经网络的参数输入层，计算出收缩压和舒张压。

【技术特征摘要】
1.一种基于神经网络的脉搏波信号血压检测方法，其特征在于：所述检测算法通过以下步骤实现：步骤一、使用一个数据采集模块，用于采集脉搏波信号；步骤二、使用一个数据处理模块，用于处理采集得到的脉搏波信号；步骤三、处理去噪后的脉搏波信号，提取脉搏波的特征点；步骤四、基于脉搏波的特征点提取脉搏波特征参数；步骤五、将选取的特征参数作为神经网络的参数输入层，计算出收缩压和舒张压。2.根据权利要求1所述一种基于神经网络的脉搏波信号血压检测方法其特征在于，步骤二具体过程为：步骤二一、设置低通滤波器，去除信号中包含的高频突变点；步骤二二、将滤波后的信号进行小波去噪处理；步骤二二一、阈值函数的选择，硬阈值函数连续性不好，会导致伪吉布斯现象，而软阈值函数虽然整体连续性好，但估计值与实际值之间总存在恒定的偏差，容易发生失真，具有一定的局限性，因此对于阈值函数的选择，既要保证其连续性，又要防止其失真，对阈值函数的选择为：该函数通过k和m两个参数控制，k的取值范围为(0,1]，参数k决定函数的渐近线，当k＝1时，该函数趋近于硬阈值函数，当k→0时，该函数趋近于软阈值函...

【专利技术属性】
技术研发人员：林金朝，张亚华，庞宇，李国权，曲雷政，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆,50