测量血压的装置、电子设备以及计算机可读存储介质制造方法及图纸

本申请实施例提供了一种测量血压的装置、电子设备及计算机可读存储介质。应用于智能医疗技术领域，该电子装置包括处理器；该处理器被配置成执行下述步骤：获取预设测量时间内目标对象的心电信号以及血氧容积波信号，然后基于获取到的心电信号以及血氧容积波信号，并通过训练后的第一血压计算模型，确定目标对象在预设测量时间内逐拍的血压值。本申请实施例实现了测量出逐拍的血压值，以提高测量血压的精确度。

【技术实现步骤摘要】
测量血压的装置、电子设备以及计算机可读存储介质
本申请涉及智能医疗
，具体而言，本申请涉及一种测量血压的装置、电子设备以及计算机可读存储介质。
技术介绍
血压是指血液在血管内流动时作用于单位面积血管壁的侧压力，它是推动血液在血管内流动的动力，其中血压包括舒张压和收缩压。血压还是反映心血管功能的重要生理参数，是诊断疾病、观察治疗效果、进行愈后判断的重要依据。因此如何测量血压成为一个关键的问题。现有技术中提供了一种测量血压的方法，基于脉搏波原理的脉搏波血压计，采用上臂袖带加下游脉搏波探测的方式，将脉搏跳动的非连续事件转变为连续测量，并通过人工判断柯氏音有无，转化为测量脉搏波在收缩压附近的幅度特性，或测量脉搏波与相对应的气压交流信号之间延迟时间在舒张压附近的时间特性，根据收缩压附近的幅度特性或舒张压附近的时间特性，计算出收缩压和舒张压。但是，通过脉搏波血压测量方法，测量到的收缩压以及舒张压是在测量时间内得到的单个血压值，由于血压值随着时间的变化而变化，单个血压值并不能反映被测者的真实血压状况，从而导致测量到的血压的精确度较低。
技术实现思路
本申请提供了一种测量血压的装置、电子设备及计算本文档来自技高网...

【技术保护点】
1.一种电子设备，包括：处理器，所述处理器被配置成执行如下操作：获取预设测量时间内目标对象的心电信号以及血氧容积波信号；基于获取到的心电信号以及血氧容积波信号，并通过训练后的第一血压计算模型，确定所述目标对象在预设测量时间内逐拍的血压值。

【技术特征摘要】
1.一种电子设备，包括：处理器，所述处理器被配置成执行如下操作：获取预设测量时间内目标对象的心电信号以及血氧容积波信号；基于获取到的心电信号以及血氧容积波信号，并通过训练后的第一血压计算模型，确定所述目标对象在预设测量时间内逐拍的血压值。2.根据权利要求1所述的电子设备，其特征在于，所述血压值包括舒张压和收缩压，所述处理器被配置成在实现确定所述目标对象在预设测量时间内逐拍的血压值之后，还用于实现下述步骤：基于所述获取到的心电信号以及血氧容积波信号，并通过所述训练后的第二血压计算模型，确定所述目标对象在预设测量时间内各拍舒张压对应误差值以及所述目标对象在预设测量时间内各拍收缩压对应的误差值；基于所述目标对象在预设测量时间内各拍舒张压对应误差值，分别对通过训练后第一血压计算模型确定出的对应拍舒张压进行修正，确定所述目标对象在预设测量时间内修正后的逐拍舒张压，以及基于所述目标对象在预设测量时间内各拍收缩压对应误差值，分别对通过训练后的第一血压计算模型确定出的对应拍收缩压进行修正，确定所述目标对象在预设测量时间内修正后的逐拍收缩压。3.根据权利要求2所述的电子设备，其特征在于，所述处理器被配置成在实现基于获取到的心电信号以及血氧容积波信号，并通过训练后的第一血压计算模型，确定所述目标对象在预设测量时间的任一拍的血压值之前，还用于实现下述步骤：对获取到的血氧容积波进行差分处理，得到多个血氧容积波信号的特征值；基于与所述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以及所述心电信号的R点所在时刻值，确定脉搏波的传输时间PTT；将PTT以及多个血氧容积波信号的特征值进行主成分分析处理，提取满足预设条件的主成分因子，得到主成分因子矩阵。4.根据权利要求3所述的电子设备，其特征在于，所述处理器被配置成在实现基于获取到的心电信号以及血氧容积波信号，并通过训练后的第一血压计算模型，确定所述目标对象在预设测量时间内的任一拍的血压值的过程中，具体实现下述步骤：将所述主成分因子矩阵，输入至所述训练后的第一血压计算模型，确定出与所述主成分因子矩阵相应拍的舒张压以及收缩压；其中，所述处理器被配置成在实现基于所述获取到的心电信号以及血氧容积波信号，并通过所述训练后的第二血压计算模型，确定所述目标对象在预设测量时间内任一拍的舒张压对应误差值以及所述目标对象在预设测量时间内任一拍的收缩压对应的误差值的过程中，具体实现下述步骤：将所述主成分因子矩阵，输入至所述训练后的第二血压计算模型，确定出与所述主成分因子矩阵相应拍的舒张压误差值以及收缩压误差。5.根据权利要求1所述的电子设备，其特征在于，所述处理器被配置成在实现基于获取到的心电信号以及血氧容积波信号，并通过训练后的第一血压计算模型，确定所述目标对象在预设测量时间内逐拍的血压值之前，还用于实现下述步骤：通过训练Elman神经网络，得到训练后的第一血压计算模型。6.根据权利要求5所述的电子设备，其特征在于，所述处理器被配置成在实现通过训练Elman神经网络，得到训练后的第一血压计算模型的过程中，具体实现下述步骤：将预设采样时间内获取到的多个主成分因子矩阵，以及与预设时间内各个主成分因子矩阵同拍测量到的舒张压的参照值以及收缩压的参照值作为训练样本，对所述Elman神经网络进行训练，得到训练后所述第一血压计算模型，该主成分因子矩阵是基于心电信号以及血氧容积波信号通过差分处理及主成分分析得到的。7.根据权利要求2所述的电子设备，其特征在于，所述处理器被配置成在实现基于所述获取到的心电信号以及血氧容积波信号，并通过所述训练后的第二血压计算模型，确定所述目标对象在预设测量时间内各拍舒张压对应误差值以及所述目标对象在预设测量时间内各拍收缩压对应的误差值之前，还用于实现下述步骤：通过训练线性神经网络，得到训练后的第二血压计算模型。8.根据权利要求7所述的电子设备，其特征在于，所述处理器被配置成在实现通过训练线性神经网络，得到训练后的第二血压计算模型的过程中，具体实现下述步骤：将所述预设采样时间内获取到的多个主成分因子矩阵以及各个主成分因子矩阵分别对应的血压误差信息作为训练样本，训练所述线性神经网络，得到训练后的第二血压计算模型；所述血压误差信息包括...

【专利技术属性】
技术研发人员：徐志红，
申请(专利权)人：京东方科技集团股份有限公司，
类型：发明
国别省市：北京,11