基于脉搏波的无创连续血压测量装置和方法制造方法及图纸

本发明专利技术提供一种基于脉搏波的无创连续血压测量装置和方法。本发明专利技术所述测量装置由脉搏波传感器、数据采集模块、数据存储模块、数据分析单元和输出显示装置组成。首先将传感器采集的脉搏波信号进行逐拍分割，得到单拍脉搏波；针对每个单拍脉搏波使用非线性函数拟合法得到多维特征向量；最后，通过机器学习算法得到所需的收缩压和舒张压。本发明专利技术对于不同个体以及同一个个体的脉搏波形态的变化，都能准确地分割出单拍脉搏波；同时基于单路脉搏波的测量，有利于使用者的佩戴以及装置的推广。本发明专利技术提出的基于非线性函数拟合的脉搏波成分分析方法不仅可用于脉搏波信号的运动伪影检测，还可以帮助提升血压的测量精度。

Noninvasive continuous blood pressure measurement device and method based on pulse wave

【技术实现步骤摘要】
基于脉搏波的无创连续血压测量装置和方法
本专利技术涉及一种基于脉搏波的无创连续血压测量装置和方法。
技术介绍
高血压是一种心血管疾病，大多数病人并不会意识到血压升高这一现象，因此高血压又被称为‘沉默的杀手’。传统的血压测量方法，如柯氏音法、示波法，无法实现血压的连续测量，对高血压不能很好地监控；而连续的测量方法，如动脉穿刺由于其有创性而无法得到大规模的普及。因此，无创连续的血压测量方法具有重要的临床应用价值。脉搏波是心脏的搏动沿动脉血管和血流向外周传播而形成的，其传播速度除跟每搏心输出量有关外，还取决于传播介质的物理和几何性质：动脉的弹性、管腔的大小、血液的密度和粘性等。因此，脉搏波的波形蕴含丰富的心血管系统信息。由于脉搏波的易获得性，基于脉搏波的无创连续血压测量成为近年来的研究热点。基于脉搏波的逐拍血压测量方法，主要是特征参数法，即从脉搏波中提取特征，然后建立模型进行血压测量。被广泛认可的特征是脉搏波传导时间（PTT）或者脉搏波到达时间（PAT）。但是，这两种参数需额外增加传感器，不利于日常生活中的测量。另外，现有的研究未能深入研究脉搏波形成的机制，如重搏波的出现与消失，这使得当前研究的特征仅考虑到主波峰的特征或者脉搏波整体的特征，而对于重搏波的研究则稍显不足。重搏波是由于心室射出的血液在遇到外周反射回来撞击主动脉瓣形成，重搏波同样也蕴含了丰富的心血管系统信息。因此，准确提取重搏波并寻找相关特征有助于提高血压算法的精度。
技术实现思路
为了克服上述缺陷，同时便于分析脉搏波形态变化的机制，本专利技术提出了一种基于脉搏波的无创连续血压测量装置和方法。本专利技术方法通过平稳小波变换实现脉搏波的逐拍分割，然后针对每个单拍脉搏波使用多个非线性函数来拟合主波峰，重搏波波峰和潮波波峰，非线性函数的参数中则蕴含着这三个波峰丰富的信息，这使得对重搏波的定量分析得以实现，进一步反映了与血压相关的心血管系统信息。本专利技术方法通过对每搏脉搏波提取多维特征，然后根据预先设定的测量模式标识符对特征向量进行相应的操作，使用机器学习算法构建血压测量模型，最后输出受试者的收缩压和舒张压。本专利技术提出了一种基于脉搏波的无创连续血压测量装置，由脉搏波传感器1、数据采集模块2、数据存储模块3、数据分析单元4和输出显示装置10依次连接而成；当启用数据分析单元4时，若数据采集模块2有实时信号输入，则将采集到的数据存储到数据存储模块3，然后进行实时分析；当数据存储模块3中包含该受试者的历史信号时，则可进行基于机器学习算法的回顾性分析，通过自学习提高数据分析单元4的性能；其中：脉搏波传感器1安放在生物体局部皮肤表面；数据采集模块2对来自脉搏波传感器1的微弱的脉搏波信号进行放大，并滤除脉搏波信号中不需要的频率成分，接着对放大滤波后的脉搏波信号进行采样，并将其转化为脉搏波数字信号，存入数据采集模块2的数据缓存区中；数据存储模块3，将数据采集模块2的数据缓存区中的脉搏波数字信号读入内存，并定时地存储为数据文件；数据分析单元4，对来自数据存储模块3中的数据文件进行分析处理；所述数据分析单元4由预处理模块5、信号分割模块6、信号质量评估模块7、特征提取模块8、收缩压和舒张压测量模块9组成，预处理模块5的输入端连接数据存储模块3的输出端，预处理模块5的输出端分为实时信号输出端和历史信号输出端，分别连接信号分割模块6的输入端，两者从信号分割模块6输出后均可连接信号质量评估模块7的输入端，信号质量评估模块7的输出端连接至特征提取模块8的输入端，特征提取模块8的输出端连接至收缩压和舒张压测量模块9的输入端，收缩压和舒张压测量模块的输出端连接至输出显示装置10；预处理模块5用于去除脉搏波数字信号中叠加的外部噪声和干扰；信号分割模块6根据测量模式标识符将脉搏波信号按照心拍或者固定长度分割；信号质量评估模块7用于从脉搏波数字信号中删除质量受损的部分信号片段，得到用于后续分析的有效信号片段；特征提取模块8用于对有效信号片段提取与血压相关的特征；收缩压和舒张压测量模块9利用机器学习算法根据输入的特征来输出受试者当前时刻的收缩压与舒张压；输出显示装置10，用于显示脉搏波信号的波形以及受试者的收缩压与舒张压。当预先设定的测量模式标识符为单拍模式时，输出显示装置10输出并显示每一心拍的收缩压和舒张压；当测量模式标识符为均值模式时，输出并显示固定时间长度内的收缩压和舒张压的均值。本专利技术中，所述脉搏波传感器1为压电式脉搏波传感器或光电式脉搏波传感器。本专利技术中，所述信号分割模块6，对脉搏波信号使用平稳小波变换分解到多尺度上，使用多尺度信息以及波峰增强技术提取脉搏波的特征点。本专利技术中，所述信号质量评估模块7，通过使用一个或多个非线性函数来拟合单拍脉搏波获得若干个参数，并从这些参数中根据生理意义选取参数进行数学运算获得质量指标，然后根据正常生理范围设定阈值筛除质量严重受损的信号片段。本专利技术中，所述特征提取模块8，通过使用多个非线性函数来拟合单拍脉搏波获得若干个参数组合成特征向量。本专利技术中，所述收缩压和舒张压测量模块9，根据测量模式标识符，对所有单拍脉搏波的特征向量组成的特征矩阵直接作为机器学习算法的输入，或将固定时间长度内的特征取平均后作为机器学习算法的输入，便可获得受试者当前的收缩压和舒张压。本专利技术提出的基于脉搏波的无创连续血压测量装置的测量方法，具体步骤包括：(1)利用脉搏波传感器以某一采样频率fs得到脉搏波信号；(2)数据采集模块2对来自传感器1的微弱的脉搏波信号进行放大，并滤除脉搏波信号中不需要的频率成分，接着对放大滤波后的脉搏波信号进行采样，转化为脉搏波数字信号，存入数据采集模块2的数据缓存区中；(3)数据存储模块3，将数据采集模块2的数据缓存区中的脉搏波数字信号读入内存，并定时存储为数据文件；(4)数据预处理模块对步骤(3)得到的数据文件进行处理，去除工频、呼吸或肌电噪声或干扰，将信号幅度进行归一化处理；(5)使用固定长度并且带有半窗长重叠的窗口对脉搏波数字信号进行分割，得到固定长度的信号片段；针对信号片段使用平稳小波变换(SWT)并且选择样条小波进行多层分解；使用波峰增强技术凸显每个尺度上的波峰，结合多尺度上的波峰根据‘小且极值点唯一的’原则定义一个区域，在该区域中搜索极小值点作为的起始点，两个连续的起始点之间的信号段即为单拍脉搏波，然后在单拍脉搏波中搜索极大值，即可得到波峰所在位置；(6)对每个单拍脉搏波，使用一个或多个非线性函数进行拟合，使用非线性最小二乘求解非线性函数的若干参数，从这些参数中根据生理意义选择参数进行数学运算获得质量指标，并通过正常的生理范围设定阈值来筛除信号质量严重受损的信号片段，得到有效的信号片段；公式如下：其中，gk(n)为非线性函数，m为非线性函数个数，n为单拍脉搏波的序号；(7)对每个有效的信号片段，使用非线性最小二乘求解这些函数的若干个参数并组成特征向量，设参数个数为p，则特征向量F可表示如本文档来自技高网...

【技术保护点】
1.一种基于脉搏波的无创连续血压测量装置，由脉搏波传感器(1)、数据采集模块(2)、数据存储模块(3)、数据分析单元(4)和输出显示装置(10)依次连接而成；/n当启用数据分析单元(4)时，若数据采集模块(2)有实时信号输入，则将采集到的数据存储到数据存储模块(3)，然后进行实时分析；当数据存储模块(3)中包含该受试者的历史信号时，则可进行基于机器学习算法的回顾性分析，通过自学习提高数据分析单元(4)的性能；/n其中：/n脉搏波传感器(1)安放于生物体局部皮肤表面；/n数据采集模块(2)对来自脉搏波传感器(1)的微弱的脉搏波信号进行放大，并滤除脉搏波信号中不需要的频率成分，接着对放大滤波后的脉搏波信号进行采样，转化为脉搏波数字信号，存入数据采集模块(2)的数据缓存区中；/n数据存储模块(3)，将数据采集模块(2)的数据缓存区中的脉搏波数字信号读入内存，并定时存储为数据文件；/n数据分析单元(4)，对来自数据存储模块(3)中的数据文件进行分析处理；所述数据分析单元(4)由预处理模块(5)、信号分割模块(6)、信号质量评估模块(7)、特征提取模块(8)、收缩压和舒张压测量模块(9)组成，预处理模块(5)的输入端连接数据存储模块(3)的输出端，预处理模块(5)的输出端分为实时信号输出端和历史信号输出端，分别连接信号分割模块(6)的输入端，两者从信号分割模块(6)输出后均可连接信号质量评估模块(7)的输入端，信号质量评估模块(7)的输出端连接至特征提取模块(8)的输入端，特征提取模块(8)的输出端连接至收缩压和舒张压测量模块(9)的输入端，收缩压和舒张压测量模块(9)的输出端连接至输出显示装置(10)；预处理模块(5)用于去除脉搏波数字信号中叠加的外部噪声和干扰；信号分割模块(6)根据测量模式标识符将脉搏波数字信号按照心拍或者固定长度分割；信号质量评估模块(7)从脉搏波数字信号中删除质量受损的部分信号片段，得到用于后续分析的有效信号片段；特征提取模块(8)用于对有效信号片段提取与血压相关的特征；收缩压和舒张压测量模块(9)利用机器学习算法根据输入的特征来输出受试者当前时刻的收缩压与舒张压；/n输出显示装置(10)，用于显示脉搏波信号的波形以及受试者的收缩压与舒张压，当预先设定的测量模式标识符为单拍模式时，输出显示装置(10)输出并显示每一心拍的收缩压和舒张压；当测量模式标识符为均值模式时，输出并显示固定时间长度内的收缩压和舒张压的均值。/n...

【技术特征摘要】
1.一种基于脉搏波的无创连续血压测量装置，由脉搏波传感器(1)、数据采集模块(2)、数据存储模块(3)、数据分析单元(4)和输出显示装置(10)依次连接而成；
当启用数据分析单元(4)时，若数据采集模块(2)有实时信号输入，则将采集到的数据存储到数据存储模块(3)，然后进行实时分析；当数据存储模块(3)中包含该受试者的历史信号时，则可进行基于机器学习算法的回顾性分析，通过自学习提高数据分析单元(4)的性能；
其中：
脉搏波传感器(1)安放于生物体局部皮肤表面；
数据采集模块(2)对来自脉搏波传感器(1)的微弱的脉搏波信号进行放大，并滤除脉搏波信号中不需要的频率成分，接着对放大滤波后的脉搏波信号进行采样，转化为脉搏波数字信号，存入数据采集模块(2)的数据缓存区中；
数据存储模块(3)，将数据采集模块(2)的数据缓存区中的脉搏波数字信号读入内存，并定时存储为数据文件；
数据分析单元(4)，对来自数据存储模块(3)中的数据文件进行分析处理；所述数据分析单元(4)由预处理模块(5)、信号分割模块(6)、信号质量评估模块(7)、特征提取模块(8)、收缩压和舒张压测量模块(9)组成，预处理模块(5)的输入端连接数据存储模块(3)的输出端，预处理模块(5)的输出端分为实时信号输出端和历史信号输出端，分别连接信号分割模块(6)的输入端，两者从信号分割模块(6)输出后均可连接信号质量评估模块(7)的输入端，信号质量评估模块(7)的输出端连接至特征提取模块(8)的输入端，特征提取模块(8)的输出端连接至收缩压和舒张压测量模块(9)的输入端，收缩压和舒张压测量模块(9)的输出端连接至输出显示装置(10)；预处理模块(5)用于去除脉搏波数字信号中叠加的外部噪声和干扰；信号分割模块(6)根据测量模式标识符将脉搏波数字信号按照心拍或者固定长度分割；信号质量评估模块(7)从脉搏波数字信号中删除质量受损的部分信号片段，得到用于后续分析的有效信号片段；特征提取模块(8)用于对有效信号片段提取与血压相关的特征；收缩压和舒张压测量模块(9)利用机器学习算法根据输入的特征来输出受试者当前时刻的收缩压与舒张压；
输出显示装置(10)，用于显示脉搏波信号的波形以及受试者的收缩压与舒张压，当预先设定的测量模式标识符为单拍模式时，输出显示装置(10)输出并显示每一心拍的收缩压和舒张压；当测量模式标识符为均值模式时，输出并显示固定时间长度内的收缩压和舒张压的均值。


2.根据权利要求1所述的测量装置，其特征在于所述脉搏波传感器(1)为压电式脉搏波传感器或光电式脉搏波传感器。


3.根据权利要求1所述的测量装置，其特征在于所述信号分割模块(6)对脉搏波数字信号使用平稳小波变换分解到多尺度上，使用多尺度信息以及波峰增强技术提取脉搏波的特征点。


4.根据权利要求1所述的测量装置，其特征在于所述信号质量评估模块(7)通过使用一个或多个非线性函数来拟合单拍脉搏波获得若干个参数，并从这些参数中根据生理意义选取参数进行数学运算获得质量指标，然后根据正常生理范围设定阈值筛除质量严重受损的信号片段。...

【专利技术属性】
技术研发人员：杨翠微，胡启晗，刘鑫，
申请(专利权)人：复旦大学，
类型：发明
国别省市：上海;31