一种建模个体脉搏波特征的血压测量系统技术方案

本发明专利技术公开了一种建模个体脉搏波特征的血压测量系统，包括处理器及可读存储介质，可读存储介质中存储的程序指令包括血压模型构建模块、校准样本存储模块、血压模型更新模块，其中血压模型构建模块基于用户脉搏信号创建初始血压模型，并获取用户的血压校准样本后保存至校准样本存储模块；血压模型更新模块读根据校准样本数量与设定的阈值的比较结果，在必要时调用血压模型构建模块，由血压模型构建模块训练更新初始血压模型得到新的血压模型。本发明专利技术解决了个体间生理差异以及个体生理状态变化等对血压测量的不利影响，血压测量精度高，具有很好的应用价值和市场价值。具有很好的应用价值和市场价值。具有很好的应用价值和市场价值。

【技术实现步骤摘要】
一种建模个体脉搏波特征的血压测量系统


[0001]本专利技术涉及生物信号建模检测方法领域，具体是一种建模个体脉搏波特征的血压测量系统。

技术介绍

[0002]血压是判断心血管健康状态的重要生理参数，我国有近3亿高血压人群，而异常血压（如高血压）容易诱发脑梗塞、动脉硬化等心脑血管疾病。传统的血压检测方法依赖充放气袖带，如腕式和上臂式电子血压计，一是比较耗时，二是检测过程可能给用户带来不适，且不方便携带。
[0003]基于脉搏波的血压检测可以摆脱袖带束缚，能够让血压测量变得更加舒适、便捷，成为国内外研究的热点。但是脉搏波形态与个体的生理和病理状态紧密相关，且随着时间的推移，个体生理状态会发生变化，导致基于脉搏波的血压测量准确度不高，限制了其走向实用化。

技术实现思路

[0004]本专利技术的目的在于提供一种建模个体脉搏波特征的不依赖充放气袖带的血压测量系统，以解决现有技术中未考虑个体间生理差异和个体生理状态变化对脉搏波及血压测量的影响以及血压测量精度不高的问题。
[0005]为了达到上述目的，本专利技术所采用的技术方案为：一种建模个体脉搏波特征的血压测量系统，包括处理器及可读存储介质，所述可读存储介质中存储有处理器运行的程序指令，程序指令包括血压模型构建模块、校准样本存储模块、血压模型更新模块，其中：所述血压模型构建模块获取用户脉搏信号，并基于用户脉搏信号创建初始血压模型；并且所述血压模块构建模块获取用户的血压校准样本，并将校准样本保存至所述校准样本存储模块；所述血压模型更新模块读取所述校准样本存储模块中存储的校准样本，由血压模型更新模块将校准样本存储模块中存储的校准样本数量，与设定的阈值进行比较，若校准样本数量达到设定的阈值，则由所述血压模型更新模块调用所述血压模型构建模块，并由所述血压模型构建模块基于血压校准样本对所述初始血压模型进行训练后，更新创建新的血压模型。
[0006]进一步的，所述血压模型构建模块包含脉搏波信号处理模块、血压特征提取模块、模型训练与测试模块，其中：所述脉搏波信号处理模块接收所述脉搏信号后去除脉搏信号的基线漂移和高频噪声，向血压特征提取模块输出干净的脉搏波信号；所述血压特征提取模块从脉搏波信号中提取与血压有关的特征值，得到血压特征向量并送入模型训练与测试模块；
所述模型训练与测试模块以提取的血压特征向量为模型输入，以真实血压值为标签，构建测量SBP和DBP值的血压模型。
[0007]进一步的，所述血压模型构建模块中的脉搏波信号处理模块，将原始脉搏波信号P(t)依次经过去基线处理和平滑滤波处理后获得干净的脉搏波信号Pulse(t)，去基线处理和平滑滤波处理的过程如下：（1）设原始脉搏波信号P(t)的长度为N，采样率为fs，将P(t)转换成列向量形式；（2）构造N*N的单位矩阵I，即N行N列、主对角线上元素为1、其余元素为0的矩阵；（3）构造(N
‑
2)*N的二阶差分算子D2= spdiags(ones(N
‑
2,1)*[1
ꢀ‑
2 1], [0 1 2], N
‑
2, N)，其中spdiags为创建稀疏对角矩阵的函数，ones(N
‑
2,1)是生成长度为N
‑
2的列向量，向量元素全部为1；最终构造出来的二阶差分算子D2的主对角线元素为
‑
2，主对角线上下紧邻的两条对角线元素为1，其余元素为0；（4）利用正则最小二乘原理求解P(t)的基线漂移trend = inv(I+(lambda^2)*(D2'*D2))*P(t)，其中inv为矩阵求逆函数，lambda为正则化参数，lambda=2*fs，D2'为二阶差分算子D2的转置；（5）得到去基线处理后的脉搏波信号P1(t)= P(t)
‑
trend；（6）利用M点滑动平均滤波器对P1(t)进行平滑滤波处理，去除信号中的高频噪声，得到干净的脉搏波信号Pulse(t)，其中M=ceiling(fs/6)，ceiling为向上取整函数。
[0008]进一步的，所述血压模型构建模块中的血压特征提取模块，从干净的脉搏波信号Pulse(t)中提取与血压有关的特征值，构成血压特征向量，提取的血压特征向量包括形态学特征、时域特征、血液动力学特征、心率变异性特征。
[0009]进一步的，所述模型训练与测试模块以提取的血压特征向量为输入，以真实血压值为标签，对机器学习模型进行训练和测试，基于机器学习模型创建血压模型，实现对SBP和DBP的测量。
[0010]进一步的，所述机器学习模型为AdaBoost模型，或者是线性回归模型，或者是KNN模型，或者是决策树模型，或者是SVM模型。
[0011]进一步的，所述校准样本存储模块对校准样本进行存储，所述校准样本由用户ID、脉搏波信号和血压校准值组成，血压校准值包含SBP和DBP，校准样本存储模块根据用户ID查询对应用户的全部校准样本。
[0012]进一步的，所述血压模型更新模块中，当判断用户校准样本数超过设定的阈值时触发血压模型构建任务，将校准样本存储模块中的校准样本和原数据集dataset_old合并在一起构成新的数据集dataset_new，然后以dataset_new为输入，调用血压模型构建模块对初始血压模型model_old进行微调训练，创建新的血压模型model_new。
[0013]进一步的，所述血压模型更新模块按照设定的模型更新策略对血压模型进行更新。所述模型更新策略为：（1）记录用户i的初始血压模型为model_old_i，模型预测血压的平均误差为error_old_i；创建的新血压模型为model_new_i，模型预测血压的平均误差为error_new_i；设定血压模型可接受的最大平均误差为max_error；（2）如果error_new_i<=error_old_i 或者error_new_i<=max_error，直接进行模型更新，model_old_i = model_new_i，error_old_i = error_new_i，更新后的模型直接作
为用户i的新的初始血压模型并部署，并从校准样本存储模块中清空用户i的校准样本；（3）如果error_new_i>error_old_i且error_new_i<= max_error，以bagging方法将model_old_i和model_new_i组合起来形成新的集成模型model_bagging_i，组合规则为平均值，得到model_old_i = model_bagging_i，error_old_i =（error_old_i +error_new_i）/2，更新后的模型直接作为用户i的新的初始血压模型并部署，并从校准样本存储模块中清空用户i的校准样本；（4）如果error_new_i>error_old_i且error_new_i> max_error，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种建模个体脉搏波特征的血压测量系统，包括处理器及可读存储介质，所述可读存储介质中存储有处理器运行的程序指令，其特征在于，所述程序指令包括血压模型构建模块、校准样本存储模块、血压模型更新模块，其中：所述血压模型构建模块获取用户脉搏信号，并基于用户脉搏信号创建初始血压模型；并且所述血压模块构建模块获取用户的血压校准样本，并将校准样本保存至所述校准样本存储模块；所述血压模型更新模块读取所述校准样本存储模块中存储的校准样本，由血压模型更新模块将校准样本存储模块中存储的校准样本数量，与设定的阈值进行比较，若校准样本数量达到设定的阈值，则由所述血压模型更新模块调用所述血压模型构建模块，并由所述血压模型构建模块基于血压校准样本对所述初始血压模型进行训练后，更新创建新的血压模型。2.根据权利要求1所述的一种建模个体脉搏波特征的血压测量系统，其特征在于：所述血压模型构建模块包含脉搏波信号处理模块、血压特征提取模块、模型训练与测试模块，其中：所述脉搏波信号处理模块接收所述脉搏信号后去除脉搏信号的基线漂移和高频噪声，向血压特征提取模块输出干净的脉搏波信号；所述血压特征提取模块从脉搏波信号中提取与血压有关的特征值，得到血压特征向量并送入模型训练与测试模块；所述模型训练与测试模块以提取的血压特征向量为模型输入，以真实血压值为标签，构建测量SBP和DBP值的血压模型。3.根据权利要求2所述的一种建模个体脉搏波特征的血压测量系统，其特征在于：所述血压模型构建模块中的脉搏波信号处理模块，将原始脉搏波信号P(t)依次经过去基线处理和平滑滤波处理后获得干净的脉搏波信号Pulse(t)，去基线处理和平滑滤波处理的过程如下：（1）设原始脉搏波信号P(t)的长度为N，采样率为fs，将P(t)转换成列向量形式；（2）构造N*N的单位矩阵I，即N行N列、主对角线上元素为1、其余元素为0的矩阵；（3）构造(N
‑
2)*N的二阶差分算子D2= spdiags(ones(N
‑
2,1)*[1
ꢀ‑
2 1], [0 1 2], N
‑
2, N)，其中spdiags为创建稀疏对角矩阵的函数，ones(N
‑
2,1)是生成长度为N
‑
2的列向量，向量元素全部为1；最终构造出来的二阶差分算子D2的主对角线元素为
‑
2，主对角线上下紧邻的两条对角线元素为1，其余元素为0；（4）利用正则最小二乘原理求解P(t)的基线漂移trend = inv(I+(lambda^2)*(D2'*D2))*P(t)，其中inv为矩阵求逆函数，lambda为正则化参数，lambda=2*fs，D2'为二阶差分算子D2的转置；（5）得到去基线处理后的脉搏波信号P1(t)= P(t)
‑
trend；（6）利用M点滑动平均滤波器对P1(t)进行平滑滤波处理，去除信号中的高频噪声，得到干净的脉搏波信号Pulse(t)，其中M=ceiling(fs/6)，ceiling为向上取整函数。4.根据权利要求2所述的一种建模个体脉搏波特征的血压测量系统，其特征在于：所述血压模型构建模块中的血压特征提取模...

【专利技术属性】
技术研发人员：杨学志，王定良，韩雪松，黎文翔，王贺群，刘雪南，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：