基于ECG和PPG多生理特征参数动态监测血压的方法技术

本发明专利技术公开了基于ECG和PPG多生理特征参数动态监测血压的方法，包括：接收同步采集的心电ECG信号和脉搏波PPG信号并分别进行降噪处理；将预处理后的心电ECG信号和脉搏波PPG信号进行融合，并采用窗口移动方式提取融合信号的多个生理特征参数；将多组多个生理特征参数输入到血压估算神经网络分析模型中进行分析，根据血压数据模型规则对神经网络元的仲裁权值和血压估算模型系数进行调整和修正获得公共血压数据测量模型，并输入个体确定血压数值对公共模型血压数据关系校正和补偿，获得独立个体精准血压数据测量模型。本发明专利技术通过多种生理信号特征参数的血压数据测量模型和个体因素校正和补偿算法和方法，有效提高了血压测量的精度。的精度。的精度。

【技术实现步骤摘要】
基于ECG和PPG多生理特征参数动态监测血压的方法


[0001]本专利技术涉及医学检测
，尤其涉及一种基于ECG和PPG多生理特征参数的血压动态监测方法和算法。

技术介绍

[0002]血压是心血管疾病诊断的重要生理参数，时刻了解血压状况对心血管病患者具有重要意义，血压的连续动态监测是预防、诊断、治疗和控制高血压最有效手段，高血压病是心血管疾病的重要的危险因素。
[0003]目前市场上有两大类无创血压测量方法，一类是以听诊法、示波法、动脉张力法等为主导的传统测量方法，这类传统测量方法都有不利于实际使用的各种缺陷，如听诊法的水银血压计需经过专业训练的医生或护士操作；示波法的电子血压计为间接测量血压，两种方法均需要使用袖带加压给测试者带来很大不适感，且只能间接性检测血压；动脉张力法对测量装备以及测量位置都很苛刻；故上述传统血压测量方法都不容易实现连续、舒适的24小时血压动态变化的监测。另一类是无袖带脉搏波连续血压估计方法，这类方法大多数简单的采用PPG或和ECG信号某单一生理特征参数血压模型方式进行血压估计，不对个体影响血压因素做校正和补偿，因此测量不够准确和科学。原因是引入血压相关的生理性特征参数不够，因为不同的人或同一人不同的时间段，其主动脉血管阻力、血管壁弹性和血液粘性等情况都不一样，其心肌收缩力和外周阻力也不一样。
[0004]如申请号为CN201610040135.X的专利申请公开了一种基于脉搏波传播时间的无创连续血压监测方法及装置，在被测试者的仰卧、站立手臂竖直举起、弯腰三种体位下，利用心电信号检测单元检测被测试者标准Ⅱ导联的ECG信号的同时，利用容积脉搏波信号检测单元检测食指指端的PPG信号，并通过上位机信号处理单元测量ECG信号的R波峰值点与PPG信号的特征点之间的时间差作为脉搏波的传播时间PTT，通过对得到的PTT数据和由电子血压计记录的血压数据进行相关性分析及线性回归分析，建立PTT对血压的回归方程，通过测量PTT，间接得到血压值。该方案虽然能有效地提高连续血压检测的准确度和实现长时间无创连续的血压测量，但是没有考虑因个体心脏、血管、血液等因素差异，因此导致血压的测量精度的不够准确。

技术实现思路

[0005]本专利技术的目的在于克服现有技术的不足，提供一种基于ECG和PPG多生理特征参数动态监测血压的方法，通过提出多种生理信号特征参数和个体因素校正和补偿算法和方法，其有效的提高了测量的精度，解决了目前无创血压测量方面精度不高的缺陷问题，同时也解决了长期测量血压过程中连续动态的有效性和舒适性，也解决了长期个体生理变化引起血压变化而进行的不定期的校准与补偿，使得测量更加适合身体变化而引起的血压变化带来的准确性。
[0006]本专利技术的目的是通过以下技术方案来实现的：
基于ECG和PPG多生理特征参数动态监测血压的方法，包括：步骤一：信号预处理，接收同步采集的心电ECG信号和脉搏波PPG信号并分别进行降噪处理；步骤二：融合信号特征提取，将预处理后的心电ECG信号和脉搏波PPG信号进行融合，并采用窗口移动方式提取融合信号的多个生理特征参数；步骤四：血压精确测量，将多组多个生理特征参数输入到血压估算神经网络分析模型中进行分析，获得公共血压数据测量模型，并输入个体确定血压数值对公共模型血压数据关系校正和补偿，获得独立个体精准血压数据测量模型。
[0007]具体的，所述步骤一具体包括：首先接收按照预设频率同步采集的心电ECG和脉搏波PPG原始信号，然后采用陷波滤波器、低通滤波器、高通滤波器、带通滤波器和LMS自适应滤波器对心电ECG和脉搏波PPG原始信号中的基线漂移、肌电干扰、工频干扰和运动伪迹干扰噪声进行滤波处理，获得预处理后的心电ECG信号和脉搏波PPG信号。
[0008]具体的，所述多个生理特征参数包括：脉搏波传导时间PTT、脉搏波PPG脉率值PR、脉搏波PPG升支斜率K、脉搏波PPG每搏心输出量Z、脉搏波主波幅度h、脉搏波PPG心动压缩期t1和脉搏周期T。
[0009]具体的，方法还包括血压估算神经网络分析模型的构建步骤：首先选择特定数据作为自动学习数据组库，结合数据库中提取的生理特征参数和对应已知血压数据结果不断的进行深度自动学习、训练，获取初始仲裁权值；再结合实际测量数据和窗口移动提取的生理特征参数，根据血压数据模型规则，不断的对各个神经网络元的仲裁权值和血压估算模型系数进行调整和修正，直到血压估算神经网络分析模型输出期望与已知血压结果一致，输出初始神经网络元仲裁权值和神经网络分析结果，根据初始神经网络元仲裁权值和神经网络分析结果建立实时自动估算血压的血压估算神经网络分析模型。
[0010]具体的，所述步骤三具体包括：将提取的多个生理特征参数输入到血压估算神经网络分析模型中进行血压估算分析、训练、权值仲裁修正和神经网络分析结果修正，最终获得血压估算神经网络分析模型的分析结果；根据血压估算神经网络分析模型的分析结果和多个生理特征参数构建共性多元线性回归血压数学模型，并确定公共模型血压数据待定系数；将个体确定血压数值输入到共性多元线性回归血压数学模型中，对公共模型血压数据待定系数进行个体独立血压因素校正和补偿，将公共模型血压数据待定系数修正为个体模型系数，获得个体精确血压数据模型，根据个体精确血压数据模型测量出个体收缩压和舒张压的血压数据。
[0011]具体的，所述共性多元线性回归血压数学模型为：SBP0=a1+b1*PTT+c1*Z+d1*KDBP0= a2+b2*PTT+c2*Z+d2*K+e2*PR其中，SBP0为收缩压；DBP0为舒张压；PPT为脉搏波传导时间；a1，b1，c1，d1，a2，b2，c2，d2，e2为待定系数；Z为脉搏波PPG每搏心输出量，每搏心输出量Z=h*[t1/（T
‑
t1）+1]，h为脉搏波主波幅度，t1为上升支时间，表示心动压缩期，T为脉搏周期；K为脉搏波PPG升支平均斜率，升支平均斜率K=h/t1；PR为脉率值，脉率PR=60/T。
[0012]具体的，所述个体精确血压数据模型为：SBP=a1‘
+b1‘
*PTT+c1*Z+d1*K
DBP= a2‘
+b2‘
*PTT+c2*Z+d2*K+e2*PR其中，a1‘
，b1‘
、a2‘
、b2‘
为个体待定系数；SBP为个体收缩压；DBP为个体舒张压。
[0013]本专利技术的有益效果：1.本专利技术首先选择特定数据作为自动学习数据组库，结合数据库中生理特征参数和对应血压数据结果不断的进行深度自动学习、训练，获取初始仲裁权值；再结合实际测量数据和窗口移动提取的生理特征参数，根据血压数据模型规则，不断的对各个神经网络元的仲裁权值和血压估算模型系数进行调整和修正，直到血压估算神经网络分析模型输出期望与已知血压结果一致，可以实现更准确，高效的进行血压估算。
[0014]2.本专利技术采取一种基于以心电ECG信号为参照基础，并融合脉搏波PPG信号多种生理特征参数进行血压估算神经网络本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于ECG和PPG多生理特征参数动态监测血压的方法，其特征在于，包括：步骤一：信号预处理，接收同步采集的心电ECG信号和脉搏波PPG信号并分别进行降噪处理；步骤二：融合信号特征提取，将预处理后的心电ECG信号和脉搏波PPG信号进行融合，并采用窗口移动方式提取融合信号的多个生理特征参数；步骤三：血压精确测量，将多组多个生理特征参数输入到血压估算神经网络分析模型中进行分析，获得公共血压数据测量模型，并输入个体确定血压数值对公共模型血压数据关系校正和补偿，获得独立个体精准血压数据测量模型。2.根据权利要求1所述的基于ECG和PPG多生理特征参数动态监测血压的方法，其特征在于，所述步骤一具体包括：首先接收按照预设频率同步采集的心电ECG和脉搏波PPG原始信号，然后采用陷波滤波器、低通滤波器、高通滤波器、带通滤波器和LMS自适应滤波器对心电ECG和脉搏波PPG原始信号中的基线漂移、肌电干扰、工频干扰和运动伪迹干扰噪声进行滤波处理，获得预处理后的心电ECG信号和脉搏波PPG信号。3.根据权利要求1所述的基于ECG和PPG多生理特征参数动态监测血压的方法，其特征在于，所述多个生理特征参数包括：脉搏波传导时间PTT、脉搏波PPG脉率值PR、脉搏波PPG升支斜率K、脉搏波PPG每搏心输出量Z、脉搏波主波幅度h、脉搏波PPG心动压缩期t1和脉搏周期T，这些特征参数表现为血压与血液流速、心脏输出血液流量、血管外周阻力有关，即血压与脉搏波PPG升支斜率K、主波幅度h，心动压缩期t1有相关性。4.根据权利要求1所述的基于ECG和PPG多生理特征参数动态监测血压的方法，其特征在于，还包括血压估算神经网络分析模型的构建步骤：首先选择特定数据作为自动学习数据组库，结合数据库中提取的生理特征参数和对应已知血压数据结果不断的进行深度自动学习、训练，获取初始仲裁权值；再结合实际测量数据和窗口移动提取的生理特征参数，根据血压数据模型规则，不断的对各个神经网络元的仲裁权值和血压估算模型系数进行调整和修正，直到血压估算神经网络分析模型输出期望与已知血压结果一致；输出初始神经网络元仲裁权值和神经网络分析结果，根据初始神...

【专利技术属性】
技术研发人员：李志，
申请(专利权)人：四川北易信息技术有限公司，
类型：发明
国别省市：