基于指尖光电容积描记的血压测量方法与系统技术方案

本发明专利技术提出一种基于指尖光电容积描记信号来预测受试者动脉血压曲线的血压测量方法与系统。该系统使用级联UNet深度学习模型，预测动脉血压曲线，并从曲线中获得收缩压、舒张压、平均压3项血压生理指标。该方法在血压测量精度上达到了英国高血压协会A级和美国医疗仪器促进协会标准，可实现无创伤连续性的血压测量、便利于可穿戴式产品设计。便利于可穿戴式产品设计。便利于可穿戴式产品设计。

【技术实现步骤摘要】
基于指尖光电容积描记的血压测量方法与系统


[0001]本专利技术涉及血压测量
，并特别涉及一种基于指尖光电容积描记的血压测量方法与系统。

技术介绍

[0002]目前市面上常见的血压测量仪器为水银柱式血压测量仪、电子气泵血压测量仪以及带血压检测功能的手环三种。
[0003]前两者的原理都是使用柯氏音血压测量法，这是一种无创的间接测量血压方法。大致工作流程是通过给袖带充气，当袖带内压力超过动脉收缩压时，动脉血管封闭，血流不通。然后以2～3mmHg/s的速度缓慢放气，当收缩压高于袖带内压力时，部分动脉打开，血液喷射形成涡流或湍流，它使血管振动并传到体表即为柯氏音。根据不同相的柯氏音发声时袖带内剩余气体的压力大小，作为血压的测量值。
[0004]传统的水银柱式血压测量仪在运用柯氏音血压测量法时，通过医护人员塞入袖带的听诊器，人为判断柯氏音不同的相，并在柯氏音发声时记录下测量仪中水银柱的示数，作为人体血压的测量值。
[0005]电子气泵血压测量仪则是水银柱测量仪的改进。柯氏音作为一种声音，在血管中发声时，声波会以振动的形式传递到体表和袖带中。电子气泵血压测量仪通过检测柯氏音传播时的声波，运用示波法通过建立收缩压、舒张压、平均压与袖套压力震荡波的关系来判别血压。相较于传统的水银柱式血压测量仪，电子气泵血压测量仪不再需要水银指示出袖带中气压大小，转而使用气压传感器测量袖带中的气压；手动充气的气囊装置则由电子气泵代替。在不需要医护人员协助的情况下就能自己测量血压。
[0006]近些年还有一类血压检测电子设备是基于手腕光电容积描记信号预测血压的手环设备。这些设备同样使用小巧的光电容积传感器采集手腕处光电容积描记信号，从该信号中提取可能与使用者血压相关的特征点，通过这些特征预测使用者的血压。
[0007]利用深度学习方法从光电容积描记信号进行血压预测方法上来说，目前有以下4种方法。
[0008]1、首先是基于ECG信号(心电图信号)与PPG信号(电容积描记信号)预测血压的方法。基于PPG和ECG信息的连续无创血压检测技术拥有自身巨大的优点,因此对于非侵入式血压检测研究中有着非常关键的意义。2015年，Kachuee等在实验中使用了ECG和PPG信号，同时从中抽取相关的信号特征，并通过机器学习建立了血压的估测模型,所获得的结论总体上不错,不过该模型在估计准确度上SBP(收缩压)低于DBP(舒张压)很多，没有完全达到认证标准。近年来使用多周期的ECG和PPG信号，进行细节特征提取，特征方程不进行人工查找建立，而是选择使用通道注意力机制自适应分配方法，模型的预测精度得到了进一步的提升，SBP和DBP的预测准确度分别为4.70
±
3.45mmHg和2.40
±
2.99mmHg。
[0009]2、其次是基于脉搏波特征法预测血压的方法。不少研究人员在研究分析PPG信号与血压的关系时，会研究并建立脉搏波特征值集合作为辅助。提取脉搏波中与血压有关系
的特征点，根据测量原理和血压的相关理论，建立特征方程来估算血压值，实现无创连续的血压监测。
[0010]结合原始的PPG信号以及其一阶导和二阶导，提取所包含的血压相关特征值，构建血压的预测模型，实验结果的准确度还不错。在实验中选取时间参数、幅度参数、面积参数以及人体心率这几个特征参数进行回归分析，分别对高压、低压建立各自的特征值关系表达式，很好的达到了实验目的并且最后结果符合AAMI标准。
[0011]在表达复杂的非线性关系上，一般情况下神经网络的性能比传统回归模型更好。血压和PPG信号之间不仅仅是简单的线性关系，还夹杂了其他多种因素，因此在近年来利用神经网络实现同步血压预测的模型开始发展起来。例如通过深度神经网络建立了一种连续血压估测方式方法，将PTT和测量人的年龄、性别等人体特征并结合ECG信号特征作为模型的训练数据，将前馈神经网络和深度神经网络相结合作为实验模型，通过实验的结果，可以看出该模型具有比较好的预测准确度。或者对PPG信号的特征提取，共选出6个DBP特征参数和8个SBP特征参数，分别建立DBP和SBP的神经网络模型，实现了基于脉搏波特征参数的无创连续血压测量，但结果精度未能完全满足AAMI国际标准，还需要进一步的优化模型。
[0012]3、而后是基于脉搏波传导时间和脉搏波传导速度预测血压的方法。利用加速脉搏波时域特征、脉搏波传导时间(Pulse Transit Time，PTT)以及身高参数等联合建立多元线性模型，实验结果上DBP测量要比SBP的预测结果好很多。以及在传统的脉搏波传导时间PTT算法的基础上，结合了软阈值和硬阈值的优点，改进了的噪声预处理方法，精细化预处理步骤，最后的测量结果较精确，但是由于该模型适用范围不够全面，对于高血压患者不太适用。FENG等改变单一使用脉搏传导时间估算血压的模式，将脉搏传导时间和ECG信号等变量相结合来建立模型，很大的提高了准确度。
[0013]4、最后是基于PPG信号预测血压的方法。例如PPG2ABP算法，实验中仅使用PPG信号通过深度学习自适应地计算高级抽象特征，建立血压预测模型，实验结果精确度很高，只是在整体上来看SBP预测的精确度低一些，还需要进一步研究来提高SBP的精确度。
[0014]上述不论是水银柱式血压测量仪还是电子气泵血压测量仪，两者都需要袖带加压辅助测量，要求袖带必须能对整个宽度产生平稳的压力，即在袖带充气时必须不膨胀或产生位移，袖带的体积很难缩小。其次，不论是手动充气还是使用电子气泵充气，充气装置的体积都相对较大。综上两点，运用柯氏音血压测量法的测量仪难以做到更好的便携性。
[0015]而整合入手环的基于光电容积描记信号的血压监测仪器，会被佩戴在使用者的手腕背部。由于手腕部位的肌肉比较发达，且手腕背部有许多体表毛发，所采集的光电容积描记信号会受到手腕部肌肉收缩程度和体表毛发稀疏程度的影响。此外，在手腕背部采集的光电容积描记信号强度还会受到不同使用者手腕的肤色影响。由于上述原因，在手腕处采集光电容积描记信号测量血压时误差较高，且多次测量的数据稳定性差。
[0016]而目前现有的基于深度学习预测血压的4种方法中，均存在不同程度的缺点。使用ECG和PPG信号来预测血压的实验结果精度较高，但是这样还需额外的设备去测量ECG信号，使得测量变得不便。实验表明通过脉搏波特征法预测血压是可行的，但是人工寻找、提取和建立波形的特征集合，有着一定的难度，对数据规范的要求很高，可能会对实验结果的精确度有影响。通过已有的实验结论来看，仅使用脉搏波时间或脉搏波波速来建立血压测量模型是可行的，但是由于不同人群之间存在很大的个体差异，同一方法测量不同人群会出现
偏差，所以还需加入个体特征来建立更高普适性的血压测量模型，使准确度达到更高标准的。而目前已有的基于PPG信号预测血压的方法深度学习模型仍然有待完善，精度仍然有待提高。

技术实现思路

[0017]本专利技术的目的是针对基于柯氏音血压测量法的测量仪难以做到更好的便携本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于指尖光电容积描记的血压测量方法，其特征在于，包括：步骤1、通过光电传感器采集指腹位置的光电容积描记信号作为原始信号，对该原始信号进行均值趋势线矫正处理，得到稳定信号；步骤2、该稳定信号经过映射处理和样条插值采样后，被映射为与深度学习模型训练数据相同采样阈值和采样频率的合规信号，该合规信号输入至该深度学习模型，生成该原始信号对应的动脉血压曲线；步骤3、从该动脉血压曲线中分别取血压极大值和极小值作为使用者收缩压和舒张压的测量值，并取整条血压曲线的均值作为使用者平均血压的测量值。2.如权利要求1所述的基于指尖光电容积描记的血压测量方法，其特征在于，该深度学习模型为级联UNet深度学习模型，使用U
‑
Net和MultiResUNet深度神经网络进行级联拼接，两者分别以平均绝对误差和平均平方误差作为损失函数，以医疗数据集作为训练数据，使用Adam优化器训练两个神经网络，将模型参数训练至收敛。3.如权利要求1所述的基于指尖光电容积描记的血压测量方法，其特征在于，该步骤1中均值趋势线矫正处理包括：均值平滑时设定的窗口长度为w，通过下式进行均值趋势线矫正：式中x'
i
为原始信号经过平滑处理后的数组下标为i的数据，求和符号右边的x
i+j
是原始信号，其下标i+j是数组的原始信号的数组下标；并通过下述公式，得到稳定信号y
i
：y
i
＝x'
i
‑
bi。4.如权利要求1所述的基于指尖光电容积描记的血压测量方法，其特征在于，该步骤3包括：该动脉血压曲线中取每一周期内最大上升斜率点右侧的第一个极大值作为收缩压测量值，在相邻的收缩压的测量值之间的图线中取最小值作为该舒张压测量值。5.一种基于指尖光电容积描记的血压测量系统，其特征在于，包括：初始模块，用于通过光电传感器采集指腹位置的光电容积描记信...

【专利技术属性】
技术研发人员：朱珍民，华玉霖，朱艺璇，孙厚权，
申请(专利权)人：中国科学院计算技术研究所，
类型：发明
国别省市：