本申请涉及一种血压检测方法、系统、装置及存储介质，涉及智能穿戴技术领域，其包括同步获取原始PPG信号与医用仪器测量的事实血压数据，并将事实血压数据作为血压标签数据；基于原始PPG信号和血压标签值，获取血压特征数据；基于血压特征数据，生成血压预测模型；获取用户PPG信号，基于血压预测模型，获取用户血压值。本申请具有提高血压测量精度的效果。本申请具有提高血压测量精度的效果。本申请具有提高血压测量精度的效果。
【技术实现步骤摘要】
血压检测方法、系统、装置及存储介质
[0001]本申请涉及智能穿戴的领域，尤其是涉及一种血压检测方法、系统、装置及存储介质。
技术介绍
[0002]当前高血压已成为困扰人们健康的一大因素，也是我国最常见、最具普遍性和代表性的慢性疾病之一，我国高血压的发病率占总人数的3％
‑
10％，因此，针对高血压的及时检测和预防具有非常重大的意义。传统测量血压的方法通常是采用基于袖带的水银听诊血压计、基于袖带的电子血压计进行测量。
[0003]随着智能穿戴设备的普及，智能穿戴设备也与日常健康检测进行了结合，主要检测血压、心率、血氧、睡眠等。目前基于穿戴设备的血压测量有腕部气囊式方案、人体光电容积脉搏波(PPG)与心电信号(ECG)配合式方案。腕部气囊式方案通过空气对局部动脉施加压力，阻止局部动脉的搏动，通过传感器测出收缩压和舒张压，该方案由于需要使用腕部气囊袖带对腕部动脉进行施压，会产生佩戴不适感，难以长时间检测佩戴者的血压状况。人体光电容积脉搏波(PPG)与心电信号(ECG)配合式方案从佩戴舒适度上优于腕部气囊式方案，因此能够长时间对佩戴者的血压状况进行检测，该方案通过同时采集PPG信号和ECG信号，进行拟合，利用PPG信号和ECG信号拟合的算法模型进行血压预测。
[0004]针对上述中的相关技术，人体光电容积脉搏波(PPG)与心电信号(ECG)配合式方案由于需要同时采集PPG信号和ECG信号，并对同时采集PPG信号和ECG信号进行拟合分析，而信号的时间对齐困难，容易产生测量误差，影响血压测量精度。
技术实现思路
[0005]为了解决现有技术中的问题，提高血压测量精度，本申请提供了一种血压检测方法、系统、装置及存储介质。
[0006]第一方面，本申请提供的一种血压检测方法采用如下的技术方案：一种血压检测方法，包括同步获取原始PPG信号与医用仪器测量的事实血压数据，并将事实血压数据作为血压标签数据；基于所述原始PPG信号和所述血压标签值，筛选血压特征数据；基于所述血压特征数据，生成血压预测模型；获取用户PPG信号，基于所述血压预测模型，获取用户血压值。
[0007]通过采用上述技术方案，对采集到的原始PPG信号进行筛选，得到与血压相关度高的血压特征数据，并通过血压特征数据和对应的血压标签值生成血压预测模型，通过血压预测模型对采集到的用户PPG信号进行处理，获取用户的血压值。通过单一对PPG信号的采集，避免现有技术中时间对齐造成的误差，提高了血压测量精度。
[0008]可选的，基于所述原始PPG信号和所述血压标签值，筛选血压特征数据的步骤包括：基于多组所述原始PPG信号,提取各组生理特征数据，并将各组所述生理特征数据与所述血压标签值关联；筛选生理特征数据，获取与所述血压标签值相关性强的生理特征数据，
即血压特征数据。
[0009]通过采用上述技术方案，将原始PPG信号中的生理特征数据从整体数据中筛选出来，滤除杂波等噪声，并结合血压标签值，从而将与血压相关度高的生理特征数据筛选出来，即实现了对血压特征数据的筛选。
[0010]可选的，筛选生理特征数据，获取与所述血压标签值相关性强的生理特征数据，即血压特征数据的步骤包括：设定获取各组所述生理特征数据时脉搏波波形出现的数量阈值；获取周期时间内所述生理特征数据中脉搏波波形出现的数量；若周期时间内脉搏波波形出现数量超过设定阈值，则提取该周期时间内的所述生理特征数据；基于提取的所述生理特征数据，计算所述生理特征数据的生理信息；对所述生理信息进行量化处理；基于量化处理后的所述生理信息，筛选出与所述血压标签值相关性强的所述生理特征数据，生成所述血压特征数据。
[0011]通过采用上述技术方案，即实现了对血压特征数据的提取；通过对脉搏波波形的数量确定，可以确定该时间段的波形稳定性，当确认获取的生理特征数据为稳定数据后，采集该时间段的波形，结合波形特征计算所述生理特征数据的生理信息，最终将生理信息统一量化处理后，即能够筛选出与血压标签值相关性强的生理特征数据，从而实现血压特征数据的提取。
[0012]可选的，基于所述血压特征数据，生成血压预测模型的步骤包括：选取一定时间周期内的多组所述血压特征数据，并对多组所述血压特征数据进行时序排列；对每组所述血压特征数据标注血压标签值，获得时序特征样本；基于血压标签值大小，对时序特征样本进行分类处理；对时序特征样本划分训练集和测试集；使用深度学习模型训练分类模型，得到血压模型。
[0013]通过采用上述技术方案，将基于血压标签值的多组血压特征数据时序排列，即按照时间顺序排列，能够提高样本训练精度。在通过时序排列获得分类处理的时序特征样本后，采用深度学习模型对分类后的时序特征样本进行训练，从而得到血压模型。
[0014]可选的，基于所述血压特征数据，生成血压预测模型的步骤包括的步骤包括：获取用户的事实血压值；对采集到的用户PPG信号进行预处理，并计算提取用户的多组血压特征数据；基于用户的多组血压特征数据，对血压预测模型进行训练校准，生成适配每个用户的个性化血压模型，其中对血压预测模型进行训练校准方法包括但不限于迁移学习算法。
[0015]通过采用上述技术方案，对用户PPG信号检测时，采用医用仪器进行真实的血压值测量，并对用户PPG信号预处理得到用户的血压特征数据，通过采用深度学习，结合用户的事实血压值和PPG信号测得的血压特征数据对血压预测模型进行训练校准，得到校准后的个性化血压模型，能够针对独立用户的身体参数得到适配于该用户的个性化血压模型，从而提高血压预测的精确度。
[0016]可选的，在同步获取原始PPG信号与血压标签值的步骤之前，还包括：获取ACC信号与PPG信号；基于所述ACC信号特征，判断智能穿戴设备佩戴者是否静止；基于PPG信号特征，判断智能穿戴设备是否被佩戴；若判断采集设备为静止和佩戴状态，则获取所述原始PPG信号或所述用户PPG信号。
[0017]通过采用上述技术方案，获取PPG信号的特征，能够识别用户是否佩戴该智能穿戴设备。获取ACC信号，识别用户是否静止，当采集到静止时的PPG信号，避免了运动对PPG信号
的干扰，提高了采集的精确度。通过对2种信号的获取于特征分析，对同步获取原始PPG信号与血压标签值的步骤进行出发，避免了持续进行同步获取原始PPG信号与血压标签值导致的功耗提高。
[0018]可选的，所述原始PPG信号和所述用户PPG信号是佩戴部、手指部的PPG信号的一组或者多组。
[0019]通过采用上述技术方案，由于手指部的毛细血管丰富，得到的PPG信号更加准确，因此对PPG传感器的位置设置，能够实现多种测量方式。
[0020]第二方面，本申请提供一种血压检测系统，采用如下的技术方案：一种血压检测系统，包括采集模块，用于获取原始PPG信号和用户PPG信号；特征提取模块，连接于所述采集模块，用于对所述采集模块获取的原始PPG信号和用户PPG信号进行预处理,提取生理特征数据；特征筛选模块，连接于本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种血压检测方法，其特征在于，包括：同步获取原始PPG信号与医用仪器测量的事实血压数据，并将事实血压数据作为血压标签数据；基于所述原始PPG信号和所述血压标签值，筛选血压特征数据；基于所述血压特征数据，生成血压预测模型；获取用户PPG信号，基于所述血压预测模型，获取用户血压值。2.根据权利要求1所述的血压检测方法，其特征在于，基于所述原始PPG信号和所述血压标签值，筛选血压特征数据的步骤包括：基于多组所述原始PPG信号,提取各组生理特征数据，并将各组所述生理特征数据与所述血压标签值关联；筛选生理特征数据，获取与所述血压标签值相关性强的生理特征数据，即血压特征数据。3.根据权利要求2所述的血压检测方法，其特征在于，筛选生理特征数据，获取与所述血压标签值相关性强的生理特征数据，即血压特征数据的步骤包括：设定获取各组所述生理特征数据时脉搏波波形出现的数量阈值；获取周期时间内所述生理特征数据中脉搏波波形出现的数量；若周期时间内脉搏波波形出现数量超过设定阈值，则提取该周期时间内的所述生理特征数据；基于提取的所述生理特征数据，计算所述生理特征数据的生理信息；对所述生理信息进行量化处理；基于量化处理后的所述生理信息，筛选出与所述血压标签值相关性强的所述生理特征数据，生成所述血压特征数据。4.根据权利要求1所述的血压检测方法，其特征在于，基于所述血压特征数据，生成血压预测模型的步骤包括：选取一定时间周期内的多组所述血压特征数据，并对多组所述血压特征数据进行时序排列；对每组所述血压特征数据标注血压标签值，获得时序特征样本；基于血压标签值大小，对时序特征样本进行分类处理；对时序特征样本划分训练集和测试集；使用深度学习模型训练分类模型，得到血压模型。5.根据权利要求1所述的血压检测方法，其特征在于，基于所述血压特征数据，生成血压预测模型的步骤包括的步骤包括：获取用户的事实血压值；对采集到的用户PPG信号进行预处理，并计算提取用户的多组血压特征数据；基于用户的多组血压特征数据，对血压预测模型进行训练校准，生成适配每个用户的个性化血压模型，其中对血压预测模型进行训练校准方法包括但不限于迁移学习算法。6.根据权利要求1所述的血压检测方法，其特征在于，在同步获取原始PPG信号与血压标签值的步骤之前，还包括：获取ACC信号与PPG信号；
基于所述ACC信号特征，判...
【专利技术属性】
技术研发人员：赵燕，柯波，许晓凯，李晴，
申请(专利权)人：深圳市爱都科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。