一种基于小波散射变换的血压变化趋势估计方法技术

本发明专利技术公开了一种基于小波散射变换的血压变化趋势估计方法，该方法包括采集受试者的动脉血压信号和PPG信号并进行预处理；将预处理后的PPG信号和动脉血压信号分段，提取收缩压和舒张压数值，保留信号质量好的PPG信号段并进行小波散射，获得小波散射系数；获取小波散射系数差值、收缩压和舒张压变化量，并建立训练集和测试集；构建非因果时间卷积网络；对非因果时间卷积网络进行训练；对训练好的非因果时间卷积网络进行验证。本发明专利技术解决了现有基于脉搏波的深度学习血压估计技术需要大量数据来训练模型、泛化能力有限，应用到不同环境和不同人群中时需要针对新用户额外采集数据进行模型微调和校准的问题。进行模型微调和校准的问题。进行模型微调和校准的问题。

【技术实现步骤摘要】
一种基于小波散射变换的血压变化趋势估计方法


[0001]本专利技术涉及血压测量
，特别是涉及一种基于小波散射变换的血压变化趋势估计方法。

技术介绍

[0002]随着高血压等慢性疾病的发病率不断攀升，对无创、便携式、连续性的血压监测技术的需求越来越迫切。现有技术中血压测量方法有袖带式和无袖带式，有袖带式需要使用附件来压迫动脉，而无袖带式连续血压估计技术可以通过使用光电式脉搏波测量仪器采集手指末梢的光电容积脉搏波信号(PPG)，从而在不侵入身体的情况下对血压进行连续监测，因此具有很高的应用前景。
[0003]现有技术中无袖带连续血压估计技术主要通过对信号频域和时域的分析来估计血压，如自回归模型、小波变换、独立成分分析、支持向量回归等，但这些方法在实际应用中存在着精度较低、无法处理长期变化的动态生理信号等问题。因此，基于深度学习和PPG信号的无袖带连续血压估计技术具有很大的应用前景，可以通过大量的数据来进行训练从而具有较高的预测准确度。
[0004]但是现有技术提出的深度学习方法需要大量的标注数据来训练模型，而在医疗领域，数据的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于小波散射变换的血压变化趋势估计方法，其特征在于，包括以下步骤：步骤S1：采集受试者的PPG信号和动脉血压信号；步骤S2：对PPG信号进行去除基线漂移预处理；步骤S3：将预处理后的PPG信号和动脉血压信号根据心跳周期数进行分段，提取每个动脉血压信号段的收缩压和舒张压数值，对每个PPG信号段进行平线检测，保留信号质量好的PPG信号段；步骤S4：构建小波散射网络，将信号质量好的PPG信号段进行小波散射，获得小波散射系数；步骤S5：根据小波散射系数和对应时刻的收缩压、舒张压值获取小波散射系数差值、收缩压变化量和舒张压变化量，并建立训练集和测试集；步骤 S6：构建非因果时间卷积网络；步骤 S7：将训练集中小波散射系数差值作为输入特征，收缩压和舒张压变化量作为标签，对非因果时间卷积网络进行训练；步骤S8：使用训练好的非因果时间卷积网络对测试集中小波散射系数差进行预测，得到对应的收缩压和舒张压变化量。2.根据权利要求1所述的基于小波散射变换的血压变化趋势估计方法，其特征在于，所述步骤S1中采集受试者的PPG信号和动脉血压信号，具体为：选择若干名不同年龄、性别和血压水平的受试者，对每一位受试者使用可穿戴式PPG信号采集设备和袖带式连续血压测量设备同步采集PPG和动脉血压信号，将PPG和动脉血压信号重采样至相同的采样率。3.根据权利要求1所述的基于小波散射变换的血压变化趋势估计方法，其特征在于，所述步骤S2中对PPG信号进行去除基线漂移预处理，包括以下子步骤：步骤S2
‑
1：采集受试者手腕部的PPG信号作为原始数据，经Min
‑
Max归一化操作，将PPG信号幅值映射到[0,1]区间内；步骤S2
‑
2：采用4阶巴特沃斯低通滤波器，对PPG信号进行低通滤波，去除高频噪声和工频干扰；步骤S2
‑
3：对低通滤波后的PPG信号进行VMD分解，利用网格搜索算法确定VMD惩罚因子、分解模态数和收敛容差参数最优取值，对PPG信号分解后将中心频率最低的模态分量系数置为0，对PPG信息进行重构，去除基线漂移。4.根据权利要求2所述的基于小波散射变换的血压变化趋势估计方法，其特征在于，所述步骤S2
‑
3中利用网格搜索算法确定参数最优值，包括以下子步骤：步骤S2
‑3‑
1：定义超参数的搜索范围，将VMD算法的分解模态数L取值范围设置为[ 4,5,6,7,8,9,10,11,12]，将VMD算法的惩罚因子取值范围设置为[0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1.0]，将收敛容差取值范围设为[1
×
10
‑7，1
×
10
‑6，1
×
10
‑5，1
×
10
‑4]；步骤S2
‑3‑
2：构建超参数网格，将所有超参数取值组合构成一个超参数网格，即每个网格点都表示一组超参数取值；步骤S2
‑3‑
3：对每组超参数的取值，利用该组参数下的VMD分解算法处理PPG信号，计算中心频率最低的模态分量的平均瞬时频率作为评价指标Score_VMD；步骤S2
‑3‑
4：选择对应Score_VMD数值最小的一组超参数取值作为最终的惩罚因子、分解模态数和收敛容差。
5.根据权利要求1所述的基于小波散射变换的血压变化趋势估计方法，其特征在于，所述步骤S3中对每个动脉血压信号段提取收缩压和舒张压的数值，是指对每个动脉血压信号段使用波峰检测算法提取收缩压和舒张压的数值。6.根据权利要求1所述的基于小波散射变换的血压变化趋势估计方法，其特征在于，所述步骤S3中对每个PPG信号段进行平线检测，保留信号质量好的信号段，是指对每个PPG信号段进行平线检测，设置阈值flat_ratio，若每个PPG信号段的平线部分长度与所在信号段总长度的比值大于阈值flat_ratio，则将该分段的信号质量归类为差，丢弃该信号段，否则将该分段的信号质量归类为好，保留该信号段，包括以下子步骤：步骤S3
‑
1：使用峰谷检测器检测PPG信号中收缩期的波峰位置和舒张期的波谷位置，分别保存为数组Peaks[1
×
n]和Valleys[1
×
n]，其中n表示PPG信号包含的心跳周期总数，Peaks[i]表示第i个心跳周期的收缩期波峰位置索引，Valleys[i]表示第i个心跳周期的收缩期波谷位置索引；步骤S3
‑
2：以波谷位置为边界，将PPG信号切分为若干个分段，每个信号分段包含相邻的N
cycle
个完整的信号周期；步骤S3
‑
3：设置固定长度L_standard，对信号分段长度进行调整，若信号段长度小于L_standard，则在该信号段两端用零值补充，若信号段长度大于L_standard，则在该信号段两端进行裁剪，其中在信号分段两端补零或裁剪的采样点数一致，以使PPG信号有效波形保持在信号段的中间位置；步骤S3
‑
4：对所有PPG信号分段计算一阶差分，遍历得到的一阶差分序列，统计所有连续两个以上的0值片段的长度之和作为平线长度，设置阈值flat_ratio，若每个信号段的平线部分长度与所在信号段总长度的比值大于阈值flat_ratio，则将该分段的信号质量归类为差，丢弃该信号段，否则将该分段的信号质量归类为好，保留该信号段。7.根据权利要求1所述的基于小波散射变换的血压变化趋势估计方法，其特征在于，所述...

【专利技术属性】
技术研发人员：庄伟，纪兆辉，申义贤，邢发男，李之恒，江文，樊继利，邵煜文，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：