连续血压测量装置、测量模型建立方法和系统与流程
本发明涉及血压测量技术，特别是涉及一种连续血压测量装置、测量模型建立方法和系统。
背景技术：
相比于传统的间断式血压测量方法，连续血压测量方法对每个心动周期内，能够给出逐拍的血压值。这对于了解血压变化规律，预防心脑血管疾病，具有重要的意义。同时，由于连续血压测量方法能够实时追踪被者的血压值，不仅可以减少“白大衣高血压”和“隐性高血压”的隐患，有助于高血压患者的日常监护，还能够间接反映降压药物对人体的效果，以避免药物的滥用。另外，连续血压测量，还有助于血压变异性的分析，这对于进一步了解被试的身体状况、评估心脑血管疾病的发生风险，具有重要的参考价值。
然而，目前的无创连续血压测量设备，大多是基于容积补偿法和动脉张力法的原理设计的。采用动脉张力法的测量设备可以达到较高的精度，基本能达到较长时间无创连续血压测量的要求。但是由于传感器对位移的高度灵敏性，要保持长时间传感器测量位置相对固定比较困难，同时气囊加压装置在长时间测量过程中也影响被测者舒适度，因此基于动脉张力的血压测量设备在运动测量、长期测量以及简化操作方面仍有许多问题亟待改进。采用容积补偿法的测量设备可以连续测量每搏血压，且能不失真地测出血压波形。但是由于气囊压力的作用，长时间测量会导致静脉充血而影响测量精度，同时会给被测者带来不适。另外，基于容积补偿法和动脉张力法的原理设计的无创连续血压测量设备笨重、价格昂贵、携带和采集均不方便，不利于家庭的日常生理监护。
技术实现要素：
基于此，有必要针对现有技术中的不足，提供一种连续血压测量装置、测量模型建立方法和系统。
一种连续血压测量装置，所述装置包括：
信号采集器，包括心电信号采集器和脉搏波信号采集器，用于同步采集测量对象的多个连续的心动周期内的心电信号和脉搏波信号，获得两组同步的心电信号和脉搏波信号；
信号接收模块，用于接收两组同步的心电信号和脉搏波信号；
血压计算模块，用于根据两组同步的心电信号和脉搏波信号，提取所述脉搏波信号的第一特征点，并根据所述第一特征点获取同一心动周期内的心电信号的第二特征点，根据所述第一特征点和所述第二特征点获取相应的特征值，利用评估参数从所述特征值中选取特征参数，根据预先建立的所述特征参数的血压计算模型，获取血压值。
在其中一些实施例中，所述血压计算模块包括：
特征值获取单元，用于根据两组同步的心电信号和脉搏波信号，提取所述脉搏波信号的第一特征点，并根据所述第一特征点获取同一心动周期内的心电信号的第二特征点；
特征参数获取单元，用于根据所述第一特征点和所述第二特征点，获取相应的特征参数；和
血压计算单元，用于根据预先建立的所述特征参数的血压计算模型，获取血压值。
在其中一些实施例中，所述血压计算模块还包括：
滤波单元，用于分别对所述两组同步的心电信号和脉搏波信号进行滤波处理。
在其中一些实施例中，所述特征参数包括：脉搏波传播时间、心动周期、脉搏波收缩期上升时间和脉搏波K值。
在其中一些实施例中，所述特征参数的血压计算模型包括多元线性模型，所述多元线性模型为：
SBP＝P·D·G，
MAP＝P·E·G，
DBP＝P·F·G，
其中，SBP为收缩压，MAP为平均血压，DBP为舒张压，P＝[1 PWTT EcgPeriod PpgSystolicTime ppg_K]，PWTT为所述脉搏波传播时间，EcgPeriod为所述心动周期，PpgSystolicTime为所述脉搏波收缩期上升时间，ppg_K为所述脉搏波K值，D、E和F分别为所述收缩压、所述舒张压和所述平均血压对应的血压系数矩阵，G为测量对象的生理参数矩阵，gender为性别，age为年龄，height为身高，weight为体重，BMI为体质比，armLength为臂长。
在其中一些实施例中，所述特征参数的血压计算模型包括非线性模型，所述非线性模型包括基于支持向量机的非线性回归模型，所述建立所述特征参数的血压计算模型的过程包括：
获取所述特征参数与所述收缩压之间的训练集；
利用所述基于支持向量机的非线性回归模型构造决策函数并计算最优化解；
根据所述决策函数获取基于所述数据集的收缩压及舒张压系数矩阵；
根据所述收缩压及舒张压系数矩阵获取最终的血压值。
在其中一些实施例中，所述特征参数选取单元还用于，根据所述特征值初始化特征参数集和特征参数子集；选取多个候选特征子集；利用所述评估函数对所述多个候选特征子集进行评估，获取符合预定条件的特征参数。
在其中一些实施例中，所述装置还包括：
存储模块，用于存储所述特征值、所述特征参数及其对应的血压值；
显示模块，用于显示所述特征值、所述特征参数及其对应的血压值。
在其中一些实施例中，所述装置还包括：
通信模块，用于接收所述信号采集器采集的两组同步的心电信号和脉搏波信号，并将存储模块存储的各种数据发送至外部装置；或者，
在信号采集器和信号接收模块中分别设置无线信号收发单元，信号采集器和信号接收模块之间通过无线信号进行数据传输与通信。
一种连续血压测量模型建立系统，所述系统包括：
信号获取模块，用于接收两组同步的多个连续的心动周期内的心电信号和脉搏波信号；
特征点提取模块，用于提取所述信号获取模块获取的所述脉搏波信号的第一特征点，并根据所述第一特征点获取同一心动周期内的心电信号的第二特征点；
特征值获取模块，用于根据所述第一特征点和所述第二特征点，获取相应的特征参数；
模型建立模块，用于建立所述特征参数的血压计算模型。
一种连续血压测量模型建立方法，所述方法包括：
获取同步的多个连续心动周期内的心电信号和脉搏波信号；
提取所述脉搏波信号的第一特征点，并根据所述脉搏波信号的第一特征点获取同一心动周期内的心电信号的第二特征点；
根据所述第一特征点和所述第二特征点，获取相应的特征参数；
基于相应的特征参数，建立所述特征参数的血压计算模型。
在其中一些实施例中，所述特征参数包括：脉搏波传播时间、心动周期、脉搏波收缩期上升时间和脉搏波K值。
在其中一些实施例中，所述特征参数的血压计算模型包括多元线性模型，所述多元线性模型为：
SBP＝P·D·G，
MAP＝P·E·G，
DBP＝P·F·G，
其中，SBP为所述收缩压，MAP为所述平均血压，DBP为所述舒张压，P＝[1 PWTT EcgPeriod PpgSystolicTime ppg_K]，PWTT为所述脉搏波传播时间，EcgPeriod为所述心动周期，PpgSystolicTime为所述脉搏波收缩期上升时间，ppg_K为所述脉搏波K值，D、E和F分别为所述收缩压、所述舒张压和所述平均血压对应的血压系数矩阵，gender为所述性别，age为所述年龄，height为所述身高，weight为所述体重，BMI为所述体质比，armLength为所述臂长。
在其中一些实施例中，所述特征参数的血压计算模型包括非线性模型，所述非线性模型包括基于支持向量机的非线性回归模型，所述血压计算单元基于支持向量机的非线性回归模型获取血压值的过程包括：
在其中一些实施例中，特征参数获取步骤包括:
根据特征值初始化特征参数集和特征参数子集；
选择评价函数，并根据所述评价函数生成多个特征参数子集；
根据所述评价函数从所述多个特征参数子集选取最优特征参数子集。
上述实施例的血压测量装置和血压计算方法及系统基于几个特征参数便可以实现对血压的无扰式连续测量。其具有高精准、低复杂度、低成本、测量方便、实时性高的特点。
附图说明
图1为本发明一个实施例的连续血压测量装置的结构框图；
图2为本发明另一个实施例的连续血压测量装置的结构框图；
图3为本发明一个实施例的信号采集器的结构框图；
图4为本发明一个实施例的连续血压测量模型建立方法的流程图；
图5为本发明一个实施例的滤波后的心电信号和脉搏波信号示意图；
图6为本发明一个实施例的提取的脉搏波信号的第一特征点的示意图；
图7为本发明一个实施例的提取的心电信号的第二特征点的示意图；
图8为本发明另一个实施例的提取的心电信号的第二特征点的示意图；
图9为本发明一个实施例的收缩期上升时间和舒张期下降时间的示意图；
图10为本发明一个实施例的脉搏波K值示意图；
图11为本发明一个实施例的脉搏波传播时间示意图；
图12为本发明一个实施例的连续血压测量模型建立系统的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
在示例性实施例中，血压是血液在血管内流动时，作用于血管壁的压力，它是推动血液在血管内流动的动力。心室收缩，血液从心室流入动脉，此时血液对动脉的压力最高，称为收缩压(systolic blood pressure，SBP)。心室舒张，动脉血管弹性回缩，血液仍慢慢继续向前流动，但血压下降，此时的压力称为舒张压(diastolic blood pressure，DBP)。心动周期(cardiac cycle)是指从一次心跳的起始到下一次心跳的起始，心血管系统所经历的过程。心脏舒张时内压降低，腔静脉血液回流入心，心脏收缩时内压升高，将血液泵到动脉。心脏每收缩和舒张一次构成一个心动周期。一个心动周期内动脉血压的时域平均值为平均动脉压(mean arterial blood pressure，MAP)。
血压测量法大体可分为直接测量法和间接测量法两大类。直接测量法是将连接压力传感器的导管经皮直接插入大动脉或心脏检测血压信号，能够进行连续测量。由于这种方法直接测得血压，数据最为准确，因此被国际认定为血压检测的金标准，但其技术要求较高，且有一定创伤性，所以仅适用于危重病人的抢救和大手术病人。间接测量法是通过检测动脉管壁的搏动、血管容积变化等参数间接得到血压。由于这种方法简便易行，因此在临床上得到广泛应用。
间接测量法又可分为间歇式测量法和连续式测量法两大类。以柯氏音法和示波法为代表的间歇式测量法的基本原理是用气袖阻断动脉血流，然后在放气的过程中通过检测特征点时刻气袖内压力来确定血压值。这种方法的缺点是以测量过程中每搏血压相同为前提，测得血压是某一特定时刻的血压值(只有不在同一心动周期内的SBP和DBP 2个值)不一定是被测者有代表性的血压值。连续式测量法是在某一时段内无创连续的测量血压，能够检测每搏血压及连续的动脉压波形，为临床诊断与治疗提供了更加充分的依据，特别是在临床监护以及特殊情况下观察血压连续变化方面具有传统方法无法比拟的优势。以下将具体结合附图详细说明本发明的各个实施例方式。
本发明使用的术语“模块”、“单元”是由组件构成的，“组件”指的是与本发明系统相关的实体，或者是软件、硬件、硬件和软件的结合。例如，组件可以是在处理器上运行的进程、对象、程序和计算机。作为示例，运行在移动终端的应用程序(application，APP)可以是组件。另外，组件可以包括一个或多个组件。
如图1所示，本发明实施例的连续血压测量装置10包括：信号采集器100、控制模块200、存储模块300和显示模块400。
信号采集器100采集涉及测量对象的生体活动的各项数据。这里，涉及生体活动的各种类型的数据(生体信息)可以是涉及心电、脉搏率、心跳率、等的数据(信息)。信号采集器100具有例如心电信号采集器110和脉搏波信号采集器120。使用心电信号采集器110从测量对象的心电检测部位获取心电信号。脉搏波信号采集器120从测量对象的脉搏波检测部位获取脉搏波信号。在本发明其中一些实施例中，心电信号包括心电图，脉搏波信号包括脉搏波波形图。将参考图3在以下详细地描述心电信号采集器110和脉搏波信号采集器120的配置。
控制模块200整体地控制测量装置10，并且处理例如由信号采集器100采集的测量对象的心电信号和脉搏波信号。具体地，控制模块200基于信号采集器100采集的测量对象的心电信号和脉搏波信号来计算测量对象的血压。此外，控制模块200基于采集控制模块240来控制信号采集器100的进行信号采集。
下面更加详细地描述控制模块200的功能和配置。控制模块200具有信号接收模块210、血压计算模块220、显示控制模块230和采集控制模块240。
信号接收模块210用于接收信号采集器100采集的测量对象的心电信号和脉搏波信号。信号接收模块210将接收的心电信号和脉搏波信号发送到血压计算模块220以进行血压计算。
血压计算模块220基于信号接收模块210接收的心电信号和脉搏波信号进行计算，获取相应的特征参数并根据预先存储的特征参数的血压计算模型计算得到测试对象的血压值。具体地，血压计算模块220用于根据两组同步的心电信号和脉搏波信号，提取脉搏波信号的第一特征点，并根据第一特征点获取同一心动周期内的心电信号的第二特征点，根据第一特征点和第二特征点获取相应的特征值，利用评估参数从特征值中选取特征参数，根据预先建立的特征参数的血压计算模型，获取血压值。这里的特征参数包括：脉搏波传播时间、心动周期、脉搏波收缩期上升时间和脉搏波K值等等。血压计算模块220有关血压值计算的具体过程可参见下文中步骤404、步骤406、步骤408的相关说明。
而在本发明的其中一些实施例中，血压计算模块220还将计算得到的血压值等的信息发送至显示控制模块230。
在本发明的一些实施例中，如图2所示，血压计算模块220包括滤波单元222、特征值获取单元224、特征参数获取单元226和血压计算单元228。
滤波单元222，用于对信号接收模块210接收的两组同步的心电信号和脉搏波信号进行滤波，以获取滤波后的心电信号和脉搏波信号。在心电信号和脉搏波信号的检测过程中，由于实际工作情况并非理想状态.检测信号中往往含有很强的背景噪声。这些背景噪声包括工频噪声、肌电噪声、呼吸波噪声、人体动作和电极极化等引起的各种随机噪声。
特征值获取单元224，用于经滤波单元222滤波后的两组同步的心电信号和脉搏波信号，提取出滤波后的脉搏波信号的第一特征点，然后根据第一特征点获取同一心动周期内的心电信号的第二特征点。在本实施例中，第一特征点包括脉搏波信号的波峰和波谷。第二特征点包括心电R波。
特征参数获取单元226，用于根据第一特征点和所述第二特征点，获取相应的特征参数。这里的特征参数包括心电生理参数、脉搏波生理参数和心电脉搏波生理参数。
血压计算单元228，用于根据预先建立的特征参数的血压计算模型，获取血压值。这里的血压包括收缩压、舒张压和平均血压。
显示控制模块230控制在显示模块400上显示由控制模块200处理的各种类型的数据信息和通过处理这些信息获取的结果。例如，显示控制模块230控制显示模块400显示由血压计算模块220计算得到的血压值。另外，显示控制模块230控制显示模块400显示由信息接收模块210接收到的心电信号和脉搏波信号等的信息。
采集控制模块240控制信号采集器100进行信号采集。例如，采集控制模块240控制心电信号采集器110采集心电信号，同时采集控制模块240控制脉搏波信号采集器120同步地采集多个连续心动周期内的脉搏波信号。
以上详细地描述了根据本发明公开的一些实施例中的控制模块200的示意性配置，控制模块200的配置不限于图1中示出的示例。只要配置满足上述功能，就可以通过任何功能块来配置控制模块200。
接下来，将描述本发明公开的其中一些实施方式的存储模块300。存储没模块300存储与信号采集器100采集的表示生体活动的各种类型的数据和/或控制模块200处理的各种类型的数据。存储模块300存储例如心电相关数据和脉搏波相关数据。此外，存储模块300也可以存储数据处理模块计算得到的血压值。存储模块300还可以存储在下述连续血压测量方法中使用的特征点、特征参数和生理参数，以及用于有关特征参数的血压模型等信息。数据处理模块可以参照存储模块300中存储的特征点、特征参数和生理参数，以及用于有关特征参数的血压模型等信息来计算血压。
此外，在图1中，尽管给出了存储模块300设置在连续血压测量装置10中的示例，但是本发明公开的实施例不限于此。例如，测量装置10还可以包括外部装置连接的连接端口(未示出)，并且经由该连接端口连接到设置在外部的外部存储单元(未示出)。如果测量装置10连接到外部存储单元，则可以将存储在存储模块300中的上述各种类型的数据存储在外部存储单元中。这里，连接端口可以是存储卡连接器，而外部存储单元可以是存储卡(SD卡)。
显示模块400在显示控制模块200的控制下显示由控制模块200处理的各种类型的信息。例如，显示模块400可以是显示器。如果显示模块400是显示器，则显示模块400可以例如以数字或图形的形式来显示所测量的心电数据和脉搏波数据以及所计算出的血压值等。
此外，测量装置10可以进一步包括(未示出)例如扬声器、头戴式耳机等构成的音频输出模块。如果测量装置10包括音频输出模块，则上述由显示模块400显示的各种类型的信息可以由音频输出模块输出警报音来实现。此外，根据本发明公开的实施例，测量装置10还可以包括用于向各种外部装置发送信息和从外部装置接收信息的通信模块(未示出)。例如，通信模块可以将信号采集器100采集的测量对象的各种生体活动的数据和控制模块得到的各种类型的数据等信息发送至外部装置。具体的，通信模块可以将信号采集器100采集的测量对象的心电数据和脉搏波数据和数据处理模块得到的血压值等信息发送至外部装置。这里，通信模块将各种类型的数据发送到外部装置的时间可以是每次测量涉及生体活动的各种类型的数据的实际时间，或各种类型的数据可以在结束一系列的血压测量处理之后共同发送。
此外，通信模块还可以接收在下述连续血压测量过程法中使用的特征点、特征参数和生理参数，以及用于有关特征参数的血压模型等信息，并且将所接收的信息存储在上述的存储模块300或外部存储单元中。因此，可以经由通信单元来更新这些特征参数的血压模型等信息。
此外，通信模块可以采用有线或无线的通信方式。若通信模块具有无线发射功能，则使用的无线发射方法可以是例如近场通信系统的蓝牙或者被标准化的体域网的IEEE802.15.6。
此外，经由通信模块和测量装置10通信的外部装置可以是PC(个人计算机)或智能终端。这些外部装置可以实现与控制模块200相同的功能。由于外部装置具有与控制模块200相同的功能，则该外部装置可以对从测量装置10发送的各种类型的数据进行与控制模块200相同的处理。
下面，参考图3来描述信号采集器100中包括的心电信号采集器110和脉搏波信号采集器120的示意性配置。图3示出了在图1中示出的信号采集器100的示意性配置的结构框图。心电信号采集器110包括心电电极112、心电信号采集模块114和心电信号模数转换模块116。心电电极112需要直接和人体接触，可以由镀了一层氯化银的铜片构成，主要作用是把人体心电信号良好地传导到心电采集模块上去。心电采集模块114可以采用心电采集芯片，该心电采集芯片包括前置放大、右腿驱动、滤波和后置放大电路，经过心电采集模块114处理后的有用心电信号通过模数转换器后，传输给信号接收模块210。脉搏波信号采集器120包括脉搏波传感器122、脉搏波信号采集模块124和脉搏信号模数转换器126。脉搏波传感器122可以由发光二极管和光电二极管构成，可以采用透射或反射两种测量方式。发光二极管可以发射特定光谱的光照(绿光/红外光)，该光照射到人体血管上，通过光电二极管接收透射过血管或从血管反射回来的光，这个透射/反射光的强度的变化正好反映了人体脉搏的变化，从而采集到人体的脉搏波。脉搏波信号采集模块124对脉搏波传感器122传送进来的脉搏波信号进行采样，脉搏信号模数转换器126对采样的脉搏波信号进行模数转换后传输给信号接收模块210。
下面将参考图4来描述本发明公开的上述实施例中的测量装置10中的血压测量模型建立方法。
步骤402，获取同步的多个连续心动周期内的心电信号和脉搏波信号。
在本发明的其中一些实施例中，对接收到的心电信号和脉搏波信号进行滤波处理，以去除心电信号和脉搏波信号中的噪声的干扰。
具体的，根据心电信号和脉搏波信号的特性，可以采用小波变换的方法对获取的心电信号和脉搏波信号滤波，滤波后的信号如图5所示。
步骤404，提取脉搏波信号的第一特征点，并根据脉搏波信号的第一特征点获取同一心动周期内的心电信号的第二特征点。在本发明的其中一些实施例中，可以采用差分阈值法提取脉搏波信号的第一特征点，该第一特征点包括脉搏波信号的波峰和波谷。具体实现过程如下：
(1)获取脉搏波信号的高频成分。
通过对脉搏波信号进行微分处理，提取出其高频信号。例如，按照下列公式对脉搏波信号求一阶导数，dPPG(i)＝PPG(i+1)-PPG(i)，即相当于对其进行高通滤波。
其中，PPG(i)表示PPG波形中第i点信号的幅值，dPPG代表了PPG信号的一阶差分。
(2)对脉搏波信号的高频成分进行分段。
由于人体的脉率在一定的范围内变化，一般来说，脉率都会大于30次/分。因而，对脉搏波信号波形进行分段，例如以2s为一段，从而保证每段中都会有一个脉搏周期。
(3)对上述步骤(2)获取的信号段进行阈值检测。
查找每段的信号幅值的最大值；
获取幅度超过最大值预定倍数的所有数据点(BigNumber)的位置，在本实施例中，预定倍数可以是0.3倍。
对上述获取的数据点进行遍历，查找相邻两个数据点位置之差超过预定时间长度的数据点。因为如果两个数据点的位置超过第一预定时间，就能够确定这两个数据点位于一前一后的两个不同脉搏波上。在本实施例中，第一预定时间可以为0.2s。
(4)查找脉搏波信号的波峰。
把上述(3)检测到的前一个数据点的位置定义为Label，从而能够确定脉搏波峰值的位置就在Label附近。由统计表明，脉搏波幅值超过最大幅值预定倍数的数据点，其时间持续长度不会超过第二预定时间。因此，在Label之后的第二预定时间内进行遍历，查找出此期间的最大值，最后确定脉搏波的波峰。在一些实施例中，第二预定时间可以为0.4s。
(5)查找脉搏波信号的波谷。
由于脉搏波本身具有的一些特性，使得能够大致确定脉搏波波谷的位置在波峰之前第二预定时间的范围内。然后，查找该区间内的最小值，从而确定脉搏波的波谷。
通过上述过程对脉搏波信号进行第一特征点提取，得到的结果如图6所示。
确定第一特征点后，根据第一特征点获取同一心动周期内的心电信号的第二特征点。第二特征点包括心电的R波特征点。可以实现心电信号的第二特征点的获取的方法较多，在本发明的一些实施例中，以区间最值法和小波变换法为例进行说明。
(1)区间最值法
由于心电与脉搏波是由在同一心动周期中产生，因此当脉搏波的峰谷值都确定后，便可以定位心电的R波。其具体步骤为：
当定位好PPG的波峰波谷后，在两个相邻的PPG波峰时间之间，遍历相应的ECG信号，在其中寻找最大值点，即为ECG的R波。其效果如图7所示。
(2)基于小波变换法的R波检测步骤如下：
多尺度分解过程：选取二次样条B小波为母小波对心电信号进行小多尺度分解，在本实施例中，多尺度分解为24尺度分解；
极大值检测过程：由于R波的极大部分能量集中在尺度3上，本发明将在尺度3中进行极大值的检测；对尺度3的小波系数d3进行扫描，将系数值大于0且与左邻点连线斜率大于0的点构成正极大值候选集PosC。同时将系数值小于0且与左邻点连线斜率小于0的点构成负极大值候选集NegC；
二值化过程：基于候选集平均值法确定第一阈值(th1)和第二阈值(th2)，并将正极大值点候选集PosC中凡是大于第一阈值th1的点存入正极大值集Pos中，且将其值置为1。将负极大值点候选集NegC中凡是小于第二阈值th2的点存入负极大值集Neg中，且将其值置为-1；
正负极大值对的配对过程：生成正极大值集及负极大值集后，考虑到R波峰值点处于极大值对之间的区间内。故而需要进行正负极大值对的配对工作。定义极大值集合为loca，将正极大值集及负极大值集中的所有数据存入loca中。在loca集合中寻找相邻两点N1、N2，且N1值为-1，N2值为1，即相邻两点一个负极大值点，一个为负极大值点。定义模极大值对集合为Pair。如果N1，N2的实际距离小于80点，则将N1的实际位置存入Pair中。
候选点获取过程：根据小波变换特性，R波峰值对应的数据点在经过多尺度分解后，会对应于某一尺度上的极大值对连线的过零点。但是信号在小波变换中会产生位移，即R波峰点实际所对应的点有一定概率不是极大值对的过零点，两点之间会有一定距离。但R波峰点一定是处于它们之间的区间内。故而，在本发明的其中一些实施例中对R波峰点进行定位，采用分析极大值对之间的区间范围的方法。区间范围内真实幅值最大的点定为R波峰候选点。定义R波峰点候选集为R_C，将符合阈值条件的候选点(即第二特征点)存入候选集为R_C中。
运用小波变换法，对心电信号进行定位，得到如图8所示波形。
步骤406，根据第一特征点和所述第二特征点，获取相应的特征参数。
根据上述步骤获取的第一特征点和第二特征点分别计算出相应的特征值，这些特征值包括心电特征，脉搏波特征，和心电脉搏波融合特征。这些心电特征，脉搏波特征和心电脉搏波融合特征包括心电生理参数、脉搏波生理参数和心电脉搏波生理参数。
其中，心电生理参数主要包括但不仅限于：
心率(heart rate，HR)，是指心脏每分钟跳动的次数；
心电周期(EcgPeriod)，代表了每个心动周期的时间长度；
SDNN：NN间期(即心动周期)序列的标准差；
pNN50：NN间期中相邻两个间期的差值大于50毫秒的个数，占所有的NN间期总数的百分比；
HRV三角指数：NN间期的总心搏数与NN间期直方图高度的商；
LF：NN间期功率谱密度图上低频段(0.04Hz-0.15Hz)的积分；
HF：NN间期功率谱密度图上高频段(0.15Hz-0.4Hz)的积分；
LF/HF：NN间期功率谱密度图上低频段能量和高频段能量之比。
脉搏波生理参数主要包括但不仅限于：
收缩期上升时间(ppgSystolicTime)：同一心动周期内，脉搏波的波谷到波峰的时间间隔(如图9中t1所示)；
舒张期下降时间(ppgDiastolicTime):同一周期内，脉搏波的波峰到下一个波谷的时间间隔(如图9中t2所示)；
脉搏波K值：脉搏波压力脉动分量的平均值(Pm-Pd)，在脉动分量最大值(Ps-Pd)中所占的百分比(如图10所示)；
脉搏波(PPG)的一阶导数，二阶导数特征值；
心电脉搏波生理参数：脉搏波传播时间(Pulse Wave Transit Time，PWTT)：是ECG的R波顶点到PPG起始的时间间隔(如图11)。
进一步的，利用评估参数从上述获取的特征值中选取特征参数。
为实现连续血压测量的低复杂度拟合，需剔除不相关或冗余的特征值，从而达到减少特征个数，提高测量精确度，减少运行复杂度的目的。
在本发明其中的一些实施例中，特征参数选择过程如下：
(1)根据特征值初始化特征参数集和特征参数子集。
具体的，特征参数集F＝{f1,f2,...,fN}包括特征值获取单元24所能获取的所有的心电生理参数、脉搏波生理参数和心电脉搏波生理参数。特征参数子集F’初始设置为空集。
(2)选择评价函数，并根据该评价函数生成多个特征参数子集。
在本发明其中的一些实施例中，采用基于信息增益的评价函数。其中，信息增益的计算方法如下：
假设存在特征子集A和特征子集B，分类变量为C，那么分类变量C的信息熵H(C)可表示为：
将特征Fj用于分类变量C的条件信息熵H(C|Fj)表示为：
则选用特征Fj前后的C的信息熵的变化成为C的信息增益(Information Gain)，可表示为：IG(C|Fj)＝H(C)-H(C|Fj)。
在本发明的一些实施例中，通过对特征子空间的搜索，基于决策树的特征选择方法，即基于信息增益最大化选择一个特征参数作为决策树的分裂属性，从上至下递归地生成子节点，直到数据集不可分则停止决策树停止生长。通过上述方法生成多个特征参数子集，上述的搜索过程可以采用完全搜索、启发式搜索或随机搜索。
(3)决策树剪枝
利用上述定义的基于信息增益的评价函数对所建立决策树进行剪枝，所得最终决策树各分支节点处的特征即为最优特征集。即，从上述步骤(2)获取的多个特征参数子集选取最优特征参数子集。
在本发明其中一些实施例中，基于评价函数对决策树进行后剪枝，并返回最佳的分支属性作为最优特征参数子集。另外，可基于筛选器和封装器选择评价函数。常用的评价函数包括：相关性、距离、信息增益、一致性、分类器错误率。
在本发明其中一些实施例中，最终确定的特征参数(即最优特征参数子集)包括：脉搏波传播时间、心动周期、脉搏波收缩期上升时间和脉搏波K值。
步骤408，基于相应的特征参数，建立特征参数的血压计算模型。
在本发明的一些实施例中，血压值至少包括：收缩压、舒张压和平均血压。
预先建立的特征参数的血压计算模型包括多元线性模型和非线性模型。
在本发明的一些实施例中，多元线性模型是基于人体的多项生理参数和特征参数建立的，其可以获取特征参数值对应的结果。该多项生理参数包括：性别、年龄、身高、体重、体质比和臂长中的至少一种。
例如，在训练样本集上，基于脉搏波传导时间、心电周期、脉搏波收缩期时间、脉搏波特征K值，分别建立收缩压(SBP)，平均血压(MAP)和舒张压(DBP)的多元线性回归模型如下：
SBP＝a1+a2×PWTT+a3×EcgPeriod+a4×PpgSystolicTime+a5×ppg_K， (1)
MAP＝b1+b2×PWTT+b3×EcgPeriod+b4×PpgSystolicTime+b5×ppg_K， (2)
DBP＝c1+c2×PWTT+c3×EcgPeriod+c4×PpgSystolicTime+c5×ppg_K， (3)
针对不同的被试者，他们之间的系数ai,bi,ci各不相同。因此将针对不同被试者，对其回归系数ai,bi,ci进行分析。通过大量的被试者的数据利用统计分析的方法挖掘出各个回归系数与被试体自身的生理参数之间的关联性，从被试者的各项生理参数中，挑选出了性别(gender)、年龄(age)、身高(height)、体重(weight)、体质比(BMI)和臂长(armLength)等生理参数，建立多元线性拟合回归模型。回归系数ai,bi,ci与各种生理参数的关系可以表示为：
上述模型公式(1)、(2)和(3)可以演变为下述公式(4)、(5)、(6)：
SBP＝P·D·G， (4)
MAP＝P·E·G， (5)
DBP＝P·F·G， (6)
其中，SBP为收缩压，MAP为平均血压，DBP为舒张压，P＝[1 PWTT EcgPeriod PpgSystolicTime ppg_K]，PWTT为脉搏波传播时间，EcgPeriod为心动周期，PpgSystolicTime为脉搏波收缩期上升时间，ppg_K为脉搏波K值，D、E和F分别为收缩压、舒张压和平均血压对应的血压系数矩阵，
gender为性别，age为年龄，height为身高，weight为体重，BMI为体质比，armLength为臂长。
在训练数据集上，可以得到相应的血压系数矩阵D、E和F，并建立相应的特征参数的血压计算模型。
在本发明的一些实施例中，特征参数的模型包括非线性模型，非线性模型包括基于支持向量机的非线性回归模型，建立特征参数的血压计算模型的步骤包括：
1)获取特征参数与收缩压之间的训练集。
设已知训练集{(x1,SBP1),(x2,SBP2),...,(xN,SBPN)}，其中
Xi＝{PWTTi,EcgPeriodi,PpgSystolicTimei,PPG_Ki}；
2)支持向量机常用核函数包括线性、多项式内积、Sigmoid内积，径向基核函数等，核函数可将原特征空间内线性不可分的特征投影到另一个空间以实现有效分类。在本发明中，基于大规模统计数据结果选择径向基函数作为核函数和松弛变量(ε,C)；
3)构造并求解最优化问题
得到最优解
4)构造决策函数
其中，b可以通过以下方式求出，
5)在训练集上，可以得到相应的收缩压及舒张压系数矩阵和b。最终血压的计算公式可表示为：
通过对输入的心电和脉搏波信号进行处理，提取出相应的特征值，并代入到上述获取的特征参数的血压计算模型，可以得到测量对象的血压值，例如收缩压、舒张压和平均血压。
如图12所示，本发明中还提出一种连续血压测量模型建立系统500，该系统500包括：信号获取模块502、特征点提取模块504、特征值获取模块506和模型建立模块508。
信号获取模块502，用于接收两组同步的多个连续的心动周期内的心电信号和脉搏波信号；
特征点提取模块504，用于提取信号获取模块获取的脉搏波信号的第一特征点，并根据第一特征点获取同一心动周期内的心电信号的第二特征点；
特征值获取模块506，用于根据第一特征点和第二特征点，获取相应的特征参数；
模型建立模块508，用于建立特征参数的血压计算模型。
本实施例的连续血压测量模型建立系统500用于实现前述的连续血压测量模型建立方法，因此连续血压测量模型建立系统中的具体实施可参见前文连续血压测量模型建立方法的实施例部分，例如，信号获取模块502、特征点提取模块504、特征值获取模块506和模型建立模块508分别用于实现上述连续血压测量模型建立方法中步骤402、404、406和408，所以，其具体实现方式可参照前文中有关步骤402、404、406和408的各个实施例的描述，在此不再累述。
图4为本发明一个实施例的连续血压测量模型建立方法的流程示意图。应该理解的是，虽然图4的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，图4中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分并行执行或者交替地执行。
以上各个实施例在具体说明中仅只针对相应步骤的实现方式进行了阐述，然后在逻辑不相矛盾的情况下，上述各个实施例是可以相互组合的而形成新的技术方案的，而该新的技术方案依然在本具体实施方式的公开范围内。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品承载在一个非易失性计算机可读存储载体(如ROM、磁碟、光盘、服务器云空间)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
- 还没有人留言评论。精彩留言会获得点赞！