一种脉搏波压力及血压测量设备及测量方法与流程

本发明涉及一种脉搏波压力及血压测量设备及测量方法。

背景技术：

目前普遍应用的血压测量方法主要有采用柯氏音法的水银血压计测量和采用示波法的电子血压计测量两种。这两种器具都采用气囊袖套和腕套充气的方式对肢体血管实施加压，当气囊内压力达到测量要求时，再进行持续或阶梯式的放气减压。在减压过程中，柯氏音法是通过人工听取血流声和查看水银柱高度的方式确定血压值，而示波法是通过采集脉搏谐振波形成的包络图再通过模型拟合计算得到血压值。气囊持续放气，使得每次听到血流声或采集每个脉搏特征点时仅可获取少量的观测数据，如出现测量误差或错误时就会导致本次测量失败；也有示波法电子血压计采用气囊阶梯式放气以获得阶梯点处更多的测量值，但这又使得测量数据不连续，致使包络图不够平滑与模型拟合度降低致使测量失败。

水银血压计的操作要经过专门训练，主要供医疗机构内的专业人员使用；电子血压计使用相对方便，但受血压换算数学模型限制，测量范围和对血压变化的包容度有限，在血压不稳定和变化幅度较大等情况下，其测量的准确性会受到很大影响。

技术实现要素：

为了解决上述技术问题，本发明提供了一种脉搏波压力及血压测量设备及测量方法。

为了达到上述目的，本发明的技术方案如下：

本发明提供一种脉搏波压力及血压测量设备，包括：

测量设备，包括压力传感器、施压机构、检波增益电路、模数转换电路、微处理器、无线通信模块和显示屏，压力传感器的输出端与检波增益电路的输入端连接，检波增益电路的输出端与模数转换电路的输入端连接，模数转换电路的输出端与微处理器的输入端连接，微处理器的输出端与显示屏的输入端连接，微处理器与无线通信模块双向连接；

移动通信设备，其与无线通信模块之间通过通信协议连接，用于接收原始测量数据及云端服务器反馈的测量结果；

云端服务器，其与移动通信设备之间通过通信协议连接，用于将接收的原始测量数据经过处理生成血压测量结果。

其中，移动通信设备为手机或平板电脑；微处理器包括存储模块和数据粗筛模块。

本发明还提供一种脉搏波压力及血压测量方法，包括以下步骤：

s11、压力传感器采集脉搏波压力信号：若最近精密测量模式连续测量次数小于3-5次，则进入精密测量模式；若最近精密测量模式连续测量次数不小于3-5次且结果的较差超过±20％，则进入精密测量模式；若最近精密测量模式连续测量次数不小于3-5次且结果的较差在±20％之内，则进入普通测量模式；

s21、将采集到的脉搏波压力信号经过检波增益电路进行处理，然后经过模数转换电路转换为原始测量数据并发送给微处理器，微处理器将原始测量数据进行数据粗筛后发送给移动通信设备；

s31、移动通信设备将筛选后的原始测量数据发送给云端服务器，云端服务器进行处理得出血压测量结果并反馈给移动通信设备，移动通信设备将血压测量结果反馈给微处理器并由显示屏显示。

优选的，在上述的步骤s11之前还包括以下步骤：

s10、在移动通信设备上询问用户是否登录或注册，若已注册则采用用户账号登录后进入步骤s11，若没有注册则完成注册并采用用户账号登录后进入步骤s11，若没有注册账号直接登录则自动生成一次性账号后直接进入精密测量模式；

在步骤s11中还包括：若普通测量模式连续测量1-3个月，则系统自动提示用户进行3-5次精密测量模式。

优选的，上述的步骤s11中的精密测量模式为在系统中预设6-9个测量阶梯，施测时按引导进行6-9次压力调节获取6-9组大冗余原始测量数据。

优选的，上述的步骤s11中的普通测量模式为在系统中预设2-4个测量阶梯，施测时按引导进行2-4次压力调节获取2-4组原始测量数据，实现快速测量。

优选的，上述的步骤s21中按压力传感器最大工作电压值的10-90％的范围进行数据粗筛，超出范围的原始测量数据弃用。

优选的，上述的步骤s31中云端服务器处理数据包括以下步骤：

s310、将原始测量数据对应压力传感器的参数得出压力传感器上每个传感点的连续脉搏波压力值；

s311、选择压力传感器中振幅大的传感点的连续脉搏波压力值数组；

s312、对选中的连续脉搏波压力数组进行最小二乘平差处理，得到供脉搏波分析和用于血压计算的脉搏波压力值；

s313、对平差后的脉搏波压力值进行多级差分计算，得出血压测量值。

根据权利要求4所述的脉搏波压力及血压测量方法，其特征在于，在步骤s31之后还包括以下步骤：

s41、跟踪测量模式：设定测量时长，系统自动生成采样间隔和测段数；首先按系统引导将压力调节到初始点，之后根据系统引导在每一测段进行恒压测量。

本发明相较于现有技术，精密模式可有效保障测量的稳定性和精确性，而普通模式则可以大幅减少操作，能有效缩短测量时间提高适用性；精密测量和普通测量模式的切换获得原始测量数据，有效保障测量的稳定性和精确性，也大幅减少操作，节约时间，实现快速准确的测量，有效克服了测量数据读取方式的局限性、观测值冗余不足、测量精度不高、测量数据不稳定、测量设备体积较大等问题，应用于智能穿戴和小型台式健康监测或医疗设备；采用压力传感器为核心部件，去除了现有设备的气囊结构，在桡动脉处直接测量脉搏波压力作为原始测量数据，是智能穿戴和小型台式健康监测或医疗设备的理想解决方案。

附图说明

图1为本发明一种实施方式的脉搏波压力及血压测量设备的结构框图。

图2为本发明一种实施方式的脉搏波压力及血压测量方法的工作流程图。

具体实施方式

下面结合附图详细说明本发明的优选实施方式。

为了达到本发明的目的，如图1所示，在本发明的其中一种实施方式中提供一种脉搏波压力及血压测量设备，包括：

测量设备，包括压力传感器、施压机构、检波增益电路、模数转换电路、微处理器、无线通信模块和显示屏，压力传感器的输出端与检波增益电路的输入端连接，检波增益电路的输出端与模数转换电路的输入端连接，模数转换电路的输出端与微处理器的输入端连接，微处理器的输出端与显示屏的输入端连接，微处理器与无线通信模块双向连接；

移动通信设备，其与无线通信模块之间通过通信协议连接，用于接收原始测量数据及云端服务器反馈的测量结果；

云端服务器，其与移动通信设备之间通过通信协议连接，用于将接收的原始测量数据经过处理生成血压测量结果。

其中，移动通信设备为手机或平板电脑；微处理器包括存储模块和数据粗筛模块。

如图2所示，为了进一步地优化本发明的实施效果，在本发明的另一种实施方式中，在前述内容的基础上，本实施方式还提供一种脉搏波压力及血压测量方法，包括以下步骤：

s11、压力传感器采集脉搏波压力信号：若最近精密测量模式连续测量次数小于3-5次，则进入精密测量模式；若最近精密测量模式连续测量次数不小于3-5次且结果的较差超过±20％，则进入精密测量模式；若最近精密测量模式连续测量次数不小于3-5次且结果的较差在±20％之内，则进入普通测量模式；

s21、将采集到的脉搏波压力信号经过检波增益电路进行处理，然后经过模数转换电路转换为原始测量数据并发送给微处理器，微处理器将原始测量数据进行数据粗筛后发送给移动通信设备；

s31、移动通信设备将筛选后的原始测量数据发送给云端服务器，云端服务器进行处理得出血压测量结果并反馈给移动通信设备，移动通信设备将血压测量结果反馈给微处理器并由显示屏显示。

其中，上述的步骤s11中的精密测量模式为在系统中预设6-9个测量阶梯，施测时按引导进行6-9次压力调节获取6-9组大冗余原始测量数据。

上述的步骤s11中的普通测量模式为在系统中预设2-4个测量阶梯，施测时按引导进行2-4次压力调节获取2-4组原始测量数据，实现快速测量。

上述的步骤s21中按压力传感器最大工作电压值的10-90％的范围进行数据粗筛，超出范围的原始测量数据弃用。

上述的步骤s31中云端服务器处理数据包括以下步骤：

s310、将原始测量数据对应压力传感器的参数得出压力传感器上每个传感点的连续脉搏波压力值；

s311、选择压力传感器中振幅大的传感点的连续脉搏波压力值数组；

s312、对选中的连续脉搏波压力数组进行最小二乘平差处理，得到供脉搏波分析和用于血压计算的脉搏波压力值；

s313、对平差后的脉搏波压力值进行多级差分计算，得出血压测量值。

采用上述优选的方案，采用精密测量和普通测量模式的切换获得原始测量数据，有效保障测量的稳定性和精确性，也大幅减少操作，节约时间，实现快速准确的测量，有效克服了测量数据读取方式的局限性、观测值冗余不足、测量精度不高、测量数据不稳定、测量设备体积较大等问题，应用于智能穿戴和小型台式健康监测或医疗设备；采用压力传感器为核心部件，去除了现有设备的气囊结构，在桡动脉处直接测量脉搏波压力作为原始测量数据，是智能穿戴和小型台式健康监测或医疗设备的理想解决方案。

为了进一步地优化本发明的实施效果，在本发明的另一种实施方式中，在前述内容的基础上，在上述的步骤s11之前还包括以下步骤：

s10、在移动通信设备上询问用户是否登录或注册，若已注册则采用用户账号登录后进入步骤s11，若没有注册则完成注册并采用用户账号登录后进入步骤s11，若没有注册账号直接登录则自动生成一次性账号后直接进入精密测量模式；

在步骤s11中还包括：若普通测量模式连续测量1-3个月，则系统自动提示用户进行3-5次精密测量模式。

采用上述优选的方案，将用户信息与测量结果进行绑定，便于管理。

为了进一步地优化本发明的实施效果，在本发明的另一种实施方式中，在前述内容的基础上，在上述的步骤s31之后还包括以下步骤：

s41、跟踪测量模式：设定测量时长，系统自动生成采样间隔和测段数；首先按系统引导将压力调节到初始点，之后根据系统引导在每一测段进行恒压测量。

采用上述优选的方案，根据实际需要对用户体征数据进行长时间连续采集，获得动态血压值和连续的脉搏波曲线等数据。

为了进一步地优化本发明的实施效果，在本发明的另一种实施方式中，在前述内容的基础上，还包括步骤s51，对用户账号登录的同一用户不同时间的测量数据进行纵向迭代，将每次新的测量数据与之前的库存数据进行比对。

采用上述优选的方案，纵向迭代除了可以进行体征变化情况的量化判定外，还可以进行测量引导标准值的修订和计算参数的误差校准以及对传感器的基准漂移进行监测。

为了进一步地优化本发明的实施效果，在本发明的另一种实施方式中，在前述内容的基础上，还包括步骤s61，对用户账号登录的不同分组和标准分类的用户数据进行多维度迭代，将最新一次测量数据与其它平行或交叉的分类分组数据做比对。

采用上述优选的方案，多维度迭代可进行各种指标和各项排比变化的量化分析与判定。

为了进一步地优化本发明的实施效果，在本发明的另一种实施方式中，在前述内容的基础上，还包括步骤s71，将测量结果引入专业知识库进行分析，生成专业化的数据判读和解析结果，并发送给移动通信设备。

采用上述优选的方案，与单纯的数据分析不同，专业知识库以人工智能方式对当前测量结果数据和历史测量数据以及迭代数据进行综合分析，借助专业标准进行用户体征现状、变化、速度、趋势等方面的专业解析和判读。

以上所述的仅是本发明的优选实施方式，应当指出，对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，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。