一种血压监测装置及监测方法与流程

本发明涉及医疗技术领域，特别涉及一种血压监测装置及监测方法。

背景技术

血压(bloodpressure，bp)是指血液在血管内流动时作用于单位面积血管壁的侧压力，它是推动血液在血管内流动的动力。在不同血管内被分别称为动脉血压、毛细血管压和静脉血压，通常所说的血压是指体循环的动脉血压。

现有技术中，血压的测量方法包括直接测量法和间接测量法：1、直接测量法是将溶有抗凝剂的长导管，经皮穿刺将导管送至主动脉，导管与压力传感器连接，直接显示血压。本法为有创方式，仅适用于某些特殊情况。2、间接测量法即袖带加压法，用血压计测量。血压计有汞柱式、弹簧式和电子血压计。间接测量法简便易行，是目前临床上广泛应用的方法。

但是，直接测量法需要刺穿皮肤，除特定临床需要，基本上不会在日常使用。而间接测量法，测量方法虽然简单，专业医护人员或受过培训的人员即可操作，但是仅能获取简短时间的血压数据，无法获取长时间无创连续不间断的血压数值。

技术实现要素：

本发明要解决的技术问题是提供一种血压监测装置及监测方法，以解决现有技术中血压监测仅能获取简短时间的血压数据，无法获取长时间无创连续不间断的血压数值的问题。

为了解决上述技术问题，本发明的技术方案为：

一种血压监测装置，包括壳体、心电检测单元、血氧检测单元、控制单元、通信单元和终端，所述心电检测单元、所述血氧检测单元和所述通信单元分别连接所述控制单元，所述控制单元设置在所述壳体内，所述通信单元还连接所述终端，

所述心电检测单元用于检测用户的心电信号并在所述终端生成心电图谱，

所述血氧检测单元用于检测用户的血氧信息并在所述终端生成脉搏波图谱，

所述终端用于根据所述心电图谱和所述脉搏图谱获得脉搏波传播时间，并将所述脉搏波传播时间输入到监测模型中，得到血压数据。

可选的：所述心电检测单元包括两个心电电极和设置在所述壳体背部的心电驱动，所述血氧检测单元血氧传感器，所述血氧传感器包括血氧传感器探头。

可选的：还包括模数转换电路、滤波电路和放大电路，所述模数转换电路、所述滤波电路和所述放大电路依次连接，所述模数转换电路的输入端分别连接所述心电检测单元的输出端和所述血氧检测单元的输出端，所述放大电路的输出端连接所述控制单元。

根据本发明的另一方面，提供了一种血压监测方法，包括以下步骤：

步骤1、获取多组样本数据，每组样本数据均包括心电图谱r波峰值点与脉搏波起始点之间的时间t，血液粘稠度m，血管硬化程度n和血压值p；

步骤2、使用深度置信网络对样本数据训练获得监测模型，所述深度置信网络包括n层受限波尔兹曼机(rbm)网络和设置在n层受限波尔兹曼机(rbm)网络的下层的反向传播神经(bp)网络，其中，n≥2；

步骤3、获取用户的心电图谱、脉搏波图谱和实时血压值，将所述用户的心电图谱、所述脉搏波图谱和所述实时血压值输入所述检测模型以微调检测模型，得到用户实时的检测模型；

步骤4、检测用户的心电数据和血压数据输入至所述用户实时的检测模型得到用户的监测血压。

进一步的：使用深度置信网络对样本数据训练获得监测模型具体包括：

步骤21、对深度置信网络的参数进行初始化赋值：设置最上层受限波尔兹曼机(rbm)网络的可视层节点个数为3；设置反向传播神经(bp)网络的输出层个数为1；设置所述深度置信网络其他各层节点个数为任意整数；设置受限波尔兹曼机(rbm)网络的可视层偏置、隐藏层偏置、可视层和隐藏层的连接权重均为随机极小值；设置反向传播神经(bp)网络的输入层偏置、输出层偏置、输入层和输出层的连接权重均为随机值；设置深度置信网络的训练精度、学习速率和训练次数；

步骤22、使用样本数据对n层受限波尔兹曼机(rbm)网络进行逐层无监督训练，以调整各层受限波尔兹曼机(rbm)网络的可视层偏置、隐藏层偏置、可视层和隐藏层的连接权重；

步骤23、使用血压值p作为监督，由反向传播神经(bp)网络对深度置信网络进行调整。

进一步的：所述步骤22具体包括：

步骤221、将每组样本数据中的心电图谱r波峰值点与脉搏波起始点之间的时间t，血液粘稠度m和血管硬化程度n输入到最上层受限波尔兹曼机(rbm)网络的可视层节点，对最上层受限波尔兹曼机(rbm)网络进行无监督训练，得到最上层受限波尔兹曼机(rbm)网络的隐藏层和可视层的最优映射；

步骤222、以受限波尔兹曼机(rbm)网络的输出层作为当前层受限波尔兹曼机(rbm)网络的可视层，对当前层受限波尔兹曼机(rbm)网络进行无监督训练，得到当前层受限波尔兹曼机(rbm)网络的隐藏层和可视层之间的最优映射。

进一步的：所述步骤23具体包括：

步骤231、以最下层的受限波尔兹曼机(rbm)网络的隐藏层作为反向传播神经(bp)网络的输入层，由反向传播神经(bp)网络对血压值预测得到预测血压值；

步骤232、计算预测血压值与血压值p的误差；

步骤233、由反向传播神经(bp)网络将所述误差自下而上反向传回至每层受限波尔兹曼机(rbm)网络，调整各层受限波尔兹曼机(rbm)网络的可视层偏置、隐藏层偏置以及可视层和隐藏层的连接权重使得所述误差趋向变小；

重复执行步骤231-步骤233，直至反向传播神经(bp)网络输出的预测血压值与血压值p的误差缩小到所述训练精度内。

采用上述技术方案，由于可以只采集心电图谱和脉搏波图谱，便可以获得用户的实时血压，解决了现有技术采集血压的方法仅能获取简短时间的血压数据，无法获取长时间无创连续不间断的血压数值的问题，在医疗上对血压患者的长时间连续不间断检测，是检测血压患者血压病情，以及血压24小时不间断数据，用来判断发病时间段、发病规律、变化曲线、周期反复等的重要方式，对于对症下药并给出真正合理的治疗方案起到了决定性的作用。

附图说明

图1为本发明血压监测装置的结构框图；

图2为本发明血压监测方法的流程图。

具体实施方式

下面结合附图对本发明的具体实施方式作进一步说明。在此需要说明的是，对于这些实施方式的说明用于帮助理解本发明，但并不构成对本发明的限定。此外，下面所描述的本发明各个实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互组合。

实施例1

一种血压监测装置，如附图1所示，包括壳体、心电检测单元、血氧检测单元、数转换电路、滤波电路、放大电路、控制单元、通信单元和终端，其中，数转换电路、滤波电路、放大电路和控制单元均设置在壳体内，心电检测单元和血氧检测单元的输出端均连接数转换电路的输入端，转换电路、滤波电路、放大电路、控制单元依次连接，控制单元与终端之间通过通信单元通讯连接。

心电检测单元用于检测用户的心电信号并在终端生成心电图谱，在本发明的实施例中，心电检测单元包括两个心电电极和设置在壳体背部的心电驱动，两个心电电极包括la电极和ra电极，其中la电极佩戴在使用者的左侧胸部乳头与锁骨中间位置，ra电极佩戴在使用者的右侧胸部乳头与锁骨中间位置。

血氧检测单元用于检测用户的血氧信息并在终端生成脉搏波图谱，在本发明的实施例中，血氧检测单元血氧传感器，血氧传感器包括血氧传感器探头。

模数转换电路用于将心电检测单元和血氧检测单元发送的模拟信号转换为数字信号并发送至滤波电路，滤波电路用于对数字信息滤除杂波并发送至放大电路，放大电路用于对滤波后的数字信号进行初步放大并提高整个电路的抑制比。

在本发明的实施例中控制单元可以是微处理器或控制器，通信单元可以是有线通信模块或无线通信模块，优选无线通信模块，比如蓝牙模块或wifi模块等。

终端用于根据心电图谱和脉搏图谱获得pwtt(pulsewavetransittime，脉搏波传播时间)，并将pwtt输入到监测模型中，得到血压数据。

实施例2

血压的影响因素包括：1、每搏输出量：每搏输出量增加，收缩压升高，舒张压也升高，但是收缩压上述的幅度比舒张压大，因此脉压变大。每搏输出量对于收缩压的影响要强于对舒张压的影响。反之，每搏输出量减少，收缩压降低，脉压减少；

2、心率：心率加快时，舒张期缩短，短时间内通过小动脉流出的血液减少，因此心室舒张末期在主动脉内存留下的血液量就较多，导致舒张压升高，脉压减小；

3、外周阻力：外周阻力加大，动脉血压升高，但主要使舒张压升高，收缩压的增加较小，外周阻力对舒张压的影响要大于对收缩压的影响；

4、大动脉管壁的弹性：大动脉管的弹性贮器功能主要起缓冲血压波动的作用。老年人血管硬化时，大动脉弹性减退，缓冲作用减弱，因而使收缩压升高，舒张压降低，脉压增大；

5、循环血量与血管系统容量的比例：当血管系统容量不变，血量减小时，体循环平均压下降，动脉血压下降。血量不变而血管容积增大时，动脉血压会下降。

平均动脉压(bp)与收缩压(sp)和舒张压(dp)的关系为：bp＝dp＝(sp-dp)/3。

本实施例基于血压与上述影响因素的关系提供了一种血压监测方法，如附图2所示，包括以下步骤：

获取多组样本数据，每组样本数据均包括心电图谱r波峰值点与脉搏波起始点之间的时间t，血液粘稠度m，血管硬化程度n和血压值p。

其中心电图谱r波峰值点与脉搏波起始点之间的时间t即pwtt，由于血压与每搏输出量、心率、外周阻力、大动脉管壁的弹性及循环血量与血管系统容量的比例等有关，所以在本发明的实施例中采集pwtt、血液粘稠度m和血管硬化程度n来计算血压。

样本数据的组数可以根据实际情况选择，在本发明的实施例中获取了100组数据。

步骤2、使用深度置信网络分别对每组样本数据训练获得监测模型，深度置信网络包括n层受限波尔兹曼机(rbm)网络和设置在n层受限波尔兹曼机(rbm)网络的下层的反向传播神经(bp)网络，其中，n≥2。在本发明的实施例中，n＝2。该步骤具体包括：

步骤21、对深度置信网络的参数进行初始化赋值：设置最上层受限波尔兹曼机(rbm)网络的可视层节点个数为3；设置反向传播神经(bp)网络的输出层个数为1；设置深度置信网络其他各层节点个数为3；设置受限波尔兹曼机(rbm)网络的可视层偏置a、隐藏层偏置b、可视层和隐藏层的连接权重w均为随机极小值；设置反向传播神经(bp)网络的输入层偏置、输出层偏置、输入层和输出层的连接权重均为随机值；设置深度置信网络的训练精度ε取[10-6,10-10]之间任意数值，在本发明的实施例中取ε＝10-10，学习速率η＝1，训练次数t取100。

步骤22、使用样本数据对n层受限波尔兹曼机(rbm)网络进行逐层无监督训练，以调整各层受限波尔兹曼机(rbm)网络的可视层偏置、隐藏层偏置、可视层和隐藏层的连接权重，具体包括：

步骤221、将每组样本数据中的心电图谱r波峰值点与脉搏波起始点之间的时间t组成pwtt矩阵x1，每组样本数据中的血液粘稠度m组成血液粘稠度矩阵x2，每组样本数据中的血管硬化程度n组成血管硬化程度矩阵x3，将x1，x2，x3对应输入到最上层受限波尔兹曼机(rbm)网络的3个可视层节点，对最上层受限波尔兹曼机(rbm)网络进行无监督训练，得到最上层受限波尔兹曼机(rbm)网络的隐藏层和可视层的最优映射。

第一层受限波尔兹曼机(rbm)网络的可视层v0具有3个节点，隐藏层h0具有3个节点。用i表示可视层v0的第i个节点，1≤i≤n，n为可视层v0的节点的个数，也就是n＝3。用j表示隐藏层h0的第j个节点，1≤j≤m，m为隐藏层h0的节点的个数，也就是m＝3。第一层受限波尔兹曼机(rbm)网络的可视层v0的各节点值vi为：v1＝x1，v2＝x2，v3＝x3。

对最上层受限波尔兹曼机(rbm)网络进行无监督训练，得到最上层受限波尔兹曼机(rbm)网络的隐藏层和可视层的最优映射具体是这样实现的：

用第一层受限波尔兹曼机(rbm)网络的可视层v0构建第一层受限波尔兹曼机(rbm)网络的隐藏层h0。具体来说：根据第一层受限波尔兹曼机(rbm)网络的可视层v0的节点值vi，计算第一层受限波尔兹曼机(rbm)网络的隐藏层h0的第j个节点被选中的概率p(hj＝1)，p(hj＝1)即为隐藏层h0的第j个节点的节点值。

其中，hj＝1表示隐藏层h0的第j个节点被选中；bj表示隐藏层h0的第j个节点的偏置，已经被初始化为随机极小值；wij为可视层v0的第i个节点和隐藏层h0的第j个节点之间的连接权重，已经被初始化为随机极小值；σ为sigmoid函数，且

然后用第一层受限波尔兹曼机(rbm)网络的隐藏层h0重构第一层受限波尔兹曼机(rbm)网络的可视层v0。具体来说：计算第一层受限波尔兹曼机(rbm)网络的可视层v0的第i个节点被选中的概率p(vi＝1)，p(vi＝1)即为重构以后的可视层v0的第i个节点的节点值

其中，vi＝1表示可视层v0的第i个节点被选中；ai表示可视层v0的第i个节点的偏置，已经被初始化为随机极小值；wji为隐藏层h0的第j个节点和可视层v0的第i个节点之间的连接权重，已经被初始化为随机极小值。

计算第一层受限波尔兹曼机(rbm)网络的最优参数，得到第一层受限波尔兹曼机(rbm)网络的隐藏层h0和可视层v0之间的最优映射。如何计算受限波尔兹曼机(rbm)网络的最优参数，得到隐藏层和可视层之间的最优映射属于本领域已知技术，在此只做简要说明。

第一层受限波尔兹曼机(rbm)网络的参数为θ(a，b，w)，包括可视层偏置a、隐藏层偏置b、可视层和隐藏层的连接权重w。

计算可视层v0的特征向量v和隐藏层h0的特征向量h的联合概率分布，联合概率分布函数为：

然后计算可视层v0的边缘概率分布，边缘概率分布函数为：

其中，e(v,h；θ)为能量函数，z(θ)为配分函数。

能量函数e(v,h；θ)的计算公式如下：

配分函数z(θ)的计算公式如下：

最后求解最优的参数θ(a，b，w)。由于受限波尔兹曼机(rbm)网络的各节点是相互独立的，可以将θ的寻优过程转化为求最大似然函数l(θ)的最值的问题。

边缘概率分布的对数似然函数为：

在对第一层受限波尔兹曼机进行训练时，可以采用梯度法来加快训练速度，利用参数更新公式来进行参数更新，参数更新公式为：

其中，t为训练次数，η为学习速率。

随着参数沿着梯度方向不断更新，会找到似然函数的最大值，也就是能获得出第一层受限波尔兹曼机(rbm)网络的最优的参数θ(a，b，w)，即可实现第一层受限波尔兹曼机(rbm)网络自身可视层v0与隐藏层h0之间的最优映射。

步骤222、以上一层受限波尔兹曼机(rbm)网络的隐藏层作为当前层受限波尔兹曼机(rbm)网络的可视层，对当前层受限波尔兹曼机(rbm)网络进行无监督训练，得到当前层受限波尔兹曼机(rbm)网络的隐藏层和可视层之间的最优映射。

第二层受限波尔兹曼机(rbm)网络的训练过程与第一层受限波尔兹曼机(rbm)网络的训练过程相似，在此不再赘述。

步骤23、使用血压值p作为监督，由反向传播神经(bp)网络对深度置信网络进行调整。具体包括以下步骤：

步骤231、以受限波尔兹曼机(rbm)网络的输出层作为反向传播神经(bp)网络的输入层，由反向传播神经(bp)网络对血压值预测得到预测血压值；

具体的，受限波尔兹曼机(rbm)网络的输出层为x，反向传播神经(bp)网络的输入层偏置am、输出层偏置bn、输入层和输出层的连接权重wmn均为随机值，将上述参数代入激活函数，即sigmoid函数获得输出层节点值xn：

xn＝f(sn)

其中

步骤232、计算预测血压值与血压值p的误差,误差函数如下:

步骤233、由反向传播神经(bp)网络将误差自下而上反向传回至每层受限波尔兹曼机(rbm)网络，调整各层受限波尔兹曼机(rbm)网络的可视层偏置、隐藏层偏置以及可视层和隐藏层的连接权重使得误差趋向变小；

重复执行步骤231-步骤233，直至反向传播神经(bp)网络输出的预测血压值与血压值p的误差缩小到训练精度内即得到检测模型。

步骤3、获取用户的心电图谱、脉搏波图谱和实时血压值，将用户的心电图谱、脉搏波图谱和实时血压值输入检测模型以微调检测模型，得到用户实时的检测模型；

步骤4、检测用户的心电数据和血压数据输入至用户实时的检测模型得到用户的监测血压。

需要说明的是，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的装置来实现，或者可以用专用硬件与计算机指令的组合来实现。

本发明实施例所提供的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个装置，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上结合附图对本发明的实施方式作了详细说明，但本发明不限于所描述的实施方式。对于本领域的技术人员而言，在不脱离本发明原理和精神的情况下，对这些实施方式进行多种变化、修改、替换和变型，仍落入本发明的保护范围内。