1.本发明涉及传感器技术领域,特别是涉及一种脉搏监测装置。
背景技术:2.脉搏测量是诊断心脑血管疾病的重要手段之一,然而,现有专业脉搏测量设备的应用场景普遍受限。伴随着可穿戴技术的迅速发展,小型化、可穿戴化的便携式脉搏测量设备将在远程的人体脉搏诊断、健康监测等方面发挥重要作用。当前市面上流行的运动手环搭载的都为光电式心率传感器,只能测量脉率,而不能完整还原脉搏的波形。光电式心率测量设备延展性差,测量效果易受环境光照强度以及佩戴者肤色影响,而压力传感器延展性好,不受上述因素限制,在手腕处测量效果比光电式心率测量设备更好。因此,应用压力传感器测量脉搏可以获取完整的脉搏波形,通过分析脉搏波的特征参数可以得到更多被测者的病理信息,这些信息为心脑血管疾病的诊断提供了辅助作用。采用柔性压力传感器监测脉搏需要将压力传感器放置在人体桡动脉上采集脉搏,而现有的压力传感器测量脉搏时对桡动脉的测量点测量位置不准确,采样的数据误差大,造成测量结果不准确。
技术实现要素:3.本发明的目的是提供一种脉搏监测装置,能够提供准确的脉搏数据。
4.为实现上述目的,本发明提供了如下方案:
5.一种脉搏监测装置,所述脉搏监测装置包括:柔性压力传感器阵列、模数转换模块和压力定位模块;
6.所述柔性压力传感器阵列包括石墨烯
‑
氧化石墨烯柔性压阻传感器阵列、弹性体阵列和柔性电极;所述石墨烯
‑
氧化石墨烯柔性压阻传感器阵列包括石墨烯薄膜阵列和氧化石墨烯薄膜;所述氧化石墨烯薄膜上设有所述石墨烯薄膜阵列;所述石墨烯薄膜阵列数量为至少一个;所述氧化石墨烯薄膜紧贴在所述弹性体阵列上;所述石墨烯薄膜阵列与所述柔性电极连接;所述柔性电极通过金属导线与所述模数转换模块的输入端连接;所述石墨烯
‑
氧化石墨烯柔性压阻传感器阵列通过将所述弹性体阵列贴附在人体桡动脉处对脉搏的模拟压力数据进行采集后输出至所述模数转换模块;
7.所述模数转换模块用来将所述模拟压力数据转换为数字压力数据;
8.所述压力定位模块,与所述模数转换模块连接,用来将所述数字压力数据转换为专家给定数字压力数据,并对所述专家给定数字压力数据进行分析确定人体桡动脉处的脉搏测量点位置和脉搏数据。
9.可选的,所述弹性体阵列中的弹性体为热塑性弹性体。
10.可选的,所述热塑性弹性体为聚酰胺类热塑性弹性体。
11.可选的,所述柔性压力传感器阵列面积为0.5
‑
1.5cm2。
12.可选的,所述脉搏监测装置还包括显示模块;所述显示模块,与所述压力定位模块连接,用来显示所述人体桡动脉处的脉搏数据。
13.可选的,所述压力定位模块包括神经网络模块和特征比对模块;所述神经网络模块用于采用神经网络模型对所述数字压力数据进行计算,所述神经网络模型为以所述数字压力数据为输入,以专家给定数字压力数据为输出训练得到的神经网络;所述特征比对模块对神经网络模型输出的专家给定数字压力数据是否在专家给定的数据范围内进行判断,如果所述神经网络模型输出的专家给定数字压力数据在专家给定的数据范围内则所述数字压力数据为人体桡动脉处的脉搏数据,采集所述数字压力数据的所述石墨烯
‑
氧化石墨烯柔性压阻传感器阵列所在的位置为人体桡动脉处的脉搏测量点位置。
14.可选的,所述柔性压力传感器阵列还包括金属连接体,所述金属连接体一端与柔性电极连接,另一端与金属导线连接。
15.可选的,所述脉搏监测装置还包括衬底和保护膜;所述脉搏监测装置还包括衬底和保护膜;所述保护膜黏贴在所述柔性压力传感器阵列的下表面上;所述衬底贴附在所述柔性压力传感器阵列的上表面上;所述柔性压力传感器阵列的下表面为所述弹性体阵列上的与所述氧化石墨烯薄膜相接触的接触面的背面;所述柔性压力传感器阵列的上表面为所述石墨烯薄膜阵列与所述氧化石墨烯薄膜相接触的接触面的背面;所述衬底外围和所述保护膜外围黏贴固定。
16.可选的,所述衬底为pet薄膜或聚酰亚胺;
17.所述保护膜为pet薄膜或聚酰亚胺。
18.一种脉搏监测方法,所述脉搏监测方法包括:
19.获取人体桡动脉处脉搏的压力数据;
20.根据所述压力数据采用神经网络确定所述专家给定数字压力数据;
21.根据所述专家给定数字压力数据和所述数字压力数据确定人体桡动脉处的脉搏测量点位置和脉搏数据。
22.根据本发明提供的具体实施例,本发明公开了以下技术效果:
23.本发明提供了一种脉搏监测装置,该装置包括柔性压力传感器阵列、模数转换模块和压力定位模块;柔性压力传感器阵列包括石墨烯
‑
氧化石墨烯柔性压阻传感器阵列、弹性体阵列和柔性电极;石墨烯
‑
氧化石墨烯柔性压阻传感器阵列包括石墨烯薄膜阵列和氧化石墨烯薄膜;氧化石墨烯薄膜上设有石墨烯薄膜阵列;石墨烯薄膜阵列数量为至少一个;氧化石墨烯薄膜紧贴在弹性体阵列上;石墨烯薄膜阵列与柔性电极连接;柔性电极通过金属导线与模数转换模块的输入端连接;石墨烯
‑
氧化石墨烯柔性压阻传感器阵列通过将弹性体阵列贴附在人体桡动脉处对脉搏的模拟压力数据进行采集后输出至模数转换模块;模数转换模块用来将模拟压力数据转换为数字压力数据;压力定位模块,与模数转换模块连接,用来将数字压力数据转换为专家给定数字压力数据,并对专家给定数字压力数据进行分析得到人体桡动脉处的脉搏测量点位置和脉搏数据。该装置通过柔性压力传感阵列基于神经网络计算自动定位测量点并采集人体桡动脉处脉搏,使得对桡动脉的测量点测量位置准确并且能够获得多组压力信号,进一步降低采样数据的误差,使得测量结果更精确,同时,压力信号经模数转换模块转换后传输至压力定位模块进行分析处理并通过显示模块显示人体桡动脉处的脉搏数据,实现了人体脉搏的实时监测。
附图说明
24.为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
25.图1为人体桡动脉处压力数据采集示意图;
26.图2为柔性压力传感器阵列正视结构示意图;
27.图3为柔性压力传感器阵列侧视结构示意图;
28.图4为神经网络训练结构图;
29.图5为脉搏监测装置结构示意图;
30.图6为脉搏监测装置连接示意图;
31.图7为脉搏监测装置外观图;
32.图8为脉搏监测装置的监测流程示意图;
33.图9为脉搏监测装置的监测流程框图。
34.符号说明:
35.柔性压力传感器阵列
‑
1,模数转换模块
‑
2,压力定位模块
‑
3,显示模块
‑
4,手环
‑
5,电源
‑
6,第一按钮开关
‑
7,第二按钮开关
‑
8,被测者
‑
9,保护膜
‑
10,石墨烯
‑
氧化石墨烯柔性压阻传感器阵列
‑
11,弹性体阵列
‑
12,柔性电极
‑
13,石墨烯薄膜和氧化石墨烯薄膜
‑
14,衬底
‑
15,空样本集
‑
31,第一样本集
‑
311,第二样本集
‑
312,第三样本集
‑
313,第四样本集
‑
314,第五样本集
‑
315,第六样本集
‑
316,第七样本集
‑
317,第八样本集
‑
318,神经网络训练器
‑
32,第一输入层神经元
‑
321,第二输入层神经元
‑
322,第三输入层神经元
‑
323,第四输入层神经元
‑
324,第五输入层神经元
‑
325,第六输入层神经元
‑
326,信号处理电路模块
‑
21,选通电路
‑
22,模数转换电路
‑
23,电阻
‑
电压转换电路
‑
211,第一级放大电路
‑
212,高通滤波电路
‑
213,带阻滤波电路
‑
214,低通滤波电路
‑
215,第二级放大电路
‑
216。
具体实施方式
36.下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
37.本发明的目的是提供一种脉搏监测装置,能够提供准确的脉搏数据。
38.为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
39.本发明提供一种脉搏监测装置,脉搏监测装置包括:柔性压力传感器阵列1、模数转换模块2和压力定位模块3。
40.柔性压力传感器阵列1包括石墨烯
‑
氧化石墨烯柔性压阻传感器阵列11、弹性体阵列12和柔性电极13;石墨烯
‑
氧化石墨烯柔性压阻传感器阵列11包括石墨烯薄膜阵列和氧化石墨烯薄膜;氧化石墨烯薄膜上设有石墨烯薄膜阵列;石墨烯薄膜阵列数量为至少一个;氧化石墨烯薄膜紧贴在弹性体阵列12上;石墨烯薄膜阵列与柔性电极13连接;柔性电极13
通过金属导线与模数转换模块2的输入端连接;石墨烯
‑
氧化石墨烯柔性压阻传感器阵列11通过将弹性体阵列12贴附在人体桡动脉处对脉搏的模拟压力数据进行采集后输出至模数转换模块2。
41.具体的,弹性体阵列12中的弹性体为热塑性弹性体;柔性压力传感器阵列1面积为0.5
‑
1.5cm2;柔性压力传感器阵列1还包括金属连接体,金属连接体一端与柔性电极13连接,另一端与金属导线连接;金属连接体为铜箔。
42.进一步的,热塑性弹性体为聚酰胺类热塑性弹性体。
43.如图1所示,本实施例提供的人体桡动脉处压力数据采集的具体步骤如下所述:
44.(1)将柔性压力传感器阵列1贴附于被测者9桡动脉处,被测者9保持手腕静止。
45.(2)脉搏起始时至脉搏结束时,柔性压力传感器阵列1各传感器分别测得脉搏时所测部位压力数据。
46.(3)柔性压力传感器阵列1各传感器阻值变化以反映压力数据变化。
47.(4)柔性压力传感器阵列1将压力数据输入模数转换模块2。
48.模数转换模块2用来将模拟压力数据转换为数字压力数据。
49.压力定位模块3,与模数转换模块2连接,用来将数字压力数据转换为专家给定数字压力数据,并对专家给定数字压力数据进行分析确定人体桡动脉处的脉搏测量点位置和脉搏数据。
50.具体的,压力定位模块3包括神经网络模块和特征比对模块;神经网络模块用于采用神经网络模型对数字压力数据进行计算,神经网络模型为以数字压力数据为输入,以专家给定数字压力数据为输出训练得到的神经网络;特征比对模块对神经网络模型输出的专家给定数字压力数据是否在专家给定的数据范围内进行判断,如果神经网络模型输出的专家给定数字压力数据在专家给定的数据范围内则数字压力数据为人体桡动脉处的脉搏数据,采集数字压力数据的石墨烯
‑
氧化石墨烯柔性压阻传感器阵列11所在的位置为人体桡动脉处的脉搏测量点位置。
51.进一步的,脉搏监测装置还包括显示模块4;显示模块4,与压力定位模块3连接,用来显示人体桡动脉处的脉搏数据;脉搏监测装置还包括衬底15和保护膜10;保护膜10黏贴在与人体桡动脉接触的柔性压力传感器阵列1的下表面上;衬底15贴附在柔性压力传感器阵列1的上表面上;柔性压力传感器阵列1的下表面为弹性体阵列12上的与氧化石墨烯薄膜相接触的接触面的背面;柔性压力传感器阵列1的上表面为石墨烯薄膜阵列与氧化石墨烯薄膜相接触的接触面的背面;衬底15外围和保护膜10外围黏贴固定。
52.更进一步的,衬底15为pet薄膜或聚酰亚胺;保护膜10为pet薄膜或聚酰亚胺。
53.更为具体的,如图2和图3所示,柔性压力传感器阵列1包括2
×
2石墨烯
‑
氧化石墨烯柔性压阻传感器阵列11和2
×
2弹性体阵列12,石墨烯阵列与柔性电极13接触,石墨烯
‑
氧化石墨烯柔性压阻传感器阵列的一侧贴附50um厚的保护膜10,保护膜10和衬底15之间黏贴固定,保护膜10和弹性体之间黏贴固定。使用铜箔将柔性电极13与金属导线连接,可将传感器输出的信号通过金属导线连接到测试设备和后端处理电路。柔性压力传感器阵列1尺寸为1cm2,贴附于人体桡动脉处。
54.本实施例提供的一种脉搏监测方法,该方法包括:获取人体桡动脉处脉搏的压力数据;根据压力数据采用神经网络模型确定专家给定数字压力数据;根据专家给定数字压
力数据和数字压力数据确定人体桡动脉处的脉搏测量点位置和脉搏数据。
55.具体的,首先将柔性压力传感器阵列采集的脉搏时人体脉搏波形特征点数据输入由输入层神经元、隐含层神经元和输出层神经元三层网络架构的神经网络训练器进行学习,并由输出层神经元将其学习结果输至训练参数对比单元。
56.其次上述学习结果经训练参数对比单元比对后,满足设定的训练参数,则训练结束;若上述学习结果未能满足设定的训练参数,则经修正权值的调整后返回输入层神经元,并由输入层神经元再次进入隐含层神经元及输出层神经元,如此进行多次循环学习的训练,直至学习结果满足设定的训练参数。
57.如图4所示,本实施例提供的神经网络模型采样的具体过程如下所述:
58.压力定位模块3启动时建立空样本集31,并检测模数转换模块2是否有信号输入,若没有信号输入,则继续检测。将测得的信号值存入第一样本集311,并判断样本数是否足够,若不足够,则继续采集信号,直到样本数达到设定的参数。根据第一样本集311中的样本值计算出脉搏周期,主动脉瓣开放点,收缩期最高压力点,主动脉扩张降压点,左心室舒张期开始点,反潮波起点,反潮波最高压力点,并分别存入第二样本集312,第三样本集313,第四样本集314,第五样本集315,第六样本集316,第七样本集317,第八样本集318。压力定位模块3将第三样本集313,第四样本集314,第五样本集315,第六样本集316,第七样本集317,第八样本集318数据分别输入至神经网络训练器32的第一输入层神经元321,第二输入层神经元322,第三输入层神经元323,第四输入层神经元324,第五输入层神经元325,第六输入层神经元326进行计算与识别。
59.神经网络模块采用神经网络模型对数字压力数据进行计算,神经网络模型以数字压力数据为输入,以专家给定数字压力数据为输出,每一个样本的数字压力数据输入神经网络模型后都有与这一样本对应的专家给定数字压力数据输出,每一个采样的数字压力数据都有对应的专家给定数字压力数据,从而使得神经网络模型学习到输入的数字压力数据与输出的专家给定数字压力数据之间的对应关系。
60.最后将完成训练的神经网络和实时脉搏波形特征点数据输入特征比对模块,进行计算和识别,输出识别结果。
61.具体的,实时脉搏波形特征点数据为实时采集的数字压力数据。数字压力数据由一组参数数据组成,数字压力数据的参数数据包括主动脉瓣开放点数据,收缩期最高压力点数据,主动脉扩张降压点数据,左心室舒张期开始点数据,反潮波起点数据,反潮波最高压力点数据;完成训练的神经网络为神经网络模型。柔性压力传感器阵列1中的每个柔性压力传感器采集人体桡动脉处不同位置的脉搏,获得不同位置的脉搏的数字压力数据,不同柔性压力传感器采集的不同位置的脉搏的数字压力数据输入完成训练的神经网络模型后输出不同位置的脉搏的专家给定数字压力数据;柔性压力传感器采集的数字压力数据同时输入完成训练的神经网络模型和特征对比模块,完成训练的神经网络模型输出专家给定数字压力数据,将输出的专家给定数字压力数据和输入特征对比模块,特征对比模块将专家给定数字压力数据中的参数的参数数据提取出来,并判断提取出来的每一个参数的参数数据是否符合对比模块中的该参数的数据范围;如果专家给定数字压力数据中的参数的参数数据都满足对比模块中参数的数据范围,则认为输入特征对比模块的数字压力数据采集准确,采集到该数字压力数据的柔性压力传感器在人体桡动脉处的测量点位置准确,该数字
压力数据为人体桡动脉处的脉搏数据;人体桡动脉处的脉搏数据可以得到脉搏波形。其中,参数的数据范围由专家确定。
62.进一步的,柔性压力传感器阵列1包括四个石墨烯
‑
氧化石墨烯柔性压阻传感器阵列11;四个石墨烯
‑
氧化石墨烯柔性压阻传感器阵列11分别为:第一阵列、第二阵列、第三阵列和第四阵列。四个石墨烯
‑
氧化石墨烯柔性压阻传感器阵列11对人体桡动脉出的脉搏进行采集时,可以采用以下两种方式:
63.(1)将第一阵列输出的压力数据输入到完成训练的神经网络模型得到专家给定数字压力数据,将第一阵列实时输出的压力数据同时输入完成训练的神经网络模型和特征对比模块,第一阵列实时输出的压力数据输入完成训练的神经网络模型得到专家给定数字压力数据,将专家给定数字压力数据输入特征对比模块,特征对比模块判断专家给定数字压力数据的参数的参数数据是否符合特征对比模块内的对应的参数的数据范围,如果所有的专家给定数字压力数据的参数的参数数据都符合对应参数的数据范围,则第一阵列在人体桡动脉处的测量点位置准确,将输入特征对比模块的压力数据作为人体桡动脉处的脉搏数据。如果判断第一阵列在人体桡动脉处的测量点位置不准确,则将第二阵列输出的压力数据按照第一阵列输出的压力数据的处理方式,对第二阵列在人体桡动脉处的测量点位置是否准确进行判断。依次类推,对第三阵列和第四阵列在人体桡动脉处的测量点位置是否准确进行判断。一旦确定准确的人体桡动脉处的测量点位置就停止继续对其他阵列的测量点位置进行判断。
64.(2)将四个石墨烯
‑
氧化石墨烯柔性压阻传感器阵列11输出的压力数据同时输入完成训练的神经网络模型和特征对比模块,四个石墨烯
‑
氧化石墨烯柔性压阻传感器阵列11实时输出的压力数据输入完成训练的神经网络模型得到四个专家给定数字压力数据,将四个专家给定数字压力数据输入特征对比模块,特征对比模块判断输入的四个专家给定数字压力数据包含的参数的参数数据是否符合特征对比模块内的对应的参数的数据范围,如果四个石墨烯
‑
氧化石墨烯柔性压阻传感器阵列11中有一个石墨烯
‑
氧化石墨烯柔性压阻传感器阵列11的数字压力数据经完成训练后输出的专家给定数字压力数据的参数的参数数据都符合对应参数的数据范围,则认为该石墨烯
‑
氧化石墨烯柔性压阻传感器阵列11在人体桡动脉处的测量点位置准确,将这一阵列输出的压力数据作为人体桡动脉处的脉搏数据。如果四个石墨烯
‑
氧化石墨烯柔性压阻传感器阵列11有多于一个石墨烯
‑
氧化石墨烯柔性压阻传感器阵列11在人体桡动脉处的测量点位置准确,则从中选择任意一个石墨烯
‑
氧化石墨烯柔性压阻传感器阵列输出的压力数据作为人体桡动脉处的脉搏数据。
65.如果检测到四个石墨烯
‑
氧化石墨烯柔性压阻传感器阵列11在人体桡动脉处的测量点位置都不准确,则需要更换柔性压力传感器阵列1的测量位置。
66.下面对本实施例提供的脉搏监测装置的具体的工作过程进行介绍。
67.如图5所示,脉搏监测装置由依次电连接的柔性压力传感器阵列1,模数转换模块2,基于人工智能计算的压力定位模块3,显示模块4组成。
68.如图6所示,该装置还包括柔性手环5、电源6、第一按钮开关7和第二按钮开关8。
69.如图7所示,柔性压力传感器阵列1设置于柔性手环5内侧,经模数转换模块2与柔性手环5外侧的压力定位模块3相连,显示模块4设置于柔性手环5外侧,压力定位模块3与显示模块4相连,电源6设置于显示模块4旁,与显示模块4电连接,第一按钮开关7设置于显示
模块4右上部,第二按钮开关8设置于显示模块4右下部。
70.如图8和图9所示,(1)被测者9佩戴柔性手环5,使柔性压力传感器阵列1贴附于被测者9的桡动脉处,并保持手腕静止,按下第一按钮开关7,启动电源6。按下第二按钮开关8,用手指按压柔性手环5外侧,使弹性体阵列12与被测者9桡动脉处皮肤紧密接触。
71.(2)柔性压力传感器阵列1中的各传感器分别监测所测部位脉搏的压力数据。
72.(3)柔性压力传感器阵列1各传感器阻值变化以反映压力数据变化。
73.(4)柔性压力传感器阵列1将压力数据经模数转换模块2传输至压力定位模块3。
74.具体的,模数转换模块2由串接的信号处理电路模块21,选通电路22和模数转换电路23组成。信号处理电路模块21由串联的电阻
‑
电压转换电路211、第一级放大电路212、高通滤波电路213、带阻滤波电路214、低通滤波电路215、第二级放大电路216组成。电阻
‑
电压转换电路211、高通滤波电路213、带阻滤波电路214、低通滤波电路215、第二级放大电路216采用op2177芯片,第一级放大电路212采用ad620芯片。选通电路22采用cd4067芯片。
75.(5)压力定位模块3基于人工智能计算自动定位测量点最准确的柔性压力传感器并对其压力数据进行分析处理。
76.具体的,压力定位模块3中设置的参数为:样本数:512。每获得一次足够的样本,根据第一样本集311中的样本值计算出脉搏周期,主动脉瓣开放点,收缩期最高压力点,主动脉扩张降压点,左心室舒张期开始点,反潮波起点,反潮波最高压力点,并分别存入第二样本集312,第三样本集313,第四样本集314,第五样本集315,第六样本集316,第七样本集317,第八样本集318。压力定位模块3将第三样本集313,第四样本集314,第五样本集315,第六样本集316,第七样本集317,第八样本集318数据分别随机选择10组输入至神经网络训练器32的第一输入层神经元321,第二输入层神经元322,第三输入层神经元323,第四输入层神经元324,第五输入层神经元325,第六输入层神经元326进行计算与识别。每个神经元分别采集5000组数据,训练参数对比单元35中设置的训练参数分别为:训练最小误差:0.001;允许训练最大步数:5000步;学习速率:0.025。每间隔20步显示一次训练结果。上述学习结果经训练参数对比单元34比对后,满足设定的训练参数,则训练结束;若上述学习结果未能满足设定的训练参数,则经修正权值36的调整后返回输入层神经元32,并由输入层神经元32再次进入隐含层神经元33及输出层神经元34,如此进行多次循环学习的训练,直至学习结果满足设定的训练参数。将完成训练的神经网络和被测者9实时脉搏波形特征点数据输入特征比对模块37。
77.(6)显示模块4显示处理结果,实现人体脉搏的实时监测。
78.本发明采用的柔性压力传感阵列基于人工智能计算自动定位测量点并采集人体桡动脉处脉搏,使得对桡动脉的测量点测量位置准确并且能够获得多组压力信号,进一步降低采样数据得误差,使得测量结果更精确,同时,压力信号经模数转换模块转换后传输至压力定位模块进行分析处理并通过显示模块显示人体桡动脉处的脉搏数据,实现了人体脉搏的实时监测。
79.本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
80.本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据
本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。