一种基于电容耦合电极的非接触血压检测仪及方法

1.本发明涉及的是一种基于电容耦合电极的非接触血压检测仪及方法，可用于人体血压的实时监测与测量，属于医疗器械技术领域。


背景技术：

2.血压在生物医学测量中是一种常用而重要的指标。心脏的泵血功能、冠状动脉的血液供应状况、周围血管的阻力和弹性、全身的血容量及血液的物理状态等因素都反映在血压的参数指标中，血压可作为心血管系统状态的指示器。因此，血压参数的检测在临床检查、病人护理，或是在生理研究工作中，血压的测量都提供了一个极为重要的依据。
3.现有的血压测量技术主要分为侵入式测血压和非侵入式测血压两种方式，侵入式血压测量是将导管插入待测部位的血管或心脏内，并把压力传感器放置于导管末端，待测部位血液流动、撞击导管所产生的压力传至导管端部由压力传感器进行感知，从而直接测量出患者的血压，这种方法能准确并连续监测患者的血压，但它必须经皮肤将导管放入血管内，操作难度大且极易造成患者测量部位创口的感染；非侵入式血压测量方式则是利用脉管内压力与血液阻断开通时刻所出现的血流变化间的关系，从体表测出相应的血压值，目前使用广泛的柯氏音法和示波法，都是利用袖带充气加压阻断动脉，随后缓慢放气，在袖带下或动脉的远端检测出脉搏的变化或血流的变化，由血压算法计算收缩压和舒张压，虽然可以避免侵入式对患者造成感染的缺点，但它也只能测量患者该时段的收缩压和舒张压而无法长时间连续记录血压波形。
4.针对侵入式测量不便、存在感染风险以及非侵入式不能长时间连续监测血压的缺点，近年国外多个研究所开始利用光电容积描记法(ppg)检测脉搏波波形特征变化和agcl湿式电极测心电信号(ecg)的方式，获取脉搏波的传导时间(ptt)，从而实现了血压的连续监测。但ppg技术对测量者的要求比较高，同时agcl湿式电极在使用过程中为了减小接触阻抗，通常需要配合导电胶一块使用，存在准备时间长、刺激人体皮肤、长时间监测的过程中容易脱落等缺点，而且仅仅依靠ptt参数所提取到的舒张压(dbp)误差较大，其检测准确度仍有待于进一步提高。
5.为解决上述问题，发明公开了一种基于电容耦合电极的非接触血压检测仪及方法。以电容耦合原理为基础设计耦合电极，在不直接接触皮肤的前提下，将人体体表的生物电信号完整的耦合到检测端，进而检测出耦合式胸部心电信号(ccecg)和耦合式手臂阻抗容积率信号(ccipg)，计算脉搏波传导时间，同时结合阻抗血流图的特征参数构建非接触式连续血压预测模型，以此来提高血压测量值的准确度。


技术实现要素：

6.本发明的目的在于提供一种基于电容耦合电极的非接触血压检测仪及方法，该方法主要以非接触式心电信号和阻抗容积率信号的检测为核心，拓展无创检测血压的研究，可避免电极片直接接触皮肤，并提高血压测量的准确性，建立并优化非接触式连续血压预
测的模型。
7.为实现上述问题，本发明提供了一种基于电容耦合电极的非接触血压检测仪及方法，该方法是由电容耦合激励电极1、电容耦合测量电极2、电容耦合参考电极3、心电与阻抗容积信号测量模块4、数据采集模块5、特征提取模块6、阻抗容积特征参数计算模块7、ptt血压计算模块8、ptt融合阻抗容积参数的机器学习模块9以及血压预测模块10组成。
8.所述电容耦合激励电极，用于和所述电容耦合测量电极配合贴附于人体手臂的衣物外侧进行阻抗容积特性检测。
9.所述另外的电容耦合测量电极，用于和所述电容耦合参考电极配合贴附于人体心胸部的衣物外侧进行心电图信号检测。
10.所述心电与阻抗容积信号测量模块，用于同步采集电容耦合阻抗容积率(ccipg)信号和电容耦合心电图(ccecg)信号。
11.所述数据采集模块，用于将接收到的胸导联ccecg、手臂ccipg信号转化为数字信号并传输给控制器，使得控制器得到测量者的电容耦合心电图波形和阻抗容积率波形图。
12.所述特征提取模块，用于获取脉搏波传导时间(pwtt)。
13.所述阻抗容积特征参数计算模块，用于获取人体血流动力学参数。
14.所述ptt血压计算模块，用于计算血压值1。
15.所述ptt融合阻抗容积参数的机器学习模块，用于将阻抗容积率波形图上所反映心血管系统生理特性的形态学特征参数与血压值1作为样本数据进行学习训练，进行最终血压模型的建立。
16.所述血压预测模块用于人体血压值的预测。
17.进一步地，耦合电极为四层矩形pcb板，耦合电极中间两层均设为屏蔽地层，实现隔离空间噪声的作用。
18.进一步地，心电与阻抗容积信号测量模块包括耦合心电测量单元和耦合阻抗容积率测量单元。
19.其中，耦合心电测量单元包括差分放大电路、50hz陷波电路和带通滤波电路，差分放大电路的输入端连接心电耦合测量电极，用于将耦合测量电极采集的电容耦合心电信号与参考电极的心电信号进行单位增益的差分，同时引出心电耦合电极的共模干扰，50hz陷波电路和带通滤波电路用于对差分放大后的信号进行滤波得到胸导联心电信号。
20.其中，耦合阻抗容积率测量单元包括主控电路、恒流源电路、差分放大电路、滤波电路、全波整流电路和微分电路，主控电路控制恒流源电路输出50khz，0.3ma电流，采用四电极法测量人体手臂阻抗，差分放大电路的输入端连接耦合测量电极，用于将耦合测量电极采集的电容耦合阻抗容积信号进行差分放大，处理后的信号经滤波电路进入全波整流以及微分电路，得到手臂阻抗容积率信号。
21.其中，数据采集模块主要由a/d电路组成，用于将接收到的胸导联心电信号、手臂阻抗容积率信号转化为数字信号并传输给控制器，使得控制器得到测量者的电容耦合心电图波形和阻抗容积率波形图。
22.其中，所述人体ccipg信号波形图上所反映心血管系统生理特性的形态学特征参数包括：bc段时间占单周期时间比值(t
rbc
)、cx段时间占单周期时间比值(t
rcx
)、射血时间占单周期比(tr)、缓慢射血期时间(t
cx
)、射血时间(t
bx
)以及每搏心输出量(s
bx
)。
23.该非接触血压检测方法具体如下：
24.步骤一、对采集到的心电图波形进行r波有效峰值点定位，获得心电图波形有效r波峰值位置；对阻抗容积率信号波形图进行上升支结束点定位，获得阻抗容积率信号波形图上升支结束点位置。
25.心电图波形上出现第j个r波有效峰值点后，确定心电图波形上第j个r波有效峰值点位置，并确定与心电图波形上第j个r波有效峰值点对应的阻抗容积率信号波形图的上升支结束点位置。计算第j个测量者心率hrj，hrj＝1/tj，其中tj为心电图波形上第j个r波有效峰值点与心电图波形上第j+1个r波有效峰值点间的时间差，计算测量者的第j个脉搏波传导时间pwttj。
26.步骤二、根据第j个心率和第j个脉搏波传导时间pwttj，计算第j个舒张压dbpj和第j个收缩压sbpj。
27.步骤三、将阻抗容积率信号波形图的形态学特征参数引入到ptt血压计算模块所组成的指标数据集中。
28.步骤四、采用基于极端随机森林模型的机器学习方式，建立血压的非线性模型。
29.进一步地，第j个舒张压dbpj的计算表达式为：
30.dbpj＝a*ln pwttj+b*hrj+c*t
rcx
+d*tr+e*t
cx
+f*s
bx
+g
31.进一步地，第j个收缩压sbpj的计算表达式为：
32.sbpj＝α*ln pwttj+β*t
rbc
+δ*t
rcx
+ε*tr+γ
33.a、b、c、d、e、f、g、α、β、δ、ε、γ等参数值则通过测量者进行匹配取值，获取m组测量者的心电阻抗容积率数据组，m≥2，并同步使用血压计测量收缩压和舒张压。心电阻抗容积率数据组内包括心率、脉搏波传导时间以及阻抗容积率波形图的形态学参数。将m组心电阻抗容积率数据组和对应的收缩压、舒张压代入训练，便可得到与之匹配的模型参数值。
34.进一步地，第j个脉搏波传导时间为pwttj心电图波形上第j个波有效峰值点与对应的阻抗容积率波形图的上升支结束点之间的时间差。心电图波形上的r波有效峰值点与阻抗容积率波形图的上升支结束点分割的方法如下：若心电图波形的上一个r波有效峰值点的时刻早于阻抗容积率波形图的一个上升支结束点的时刻，且二者之间不存在心电图波形的其他r波有效峰值点和阻抗容积率波形图的其他上升支结束点，则两者分割为一个对应组。
35.进一步地，对心电图波形或阻抗容积率波形图进行特征峰值点定位的方法具体如下：
36.(1)对心电图波形或阻抗容积率波形图通过小波阈值滤波法对其进行滤波、去噪处理。
37.(2)对(1)处理后的信号曲线进行求导，得到导函数曲线。并对导函数曲线求零点，从而确定所得曲线的极大值点和极小值点的位置。
38.(3)在(2)中确定的极值点中筛选大于幅度阈值xs的点作为预定峰值，xs＝3/4*(x
smax-x
smin
)+x
smin
，其中x
smax
代表(1)中数据幅度最大的值，x
smin
代表(1)中数据幅度最小的值。
39.(4)将n个预定峰值分为i个已定峰值组。其中，i个已定峰值组之间的任意两个相邻的预定峰值时间位置相差大于0.3～0.5s。
40.(5)在i个已定峰值组内选取一个幅度最大的位置点，便可得到i个有效峰值点。
41.进一步地，步骤三中基于极端随机森林模型的机器学习方式，建立非线性血压模型的方法详细如下：
42.一、将阻抗容积率信号波形图的形态学特征参数引入到ptt血压计算模块所组成的指标数据集中；
43.二、从原始训练集中选取6组样本数据，生成6个训练集；
44.三、对6个训练集分别训练6个决策树模型；
45.四、针对单个决策树模型选择最好的特征进行分裂，多次重复上述操作；
46.五、将生成的6颗决策树组成的随机森林；
47.六、得到血压的预测值，根据测试集交叉验证得到验证集的结果，从而评估回归模型结果的正确性。
48.本发明具有的有益效果是：
49.1、本发明是基于电容耦合电极的非接触式检测人体血压，可避免电极片直接接触皮肤，解决了长期监测不稳定及电极刺激皮肤的问题。
50.2、本发明在ptt血压计算模型的基础上，引入了阻抗容积波形图的形态学特征参数，进一步优化了非接触式连续血压预测模型。
附图说明
51.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，下面将对实施例或现有技术描述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的前提下，还可以根据这些附图获得其他的附图。
52.图1是一种基于电容耦合电极的非接触血压检测仪及方法的结构示意图；
53.图2是一种基于电容耦合电极的非接触血压检测仪及方法的硬件电路系统框图；
54.图3是本发明采用极端随机森林方式对血压值进行预测的流程图。
具体实施方式
55.为了使本技术的目的、技术方案及优点更加清楚明白，下面结合附图以及实施例，对本发明进行进一步详细说明。
56.如图1所示，一种基于电容耦合电极的非接触血压检测仪及方法包括电容耦合激励电极1、电容耦合测量电极2、电容耦合参考电极3、心电与阻抗容积信号测量模块4、数据采集模块5、特征提取模块6、阻抗容积特征参数计算模块7、ptt血压计算模块8、ptt融合阻抗容积参数的机器学习模块9以及血压预测模块10。
57.所述电容耦合激励电极1、电容耦合测量电极2以及电容耦合参考电极3的作用为，在人体穿着薄衣物且无法将电极片直接贴附于皮肤时，完成电容耦合心电信号和电容耦合阻抗容积信号的同步采集；其做法是：根据四电极法的电极排列方式，将电容耦合激励电极1、电容耦合测量电极2固定于人体手臂衣物的外侧，与此同时，将另外数量的电容耦合测量电极2、电容耦合参考电极3，按照胸部心电三导联的方式同样固定于人体胸部衣物的外围。
58.所述心电与阻抗容积信号测量模块，用于同步采集电容耦合阻抗容积率(ccipg)
信号和电容耦合心电图(ccecg)信号。
59.所述数据采集模块，用于将接收到的胸导联ccecg、手臂ccipg信号转化为数字信号并传输给控制器，使得控制器得到测量者的电容耦合心电图波形和阻抗容积率波形图。
60.所述特征提取模块，用于获取脉搏波传导时间(pwtt)。
61.所述阻抗容积特征参数计算模块，用于获取阻抗容积率波形图上所反映心血管系统生理特性的形态学特征参数。
62.所述ptt血压计算模块，用于计算血压值1。
63.所述ptt融合阻抗容积参数的机器学习模块，用于将阻抗容积率波形图上所反映心血管系统生理特性的形态学特征参数与血压值1作为样本数据进行学习训练，进行最终血压模型的建立。
64.所述血压预测模块用于人体血压值的预测。
65.如图2所示，本发明的硬件系统电路包括耦合心电测量单元、耦合阻抗容积率测量单元以及数据采集模块电路；一、耦合心电测量单元包括差分放大电路、50hz陷波电路和带通滤波电路，差分放大电路的输入端连接心电耦合测量电极，用于将耦合测量电极采集的电容耦合心电信号与参考电极的心电信号进行单位增益的差分，同时引出心电耦合电极的共模干扰，50hz陷波电路和带通滤波电路用于对差分放大后的信号进行滤波得到胸导联心电信号；二、耦合阻抗容积率测量单元包括主控电路、恒流源电路、差分放大电路、滤波电路、全波整流电路和微分电路，主控电路控制恒流源电路输出50khz，0.3ma电流，采用四电极法测量人体手臂阻抗，差分放大电路的输入端连接耦合测量电极，用于将耦合测量电极采集的电容耦合阻抗容积信号进行差分放大，处理后的信号经滤波电路进入全波整流以及微分电路，得到手臂阻抗容积率信号；三、数据采集模块主要由a/d电路组成，用于将接收到的胸导联心电信号、手臂阻抗容积率信号转化为数字信号并传输给控制器，使得控制器得到测量者的电容耦合心电图波形和阻抗容积率波形图。
66.该非接触式血压检测方法具体如下：
67.步骤一、对采集到的心电图波形进行r波有效峰值点定位，获得心电图波形有效r波峰值位置；对阻抗容积率信号波形图进行上升支结束点定位，获得阻抗容积率信号波形图上升支结束点位置。
68.心电图波形上出现第j个r波有效峰值点后，确定心电图波形上第j个r波有效峰值点位置，并确定与心电图波形上第j个r波有效峰值点对应的阻抗容积率信号波形图的上升支结束点位置。计算第j个测量者心率hrj，hrj＝1/tj，其中tj为心电图波形上第j个r波有效峰值点与心电图波形上第j+1个r波有效峰值点间的时间差，计算测量者的第j个脉搏波传导时间pwttj。
69.步骤二、根据第j个心率和第j个脉搏波传导时间pwttj，计算第j个舒张压dbpj和第j个收缩压sbpj；得到第j个舒张压dbpj的计算表达式为：dbpj＝a*ln pwttj+b*hrj+c*t
rcx
+d*tr+e*t
cx
+f*s
bx
+g，第j个收缩压sbpj的计算表达式为：sbpj＝α*ln pwttj+β*t
rbc
+δ*t
rcx
+ε*tr+γ。其中，a、b、c、d、e、f、g、α、β、δ、ε、γ等参数值则通过测量者进行匹配取值，获取m组测量者的心电阻抗容积率数据组，m≥2，并同步使用血压计测量收缩压和舒张压。心电阻抗容积率数据组内包括心率、脉搏波传导时间以及阻抗容积率波形图的形态学参数。将m组心电阻抗容积率数据组和对应的收缩压、舒张压代入训练，便可得到与之匹配的模型参数值。
70.步骤三、将阻抗容积率信号波形图的形态学特征参数bc段时间占单周期时间比值(t
rbc
)、cx段时间占单周期时间比值(t
rcx
)、射血时间占单周期比(tr)、缓慢射血期时间(t
cx
)、射血时间(t
bx
)以及每搏心输出量(s
bx
)等引入到ptt血压计算模块所组成的指标数据集中。
71.步骤四、采用基于极端随机森林模型的机器学习方式，建立血压的非线性模型；随机森林是一种有监督学习算法，是以决策树为基学习器的集成学习算法，其构建过程是：一、将阻抗容积率信号波形图的形态学特征参数引入到ptt血压计算模块所组成的指标数据集中；二、从原始训练集中选取6组样本数据，生成6个训练集；三、对6个训练集分别训练6个决策树模型；四、针对单个决策树模型选择最好的特征进行分裂，多次重复上述操作；五、将生成的6颗决策树组成的随机森林；六、得到血压的预测值，根据测试集交叉验证得到验证集的结果，从而评估回归模型结果的正确性。
72.以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本发明权利要求所作的等同变化，仍属于发明所涵盖的范围。