一种基于脉搏波特征的无创血压测量方法

本发明涉及血压测量方法，能够在不使用袖带的情况下连续地估计患者的血压。并且更具体为使用半经典信号分析特征从光体积描记测量估计血压。

背景技术：

0、技术背景

1、血压一般指动脉血压，是血液流动时作用于血管壁的侧向压力，是反映心血管系统健康的重要指标之一。随着我国经济发展，人们物质生活水平得到了提高，饮食习惯发生了改变。在高脂高盐饮食习惯和人口老龄化等因素的影响下，我国的高血压发病率持续增加。持续性高血压对心脏，大脑等器官产生损伤，容易引发冠心病，脑溢血，心梗等具有高死亡率，高致残率等特点的疾病。因此，日常的血压测量，第一时间发现异常血压对于高血压的及时治疗，心血管疾病的预防具有重要意义。

2、在目前的血压测量方法中，无创血压测量方法、装置、无创血压测量仪器和存储介质(cn110123294a)的袖带电子血压计和听诊血压计可以获取瞬时的血压状况，但是袖带的周期性充放气会造成被测者的不适，不利于连续的血压监测。动脉穿刺法通过将带有血压传感器的导管埋入能够连续，准确地监测血压，是国际公认的血压测量“金标准”。但是，动脉穿刺法是有创测量方式，在测量过程中有感染的风险，并且动脉穿刺对操作人员技术要求高，目前仅在术中和危重症患者监护中使用，无法应用在日常的血压监测中。

3、为了解决这些问题，光体积描记术(ppg)技术因被广泛应用于可穿戴传感器而引起了人们的极大兴趣。使用ppg方法的无创血压估计已成为当今的热门话题。ppg信号可以分为收缩和舒张两部分。信号的收缩部分与心脏收缩过程有关，而信号的舒张部分与心脏扩张过程有关。目前，已有很多方法基于光容积脉搏波来测量血压，如一种基于单路脉搏波的无创连续血压测量方法(cn12274127b)在这两个部分的交叉处，收缩和舒张部分之间有一个被称为“重搏点迹”的分裂点(如图2所示)，一些个体的样本(通常是患者)，无法检测到重搏点(如图7所示)，因此对于非典型的脉搏波，很多重要特征无法计算，导致很多基于脉搏波的无创测量方法便不再适用，因为这样的信号可能导致血压高误差的计算结果。

4、因此，需要一种新的系统和方法，该系统和方法能够连续且无创地监测患者的血压，同时该方法的准确性不会对实际血压产生负面影响。

技术实现思路

1、本发明的目的在于克服上述现有技术中存在的不足，提出一种用于基于半经典信号分析结合机器学习的血压估计方法，实现从形态各异的含噪ppg信号中提取特征，用于估计血压，这些特征不受噪声和形态干扰。

2、本发明至少通过如下技术方案之一实现。

3、一种基于脉搏波特征的无创血压测量方法，包括以下步骤：

4、1)、获取训练的脉搏波信号和对应的血压值，对脉搏波信号进行预处理，得到单周期脉搏波信号；

5、2)、对单周期脉搏波信号进行一阶差分和二阶差分处理得到脉搏波的一阶信号、二阶信号，根据一阶信号的最大值点确定第一特征点、上升段最快值点；根据一阶信号最右侧零点确定第二特征点，如果未发现过零点，则到步骤3)确定第二特征点；

6、3)、对单周期脉搏波信号进行半经典信号分析，得到第一孤子、舒张动力学信号和收缩动力学信号；以舒张动力学信号的最右峰值点为第二特征点，即重博点，第一孤子的峰值点为第三特征点，即脉搏波主峰点；

7、4)、根据步骤3确定的特征点和分解得到的第一孤子获取ppg时域特征和脉搏波，并分解出的薛定谔离散谱特征；

8、5)、将步骤4)中获取到的特征参数作为输入，利用机器学习模型训练得到血压回归模型；

9、6)、调用训练好的血压回归模型，得到对血压的测量结果。

10、进一步地，所述预处理包括滤波和单周期分割，其中，滤波选用的是0.5-8hz的带通滤波器。

11、进一步地，单周期脉搏波分割包括去除滤波后得到的脉搏波波谷点，切分出多个单周期波形，定位波峰点，再通过向前寻找极小值点定位波谷点；

12、进一步地，波峰点的定位是通过窗口切分法实现，窗口切分法包括以下几个步骤：

13、步骤1、剔除异常单周期波形；

14、步骤2、计算各个单周期波形最大的长度，对低于该长度的值进行补零操作；

15、步骤3、计算所有周期同一个采样点的平均值，并去除末尾多余的均值为零的采样点，生成单周期波形。

16、进一步地，特征点确定包括根据一阶信号的最大值点出现的时间点即为第一特征点1的时间点，一阶信号最右侧零点所出现的时间即为第二特征点出现的时间点。

17、进一步地，使用半经典信号分析的方法提取特征，首先将单周期脉搏波在薛定谔离散谱上进行分解，得到一组平方本征函数yh(t)：

18、

19、

20、

21、其中λ表示负特征值对角阵，即λnh表示对角阵中第n个特征值，当n＝1时的孤子被称为第一孤子，ψ(t)是薛定谔特征函数；nh是为负特征值的总数；ψnh(t)是通过求解l归一化本征方程得到的值，归一化本征方程如公式(2)所示，h为常数。

22、进一步地，通过第一到第三孤子组成收缩动力学，剩下的孤子组成舒张动力学公式如下：

23、

24、其中，ps表示收缩动力学信号，用于描绘脉搏急速上升的阶段，pd表示舒张动力学信号，用于描绘缓慢下降的阶段。

25、进一步地，其步骤4)所述的ppg特征包括大动脉僵硬指数、上升支时间、下降支时间、k值、心率、大动脉僵硬指数、反射波指数、bw。

26、进一步地，薛定谔离散谱特征包括收缩不变量、舒张不变量、负本征值k1h,k2h,....knh，其中收缩不变量：

27、

28、

29、invs1是通过描述负本征值knh的线性依赖性来表达收缩部分的动量，invs2是通过描述负本征值knh来表达收缩部分的动量；

30、舒张不变量：

31、

32、

33、invd1是通过描述负本征值knh的线性依赖性来表达舒张部分的动量，invd2是通过描述负本征值knh的更高维的关系来表达舒张部分的动量。

34、进一步地，利用随机森林回归算法或者多元线性回归算法作为血压回归模型进行训练。

35、与现有的技术相比，本发明的有益效果为：

36、1.本发明仅需要一路脉搏波信号，无需其他同步信号支持。可实现舒适地无袖带，无创血压测量。

37、2.本发明能够在低信噪比以及不同形态的脉搏波信号中准确地提取相应特征，使血压受干扰更小，更准确。

38、3.本发明采取了较为简单的机器学习回归模型，不需要大量数据训练，可以在数据量较小的情况下使用。

技术特征：

1.一种基于脉搏波特征的无创血压测量方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的基于脉搏波特征的无创血压测量方法，其特征在于，所述预处理包括滤波和单周期分割，其中，滤波选用的是0.5-8hz的带通滤波器。

3.根据权利要求2所述的基于脉搏波特征的无创血压测量方法，其特征在于，单周期脉搏波分割包括去除滤波后得到的脉搏波波谷点，切分出多个单周期波形，定位波峰点，再通过向前寻找极小值点定位波谷点。

4.根据权利要求3所述的基于脉搏波特征的无创血压测量方法，其特征在于，波峰点的定位是通过窗口切分法实现，窗口切分法包括以下几个步骤：

5.根据权利要求1所述的基于脉搏波特征的无创血压测量方法，其特征在于，特征点确定包括根据一阶信号的最大值点出现的时间点即为第一特征点1的时间点，一阶信号最右侧零点所出现的时间即为第二特征点出现的时间点。

6.根据权利要求1所述的基于脉搏波特征的无创血压测量方法，其特征在于，使用半经典信号分析的方法提取特征，首先将单周期脉搏波在薛定谔离散谱上进行分解，得到一组平方本征函数yh(t)：

7.根据权利要求6所述的基于脉搏波特征的无创血压测量方法，其特征在于，通过第一到第三孤子组成收缩动力学，剩下的孤子组成舒张动力学公式如下：

8.根据权利要求1所述的基于脉搏波特征的无创血压测量方法，其特征在于：其步骤4)所述的ppg特征包括大动脉僵硬指数、上升支时间、下降支时间、k值、心率、大动脉僵硬指数、反射波指数、bw。

9.根据权利要求1～8任一项所述的一种基于脉搏波特征的无创血压测量方法，其特征在于：薛定谔离散谱特征包括收缩不变量、舒张不变量、负本征值k1h,k2h,....knh，其中收缩不变量：

10.根据权利要求9所述的一种基于脉搏波特征的无创血压测量方法，其特征在于：利用随机森林回归算法或者多元线性回归算法作为血压回归模型进行训练。

技术总结
本发明公开了一种基于脉搏波特征的无创血压测量方法，通过使用薛定谔算子的离散谱对单周期脉搏波进行分解重构，提取重建信号的离散谱特征，并将其与血压相关的PPG形态特征和个人的生理特征相结合，利用机器学习模型对血压和特征的相关性进行建模，最终计算出受试者的收缩压和舒张压。本发明仅需要一路脉搏波信号，无需其他同步信号支持，可实现舒适地无袖带，无创血压测量，在低信噪比以及不同形态的脉搏波信号中准确地提取相应特征，使血压受干扰更小，更准确，本发明采取较为简单的机器学习回归模型，不需要大量数据训练，可以在数据量较小的情况下使用。

技术研发人员：石华川,俞祝良
受保护的技术使用者：华南理工大学
技术研发日：
技术公布日：2024/1/14