态收缩压/舒张压计 算方法；
[0023] 计算踝臂指数，具体的：根据动态肱动脉收缩压和动态踝动脉收缩压，计算动脉踝 臂指数，动态踝臂指数=动态肱动脉收缩压/动态踝动脉收缩压；
[0024] 计算动态心踝血管指数CAVI，具体的：自动设定血液密度P，动态心踝血管指数
【主权项】
1. 一种可穿戴的动脉检测装置，其特征在于，包括： 心电传感器模块，其内设置有用于采集动态心电数据的心电传感器； 心音传感器模块，其内设置有用于采集动态心音数据的心音传感器； 脉搏波传感器模块，其内设置有若干个用于采集动态脉搏波数据的反射式光电传感 器，且每个均携带有独立的相对位置传感器；以及 健康管理模块，其内设置有用于接收所述动态心电、心音和脉搏波数据的无线数据接 收器，所述健康管理模块对接收到的数据计算分析后给予综合学习指数； 其中，所述心电传感器至少有3导联位于左胸腔，且与所述心音传感器封装在同一个 小贴片内，所述小贴片内设置有一个基准位置传感器，作为所述相对位置传感器的基准坐 标。
2. 如权利要求1所述的可穿戴的动脉检测装置，其特征在于，所述心电、心音和脉搏波 传感器模块中分别设置有电源模块、A/D转换器、同步信号触发器和无线数据传输器。
3. 如权利要求2所述的可穿戴的动脉检测装置，其特征在于，还包括分别与所述心电、 心音、脉搏波传感器模块和健康管理模块无线连接的系统控制/信号处理模块，其内设置 有同步时序信号发生器、多通道无线数据接收/发送器、信号处理器和数据存储器。
4. 权利要求1所述的可穿戴的动脉检测装置，其特征在于，所述心电、心音传感器模块 被封装于同一个大贴片内或紧身衣服内，所述大贴片或紧身衣服外表设置有用于调节所述 心电、心音传感器位置的开口。
5. 如权利要求1所述的可穿戴的动脉检测装置，其特征在于，所述脉搏波传感器模块 包含2个或4个反射式光电传感器，其分别通过紧固式套袖固定在肱动脉处和踝动脉处，所 述相对位置传感器安装在所述套袖内。
6. -种用于可穿戴的动脉检测装置的数据处理方法，其特征在于，包括： 步骤1)同步时序信号发生器发送时序触发信号，心电、心音和反射式光电传感器按照 时序触发信号进行同步信号采样，同时相对位置传感器测量套袖相对于基准坐标的距离； 步骤2)分别将采集的信号转换成数字信号后无线发送到系统控制/信号处理模块，系 统控制/信号处理模块中的信号处理器对接收到的数字信号进行并行化处理，将处理后的 信号无线发送至健康管理模块； 步骤3)健康管理模块根据动态心电、心音和脉搏波信号，以及套袖相对位置，计算和 记录以下动态多生理参数：肱动脉动态收缩压/舒张压/平均血压、踝动脉动态收缩压/舒 张压/平均血压、动态踝臂指数、动态脉搏波传导速率、动态心踝血管指数、动态心电波形、 动态心音波形、动态心率、动态射血前期、动态射血时间、动态射血指数、动态波形上升时 间、动态脉搏波体积记录； 步骤4)将计算得到的全部动态生理参数按照动态心电信号的节律划分为多个时间 窗，接着按照划分好的时间窗，将全部长时间的动态生理参数分解到多个短时间的动态生 理参数，然后将同一时间窗内的全部动态生理信号进行排列，组织成为按时间排列的高维 特征向量，最后将多个时间窗的高维特征向量同时输入到深度学习网络的输入层，依次对 输入向量进行有监督的深度学习，提取输入向量的有效特征信息，得出经降维处理后的综 合学习指数，以待进行下一步学习处理后得出最终学习结果。
7. 如权利要求6所述的用于可穿戴的动脉检测装置的数据处理方法，其特征在于，步 骤2)中的并行化处理过程包括：对心电、心音信号进行带通滤波、降噪、平滑等处理，对脉 搏波信号进行滤波放大、脉搏波信号背景噪声分离和脉搏波信号提取。
8. 如权利要求6所述的用于可穿戴的动脉检测装置的数据处理方法，其特征在于，步 骤3)中利用相对位置传感器标定各个反射式光电传感器相对于基准坐标的位置；利用心 电、心音信号校准脉搏波传输时间；根据心电、心音波形信号和脉搏波传输时间信号，利用 血压测量金标准和脉搏波传输时间建立线性回归方程，通过心音信号对射血前期的时间进 行标定，再对回归方程的参数进行校正，基于动态心电、心音、脉搏波传输时间、线性回归方 程和相对位置传感器的坐标位置来计算所述生理参数。
9. 如权利要求8所述的用于可穿戴的动脉检测装置的数据处理方法，其特征在于，部 分计算过程包括： 计算脉搏波传导速率PWV，具体的：计算上臂PWV、右PWV和左PWV，上臂PWV (心脏到 上臂套袖肱动脉处）=D1/T1;右PWV (右上臂肱动脉到右脚踝踝动脉）=(Dl-D2)/T2;右 PWV(右上臂肱动脉到右脚踝踝动脉）=(Dl-D2)/T3;其中，Dl为心脏到右上臂的距离，D2 为心脏到脚踝的距离，分别由相对位置传感器获取；Tl为从心音波形图的第二心音到右上 臂脉搏容积记录的凹槽之间的时段；T2为右上臂脉搏容积波上升沿到右脚踝脉搏容积波 上升沿之间的时间差，T3为左上臂脉搏容积波上升沿到左脚踝脉搏容积波上升波之间的时 间差； 计算肱动脉动态收缩压/舒张压，具体的：使用MIMIC数据标定QRS，使用血压金标准 对脉搏波传导速率和动态血压之间的关系进行标定，使用基于大数据的深度学习方法或基 于有限混合模型的回归方法对脉搏波传导速率和动态血压进行回归分析，优选的，有限混 合模型是t分布混合模型，健康管理模块对采集到的动态脉搏波波形，根据同步采集到的 心电、心音波形信号进行获取其传导时间，根据回归分析的结果，计算出动脉的收缩压/舒 张压，并基于经验公式计算其平均血压，平均血压=舒张压+(收缩压-舒张压）/3 ; 计算踝动脉动态收缩压/舒张压，具体计算方法如肱动脉动态收缩压/舒张压计算方 法； 计算踝臂指数，具体的：根据动态肱动脉收缩压和动态踝动脉收缩压，计算动脉踝臂指 数，动态踝臂指数=动态肽动脉收缩压/动态踝动脉收缩压； 计算动态心踝血管指数CAVI，具体的：自动设定血液密度P，动态心踝血管指数 CAVI = -，其中，匕是踝动脉动态收缩压，p馮踝动脉动脉舒张压。 Ps-Pd Pd
10. 如权利要求6所述的用于可穿戴的动脉检测装置的数据处理方法，其特征在于，所 述步骤4)中使用金标准数据，对已构造的深度学习网络对各层之间的连接权重进行自适 应设置；所构建的深度学习网络，包含一层输入层、一层输出层和若干层隐层，各层之间的 节点含有连接权重；输入层的输入节点数量=时间窗数量+1 ;M个时间窗内的高维特征向 量分别输入到1~M号节点；用户年龄、形变等标量数据构造辅助生理参数向量，输入到第 M+1个节点，将特征向量输入到深度学习网络的输入层，特征向量从上一层向下一层传递 时，受到已构造的监督向量的监督；深度学习网络的输出层连接到有监督的分类学习器的 输入层；深度学习网络的输出层输出经过学习后的特征向量，将其作为有监督的分类学习 器的输入，由分类学习器输出综合学习指数。
【专利摘要】本发明公开了一种可穿戴的动脉检测装置，包括：心电传感器模块、心音传感器模块、脉搏波传感器模块，其内均携带有独立的相对位置传感器；以及健康管理模块，其用于给予综合学习指数；其中，所述心电传感器至少有3导联位于左胸腔，且与所述心音传感器封装在同一个小贴片内，所述小贴片内设置有一个基准位置传感器，作为所述相对位置传感器的基准坐标。一种用于可穿戴的动脉检测装置的数据处理方法，包括：将计算得到的全部动态生理参数按照动态心电信号的节律划分为多个时间窗，将多个时间窗的高维特征向量输入到深度学习网络，并进行有监督的深度学习，得出经降维处理后的综合学习指数，以待进行下一步学习处理后得出最终学习结果。
【IPC分类】A61B7-04, A61B5-0402, A61B5-02
【公开号】CN104873186
【申请号】CN201510185411
【发明人】周志勇, 戴亚康, 耿辰, 刘兆邦
【申请人】中国科学院苏州生物医学工程技术研究所
【公开日】2015年9月2日
【申请日】2015年4月17日