一种基于呼吸训练法的降压系统、设备及方法与流程

1.本发明涉及医疗器戒技术领域，特别是涉及一种基于呼吸训练法的降压系统、设备及方法。


背景技术：

2.高血压是指以体循环动脉血压增高为主要特征，可伴有心、脑、肾等器官的功能或器质性损害的临床综合征。如果血压长期不能够得到有效的控制，会使心脏负担将会越来越大，最终可导致人体出现心力衰竭。
3.目前，高血压治疗方法主要有药物治疗及电压电流刺激。但药物治疗容易增加人体的依赖性且长期服用也会给身体和经济带来负担；电压电流刺激无法从根本上治疗，治疗效果也不明，从而极大的影响了用户体验。


技术实现要素：

4.为了解决上述问题，本发明的目的是提供一种能够对用户的血压及心电信号进行实时测量，并对用户的呼吸进行训练引导，且便于患者外出使用的基于呼吸训练法的降压系统、设备及方法。
5.一种基于呼吸训练法的降压系统，包括控制器、与控制器电连接的第一信号采集模块及第二信号采集模块；所述第一信号采集模块包括光电探头及能够发射特定波长的灯组，所述灯组环设与所述光电探头的外周；所述第二信号采集模块包括处理器及与所述处理器电连接的运动传感器，所述处理器的输出端与所述控制器电连接，所述处理器根据运动传感器接收到的运动信号计算用户的呼吸率。
6.另外，根据本发明提供的基于呼吸训练法的降压系统，还可以具有如下附加的技术特征：
7.进一步地，所述第一信号采集模块还包括与所述光电探头电连接的光电信号处理电路。
8.进一步地，所述光电信号处理电路包括依次连接的放大器、带通滤波器、积分器及高速adc；其中，所述放大器的输入端与所述光电探头的输出端电连接。
9.进一步地，所述灯组由三个发射特定波长的led灯组成，每个灯组模块都包含绿光，红光以及红外光；其中，绿光中心波长525nm，，红光中心波长660nm，红光中心波长940nm。
10.进一步地，所述光电信号处理电路还包括一能够进行50hz工频滤波的滤波单元。
11.进一步地，所述系统还包括与控制器电连接的显示屏及语音辅助模块；其中，所述语音辅助模块包括通过音频处理电路与所述控制器电连接的麦克风。
12.进一步地，所述系统还包括一报警模块，所述报警模块包括报警指示灯，以及通过通讯模块与所述控制器通信的移动终端或云服务器。
13.为了解决上述技术问题，本发明实施例还提供了一种基于呼吸训练法的降压设
备，所述设备为可穿戴或便携设备，所述可穿戴或便携设备包括但不限于手表、手环或指套的外壳；所述可穿戴或便携设备能够适用于上述的基于呼吸训练法的降压系统。
14.为了解决上述技术问题，本发明实施例还提供了一种基于呼吸训练法的降压方法，所述方法包括：
15.在用户激活设备时，获取用户的血压信息以及相关的人体参数，并在云端建立一针对该用户的个性化模型，个性化模型根据用户的相关信息推荐对应的呼吸训练方案；
16.个性化的呼吸训练方案引导用户进行呼吸训练；
17.在当前周期的呼吸训练结束后，根据本次呼吸训练的效果对下一阶段呼吸训练的呼吸频率及时间进行调整。
18.进一步地，根据选择的呼吸训练方案引导用户进行呼吸训练的方法包括：
19.对用户的呼吸频率进行实时测量，并判断用户当前的呼吸频率是否低于第一预设阈值；
20.若是，则提示用户按节奏进行呼吸；
21.若否，则提示用户保持呼吸节奏。
22.根据本发明提出的基于呼吸训练法的降压系统，包括与控制器电连接的第一信号采集模块及第二信号采集模块；所述第一信号采集模块包括光电探头及能够发射特定波长的灯组，所述灯组环设与所述光电探头的外周；所述第二信号采集模块包括处理器及与所述处理器电连接的运动传感器，所述处理器的输出端与所述控制器电连接，所述处理器根据运动传感器接收到的运动信号计算用户的呼吸率。本发明能够对高血压用户进行慢呼吸训练引导，同时便于患者外出使用，从而极大的提高了用户体验，满足了实际应用需求。
附图说明
23.图1为本发明一实施例提供的基于呼吸训练法的降压系统的结构框图；
24.图2为图1中第一信号采集模块的具体结构框图；
25.图3为图2中光电信号处理电路与光电探头的连接示意图；
26.图4为图2中光电探头与灯组的位置示意图；
27.图5为光电信号处理电路中滤波单元的电路图；
28.图6本发明另一实施例提供的基于呼吸训练法的降压设备的应用示意图；
29.图7为本发明另一实施例提供的基于呼吸训练法的降压方法的流程图。
30.如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
31.为使本发明的目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。附图中给出了本发明的若干实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
32.需要说明的是，当元件被称为“固设于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”、“上”、“下”以及类似的表述只是为了说明的目的，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
33.在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
34.如图1至图6所示，基于上述问题，本发明实施例公开了一种基于呼吸训练法的降压系统，包括控制器10、与所述控制器10电连接的第一信号采集模块20、第二信号采集模块30、显示屏40及语音辅助模块50。
35.进一步地，所述控制器10采用如stm32系列低功耗的mcu控制器，该控制器具有可采集各个模块处理后的电压信号的adc，并设有多个支持不同协议的通信接口，如spi接口，i/o接口，uart接口等等，可用于多个模块的连接与通信。
36.进一步地，所述第一信号采集模块20包括光电探头21、与所述光电探头21电连接的光电信号处理电路22及能够发射特定波长的灯组23。
37.具体的，所述灯组23可由三个发射特定波长的led灯组成，每个灯组模块都包含绿光，红光以及红外光。绿光中心波长525nm，用于计算心率，红光中心波长660nm，红光中心波长940nm，用于计算血氧含量。三个灯组分布在所述光电探头21的外周并置于便携设备的底部，且该便携设备的底部能够紧贴人体皮肤的表面，减少漏光的同时，光信号更容易进入皮肤，从而使光电信号更容易被人体吸收。其中，所述光电探测头21采用光电二极管，用于吸收人体组织反馈的光电信号。用户佩戴使用设备时，三个灯组协同采集数据，控制器根据采集回来的信号质量，来调整不同的采集模式。普通模式下，三个led灯组分时启动，控制器对分时收集的不同通道信号进行质量进行对比，选择信号最好的通道进行计算。如普通模式下三个led灯组产生的信号都比较差，则控制器控启动特殊模式，将三组led灯组同时启动采集。两种信号采集模式协同使用，不仅节省功耗，同时扩大了设备在皮肤表面采集信号的范围，更好地避免因人体皮肤表面局部疤痕或皱纹而造成的信号质量不佳的情况，增强设备的可用性。
38.所述光电信号处理电路22包括输入端与所述光电探头21输出端电连接的放大器、输入端与所述放大器输出端电连接的带通滤波器、输入端与所述带通滤波器输出端电连接的积分器及输入端与所述积分器输出端电连接的高速adc。其中，所述放大器为跨阻放大器。
39.可以理解的，所述led灯组发射的特定波长的的光透过人体皮肤的表面，所述光电探头吸收人体表面所反射的光电信号，并将所述光电信号送入所述光电信号处理电路中进行信号处理后提取有效信号，并将所述有效信号传输至所述控制器，所述控制器根据该信号得出心率值、呼吸率值，血氧值和血压值。
40.进一步地，所述第二信号采集模块包括处理器及与所述处理器电连接的运动传感器，所述处理器的输出端与所述控制器电连接。所述处理器根据运动传感器接收到的运动信号计算用户的呼吸率。
41.具体的，呼吸率的计算主要包括信号预处理部分与特征抽取部分。基于加速度计传感器(三轴)的呼吸率测量建立的前提是低噪声干扰或者无噪声干扰，因为加速度传感器除了可以感知微弱的腹腔起伏运动还能感知如手腕翻转平移等宏观运动；考虑到非呼吸运动所产生的噪声信号会干扰到呼吸测量的准确率，本发明引入陀螺仪传感器信号共同组成六轴传感器信号对呼吸率进行融合感知决策。
42.在信号预处理阶段：
43.现有的技术多采用固定参数的带通滤波器进行稳定去噪，这种方法无法有效的滤除由于腕部运动造成的噪声干扰。为达到腕部运动噪声自适应滤除的目的，本发明将采用一种特殊的自适应滤波器，具体的，
44.首先通过解析信号法(hht,希伯特黄变换)获取陀螺仪信号中蕴含的瞬时运动噪声频率，再对加速度计获取的运动信号进行陷波滤波处理，最终达到腕部运动噪声滤除的目的。
45.特征抽取：
46.在特征抽取部分业内的通识做法为对原始三轴加速度信号进行寻峰抽取一些时域特征，这种做法在稳定信号下是高效的但对于日常使用来说维度过于单一因此鲁棒性较差。
47.本发明在对滤波后的单通道加速度计信号分别进行时域特征，频域两个主维度特征进行综合特征抽取。
48.具体的，在时域特征抽取方面，对于一段时长为t的加速度信号，fs为采样率，为准确的检出每个由于呼吸起伏所反馈的峰值点，结合信号主频信息进行自适应迭代寻峰，得出可靠的峰值特征。迭代如下，
49.基于历史呼吸率设置一个初始化寻峰宽度w1；
50.首次迭代会输出一个新的呼吸率呼吸间隔s1(两次呼吸的时间差，即瞬时呼吸率的倒数)；
51.对该信号进行短时傅里叶变换得出频域前三峰频点为f1，f2，f3；
52.找到距离呼吸频率最接近的频域峰(即与1/s1差值绝对值最小的频点)，假设最接近的频点为f2，那么新的寻峰宽度即为(fs/f2+s1*fs)/2；
53.依据新的寻峰宽度进行二次寻峰，得出呼吸间隔为s2；
54.判断1/s2与f2和1/s1之间那个更接近，假设更接近的为1/s1,新的寻峰宽度为(s2*fs+s1*fs)/2；
55.依据新的寻峰宽度进行三次寻峰，得出呼吸间隔为s3；
56.判断1/s3与1/s2和1/s1之间那个更接近，假设更接近的为1/s2,新的寻峰宽度为(s2*fs+s3*fs)/2；
57.直至新的寻峰宽度与上次的寻峰宽度差值小于1停止寻峰；
58.依据最终得出的呼吸间隔可得出实时呼吸率特征。
59.进一步地，请参阅图5，所述光电信号处理电路还包括一能够进行50hz工频滤波的滤波单元。其中，该单元的q值随着反馈系数β(0《β《1)的增高而增高，q值与β的关系如下：q＝1/4(1-β)，调节r16和r17的比值可改变q值。可以理解的，工频噪声是主要的噪声来源，其与心电信号频带重叠，严重影响对心电信号的分析。因此，光电信号处理电路和运动信号处
理电路中都配有50hz工频滤波，消除工频信号干扰。
60.进一步地，所述系统还包括与控制器电连接的显示屏及语音辅助模块；其中，所述语音辅助模块包括通过音频处理电路与所述控制器电连接的麦克风。
61.其中，所述音频电路有两种实现方式包括设备上自带一个喇叭，通过mcu控制；或通过移动设备端app控制移动设备的喇叭或者语音系统工作。用户可以根据语音提示进行呼吸调整，特别是进行平躺呼吸训练时，无需注视设备显示屏，让用户可以在第一时间调整呼吸节奏，使用户得到更好的呼吸训练降压效果。
62.可以理解的，所述显示屏与语音辅助模块通过控制器构成人机交互模块，显示屏用于发起呼吸训练和训练结果显示，语音辅助模块用于呼吸训练时，根据实时检测的呼吸频率提醒用户调整呼吸。
63.进一步地，所述系统还包括一报警模块，所述报警模块包括报警指示灯，以及通过通讯模块与所述控制器通信的移动终端或云服务器。
64.可以理解的，通过所述报警模块的设置能够在用户血压异常时进行远程预警，从而提醒相关人员及时采取救援措施，满足了实际应用需求。
65.本发明提出的一种基于呼吸训练法的降压系统，包括控制器、与所述控制器电连接的第一信号采集模块及第二信号采集模块；所述第一信号采集模块包括光电探头及能够发射特定波长的灯组，所述灯组环设与所述光电探头的外周；所述第二信号采集模块包括处理器及与所述处理器电连接的运动传感器，所述处理器的输出端与所述控制器电连接。本发明能够对高血压用户进行慢呼吸训练引导，同时便于患者外出使用，从而极大的提高了用户体验，满足了实际应用需求。
66.本发明实施例还提供了一种基于呼吸训练法的降压设备，所述设备为可穿戴或便携设备，所述可穿戴或便携设备包括但不限于手表、手环或指套的外壳；所述可穿戴或便携设备能够适上述的基于呼吸训练法的降压系统。可以理解的，所述降压系统可搭载与所述便携设备上，以便于用户随时随地的进行呼吸训练，从而极大的提升力用户体验。
67.请参阅图7，本发明实施例还提供了一种基于呼吸训练法的降压方法，所述方法包括步骤s31至步骤s33：
68.步骤s31，在用户激活设备时，获取用户的血压信息以及相关的人体参数，并在云端建立一针对该用户的个性化模型，个性化模型根据用户的相关信息推荐对应的呼吸训练方案。
69.在个性化模型构建方面我们会依据已经收到的现有用户信息进行模型的多步迭代构建；
70.首先依据现有云端样本库进行样本的无监督聚类，构建初步的无监督聚类模型，样本包含年龄、bmi指数、血压、血糖、运动最大摄氧量、静息心率、睡眠心率、血氧饱和度等多维度生理信息特征。
71.一次模型构建，依据这些特征构建无监督聚类模型a，模型包括但不限于自编码器、dbscan、kmeans等。
72.在完成聚类后分类会依据各分类的年龄、bmi指数、血压、血糖、运动最大摄氧量、静息心率、睡眠心率、血氧饱和度等多维度生理数据进行医疗级专业呼吸训练方案定制。
73.方案定制完成后，会向云端不同分类用户初次定向推荐适合的呼吸训练方案。
74.在完成一段时间的呼吸课程后会统计用户的满意度，对满意度为非常满意的用户进行类别固化，这一步将会获取大量呼吸训练类别标签数据，标签即为呼吸训练方案类别。
75.将上述获取的数据送入新的模型进行模型训练。
76.具体地：
77.获取的呼吸率数据集如下，该数据集为可用于模型训练的标签数据集。
78.标签数据集：
79.其中，x为标签行，y为标签列，x可表示为am
×
n，am
×
n为m行n列的特征矩阵，m表示样本数，n表示特征维度。
80.特征降维，该步的主要目的在于对现有特征进行降维处理(将特征由多维(如35维)降到较少维(如15维))，更少的冗余特征输入到下一步的模型中能够有效的减少模型在训练过程中的过拟合风险，这里使用主成分分析(principal component analysis，pca)进行降维，对于要降维的特征矩阵a需要找到样本协方差矩阵a
t
a的最大的d个特征向量，然后用这最大的d个特征向量组成的矩阵来做低维投影降维(其中t为得分向量，p为载荷向量)，举个极端的例子如果主成分数取1，那么a只在的方向进行投影；
81.对原始特征进行降维处理(特征降低为k维)，其中：k为指定的降维后特征个数，降维后重构的标签数据集为
82.输入：原始生理信息数据集t；
83.输出：降维后的数据集tr。
84.二次模型构建，这里我们采用在中型结构化数据集上表现较优的gbdt模型，构建gbdt初始模型，使用降维后的标签数据集对gbdt初始模型进行训练。具体的，
85.输入为：tr(其中损失函数为)；
86.输出为：强学习器f(x)(最终生成可用于预测的成熟gbdt模型)。
87.首先初始化弱学习器模型：(估计使损失函数极小化的常数值，它是只有一个根节点的树，一般平方损失函数为节点的均值，而绝对损失函数为节点样本的中位数)
[0088][0089]
接着迭代更新，对(表示迭代次数，即生成的弱学习器个数)有：
[0090]
(a)对样本i＝1,2,
…
,m计算损失函数的负梯度在当前模型的值将它作为残差的估计。
[0091]
[0092]
(b)对拟合一个回归树，得到第m棵树的叶节点区域r
ej
，j＝1,2,3，
…
,j其中j表示每棵树的叶节点个数。
[0093]
(c)对j＝1,2,3，
…
,j利用线性搜索，估计叶节点区域的值，使损失函数最小化，并计算
[0094]
(d)权值更新：
[0095][0096]
最终得到最终回归树(个性化模型)
[0097][0098]
其中，e为树的个数，j＝1,2,3，
…
,j其中j表示每棵树的叶节点个数，c
ej
代表第e棵树上的叶子节点对应的权值，i(x∈r
ej
)是指示函数，若x∈r
ej
则i为1，反之i为0。
[0099]
对于云端新进入的个体数据经过pca以及成熟gbdt可得出最终得出分类结果(呼吸训练方案编号)，因此通过该模型可在获取用户的相关生理信息的条件下精准推荐对应的呼吸训练方案。
[0100]
具体的，可通过用户所携带的便携设备获取该用户的血压信息，该血压信息可以为用户本身确诊的高血压或便携设备的测量结果。通过在用户没有高血压风险时进行血压检测；在用户具有高血压风险时，根据用户的高血压信息形成相应的呼吸训练方案，并将该训练方案推荐给用户，从而对用户进行呼吸训练的引导。
[0101]
步骤s32，个性化的呼吸训练方案引导用户进行呼吸训练。
[0102]
具体的，当获取到用户选择的训练方式后，在训练的过程中对用户的呼吸频率进行实时测量，并判断用户当前的呼吸频率是否低于第一预设阈值；若是，则提示用户按节奏进行呼吸；若否，则提示用户保持呼吸节奏。
[0103]
步骤s33，在当前周期的呼吸训练结束后，根据本次呼吸训练的效果对下一阶段呼吸训练的呼吸频率及时间进行调整。
[0104]
其中，所述呼吸频率为根据用户血压水平，经分析得出的可有效改善用户血压水平的呼吸频率值。所述呼吸时间为根据用户血压水平，经分析得到的进可有效改善用户血压水平的呼吸频率处于当前呼吸频率值的时间。即随着训练的积累，系统的个性化模型会根据用户测量血压及身体情况的相应调整和匹配最佳的训练方案，有针对性地协助用户达到降压效果。
[0105]
应该理解的是，虽然上述流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，上述流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时
刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
[0106]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0107]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0108]
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。