[發(fā)明專利]一種血壓預(yù)測方法和裝置

有效

• 申請?zhí)枺?/td>: 202010189140.3
• 申請日: 2020-03-17
• 公開（公告）號: CN111358451B
• 公開（公告）日: 2022-07-29
• 發(fā)明（設(shè)計）人: 張碧瑩;曹君
• 申請（專利權(quán)）人: 樂普（北京）醫(yī)療器械股份有限公司
• 主分類號: A61B5/021
• 分類號: A61B5/021
• 代理公司: 北京慧誠智道知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 11539
• 代理人: 李楠

本發(fā)明實施例涉及一種血壓預(yù)測方法和裝置，所述方法包括：根據(jù)信號采集時間閾值采集信號生成PPG信號數(shù)據(jù)；根據(jù)數(shù)據(jù)采樣頻率閾值對PPG信號數(shù)據(jù)采樣生成PPG一維數(shù)據(jù)序列；根據(jù)輸入數(shù)據(jù)長度閾值對PPG一維數(shù)據(jù)序列進行CNN輸入數(shù)據(jù)轉(zhuǎn)換生成輸入數(shù)據(jù)四維張量；根據(jù)卷積層數(shù)閾值對輸入數(shù)據(jù)四維張量進行PPG特征提取生成特征數(shù)據(jù)四維張量；對特征數(shù)據(jù)四維張量進行ANN輸入數(shù)據(jù)轉(zhuǎn)換生成特征數(shù)據(jù)二維矩陣；使用人口特征信息對特征數(shù)據(jù)二維矩陣進行數(shù)據(jù)補充生成輸入數(shù)據(jù)二維矩陣；根據(jù)最終輸出節(jié)點閾值對輸入數(shù)據(jù)二維矩陣進行回歸計算生成血壓回歸數(shù)據(jù)二維矩陣；根據(jù)預(yù)測模式標(biāo)識符對血壓回歸數(shù)據(jù)二維矩陣進行血壓預(yù)測處理。

技術(shù)領(lǐng)域

本發(fā)明涉及電生理信號處理技術(shù)領(lǐng)域，特別涉及一種血壓預(yù)測方法和裝置。

背景技術(shù)

心臟是人體血液循環(huán)的中心，心臟通過有規(guī)律的搏動產(chǎn)生血壓，進而向全身供血完成人體的新陳代謝，血壓是人體非常重要的生理信號之一。正常范圍內(nèi)的血壓才能保證血液正常循環(huán)流動，許多因素共同作用下才能使血壓保持正常，從而人體的各個器官與組織能獲得足夠的血量，進而保持人體正常運轉(zhuǎn)。人體血壓含有兩個重要的數(shù)值：收縮壓和舒張壓，醫(yī)學(xué)上通過這兩個量來判斷人體血壓的正常與否。長期持續(xù)觀測血壓這兩項參數(shù)，可以幫助人們對自身心臟健康狀態(tài)有較為清晰的認識。但是，當(dāng)下大多數(shù)傳統(tǒng)的血壓測量方式均采用有創(chuàng)的介入式測量法或者外力上壓的壓力計測量法，不僅操作繁瑣，且容易引起被測者的不適，因此也就不能多次地使用以達到連續(xù)監(jiān)測的目的。

光體積變化描記圖法(Photoplethysmography，PPG)信號是利用光感傳感器對特定光源的光強識別記錄光強變化的一組信號。在心臟搏動時，對血管內(nèi)單位面積的血流量形成周期性變化，與之對應(yīng)的血液體積也相應(yīng)發(fā)生變化，從而導(dǎo)致反映血液吸收光量的PPG信號也呈現(xiàn)周期性變化趨勢。使用基于人工智能學(xué)習(xí)算法開發(fā)出的針對PPG信號的血壓卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network，CNN)模型從PPG信號的波形中提取出與血壓顯著相關(guān)的特征，使用血壓人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，ANN)模型再對這些提取到的特征建立回歸模型，最終可實現(xiàn)對血壓的預(yù)測。考慮到血壓與個體的性別、年齡、身高、體重、臂展寬度、包括身體質(zhì)量指數(shù)(Body Mass Index，BMI)、體溫、是否引用咖啡濃茶、是否運動后等人口統(tǒng)計學(xué)與狀態(tài)特征信息密切相關(guān)，在血壓預(yù)測網(wǎng)絡(luò)的回歸模型訓(xùn)練和推理過程匯總引入這些額外信息，可以幫助模型更好的學(xué)習(xí)和判斷血壓值。

發(fā)明內(nèi)容

本發(fā)明的目的，就是針對現(xiàn)有技術(shù)的缺陷，提供一種血壓預(yù)測方法和裝置，首先使用PPG信號采集設(shè)備對測試對象進行數(shù)據(jù)采集，其次采用由血壓CNN模型對PPG采集數(shù)據(jù)進行PPG-血壓數(shù)據(jù)特征計算，再將測試對象的個體人口特征信息對特征數(shù)據(jù)進行特征補充，然后使用血壓ANN模型對補充后的特征數(shù)據(jù)進行血壓數(shù)據(jù)回歸計算從而預(yù)測出測試對象的血壓數(shù)據(jù)(舒張壓、收縮壓)；通過本發(fā)明實施例，既避免了常規(guī)測試手段的繁瑣和不適感，又產(chǎn)生了一種結(jié)合測試對象個體特征的自動數(shù)據(jù)分析方法，從而使得應(yīng)用方可以方便地對被測對象進行多次連續(xù)監(jiān)測。

為實現(xiàn)上述目的，本發(fā)明實施例第一方面提供了一種血壓預(yù)測方法，其特征在于，所述方法包括：

根據(jù)信號采集時間閾值，對測試對象進行光體積變化描記圖法PPG信號采集處理生成PPG信號數(shù)據(jù)；根據(jù)數(shù)據(jù)采樣頻率閾值，對所述PPG信號數(shù)據(jù)進行信號采樣處理生成PPG一維數(shù)據(jù)序列；

根據(jù)血壓卷積神經(jīng)網(wǎng)絡(luò)CNN模型的輸入數(shù)據(jù)長度閾值N，對所述PPG一維數(shù)據(jù)序列進行血壓CNN模型輸入數(shù)據(jù)轉(zhuǎn)換處理生成輸入數(shù)據(jù)四維張量；

根據(jù)卷積層數(shù)閾值，利用所述血壓CNN模型對所述輸入數(shù)據(jù)四維張量進行PPG特征提取計算，生成特征數(shù)據(jù)四維張量；并對所述特征數(shù)據(jù)四維張量進行血壓人工神經(jīng)網(wǎng)絡(luò)ANN模型輸入數(shù)據(jù)二維矩陣轉(zhuǎn)換處理生成特征數(shù)據(jù)二維矩陣；