[發明專利]一種基于同步信號進行血壓預測的方法和裝置

有效

• 申請號: 202010189179.5
• 申請日: 2020-03-17
• 公開（公告）號: CN111358452B
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 張碧瑩;曹君
• 申請（專利權）人: 樂普（北京）醫療器械股份有限公司
• 主分類號: A61B5/021
• 分類號: A61B5/021;A61B5/349;A61B5/352
• 代理公司: 北京慧誠智道知識產權代理事務所(特殊普通合伙) 11539
• 代理人: 李楠

本發明實施例涉及一種基于同步信號進行血壓預測的方法和裝置，所述方法包括：獲取PPG信號數據和與之同步的ECG信號數據；按數據采樣頻率閾值分別對PPG信號數據和ECG信號數據進行信號采樣處理生成PPG、ECG一維數據序列；對PPG、ECG一維數據序列進行血壓CNN輸入數據融合處理生成輸入數據四維張量；按卷積層數閾值利用血壓CNN模型進行多層卷積池化計算生成特征數據四維張量；構建血壓ANN輸入數據二維矩陣；利用血壓ANN模型進行特征數據回歸計算生成血壓回歸數據二維矩陣；獲取預測模式標識符；預測模式標識符為均值預測時生成均值血壓預測數據對；預測模式標識符為動態預測時生成動態血壓預測一維數據序列。

技術領域

本發明涉及電生理信號處理技術領域，特別涉及一種基于同步信號進行血壓預測的方法和裝置。

背景技術

心臟是人體血液循環的中心，心臟通過有規律的搏動產生血壓，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。人體血壓含有兩個重要的數值：收縮壓和舒張壓，醫學上通過這兩個量來判斷人體血壓的正常與否。長期持續觀測血壓這兩項參數，可以幫助人們對自身心臟健康狀態有較為清晰的認識。但是，當下大多數傳統的血壓測量方式均采用壓力計之類的外力上壓檢測方式，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監測的目的。

發明內容

本發明的目的，就是針對現有技術的缺陷，提供一種基于同步信號進行血壓預測的方法和裝置，通過使用無創的隨身信號采集設備對測試者進行無創的心電圖(Electrocardiogram，ECG)信號和光體積變化描記圖法(Photoplethysmography，PPG)信號的同步采集，并將獲取到的ECG信號與PPG信號進行數據融合處理，再通過血壓卷積神經網絡(Convolutional Neural Network，CNN)模型和血壓人工神經網絡(Artificial NeuralNetwork，ANN)模型組成的血壓預測模型對融合數據進行特征計算及血壓數據回歸計算從而推算出測試者血壓數據，最后通過預測模式標識符的選擇具體輸出均值血壓預測數據對(收縮壓預測數據、舒張壓預測數據)還是動態血壓預測一維數據序列；通過本發明實施例，既避免了常規血壓采集手段的繁瑣和不適感，又產生了一種自動智能的數據分析方法，從而使得應用方可以方便地對被測對象進行多次連續監測。

為實現上述目的，本發明實施例第一方面提供了一種基于同步信號進行血壓預測的方法，其特征在于，所述方法包括：

獲取光體積變化描記圖法PPG信號數據和與之同步的心電圖ECG信號數據；并按數據采樣頻率閾值，分別對所述PPG信號數據和所述ECG信號數據進行信號采樣處理生成PPG一維數據序列和生成ECG一維數據序列；

根據血壓卷積神經網絡CNN模型的輸入數據長度閾值N，對所述PPG一維數據序列和所述ECG一維數據序列，進行血壓CNN輸入數據融合處理生成輸入數據四維張量；

按卷積層數閾值，利用所述血壓CNN模型對所述輸入數據四維張量進行多層卷積池化計算生成特征數據四維張量；

根據所述特征數據四維張量進行血壓人工神經網絡ANN模型的輸入數據二維矩陣構建操作生成輸入數據二維矩陣；并利用所述血壓ANN模型對所述輸入數據二維矩陣進行特征數據回歸計算生成血壓回歸數據二維矩陣；

獲取預測模式標識符；所述預測模式標識符包括均值預測和動態預測兩種標識符；

當所述預測模式標識符為所述均值預測時，對所述血壓回歸數據二維矩陣，進行均值血壓計算操作生成均值血壓預測數據對；所述均值血壓預測數據對包括舒張壓預測數據和收縮壓預測數據；

當所述預測模式標識符為所述動態預測時，對所述血壓回歸數據二維矩陣，進行動態血壓數據提取操作生成動態血壓預測一維數據序列。

優選的，