[發明專利]基于運動模式級聯約束的可穿戴血壓監測及修正方法

在審

• 申請號: 202010395959.5
• 申請日: 2020-05-12
• 公開（公告）號: CN111631698A
• 公開（公告）日: 2020-09-08
• 發明（設計）人: 陽媛;涂增源;李尚哲;華騰;戴鵬
• 申請（專利權）人: 東南大學
• 主分類號: A61B5/021
• 分類號: A61B5/021;A61B5/11;A61B5/00
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 劉莎

1.一種基于運動模式級聯約束的可穿戴血壓監測方法，其特征在于：該方法具體為：

通過九軸微慣性傳感器，獲取佩戴者在一定時間內的姿態信息和運動信息；

根據上述姿態信息和運動信息，建立佩戴者當前狀態下的運動模式；

通過基于光電傳感器的智能手環，測量佩戴者的舒張壓與收縮壓；

通過上臂式電子血壓計，測量佩戴者的舒張壓與收縮壓。

2.一種基于運動模式級聯約束的可穿戴血壓監測值修正方法，其特征在于，該方法具體步驟如下：

步驟1，根據如權利要求1所述方法獲得的測量數據建立樣本數據庫：所述的樣本數據庫包括佩戴者的運動模式、基本信息、測量血壓值、基準血壓值以及血壓值修正量，所述運動模式包括站立、靜坐、平躺、行走、慢走和快跑六種，所述基本信息包括身高、體重、性別和年齡，所述測量血壓值包括智能手環測量的舒張壓與收縮壓，所述基準血壓值包括上臂式電子血壓計測量的舒張壓與收縮壓，所述血壓值修正量包括智能手環測量的舒張壓和上臂式電子血壓計測量的舒張壓的差異值、智能手環測量的收縮壓和上臂式電子血壓計測量的收縮壓的差異值；

步驟2，基于樣本數據庫對BP神經網絡模型進行訓練，具體步驟如下：

2.1，確定BP神經網絡模型的拓撲結構；

2.2，以樣本數據庫中佩戴者的運動模式、基本信息、測量血壓值和基準血壓值作為BP神經網絡模型的輸入量，以血壓值修正量作為BP神經網絡模型的輸出量，采用Sigmoid函數作傳遞函數，采用梯度下降自適應學習率算法作訓練函數，閾值學習函數做學習函數，以訓練樣本誤差的平均值和標準差作為衡量標準，對BP神經網絡模型進行訓練；

2.3，根據訓練完成的BP神經網絡模型，獲得受測者的血壓值修正量，并將受測者的測量血壓值和血壓值修正量的代數和作為修正后的血壓值輸出。