一种基于二阶三分算法自动分类的无创连续血压监测方法技术

本发明专利技术提出了一种基于二阶三分算法自动分类的无创连续血压监测方法，该方法通过使用自主研发的心电信号和脉搏波信号采集设备采集信号，通过对采集到的信号进行特征点的定位，计算得到所需特征参数，用于拟合血压模型。对样本的数据进行分类，并分别训练对应模型。同时增加一个自适应判断的方法使得输入的特征参数可以自动的判定到所属于的分类中，准确的预测血压值。最后根据AAMI对于电子血压计的测量标准来验证算法的可行性。应用本技术方案可实现优化血压值跨度大而导致的测量结果误差大的问题，进而达到提高血压测量的精度的目的。的。的。

【技术实现步骤摘要】
一种基于二阶三分算法自动分类的无创连续血压监测方法


[0001]本专利技术涉及血压测量
，特别是一种基于二阶三分算法自动分类的无创连续血压监测方法。

技术介绍

[0002]高血压是指以体循环动脉血压增高为主要性状，主要表现为收缩压(Systolic blood pressure,SBP)大于140mmHg，舒张压(diastolic blood pressure,DBP)大于90mmHg，可伴有心、脑、肾等器官的功能或器质性损害的临床综合征。高血压是一种最常见的心血管疾病，高血压由于其慢性病的特点，在后期常常会引发其他许多更危险的疾病，所以高血压是心血管疾病中最危险的因素。根据近年来的报告显示，心血管疾病的死亡率逐年上升，全天候血压监护的需求日渐增长，做到能够快速、及时、方便的进行血压监测成为了当下热门的研究课题。
[0003]目前血压的测量方法主要分为直接测量和间接测量，直接测量是一种有创测量，所谓有创测量就是测量时会对身体部位留下伤口创口。间接测量的方法主要是柯氏音法和示波法，因为便捷性和安全性，所以目前日常使用中最多的就是这两种方法，但是这两种方法只能测量单次的血压值，无法做到连续测量，而且在测量时袖带的加压会对手臂造成不舒适感，连续使用也会大大降低测量的准确度。
[0004]除了上述几种方法之外，近年来无创连续血压测量正在被如火如荼的研究，无创连续血压监测是一种可以做到全天实时、无需人工干预的连续血压监测方案，其中较为热门的话题就是基于心电信号和脉搏波信号的无创连续血压测量。越来越多的学者们通过硬件设计、算法研究等不同的方法逐步将这种无创连续血压测量技术推广到一个可以进入日常生活中使用的应用场景，但在实际应用中，所测得的血压值准确性并不高。

技术实现思路

[0005]有鉴于此，本专利技术的目的在于提供一种基于二阶三分算法自动分类的无创连续血压监测方法，实现优化血压值跨度大而导致的测量结果误差大的问题，进而达到提高血压测量的精度的目的。
[0006]为实现上述目的，本专利技术采用如下技术方案：一种基于二阶三分算法自动分类的无创连续血压监测方法，包括以下步骤：
[0007]步骤S1：通过硬件设备获取同一时刻人体Ⅰ导联心电信号和指端脉搏波信号，将采集到的信号通过蓝牙发送至上位机；
[0008]步骤S2：获取数据进行预处理，滤除高频噪声后对心电信号和脉搏波信号的特征点进行定位寻找，得到特征点的横坐标和纵坐标后，再计算出所需要的特征参数；
[0009]步骤S3：训练模型的方法为交互效应多元线性回归，先将训练集样本数据不做划分进行训练，得到模型MT，所得到的模型MT中包括收缩压模型与舒张压模型；将收缩压140mmHg作为数据划分的分界点，将训练集里面收缩压小于140mmHg和大于140mmHg的样本
数据划分为两个部分并分开训练，其中舒张压不单独分类，跟随收缩压一起分类，得到模型M1和模型M2；
[0010]步骤S4：将收缩压样本数据小于140mmHg再分成小于100mmHg、100mmHg～120mmHg、120mmHg～140mmHg三部分，分别进行训练得到模型M11、M12、M13；将收缩压样本数据大于140mmHg再分成140mmHg～160mmHg、160mmHg～180mmHg、大于180mmHg三部分，分别进行训练得到模型M21、M22、M23；
[0011]步骤S5：先将数据分别输入M1、M2模型中，通过二阶三分算法，自动分类适应两个模型中的一个模型；再将数据输入到所选模型下的三个分模型，通过二阶三分算法第二级判断，选择三个模型中与所选模型绝对误差值最小的一个，最后输出最佳的收缩压与舒张压。
[0012]在一较佳的实施例中：步骤S1具体包括以下步骤：
[0013]步骤S11:使用心电采集模块，采集I导联心电信号，同时使用光电容积脉搏波描记法采集脉搏波；
[0014]步骤S12：将9字节的I导联心电数据和9字节的脉搏波数据，打包到蓝牙通知包中发送到上位机，并记录电子血压计测得的参考收缩压与舒张压。
[0015]在一较佳的实施例中：步骤S2具体包括以下步骤：
[0016]步骤S21：采用移动平均滤波法来过滤数据采集时受到的工频干扰，得到平滑的心电及脉搏波曲线；
[0017]步骤S22：定位I导联心电信号R波波峰的时间位置T
R
和脉搏波信号最大峰值点的时间位置T
P
，获得所需的特征参数脉搏波传导时间PWTT；
[0018]步骤S23：对脉搏波信号和脉搏波一阶微分信号进行特征点的定位，得到特征点的横坐标和纵坐标，即时间参数和幅值参数，定位的特征点包括以下：
[0019]定位脉搏波的主波波峰PPG
P
、周期起始点PPG
V1
，两者的时间差为T1；
[0020]定位脉搏波的周期结束点，即下一脉搏波周期起始点PPG
V1
，与当前周期起始点PPG
V1
的时间差为T；
[0021]定位脉搏波一阶微分的波峰dPPG
P
、周期起始点dPPG
V1
、波谷dPPG
V2
，dPPG
V1
和dPPG
V2
两者的时间差为T2；
[0022]步骤S24：通过步骤S22、步骤S23对特征点进行定位寻找，得到特征点的横坐标和纵坐标后，再计算出所需要的9个特征参数；
[0023]步骤S25:重复以上步骤，对数据进行筛选和提取，得到L组有效特征参数，其中L的取值为训练集的三分之一；将L组有效特征参数作为测试集，每组数据包含每位病人的I导联心电信号、指尖光电容积脉搏波信号以及电子血压计测得的收缩压和舒张压。
[0024]在一较佳的实施例中：步骤S3具体包括以下步骤：
[0025]步骤S31:交互效应多元线性回归的方法是将各自变量两两相乘，如果一个多元线性回归方程为公式(3
‑
1)，将X1和X2这两个自变量的交互项引入回归方程后，就得到如公式(3
‑
2)所示；其中，X1*X2代表交互项，θ
n+1
表示该交互项的回归系数；这里将交互项看作一个全新的自变量X
n+1
；
[0026][0027][0028]步骤S32:如步骤S31所示，将所得到的9个特征参数两两交互，得到交互效应多元线性回归方程为公式(3
‑
3)，其中i，i＝1，2
…
n，表示第i组数据，n表示训练集的组数，训练集为自建数据库；
[0029][0030]步骤S33：将训练样本数据不做划分进行交互效应多元线性回归建模，根据最小二乘法估计回归系数，得到血压总模型MT，模型中包含收缩压预测模型和舒张压预测模型，所预估的收缩压、舒张压分别为SBP0、DBP0；
[0031]步骤S34:以收缩压为140mmHg为分界本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于二阶三分算法自动分类的无创连续血压监测方法，其特征在于，包括以下步骤：步骤S1：通过硬件设备获取同一时刻人体Ⅰ导联心电信号和指端脉搏波信号，将采集到的信号通过蓝牙发送至上位机；步骤S2：获取数据进行预处理，滤除高频噪声后对心电信号和脉搏波信号的特征点进行定位寻找，得到特征点的横坐标和纵坐标后，再计算出所需要的特征参数；步骤S3：训练模型的方法为交互效应多元线性回归，先将训练集样本数据不做划分进行训练，得到模型MT，所得到的模型MT中包括收缩压模型与舒张压模型；将收缩压140mmHg作为数据划分的分界点，将训练集里面收缩压小于140mmHg和大于140mmHg的样本数据划分为两个部分并分开训练，其中舒张压不单独分类，跟随收缩压一起分类，得到模型M1和模型M2；步骤S4：将收缩压样本数据小于140mmHg再分成小于100mmHg、100mmHg～120mmHg、120mmHg～140mmHg三部分，分别进行训练得到模型M11、M12、M13；将收缩压样本数据大于140mmHg再分成140mmHg～160mmHg、160mmHg～180mmHg、大于180mmHg三部分，分别进行训练得到模型M21、M22、M23；步骤S5：先将数据分别输入M1、M2模型中，通过二阶三分算法，自动分类适应两个模型中的一个模型；再将数据输入到所选模型下的三个分模型，通过二阶三分算法第二级判断，选择三个模型中与所选模型绝对误差值最小的一个，最后输出最佳的收缩压与舒张压。2.根据权利要求1所述的一种基于二阶三分算法自动分类的无创连续血压监测方法，其特征在于：步骤S1具体包括以下步骤：步骤S11:使用心电采集模块，采集I导联心电信号，同时使用光电容积脉搏波描记法采集脉搏波；步骤S12：将9字节的I导联心电数据和9字节的脉搏波数据，打包到蓝牙通知包中发送到上位机，并记录电子血压计测得的参考收缩压与舒张压。3.根据权利要求1所述的一种基于二阶三分算法自动分类的无创连续血压监测方法，其特征在于：步骤S2具体包括以下步骤：步骤S21：采用移动平均滤波法来过滤数据采集时受到的工频干扰，得到平滑的心电及脉搏波曲线；步骤S22：定位I导联心电信号R波波峰的时间位置T
R
和脉搏波信号最大峰值点的时间位置T
P
，获得所需的特征参数脉搏波传导时间PWTT；步骤S23：对脉搏波信号和脉搏波一阶微分信号进行特征点的定位，得到特征点的横坐标和纵坐标，即时间参数和幅值参数，定位的特征点包括以下：定位脉搏波的主波波峰PPG
P
、周期起始点PPG
V1
，两者的时间差为T1；定位脉搏波的周期结束点，即下一脉搏波周期起始点PPG
V1
，与当前周期起始点PPG
V1
的时间差为T；定位脉搏波一阶微分的波峰dPPG
P
、周期起始点dPPG
V1
、波谷dPPG
V2
，dPPG
V1
和dPPG
V2
两者的时间差为T2；步骤S24：通过步骤S22、步骤S23对特征点进行定位寻找，得到特征点的横坐标和纵坐标后，再计算出所需要的9个特征参数；
步骤S25:重复以上步骤，对数据进行筛选和提取，得到L组有效特征参数，其中L的取值为训练集的三分之一；将L组有效特征参数作为测试集，每组数据包含每位病人的I导联心电信号、指尖光电容积脉搏波信号以及电子血压计测得的收缩压和舒张压。4.根据权利要求1所述的一种基于二阶三分算法自动分类的无创连续血压监测方法，其特征在于：步骤S3具体包括以下步骤：步骤S31:交互效应多元线性回归的方法是将各自变量两两相乘，如果一个多元线性回归方程为公式(3
‑
1)，将X1和X2这两个自变量的交互项引入回归方程后，就得到如公式(3
‑
2)所示；其中，X1*X2代表交互项，θ
n+1
表示该交互项的回归系数；这里将交互项看作一个全新的自变量X
n+1
；；步骤S32:如步骤S31所...

【专利技术属性】
技术研发人员：王量弘，陈汉东，黄宝震，郭怡君，
申请(专利权)人：福州云钿信息科技有限公司，
类型：发明
国别省市：