血压测量方法、装置、血压测量设备及电子设备制造方法及图纸

本申请公开了一种血压测量方法，属于电子设备技术领域。所述方法包括：获取用户手臂佩戴的袖带采集的由肱动脉搏动产生的压力信号和压电信号，其中，压力信号为所述袖带的气囊内的压力信号，压电信号通过设置在所述袖带贴合所述用户手臂一侧的压电装置采集；对所述压力信号和所述压电信号进行信号处理，得到与每次肱动脉搏动对应的信号特征的序列；将所述序列输入至预先训练的血压预测模型，得到对应所述序列的血压值类别预测结果；根据所述血压值类别预测结果和所述压力信号，得到所述用户的血压测量结果。本方法通过改进袖带结构，并将听诊环节改进为基于肱动脉搏动信号特征通过神经网络进行血压值预测，有效提升了血压测量结果的准确性。结果的准确性。结果的准确性。

【技术实现步骤摘要】
血压测量方法、装置、血压测量设备及电子设备


[0001]本申请涉及电子设备
，特别是涉及血压测量方法、装置、血压测量设备及电子设备，以及计算机可读存储介质。

技术介绍

[0002]血压的测量对监控人体的健康状况十分重要。现有技术中，常用的无创血压测量方法包括：柯氏音法和电子血压计。其中，电子血压计采用的示波法原理是根据震荡波的包络线与舒张压和收缩压之间的统计关系，得到血压值。这种统计关系决定了该测量方法只会具有理论上群体血压测量的准确性，不能够保证单个被测人的血压测量的准确性。柯氏音法准确度较高，但是该方法在实际进行血压测量的时候，容易受到周围环境声音影响，导致高压值或低压值判定失误。
[0003]可见，现有技术中的血压测量方法还需要不断改进。

技术实现思路

[0004]本申请实施例提供一种血压测量方法及装置，血压测量设备，有助于提升血压测量准确度。
[0005]第一方面，本申请实施例提供了一种血压测量方法，包括：
[0006]获取用户手臂佩戴的袖带采集的由肱动脉搏动产生的压力信号和压电信号，其中，所述压力信号为所述袖带的气囊内的压力信号，所述压电信号通过设置在所述袖带贴合所述用户手臂一侧的压电装置采集；
[0007]对所述压力信号和所述压电信号进行信号处理，得到与每次肱动脉搏动对应的信号特征的序列；
[0008]将所述序列输入至预先训练的血压预测模型，得到对应所述序列的血压值类别预测结果；
[0009]根据所述血压值类别预测结果和所述压力信号，得到所述用户的血压测量结果。
[0010]可选的，所述信号特征包括：压力波差、第一压电信号特征、第二压电信号特征，以及，肱动脉搏动对应的采集时间特征，所述对所述压力信号和所述压电信号进行信号处理，得到与每次肱动脉搏动对应的信号特征的序列，包括：
[0011]对所述压力信号进行带通滤波，得到预设频率范围内的震荡波信号；
[0012]确定所述震荡波信号的每个峰值对应的所述压力信号的采集时间；
[0013]根据所述采集时间，确定与相应次肱动脉搏动对应的所述采集时间特征；
[0014]根据所述震荡波信号中与所述采集时间对应的压力信号的变化幅值，确定与所述采集时间对应的压力波差；
[0015]根据对所述压电信号进行带通滤波处理后得到的第一频带压电信号，确定与相应所述采集时间对应的第一压电信号特征；
[0016]根据对所述压电信号进行分段带通滤波处理后得到的第二频带压电信号，确定与
相应所述采集时间对应的第二压电信号特征，其中，所述第一频带压电信号的频率低于所述第二频带压电信号；
[0017]将各所述采集时间对应的所述采集时间特征、所述压力波差、所述第一压电信号特征，以及，所述第二压电信号特征，按照所述采集时间的先后顺序，生成所述信号特征的序列。
[0018]可选的，所述血压预测模型包括：双向长短时记忆网络和全连接层，所述将所述序列输入至预先训练的血压预测模型，得到对应所述序列的血压值类别预测结果，包括：
[0019]将所述序列输入至所述双向长短时记忆网络，通过所述双向长短时记忆网络对所述序列中各所述信号特征进行特征编码，得到对应每个所述信号特征的输出向量；
[0020]通过所述全连接层对每个所述输出向量分别进行分类映射，得到相应所述信号特征对应高压值到低压值的变化过程的血压值的分类结果；
[0021]根据各所述信号特征对应的所述分类结果，得到对应所述序列的血压值类别预测结果。
[0022]可选的，所述根据所述血压值类别预测结果和所述压力信号，得到所述用户的血压测量结果，包括：
[0023]根据所述序列中所述信号特征与所述血压值类别预测结果的对应关系，确定与高压值对应的所述信号特征，作为第一信号特征，以及，确定与低压值对应的所述信号特征，作为第二信号特征；
[0024]根据所述第一信号特征对应的所述肱动脉搏动产生的所述压力信号，得到所述用户的高压测量结果；以及，根据所述第二信号特征对应的所述肱动脉搏动产生的所述压力信号，得到所述用户的低压测量结果。
[0025]可选的，所述血压预测模型基于长短时记忆网络构建，所述血压预测模型通过以下方法训练：
[0026]获取若干训练样本，其中，每条所述训练样本的样本数据为：基于单次血压测量采集的压力信号和压电信号进行处理后得到的所述信号特征的序列，样本标签为：标记相应所述信号特征与目标血压值的对应关系真实值的序列，所述目标血压值为对应高压值到低压值的变化过程的血压值；
[0027]针对每条所述训练样本，将所述训练样本的样本数据依次输入至所述血压预测模型，分别得到所述样本数据中各所述信号特征与所述目标血压值的对应关系预测值的序列；
[0028]根据针对每条所述训练样本得到的所述对应关系预测值的序列，以及，相应所述样本标签，计算所述血压预测模型的损失；
[0029]通过优化所述损失，对所述血压预测模型进行迭代训练。
[0030]可选的，所述压电装置包括：与所述袖带一体设置，且设置在袖带内侧的压电传感器件，在测量用户血压时，所述压电传感器件被放置在紧贴被测用户肱动脉的位置。
[0031]可选的，所述压电装置包括至少两个所述压电传感器件，所述压电信号为所述至少两个所述压电传感器件的叠加压电信号。
[0032]第二方面，本申请实施例提供了一种血压测量装置，包括：
[0033]信号获取模块，用于获取用户手臂佩戴的袖带采集的由肱动脉搏动产生的压力信
号和压电信号，其中，所述压力信号为所述袖带的气囊内的压力信号，所述压电信号为设置在所述袖带贴合所述用户手臂一侧的压电装置采集的压电信号；
[0034]特征提取模块，用于对所述压力信号和所述压电信号进行信号处理，得到与每次肱动脉搏动对应的信号特征的序列；
[0035]预测模块，用于将所述序列输入至预先训练的血压预测模型，得到对应所述序列的血压值类别预测结果；
[0036]测量结果获取模块，用于根据所述血压值类别预测结果和所述压力信号，得到所述用户的血压测量结果。
[0037]可选的，所述信号特征包括：压力波差、第一压电信号特征、第二压电信号特征，以及，肱动脉搏动对应的采集时间特征，所述特征提取模块，进一步用于：
[0038]对所述压力信号进行带通滤波，得到预设频率范围内的震荡波信号；
[0039]确定所述震荡波信号的每个峰值对应的所述压力信号的采集时间；
[0040]根据所述采集时间，确定与相应次肱动脉搏动对应的所述采集时间特征；
[0041]根据所述震荡波信号中与所述采集时间对应的压力信号的变化幅值，确定与所述采集时间对应的压力波差；
[0042]根据对所述压电信号进行带通滤波处理后得到的第一频带压电信号，确定与相应所述采集时间对应的第一压电信号特征；
[0043]根据对所述压电信号进行分段带通滤波处本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种血压测量方法，其特征在于，包括：获取用户手臂佩戴的袖带采集的由肱动脉搏动产生的压力信号和压电信号，其中，所述压力信号为所述袖带的气囊内的压力信号，所述压电信号通过设置在所述袖带贴合所述用户手臂一侧的压电装置采集；对所述压力信号和所述压电信号进行信号处理，得到与每次肱动脉搏动对应的信号特征的序列；将所述序列输入至预先训练的血压预测模型，得到对应所述序列的血压值类别预测结果；根据所述血压值类别预测结果和所述压力信号，得到所述用户的血压测量结果。2.根据权利要求1所述的方法，其特征在于，所述信号特征包括：压力波差、第一压电信号特征、第二压电信号特征，以及，肱动脉搏动对应的采集时间特征，所述对所述压力信号和所述压电信号进行信号处理，得到与每次肱动脉搏动对应的信号特征的序列，包括：对所述压力信号进行带通滤波，得到预设频率范围内的震荡波信号；确定所述震荡波信号的每个峰值对应的所述压力信号的采集时间；根据所述采集时间，确定与相应次肱动脉搏动对应的所述采集时间特征；根据所述震荡波信号中与所述采集时间对应的压力信号的变化幅值，确定与所述采集时间对应的压力波差；根据对所述压电信号进行带通滤波处理后得到的第一频带压电信号，确定与相应所述采集时间对应的第一压电信号特征；根据对所述压电信号进行分段带通滤波处理后得到的第二频带压电信号，确定与相应所述采集时间对应的第二压电信号特征，其中，所述第一频带压电信号的频率低于所述第二频带压电信号；将各所述采集时间对应的所述采集时间特征、所述压力波差、所述第一压电信号特征，以及，所述第二压电信号特征，按照所述采集时间的先后顺序，生成所述信号特征的序列。3.根据权利要求1所述的方法，其特征在于，所述血压预测模型包括：双向长短时记忆网络和全连接层，所述将所述序列输入至预先训练的血压预测模型，得到对应所述序列的血压值类别预测结果，包括：将所述序列输入至所述双向长短时记忆网络，通过所述双向长短时记忆网络对所述序列中各所述信号特征进行特征编码，得到对应每个所述信号特征的输出向量；通过所述全连接层对每个所述输出向量分别进行分类映射，得到相应所述信号特征对应高压值到低压值的变化过程的血压值的分类结果；根据各所述信号特征对应的所述分类结果，得到对应所述序列的血压值类别预测结果。4.根据权利要求1所述的方法，其特征在于，所述根据所述血压值类别预测结果和所述压力信号，得到所述用户的血压测量结果，包括：根据所述序列中所述信号特征与所述血压值类别预测结果的对应关系，确定与高压值对应的所述信号特征，作为第一信号特征，以及，确定与低压值对应的所述信号特征，作为第二信号特征；根据所述第一信号特征对应的所述肱动脉搏动产生的所述压力信号，得到所述用户的
高压测量结果；以及，根据所述第二信号特征对应的所述肱动脉搏动产生的所述压力信号，得到所述用户的低压测量结果。5.根据权利要求1至4任一项所述的方法，其特征在于，所述血压预测模型基于长短时记忆网络构建，所述血压预测模型通过以下方法训练：获取若干训练样本，其中，每条所述训练样本的样本数据为：基于单次血压测量采集的压力信号和压电信号进行处理后得到的所述信号特征的序...

【专利技术属性】
技术研发人员：王付州，江世盛，
申请(专利权)人：汉王科技股份有限公司，
类型：发明
国别省市：