一种基于组合特征的无创血压预测方法技术

本发明专利技术涉及生物信号检测技术领域，具体涉及一种基于组合特征的无创血压预测方法，通过对原始的光电容积脉搏波信号PPG进行预处理工作，获得相对平滑的PPG信号；对预处理后的信号进行特征提取，得到参与组合的PPG特征参数，再通过组合特征的方法获取新的特征参数；将原特征与新特征一同作为模型输入，建立机器学习模型对收缩压SBP和舒张压DBP进行预测。本发明专利技术仅使用PPG信号进行血压预测，通过组合特征的形式来降低所使用的特征数量，在能保证准确性的前提下减少特征提取工作的繁杂性，对于无创连续血压预测方法的研究具有重要意义，也对便携式血压计的血压估计方法提供参考。式血压计的血压估计方法提供参考。式血压计的血压估计方法提供参考。

【技术实现步骤摘要】
一种基于组合特征的无创血压预测方法


[0001]本专利技术涉及生物信号检测
，具体涉及一种基于组合特征的无创血压预测方法。

技术介绍

[0002]心血管疾病已然成为威胁人类健康的头号杀手，根据世界卫生组织的统计，在2015年就有1750万人死于心血管疾病，占全球死亡总数的31％。血压BP作为人体的一个重要生理参数，是心血管疾病的重要判断依据，能清楚地反映人体心脏和血管是否异常，也是临床诊断、疾病治疗等的重要判断依据，因此血压的测量非常重要。
[0003]目前，主要通过有创和无创两种方式测量血压。有创式的测量方法虽然能够连续准确地测量血压，但这种方法会给被测者带来痛苦，并不适合长期测量。相比之下，无创式的测量方法更为方便，当前在临床上常用示波法和听诊法对血压进行检测。由于这两种方法都需要使用充气袖带，难免会给被测者带来不适，长期使用还可能导致静脉充血甚至动脉破裂，所以这两种方法虽然能做到无创检测血压，但并不适合于长期频繁地使用。
[0004]为了消除传统方法中充气袖带对被测者的影响，目前大多使用脉搏波传导时间PTT进行无创血压预测。PTT一般通过同时采集光电容积脉搏波PPG和心电信号ECG获取，虽然这种ECG与PPG联合采集信号的方法可以摆脱充气袖带的束缚，但需要同时采集两路信号使得在一些穿戴式的监测环境中变得很不方便。以往的大多数研究都是基于PTT的血压估计方法，PPG特征在其中多用作辅助参数来提高准确性。而作为心输出量CO产生的前向波和血管阻力所产生的反射波的混合物，PPG与血压值也直接相关。与ECG信号相比，PPG的获取要方便得多。近些年，已经提出了几种仅基于PPG特征来估计血压的方法，并取得了一定的效果。但这种方法需要提取的特征参数太多，使得特征提取工作变得非常繁琐，导致测量周期太长。

技术实现思路

[0005]本专利技术的目的在于提供一种基于组合特征的无创血压预测方法，旨在实现在仅使用PPG信号进行无创血压预测时，减少所提取的特征数量，并保持模型的预测精度。
[0006]为实现上述目的，本专利技术提供了一种基于组合特征的无创血压预测方法，包括下列步骤：
[0007]对PPG信号进行预处理；
[0008]对预处理后的PPG信号进行特征提取，获得参与组合的PPG特征参数；
[0009]将提取到的特征参数基于BP＝CO
×
TPR的形式两两进行特征组合，获得新特征参数；
[0010]将PPG特征参数与新特征参数一同作为模型的输入，建立机器学习模型对收缩压SBP和舒张压DBP进行预测。
[0011]可选的，对PPG信号进行预处理的过程，具体为使用低通插值的方法对PPG信号进
行上采样至1000Hz，使用一维多层小波分解的方法对PPG信号进行重构来去除基线漂移，对重构后的信号按0到1进行最大最小值归一化处理，使用截止频率为10Hz的四阶巴特沃斯低通滤波器滤除信号的高频成分。
[0012]可选的，对预处理后的PPG信号进行特征提取的过程，包括下列步骤：
[0013]找到前3s内PPG信号中的斜率最大值点，以其幅值的70％作为初始阈值，寻找信号中前后20个点满足导数大于0且刚好大于阈值的点记为a，以点a向后150个数据点范围内寻找斜率最大值点记为b，每找到一个点b就将记录值k值加一，当k>5时将所有b的幅值求和取平均后的70％作为新阈值；
[0014]波峰点c是以b为基准向后300个数据点范围内寻找幅值最大值点，波谷点o则是以波峰点为基准，向前300个数据点范围内寻找最小值点；
[0015]提取到所有的波峰波谷后，按照波谷
‑
波峰
‑
波谷的形式保存，并以此作为后续的特征提取基准。
[0016]可选的，所述PPG特征参数包括斜率参数、面积参数、强度参数、强度相对参数和时间跨度参数，所述PPG特征参数分别与心输出量CO和总外周阻力TPR相关。
[0017]可选的，所述斜率参数包括一阶微分信号的起始点到波峰的斜率dAS和一阶微分信号的波峰到结束点的斜率dDS；
[0018]所述面积参数包括原始信号从起始点到波峰的面积AA，原始信号从波峰到结束点的面积DA，一阶微分信号从起始点到波峰的面积dAA，一阶微分信号从波峰到结束点的面积dDA和原始信号波峰至重播波切迹面积S3；
[0019]所述强度参数和强度相对参数包括原始信号的峰值强度PI和原始信号的波谷强度VI，二阶微分信号的最大峰谷强度比sdRIPV和原始信号波峰与起始点的强度比PIR；
[0020]所述时间跨度参数包括一阶微分信号的心动周期dCC、二阶微分信号的心动周期sdCC、原始信号波峰到波谷的时间跨度DT、一阶微分信号波峰至波谷的时间跨度dDT、一阶微分从波谷到结束点的时间跨度dTVO、原始信号波峰幅值5/11的时宽TW5、原始信号波峰幅值3/11的时宽TW8、原始信号波峰幅值2/11的时TW9和原始信号波峰幅值1/11的时宽TW10。
[0021]可选的，将PPG特征参数与新特征参数一同作为模型的输入，建立机器学习模型对收缩压SBP和舒张压DBP进行预测的过程，具体为将提取到的原PPG特征参数与新的组合特征参数一同作为模型输入，建立了随机森林RF的回归模型，采用10折交叉验证划分训练集和测试集，使用的是种子1来初始化Philox 4
×
32随机数生成器，分别对收缩压SBP和舒张压DBP进行预测。
[0022]可选的，随机森林RF回归模型分别对收缩压SBP和舒张压DBP进行预测的过程，包括下列步骤：
[0023]对每一组样本都进行最优叶子个数选择，将回归树棵树NumTrees均设置为2000棵，在2000棵树时模型的损失函数MSE会趋于稳定且最小，定义的初始叶子数设置为5到500，为防止最优叶子数的选择受到随机干扰，设置5次最优叶子数选择的循环；
[0024]进行数据集的划分，采用10折交叉验证来进行，使用种子1初始化Philox 4
×
32随机数生成器；
[0025]在获得最优叶子数个数之后，统一选择600棵回归树进行训练，通过实验比对，在600棵树时的MSE相较于2000棵树无明显变化，在每一次训练后将重要性程度排在前70的特
征作为输入再次进行训练，得到最终结果。
[0026]本专利技术提供了一种基于组合特征的无创血压预测方法，通过对原始的光电容积脉搏波信号PPG进行预处理工作，获得相对平滑的PPG信号；对预处理后的信号进行特征提取，得到参与组合的PPG特征参数，再通过组合特征的方法获取新的特征参数；将原特征与新特征一同作为模型输入，建立机器学习模型对收缩压SBP和舒张压DBP进行预测。本专利技术仅使用PPG信号进行血压预测，通过组合特征的形式来降低所使用的特征数量，在能保证准确性的前提下减少特征提取工作的繁杂性，对于无创连续血压预测方法的研究具有重要意义，也对便携式血压计的血压估计方法提供参考。...

【技术保护点】

【技术特征摘要】
1.一种基于组合特征的无创血压预测方法，其特征在于，包括下列步骤：对PPG信号进行预处理；对预处理后的PPG信号进行特征提取，获得参与组合的PPG特征参数；将提取到的特征参数基于BP＝CO
×
TPR的形式两两进行特征组合，获得新特征参数；将PPG特征参数与新特征参数一同作为模型的输入，建立机器学习模型对收缩压SBP和舒张压DBP进行预测。2.如权利要求1所述的基于组合特征的无创血压预测方法，其特征在于，对PPG信号进行预处理的过程，具体为使用低通插值的方法对PPG信号进行上采样至1000Hz，使用一维多层小波分解的方法对PPG信号进行重构来去除基线漂移，对重构后的信号按0到1进行最大最小值归一化处理，使用截止频率为10Hz的四阶巴特沃斯低通滤波器滤除信号的高频成分。3.如权利要求2所述的基于组合特征的无创血压预测方法，其特征在于，对预处理后的PPG信号进行特征提取的过程，包括下列步骤：找到前3s内PPG信号中的斜率最大值点，以其幅值的70％作为初始阈值，寻找信号中前后20个点满足导数大于0且刚好大于阈值的点记为a，以点a向后150个数据点范围内寻找斜率最大值点记为b，每找到一个点b就将记录值k值加一，当k>5时将所有b的幅值求和取平均后的70％作为新阈值；波峰点c是以b为基准向后300个数据点范围内寻找幅值最大值点，波谷点o则是以波峰点为基准，向前300个数据点范围内寻找最小值点；提取到所有的波峰波谷后，按照波谷
‑
波峰
‑
波谷的形式保存，并以此作为后续的特征提取基准。4.如权利要求3所述的基于组合特征的无创血压预测方法，其特征在于，所述PPG特征参数包括斜率参数、面积参数、强度参数、强度相对参数和时间跨度参数，所述PPG特征参数分别与心输出量CO和总外周阻力TPR相关。5.如权利要求4所述的基于组合特征的无创血压预测方法，其特征在于，所述斜率参数包括一阶微分信号的起始点到波峰的斜率dAS和一阶微分信号的波峰到结束点的斜率dDS；所述面积参数包括原始信号从起始点到波峰的面积AA，原始信号从波峰到...

【专利技术属性】
技术研发人员：陈真诚，陈文杰，梁永波，朱健铭，韩国成，唐群峰，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：