基于柔性有机光探测器和深度学习算法的血压测量系统

1.本发明属于人体血压测量技术领域和智能设备领域，具体涉及一种基于柔性有机光探测器和深度学习算法的血压测量系统。


背景技术：

2.随着老龄人口的快速增加，高血压相关疾病的防治成为一个越来越重要的公共卫生问题。高血压增加了心脏病、脑卒中等多种疾病的风险。但长期以来，血压的连续长时间监测都难以实现，现在最常用的血压测量设备依旧是袖带式的。一种更加便携易用的血压测量设备，可以帮助实现长期连续的血压监测以及更好的健康管理功能，这对提升人们的生活质量非常重要。
3.传统袖带式的血压测量方法，需要准确佩戴袖带，同时要在手臂进行充气加压，才能得到一次血压测量结果；水银式血压计还需要有经验的医生才会正确使用。这种血压测量方式的测量时间长，过程繁琐，测量体验差，测量结果容易受其他因素影响，也无法连续监测人体血压。
4.有创的动脉压监测方法，是现在的金标准测量方法。它可以连续地获得人体的血压值，但它需要在人体动脉内置入带传感器的导管，因此会对人体造成损伤，一般仅限用于休克、重症病人或有生命危险的手术病人身上，不适合用于日常进行血压监测。在血压计算方面，现有血压计算方法一般基于经验公式和统计方法来确定模型的参数，因此对于不同人群，血压测量结果的误差也不同。
5.现在暂无成熟的无袖连续血压测量设备。近年来深度学习技术的发展为无袖式连续血压测量提供了新的思路。基于深度学习的血压计算方法可以通过大量的生理信号数据进行训练，从而得到更加准确的血压计算模型。现在最有应用前景的是基于ppg和ecg来计算血压的方法。基于大量生理数据的训练也使得模型的泛化性能更好，可以适用于更广泛的人群中。
6.现有的血压测量设备测量过程繁琐，而且需要在手臂加压，使得测量过程不仅不舒适，而且容易引起不适或疼痛感(cn202310088356.4)。在使用传统袖带式血压计时，需要准确佩戴袖带，否则可能会引起误差，并且在袖带气压过高的情况下还会手臂造成较大的压迫感，甚至对皮肤造成损伤。同时，这种方法的测量结果容易受到其他因素的影响，例如身体姿势、情绪和其他身体状况等。传统的血压测量方法需要在手臂佩戴袖套并施加压力来测量血压值，不仅使用体验差，还不适宜反复测量和持续监测。创伤性的血压监测可以实现对血压的持续监测，但该方法会对人体造成伤害，一般仅用于术中术后等需要高度关注且有医护人员保证安全的场合，不适合日常监测场景。
7.此外，这种方法无法连续监测人体血压，每次测量仅能获得一个测量结果，无法对血压的动态变化进行实时监测。多次测量会对人体造成伤害且十分不便，特别是需要夜间连续监测的场景下，这会对人的休息造成很大的困扰。
8.现有的一些连续无创测量血压方案则需要根据每个人的特征计算模型参数，不同
的人参数差别可能较大，因此传统的无创血压测量方法方案适应性比较差，不能直接广泛应用。


技术实现要素：

9.为了克服现有技术的不足，本发明提供一种基于柔性有机光探测器和深度学习算法的血压测量系统，涉及生理信号采集设备和智能的血压计算方法。
10.本发明至少通过如下技术方案之一实现。
11.基于柔性有机光探测器和深度学习算法的血压测量系统，包括数据采集模块、数据处理模块和血压计算模块，所述数据采集模块用于采集生理信号数据信号，并传输到数据处理模块；所述数据处理模块对数据预处理后，传输至信号质量分析模块评估预处理后信号的质量，将评估后的信号传输至血压计算模块计算血压值。
12.进一步地，所述数据采集模块采用柔性的有机光探测器采集ppg信号，使用ecg模块采集ecg信号。
13.进一步地，所述数据采集模块通过有线或者无线的方式将数据传输到数据处理模块。
14.进一步地，所述数据处理模块对信号进行滤波、降噪处理。
15.进一步地，所述信号质量分析模块通过自编码器对ppg信号进行评估。
16.进一步地，自编码器使用正常的ppg信号通过最小化输出的均方误差来训练，通过重构信号与输入信号的相似度来评估信号的质量。
17.进一步地，信号质量分析模块通过检测qrs峰对ecg信号进行评估，检测到阈值内的峰值数量则该信号是正常的，否则异常。
18.进一步地，根据血压计算模块经过不同的编码器提取不同的信号特征，将不同的信号特征进行融合，最后预测得到abp波形，从abp波形提取收缩压sbp、舒张压dbp和平均动脉压mbp的值。
19.进一步地，所述数据采集模块采集的生理信号数据信号存储到本地的数据存储模块中。
20.进一步地，经使用者授权同意后，数据存储模块提供同步到云端数据库的功能，方便后续查看或者进行生理信号数据分析。
21.与现有的技术相比，本发明的有益效果为：
22.本发明的一种基于人体ppg信号和ecg信号的血压测量方法，不需要施加过多的压力，只需要在手腕部位或者其他合适测量的身体部位佩戴一个柔性的有机光探测器，以及在身体上佩戴几个测量ecg信号的电极，使用体验更为舒适，适宜用于连续、无创、无袖带地监测人体的血压值。
23.本发明基于人体的ppg信号和ecg信号，可以实现对血压值的连续监测。ppg信号反映了人体的血液循环情况，ecg信号则反映了心脏的电活动情况，利用深度学习的方法将两种信号结合起来可以精确地预测出血压值。
24.此外，本发明使用的柔性传感器较为柔软轻薄，佩戴舒适，可以轻松固定在人体的皮肤上，使用方便，能够在日常生活中实现长期监测。与传统的血压测量方法相比，本发明提出的方法具有较高的测量精度和稳定性，并且更加符合人体工程学原理，使用起来更为
舒适和方便。
附图说明
25.下面结合附图和实施方式对本发明进一步说明：
26.图1为实施例基于柔性有机光探测器和深度学习算法的血压测量系统的架构图；
27.图2为实施例数据处理模块的具体数据处理流程图；
28.图3为实施例信号质量分析模块中分析信号质量的具体流程图；
29.图4为实施例血压计算模块根据两种采集到的生理信号计算血压值的具体计算流程图；
30.图5为实施例基于柔性有机光探测器和深度学习算法的血压测量系统的操作流程图。
具体实施方式
31.为了使本技术领域的人员更好地理解本发明方案，以下将结合附图和具体实施方式对本发明作进一步的详细说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
32.如图1所示，本实施例的一种基于柔性有机光探测器和深度学习算法的血压测量系统包括数据采集模块、数据处理模块和数据存储模块三大部分。
33.所述数据采集模块用于采集ppg信号和ecg信号，并通过数据传输模块将数据传输到数据处理模块。
34.本实施例中，血压测量系统中的数据采集模块用于实现同步地采集ppg信号和ecg信号，并将信号以固定编码格式传输到数据处理模块中。
35.作为一种优选的实施例，ppg采集模块中使用新型的柔性有机光探测器作为传感器通过光电容积描记法产生ppg信号，可以实现在人体的手腕处或者其他适合采集的部位采集ppg信号。
36.柔性有机光探测器能够适应手腕或者其他部位的形状，这提高信号采集的准确性和稳定性。使用的柔性的有机光探测器来采集ppg信号，使用舒适的电极来采集ecg信号。所以无需加压压迫血管，也无需穿刺手臂，避免了传统测量方法可能对人体造成的伤害。相比于传统设备，该设备的使用过程更舒适，不会给用户带来痛苦和不适。从手腕位置的桡动脉处或者其他身体部位测量ppg信号可以减轻这些特殊情况下受到的影响，因此使用的场景更广泛。
37.ecg信号可使用i导联、ii导联或者其他的多导联方式采集。
38.所述数据采集模块将生理信号数据(ppg信号和ecg信号)进行编码和传输，可以使用无线或有线连接方式。必要时需要对信号数据进行加密传输。
39.所述数据处理模块完成数据的预处理工作，然后对信号的质量进行分析，接着血压计算模块开始计算血压值，最后结果展示模块展示出采集到的信号以及计算得出的结果。必要时，数据存储模块完成生理信号数据的存储以及数据的云端同步。
40.数据处理模块负责处理采集到的生理信号数据，包括对信号进行滤波、降噪等操
作，针对不同的信号，采用不同的处理方法。如图2所示的数据处理模块具体数据预处理流程。在该模块中，预处理工作包括解析出ppg信号和ecg信号，对两种信号分别进行不同形式的滤波，滤波后的信号送入信号质量分析模块。
41.处理生理信号数据时，首先需要解析固定格式的数据包得到ppg和ecg的具体数据信息。然后，需要对ppg和ecg信号进行滤波处理。
42.对不同的信号数据进行时间对齐，然后按固定长度进行拼接或者切片，使得符合后续模型计算需要。
43.使用带通滤波器和陷波滤波器等方法去除ppg信号中的噪声，提高信号质量。
44.使用陷波滤波器和形态学滤波器等方法去除ecg信号中的噪声，提高信号质量。
45.信号质量分析模块评估预处理后信号的质量，以确保信号足够可靠和准确。
46.图3为信号质量分析模块中分析信号质量的具体流程。在该模块中，ppg信号的质量通过一个自编码器网络进行评估，ecg信号的质量通过检测qrs峰的质量进行评估。
47.具体的，将处理后的ppg信号输入训练好的自编码器进行重构，再评估重构的ppg信号和输入的ppg信号的信号质量，给出评估结果。评分越高则该信号质量越好，则后续血压计算结果更可信。评分比设定的阈值(阈值可实时调节)时提前给出预警。
48.自编码器提前使用正常的ppg信号进行训练好，通过最小化输出的均方误差来训练。给自编码器输入正常ppg信号时，重构的信号误差小，输入异常的ppg信号时则重构误差大。通过重构信号与输入信号的相似度来评估该信号的质量。
49.本发明使用智能的信号质量评估方法和血压计算方法。可以自动分析和处理生理信号，提取特征值，并根据特征值计算出血压值。同时，该设备可以实时监测并反馈数据。
50.也可使用基于信号质量指数特征的方法来评估信号的质量。
51.对ecg信号进行qrs峰检测，检测到阈值内的峰值数量则该信号是正常的，否则异常。也可检测ecg信号是否出现异常值、是否出现缺失值等方式辅助进行信号的质量检测。
52.将经过质量评估的ppg信号和ecg信号输入血压计算模块进行血压计算。
53.图4为血压计算模块根据两种采集到的生理信号计算血压值的具体计算流程。在该模块中，ppg信号和ecg信号分别经过两个不同的编码器(编码器1、编码器2)，得到两组不同的特征；然后将两种信号的特征进行融合，最后预测得到abp波形。从abp波形中可以提取到收缩压sbp、舒张压dbp和平均动脉压mbp的值。这些结果送入结果展示模块中。
54.使用编码器1提取ppg信号的特征。使用编码器2提取ecg信号的特征。
55.编码器可以是普通的卷积神经网络、改进的卷积神经网络(如resnet)、lstm网络、transformer等。
56.在特征融合模块中将ppg和ecg的特征进行融合。
57.将特征融合后的数据送入血压预测模型预测出连续的abp波形。
58.根据abp波形计算出收缩压sbp、舒张压dbp、平均动脉压mbp等血压相关的指标。
59.具体的计算公式如下：
60.sbp＝max(abp)
61.dbp＝min(abp)
62.63.sbp、dbp还可以通过先求取abp的峰值和估值，再分别取平均得到。
64.将结果送入结果展示模块，展示终端将ppg波形、ecg波形、abp波形、血压指标等结果进行展示。
65.血压预测模型使用包含ppg、ecg、abp信号的数据集预先进行训练。
66.作为一种实施例，训练时每个样本的长度均为1024个数据点。血压预测模型将ppg信号和ecg信分别通过两个编码器提取特征，然后在解码器进行特征融合，最后以合成abp信号为目标。
67.血压预测模型通过最小化输出的均方误差来训练。
68.本发明使用的血压计算方法通过大量的数据进行了训练，能够适应更广泛的人群，普适性强。该方法可以根据不同人体特征进行自适应，提高测量结果的准确性和稳定性。
69.该血压测量系统采集到的ppg和ecg信号在需要时可以存储到本地的数据存储模块中。数据存储模块提供同步到云端数据库的功能，方便后续查看或者进行生理信号数据分析。
70.云端数据库提供更多的存储、管理和分析数据的功能。
71.图5为最佳实施方式的操作流程图，具体的操作步骤如下：
72.设备开机自检：开机后自动进行设备的硬件检测和自检程序，确保设备的正常运行，并在必要时提供修复建议或错误代码，帮助使用者快速定位设备的异常位置，及时调整恢复到设备的正常工作状态。
73.设备adc初始化配置：初始化配置设备的adc(模数转换器)以及其他相关电路，如配置合适的采样率、数据的传输接口、数据的格式等内容，使设备能够准确采集手腕部位的ppg信号以及ecg信号并进行数字化处理，最后完整传输数据到数据处理模块中。
74.佩戴手腕ppg测量设备：将ppg测量设备正确佩戴在用户手腕处或者其他测量位置上，并确保设备与用户的皮肤贴合良好，以获得准确的ppg信号。
75.佩戴ecg测量设备：将ecg测量设备正确佩戴在用户胸部的不同导联位置，并确保设备与用户皮肤贴合良好，以获得准确的ecg信号。
76.检测佩戴是否正确：采集信号，信号质量分析模块通过信号质量判断设备是否正确佩戴在用户身上。若佩戴位置不正确，设备提示用户进行调整。
77.信号滤波：数据处理模块将采集到的生理信号进行数字滤波，去除噪声和干扰，以获得干净的信号。
78.评估信号质量：信号质量分析模块对经过滤波的信号进行质量评估，以判断信号是否可靠，如果信号质量不好，及时给出提示，用户判断是否需要进行进一步的调整。
79.输出预测结果：通过数据处理模块处理采集到的ppg和ecg信号，并利用血压预测模型计算出血压值，结果展示模块展示预测的血压值。
80.展示ppg波形：将采集到的原始ppg信号滤波后的波形显示在设备屏幕上，以供用户参考和分析。
81.展示ecg波形：将采集到的原始ecg信号滤波后的波形显示在设备屏幕上，以供用户参考和分析。
82.展示血压计算结果：将血压预测模块计算得到的血压预测结果显示在设备屏幕
上，以供用户参考和分析。
83.异常警报：若血压预测结果异常、设备佩戴异常或者设备内部异常，设备及时给出警报，提示用户重新进行测量、根据提示进行调整或寻求医疗帮助。
84.生理数据保存：将测量到的生理数据(如ppg和ecg信号)保存在设备中或本地存储器中，以备以后的分析和研究。如果需要保存另外的个人信息相关的内容，则分文件按固定格式另外保存。
85.数据云端同步：将保存在设备中或本地存储器中的生理数据上传到云端服务器进行存储和备份。
86.传统的袖带式血压测量方法每次测量只能提供一个测量结果，而本发明方案能够连续测量，连续长时间地提供更加详细的血压监测数据，可以更加精准地了解人体血压的变化趋势，可以用于实现长期的人体健康情况监测，另外设备支持数据存储和云端数据分析，使用户更加方便地了解自身健康状况。
87.以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

技术特征：
1.基于柔性有机光探测器和深度学习算法的血压测量系统，其特征在于：包括数据采集模块、数据处理模块和血压计算模块，所述数据采集模块用于采集生理信号数据信号，并传输到数据处理模块；所述数据处理模块对数据预处理后，传输至信号质量分析模块评估预处理后信号的质量，将评估后的信号传输至血压计算模块计算血压值。2.根据权利要求1所述的基于柔性有机光探测器和深度学习算法的血压测量系统，其特征在于：所述数据采集模块采用柔性的有机光探测器采集ppg信号，使用ecg模块采集ecg信号。3.根据权利要求1所述的基于柔性有机光探测器和深度学习算法的血压测量系统，其特征在于：所述数据采集模块通过有线或者无线的方式将数据传输到数据处理模块。4.根据权利要求1所述的基于柔性有机光探测器和深度学习算法的血压测量系统，其特征在于：所述数据处理模块对信号进行滤波、降噪处理。5.根据权利要求1所述的基于柔性有机光探测器和深度学习算法的血压测量系统，其特征在于：所述信号质量分析模块通过自编码器对ppg信号进行评估。6.根据权利要求5所述的基于柔性有机光探测器和深度学习算法的血压测量系统，其特征在于：自编码器使用正常的ppg信号通过最小化输出的均方误差来训练，通过重构信号与输入信号的相似度来评估信号的质量。7.根据权利要求1所述的基于柔性有机光探测器和深度学习算法的血压测量系统，其特征在于：信号质量分析模块通过检测qrs峰对ecg信号进行评估，检测到阈值内的峰值数量则该信号是正常的，否则异常。8.根据权利要求1～7任一项所述的基于柔性有机光探测器和深度学习算法的血压测量系统，其特征在于：血压计算模块经过不同的编码器提取不同的信号特征，将不同的信号特征进行融合，最后预测得到abp波形，从abp波形提取收缩压sbp、舒张压dbp和平均动脉压mbp的值。9.根据权利要求1所述的基于柔性有机光探测器和深度学习算法的血压测量系统，其特征在于：所述数据采集模块采集的生理信号数据信号存储到本地的数据存储模块中。10.根据权利要求1所述的基于柔性有机光探测器和深度学习算法的血压测量系统，其特征在于：经使用者授权同意后，数据存储模块提供同步到云端数据库的功能，方便后续查看或者进行生理信号数据分析。

技术总结
本发明公开了一种基于柔性有机光探测器和深度学习算法的血压测量系统，包括数据采集模块、数据处理模块和血压计算模块，所述数据采集模块用于采集生理信号数据，并传输到数据处理模块；所述数据处理模块对数据预处理后，传输至信号质量分析模块评估预处理后信号的质量，将评估后的信号传输至血压计算模块计算血压值。本发明基于人体的PPG信号和ECG信号，可以实现对血压值的连续监测，反映人体的血液循环情况，ECG信号则反映了心脏的电活动情况，本发明需要在手腕部位或者其他合适测量的身体部位佩戴柔性的有机光探测器以及佩戴几个测量ECG信号的电极，使用体验更为舒适，适宜用于连续、无创、无袖带地监测人体的血压值。无袖带地监测人体的血压值。无袖带地监测人体的血压值。


技术研发人员：李嘉宝 俞祝良
受保护的技术使用者：华南理工大学
技术研发日：2023.04.23
技术公布日：2023/8/9