[发明专利]基于多元线性回归和相关性加权选择算法的血压监测方法

权利要求书

1.一种基于多元线性回归和相关性加权选择算法的血压监测方法，其特征在于，该方法包括如下步骤：

Q1、信号采集和预处理，采集时间同步的一路脉搏波信号(PPG)和一路心电信号(ECG)，同时同步使用医疗设备采集的血压值作为真实血压值，将所取得的PPG信号和ECG信号划分成对应不同时间分段的信号，每个时间分段对应一组真实血压值的收缩压SBP和舒张压DBP，对不同时间分段的PPG信号和ECG信号进行去噪处理；

Q2、特征点识别和特征值计算：对步骤Q1中得到的不同时间分段信号进行逐个处理：首先识别出每个脉搏周期的特征点，依据这些特征点计算不同特征类型的特征值，通过筛选和均值计算后得到每个特征类型对应该时间分段的特征值，将每个时间分段的数据合并得到初步的总体数据；

Q3、特征类型的筛选与分类：根据步骤Q2的得到的总体数据结合真实血压值计算出各个特征类型与血压的相关性，采用皮尔逊相关系数用来衡量相关性强弱，根据相关系数的大小将特征类型划分为基础特征类型和补充特征类型，并将相关性较差的特征类型删除；

Q4、数学模型的建立：拟合出各个特征类型与真实血压值的线性回归模型，采用最小二乘法对每个特征类型进行线性回归模型的构建，线性回归的形式为y＝ax+b，y代表真实血压值，x代表特征值；分别计算各基础特征类型和补充特征类型对应的加权因子；

Q5、验证和输出：将Q3中取得的基础特征类型对应的特征值，合并记为特征向量X1，补充特征类型对应的特征值组合并记为特征向量X2，通过Q4中第i个基础特征类型与真实血压值的线性表达式：y＝a_ix_i+b_i，计算血压基础值分量BP_{base_i}，对血压基础值分量进行加权求和可得血压的基础值BP_base；根据Q4中得到第j个补充特征类型与真实血压值的线性表达式：y＝a_jx_j+b_j，计算得到的血压补充值分量BP_{base_j}，对血压补充值分量进行加权求和可得血压的补充值BP_sup；计算基础值和补充值之间的血压偏差值并量化，结合量化值和基础值得到血压最终检测值。

2.如权利要求1所述的基于多元线性回归和相关性加权选择算法的血压监测方法，其特征在于，所述Q1中的时间分段的长度为10-20s。

3.如权利要求1所述的基于多元线性回归和相关性加权选择算法的血压监测方法，其特征在于，所述Q1的去噪处理包括平滑滤波和基线校准，其中，信号平滑滤波点数为3，即对每个信号点取左右相邻点及其自身值的平均值作为这个信号点的值。

4.如权利要求3所述的基于多元线性回归和相关性加权选择算法的血压监测方法，其特征在于，所述基线校准包括使用三次样条插值法进行基线校准，具体包括：首先，对于每段PPG信号，利用波峰大致计算出该段信号的脉搏周期N，然后以脉搏周期N为滑动窗口，以0.2*N为步长，求出每次滑动窗口内的最小值用来代表一个脉搏周期内的波谷所在；利用这些波谷结合三次样条插值法求出每段信号的下包络，最后利用原始信号减去下包络即可得到去除基线漂移的信号。

5.如权利要求1所述的基于多元线性回归和相关性加权选择算法的血压监测方法，其特征在于，所述步骤Q2中识别出每个脉搏周期的特征点具体包括：所述PPG信号的一个脉搏波中有A点、B点、C点、D点和E点五个特征点，A点为起点，B点为主波峰及最大值点，C点为次波谷，D点为次波峰，E点为终点，E点是下一个周期波形的起点，其中A点、E点两点均为主波谷及最小值点；所述ECG信号中提取的特征点为P点，即一个心电波形的主波峰。