[发明专利]一种基于光电容积脉搏波实现有创血压波形估计的方法

说明书

本发明提供了一种基于光电容积脉搏波实现有创血压波形估计的方法，包括：采集监测人体的光电容积脉搏波信号，同时收集连续血压波形作为参考血压信号；进行数据预处理，得到训练数据；采用BEFS算法筛选具有鉴别意义的信息参数作为深度学习模型的先验信息；搭建用于无袖带血压波形连续估计监测的深度学习模型，包括深度特征提取网络、先验信息融合模块以及知识蒸馏训练架构；将训练数据划分训练集、验证集和测试集，并训练和验证模型；采集用户PPG数据，输入得到深度学习模型中，输出用户的预测血压波形。本发明通过优化深度特征和整合原始PPG的形态学特征，制定KD‑Informer，提供了连续的血压波形预测，更能反映动脉血管内血压的连续变化。

技术领域

本发明涉及医疗检测技术领域，特别是涉及一种基于光电容积脉搏波实现有创血压波形估计的方法。

背景技术

对血压参数的长期监测有助于改善预后效果，从而降低心血管疾病CVD的死亡率。因此，能够长时间无创监测血压的设备对于CVD患者的诊断治疗非常重要。然而，传统的袖带式血压测量设备尺寸较大、不便携带，也不适用于长期监测。许多研究为了实现便携、舒适和长时间的血压监测，提出了无袖带血压测量技术及设备，其大多使用光学原理测量光电容积脉搏波(photoplethysmography，PPG)信号，从中可导出血氧、心率、血压等生理参数。这种方法能够获取连续动态的血压参数，有效弥补传统袖带血压测量不便、间断测量等不足。许多已有方法结合心电图(electrocardiogram，ECG)提取脉搏传导时间(pulsetransienttime，PTT)，即脉搏波在血管中传播的时间间隔，进而基于脉搏波速度(pulsewave velocity，PWV)理论估算血压。但是，迄今为止，很少有成熟的基于PWV理论的无袖带血压监测设备。目前仍未充分证明PTT能够准确估计血压，并且需要频繁使用袖带血压计进行校准。最后，ECG测量需要电极或双手接触以形成闭环通路，在易用性上较差，同时也使其难以实现全天候的连续血压监测。

上述基于PWV理论估算血压的方法存在一定的问题，与之相比，从PPG波形中提取形态学参数以建立血压模型可能更容易学习到更深层次的生理关联性。很多研究也改进了信号预处理等方法，从而有效抑制生理信号中常见的基线漂移和异常噪声的干扰。采用深度学习方法直接从原始波形中提取深度特征，从而避免了人工定义特征或浅层学习算法在拟合血压方面的不足。此外，考虑到原始波形中存在更多描述心血管功能的有用信息，人工定义的形态学参数有可能遗漏这些特征，序列学习的方法通过对完整信号进行互相关等运算，因此更具准确估算血压的潜力。

发明内容

本发明的目的是提供一种基于光电容积脉搏波实现有创血压波形估计的方法，通过同时优化深度特征和整合原始PPG的形态学特征，为血压波形估计制定一个具有知识蒸馏(Knowledge distillation，KD)策略的新型Informer架构(KD-Informer)，提供了连续的血压波形预测，更能反映动脉血管内血压的连续变化，对心血管事件预测、靶器官损伤具有更高的预测价值。

为实现上述目的，本发明提供了如下方案：

一种基于光电容积脉搏波实现有创血压波形估计的方法，包括如下步骤：

S1，采集监测人体的光电容积脉搏波信号，同时收集连续血压波形作为参考血压信号；

S2，对步骤S1中获得的光电容积脉搏波信号及参考血压信号片段进行数据预处理，得到训练数据；

S3，通过步骤S2数据预处理获取的训练数据，计算得到大量的PPG形态学参数，然后采用BEFS算法筛选具有鉴别意义的信息参数作为深度学习模型的先验信息；