[发明专利]心脑血管疾病检测装置

权利要求书

1.一种心脑血管疾病检测装置，其特征在于，该装置包括：

ECG传感器，用于感测ECG信号；

血压传感器，用于感测血压信号；

血氧传感器，用于感测血氧信号；

脉搏传感器，用于感测脉搏信号；

心音传感器，用于感测心音信号；

体温传感器，用于感测体温信号；

第一及第二光电容积传感器，用于感测光电容积波，以得到脉搏波传播速度；

处理器，对ECG、血压、血氧、脉搏、心音、体温、光电容积信号进行处理，提取特征值，对特征值信号进行分类，根据分类结果，结合心脑血管疾病预测模型，确定心脑血管健康状况；所述的提取特征值，包括提取ECG信号的特征值，包括：ECG信号的能量值、熵值、ECG波形的功率值、RR间隔、S-T波段长度、S-T波段信号斜率、ECG信号功率谱的能量子段、对ECG信号进行小波分类时的小波基；所述的提取特征值，进一步包括提取血压传感器测量到的血压信号的特征值，包括收缩压值、舒张压值、平均动脉压；还提取血氧传感器测量得到的血氧浓度值、氧合血红蛋白含量值、脱氧血红蛋白含量值；提取脉搏传感器得到的脉搏信号，包括提取平均脉率、脉搏波形的主波幅度、降中峡幅度、重搏波幅度、主波出现的时刻t1、降中峡出现的时刻t2、重搏波出现的时刻t3、降中峡幅度/主波波幅、重搏波幅度/主波幅度、脉搏周期T；对光电容积进行特征提取，包括提取光电容积波的一阶导数、光电容积波的二阶导数、脉搏波传播速度、踝臂指数、动脉顺应性；对心音信号进行体征提取，包括提取心音信号的幅值、幅值变异性、归一化平均香农能量值，心音信号出现某一事件的频率、心率变异性；对体温信号进行特征提取，包括提取体温信号的幅值、温度的平均值；在提取特征值之后，进行特征值筛选；所述的特征值筛选后筛选出的特征值为：ECG信号的能量值、熵值、ECG波形的功率值、RR间隔、S-T波段长度、S-T波段信号斜率、ECG信号功率谱的能量子段、对ECG信号进行小波分类时的小波基、收缩压值、舒张压值、平均动脉压、血氧浓度值、氧合血红蛋白含量值、平均脉率、脉搏波形的主波幅度、降中峡幅度、重搏波幅度、主波出现的时刻t1、降中峡出现的时刻t2、重搏波出现的时刻t3、降中峡幅度/主波波幅、重搏波幅度/主波幅度、脉搏周期T、光电容积波的一阶导数、光电容积波的二阶导数、脉搏波传播速度、踝臂指数、动脉顺应性、心音信号的幅值、幅值变异性、归一化平均香农能量值，心音信号出现某一事件的频率、心率变异性、温度的平均值；进行特征值筛选后，使用统计学方法，利用方差变异性对筛选出的特征值进行排序，计算同一生理特性下，不同特征值之间的F-分布，高的F值表明特征的排序靠前，低的特征值表明排序靠后；对排序后的特征值，利用分类器进行分类，排序靠前的特征值先进入分类器，所述的分类器为KNN分类器，KNN分类器使用K最邻近邻域对数据进行分类，根据数据的远近确定数据贡献的大小，K取值在5-10之间；对特征值进行分类后，得到与心脑血管疾病密切相关的参数集合X、与心脑血管疾病次相关的参数集合Y、与心脑血管疾病关系相关，但是联系不密切的参数结合Z；建立心脑血管疾病发病概率模型P＝aX+bY+cZ，其中a，b，c为经验系数；利用神经网络训练对心脑血管疾病发病概率模型进行训练，对模型进行修正，得到准确心脑血管疾病发病概率模型为：

P＝0.7215X+0.2039Y+0.0746Z。