[发明专利]一种基于特征融合的血压预测方法

说明书

本发明公开了一种基于特征融合的血压预测方法，对原始脉搏波信号的采集；对原始脉搏波信号依次进行滤波、去除基线漂移和单周期提取等预处理得到处理后的脉搏波信号；对步骤2中处理后的脉搏波信号进行特征提取，得到预处理后的脉搏波信号的时域特征、压力脉搏波在不同等级压力下的幅度变化特征，以及容积脉搏波传导速度，并基于嵌入式特征选择法完成特征的筛选融合，得到用于血压预测的特征集；基于随机森林回归算法对特征集进行训练，得到SBP和DBP预测模型；利用SBP和DBP预测模型对血压进行预测。本发明实现现了SBP和DBP准确有效的预测，能够满足AAMI使用标准，具有预测准确的特点。

技术领域

本发明涉及血压预测方法技术领域，具体为一种基于特征融合的血压预测方法。

背景技术

动脉血压是判断人体心血管系统健康状态的重要生理指标，对脉象信号的分析识别也具有重要作用。近来，无创血压测量技术随着科技水平的提高不断进步，在临床应用中取得了较大的进展。与有创式相比，无创式具有更高的安全性和便捷性，适用于穿戴式设备的应用中。

当前基于脉搏波进行无创血压预测的方法主要有两大类[84]，一类是通过监测脉搏波在外部压力连续递增时的变化，确定相应的收缩压(Systolic Blood Pressure，SBP)和舒张压(Diastolic Blood Pressure，DBP)，另一类是提取脉搏波自身携带的信息，如时域参数、频域参数、传播速度等与血压具有相关性的特征，而后建立SBP和DBP的预测模型。前者常见于基于柯氏音法、示波法、容积振动法等原理的血压测量中；后者常通过建立血压与特征之间的拟合关系式或利用机器学习算法建立回归模型完成血压的预测。第一类方法能够获得较为准确的血压值，但是通常需要对上肢连续加压，设备复杂、耗时较长，长期使用易造成伤害；第二类测量方法较便捷，适合应用在血压的快速测量中，但是需要获取与血压相关性较强的特征，以提高血压预测的精度。因此我们对此做出改进，提出一种基于特征融合的血压预测方法。

发明内容

为了解决上述技术问题，本发明提供了如下的技术方案：

本发明基于特征融合的血压预测方法包括以下几个步骤：

步骤1：原始脉搏波信号的采集，通过检测手环对腕部桡动脉处的压力脉搏波信号、容积脉搏波信进行采集，通过检测指夹对指端的容积脉搏波信号进行采集，得到原始脉搏波信号；

步骤2：对原始脉搏波信号依次进行滤波、去除基线漂移和单周期提取等预处理得到处理后的脉搏波信号；

步骤3：对步骤2中处理后的脉搏波信号进行特征提取，得到预处理后的脉搏波信号的时域特征、压力脉搏波在不同等级压力下的幅度变化特征，以及容积脉搏波传导速度，并基于嵌入式特征选择法完成特征的筛选融合，得到用于血压预测的特征集；

步骤4：基于随机森林回归算法对特征集进行训练，得到SBP和DBP预测模型；利用SBP和DBP预测模型对血压进行预测断。

作为本发明的一种优选技术方案，所述步骤2中对原始脉搏波信号进行滤波的方法是采用零相位滤波算法进行滤波，具体包括以下几个步骤，

步骤1，将原始脉搏波信号按顺序正向输入滤波器，得到一组输出脉搏波数据；

步骤2，将输出脉搏波数据按顺序首尾调换，即得到包含逆转后的数据的逆转数据组；

步骤3，将逆转后的数据输入滤波器，得到一组新脉搏波数据；

步骤4，将新脉搏波数据再次按顺序首尾调换进行逆转，即为最终的脉搏波信号。

作为本发明的一种优选技术方案，所述步骤2中对滤波后的脉搏波信号进行去除基线漂移的方法是，首先定位脉搏波信号中各个周期的波谷点，随后使用波谷点拟合出基线，最后通过求取信号与基线的差值校正信号整体的波动；因为主波波峰点处于较明显的位置，因此首先定位波峰点，再通过向前寻找极小值点定位波谷点；