[发明专利]一种基于PPG和ECG的AI增强穿戴式动脉血压图方法和设备

权利要求书

1.一种基于PPG和ECG的AI增强穿戴式动脉血压图方法，其特征在于，包括：

获取至少一个导联的心电信号和多波长脉搏波信号；

通过多模态的多任务学习网络处理所述心电信号和多波长脉搏波信号，确定与血压图信息相关和/或与心脏疾病信息相关的信号处理结果。

2.根据权利要求1所述的方法，其特征在于，所述获取至少一个导联的心电信号和多波长脉搏波信号，包括：

获取通过检测对象穿戴的衣物，采集的至少一个导联的心电信号和多波长脉搏波信号；

其中，所述衣物布设有心电电极和多波长脉搏波传感器。

3.根据权利要求2所述的方法，其特征在于，所述心电电极和多波长脉搏波传感器采用下述其中一种形式布设于所述衣物：

将所述心电电极和多波长脉搏波传感器制作在胸部和腰部的分离式紧身带中，并将该分离式紧身带固设于导电衣物的相应位置上；

将所述心电电极和多波长脉搏波传感器制作在背心和/或腰带上，并与导电衣服相结合；

将所述心电电极和多波长脉搏波传感器制作在修改后的紧身衣物上。

4.根据权利要求2或3所述的方法，其特征在于，所述心电电极由电子织物材料、离子水凝胶和其他软性导电材料中的至少一种制成；所述多波长脉搏波传感器集成在所述心电电极中。

5.根据权利要求1所述的方法，其特征在于，在通过多模态的多任务学习网络处理所述心电信号和多波长脉搏波信号之前，还包括：

过滤所述心电信号和多波长脉搏波信号中的噪声，得到降噪信号；

转换所述降噪信号，得到不同导联的降噪心电信号和多波长脉搏波信号。

6.根据权利要求5所述的方法，其特征在于，所述过滤所述心电信号和多波长脉搏波信号中的噪声，得到降噪信号，包括：

迭代执行下述操作，直至满足停止迭代条件：

结合左臂与右臂电极之间、以及右臂与左腿电极之间的阻抗信息，过滤心电信号和多波长脉搏波信号中的噪声，生成当前的降噪信号；并将该降噪信号与所述阻抗信息一并作为下一迭代的输入数据，过滤心电信号和多波长脉搏波信号中的噪声。

7.根据权利要求1、5或6所述的方法，其特征在于，所述通过多模态的多任务学习网络处理所述心电信号和多波长脉搏波信号，确定与血压图信息相关和/或与心脏疾病信息相关的信号处理结果，包括：

通过基于频域注意力和基于时域可解释性的神经网络对所述心电信号和多波长脉搏波信号进行特征提取，得到第一特征信息；

对所述多波长脉搏波信号进行特征提取，得到第二特征信息；

对所述第一特征信息进行池化操作；

针对所述第二特征信息与池化后的第一特征信息进行特征融合分类处理，确定与血压图信息相关和/或与心脏疾病信息相关的信号处理结果。

8.根据权利要求1所述的方法，其特征在于，

所述与血压图信息相关的信号处理结果包括血压图信号、收缩压信息、舒张压信息、血压变异信息和高血压信息中的至少一项；

所述与心脏疾病信息相关的信号处理结果包括心电图、心率失常检测结果和心肌梗死检测结果中的至少一项。

9.根据权利要求1所述的方法，其特征在于，还包括以下至少一项：

传输所述信号处理结果至用户设备，以向用户展示所述处理结果；所述用户设备包括手机、手表、眼镜中的至少一项；

上传所述信号处理结果至云数据库和/或医疗平台。

10.一种基于PPG和ECG的AI增强穿戴式动脉血压图装置，其特征在于，包括：

获取模块，用于获取至少一个导联的心电信号和多波长脉搏波信号；

处理模块，用于通过多模态的多任务学习网络处理所述心电信号和多波长脉搏波信号，确定与血压图信息相关和/或与心脏疾病信息相关的信号处理结果。