[发明专利]一种基于单路脉搏波的无创动脉硬化检测方法、装置有效

专利信息
申请号: 202011170907.4 申请日: 2020-10-28
公开(公告)号: CN112274120B 公开(公告)日: 2023-07-25
发明(设计)人: 孙昊;李睿森;赵源浩;杨昊;娄毅杰 申请(专利权)人: 河北工业大学
主分类号: A61B5/02 分类号: A61B5/02
代理公司: 天津翰林知识产权代理事务所(普通合伙) 12210 代理人: 付长杰
地址: 300130 天津市红桥区*** 国省代码: 天津;12
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 脉搏 动脉硬化 检测 方法 装置
【权利要求书】:

1.一种基于单路脉搏波的无创动脉硬化检测装置,其特征在于,包括:

信号采集模块,采集全身主要动脉点或其他方便测试脉搏波的位置的单处脉搏波信号;

预处理模块,用于滤除脉搏波信号的高频噪声、低频噪声;

时域特征提取模块,用于计算得到时域特征参数集;

频域特征提取模块,用于计算得到频域特征参数集;

PWTT提取模块,用于计算得到PWTT;

信息录入模块,用于录入目标对象的生理信息和健康信息;

特征筛选模块,用于对动脉硬化模型特征集合进行相关性分析,筛选得到特征子集;

动脉硬化检测模块,用于基于预先训练好的基于特征子集的动脉硬化模型,以动脉硬化模型特征子集作为输入,输出动脉硬化检测结果;

动脉硬化模型的构建方法是:将全身主要动脉点和及其他方便采集脉搏波的位置点作为备选采集点,对每个采集点获得的脉搏波信号记为原始脉搏波信号,对原始脉搏波信号进行预处理获得预处理后的原始脉搏波信号A,然后再获得预处理后的原始脉搏波信号的一阶差分脉搏波信号B、二阶差分脉搏波信号C;

将全身主要动脉点和及其他方便采集脉搏波的位置点作为备选采集点,采集脉搏波信号的步骤,包括

1)采用多种传感器对脉搏波信号进行采集;采用光电容积式脉搏波传感器,通过测量被测试者动脉中血液的光信号,获得其动脉脉搏波信号;采用压力传感器,确保目标对象被测各部位所受压力均匀适度;

2)采集目标对象身体多部位脉搏波信号中的一处,包括主要动脉点和其他方便采集脉搏波的位置,即包括颈动脉、肱动脉、桡动脉、耳垂、手指末端、股动脉、腓动脉、腘动脉、胫后动脉、足背动脉、脚趾末端位置;

3)将上述的多种传感器集成在一个固定装置中,至少有一个光电容积式脉搏波传感器和一个压力传感器,固定装置的实现形式包括头带、腕带、袖带、指夹、耳夹、手套、袖套、手表或者手环的固定方式;

基于预处理后的原始脉搏波信号A、一阶差分脉搏波信号B、二阶差分脉搏波信号C进行归一化处理;对A,B,C分别进行归一化处理,获得A1,B1,C1;

随后对归一化处理后的三个信号分别在时域进行特征点提取,获取主要特征点,进而计算得到脉搏波时域特征参数集;所述主要特征点指A1,B1,C1的起点、波峰、波谷的横纵坐标以及A中重搏波的波峰和波谷的横纵坐标,

基于归一化后的原始脉搏波信号在频域进行特征点提取,获得脉搏波频域特征参数集;

所述获取脉搏波频域特征参数集的步骤,包括:

1)对预处理后的脉搏波信号进行归一化并分帧、预加重、加窗处理得到时域脉搏波信号片段x(n),其中n=0,…,N-1,其FFT变换公式为:

其中k=0,…,N-1表示FFT运算时对应的频点,n指时域信号;

2)在脉搏波相关频段内,引入M组数字滤波器,每个滤波器的频率响应为Hm(k),对功率谱进行滤波处理,随后进行对数运算得到对数频谱传递函数Sm,最后经离散余弦变换(DCT)得到脉搏波倒谱系数C(l);

其中l=1,…,L,l表示脉搏波倒谱系数的阶数,L脉搏波倒谱系数的最高阶数;

3)在静态脉搏波倒谱系数基础上获取动态倒谱系数,分别是一阶差分脉搏波倒谱系数ΔC(l)和二阶差分脉搏波倒谱系数ΔΔC(l);

4)至此,综上从C(l)、ΔC(l)、ΔΔC(l)中共获得3*L个倒谱系数,组成脉搏波频域特征参数集;

对归一化后的二阶差分脉搏波信号进行特征点提取,与归一化后的原始脉搏波信号的主要特征点进行比对,计算得到脉搏波传导时间PWTT;

引入目标对象的主要生理信息和健康信息,结合所有采样点的脉搏波时域特征参数集、脉搏波频域特征集和PWTT组建动脉硬化模型特征集合;所述主要生理信息和健康信息包括:目标对象的性别、年龄、身高、体重、BMI、是否吸烟、慢性病史;

对动脉硬化模型特征集合与参考动脉硬化程度进行相关性分析,筛选得到当前目标对象所对应的特征子集;

所述参考动脉硬化程度的获取步骤,包括:

1)临床方法获取的踝臂指数(ABI)

2)临床方法获取的颈股脉搏波传导速度(cfPWV)

3)临床方法获取的踝臂脉搏波传导速度(baPWV)

4)参考动脉硬化程度为AS,则:

AS=a*ABI+b*cfPWV+c*baPWV

其中a、b、c为权值系数;

将特征子集作为输入,参考动脉硬化程度作为输出,运用机器学习算法训练得到基于特征子集的动脉硬化模型;

运用机器学习算法、神经网络模型训练得到基于特征子集的动脉硬化模型的步骤,包括:

1)基于机器学习算法,训练得到动脉硬化模型AS1

2)基于神经网络模型,训练得到动脉硬化模型AS2

3)动脉硬化模型为:

AS=d*AS1+e*AS2

其中d、e为权值系数;

输入待测对象的生理信息和健康信息,采集任一处脉搏波信号并对信号进行上述处理,输入到训练好的基于特征子集的动脉硬化模型,即完成无创动脉硬化的检测,输出检测结果。

2.根据权利要求1所述的检测装置,其特征在于,所述信号采集模块包括至少一个固定装置,每个固定装置中集成有至少一个光电容积式脉搏波传感器和一个压力传感器;固定装置为头带、腕带、袖带、指夹、耳夹、手套、袖套、手表或者手环。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于河北工业大学,未经河北工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011170907.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top