建立血壓模型的方法和裝置以及確定血壓的方法和裝置與流程

2023-05-18 01:15:51

本發明涉及血壓的建模，具體來說，涉及用於建立血壓模型的方法和裝置以及使用所建立的血壓模型來確定被檢測體的血壓的方法及裝置。

背景技術：

隨著物質生活的豐富以及由此帶來的人均壽命的提升，在當代社會，高血壓患者的數量也隨之增高。顯然，了解過去血壓值、血壓趨勢對高血壓日常防範與治療十分重要。因此，需要對血壓值進行相對頻繁的測量。

然而，現有的血壓測試方法主要是聽診法和示波法，兩者都需要佩戴充氣式袖帶，並對動脈血管施加壓力獲得血壓數值，無法避免充氣加壓所造成的不舒適感。

目前已提出了對於某一個體，在一段時間內，脈搏波傳播時間與血壓之間存在相關性。因此，可建立相應的血壓模型。但是，這一相關性隨著個體的不同而不同。因此，這樣的血壓模型僅適用於特定的個體，而並不適用於包括大量個體的群體。

技術實現要素：

本發明的實施例提供了用於建立血壓模型的方法和裝置以更為有效地針對包括大量個體的群體建立血壓模型。同時，本發明還提供了使用血壓模型確定被檢測體的血壓的方法和裝置。

根據本發明的一個方面，提供了一種用於建立血壓模型的方法。該方法包括獲取多個被檢測體的脈搏波數據、心電數據、血壓數據和身體質量指數，其中血壓數據包括收縮壓數據和舒張壓數據。進一步地，該方法包括基於脈搏波數據和心電數據，確定脈搏波傳輸時間和脈搏波強度比，並基於收縮壓數據、脈搏波傳輸時間和身體質量指數，建立表明收縮壓與脈搏波傳輸時間和身體質量指數之間的關係的收縮壓模型，以及基於舒張壓數據、脈搏波強度比和身體質量指數，建立表明舒張壓與脈搏波強度比和身體質量指數之間的關係的舒張壓模型。在這裡，收縮壓模型和舒張壓模型構成血壓模型。

在本發明的實施例中，該方法還包括獲取多個被檢測體的年齡和/或性別。進一步地，基於收縮壓數據、脈搏波傳輸時間、身體質量指數和年齡和/或性別，建立表明收縮壓與脈搏波傳輸時間、身體質量指數以及年齡和/或性別之間的關係的收縮壓模型。基於舒張壓數據、脈搏波強度比、身體質量指數和年齡和/或性別，建立表明舒張壓與脈搏波強度比、身體質量指數以及年齡和/或性別之間的關係的舒張壓模型。

在本發明的實施例中，該方法還包括獲取多個被檢測體的年齡和/或性別。進一步地，基於年齡和/或性別，將多個被檢測體劃分為多個組。針對多個組中的每一個組，基於該組所包括的被檢測體的收縮壓數據、脈搏波傳輸時間和身體質量指數，建立用於該組的表明收縮壓與脈搏波傳輸時間和身體質量指數之間的關係的收縮壓模型。針對多個組中的每一個組，基於該組所包括的被檢測體的舒張壓數據、脈搏波強度比和身體質量指數，建立用於該組的表明舒張壓與脈搏波強度比和身體質量指數之間的關係的舒張壓模型。

在本發明的實施例中，建立收縮壓模型包括：構建第一訓練集合，所述第一訓練集合包括所述多個被檢測體的收縮壓數據、脈搏波傳輸時間和身體質量指數；使用所述第一訓練集合，以脈搏波傳輸時間和身體質量指數作為所述收縮壓模型的輸入，收縮壓作為所述收縮壓模型的輸出，確定所述收縮壓模型中的參數。

在本發明的實施例中，建立舒張壓模型包括：構建第二訓練集合，所述第二訓練集合包括所述多個被檢測體的舒張壓數據、脈搏波強度比和身體質量指數；使用所述第二訓練集合，以脈搏波強度比和身體質量指數作為所述舒張壓模型的輸入，舒張壓作為所述舒張壓模型的輸出，確定所述舒張壓模型中的參數。

在本發明的實施例中，使用最小二乘回歸法確定上述參數。

在本發明的實施例中，上述方法還包括：構建第一測試集合，所述第一測試集合包括其它被檢測體的收縮壓數據、脈搏波傳輸時間和身體質量指數；使用所述第一測試集合中的脈搏波傳輸時間和身體質量指數，利用所述收縮壓模型，計算收縮壓數據；基於所計算的收縮壓數據和所述第一測試集合中的收縮壓數據，評估所述收縮壓模型。

在本發明的實施例中，上述方法還包括：構建第二測試集合，所述第二測試集合包括其它被檢測體的舒張壓數據、脈搏波強度比和身體質量指數；使用所述第二測試集合中的脈搏波強度比和身體質量指數，利用所述舒張壓模型，計算舒張壓數據；基於所計算的舒張壓數據和所述第二測試集合中的舒張壓數據，評估所述舒張壓模型。

根據本發明的另一個方面，提供了一種用於確定被檢測體的血壓的方法。該方法包括獲取被檢測體的脈搏波數據、心電數據以及身體質量指數。進一步地，基於所述脈搏波數據和所述心電數據，確定脈搏波傳輸時間和脈搏波強度比。進而，根據預先建立的血壓模型，基於脈搏波傳輸時間、脈搏波強度比和身體質量指數來確定被檢測體的血壓。在本發明的實施例中，上述方法還包括獲取被檢測體的年齡和/或性別，並且根據預先建立的血壓模型，基於脈搏波傳輸時間、脈搏波強度比、身體質量指數以及年齡和/或性別來確定被檢測體的血壓。

在本發明的實施例中，上述方法還包括獲取被檢測體的年齡和/或性別；根據年齡和/或性別，從多個預先建立的血壓模型中選擇適用於被檢測體的血壓模型；根據所選擇的血壓模型，基於脈搏波傳輸時間、脈搏波強度比、身體質量指數來確定被檢測體的血壓。

在本發明的實施例中，血壓模型是根據上述的用於建立血壓模型的方法而建立的。

根據本發明的又一個方面，提供了一種用於建立血壓模型的裝置。該裝置包括數據獲取模塊、數據處理模塊以及模型建立模塊。其中，數據獲取模塊被配置為獲取多個被檢測體的脈搏波數據、心電數據、身體質量指數以及血壓數據，血壓數據包括收縮壓數據和舒張壓數據；數據處理模塊被配置為基於脈搏波數據和心電數據，確定脈搏波傳輸時間和脈搏波強度比；模型建立模塊包括收縮壓模型建立模塊和舒張壓模型建立模塊，其中，收縮壓模型建立模塊被配置為基於收縮壓數據、脈搏波傳輸時間和身體質量指數，建立表明收縮壓與脈搏波傳輸時間和身體質量指數之間的關係的收縮壓模型，舒張壓模型建立模塊基於舒張壓數據、脈搏波強度比和身體質量指數，建立表明舒張壓與脈搏波強度比和身體質量指數之間的關係的舒張壓模型。在這裡，收縮壓模型和舒張壓模型構成血壓模型。

在本發明的實施例中，其中數據獲取模塊被進一步配置為獲取多個被檢測體的年齡和/或性別；收縮壓模型建立模塊被進一步配置為基於收縮壓數據、脈搏波傳輸時間、身體質量指數和年齡和/或性別，建立表明收縮壓與脈搏波傳輸時間、身體質量指數以及年齡和/或性別之間的關係的收縮壓模型，舒張壓模型建立模塊被進一步配置為基於舒張壓數據、脈搏波強度比、身體質量指數和年齡和/或性別，建立表明舒張壓與脈搏波強度比、身體質量指數以及年齡和/或性別之間的關係的舒張壓模型。

在本發明的實施例中，數據獲取模塊被進一步配置為獲取多個被檢測體的年齡和/或性別；上述裝置還包括分組模塊，其被配置為基於年齡和/或性別，將多個被檢測體劃分為多個組；收縮壓模型建立模塊被進一步配置為針對所述多個組中的每一個組，基於該組所包括的被檢測體的收縮壓數據、脈搏波傳輸時間和身體質量指數，建立用於該組的表明收縮壓與脈搏波傳輸時間和身體質量指數之間的關係的收縮壓模型，舒張壓模型建立模塊被進一步配置為針對所述多個組中的每一個組，基於該組所包括的被檢測體的舒張壓數據、脈搏波強度比和身體質量指數，建立用於該組的表明舒張壓與脈搏波強度比和身體質量指數之間的關係的舒張壓模型。

在本發明的實施例中，在建立收縮壓模型時，收縮壓模型建立模塊包括第一訓練集合單元，其被配置為構建第一訓練集合，所述第一訓練集合包括所述多個被檢測體的收縮壓數據、脈搏波傳輸時間和身體質量指數；參數確定單元，其被配置為使用所述第一訓練集合，以脈搏波傳輸時間和身體質量指數作為所述收縮壓模型的輸入，收縮壓作為所述收縮壓模型的輸出，確定所述收縮壓模型中的參數。

在本發明的實施例中，舒張壓模型建立模塊包括第二訓練集合單元，其被配置為構建第二訓練集合，所述第二訓練集合包括所述多個被檢測體的舒張壓數據、脈搏波強度比和身體質量指數；參數確定單元，其被配置為使用所述第二訓練集合，以脈搏波強度比和身體質量指數作為所述舒張壓模型的輸入，舒張壓作為所述舒張壓模型的輸出，確定所述舒張壓模型中的參數。

在本發明的實施例中，收縮壓模型建立模塊或舒張壓模型建立模塊被配置為使用最小二乘回歸法確定參數。

在本發明的實施例中，上述裝置還包括收縮壓模型評估模塊，所述收縮壓模型評估模塊包括：第一測試集合單元，其被配置為構建第一測試集合，所述第一測試集合包括其它的收縮壓數據、脈搏波傳輸時間和身體質量指數；第一測試計算單元，其被配置為使用所述第一測試集合中的脈搏波傳輸時間和身體質量指數，利用所述收縮壓模型，計算收縮壓數據；第一測試評估單元，其被配置為基於所計算的收縮壓數據和所述第一測試集合中的收縮壓數據，評估所述收縮壓模型。

在本發明的實施例中，上述裝置還包括舒張壓模型評估模塊，所述舒張壓模型評估模塊包括：第二測試集合單元，其被配置為構建第二測試集合，所述第二測試集合包括其它被檢測體的舒張壓數據、脈搏波強度比和身體質量指數；第二測試計算單元，其被配置為使用所述第二測試集合中的脈搏波強度比和身體質量指數，利用所述舒張壓模型，計算舒張壓數據；第二測試評估單元，其被配置為基於所計算的舒張壓數據和所述第二測試集合中的舒張壓數據，評估所述舒張壓模型。

根據本發明的再一個方面，提供了一種用於確定被檢測體的血壓的裝置。該裝置包括脈搏波獲取模塊、心電數據獲取模塊、身體質量指數獲取模塊、數據處理模塊以及血壓確定模塊。其中，脈搏波獲取模塊被配置為獲取被檢測體的脈搏波數據；心電數據獲取模塊被配置為獲取被檢測體的心電數據；身體質量指數獲取模塊被配置為獲取被檢測體的身體質量指數；數據處理模塊被配置為基於所述脈搏波數據和所述心電數據，確定脈搏波傳輸時間和脈搏波強度比；血壓確定模塊被配置為根據預先建立的血壓模型，基於脈搏波傳輸時間、脈搏波強度比以及身體質量指數來確定被檢測體的血壓。

在本發明的實施例中，上述裝置還包括年齡性別獲取模塊，其被配置為獲取被檢測體的年齡和/或性別；其中，血壓確定模塊進一步被配置為根據預先建立的血壓模型，基於脈搏波傳輸時間、脈搏波強度比、身體質量指數以及年齡和/或性別來確定被檢測體的血壓。

在本發明的實施例中，上述裝置還包括年齡性別獲取模塊，其被配置為獲取被檢測體的年齡和/或性別；模型選擇模塊，其被配置為根據年齡和/或性別，從多個預先建立的血壓模型中選擇適用於被檢測體的血壓模型；其中，血壓確定模塊進一步被配置為根據所選擇的血壓模型，基於脈搏波傳輸時間、脈搏波強度比以及身體質量指數來確定被檢測體的血壓。

在本發明的實施例中，上述裝置還包括更新模塊，其被配置為從遠程伺服器接收新的血壓模型，並使用該新的血壓模型替換當前血壓模型。

在本發明的實施例中，上述裝置還包括耦合至脈搏波獲取模塊的脈搏波傳感器，其被配置為測量被檢測體的脈搏波；和耦合至心電數據獲取模塊的心電圖傳感器，其被配置為測量被檢測體的心電圖。

在本發明的實施例中，血壓模型是通過上述的用於建立血壓模型的裝置而建立的。

通過本發明所公開的各個方面，可以在對血壓進行建模時不僅考慮脈搏波數據和心電數據，而且考慮身體質量指數以及年齡和/或性別等數據，從而可建立適用於群體的血壓模型，提高血壓模型的精度。進一步地，基於所建立的血壓模型，可以更簡捷地實時檢測被檢測體的血壓。

附圖說明

示例實施例的以上和其它特徵和優勢將通過參考附圖對示例實施例進行詳細描述而是顯而易見的。附圖意在描繪處示例實施例而並不應當被解釋為對權利要求的預期範圍加以限制。除非明確指出，否則附圖並不被認為依比例繪製。

圖1示出了根據本發明的示例實施例的建立血壓模型的方法的流程圖；

圖2示出了根據本發明的另一示例實施例的建立血壓模型的方法的流程圖；

圖3示出了根據本發明的又一示例實施例的建立血壓模型的方法的流程圖；

圖4示出了根據本發明的示例實施例的建立收縮壓模型或舒張壓模型的方法的流程圖；

圖5示出了根據本發明的示例實施例的用於確定被檢測體的血壓的方法的流程圖；

圖6示出了根據本發明的另一示例實施例的用於確定被檢測體的血壓的方法的流程圖；

圖7示出了根據本發明的又一示例實施例的用於確定被檢測體的血壓的方法的流程圖；

圖8示出了根據本發明的示例實施例的用於建立血壓模型的裝置的示意圖；

圖9示出了根據本發明的示例實施例的用於確定被檢測體的血壓的裝置的示意圖。

具體實施方式

雖然示例實施例支持各種修改和可替換形式，但是其實施例通過示例在附圖中被示出並且將在這裡被詳細描述。然而，應當理解的是，並非意在將示例實施例限制為所公開的特定形式，而是與之相反，示例實施例要覆蓋落入權利要求範圍之內的所有修改、等同和替換形式。同樣的數字在附圖的描述中始終指代同樣的要素。

在更為詳細地討論示例實施例之前，注意到一些示例實施例被描述為處理器或者方法被描繪為流程圖。雖然流程圖將操作表述為順序處理，但是許多操作可以並行、同時或同步地執行。此外，操作的順序可以重新排列。處理可以在它們的操作完成時終止，但是也可以具有並未包括在圖中的另外的步驟。該處理可以對應於方法、功能、過程、子例程、子程序等。

以下所討論的方法—其中的一些由流程圖進行圖示—可以由硬體、軟體、固件、中間件、偽代碼、硬體描述語言或者它們的任意組合來實施。當以軟體、固件、中間件或偽代碼實施時，用來執行必要任務的程序代碼或代碼分段可以被存儲在機器或計算機可讀介質中，諸如存儲介質，諸如非瞬態存儲介質。(多個)處理器可以執行該必要任務。

這裡所公開的具體結構和功能細節出於描述示例實施例的目的而僅是代表性的。然而，本發明可以以許多可替換形式來體現而並不應當被理解為僅局限於這裡所給出的實施例。

將要理解的是，雖然這裡使用了術語第一、第二等來描述各種要素，但是這些要素並不應當被這些術語所限制。這些術語經被用來將一個要素與另一要素區分開來。例如，第一要素可以被稱之為第二要素，並且類似地，第二要素可以被稱之為第一要素，而並不背離示例實施例的範圍。如這裡所使用的，術語「和/或」包括一個或多個相關聯的所列出事項的任意且全部的組合。

將要理解的是，當要素被稱作被「連接」或「耦合」至另一個要素時，其能夠直接連接或耦合至其它要素，或者可能存在中間要素。作為比較，當要素被稱作「直接連接」或「直接耦合」至另一個要素時，並不存在中間要素。用來描述要素之間的關係的其它單詞應當以同樣的方式進行解釋(例如，「處於…之間」相比「直接處於…之間」，「相鄰」相比「直接相鄰」，等等)。

術語在這裡僅是出於描述特定實施例的目的被使用而並非意在作為示例實施例的限制。如這裡所使用的，除非上下文明確另外指出，否則單數形式「一」、「一個」以及「這個」意在也包括複數形式。將要進一步理解的是，當在這裡使用時，術語「包括」、「包含」、「包括有」和/或「包括了」指存在所提到的特徵、整數、步驟、操作、要素和/或組件，但是並不排除存在或添加一個或多個其它特徵、整數、步驟、操作、要素、組件和/或其群組。

還應當注意的是，在一些可替換實施方式中，所提到的功能/動作可以以圖中所提到的以外的順序發生。例如，根據所涉及的功能/動作，連續示出的兩幅圖實際上可以同時執行或者有時可以以逆序執行。

除非另外有所定義，否則這裡所使用的全部術語(包括技術和科學術語)具有與示例實施例所屬領域的技術人員所普遍理解的相同的含義。將要進一步理解的是，例如在普遍使用的字典中所定義的那些術語應當被解釋為具有與它們在相關領域的環境中相一致的含義，而並不應當以理想化或過度正式的含義進行解釋，除非這裡明確如此定義。

示例實施例的多個部分和相對應的詳細描述在軟體或者對計算機存儲器內的數據比特進行的運算的算法和符號表示形式的方面被給出。這些描述和表示形式是本領域技術人員通過其將其工作實質有效傳遞至本領域其它技術人員的描述和表示形式。作為這裡所使用的術語並且如其一般所使用的，算法被認為是導致所期望結果的自洽式(self-consistent)序列。步驟是要求對物理量進行物理操控的那些步驟。通常，雖然並非必然如此，但是這些量採用能夠被存儲、傳輸、組合、比較以及以其它方式進行操控的光、電或磁信號的形式。已經多次證明，原則上處於普遍使用的理由而將這些信號稱之為比特、數值、要素、符號、字符、項、數字等是便利的。

在以下描述中，將參考(例如，流程圖形式的)動作以及操作的符號表示形式對說明性實施例進行描述，上述操作可以被實施為程序模塊或功能處理，包括執行特定任務或實施特定抽象數據類型的例程、程序、對象、組件、數據結構等，並且可以使用現有網絡部件處的現有硬體來實施。這樣的現有硬體可以包括一個或多個中央處理器(CPU)、數位訊號處理器(DSP)、應用特定集成電路、現場可編程門陣列(FPGA)計算機等。

然而應當牢記的是，所有這些和類似術語要與適當的物理量相關聯並且僅是應用於這些量的便利標記。除非以其它方式特別指出，或者從本公開顯而易見的，否則諸如「處理」或「計算」或「運算」或「確定」或「顯示」等的術語是指計算機系統或類似電子計算設備對在計算機系統的寄存器和存儲器內被表示為物理、電子量的數據進行操控並將其變換為其它數據的動作和處理，上述其它數據在計算機系統的存儲器或寄存器或者其它這樣的信息存儲、傳輸或顯示設備內類似地被表示為物理量。

而且還注意到，軟體實施的示例實施例的方面通常在一些形式的程序存儲介質上進行編碼或者在一些類型的傳輸介質上實施。程序存儲介質可以是任意的非瞬態存儲介質，諸如磁性(例如，軟盤或硬碟)或光學(例如，緊湊盤只讀存儲器或「CD ROM」)，並且可以是只讀的或隨機訪問的。類似地，傳輸介質可以是雙絞線、同軸線纜、光纖，或者本領域已知的一些其它適當傳輸介質。示例實施例並不被任何給定實施方式的這些方面所限制。

在詳細描述本發明的實施例之前，首先對回歸分析和脈搏波-血壓(PTT-BP)群體模型進行闡述。

回歸分析是統計學的核心，作為一個廣義的概念，其通指那些用一個或多個預測變量(也稱自變量或解釋變量)來預測響應變量(也稱因變量、效標變量或結果變量)的方法。通常，回歸分析可以用來挑選與響應變量相關的解釋變量，可以描述兩者的關係，也可以生成一個等式，通過解釋變量來預測響應變量。

最小二乘(OLS)回歸法，包括簡單線性回歸、多項式回歸和多元線性回歸。OLS回歸是通過預測變量的加權和來預測量化的因變量，其中權重是通過數據估計而得的參數。OLS回歸擬合模型的形式：

Yi＝β0+β1X1i+…+βkXki(i＝1…n)

其中，n為觀測的數目，k為預測變量的數目。Yi為第i次觀測對應的因變量的預測值，Xji為第i次觀測對應的第j個預測變量值，β0為截距項，βj為預測變量j的回歸係數。

為了能夠恰當地解釋OLS模型的係數，數據必須滿足以下統計假設。

◆正態性：對於固定的預測變量值，因變量值成正態分布；

◆獨立性：Yi值之間相互獨立；

◆線性：因變量與預測變量之間為線性相關；

◆同方差性：因變量的方差不隨預測變量的水平不同而變化。

血壓的變化從頻率上可以被分為高頻變化(0.2-0.35Hz)和低頻變化(0.1-0.15Hz)。脈搏波是心臟的搏動(振動)沿動脈血管和血流向外周傳播而形成的。脈搏波傳輸時間(PTT)可以反映呼吸作用對血壓變化的影響，對應血壓在高頻範圍的變化,而脈搏波(PPG)強度比(PIR)可以反映血管直徑的變化以及血管的運動，對應血壓在低頻範圍的變化。因此，理論上PTT和PIR都是反映BP的重要特徵值。實驗發現，收縮壓(SBP)和PTT相關性較高，舒張壓(DBP)和PIR的相關性較高，因此在建模時，針對SBP主要考慮PTT，針對DBP主要考慮PIR。在針對群體建模的時候，針對不同群體建立相應的模型，年齡、性別、身高、體重等都可以是影響因子。

下面將通過參考附圖對示例實施例進行詳細描述。圖1示出了根據示例實施例的建立血壓模型的方法的流程圖。參考圖1，根據本發明的一個實施例，在步驟S110，獲取用於多個被檢測體的脈搏波數據、心電數據、血壓數據和身體質量指數，其中血壓數據包括收縮壓數據和舒張壓數據。在本發明的實施例中，被檢測體是個人。本領域的技術人員應當知道，被檢測體也可以是動物。在一個實施例中，脈搏波數據例如可以經由例如光電傳感器的脈搏波傳感器獲取。在另一個實施例中，脈搏波數據可以通過直接輸入而獲取。在一個實施例中，心電數據例如可以經由例如乾電極的心電傳感器獲取。在另一個實施例中，心電數據也可以通過直接輸入而獲取。在一個實施例中，血壓數據可以通過直接輸入而獲取。在一個實施例中，血壓數據可以使用血壓測量設備測量得出。在一個實施例中，身體質量指數可以通過直接輸入而獲取。在一個實施例中，身體質量指數可也可以通過獲取被檢測體的身高和體重而計算得出。身體質量指數(BMI)為被檢測體的體重(W)除以該被檢測體的身高(L)的平方，在這裡，體重以公斤為單位，而身高以米為單位。

在步驟S120，基於所獲得的脈搏波數據和心電數據，確定脈搏波傳輸時間和脈搏波強度比。在一個實施例中，脈搏波數據包括脈搏波最大斜率點的時間、脈搏波波峰值、脈搏波波谷值，心電數據包括心電圖波峰時間。在該實施例中，脈搏波傳輸時間是根據脈搏波最大斜率點的時間和心電圖波峰時間計算得出，具體來說，脈搏波傳輸時間是脈搏波最大斜率點的時間與心電圖波峰時間之差。在一個實施例中，脈搏波數據包括脈搏波最大斜率點的時間、脈搏波波峰值、脈搏波波谷值，心電數據包括心電圖波峰時間。在該實施例中，脈搏波強度比是根據脈搏波波峰值和波谷值計算得出，具體來說，脈搏波強度比是脈搏波波峰值與波谷值之差。

在步驟S130，基於收縮壓數據、脈搏波傳輸時間以及身體質量指數，建立表明收縮壓與脈搏波傳輸時間和身體質量指數之間的關係的收縮壓模型。

在本發明的一個實施例中，如圖4所示，建立收縮壓模型包括在步驟410,構建訓練集合，該訓練集合包括多個被檢測體的收縮壓數據、脈搏波傳輸時間和身體質量指數。之後，在步驟420，使用該訓練集合，以脈搏波傳輸時間和身體質量指數作為收縮壓模型的輸入，收縮壓作為收縮壓模型的輸出，確定收縮壓模型中的參數。在一個實施例中，通過將多個被檢測體的脈搏波傳輸時間及身體質量指數與該多個被檢測體的收縮壓數據相結合以進行回歸分析來確定收縮壓回歸參數。在一個實施例中，可以利用最小二乘回歸法來確定收縮壓回歸參數。

在一個實施例中，收縮壓模型可表示為：

SBP＝a1×PTT+a2×PTT2+a3×BMI+a4×BMI2+a5 (等式1)

其中，SBP為收縮壓，PTT為脈搏波傳輸時間，BMI為身體質量指數，a1、a2、a3、a4、a5為收縮壓回歸參數。

在步驟S140，基於舒張壓數據、脈搏波強度比以及身體質量指數，建立表明舒張壓與脈搏波強度比和身體質量指數之間的關係的舒張壓模型。

在本發明的一個實施例中，如圖4所示，建立舒張壓模型包括在步驟S410構建訓練集合，該訓練集合包括多個被檢測體的舒張壓數據、脈搏波強度比和身體質量指數。進一步地，在步驟S420，使用該訓練集合，以脈搏波強度比和身體質量指數作為所述舒張壓模型的輸入，舒張壓作為舒張壓模型的輸出，確定舒張壓模型中的參數。在一個實施例中，通過將多個被檢測體的脈搏波強度比和身體質量指數與該多個被檢測體的舒張壓數據相結合以進行回歸分析來確定舒張壓回歸參數。在一個實施例中，可以利用最小二乘回歸法來確定舒張壓回歸參數。

在一個實施例中，舒張壓模型可表示為：

DBP＝b1×PIR+b2×PIR2+b3×BMI+b4×BMI2+b5 (等式2)

其中，DBP為舒張壓，PIR為脈搏波強度比，BMI為身體質量指數，b1、b2、b3、b4、b5為舒張壓回歸參數。

圖2示出了本發明的另一示例實施例，其中，步驟S210-S220與圖1中所示出的步驟S110-120相同。進一步地，該實施例所公開的方法還包括在步驟S230獲取多個被檢測體的年齡和/或性別。

進一步地，在步驟S240，基於多個被檢測體的年齡和/或性別，將多個被檢測體的年齡和/或性別劃分為多個組。例如，可以基於性別將多個被檢測體劃分為兩組。例如，也可以基於年齡對多個被檢測體進行劃分，諸如以每10歲為一組，即將0-10歲劃分為一組，將11-20歲劃分為一組，以此類推。類似地，也可以以每5歲為一組。在一個實施例中，可以將年齡與性別相結合以進行劃分，例如將多個被檢測體以性別進行分類，並以每5歲為一組。

進一步地，針對所劃分出的每一組，執行步驟S250和S260以生成用於各個組的收縮壓模型和舒張壓模型，在這裡，步驟S250和S260與圖1中示出的步驟S130和S140相同，在此不再贅述。

應注意的是，雖然在此處以順序的方式描述了步驟S210-S260，但這並非意在示出對執行順序的限制。事實上，所描述的步驟中的至少一部分可以以不同的順序執行，或者與其它的步驟並行地執行，例如，步驟S230可以在步驟S210或S220之前執行，或者與步驟S210或S220並行地執行。

圖3示出了本發明的另一示例實施例，其中，步驟S310-S320與圖1中所示出的步驟S110-120相同。進一步地，該方法還包括在步驟S330，獲取多個被檢測體的年齡和/或性別。

進一步地，在步驟S340，基於收縮壓數據、脈搏波傳輸時間、身體質量指數以及年齡和/或性別，建立表明收縮壓與脈搏波傳輸時間、身體質量指數以及年齡和/或性別之間的關係的收縮壓模型。

在本發明的一個實施例中，如圖4所示，建立收縮壓模型包括：在步驟410，構建訓練集合，該訓練集合包括多個被檢測體的收縮壓數據、脈搏波傳輸時間、身體質量指數以及年齡和/或性別。之後，在步驟420，使用該訓練集合，以脈搏波傳輸時間、身體質量指數以及年齡和/或性別作為收縮壓模型的輸入，收縮壓作為收縮壓模型的輸出，確定收縮壓模型中的參數。在一個實施例中，通過將多個被檢測體的脈搏波傳輸時間、身體質量指數和年齡和/或性別與該多個被檢測體的收縮壓數據相結合以進行回歸分析來確定收縮壓回歸參數。在一個實施例中，可以利用最小二乘回歸法來確定收縮壓回歸參數。

在一個實施例中，收縮壓模型可表示為：

SBP＝a1×PTT+a2×PTT2+a3×BMI+a4×BMI2

+a5×AGE+a6×AGE2+a7 (等式3)

其中，SBP為收縮壓，PTT為脈搏波傳輸時間，BMI為身體質量指數，AGE為年齡，a1、a2、a3、a4、a5、a6、a7為收縮壓回歸參數。

進一步地，在步驟S340，基於舒張壓數據、脈搏波強度比、身體質量指數和年齡和/或性別，建立表明舒張壓與脈搏波強度比、身體質量指數以及年齡和/或性別之間的關係的舒張壓模型。

在本發明的一個實施例中，如圖4所示，建立舒張壓模型包括在步驟410構建訓練集合，該訓練集合包括多個被檢測體的舒張壓數據、脈搏波強度比、身體質量指數以及年齡和/或性別。進一步地，在步驟420，使用該訓練集合，以脈搏波強度比、身體質量指數以及年齡和/或性別作為舒張壓模型的輸入，舒張壓作為舒張壓模型的輸出，確定舒張壓模型中的參數。在一個實施例中，通過將多個被檢測體的脈搏波強度比、身體質量指數以及年齡和/或性別與該多個被檢測體的舒張壓數據相結合以進行回歸分析來確定舒張壓回歸參數。在一個實施例中，可以利用最小二乘回歸法來確定舒張壓回歸參數。

在一個實施例中，舒張壓模型可表示為：

DBP＝b1×PIR+b2×PIR2+b3×BMI+b4×BMI2

+b5×AGE+b6×AGE2+b7 (等式4)

其中，DBP為舒張壓，PIR為脈搏波強度比，BMI為身體質量指數，AGE為年齡，b1、b2、b3、b4、b5、b6、b7為舒張壓回歸參數。

在本發明的一個實施例中，上述方法還包括構建測試集合，該測試集合包括其它被檢測體的收縮壓數據、脈搏波傳輸時間和身體質量指數。然後，使用該測試集合中的脈搏波傳輸時間和身體質量指數，利用收縮壓模型，計算收縮壓數據。然後，基於所計算的收縮壓數據和測試集合中的收縮壓數據，評估所述收縮壓模型。

應注意的是，雖然在此處以順序的方式描述了步驟S310-S350，但這並非意在示出對執行順序的限制。事實上，所描述的步驟中的至少一部分可以以不同的順序執行，或者與其它的步驟並行地執行，例如，步驟S330可以在步驟S310或S320之前執行，或者與步驟S310或S320並行地執行。

在本發明的一個實施例中，上述方法還包括構建測試集合，該測試集合包括其它被檢測體的舒張壓數據、脈搏波強度比和身體質量指數。然後，使用該測試集合中的脈搏波強度比和身體質量指數，利用舒張壓模型，計算舒張壓數據。然後，基於所計算的舒張壓數據和測試集合中的舒張壓數據，評估舒張壓模型。

通過使用上述測試集合進行模型評估，能夠檢查使用模型所計算出的被檢測體的血壓數據與被檢測體的實際血壓數據之差是否在容許的誤差範圍內。

通過本發明所公開的上述實施例，可以以更高的精度來進行收縮壓模型和舒張壓模型的建立。顯然，根據本發明所公開的實施例，建立收縮壓模型或舒張壓模型時所使用的自變量並不僅限於脈搏波數據、心電數據或身體質量指數，任何可以區分不同類別的人群的指標均可以應用於本發明所公開的方法之中。

圖5示出了根據示例實施例的用於確定被檢測體的血壓的方法的流程圖。參考圖5，根據本發明的一個實施例，在步驟S510獲取被檢測體的脈搏波數據、血壓數據以及身體質量指數。該脈搏波數據、血壓數據以及身體質量指數可以由被檢測體或操作人員人工輸入，也可以通過測量設備測量得出。

在步驟S520，基於脈搏波數據和心電數據，確定脈搏波傳輸時間和脈搏波強度比。在一個實施例中，脈搏波數據包括脈搏波最大斜率點的時間、脈搏波波峰值、脈搏波波谷值，心電數據包括心電圖波峰時間。在該實施例中，脈搏波傳輸時間是根據脈搏波最大斜率點的時間和心電圖波峰時間計算得出，具體來說，脈搏波傳輸時間是脈搏波最大斜率點的時間與心電圖波峰時間之差。在一個實施例中，脈搏波數據包括脈搏波最大斜率點的時間、脈搏波波峰值、脈搏波波谷值，心電數據包括心電圖波峰時間。在該實施例中，脈搏波強度比是根據脈搏波波峰值和波谷值計算得出，具體來說，脈搏波強度比是脈搏波波峰值與波谷值之差。

在步驟S530，根據預先建立的血壓模型，基於脈搏波傳輸時間、脈搏波強度比以及身體質量指數來分別計算被檢測體的收縮壓和舒張壓。預先建立的血壓模型例如是在上文所公開的步驟S130、S140所建立的收縮壓模型和/或舒張壓模型，例如上文示出的等式1和2。顯然，可以很容易地使用等式1和等式2來基於脈搏波傳輸時間和脈搏波強度比以及身體質量指數來計算被檢測體的收縮壓和舒張壓。

應注意，雖然在此處使用與最小二乘回歸法相關的等式對被檢測體收縮壓和舒張壓的計算進行了示意，應理解的是，本發明的實施例並不僅限於使用最小二乘回歸法所得出的參數進行計算。任何適當的回歸算法或其它統計方法均可以應用於所公開的實施例中。

圖6示出了根據本公開的另一個實施例的用於確定被檢測體的血壓的方法，其中，步驟S610和S620分別與圖5所示的步驟S510和S520相同。進一步地，該方法包括在步驟630獲取多個被檢測體的年齡和/或性別。在一個實施例中，年齡和/或性別例如可以由被檢測體或操作人員人工輸入。

進一步地，在步驟S640，根據預先建立的血壓模型，基於脈搏波傳輸時間、脈搏波強度比、身體質量指數以及年齡和/或性別來計算被檢測體的收縮壓和舒張壓。與步驟S530類似，預先建立的血壓模型例如是在上文所公開的步驟S340、S350所建立的收縮壓模型和/或舒張壓模型，例如上文示出的等式3和4。顯然，可以很容易地使用等式3和等式4來基於脈搏波傳輸時間、脈搏波強度比、身體質量指數以及年齡來計算被檢測體的收縮壓和舒張壓。

應注意的是，雖然在此處以順序的方式描述了步驟S610-S640，但這並非意在示出對執行順序的限制。事實上，所描述的步驟中的至少一部分可以以不同的順序執行，或者與其它的步驟並行地執行，例如，步驟S630可以在步驟S610或S620之前執行，或者與步驟S610或S620並行地執行。

圖6示出了根據本發明的另一個實施例的用於確定被檢測體的血壓的方法，其中，步驟S710、S720、S730分別與圖6所示出的步驟S610、S620、S630相同。進一步地，該方法還包括，在步驟740，根據年齡和/或性別，從多個預先建立的血壓模型中選擇一個血壓模型，其中，多個預先建立的血壓模型分別用於某一年齡範圍和/或性別。在本實施例中，血壓模型可以是如等式1、等式2表示的收縮壓模型和/或舒張壓模型。

在步驟750，根據所選擇的血壓模型，基於脈搏波傳輸時間、脈搏波強度比以及身體質量指數來分別計算被檢測體的收縮壓和舒張壓。該計算與步驟530所進行的計算類似，為了簡明的目的，在此不再贅述。

圖8示出了根據示例實施例的用於建立血壓模型的裝置800的示意圖。參考圖8，根據本發明的一個實施例，該裝置800包括數據獲取模塊810、數據處理模塊820以及模型建立模塊830。

數據獲取模塊810被配置為獲取多個被檢測體的脈搏波數據、心電數據、身體質量指數以及血壓數據，血壓數據包括收縮壓數據和舒張壓數據。在一個實施例中，這些數據可以通過直接輸入而獲取。在一個實施例中，脈搏波數據例如可以經由耦合至數據獲取模塊810的脈搏波傳感器而獲取，其中脈搏波傳感器例如可以是光電傳感器。在一個實施例中，心電數據例如可以經由耦合至數據獲取模塊810的心電傳感器而獲取，其中心電傳感器例如可以是乾電極。在一個實施例中，血壓數據可以通過直接輸入而獲取。在一個實施例中，血壓數據可以使用耦合至數據獲取模塊510的血壓測量設備測量得出。在一個實施例中，身體質量指數可以使用耦合至數據獲取模塊810的輸入設備輸入。

數據處理模塊820被配置為基於脈搏波數據和心電數據，確定脈搏波傳輸時間和脈搏波強度比。在一個實施例中，數據處理模塊820被配置為根據脈搏波數據中包括的脈搏波最大斜率點的時間和心電數據中包括的心電圖波峰時間計算脈搏波傳輸時間，具體來說，脈搏波傳輸時間是脈搏波最大斜率點的時間與心電圖波峰時間之差。在一個實施例中，數據處理模塊820被配置為根據脈搏波數據中包括的脈搏波波峰值和波谷值計算脈搏波強度比，具體來說，脈搏波強度比是脈搏波波峰值與波谷值之差。

模型建立模塊830可包括收縮壓模型建立模塊和舒張壓模型建立模塊。收縮壓模型建立模塊被配置為基於收縮壓數據、脈搏波傳輸時間和身體質量指數，建立表明收縮壓與脈搏波傳輸時間和身體質量指數之間的關係的收縮壓模型。舒張壓模型建立模塊被配置為基於舒張壓數據、脈搏波強度比和身體質量指數，建立表明舒張壓與脈搏波強度比和身體質量指數之間的關係的舒張壓模型。在這裡，收縮壓模型和舒張壓模型構成血壓模型。

在一個實施例中，收縮壓模型建立模塊被配置為通過將多個被檢測體的脈搏波傳輸時間及身體質量指數與該多個被檢測體的收縮壓數據相結合以進行回歸分析來建立收縮壓模型。在一個實施例中，收縮壓模型建立模塊被配置為利用最小二乘回歸法來建立收縮壓模型。

在一個實施例中，舒張壓模型建立模塊被配置為通過將多個被檢測體的脈搏波強度比和身體質量指數與該多個被檢測體的舒張壓數據相結合以進行回歸分析來建立該舒張壓模型。在一個實施例中，舒張壓模型建立模塊被配置為利用最小二乘回歸法來建立舒張壓模型。

在本發明的一個實施例中，數據獲取模塊810被進一步配置為獲取多個被檢測體的年齡和/或性別。在一個實施例中，被檢測體的年齡和/或性別通過直接輸入而獲取。在一個實施例中，被檢測體的年齡和/或性別由被檢測體或該裝置的操作者經由耦合至數據獲取模塊810的輸入設備手工輸入。

收縮壓模型建立模塊被進一步配置為基於收縮壓數據、脈搏波傳輸時間、身體質量指數和年齡和/或性別，建立表明收縮壓與脈搏波傳輸時間、身體質量指數以及年齡和/或性別之間的關係的收縮壓模型。舒張壓模型建立模塊被進一步配置為基於舒張壓數據、脈搏波強度比、身體質量指數和年齡和/或性別，建立表明舒張壓與脈搏波強度比、身體質量指數以及年齡和/或性別之間的關係的舒張壓模型。

在一個實施例中，收縮壓模型建立模塊被配置為通過將多個被檢測體的脈搏波傳輸時間、身體質量指數和年齡和/或性別與該多個被檢測體的收縮壓數據相結合以進行回歸分析來建立收縮壓模型。在一個實施例中，收縮壓模型建立模塊被配置為利用最小二乘回歸法來建立收縮壓模型。

在一個實施例中，舒張壓模型建立模塊被配置為通過將多個被檢測體的脈搏波強度比、身體質量指數以及年齡和/或性別與該多個被檢測體的舒張壓數據相結合以進行回歸分析來建立該舒張壓模型。在一個實施例中，舒張壓模型建立模塊被配置為利用最小二乘回歸法來建立舒張壓模型。

在本發明的一個實施例中，裝置800還包括分組模塊，其被配置為基於年齡和/或性別，將多個被檢測體劃分為多個組。進一步地，收縮壓模型建立模塊被配置為針對多個組中的每一個組，基於該組所包括的被檢測體的收縮壓數據、脈搏波傳輸時間和身體質量指數，建立用於該組的表明收縮壓與脈搏波傳輸時間和身體質量指數之間的關係的收縮壓模型，舒張壓模型建立模塊被進一步配置為針對多個組中的每一個組，基於該組所包括的被檢測體的舒張壓數據、脈搏波強度比和身體質量指數，建立用於該組的表明舒張壓與脈搏波強度比和身體質量指數之間的關係的舒張壓模型。

在本發明的一個實施例中，收縮壓模型建立模塊包括：第一訓練集合單元，其被配置為構建第一訓練集合，所述第一訓練集合包括所述多個被檢測體的收縮壓數據、脈搏波傳輸時間和身體質量指數；參數確定單元，其被配置為使用所述第一訓練集合，以脈搏波傳輸時間和身體質量指數作為所述收縮壓模型的輸入，收縮壓作為所述收縮壓模型的輸出，確定所述收縮壓模型中的參數。在一個實施例中，參數確定單元被配置為通過將多個被檢測體的脈搏波傳輸時間及身體質量指數與該多個被檢測體的收縮壓數據相結合以進行回歸分析來確定參數。在一個實施例中，參數確定單元被配置為利用最小二乘回歸法來確定參數。

在本發明的一個實施例中，舒張壓模型建立模塊包括：第二訓練集合單元，其被配置為構建第二訓練集合，所述第二訓練集合包括所述多個被檢測體的舒張壓數據、脈搏波強度比和身體質量指數；參數確定單元，其被配置為使用所述第二訓練集合，以脈搏波強度比和身體質量指數作為所述舒張壓模型的輸入，舒張壓作為所述舒張壓模型的輸出，確定所述舒張壓模型中的參數。在一個實施例中，參數確定單元被配置為通過將多個被檢測體的脈搏波強度比和身體質量指數與該多個被檢測體的舒張壓數據相結合以進行回歸分析來確定參數。在一個實施例中，參數確定單元被配置為利用最小二乘回歸法來確定參數。

圖9示出了根據示例實施例的用於確定被檢測體的血壓的裝置900的示意圖。參考圖9，該裝置900包括脈搏波獲取模塊910、心電數據獲取模塊920、身體質量指數獲取模塊930、數據處理模塊940以及血壓確定模塊950。

脈搏波獲取模塊910被配置為獲取被檢測體的脈搏波數據。在一個實施例中，脈搏波數據由被檢測體或操作人員人工輸入。在另一個實施例中，脈搏波數據由測量設備測量得出，該測量設備例如是脈搏波傳感器，諸如光電傳感器。

心電數據獲取模塊920被配置為獲取被檢測體的心電數據。在一個實施例中，心電數據由被檢測體或操作人員人工輸入。在另一個實施例中，心電數據由測量設備測量得出，該測量設備例如是心電圖傳感器，諸如乾電極。

身體質量指數獲取模塊930被配置為獲取被檢測體的身體質量指數。在一個實施例中，身體質量指數由被檢測體或操作人員人工輸入。在另一個實施例中，身體質量指數由測量設備測量被檢測體的身高和體重，並根據該被檢測體的身高和體重計算得出。身體質量指數(BMI)為被檢測體的體重(W)除以該被檢測體的身高(L)的平方，在這裡，體重以公斤為單位，而身高以米為單位。

數據處理模塊940被配置為基於所述脈搏波數據和所述心電數據，確定脈搏波傳輸時間和脈搏波強度比。在一個實施例中，脈搏波數據包括脈搏波最大斜率點的時間、脈搏波波峰值、脈搏波波谷值，心電數據包括心電圖波峰時間。在該實施例中，數據處理模塊940被配置為根據脈搏波最大斜率點的時間和心電圖波峰時間計算脈搏波傳輸時間，具體來說，脈搏波傳輸時間為脈搏波最大斜率點的時間與心電圖波峰時間之差。在一個實施例中，脈搏波數據包括脈搏波最大斜率點的時間、脈搏波波峰值、脈搏波波谷值，心電數據包括心電圖波峰時間。在該實施例中，數據處理模塊940被配置為根據脈搏波波峰值和波谷值計算脈搏波強度比，具體來說，脈搏波強度比是脈搏波波峰值與波谷值之差。

血壓確定模塊950被配置為根據預先建立的血壓模型，基於脈搏波傳輸時間、脈搏波強度比和身體質量指數來確定被檢測體的血壓，包括收縮壓和舒張壓。具體來說，預先建立的血壓模型例如是在上文所公開的步驟S130、S140所建立的收縮壓模型和舒張壓模型，例如上文示出的等式1和2。顯然，血壓確定模塊940可以很容易地使用等式1和等式2來基於脈搏波傳輸時間和脈搏波強度比以及身體質量指數來計算被檢測體的收縮壓和舒張壓。

在本發明的一個實施例中，用於確定被檢測體的血壓的裝置900還包括年齡性別獲取模塊，其被配置為獲取被檢測體的年齡和/或性別。在一個實施例中，年齡和/或性別由被檢測體或操作人員人工輸入。

在一個實施例中，血壓確定模塊940進一步被配置為根據預先建立的血壓模型，基於脈搏波傳輸時間、脈搏波強度比、身體質量指數以及年齡和/或性別來計算被檢測體的收縮壓和舒張壓。具體來說，預先建立的血壓模型例如是在上文所公開的步驟S340、S350所建立的收縮壓模型和舒張壓模型，例如上文示出的等式3和4。顯然，血壓確定模塊940可以很容易地使用等式3和等式4來基於脈搏波傳輸時間、脈搏波強度比、身體質量指數以及年齡來計算被檢測體的收縮壓和舒張壓。

在本發明的一個實施例中，用於確定被檢測體的血壓的裝置900還包括模型選擇模塊，其被配置為根據年齡和/或性別，從多個預先建立的血壓模型中選擇適用於該被檢測體的年齡和/或性別的血壓模型。在這裡，上述多個預先建立的血壓模型分別適用於某一年齡範圍和/或性別。

在一個實施例中，血壓確定模塊940進一步被配置為根據所選擇的血壓模型，基於脈搏波傳輸時間、脈搏波強度比、身體質量指數來計算被檢測體的收縮壓和舒張壓。

在本發明的一個實施例中，用於確定被檢測體的血壓的裝置900還包括更新模塊，該模塊被配置為從遠程伺服器接收新的血壓模型，並使用該新的血壓模型對當前血壓模型進行更新。遠程伺服器可包括或耦合至如圖8所示的用於建立血壓模型的裝置800。

雖然已經在附圖中圖示並且在以上的詳細描述中闡述了本發明的多個實施例，但是應當理解的是，本發明並不局限於所公開的實施例，而是能夠進行多種的重新部署、修改和替換而並不背離如以下權利要求所限定的本發明。