CN117045216A - 一种基于模糊控制的血液指标非侵入性医疗分析方法 - Google Patents

Abstract

本发明公开了一种基于模糊控制的血液指标非侵入性医疗分析方法，涉及非侵入性医疗分析技术领域，该方法包括以下步骤：S1、获取医疗用户的身体信息，通过该医疗用户佩戴的非侵入性监测传感器进行实时监测；S2、将脉搏信号与心电信号进行处理，按照预留时长生成脉搏波与心电图，利用协同计算方式计算医疗用户的血压评估数据；S3、依据血压评估数据与身体信息，利用基于模糊控制理论的分类识别模型进行模糊推理；S4、将实时监测得到的脉搏波、心电图及血压分析结果进行可视化展示。本发明通过协同计算和模糊控制理论，提供更全面和准确的血压评估数据，有助于提高对患者健康状况的理解，精确识别并输出患者的血压分析结果。

Description

一种基于模糊控制的血液指标非侵入性医疗分析方法

技术领域

本发明涉及非侵入性医疗分析技术领域，尤其是涉及一种基于模糊控制的血液指标非侵入性医疗分析方法。

背景技术

血液指标包括一系列参数，用于评估一个人的健康状况和身体功能。其中，血压指标是其中之一，它用于测量心脏泵血将血液推送到体内各部分时施加在血管壁上的力量。血压通常以两个值来表示：收缩压（Systolic Blood Pressure，SBP）和舒张压（DiastolicBlood Pressure，DBP）。血压是一个重要的生理指标，对于身体的正常运作至关重要。正常的血压水平有助于维持足够的血液流向各个器官和组织，确保身体的氧气和营养供应。

血压检测及医疗分析的重要性无法被过分强调，因为血压是一个关键的生理指标，对身体健康和心血管功能起着至关重要的作用。血压是评估心脏和血管健康的重要指标之一。通过定期测量血压，可以及早发现患者是否有高血压（高于正常水平）或低血压（低于正常水平）等问题。高血压是心脏病、中风和其他心血管疾病的主要危险因素之一。监测血压有助于评估患者患心脏疾病的风险。许多患者需要药物来管理高血压，定期检测血压可以确保治疗效果，并帮助医生调整药物剂量。通过监测血压，利用血压值进行分析诊断，可以及早发现其他潜在健康问题，如肾脏疾病、糖尿病等。

传统的血压检测方法通常使用袖带和血压计。医生或护士将袖带绑在患者的上臂上，然后通过血压计充气和放气，同时听取搏动声音，以测量SBP和DBP，需要专业医护人员进行操作，而且通常是单点测量，可能无法捕捉到患者的日常血压波动，也不适合长期连续监测，如夜间监测或24小时监测。

此外，医疗专业人员使用患者的血压值来评估其心血管风险，帮助确定是否需要采取治疗措施，这种方法可能忽略了其他重要的生理参数，如身高、体重指数等，可能导致不够全面的风险评估，对于高血压患者，血压值通常用于监测治疗效果，然而，单点测量的限制，无法全面了解治疗的效果。

发明内容

基于此，有必要针对上述技术问题，提供一种基于模糊控制的血液指标非侵入性医疗分析方法。

本发明提供了一种基于模糊控制的血液指标非侵入性医疗分析方法，该方法包括以下步骤：

S1、获取医疗用户的身体信息，通过该医疗用户佩戴的非侵入性监测传感器进行实时监测，采集脉搏信号与心电信号；

S2、将脉搏信号与心电信号进行处理，按照预留时长生成脉搏波与心电图，利用协同计算方式计算医疗用户的血压评估数据；

S3、依据血压评估数据与身体信息，利用基于模糊控制理论的分类识别模型进行模糊推理，输出医疗用户的血压分析结果；

S4、将实时监测得到的脉搏波、心电图及血压分析结果进行可视化展示，并依据预设预警阈值进行及时预警提醒。

进一步的，获取医疗用户的身体信息，通过该医疗用户佩戴的非侵入性监测传感器进行实时监测，采集脉搏信号与心电信号包括以下步骤：

S11、获取包含医疗用户身份与生理特征的身体信息，身体信息包括用户身份、年龄、性别、身高、体重、病史及血管血液信息；

S12、将压电脉搏传感器与心电传感器分别佩戴在医疗用户的手腕与胸口位置，用于采集医疗用户的脉搏信号与心电信号；

S13、利用血压仪测量医疗用户在常规状态下的常态血压数据；

S14、依据常态血压数据与脉搏波传导时间建立脉搏波血压公式；

S15、压电脉搏传感器与心电传感器均经过信号调整接口电路，将采集得到的脉搏信号与心电信号发送至数据处理接收端。

进一步的，依据常态血压数据与脉搏波传导时间建立脉搏波血压公式包括以下步骤：

S141、测量医疗用户佩戴的压电脉搏传感器与心电传感器之间的脉搏波传递距离；

S142、利用血压数据与脉搏波传导时间之间的数学关系建立脉搏波血压公式，并利用常态血压数据计算医疗用户在常规状态下的常态脉搏波传导时间，再通过实际脉搏波传导时间测量对脉搏波血压公式进行验证。

进一步的，脉搏波血压公式的表达式为：

式中，MT表示脉搏波传导时间；L表示脉搏波传递距离；ρ表示血液密度；d表示血管内径；a表示血管壁厚度；g表示重力加速度；BP表示血压数据；E表示血压为零时的弹性模量；γ表示血管压力与弹性关系的模量。

进一步的，将脉搏信号与心电信号进行处理，按照预留时长生成脉搏波与心电图，利用协同计算方式计算医疗用户的血压评估数据包括以下步骤：

S21、对脉搏信号与心电信号进行滤波降噪预处理，分别转换为相位延迟统一的脉搏波与心电图；

S22、对脉搏波的顶点进行检测；

S23、对心电图的顶点进行检测；

S24、测量脉搏波与心电图顶点之间的脉搏波传导时间，利用脉搏波血压公式计算医疗用户的收缩压；

S25、分别对脉搏波与心电图中的谷点进行检测，测量脉搏波与心电图谷点之间的脉搏波传导时间，再利用脉搏波血压公式计算医疗用户的舒张压；

S26、将计算得到的收缩压与舒张压作为医疗用户当前状态下的血压评估数据。

进一步的，对脉搏信号与心电信号进行滤波降噪预处理，分别转换为相位延迟统一的脉搏波与心电图包括以下步骤：

S211、利用0.05Hz高通滤波器对心电信号进行滤波，利用0.03Hz高通滤波器对脉搏信号进行滤波，保证两波形具有相同的相位延迟；

S212、同时消除脉搏信号与心电信号中1s位置处的失真信号；

S213、按照可展示窗口的预留时长，将滤波消除后的脉搏信号与心电信号转换为可视化展示的脉搏波与心电图。

进一步的，对脉搏波的顶点进行检测包括以下步骤：

S221、获取脉搏波的波幅范围与振幅大小；

S222、设定脉搏波顶点所在范围及信号最低点；

S223、通过频率侦测在脉搏波的顶点范围内搜索脉搏波顶点。

进一步的，对心电图的顶点进行检测包括以下步骤：

S231、利用双重平方函数降低负波、正波、小波及下降波的信号幅值，增大峰值波的信号幅值，从心电图中提取峰值波；

S232、利用预设波形阈值搜索峰值波的顶点所在区域，利用斜率检测法确定峰值波的顶点位置。

进一步的，依据血压评估数据与身体信息，利用基于模糊控制理论的分类识别模型进行模糊推理，输出医疗用户的血压分析结果包括以下步骤：

S31、将血压评估数据中的收缩压与舒张压、心电图、脉搏波以及身体信息作为分类因素集；

S32、建立描述用户健康的分类等级集，并利用模糊语言进行模糊化；

S33、设定分类因素对分类等级的隶属度，建立模糊关系矩阵；

S34、计算分类因素集中各个分类因素的权重，并建立权重集；

S35、将分类等级集与模糊关系矩阵相乘，得到模糊综合评价结果向量；

S36、依据最大隶属度原则，对模糊综合评价结果向量进行分析，得到血压分类等级，作为医疗用户的血压分析结果。

进一步的，计算分类因素集中各个分类因素的权重，并建立权重集包括以下步骤：

S341、利用层次分析法将医疗分析问题分解为目标层、准则层、指标层及等基层，分别确定各层对应的因素；

S342、依据各层次的下属层级中各因素之间两两比较的相对重要程度，向下属层级内各个因素赋予分值，得到该层次的判断矩阵；

S343、依据判断矩阵求取最大特征对应的特征向量，通过一致性检验后作为各个层次中元素各自的对应权重；

S344、求取各层次因素对上一级的相对重要度，从最上层开始，自上而下的求取各层因素关于医疗分析目标的综合重要度，并对所有分类因素进行优化排序。

本发明的有益效果为：

1、通过融合脉搏信号、心电信号和患者身体信息，实现了实时监测，允许连续追踪患者的血液指标变化，通过协同计算和模糊控制理论，提供更全面和准确的血压评估数据，有助于提高对患者健康状况的理解；借助模糊推理，可以精确识别并输出患者的血压分析结果，帮助医生作出更准确的诊断和治疗决策，通过可视化展示和预警功能，患者和医生可以更轻松地理解和跟踪血液指标，及时采取预防和干预措施，从而提高了医疗管理的效率和个体化程度。

2、通过获取医疗用户的详细身体信息，包括身份、年龄、性别、身高、体重、病史和血管血液信息，为后续的血压评估提供了更全面的个人化数据，考虑了用户的生理特征；通过佩戴压电脉搏传感器和心电传感器，实时监测脉搏信号和心电信号，使连续的生理数据采集成为可能，可提供更全面的监测结果；利用血压仪获取用户的常态血压数据并建立脉搏波血压公式，提高了对血压的精确评估，考虑了不同生理特征的影响。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的一种基于模糊控制的血液指标非侵入性医疗分析方法的流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

请参阅图1，一种基于模糊控制的血液指标非侵入性医疗分析方法，该方法包括以下步骤：

S1、获取医疗用户的身体信息，通过该医疗用户佩戴的非侵入性监测传感器进行实时监测，采集脉搏信号与心电信号。

在本发明的描述中，获取医疗用户的身体信息，通过该医疗用户佩戴的非侵入性监测传感器进行实时监测，采集脉搏信号与心电信号包括以下步骤：

S11、获取包含医疗用户身份与生理特征的身体信息，身体信息包括用户身份、年龄、性别、身高、体重、病史及血管血液信息。

S12、将压电脉搏传感器与心电传感器分别佩戴在医疗用户的手腕与胸口位置，用于采集医疗用户的脉搏信号与心电信号。

在本发明的描述中，首先需要选择适当的位置来佩戴传感器。通常，压电脉搏传感器会佩戴在手腕上，因为手腕是脉搏最容易检测到的地方。心电传感器则通常佩戴在胸口，以便捕捉心脏电信号。将压电脉搏传感器安装在医疗用户的手腕上，通常通过带子或贴片的方式固定在腕部。同时，将心电传感器粘贴或安装在医疗用户的胸口位置，通常涉及到粘贴电极或佩戴胸带。在佩戴前，需要确保传感器的准确性和稳定性，通常通过校准过程来完成。校准可确保传感器捕捉到的信号具有高质量且与生理特征相关。一旦传感器佩戴好且校准完成，就可以开始数据采集。压电脉搏传感器将记录医疗用户的脉搏信号，而心电传感器将记录心脏电信号。这些信号将被传输到数据处理系统进行进一步的分析。

S13、利用血压仪测量医疗用户在常规状态下的常态血压数据。

S14、依据常态血压数据与脉搏波传导时间建立脉搏波血压公式。

在本发明的描述中，依据血压数据与脉搏波传导时间建立脉搏波血压公式包括以下步骤：

S141、测量医疗用户佩戴的压电脉搏传感器与心电传感器之间的脉搏波传递距离。

S142、利用血压数据与脉搏波传导时间之间的数学关系建立脉搏波血压公式，并利用常态血压数据计算医疗用户在常规状态下的常态脉搏波传导时间，再通过实际脉搏波传导时间测量对脉搏波血压公式进行验证。

其中，脉搏波血压公式的表达式为：

式中，MT表示脉搏波传导时间，L表示脉搏波传递距离，ρ表示血液密度，d表示血管内径，a表示血管壁厚度，g表示重力加速度，BP表示血压数据，E表示血压为零时的弹性模量，γ表示血管压力与弹性关系的模量。

S15、压电脉搏传感器与心电传感器均经过信号调整接口电路，将采集得到的脉搏信号与心电信号发送至数据处理接收端。

当压电脉搏传感器与心电传感器采集到脉搏信号和心电信号后，需要经过信号调整接口电路，然后将这些信号传输到数据处理接收端进行进一步的处理和分析。以下是这一过程的详细说明：

信号调整接口电路：这是一个重要的部分，用于对从传感器采集到的模拟信号进行调整和处理，以使其适合数字化处理。这个接口电路包括放大、滤波、去噪、模数转换等功能，以确保信号的准确性和可靠性。

数字化处理：在信号调整接口电路之后，模拟信号被转换成数字信号。这些数字信号可以被计算机或专用设备识别和处理。这个阶段通常包括采样和量化过程，将模拟信号转化为离散的数字数据。

数据传输：数字信号可以通过有线或无线方式传输到数据处理接收端。无线传输涉及使用无线通信协议，如蓝牙或Wi-Fi，将数据发送到接收设备。

S2、将脉搏信号与心电信号进行处理，按照预留时长生成脉搏波与心电图，利用协同计算方式计算医疗用户的血压评估数据。

在本发明的描述中，将脉搏信号与心电信号进行处理，按照预留时长生成脉搏波与心电图，利用协同计算方式计算医疗用户的血压评估数据包括以下步骤：

S21、对脉搏信号与心电信号进行滤波降噪预处理，分别转换为相位延迟统一的脉搏波与心电图。

在本发明的描述中，对脉搏信号与心电信号进行滤波降噪预处理，分别转换为相位延迟统一的脉搏波与心电图包括以下步骤：

S211、利用0.05Hz高通滤波器对心电信号进行滤波，利用0.03Hz高通滤波器对脉搏信号进行滤波，保证两波形具有相同的相位延迟。

对心电信号应用了0.05Hz的高通滤波器，以去除低频噪声和直流分量。同时，对脉搏信号应用了0.03Hz的高通滤波器，同样是为了去除低频噪声和直流分量。这些高通滤波器确保了脉搏信号与心电信号在频域上具有相似的特性，并且具有相同的相位延迟。

S212、同时消除脉搏信号与心电信号中1s位置处的失真信号。

消除位于1秒（1s）位置处的失真信号，该过程的目的是确保从传感器采集到的信号质量高，不受噪声或干扰的影响，并且能够准确地反映医疗用户的生理状态。失真信号可以是由于多种原因引起的，如电磁干扰、运动或其他外部因素。因此，这个步骤利用信号处理技术，以检测和滤除那些在1秒位置处的异常信号。

S213、按照可展示窗口的预留时长，将滤波消除后的脉搏信号与心电信号转换为可视化展示的脉搏波与心电图。

S22、对脉搏波的顶点进行检测。

在本发明的描述中，对脉搏波的顶点进行检测包括以下步骤：

S221、获取脉搏波的波幅范围与振幅大小。

首先，需要确定脉搏波的波形特征，包括波幅的范围和振幅的大小。波幅是波形的峰值与谷值之间的距离，而振幅是波形的一半高度。这些信息有助于定义脉搏波的顶点。

S222、设定脉搏波顶点所在范围及信号最低点。

在脉搏波形中，需要定义顶点所在的范围，即在哪个时间窗口内寻找顶点。通常，脉搏波的顶点位于波形的最高点，但为了确保准确性，需要定义一个小范围来搜索顶点。此外，信号的最低点也可能需要考虑，以确保只检测到一个完整的脉搏波。

S223、通过频率侦测在脉搏波的顶点范围内搜索脉搏波顶点。

一旦定义了顶点所在的范围，使用信号处理技术，如频率侦测或导数分析，来搜索在该范围内的脉搏波顶点。频率侦测通常用于检测信号的极值点，从而找到波形的顶点。

S23、对心电图的顶点进行检测。

在本发明的描述中，对心电图的顶点进行检测包括以下步骤：

S231、利用双重平方函数降低负波（Q-wave）、正波（T-wave）、小波（U-wave）及下降波（S-wave）的信号幅值，增大峰值波的信号幅值，从心电图中提取峰值波（R-wave）。

S232、利用预设波形阈值搜索峰值波的顶点所在区域，利用斜率检测法确定峰值波的顶点位置。

一旦信号幅值被调整以突出R-wave，接下来需要在心电图中搜索R-wave的顶点，通过设置预设的波形阈值来实现，以识别可能包含R-wave的区域。然后，可以使用斜率检测法来确定R-wave的确切顶点位置。斜率检测法利用检测信号的斜率变化，找到波形的极值点，从而确定顶点位置。

S24、测量脉搏波与心电图顶点之间的脉搏波传导时间，利用脉搏波血压公式计算医疗用户的收缩压（利用顶点之间脉搏波传导时间作为输入，计算得到脉搏波血压公式中的血压数据即为收缩压）。

S25、分别对脉搏波与心电图中的谷点进行检测，测量脉搏波与心电图谷点之间的脉搏波传导时间，再利用脉搏波血压公式计算医疗用户的舒张压（利用谷点之间脉搏波传导时间作为输入，计算得到脉搏波血压公式中的血压数据即为舒张压）。

S26、将计算得到的收缩压与舒张压作为医疗用户当前状态下的血压评估数据。

S3、依据血压评估数据与身体信息，利用基于模糊控制理论的分类识别模型进行模糊推理，输出医疗用户的血压分析结果。

在本发明的描述中，依据血压评估数据与身体信息，利用基于模糊控制理论的分类识别模型进行模糊推理，输出医疗用户的血压分析结果包括以下步骤：

S31、将血压评估数据中的收缩压与舒张压、心电图、脉搏波以及身体信息作为分类因素集。

S32、建立描述用户健康的分类等级集，并利用模糊语言进行模糊化。

建立描述用户健康的分类等级集是模糊控制的关键步骤之一。这个分类等级集通常被设计成一个包含不同健康状态的集合，每个状态都使用模糊语言来描述，以便更好地处理不确定性和模糊性。例如，可以创建以下分类等级集合：

1.非常健康；

2.健康；

3.正常；

4.轻微异常；

5.中度异常；

6.严重异常；

每个等级都可以使用模糊语言来描述，例如：

“非常健康”可以用模糊集合描述为“非常高”。

“健康”可以用模糊集合描述为“高”。

“正常”可以用模糊集合描述为“中等”。

“轻微异常”可以用模糊集合描述为“低”。

“中度异常”可以用模糊集合描述为“较低”。

“严重异常”可以用模糊集合描述为“非常低”。

这里的模糊语言描述了每个健康状态的隶属度。例如，对于一个特定的患者，他们可能在“健康”这个健康状态中的隶属度为0.7，而在“轻微异常”中的隶属度为0.3，这意味着他们更接近于“健康”。

模糊语言的使用有助于处理健康状况的模糊性，因为不同患者的健康状态可能不是明确的、精确的数值，而是一种模糊的概念。这种模糊描述使得模糊控制可以更好地适应不同患者的个体差异。

S33、设定分类因素对分类等级的隶属度，建立模糊关系矩阵。

隶属度表示每个分类因素对每个分类等级的归属程度。以下是建立模糊关系矩阵的步骤：

确定分类因素和分类等级：首先，确定用于分类的因素，这包括血压评估数据的各个组成部分、心电图、脉搏波和身体信息。同时，明确定义不同的分类等级，如“非常健康”、“健康”、“正常”等。

为每个分类因素定义隶属函数：对于每个分类因素，定义其隶属函数，这些函数描述了该因素对每个分类等级的隶属程度。隶属函数通常以三角形、梯形或钟形曲线的形式表示。

设定隶属度：为每个分类因素的每个分类等级确定隶属度值。这些值通常在0到1之间，表示了分类因素与分类等级之间的隶属关系。例如，对于一个收缩压的分类因素，其在“健康”等级的隶属度可能为0.8，而在“正常”等级的隶属度可能为0.4。

建立模糊关系矩阵：使用上述设定的隶属度值，构建一个模糊关系矩阵，矩阵的行表示分类因素，列表示分类等级，每个元素表示对应因素与等级之间的隶属度。

应用最大隶属度原则：在进行模糊推理时，使用最大隶属度原则来确定每个分类因素对应的分类等级。对于每个因素，选择具有最高隶属度值的分类等级作为该因素的分类等级。

S34、计算分类因素集中各个分类因素的权重，并建立权重集。

在本发明的描述中，计算分类因素集中各个分类因素的权重，并建立权重集包括以下步骤：

S341、利用层次分析法将医疗分析问题分解为目标层、准则层、指标层及等基层，分别确定各层对应的因素。

利用层次分析法（Analytic Hierarchy Process，AHP）将医疗分析问题分解为目标层、准则层、指标层及等基层，分别确定各层对应的因素如下：

一、目标层（Objective Level）：在这一层次上，总体目标是医疗用户的血压分析。这是整个问题的最高层次。

二、准则层（Criterion Level）：准则层包含影响血压分析的关键因素或准则。对于血压分析，可能包括：

收缩压与舒张压：这两个指标用于评估血压状况。

心电图：心电图的特征可能与血压有关，因此也是一个重要的准则。

脉搏波：脉搏波的特征可以提供有关血管功能的信息，也可能与血压相关。

身体信息：包括年龄、性别、身高、体重等生理特征，也可以影响血压。

三、指标层（Indicator Level）：指标层进一步细化了准则，将其分解为具体的指标或要素。例如：

收缩压；

舒张压；

心电图特征（如R-wave、Q、T、U、S-wave等）；

脉搏波特征；

年龄、性别、身高、体重等；

四、基层（Elementary Level）：基层包含最具体的因素，通常是用于具体评估的数据或信息。例如，基层可能包括每位医疗用户的实际血压值、心电图数据、脉搏波数据以及身体特征数据。

通过这种层次化的方法，可以更清晰地了解每个层次之间的关系，以及每个因素对于实现总体目标的重要性。这有助于确定各因素的权重，从而进行后续的模糊推理和医疗用户的血压分析。层次分析法还可以通过专家意见的比较来确定权重，以提高决策的客观性和准确性。

S342、依据各层次的下属层级中各因素之间两两比较的相对重要程度，向下属层级内各个因素赋予分值，得到该层次的判断矩阵。

S343、依据判断矩阵求取最大特征对应的特征向量，通过一致性检验后作为各个层次中元素各自的对应权重。

S344、求取各层次因素对上一级的相对重要度，从最上层开始，自上而下的求取各层因素关于医疗分析目标的综合重要度，并对所有分类因素进行优化排序。

S35、将分类等级集与模糊关系矩阵相乘，得到模糊综合评价结果向量。

S36、依据最大隶属度原则，对模糊综合评价结果向量进行分析，得到血压分类等级，作为医疗用户的血压分析结果。

最后，根据最大隶属度原则，确定哪个分类等级具有最高的隶属度。这个等级将被视为医疗用户的血压分析结果，反映了他们的健康状态。

S4、将实时监测得到的脉搏波、心电图及血压分析结果进行可视化展示，并依据预设预警阈值进行及时预警提醒。

综上所述，借助于本发明的上述技术方案，通过融合脉搏信号、心电信号和患者身体信息，实现了实时监测，允许连续追踪患者的血液指标变化，通过协同计算和模糊控制理论，提供更全面和准确的血压评估数据，有助于提高对患者健康状况的理解；借助模糊推理，可以精确识别并输出患者的血压分析结果，帮助医生作出更准确的诊断和治疗决策，通过可视化展示和预警功能，患者和医生可以更轻松地理解和跟踪血液指标，及时采取预防和干预措施，从而提高了医疗管理的效率和个体化程度。通过获取医疗用户的详细身体信息，包括身份、年龄、性别、身高、体重、病史和血管血液信息，为后续的血压评估提供了更全面的个人化数据，考虑了用户的生理特征；通过佩戴压电脉搏传感器和心电传感器，实时监测脉搏信号和心电信号，使连续的生理数据采集成为可能，可提供更全面的监测结果；利用血压仪获取用户的常态血压数据并建立脉搏波血压公式，提高了对血压的精确评估，考虑了不同生理特征的影响。

应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

Claims (10)

1.一种基于模糊控制的血液指标非侵入性医疗分析方法，其特征在于，该方法包括以下步骤：

S1、获取医疗用户的身体信息，通过该医疗用户佩戴的非侵入性监测传感器进行实时监测，采集脉搏信号与心电信号；

S2、将所述脉搏信号与所述心电信号进行处理，按照预留时长生成脉搏波与心电图，利用协同计算方式计算所述医疗用户的血压评估数据；

S3、依据所述血压评估数据与所述身体信息，利用基于模糊控制理论的分类识别模型进行模糊推理，输出所述医疗用户的血压分析结果；

S4、将实时监测得到的所述脉搏波、所述心电图及所述血压分析结果进行可视化展示，并依据预设预警阈值进行及时预警提醒。

2.根据权利要求1所述的一种基于模糊控制的血液指标非侵入性医疗分析方法，其特征在于，所述获取医疗用户的身体信息，通过该医疗用户佩戴的非侵入性监测传感器进行实时监测，采集脉搏信号与心电信号包括以下步骤：

S11、获取包含医疗用户身份与生理特征的身体信息，所述身体信息包括用户身份、年龄、性别、身高、体重、病史及血管血液信息；

S12、将压电脉搏传感器与心电传感器分别佩戴在所述医疗用户的手腕与胸口位置，用于采集所述医疗用户的脉搏信号与心电信号；

S13、利用血压仪测量所述医疗用户在常规状态下的常态血压数据；

S14、依据所述常态血压数据与脉搏波传导时间建立脉搏波血压公式；

S15、所述压电脉搏传感器与所述心电传感器均经过信号调整接口电路，将采集得到的所述脉搏信号与所述心电信号发送至数据处理接收端。

3.根据权利要求2所述的一种基于模糊控制的血液指标非侵入性医疗分析方法，其特征在于，所述依据所述常态血压数据与脉搏波传导时间建立脉搏波血压公式包括以下步骤：

S141、测量所述医疗用户佩戴的所述压电脉搏传感器与所述心电传感器之间的脉搏波传递距离；

S142、利用血压数据与脉搏波传导时间之间的数学关系建立脉搏波血压公式，并利用所述常态血压数据计算所述医疗用户在常规状态下的常态脉搏波传导时间，再通过实际脉搏波传导时间测量对所述脉搏波血压公式进行验证。

4.根据权利要求3所述的一种基于模糊控制的血液指标非侵入性医疗分析方法，其特征在于，所述脉搏波血压公式的表达式为：；

式中，MT表示脉搏波传导时间；

L表示脉搏波传递距离；

ρ表示血液密度；

d表示血管内径；

a表示血管壁厚度；

g表示重力加速度；

BP表示血压数据；

E表示血压为零时的弹性模量；

γ表示血管压力与弹性关系的模量。

5.根据权利要求3所述的一种基于模糊控制的血液指标非侵入性医疗分析方法，其特征在于，所述将所述脉搏信号与所述心电信号进行处理，按照预留时长生成脉搏波与心电图，利用协同计算方式计算所述医疗用户的血压评估数据包括以下步骤：

S21、对所述脉搏信号与所述心电信号进行滤波降噪预处理，分别转换为相位延迟统一的脉搏波与心电图；

S22、对所述脉搏波的顶点进行检测；

S23、对所述心电图的顶点进行检测；

S24、测量所述脉搏波与所述心电图顶点之间的脉搏波传导时间，利用所述脉搏波血压公式计算所述医疗用户的收缩压；

S25、分别对所述脉搏波与所述心电图中的谷点进行检测，测量所述脉搏波与所述心电图谷点之间的脉搏波传导时间，再利用所述脉搏波血压公式计算所述医疗用户的舒张压；

S26、将计算得到的所述收缩压与所述舒张压作为所述医疗用户当前状态下的血压评估数据。

6.根据权利要求5所述的一种基于模糊控制的血液指标非侵入性医疗分析方法，其特征在于，所述对所述脉搏信号与所述心电信号进行滤波降噪预处理，分别转换为相位延迟统一的脉搏波与心电图包括以下步骤：

S211、利用0.05Hz高通滤波器对所述心电信号进行滤波，利用0.03Hz高通滤波器对所述脉搏信号进行滤波，保证两波形具有相同的相位延迟；

S212、同时消除所述脉搏信号与所述心电信号中1s位置处的失真信号；

S213、按照可展示窗口的预留时长，将滤波消除后的所述脉搏信号与所述心电信号转换为可视化展示的脉搏波与心电图。

7.根据权利要求6所述的一种基于模糊控制的血液指标非侵入性医疗分析方法，其特征在于，所述对所述脉搏波的顶点进行检测包括以下步骤：

S221、获取所述脉搏波的波幅范围与振幅大小；

S222、设定所述脉搏波顶点所在范围及信号最低点；

S223、通过频率侦测在所述脉搏波的顶点范围内搜索脉搏波顶点。

8.根据权利要求7所述的一种基于模糊控制的血液指标非侵入性医疗分析方法，其特征在于，所述对所述心电图的顶点进行检测包括以下步骤：

S231、利用双重平方函数降低负波、正波、小波及下降波的信号幅值，增大峰值波的信号幅值，从所述心电图中提取峰值波；

S232、利用预设波形阈值搜索所述峰值波的顶点所在区域，利用斜率检测法确定所述峰值波的顶点位置。

9.根据权利要求2所述的一种基于模糊控制的血液指标非侵入性医疗分析方法，其特征在于，所述依据所述血压评估数据与所述身体信息，利用基于模糊控制理论的分类识别模型进行模糊推理，输出所述医疗用户的血压分析结果包括以下步骤：

S31、将所述血压评估数据中的收缩压与舒张压、所述心电图、所述脉搏波以及所述身体信息作为分类因素集；

S32、建立描述用户健康的分类等级集，并利用模糊语言进行模糊化；

S33、设定所述分类因素对所述分类等级的隶属度，建立模糊关系矩阵；

S34、计算所述分类因素集中各个分类因素的权重，并建立权重集；

S35、将所述分类等级集与所述模糊关系矩阵相乘，得到模糊综合评价结果向量；

S36、依据最大隶属度原则，对所述模糊综合评价结果向量进行分析，得到血压分类等级，作为所述医疗用户的血压分析结果。

10.根据权利要求9所述的一种基于模糊控制的血液指标非侵入性医疗分析方法，其特征在于，所述计算所述分类因素集中各个分类因素的权重，并建立权重集包括以下步骤：

S341、利用层次分析法将医疗分析问题分解为目标层、准则层、指标层及等基层，分别确定各层对应的因素；

S342、依据各层次的下属层级中各因素之间两两比较的相对重要程度，向下属层级内各个因素赋予分值，得到该层次的判断矩阵；

S343、依据所述判断矩阵求取最大特征对应的特征向量，通过一致性检验后作为各个层次中元素各自的对应权重；

S344、求取各层次因素对上一级的相对重要度，从最上层开始，自上而下的求取各层因素关于医疗分析目标的综合重要度，并对所有所述分类因素进行优化排序。