CN112274120A - 一种基于单路脉搏波的无创动脉硬化检测方法、装置 - Google Patents

Abstract

本发明提供了一种基于单路脉搏波的无创动脉硬化检测方法、装置，涉及动脉硬化检测领域，该方法包括：采集目标对象全身主要动脉点和其他方便测试的位置的脉搏波信号，对信号进行预处理选取特征点计算得到特征参数，再结合对象的生理信息组建动脉硬化模型特征集合，通过相关性分析筛选得到特征子集，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，进而结合具体目标对象的生理信息，对模型进行校准并完成动脉硬化的检测。本发明无创动脉硬化检测的方法更加简便准确可行。

Description

一种基于单路脉搏波的无创动脉硬化检测方法、装置

技术领域

本发明涉及动脉硬化检测领域，尤其是提供了一种基于单路脉搏波的无创动脉硬化检测方法、装置。

背景技术

心血管疾病是严重危害人类健康的重大疾病，大多数心血管疾病在后期阶段才有临床表现，而在前中期很少有机会进行检查。动脉硬化病变是大多数心血管疾病共同的病理生理基础，正是基于此，准确检测动脉硬化程度是心血管疾病防治水平的关键。

对于动脉硬化，现阶段检测动脉硬化程度的方法主要分为有创和无创两类，有创检测方法为动脉造影法，其缺点是有创且对人体有潜在伤害，只适用于中晚期筛查，不利于早期动脉硬化检测。无创动脉硬化检测方法中，主要有生化法和踝臂指数(ABI)，二者对动脉硬化的检测并不直观全面；临床主要运用影像学手段如颈动脉超声、CT扫描、核磁共振等来检测动脉结构病变，其缺点是价格昂贵、操作复杂、需要专业人员操作、不利于便携式监测等问题。基于脉搏波的无创动脉硬化检测方法逐渐成为动脉硬化检测领域的热点。传统的基于脉搏波的无创动脉硬化检测方法可以按照检测参数进行区分。其中颈股脉搏波传导速度(cfPWV)是无创评价动脉硬化的“金标准”，踝臂脉搏波传导速度(baPWV)也能在一定范围内对动脉硬化进行检测，此外还有增强指数(augmentation index,AI)以及舒张期增强指数(diastolic augmentation index,DAI)等脉搏波参数检测方法，但检测准确性有待提高。

针对现有基于脉搏波的无创动脉硬化检测方法均准确性不高的问题，目前尚未提出有效的解决方案。

发明内容

鉴于此，本发明的目的在于提供一种基于单路脉搏波的无创动脉硬化检测方法、装置，以改善现有基于脉搏波的设备对无创动脉硬化检测准确性不理想的问题。

为了实现上述目的，本发明采取的技术方案如下：

第一方面，本发明提供了一种基于单路脉搏波的无创动脉硬化检测方法，包括：

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；这里的预处理指滤波降噪，

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)，

随后在时域进行特征点提取，获取归一化处理后各个信号的主要特征点(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)，进而计算得到脉搏波时域特征参数集；

同时，基于归一化后的原始脉搏波信号在频域进行特征点提取，归一化后的原始脉搏波信号进行分帧加窗处理，随后进行离散傅里叶变换(FFT)得到信号的功率谱，在脉搏波相关频段内，引入数字滤波器组对功率谱进行滤波处理，随后进行对数运算，最后经离散余弦变换(DCT)得到脉搏波倒谱系数；将这些脉搏波倒谱系数纳入脉搏波频域特征参数集，进而获得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，与归一化处理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(脉搏波传导时间PWTT)组建动脉硬化模型特征集合；

通过相关性分析筛选动脉硬化模型特征集合中的特征数据得到特征子集；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；

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，即可完成无创动脉硬化的检测，输出检测结果。

进一步，上述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，采集其中一处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，保证测试结果的准确度，提升用户使用体验；

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测试的位置，如：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、脚趾末端等；

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、袖套以及手表或者手环等固定方式，固定装置内嵌两种传感器，与被测试者皮肤紧密接触，保证测量结果的精确度。优选采集腕部的桡动脉做成手环式，或者采集肱动脉做成袖带式

利用采集的脉搏波信号对信号进行预处理的步骤，包括：

利用巴特沃斯带通滤波器对脉搏波信号进行滤波，滤除高频噪声；

利用小波变换对脉搏波信号进行小波的分解和重构，滤除低频噪声，去除基线漂移。

上述在时域进行特征点提取的步骤，包括：

利用一阶差分、二阶差分、三阶差分阈值算法和小波变换相结合，对预处理后并归一化的原始脉搏波信号、一阶差分脉搏波信号、二阶差分脉搏波信号进行特征点检测，进而获取时域特征点位置(这里的位置指的是特征点的横纵坐标)，得到脉搏波时域特征参数集。

脉搏波时域特征点位置指预处理后并归一化的三种脉搏波信号的起点、波峰、波谷以及原始脉搏波信号中重搏波的波峰和波谷的横纵坐标，即主要特征点。

脉搏波时域特征参数集包括：

1)时间参数：脉搏周期时间T、主波上升时间T1、起点到重搏波波谷时间T2、重搏波波谷到终点时间T3、重搏波波谷同高度处主波峰时间T4、血管硬度指数T4/T、心搏速率系数T2/T3、心肌收缩系数T1/T、心搏输出系数(T2-T1)/T、一阶差分信号与二阶差分信号起点时间差、一阶差分信号波谷到终点的时间间隔、二阶差分信号波谷到终点的时间间隔；

2)斜率参数：上升支斜率AS、下降支斜率DS；

3)幅度参数：上升支幅度差AID、下降支幅度差DID、主波峰到起点幅度H1、重搏波到起点幅度H2、外周阻力系数H2/H1、重搏波波谷幅度、波峰和重搏波幅值差与波峰和波谷幅值差之比、波峰幅度与起点幅度之比、波峰幅度与波谷幅度之比；

4)面积参数：上升支面积AA、下降支面积DA、上升支与下降支面积比；

5)其他参数：心率、血氧、增长指数AI、舒张期增长指数DAI。

上述脉搏波频域特征参数集的获取步骤包括：

1)对预处理后的原始脉搏波信号A进行归一化得到归一化A1信号并分帧、预加重、加窗处理得到时域脉搏波信号片段x(n)，其FFT变换公式如下：

其中k＝0,…,N-1表示FFT运算时对应的频点；此处的n＝0，1，…，N-1，指时域信号，k代表频率点；N为所分帧的数量；j是虚数单位，j²＝-1

2)在脉搏波相关频段内(如0.5Hz-5Hz)，引入M组数字滤波器(M一般取16-32)，每个滤波器的频率响应为H_m(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S_m，最后经离散余弦变换(DCT)得到静态脉搏波倒谱系数C(l)；

其中l＝1,…,L，l表示脉搏波倒谱系数的阶数，L的取值与脉搏波主频域宽度有关，一般取8-16，

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。

上述引入目标对象的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(心脏病、高血压、糖尿病、血脂异常等)。

上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，可通过实验拟合得到或通过经验设置，在已知踝臂指数、颈股脉搏波传导速度、踝臂脉搏波传导速度情况下可计算出相应的参考动脉硬化程度。

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的步骤，包括：

1)利用互信息理论，计算动脉硬化模型特征集合中每个特征参数与参考动脉硬化程度的互信息相关度，并进行排序，互相关公式如下：

其中x、y分别代表两个随机变量，X、Y是动脉硬化模型特征集合，I(X；Y)≥0代表二者的互相关程度，越大代表二者相关度越高；p(x)p(y)代表x、y的概率分布、p(x,y)代表x、y的联合概率分布；

2)根据最小冗余最大相关(mRMR)准则，最大化特征参数与参考动脉硬化程度的相关性，最小化特征参数之间的相关性，筛选得到当前目标对象对应所对应的特征子集。

建立神经网络模型和机器学习算法构成的动脉硬化模型框架，将特征子集作为输入，参考动脉硬化程度作为输出，并利用不同目标对象所对应的特征子集训练得到基于特征子集的动脉硬化模型，不同目标对象的数量无限多(本实施例中挑选不同高矮、胖瘦、性别、年龄BMI、是否吸烟、不同慢性病史(心脏病、高血压、糖尿病、血脂异常)的多个目标对象进行训练(一般取1000以上的用户量，数据量可以来自公共数据库如：MIMIC或者其他医疗数据提供的机构)，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。

第二方面，本发明提供了一种基于单路脉搏波的无创动脉硬化检测装置，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(脉搏波传导时间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，以目标对象对应特征子集作为输入，输出动脉硬化检测结果。

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、袖套以及手表或者手环。一套检测装置中可以有多种不同形态的固定装置，根据使用者使用习惯，可自行选择方便的一种进行信号采集。

与现有技术相比，本发明的有益效果是：

本发明主要基于脉搏波信号对动脉硬化进行评估，采集方式上由于制作模型时输入很多脉搏波采集点采集的数据，在后期使用时对于脉搏波采集点不局限于某个固定点，因此本发明的信号采集模块具体实现方式有多种，腕带式、耳夹式、袖带式、指夹式等等，通过无线或者有线的方式与动脉硬化检测模块进行数据传输，信息录入模块和动脉硬化检测模块可以集成到智能手机等便携设备上，因此本发明在采集和实现过程更加方便、便携。

本发明待基于特征子集的动脉硬化模型训练完成，便可应用于动脉硬化检测，所以用户患者使用过程中，只需输入生理信息和健康信息、然后佩戴好即可自动测量。

本发明准确度高于传统基于脉搏波的动脉硬化评估方法，传统动脉硬化评估方法提取的脉搏波参数较少，精确度较低。

本发明的方法创新在于在前人评估动脉硬化基础上，将基于脉搏波测动脉硬化整合，用于动脉硬化的测量，本发明采集身体任一动脉部位的数据结合人体自身的生理和健康信息等形成更多特征参数的特征集合，利用构成的特征集合再去筛选满足当前使用者的重要相关特征子集，综合评估动脉硬化程度，考虑因素全面、严谨，能够更加精确的描述动脉硬化。

本发明可以根据任一动脉采样点进行检测，具有多个备选采集点，比如本发明从颈动脉、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、脚趾末端等备选采集点中选择一处进行采集，使用方便，精度高。

本专利利用M组数字滤波器对功率谱进行滤波，共获取3*L个倒谱特征作为频域特征参数集，本专利获取频域信息更完善；

本专利创新性的运用AS＝a*ABI+b*cfPWV+c*baPWV作为动脉硬化的程度，作为标准输出，用于模型的训练。

本发明做成固定装置方式佩戴方便，无需专业人员操作，只需按照说明书指示正确佩戴并输入相关生理信息和健康信息即可完成，对于身体主要部位的动脉硬化程度均能进行评估，且评估精度较高，应用范围更广，使用约束更少。

本公开的其他特征和优点将在随后的说明书中阐述，或者，部分特征和优点可以从说明书推知或毫无疑义地确定，或者通过实施本公开的上述技术即可得知。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例所提供的一种基于单路脉搏波的无创动脉硬化检测方法的工作流程示意图；

图2为本发明实施例所提供的一种信号采集示意图；

图3为本发明实施例所提供的一种基于单路脉搏波的无创动脉硬化检测装置的程序模块示意图。

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，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

传统的基于脉搏波的无创动脉硬化检测方法可以按照检测参数进行区分。其中颈股脉搏波传导速度(cfPWV)是无创评价动脉硬化的“金标准”，踝臂脉搏波传导速度(baPWV)也能在一定范围内对动脉硬化进行检测，此外还有增强指数(augmentation index,AI)以及舒张期增强指数(diastolic augmentation index,DAI)等脉搏波参数检测方法，但检测准确性有待提高。

为改善上述问题，本发明实施例提供的一种基于单路脉搏波的无创动脉硬化检测方法、装置，该技术可应用于穿戴式设备，也可应用于与信号采集器相连接的终端设备中，用于检测动脉硬化程度。该技术可采用相应的硬件和软件实现，以下对本发明实施例进行详细介绍。

实施例一：

本实施例提供了一种无创动脉硬化检测方法，该方法可以由动脉硬化检测装置执行，该动脉硬化检测装置可以为便携式设备，在一种实施方式中，该动脉硬化检测装置为穿戴式设备，在另一种实施方式中，该动脉硬化检测装置为包括信号采集器和处理器的便携终端，信号采集器和处理器可以集成设置，也可以物理分离设置，在实际应用中，该处理器还可以采用手机、平板电脑等，均可实现便携式检测。

如图1，本发明的所示一种检测动脉硬化程度的方法流程图，具体包括以下步骤：

S1：采集目标对象身体多部位脉搏波信号中的一处脉搏波信号；

S2：对采集的脉搏波信号进行预处理；

S3-1：对预处理后的原始脉搏波信号进行求导获得一阶差分脉搏波信号、二阶差分脉搏波信号，然后对三种信号分别进行归一化处理，在时域上进行特征点提取进而计算得到脉搏波时域特征参数集；

S3-2：基于预处理后的原始脉搏波信号进行归一化处理后，在频域进行特征点提取，进而计算得到脉搏波频域特征参数集；

S3-3：利用归一化后的二阶差分脉搏波信号和原始脉搏波信号比较，计算得到脉搏波传导时间PWTT；

S3-4：引入目标对象的主要生理信息和健康信息；

S4：组建动脉硬化模型特征集合；

S5：通过相关性分析筛选得到特征子集；

S6：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；

S7：结合目标对象的生理信息和健康信息，对基于特征子集的动脉硬化模型进行校准并输出动脉硬化检测值。

步骤S1中，采集全身主要动脉点和其他方便测试的位置的脉搏波信号的步骤，包括：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，保证测试结果的准确度，提升用户使用体验；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测试的位置，参见图2所示的一种信号采集示意图，如：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、脚趾末端等；对多种传感器进行固定的方式，包括：头带、腕带、袖带、指夹、耳夹、手套、袖套以及手表或者手环的固定方式，固定装置内嵌多种传感器，与被测试者皮肤紧密接触，保证测量结果的精确度。信号采集器的信号采样率可以不小于1000Hz。

步骤S2中，对采集的脉搏波信号进行预处理的步骤，包括：利用巴特沃斯带通滤波器对脉搏波信号进行滤波，滤除高频噪声；利用小波变换对脉搏波信号进行小波的分解和重构，滤除低频噪声，去除基线漂移。

步骤S3-1中，在时域对脉搏波信号进行特征点识别提取的步骤，包括：利用一阶差分、二阶差分、三阶差分阈值算法和小波变换相结合，对预处理后并归一化的原始脉搏波信号、一阶差分脉搏波信号、二阶差分脉搏波信号进行奇点检测进而获取时域特征点位置。脉搏波时域信号的特征点包括归一化后的三种脉搏波信号的起点、波峰、波谷以及原始脉搏波信号中重搏波的波峰和波谷。

步骤S3-1中，根据脉搏波时域特征点计算得到脉搏波时域特征参数集的步骤，包括：

1)时间参数：脉搏周期时间T、主波上升时间T1、起点到重搏波波谷时间T2、重搏波波谷到终点时间T3、重搏波波谷同高度处主波峰时间T4、血管硬度指数T4/T、心搏速率系数T2/T3、心肌收缩系数T1/T、心搏输出系数(T2-T1)/T、一阶差分信号与二阶差分信号起点时间差、一阶差分信号波谷到终点的时间间隔、二阶差分信号波谷到终点的时间间隔；

2)斜率参数：上升支斜率AS、下降支斜率DS；

3)幅度参数：上升支幅度差AID、下降支幅度差DID、主波峰到起点幅度H1、重搏波到起点幅度H2、外周阻力系数H2/H1、重搏波波谷幅度、波峰和重搏波幅值差与波峰和波谷幅值差之比、波峰幅度与起点幅度之比、波峰幅度与波谷幅度之比；

4)面积参数：上升支面积AA、下降支面积DA、上升支与下降支面积比；

5)其他参数：心率、血氧、增长指数AI、舒张期增长指数DAI。

步骤S3-2中，获取脉搏波频域特征参数集的步骤，包括：

1)对预处理后的原始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，并对其进行FFT变换；

2)在脉搏波相关频段内(如0.5Hz-5Hz)，引入M组数字滤波器，每个滤波器的频率响应为H_m(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S_m，最后经离散余弦变换(DCT)得到脉搏波倒谱系数C(l)；

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。

步骤S3-4中，上述引入目标对象的主要生理信息和健康信息的步骤，包括：性别、年龄、身高、体重、BMI、是否吸烟、慢性病史(心脏病、高血压、糖尿病、血脂异常等)。

步骤S5中，上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。

步骤S5中，上述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，筛选得到特征子集的步骤，包括：利用互信息理论，计算动脉硬化模型特征集合中每个特征参数与参考动脉硬化程度的互信息相关度，并进行排序，互相关公式如下：

根据最小冗余最大相关(mRMR)准则，最大化特征参数与参考动脉硬化程度的相关性，最小化特征参数之间的相关性；筛选得到特征子集。

步骤S6中，进一步，上述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的步骤，包括：

基于机器学习算法，训练得到动脉硬化模型AS₁；基于神经网络模型，训练得到动脉硬化模型AS₂；动脉硬化模型为：AS＝d*AS₁+e*AS₂，其中d、e为权值系数。

实施例二：

对于实施例一所提供的无创动脉硬化检测方法，本发明实施例还提供了一种无创动脉硬化检测装置，参见图3所示的一种动脉硬化程度的检测装置的结构示意图，包括以下模块：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，加载有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。

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(如MAX30102)和一个压力传感器(如SBT674微型压力传感器)；固定装置为头带、腕带、袖带、指夹、耳夹、手套、袖套以及手表或者手环。一个固定装置可以为一个信号采集器。

本实施例所提供的装置，其实现原理及产生的技术效果和前述实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

本发明未述及之处适用于现有技术。

Claims (7)

1.一种基于单路脉搏波的无创动脉硬化检测方法，其特征在于，该方法包括以下步骤：

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；

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；

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；

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；

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；

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；

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；

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所述的检测方法，其特征在于，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，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、袖套以及手表或者手环的固定方式。

3.根据权利要求1所述的检测方法，其特征在于，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H_m(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S_m，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。

4.根据权利要求1所述的方法，其特征在于，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。

5.根据权利要求1所述的方法，其特征在于，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。

6.一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。

7.根据权利要求6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、袖套以及手表或者手环。

Images