CN120203544A - 血压预测方法、装置及电子设备 - Google Patents

Abstract

本公开涉及一种血压预测方法、装置及电子设备，其中，该方法包括：获取预设时间长度内的光电容积脉搏波描记法信号、心电图信号和心音信号；基于所述预设时间长度内的每一个心动周期，确定光电容积脉搏波描记法信号中关键特征点所在时刻、所述心电图信号中关键特征点所在时刻和所述心音信号中关键特征点所在时刻；根据各心动周期的光电容积脉搏波描记法信号中关键特征点所在时刻、所述心电图信号中关键特征点所在时刻和所述心音信号中关键特征点所在时刻，确定各心动周期内所有两两组合的信号中关键特征点之间的时间差；根据所述各心动周期内所有两两组合的信号中关键特征点之间的时间差，预测得到当前血压值。

Description

血压预测方法、装置及电子设备

技术领域

本公开涉及血压监测技术，更具体地，涉及一种血压预测方法、装置及电子设备。

背景技术

血压是血液在单位面积上对血管壁所产生力量的测量值，是人体生理健康重要的指标之一。血压的变化特征反映了人体心血管系统的状态，因此血压的监测对许多心血管疾病的诊断和治疗至关重要。

常用的血压测量方法有听诊法、示波法、动脉内直接测量法、光电容积描记法等。水银血压计是听诊法的代表，这种方法通过充气袖带压迫动脉阻断血流，在袖带放气过程中通过监听血流恢复时产生的柯氏音完成一次完整的测量。这种方法虽然准确率高，但操作复杂，受操作者主观判断影响较大，且无法实现连续实时测量。臂式电子血压计以示波法为基础，同样需借助袖带充气来阻断动脉血流，之后在放气过程中检测袖带内的气体压力并提取微弱的脉搏波，进而根据脉搏波幅度与袖带压力之间的关系来估计血压。动脉内直接测量法通过插入动脉导管直接测量血压，尽管测量结果准确，但仅适用于重症监护，这种侵入性操作存在感染和血栓风险，不适合日常使用。

以光电容积描记法为代表的生理信号分析方法具有无创、便携、可实时连续监测等优点。这种方法通过提取特征参数，并分析血压值与特征参数之间的相关性，进而预测出血压值。目前这种方法，提取出的特征参数为脉搏波传导时间PWTT(Pulse Wave TransitTime)，特征参数较为单一，仅利用PWTT这一参数预测血压时，影响血压预测的准确性。

发明内容

本发明的一个目的是提供一种血压预测方法的新技术方案。

根据本发明的第一方面，提供了一种血压预测方法，包括：

获取预设时间长度内的光电容积脉搏波描记法信号、心电图信号和心音信号；

基于所述预设时间长度内的每一个心动周期，确定光电容积脉搏波描记法信号中关键特征点所在时刻、所述心电图信号中关键特征点所在时刻和所述心音信号中关键特征点所在时刻；

根据各心动周期的光电容积脉搏波描记法信号中关键特征点所在时刻、所述心电图信号中关键特征点所在时刻和所述心音信号中关键特征点所在时刻，确定各心动周期内所有两两组合的信号中关键特征点之间的时间差；

根据所述各心动周期内所有两两组合的信号中关键特征点之间的时间差，预测得到当前血压值。

可选的，所述光电容积脉搏波描记法信号中关键特征点为收缩峰峰值点、谷值点，所述心电图信号中关键特征点为波峰值点，所述心音信号中关键特征点为第一心音峰值点和第二心音峰值点。

可选的，基于每一个心动周期，所述光电容积脉搏波描记法信号中关键特征点与所述心电图信号中关键特征点之间的时间差为波峰值点与收缩峰峰值点之间的时间差、波峰值点与谷值点之间的时间差，

所述光电容积脉搏波描记法信号中关键特征点与所述心音信号中关键特征点之间的时间差为第一心音峰值点与收缩峰峰值点之间的时间差、第一心音峰值点与谷值点之间的时间差、第二心音峰值点与收缩峰峰值点之间的时间差、第二心音峰值点与谷值点之间的时间差，

所述心电图信号中关键特征点与所述心音信号中关键特征点之间的时间差为波峰值点与第一心音峰值点之间的时间差、波峰值点与第二心音峰值点之间的时间差。

可选的，所述根据所述各心动周期内所有两两组合的信号中关键特征点之间的时间差，预测得到当前血压值，包括：

根据各心动周期内所有两两组合的信号中关键特征点之间的时间差，确定所有两两组合的信号中关键特征点之间的时间差的统计学特征值，其中，所述统计学特征值为均值、标准差、最大值、最小值、中值、峰度、偏度、变异系数中至少两项；

根据所述所有两两组合的信号中关键特征点之间的时间差的统计学特征值和对应的回归模型拟合系数，预测得到当前血压值。

可选的，所述方法还包括：

获取历史心动周期对应的所有两两组合的信号中关键特征点之间的时间差的统计学特征值和历史心动周期对应的实际血压值；

基于线性回归模型，根据历史心动周期对应的所有两两组合的信号中关键特征点之间的时间差的统计学特征值和历史心动周期对应的实际血压值，确定各回归模型拟合系数。

可选的，所述方法还包括：

确定所有两两组合的信号中关键特征点之间的时间差的各统计学特征值与血压值的相关系数；

基于所有两两组合的信号，获得相关系数超过预设阈值对应的统计学特征值；其中，

所述根据所述所有两两组合的信号中关键特征点之间的时间差的统计学特征值和对应的回归模型拟合系数，预测得到当前血压值，包括：

根据所述所有两两组合的信号中相关系数超过预设阈值对应的统计学特征值和对应的回归模型拟合系数，预测得到当前血压值。

可选的，在所述基于所述预设时间长度内的每一个心动周期，确定光电容积脉搏波描记法信号中关键特征点所在时刻、所述心电图信号中关键特征点所在时刻和所述心音信号中关键特征点所在时刻之前，所述方法还包括：

分别对预设时间长度内的光电容积脉搏波描记法信号、心电图信号和心音信号进行归一化处理和滤波处理，得到处理后的电容积脉搏波描记法信号、心电图信号和心音信号。

根据本发明的第二方面，提供了一种血压预测装置，包括：

获取模块，用于获取预设时间长度内的光电容积脉搏波描记法信号、心电图信号和心音信号；

关键特征点确定模块，用于基于所述预设时间长度内的每一个心动周期，确定光电容积脉搏波描记法信号中关键特征点所在时刻、所述心电图信号中关键特征点所在时刻和所述心音信号中关键特征点所在时刻；

时间差确定模块，用于根据各心动周期的光电容积脉搏波描记法信号中关键特征点所在时刻、所述心电图信号中关键特征点所在时刻和所述心音信号中关键特征点所在时刻，确定各心动周期内所有两两组合的信号中关键特征点之间的时间差；

血压值预测模块，根据所述各心动周期内所有两两组合的信号中关键特征点之间的时间差，预测得到当前血压值。

根据本发明的第三方面，提供了一种血压预测装置，包括存储器和处理器，所述存储器存储计算机程序，所述计算机程序用于控制所述处理器进行操作以执行根据第一方面中任意一项所述的方法。

根据本发明的第四方面，提供了一种电子设备，包括如第二方面或第三方面所述的血压预测装置、用于采集光电容积脉搏波描记法信号的传感器、用于采集心电图信号的传感器和用于采集心音信号的传感器，其中，

所述用于采集光电容积脉搏波描记法信号的传感器、所述用于采集心电图信号的传感器和所述用于采集心音信号的传感器均与所述血压预测装置连接。

本发明提供的血压预测方法，通过光电容积脉搏波描记法信号、心电图信号和心音信号，从这三路信号中的两两组合信号中，确定关键特征点之间的时间差，能够全面地反映血压值，减少单一信号的局限性，提高血压值预测的准确性。

通过以下参照附图对本说明书的示例性实施例的详细描述，本说明书的实施例的特征及其优点将会变得清楚。

附图说明

被结合在说明书中并构成说明书的一部分的附图示出了本说明书的实施例，并且连同其说明一起用于解释本说明书实施例的原理。

图1是根据本发明一个实施例的血压预测方法的流程示意图。

图2是根据本发明一个实施例的三类不同信号的示意图。

图3是根据本发明一个实施例的基于三类不同信号预测得到血压值的流程示意图。

图4是根据本发明一个实施例的血压预测装置的结构示意图。

图5是根据本发明一个实施例的血压预测装置的结构示意图。

图6是根据本发明一个实施例的电子设备的结构示意图。

具体实施方式

现在将参照附图来详细描述本说明书的各种示例性实施例。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本说明书实施例及其应用或使用的任何限制。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

在本发明的一个实施例中，提供了一种血压预测方法。根据图1所示，本实施例的血压预测方法包括如下步骤S110～S140。

步骤S110，获取预设时间长度内的光电容积脉搏波描记法信号、心电图信号和心音信号。

预设时间长度可以根据用户需求进行设置。预设时间长度至少包括两个完整的心动周期。心动周期是指心脏完成一次完整搏动过程的时间，包括心脏收缩和舒张两个阶段。

光电容积脉搏波描记法信号(Photoplethysmography Signal，PPG)、心电图信号(Electrocardiogram Signal，ECG)和心音信号(Phonocardiogram Signal，PCG)分别由对应的传感器采集得到。

步骤S120，基于预设时间长度内的每一个心动周期，确定光电容积脉搏波描记法信号中关键特征点所在时刻、心电图信号中关键特征点所在时刻和心音信号中关键特征点所在时刻。

光电容积脉搏波描记法信号中关键特征点为收缩峰峰值点、谷值点。心电图信号中关键特征点为波峰值点。心音信号中关键特征点为第一心音峰值点和第二心音峰值点。每一类信号中关键特征点，在医学领域上具有明确的含义，易于检测和提取，可以减少噪声干扰导致的结果偏差，为后续的血压预测提供准确的数据基础。

图2是根据本发明一个实施例的光电容积脉搏波描记法信号、心电图信号和心音信号的示意图。根据图2所示，基于每一个心动周期，PPG中关键特征点包括一个收缩峰峰值点(Peak)和一个谷值点(Onset)，ECG中关键特征点包括一个波峰值点(R)，PCG中关键特征点包括一个第一心音峰值点(S1)和一个第二心音峰值点(S2)。

步骤S130，根据各心动周期的光电容积脉搏波描记法信号中关键特征点所在时刻、心电图信号中关键特征点所在时刻和心音信号中关键特征点所在时刻，确定各心动周期内所有两两组合的信号中关键特征点之间的时间差。

基于每一个心动周期，光电容积脉搏波描记法信号中关键特征点与心电图信号中关键特征点之间的时间差为波峰值点与收缩峰峰值点之间的时间差、波峰值点与谷值点之间的时间差。结合图2，波峰值点与收缩峰峰值点之间的时间差记作为T_{R to Peak}，波峰值点与谷值点之间的时间差记作为T_{R to Onset}。

基于每一个心动周期，光电容积脉搏波描记法信号中关键特征点与心音信号中关键特征点之间的时间差为第一心音峰值点与收缩峰峰值点之间的时间差、第一心音峰值点与谷值点之间的时间差、第二心音峰值点与收缩峰峰值点之间的时间差、第二心音峰值点与谷值点之间的时间差。结合图2，第一心音峰值点与收缩峰峰值点之间的时间差记作为T_{S1 to Peak}，第一心音峰值点与谷值点之间的时间差记作为T_{S1 to Onset}，第二心音峰值点与收缩峰峰值点之间的时间差记作为T_{S2 to Peakt}，第二心音峰值点与谷值点之间的时间差记作为T_{S2 to Onset}。

基于每一个心动周期，心电图信号中关键特征点与心音信号中关键特征点之间的时间差为波峰值点与第一心音峰值点之间的时间差、波峰值点与第二心音峰值点之间的时间差。结合图2，波峰值点与第一心音峰值点之间的时间差记作为T_{R to S1}，波峰值点与第二心音峰值点之间的时间差记作为T_{R to S2}。

步骤S140，根据各心动周期内所有两两组合的信号中关键特征点之间的时间差，预测得到当前血压值。

在一些实施例中，步骤S140具体包括步骤S141～S142。

步骤S141，根据各心动周期内所有两两组合的信号中关键特征点之间的时间差，确定所有两两组合的信号中关键特征点之间的时间差的统计学特征值，其中，统计学特征值为均值、标准差，最大值，最小值，中值，峰度，偏度，变异系数中至少两项。这样可以从多个维度，从隐藏在所有两两组合的信号中关键特征点之间的时间差中挖掘出与血压值相关的有用信息，提高血压值预测的准确性。

基于每一个心动周期，共获得8类时间差，即T_{R to Peak}、T_{R to Onset}、T_{S1 to Peak}、T_{S1 to Onset}、T_{S2 to Peakt}、T_{S2 to Onset}、T_{R to S1}、T_{R to S2}。在预设时间长度内，基于上述每一类时间差，得到多个数值。基于上述每一类时间差，确定统计学特征值。

步骤S142，根据所有两两组合的信号中关键特征点之间的时间差的统计学特征值和对应的回归模型拟合系数，预测得到当前血压值。

通过所有两两组合的信号中关键特征点之间的时间差的统计学特征值和对应的回归模型拟合系数，计算得到血压值，可以实现无创无损、实时连续的血压监测，方便用户日常使用，提升用户体验。

具体地，基于以下计算式，预测得到当前血压值，

其中，BP_pre为预测得到的当前血压值，F_i为所有两两组合的信号中关键特征点之间的时间差的某一个统计学特征值，n为所有统计学特征值的数量，S_i为所有两两组合的信号中关键特征点之间的时间差的某一个统计学特征值对应的回归模型拟合系数，ε为误差项。

在统计学特征值包括均值、标准差、最大值、最小值、中值、峰度、偏度、变异系数时，结合上述计算式，F_i包括T_{R to Peak}对应的均值、标准差、最大值、最小值、中值、峰度、偏度、变异系数，T_{R to Onset}对应的均值、标准差、最大值、最小值、中值、峰度、偏度、变异系数，T_{S1 to Peak}对应的均值、标准差、最大值、最小值、中值、峰度、偏度、变异系数，T_{S1 to Onset}对应的均值、标准差、最大值、最小值、中值、峰度、偏度、变异系数，T_{S2 to Peakt}对应的均值、标准差、最大值、最小值、中值、峰度、偏度、变异系数，T_{S2 to Onset}对应的均值、标准差、最大值、最小值、中值、峰度、偏度、变异系数，T_{R to S1}对应的均值、标准差、最大值、最小值、中值、峰度、偏度、变异系数，T_{R to S2}对应的均值、标准差、最大值、最小值、中值、峰度、偏度、变异系数。上述每一个特征值对应的回归模型拟合系数为预存值，可以直接获得。

本发明实施例提供的血压预测方法，通过光电容积脉搏波描记法信号、心电图信号和心音信号，从这三路信号中的两两组合信号中，确定关键特征点之间的时间差，能够全面地反映血压值，减少单一信号的局限性，提高血压值预测的准确性。

对于步骤S110～S140示出的血压预测方法的处理流程，可结合图3示出的示意图进行理解。

根据图3所示，通过光电容积脉搏波描记法信号采集模块、心电图信号采集模块和心音信号采集模块，分别采集得到PPG信号、ECG信号和PCG信号。光电容积脉搏波描记法信号采集模块、心电图信号采集模块和心音信号采集模块可为对应的传感器。

对于PPG信号，基于每一个心动周期，确定收缩峰峰值点(Peak)所在时刻和谷值点(Onset)所在时刻。对于ECG信号，基于每一个心动周期，确定波峰值点(R)所在时刻。对于PCG信号，基于每一个心动周期，确定第一心音峰值点(S1)所在时刻和第二心音峰值点(S2)所在时刻。

基于每一个心动周期，确定波峰值点与收缩峰峰值点之间的时间差T_{R to Peak}、波峰值点与谷值点之间的时间差T_{R to Onset}。每一个心动周期对应的T_{R to Peak}、T_{R to Onset}，形成PAT序列。

基于每一个心动周期，确定第一心音峰值点与收缩峰峰值点之间的时间差T_{S1 to Peak}、第一心音峰值点与谷值点之间的时间差T_{S1 to Onset}、第二心音峰值点与收缩峰峰值点之间的时间差T_{S2 to Peakt}、第二心音峰值点与谷值点之间的时间差记T_{S2 to Onset}。每一个心动周期对应的T_{S1 to Peak}、T_{S1 to Onset}、T_{S2to Peakt}、T_{S2 to Onset}，形成PTT序列。

基于每一个心动周期，确定波峰值点与第一心音峰值点之间的时间差T_{R to S1}、波峰值点与第二心音峰值点之间的时间差T_{R to S2}。每一个心动周期对应的T_{R to S1}、T_{R to S2}，形成PEP序列。

PAT序列包括两类时间差，PTT序列包括四类时间差，PEP序列包括两类时间差。基于每一类时间差，确定对应的统计学特征值。根据每一类时间差对应的统计学特征值和对应的回归模型拟合系数，预测得到当前血压值。

在一些实施例中，每一个特征值对应的回归模型拟合系数可以基于以下方式确定：获取历史心动周期对应的所有两两组合的信号中关键特征点之间的时间差的统计学特征值和历史心动周期对应的实际血压值；基于线性回归模型，根据历史心动周期对应的所有两两组合的信号中关键特征点之间的时间差的统计学特征值和历史心动周期对应的实际血压值，确定各回归模型拟合系数。需要说明的是，利用多组历史心动周期，确定各回归模型拟合系数，每一组历史心动周期包括多个连续的历史心动周期。

具体地，基于以下计算式组成的方程组，计算得到各回归模型拟合系数，

其中，BP_act为实际血压值，F_i为某一组历史心动周期对应的所有两两组合的信号中关键特征点之间的时间差的统计学特征值，S_i为待求对应的回归模型拟合系数，ε为误差项。

在一些实施例中，该方法还包括：确定所有两两组合的信号中关键特征点之间的时间差的统计学特征值与血压值的相关系数；基于所有两两组合的信号，获得相关系数超过预设阈值对应的统计学特征值。

例如，基于上述三类信号PPG、ECG和PCG，共获得8类时间差，即T_{R to Peak}、T_{R to Onset}、T_{S1 to Peak}、T_{S1 to Onset}、T_{S2 to Peakt}、T_{S2 to Onset}、T_{R to S1}、T_{R to S2}。基于每一类时间差，确定对应的均值、标准差，最大值，最小值，中值，峰度，偏度，变异系数。基于每一类时间差中各统计学特征值，分别确定与血压值的相关系数。相关系数越大，说明该类时间差中对应的统计学特征值与血压值的相关性越大，保留与血压值相关性较大的统计学特征值，剔除与血压值相关性较小的统计学特征值，以提高血压预测的准确性。

基于每一类时间差中各统计学特征值与血压值的相关系数可以为皮尔逊相关系数，还可以为其他相关系数。

在本实施例中，步骤S140具体包括：根据所有两两组合的信号中相关系数超过预设阈值对应的统计学特征值和对应的回归模型拟合系数，预测得到当前血压值。

以T_{R to Peak}这一类时间差为例，确定对应的均值、标准差，最大值，最小值，中值，峰度，偏度，变异系数。T_{R to Peak}对应的均值、标准差，最大值，最小值与血压值的相关性超过预设阈值，T_{R to Peak}对应的中值，峰度，偏度，变异系数与血压值的相关性未超过预设阈值，那么基于T_{R to Peak}这一类时间差，参与预测当前血压值的统计学特征值为对应的均值、标准差、最大值、最小值。对于其他类时间差同理，不做过多赘述。

在一些实施例中，在步骤S120执行之前，该方法还包括：分别对预设时间长度内的光电容积脉搏波描记法信号、心电图信号和心音信号进行归一化处理和滤波处理，得到处理后的电容积脉搏波描记法信号、心电图信号和心音信号。具体地，可以使用不同滤波范围的巴特沃斯滤波器滤除影响信号质量的噪声和伪影，提高信号的整体质量。巴特沃斯滤波器包括但不限于高通滤波器、低通滤波器和带通滤波器。

本发明的一个实施例提供了一种血压预测装置。根据图4所示，血压预测装置400包括获取模块410、关键特征点确定模块420、时间差确定模块430和血压值预测模块440。

获取模块410用于获取预设时间长度内的光电容积脉搏波描记法信号、心电图信号和心音信号。

关键特征点确定模块420用于基于预设时间长度内的每一个心动周期，确定光电容积脉搏波描记法信号中关键特征点所在时刻、心电图信号中关键特征点所在时刻和心音信号中关键特征点所在时刻。

时间差确定模块430用于根据各心动周期的光电容积脉搏波描记法信号中关键特征点所在时刻、心电图信号中关键特征点所在时刻和心音信号中关键特征点所在时刻，确定各心动周期内所有两两组合的信号中关键特征点之间的时间差。

血压值预测模块440用于根据各心动周期内所有两两组合的信号中关键特征点之间的时间差，预测得到当前血压值。

在一些实施例中，光电容积脉搏波描记法信号中关键特征点为收缩峰峰值点、谷值点，心电图信号中关键特征点为波峰值点，心音信号中关键特征点为第一心音峰值点和第二心音峰值点。

在一些实施例中，基于每一个心动周期，光电容积脉搏波描记法信号中关键特征点与心电图信号中关键特征点之间的时间差为波峰值点与收缩峰峰值点之间的时间差、波峰值点与谷值点之间的时间差，

光电容积脉搏波描记法信号中关键特征点与心音信号中关键特征点之间的时间差为第一心音峰值点与收缩峰峰值点之间的时间差、第一心音峰值点与谷值点之间的时间差、第二心音峰值点与收缩峰峰值点之间的时间差、第二心音峰值点与谷值点之间的时间差，

心电图信号中关键特征点与心音信号中关键特征点之间的时间差为波峰值点与第一心音峰值点之间的时间差、波峰值点与第二心音峰值点之间的时间差。

在一些实施例中，血压值预测模块440用于根据各心动周期内所有两两组合的信号中关键特征点之间的时间差，确定所有两两组合的信号中关键特征点之间的时间差的统计学特征值，其中，统计学特征值为均值、标准差、最大值、最小值、中值、峰度、偏度、变异系数中至少两项；根据所有两两组合的信号中关键特征点之间的时间差的统计学特征值和对应的回归模型拟合系数，预测得到当前血压值。

在一些实施例中，该装置还包括回归模型拟合系数确定模块。

回归模型拟合系数确定模块用于获取历史心动周期对应的所有两两组合的信号中关键特征点之间的时间差的统计学特征值和历史心动周期对应的实际血压值；基于线性回归模型，根据历史心动周期对应的所有两两组合的信号中关键特征点之间的时间差的统计学特征值和历史心动周期对应的实际血压值，确定各回归模型拟合系数。

在一些实施例中，该装置还包括筛选模块。

筛选模块用于确定所有两两组合的信号中关键特征点之间的时间差的各统计学特征值与血压值的相关系数；基于所有两两组合的信号，获得相关系数超过预设阈值对应的统计学特征值。血压值预测模块440用于根据所有两两组合的信号中相关系数超过预设阈值对应的统计学特征值和对应的回归模型拟合系数，预测得到当前血压值。

在一些实施例中，该装置还包括预处理模块。预处理模块用于分别对预设时间长度内的光电容积脉搏波描记法信号、心电图信号和心音信号进行归一化处理和滤波处理，得到处理后的电容积脉搏波描记法信号、心电图信号和心音信号。

本发明的一个实施例提供了一种血压预测装置。根据图5所示，血压预测装置包括存储器520和处理器510。存储器520存储计算机程序，计算机程序用于控制处理器510进行操作以执行根据上述任意实施例提供的血压预测方法。

本发明的一个实施例提供了一种电子设备。根据图6所示，电子设备包括上述任一实施例提供的血压预测装置、用于采集光电容积脉搏波描记法信号的传感器、用于采集心电图信号的传感器和用于采集心音信号的传感器。

根据图6所示，用于采集光电容积脉搏波描记法信号的传感器、用于采集心电图信号的传感器和用于采集心音信号的传感器均与血压预测装置连接。

电子设备可以为下述任一种：手表、手环、戒指。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书的实施例可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本说明书实施例的各个方面的计算机指令。

计算机可读存储介质可以是可以保持和存储由计算机指令执行设备使用的计算机指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有计算机指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机指令，并转发该计算机指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

附图中的流程图和框图显示了根据本说明书的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或计算机指令的一部分，模块、程序段或计算机指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行计算机指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。

以上已经描述了本说明书的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (10)

1.一种血压预测方法，其特征在于，包括：

获取预设时间长度内的光电容积脉搏波描记法信号、心电图信号和心音信号；

基于所述预设时间长度内的每一个心动周期，确定光电容积脉搏波描记法信号中关键特征点所在时刻、所述心电图信号中关键特征点所在时刻和所述心音信号中关键特征点所在时刻；

根据各心动周期的光电容积脉搏波描记法信号中关键特征点所在时刻、所述心电图信号中关键特征点所在时刻和所述心音信号中关键特征点所在时刻，确定各心动周期内所有两两组合的信号中关键特征点之间的时间差；

根据所述各心动周期内所有两两组合的信号中关键特征点之间的时间差，预测得到当前血压值。

2.根据权利要求1所述的方法，其特征在于，所述光电容积脉搏波描记法信号中关键特征点为收缩峰峰值点、谷值点，所述心电图信号中关键特征点为波峰值点，所述心音信号中关键特征点为第一心音峰值点和第二心音峰值点。

3.根据权利要求2所述的方法，其特征在于，基于每一个心动周期，所述光电容积脉搏波描记法信号中关键特征点与所述心电图信号中关键特征点之间的时间差为波峰值点与收缩峰峰值点之间的时间差、波峰值点与谷值点之间的时间差，

所述光电容积脉搏波描记法信号中关键特征点与所述心音信号中关键特征点之间的时间差为第一心音峰值点与收缩峰峰值点之间的时间差、第一心音峰值点与谷值点之间的时间差、第二心音峰值点与收缩峰峰值点之间的时间差、第二心音峰值点与谷值点之间的时间差，

所述心电图信号中关键特征点与所述心音信号中关键特征点之间的时间差为波峰值点与第一心音峰值点之间的时间差、波峰值点与第二心音峰值点之间的时间差。

4.根据权利要求1所述的方法，其特征在于，所述根据所述各心动周期内所有两两组合的信号中关键特征点之间的时间差，预测得到当前血压值，包括：

根据各心动周期内所有两两组合的信号中关键特征点之间的时间差，确定所有两两组合的信号中关键特征点之间的时间差的统计学特征值，其中，所述统计学特征值为均值、标准差、最大值、最小值、中值、峰度、偏度、变异系数中至少两项；

根据所述所有两两组合的信号中关键特征点之间的时间差的统计学特征值和对应的回归模型拟合系数，预测得到当前血压值。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

获取历史心动周期对应的所有两两组合的信号中关键特征点之间的时间差的统计学特征值和历史心动周期对应的实际血压值；

基于线性回归模型，根据历史心动周期对应的所有两两组合的信号中关键特征点之间的时间差的统计学特征值和历史心动周期对应的实际血压值，确定各回归模型拟合系数。

6.根据权利要求4所述的方法，其特征在于，所述方法还包括：

确定所有两两组合的信号中关键特征点之间的时间差的各统计学特征值与血压值的相关系数；

基于所有两两组合的信号，获得相关系数超过预设阈值对应的统计学特征值；其中，

所述根据所述所有两两组合的信号中关键特征点之间的时间差的统计学特征值和对应的回归模型拟合系数，预测得到当前血压值，包括：

根据所述所有两两组合的信号中相关系数超过预设阈值对应的统计学特征值和对应的回归模型拟合系数，预测得到当前血压值。

7.根据权利要求1-6中任一所述的方法，其特征在于，在所述基于所述预设时间长度内的每一个心动周期，确定光电容积脉搏波描记法信号中关键特征点所在时刻、所述心电图信号中关键特征点所在时刻和所述心音信号中关键特征点所在时刻之前，所述方法还包括：

分别对预设时间长度内的光电容积脉搏波描记法信号、心电图信号和心音信号进行归一化处理和滤波处理，得到处理后的电容积脉搏波描记法信号、心电图信号和心音信号。

8.一种血压预测装置，其特征在于，包括：

获取模块，用于获取预设时间长度内的光电容积脉搏波描记法信号、心电图信号和心音信号；

关键特征点确定模块，用于基于所述预设时间长度内的每一个心动周期，确定光电容积脉搏波描记法信号中关键特征点所在时刻、所述心电图信号中关键特征点所在时刻和所述心音信号中关键特征点所在时刻；

时间差确定模块，用于根据各心动周期的光电容积脉搏波描记法信号中关键特征点所在时刻、所述心电图信号中关键特征点所在时刻和所述心音信号中关键特征点所在时刻，确定各心动周期内所有两两组合的信号中关键特征点之间的时间差；

血压值预测模块，根据所述各心动周期内所有两两组合的信号中关键特征点之间的时间差，预测得到当前血压值。

9.一种血压预测装置，其特征在于，包括存储器和处理器，所述存储器存储计算机程序，所述计算机程序用于控制所述处理器进行操作以执行根据权利要求1至7中任意一项所述的方法。

10.一种电子设备，其特征在于，包括：如权利要求8或9所述的血压预测装置、用于采集光电容积脉搏波描记法信号的传感器、用于采集心电图信号的传感器和用于采集心音信号的传感器，其中，

所述用于采集光电容积脉搏波描记法信号的传感器、所述用于采集心电图信号的传感器和所述用于采集心音信号的传感器均与所述血压预测装置连接。