本技術涉及醫(yī)療檢測，尤其是涉及一種基于放氣式示波法的智能血壓測量方法及系統(tǒng)。

背景技術：

1、血壓是評估心血管健康狀況的重要生理參數(shù)之一，準確可靠的血壓測量對于疾病的早期診斷、治療效果的監(jiān)測以及個人健康管理都至關重要。傳統(tǒng)的血壓測量方法主要包括聽診法和示波法。其中，聽診法通過醫(yī)生使用聽診器聽取柯氏音來確定收縮壓和舒張壓，雖然這種方法在臨床上應用廣泛，但其存在一些顯著的局限性。相比之下，示波法作為一種非侵入性的自動化血壓測量技術，因其簡便易用而得到了廣泛應用。示波法利用袖帶內的氣壓變化來檢測脈搏引起的振蕩波信號，并通過分析這些信號來計算血壓值。

2、然而，由于環(huán)境因素和個體差異的影響，示波法的測量方式在信號處理及血壓值計算上仍存在精度不足、易受干擾等問題，特別是在面對復雜或異常的生理狀態(tài)時，如心律不齊、血管彈性改變等情況，容易導致示波法血壓計在多次測量中的結果波動較大，難以提供穩(wěn)定可靠的血壓讀數(shù)。

技術實現(xiàn)思路

1、為了提高血壓測量的精度和穩(wěn)定性，本技術提供了一種基于放氣式示波法的智能血壓測量方法及系統(tǒng)。

2、第一方面，本技術提供一種基于放氣式示波法的智能血壓測量方法，采用如下的技術方案：

3、一種基于放氣式示波法的智能血壓測量方法，應用于包括氣泵、電磁閥、壓力傳感器、微處理器、顯示模塊和袖帶的智能血壓測量系統(tǒng)，所述測量方法包括：

4、控制所述氣泵向被測者的手腕或上臂的所述袖帶內充氣，直到達到預設的初始氣壓值；

5、控制所述電磁閥以預設速率釋放所述袖帶內的氣體，并接收所述壓力傳感器實時采集的袖帶內的氣壓數(shù)據和振蕩波信號；

6、基于特征值法對所述振蕩波信號進行識別并提取關鍵特征，得到振蕩波特征參數(shù)；

7、基于預先建立的比例系數(shù)模型，根據所述氣壓數(shù)據和振蕩波特征參數(shù)計算得到初步血壓值；將所述振蕩波信號、所述振蕩波特征參數(shù)和所述初步血壓值，輸入至預先訓練的帶有動量項的血壓值預測模型中，得到最終血壓值；其中，所述血壓值包括收縮壓值和舒張壓值；

8、將所述最終血壓值發(fā)送至所述顯示模塊進行輸出顯示。

9、通過采用上述技術方案，從氣壓調控到數(shù)據分析再到輸出顯示，通過結合振蕩波的特征處理和神經網絡的深度學習，實現(xiàn)了智能血壓測量過程的高效化和精準化，在面對復雜的生理信號時仍能夠確保血壓測量結果的可靠性和準確性，從而為用戶提供了一個高效、便捷且可靠的血壓監(jiān)測解決方案，提高了用戶體驗，并為醫(yī)療檢測領域提供了更加準確和穩(wěn)定的數(shù)據支持。

10、可選的，基于特征值法對所述振蕩波信號進行識別并提取關鍵特征，得到振蕩波特征參數(shù)的步驟包括：

11、對所述振蕩波信號進行數(shù)據預處理；

12、將所述預處理后的振蕩波信號根據不同預設壓力范圍分割為多個子段；

13、對每個子段中的所述振蕩波信號分別進行波峰檢測和波谷檢測，確定波峰位置和波谷位置，并計算每個波峰和波谷之間的特征參數(shù)，得到每個子段中振蕩波信號的關鍵特征參數(shù)；

14、基于主成分分析法對所述每個子段中振蕩波信號的關鍵特征參數(shù)進行降維處理和特征選擇，并對選擇的特征進行歸一化處理，得到優(yōu)化后的所述振蕩波特征參數(shù)。

15、通過采用上述技術方案，系統(tǒng)能夠高效、準確地提取出振蕩波信號的關鍵特征參數(shù)，這些步驟不僅提高了特征提取的精度和穩(wěn)定性，還減少了數(shù)據冗余，增強了系統(tǒng)的魯棒性和可擴展性。

16、可選的，基于預先建立的比例系數(shù)模型，根據所述氣壓數(shù)據和振蕩波特征參數(shù)計算得到初步血壓值的步驟包括：

17、從系統(tǒng)存儲中加載預先建立的比例系數(shù)模型；

18、對所述氣壓數(shù)據和振蕩波特征參數(shù)進行數(shù)據格式化；

19、將每個子段中的振蕩波特征參數(shù)映射到所述比例系數(shù)模型中對應的輸入變量，得到映射后的特征參數(shù)集；

20、對所述氣壓數(shù)據進行校正處理，并將校正后的氣壓數(shù)據與所述特征參數(shù)集進行時間對齊，得到氣壓數(shù)據集；

21、將所述特征參數(shù)集和所述氣壓數(shù)據集輸入至比例系數(shù)模型中，計算得到初步的收縮壓值和舒張壓值。

22、通過采用上述技術方案，基于預先建立的比例系數(shù)關系，利用氣壓數(shù)據和振蕩波特征參數(shù)來計算初步血壓值，該技術方案不僅提高了初步血壓估算的精度和穩(wěn)定性，還為后續(xù)的神經網絡優(yōu)化提供了可靠的數(shù)據基礎，顯著提升了整體血壓測量的準確性和可靠性。

23、可選的，所述比例系數(shù)模型的關系式為：

24、收縮壓＝a1×波幅+b1×頻率+c1×氣壓+d1；

25、舒張壓＝a2×波幅+b2×頻率+c2×氣壓+d2；

26、上式中，a1、b1、c1、d1和a2、b2、c2、d2是預先確定的比例系數(shù)。

27、可選的，還包括所述血壓值預測模型的訓練步驟，所述訓練步驟包括：

28、獲取樣本數(shù)據集并進行數(shù)據預處理；其中，所述樣本數(shù)據集包括振蕩波信號樣本數(shù)據、振蕩波特征參數(shù)樣本數(shù)據、初步血壓樣本值以及對應的血壓值標簽數(shù)據，所述血壓值標簽數(shù)據為實際測量的收縮壓和舒張壓；

29、將所述樣本數(shù)據集劃分為訓練集、驗證集和測試集；

30、將所述訓練集輸入至預先構建的卷積神經網絡模型進行迭代訓練，計算模型的損失函數(shù)，通過反向傳播算法計算梯度，并優(yōu)化模型參數(shù)；

31、基于帶有動量項的優(yōu)化算法對所述卷積神經網絡模型的權重進行更新，直到所述損失函數(shù)滿足預設條件，得到訓練后的卷積神經網絡模型；

32、基于所述驗證集對所述卷積神經網絡模型進行驗證，評估所述卷積神經網絡模型的性能并根據驗證結果調整模型的超參數(shù)；

33、基于所述測試集對調整后的卷積神經網絡模型的預測能力進行測試，得到所述血壓值預測模型。

34、通過采用上述技術方案，使用帶有動量項的優(yōu)化算法對卷積神經網絡模型進行迭代訓練，并通過驗證集和測試集評估和優(yōu)化模型性能，該技術方案不僅提高了血壓測量的準確性，還增強了模型對于異常情況的魯棒性，這種優(yōu)化方法顯著提升了血壓測量的準確性和穩(wěn)定性，為醫(yī)療檢測領域提供了更加可靠和高效的解決方案。

35、可選的，在將所述最終血壓值發(fā)送至所述顯示模塊進行輸出顯示的步驟之后還包括：

36、判斷所述最終血壓值是否超過正常血壓范圍；

37、若是，則根據所述最終血壓值生成血壓預警提示并發(fā)送至對應的醫(yī)護終端。

38、通過采用上述技術方案，在將最終血壓值發(fā)送至顯示模塊進行輸出顯示后，進一步判斷血壓值是否超過正常范圍。如果超過正常范圍，則生成相應的預警提示，并將其發(fā)送至對應的醫(yī)護終端。該技術方案不僅能夠實時監(jiān)測用戶的血壓狀況，還能夠在發(fā)現(xiàn)異常時及時通知醫(yī)護人員，從而提高了醫(yī)療服務的響應速度和質量。通過這種預警機制，患者可以得到更及時的醫(yī)療干預，降低了因高血壓或低血壓引起的風險，提升了整體醫(yī)療護理的安全性和有效性。

39、第二方面，本技術提供一種基于放氣式示波法的智能血壓測量系統(tǒng)，采用如下的技術方案：

40、一種基于放氣式示波法的智能血壓測量系統(tǒng)，所述智能血壓測量系統(tǒng)包括氣泵、電磁閥、壓力傳感器、微處理器、顯示模塊以及纏繞在被測者的手腕或上臂的袖帶；

41、所述氣泵，用于向所述袖帶內充入氣體；

42、所述電磁閥，與所述氣泵相連，用于控制所述袖帶內的氣體進出；

43、所述袖帶，用于通過所述氣泵和所述電磁閥調節(jié)內部氣壓；

44、所述壓力傳感器，連接于所述袖帶，用于實時采集袖帶內的氣壓數(shù)據和振蕩波信號；

45、所述微處理器，與所述氣泵、電磁閥以及壓力傳感器相連接，用于接收并處理所述壓力傳感器采集的氣壓數(shù)據和振蕩波信號，計算得到最終血壓值；

46、所述顯示模塊，用于顯示所述微處理器計算得到的最終血壓值。

47、可選的，所述微處理器包括：

48、氣泵控制單元，用于控制所述氣泵向被測者的手腕或上臂的所述袖帶內充氣，直到達到預設的初始氣壓值；

49、電磁閥控制單元，用于控制所述電磁閥以預設速率釋放所述袖帶內的氣體；

50、數(shù)據接收單元，用于接收所述壓力傳感器實時采集的袖帶內的氣壓數(shù)據和振蕩波信號；

51、特征提取單元，用于基于特征值法對所述振蕩波信號進行識別并提取關鍵特征，得到振蕩波特征參數(shù)；

52、初步血壓值生成單元，用于基于預先建立的比例系數(shù)模型，根據所述氣壓數(shù)據和振蕩波特征參數(shù)計算得到初步血壓值；

53、最終血壓值生成單元，用于將所述振蕩波信號、所述振蕩波特征參數(shù)和所述初步血壓值，輸入至預先訓練的帶有動量項的血壓值預測模型中，得到最終血壓值；其中，所述血壓值包括收縮壓值和舒張壓值；

54、最終血壓值發(fā)送單元，用于將所述最終血壓值發(fā)送至所述顯示模塊進行輸出顯示。

55、第三方面，本技術提供一種計算機設備，采用如下的技術方案：

56、一種計算機設備，包括存儲器、處理器及存儲在存儲器上的計算機程序，所述處理器執(zhí)行所述計算機程序以實現(xiàn)如第一方面所述方法的步驟。

57、第四方面，本技術提供一種計算機可讀存儲介質，采用如下的技術方案：

58、一種計算機可讀存儲介質，存儲有能夠被處理器加載并執(zhí)行如第一方面中任一種方法的計算機程序。

59、綜上所述，本技術包括以下至少一種有益技術效果：從氣壓調控到數(shù)據分析再到輸出顯示，通過結合振蕩波的特征處理和神經網絡的深度學習，實現(xiàn)了智能血壓測量過程的高效化和精準化，在面對復雜的生理信號時仍能夠確保血壓測量結果的可靠性和準確性，從而為用戶提供了一個高效、便捷且可靠的血壓監(jiān)測解決方案，提高了用戶體驗，并為醫(yī)療檢測領域提供了更加準確和穩(wěn)定的數(shù)據支持。