[发明专利]基于Elman神经网络的云端连续血压测量方法及系统

说明书

本发明公开了基于Elman神经网络的云端连续血压测量方法和系统，包括步骤：S1、测量获得被测者的实时的脉搏波信号；S2、对脉搏波信号进行去噪处理；S3、对去噪后的脉搏波信号进行特征点提取；S4、将提取获得的脉搏波信号的特征点作为Elman神经网络的输入，进行采用训练好的Elman神经网络模型对血压值进行预测，将获得的预测值作为连续血压测量值。本发明基于Elman神经网络，可以准确的预测出血压值，具有较好的准确性和稳定性，可广泛应用于血压测量行业中。

技术领域

本发明涉及血压测量领域，特别是涉及基于Elman神经网络的云端连续血压测量方法及系统。

背景技术

名词解释：

SBP：Systolic Blood Pressure，收缩压；

DBP：Diastolicblood Pressure，舒张压。

血压是血液在血管内流动时作用于血管壁的压力，它是推动血液在血管内流动的动力。心室收缩时，血液从心室流入动脉，此时血液对动脉的压力最高，称为收缩压。心室舒张，动脉血管弹性回缩，血液仍慢慢继续向前流动，但血压下降，此时的压力称为舒张压。血压是反映人体心血管系统机能的重要生理参数，在医疗上，对于手术中的危重病人要通过血压来反映病人的生命体征；在家庭保健上，对于被测者的心血管疾病的预防也起着至关重要的作用。然而，目前临床上所采用的血压测量方式主要以间歇式为主，由于血压的波动每时每刻都在发生变化，因此连续血压测量方法在临床医疗和家庭保健上都有重要的意义。

目前在连续血压的测量方法上，可以分为无创和有创两种方法。有创连续血压测量方法测量精度高，但是由于其操作复杂受测者易感染等因素，不能够得到业界的普遍认可。在无创连续血压的测量方法中，又可分为脉搏波传播速度法(PWV)和脉搏波特征参数法。脉搏波传播速度法：由一路心电信号和一路脉搏信号得出，通过计算出心电峰值点与脉搏波峰值点之间的传播时间，进而得到脉搏的传播速度(PWV)，再通过得到的PWV建立起一个线性血压回归方程，最终实现对血压的连续估计。该种方法由于从血容积描记(PPG)信号获得的血压与脉搏速度之间的关系非线性，因此在进行血压的实时测量的过程中计算误差比较大。脉搏波特征参数法：即从每个脉搏波动周期中提取出相应的特征点，如脉搏波降中峡的相对高度(h/H)、重搏波的相对高度(g/H)、收缩期时间、舒张期时间等，通过对以上所得到的特征进行回归分析最终建立起回归方程实现对血压的连续测量。该种方法只是应用了特定时刻的特征点与该时刻血压所存在的对应关系，忽略了其上一时刻脉搏特征对当前血压的影响，因此并没有实现真正意义上的血压预测。因此，总的来说，目前的血压测量方法无法较为准确的测量获得连续血压测量值。

发明内容

为了解决上述的技术问题，本发明的目的是提供基于Elman神经网络的云端连续血压测量方法，本发明的另一目的是提供基于Elman神经网络的云端连续血压测量系统。

本发明解决其技术问题所采用的技术方案是：

基于Elman神经网络的云端连续血压测量方法，包括步骤：

S1、测量获得被测者的实时的脉搏波信号；

S2、对脉搏波信号进行去噪处理；

S3、对去噪后的脉搏波信号进行特征点提取；

S4、将提取获得的脉搏波信号的特征点作为Elman神经网络的输入，进行采用训练好的Elman神经网络模型对血压值进行预测，将获得的预测值作为连续血压测量值。

进一步，还包括以下的神经网络训练步骤：

S01、同步测量获得多个被测者的实时的脉搏波信号和血压值信号；

S02、对脉搏波信号进行去噪处理；

S03、对去噪后的脉搏波信号进行特征点提取；