基于PPG信号的高气压环境下血压预测模型构建方法与流程

本发明涉及血压预测模型构建，特别是涉及一种基于ppg信号的高气压环境下血压预测模型构建方法及系统。

背景技术：

1、下潜过程中随着深度的增加，潜水员将承受巨大的静水压或舱内混合气体压力，安全事故发生风险激增。心血管疾病是造成潜水死亡事件的主要风险因素，且前期筛查难度大、多为隐匿性。血压是反映心血管系统的重要参数，不仅是重要的生命体征，也是常规的诊断标准。体现了心脏向循环系统输送血液的能力，以及面对情绪、生理状态和外部环境变化时人体血压调节系统所做出的反馈，可用于评判潜水员发生相关疾病的风险程度与体力劳动类型，作为量化潜水员面对寒冷、高压等情况应激能力的参考指标。实时有效地连续监测潜水员的血压水平，有助于及时有效地采取适当的干预手段处理异常情况。

2、当前缺少能够连续监测高气压环境下潜水作业人员血压的设备与方法、难以获取准确、连续血压值。

技术实现思路

1、本发明针对现有技术存在的问题和不足，提供一种基于ppg信号的高气压环境下血压预测模型构建方法及系统。

2、本发明是通过下述技术方案来解决上述技术问题的：

3、本发明提供一种基于ppg信号的高气压环境下血压预测模型构建方法，其特点在于，其包括以下步骤：

4、s1、采集常压环境下多个受试者处于稳定静息态下的第一设定时间段内的心电信号和ppg信号及每隔设定间隔时间利用弹簧血压计测量的袖带血压作为的血压真实值，以及采集常压环境下该些受试者运动后的第二设定时间段内的心电信号和ppg信号及每隔设定间隔时间利用弹簧血压计测量的袖带血压作为的血压真实值，血压真实值包括收缩压和舒张压；

5、s2、采集多个不同的高气压环境下该些受试者处于稳定静息态下的第三设定时间段内的心电信号和ppg信号及每隔设定间隔时间利用弹簧血压计测量的袖带血压作为的血压真实值；

6、s3、针对每个受试者每个气压环境下，选取每隔设定间隔时间对应的时间点前后与设定间隔时间相同的时间内的心电信号和ppg信号作为此时间点的血压真实值对应的心电信号和ppg信号；

7、s4、针对每个受试者每个气压环境下每个血压真实值对应的心电信号和ppg信号，截取心电信号中幅值在心电幅值范围内同时ppg信号中幅值在ppg幅值范围内的心电信号和ppg信号作为待处理心电信号和待处理ppg信号；

8、s5、针对每个受试者每个气压环境下每个血压真实值对应的待处理心电信号和待处理ppg信号进行预处理获得目标心电信号和目标ppg信号；

9、s6、针对每个受试者每个气压环境下每个血压真实值对应的目标心电信号和目标ppg信号，采用心电r波检测方法对每个目标心电信号进行处理以突出r波特征，基于心电r波定位进行计算以识别出每个心电rr期间的ppg信号特征点，基于每个心电rr期间对应的ppg信号特征点进行特征提取以提取出每个心电rr期间对应的多个ppg特征参数，每个血压真实值对应的各个心电rr期间对应的多个ppg特征参数分别取平均值，从而获得每个血压真实值对应的多个平均ppg特征参数；

10、s7、利用每个受试者每个气压环境下获得的各个血压真实值和对应的多个平均ppg特征参数，构建特征数据集{(x1,y1),(x2,y2)...(xn,yn)}，yi表示第i个血压真实值，xi表示第i个血压真实值对应的多个平均ppg特征参数；

11、s8、构建ppg训练样本集和ppg验证样本集，ppg训练样本集包括n1个特征数据集，ppg验证样本集包括n2个特征数据集，ppg训练样本集和ppg验证样本集中均既有常压环境下又有多个不同的高气压环境下的特征数据集，n＝n1+n2，n1和n2均为正整数且n1≥3*n2；

12、s9、选用机器学习模型构建收缩压预测模型和舒张压预测模型；

13、s10、将ppg训练样本集输入至收缩压预测模型进行模型训练，将ppg验证样本集输入至训练好的收缩压预测模型进行模型验证，构建目标收缩压预测模型，其中输入的血压真实值为收缩压；将ppg训练样本集输入至舒张压预测模型进行模型训练，将ppg验证样本集输入至训练好的舒张压预测模型进行模型验证，构建目标舒张压预测模型，其中输入的血压真实值为舒张压。

14、本发明还提供一种基于ppg信号的高气压环境下血压预测模型构建系统，其特点在于，其包括第一采集模块、第二采集模块、信号选取模块、信号截取模块、信号预处理模块、特征提取模块、特征集构建模块、样本集构建模块、模型构建模块和目标模型获得模块；

15、所述第一采集模块用于采集常压环境下多个受试者处于稳定静息态下的第一设定时间段内的心电信号和ppg信号及每隔设定间隔时间利用弹簧血压计测量的袖带血压作为的血压真实值，以及采集常压环境下该些受试者运动后的第二设定时间段内的心电信号和ppg信号及每隔设定间隔时间利用弹簧血压计测量的袖带血压作为的血压真实值，血压真实值包括收缩压和舒张压；

16、所述第二采集模块用于采集多个不同的高气压环境下该些受试者处于稳定静息态下的第三设定时间段内的心电信号和ppg信号及每隔设定间隔时间利用弹簧血压计测量的袖带血压作为的血压真实值；

17、所述信号选取模块用于针对每个受试者每个气压环境下，选取每隔设定间隔时间对应的时间点前后与设定间隔时间相同的时间内的心电信号和ppg信号作为此时间点的血压真实值对应的心电信号和ppg信号；

18、所述信号截取模块针对每个受试者每个气压环境下每个血压真实值对应的心电信号和ppg信号，截取心电信号中幅值在心电幅值范围内同时ppg信号中幅值在ppg幅值范围内的心电信号和ppg信号作为待处理心电信号和待处理ppg信号；

19、所述信号预处理模块用于针对每个受试者每个气压环境下每个血压真实值对应的待处理心电信号和待处理ppg信号进行预处理获得目标心电信号和目标ppg信号；

20、所述特征提取模块用于针对每个受试者每个气压环境下每个血压真实值对应的目标心电信号和目标ppg信号，采用心电r波检测方法对每个目标心电信号进行处理以突出r波特征，基于心电r波定位进行计算以识别出每个心电rr期间的ppg信号特征点，基于每个心电rr期间对应的ppg信号特征点进行特征提取以提取出每个心电rr期间对应的多个ppg特征参数，每个血压真实值对应的各个心电rr期间对应的多个ppg特征参数分别取平均值，从而获得每个血压真实值对应的多个平均ppg特征参数；

21、所述特征集构建模块用于利用每个受试者每个气压环境下获得的各个血压真实值和对应的多个平均ppg特征参数，构建特征数据集{(x1,y1),(x2,y2)...(xn,yn)}，yi表示第i个血压真实值，xi表示第i个血压真实值对应的多个平均ppg特征参数；

22、所述样本集构建模块用于构建ppg训练样本集和ppg验证样本集，ppg训练样本集包括n1个特征数据集，ppg验证样本集包括n2个特征数据集，ppg训练样本集和ppg验证样本集中均既有常压环境下又有多个不同的高气压环境下的特征数据集，n＝n1+n2，n1和n2均为正整数且n1≥3*n2；

23、所述模型构建模块用于选用机器学习模型构建收缩压预测模型和舒张压预测模型；

24、所述目标模型获得模块用于将ppg训练样本集输入至收缩压预测模型进行模型训练，将ppg验证样本集输入至训练好的收缩压预测模型进行模型验证，构建目标收缩压预测模型，其中输入的血压真实值为收缩压；将ppg训练样本集输入至舒张压预测模型进行模型训练，将ppg验证样本集输入至训练好的舒张压预测模型进行模型验证，构建目标舒张压预测模型，其中输入的血压真实值为舒张压。

25、本发明的积极进步效果在于：

26、本发明建立高气压环境下光电容积描记信号(photoplethysmography，ppg)-血压数据集的基于机器学习的血压预测模型；通过筛选并剔除在模型构建中权重相对较小、特征受高气压环境影响变化较大的指标，在一定程度上提高了模型的计算效率与预测精度，以相同的数据集进行性能评估，收缩压与舒张压模型的平均绝对误差分别降低了8.6％、5.3％。本发明建立的目标收缩压预测模型和目标舒张压预测模型能够获取准确、连续血压值。