本发明涉及医疗，具体为一种基于低压脉搏测量法的房颤测量方法。
背景技术：
1、房颤是一种心律失常，它导致心脏的上部房室部位发生不规律而快速的跳动。在房颤中，心脏的上部（心房）不再协调地收缩，而是以一种快速和不规律的方式跳动，这可能会导致心脏泵血效率下降。房颤是一种常见的心律失常，它可能会引发一系列健康问题，包括心脏衰竭、中风和其他血管事件。房颤可能与心脏病、高血压、甲亢等疾病相关，也可能是由其他因素引起的。进行房颤测量的目的是确定心脏是否存在房颤，并且评估其严重程度。房颤测量通常通过心电图（ecg）或其他心律监测方法进行。检测到房颤后，医生可以采取措施来管理它，包括药物治疗、心脏消融手术或植入心脏起搏器等。及早识别和治疗房颤可以帮助减少相关并发症的风险，并改善患者的生活质量。
2、现有技术用于房颤(af）检测主要有，心电图（ecg）监测，心电图是通过记录心脏的电活动来监测心脏健康的一种方法。它能够提供心脏每个周期内电活动的详细信息，是诊断房颤等心律失常的金标准，但其传统的ecg设备通常较大，不适合长时间佩戴或外出携带，ecg的安装和数据解读通常需要专业的医疗人员，这限制了其在家庭中的普及。心音分析，通过分析心脏发出的声音（心音）来评估心脏的健康状态。这种方法通常使用听诊器或专门的心音监测设备，心音信号可能会受到环境噪声的影响，其准确性和心电图相比较低，尤其是在非理想环境中。血压测量，通过测量血压来间接反映心脏状态。某些血压计配备有检测心律不齐的功能，可用于提示房颤，血压测量主要提供血压信息，对于心律失常的直接诊断能力有限。可穿戴设备监测，使用可穿戴设备（如智能手表或健康追踪器）监测心率和其他生理参数，以便于日常健康管理，相比传统医疗设备，可穿戴设备的数据准确性和可靠性往往较低，尤其是在极端运动或非标准使用条件下。这些现有技术虽然各有优势，但在便携性、用户友好性、持续监测能力和准确性等方面还存在一定的局限性。因此，本发明提出了一种基于低压脉搏测量法的房颤测量方法，以解决上述提出的问题。
技术实现思路
1、（一）解决的技术问题
2、针对现有技术的不足，本发明提供了一种基于低压脉搏测量法的房颤测量方法，解决了现有技术便携性、用户友好性、持续监测能力和准确性方面还存在一定局限性的问题。
3、（二）技术方案
4、为实现以上目的，本发明通过以下技术方案予以实现：一种基于低压脉搏测量法的房颤测量方法，具体包括以下步骤：
5、s1.传感器装配
6、将传感器附着在手腕、指尖或耳垂部位，同时确保可以舒适地佩戴传感器而不影响日常活动；
7、s2.数据采集与传输
8、利用安装的传感器连续监测与记录，并设计系统以连续监测和记录低压脉搏信号，包括脉搏波形、频率关键参数；
9、s3.信号处理与特征提取
10、对信号数据进行预处理，使用数字滤波技术去除信号中的噪声及干扰，包括去除由运动造成的伪差和电磁干扰，然后特征提取，提取脉搏信号中与心律失常相关的特征，如rr间期的不规则性、波形变异性，实现从原始脉搏信号中提取出有用的信息，并将其转化为可用于后续机器学习模型训练的结构化数据的作用；
11、s4.算法开发与机器学习
12、开发用于分析低压脉搏信号特征的算法，采用时间序列分析、频率分析方法，然后利用机器学习模型，来识别为房颤特有的信号模式，不断地使用新的数据来训练和优化模型以提高准确性；
13、s5.验证与优化
14、与专业医疗机构合作进行临床试验，验证系统的准确性和可靠性，根据临床反馈调整算法参数，优化传感器设计，提高用户体验和检测准确率。
15、优选的，所述步骤s1传感器装配中优选光电容积脉搏波 (ppg) 传感器或微流变压力传感器的任意一种或多种组合而成。
16、优选的，所述步骤s2数据采集与传输中通过无线连接实现数据的传输，并对数据进行缓存与存储，且在数据传输中还需要进行加密传输。
17、优选的，所述步骤s3信号处理与特征提取中具体包括对传输的型号进行信号去噪、脉搏波形检测、特征提取，然后实现标准化与归一化和数据集构建，最后进行初步的图形分析。
18、优选的，所述步骤s4算法开发与机器学习中机器学习模型使用支持向量机、随机森林、深度学习网络的任意一种或多种组合而成。
19、优选的，所述步骤s4算法开发与机器学习中选择机器学习模型后还需要进行模型训练，具体包括交叉验证、评估指标和模型持久化。
20、优选的，所述步骤s5验证与优化中具体包括验证模型的自由度、使用独立数据进行验证、算法性能与准确度检验、模型优化，然后进行结果反馈与模型更新和复测。
21、（三）有益效果
22、本发明提供了一种基于低压脉搏测量法的房颤测量方法。具备以下有益效果：
23、本发明提供了一种基于低压脉搏测量法的房颤测量方法，本发明的方法通过简单地测量手腕、手指或其他外围部位的脉搏波形，无需皮肤穿刺或植入式设备，显著减少了对用户的生理干扰和不适感，本发明的技术可以整合到智能手表、健康跟踪器便携设备中，使用户可以在日常生活中轻松地进行监测，无需特别的设置或专业知识，用户可以像平常佩戴手表一样，进行日常的心律监测，与传统的心电图或时段性心律监测不同，低压脉搏测量法可以实现全天候、连续的数据收集，这有助于捕捉临床上容易被遗漏的偶发性房颤事件，为用户提供更周全的心脏健康监控，本发明集成了智能算法的设备能够实时分析脉搏数据，及时发现异常心律并通过智能手机或其他设备提醒用户，这种实时反馈机制对于早期诊断和及时治疗房颤至关重要，与传统的诊断工具（如心电图机）相比，低压脉搏测量设备通常成本更低，维护简单，这不仅降低了用户的经济负担，也有助于这种技术的广泛推广和应用，
24、本发明方法所实现的设备，这些设备通常配备有加密和安全保护措施，确保用户数据的安全和隐私，避免个人健康信息泄露，本发明的测量方法不受环境限制，无论是在家中、办公室还是运动中都可以使用，这使得它非常适合活跃的现代生活方式，以及对健康监控有持续需求的个体，因此，本发明基于低压脉搏测量法的房颤测量方法提供了一个用户友好、高效且经济的解决方案，能够改善心律失常的监测和管理，尤其是对于房颤这类常见而又可能引起严重并发症的心律问题。
1.一种基于低压脉搏测量法的房颤测量方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的一种基于低压脉搏测量法的房颤测量方法，其特征在于：所述步骤s1传感器装配中优选光电容积脉搏波 (ppg) 传感器或微流变压力传感器的任意一种或多种组合而成。
3.根据权利要求1所述的一种基于低压脉搏测量法的房颤测量方法，其特征在于：所述步骤s2数据采集与传输中通过无线连接实现数据的传输，并对数据进行缓存与存储，且在数据传输中还需要进行加密传输。
4.根据权利要求1所述的一种基于低压脉搏测量法的房颤测量方法，其特征在于：所述步骤s3信号处理与特征提取中具体包括对传输的型号进行信号去噪、脉搏波形检测、特征提取，然后实现标准化与归一化和数据集构建，最后进行初步的图形分析。
5.根据权利要求1所述的一种基于低压脉搏测量法的房颤测量方法，其特征在于：所述步骤s4算法开发与机器学习中机器学习模型使用支持向量机、随机森林、深度学习网络的任意一种或多种组合而成。
6.根据权利要求1所述的一种基于低压脉搏测量法的房颤测量方法，其特征在于：所述步骤s4算法开发与机器学习中选择机器学习模型后还需要进行模型训练，具体包括交叉验证、评估指标和模型持久化。
7.根据权利要求1所述的一种基于低压脉搏测量法的房颤测量方法，其特征在于：所述步骤s5验证与优化中具体包括验证模型的自由度、使用独立数据进行验证、算法性能与准确度检验、模型优化，然后进行结果反馈与模型更新和复测。
