一种基于LSTM网络的急性低血压混合预警方法技术

本发明专利技术公开了一种基于LSTM网络的急性低血压混合预警方法，首先导入采集的生理数据序列，对其进行低血压事件检测，如果当前处于低血压状态，输出结果低血压预警，如果当前没有处于低血压状态，进行急性低血压事件预测，若预测下一时段会发生急性低血压，输出结果低血压预测预警，然后进行血压保护值检测，若超出保护值输出结果血压超出保护值，返回两个结果进行预警。本发明专利技术急性低血压进行预测预警，从而为监护人员争取时间，保证患者在康复训练时的安全，使心脏运动康复变得更加科学、高效和安全。

A mixed early warning method of acute hypotension based on LSTM network

The invention discloses a mixed early-warning method of acute hypotension based on LSTM network. Firstly, the collected physiological data sequence is imported to detect the hypotension event. If it is in the hypotension state at present, the hypotension early-warning result is output. If it is not in the hypotension state at present, the acute hypotension event is predicted. If it is predicted that the acute hypotension will occur in the next period, Output the result of hypotension prediction and early warning, and then detect the blood pressure protection value. If the output blood pressure exceeds the protection value, return two results for early warning. The acute hypotension of the invention carries out prediction and early warning, so as to buy time for the guardians, ensure the safety of the patients during the rehabilitation training, and make the rehabilitation of the heart movement more scientific, efficient and safe.

【技术实现步骤摘要】
一种基于LSTM网络的急性低血压混合预警方法
本专利技术涉及医疗
，尤其涉及一种基于LSTM网络的急性低血压混合预警方法。
技术介绍
血压是一个人健康状况的重要指标，其也是反映心血管疾病的主要特征之一。血压过高容易发生心肌梗死、心力衰竭、脑出血等突发状况。为了预防血压的不良变化带来严重后果，提前对血压进行预测以监控血压变化非常重要。随着心血管疾病治疗理念的进步，越来越多的医学工作者开始提倡心脏康复。心脏运动康复作为心脏康复五大处理方法之一，也越来越受到人们的重视。心脏运动康复对提高病人生活质量，帮助病人重返正常生活起着重要的作用。科学有效的康复运动，能够提高心脏病患者的有氧运动耐力，促进新陈代谢，改善预后质量，降低死亡率。在心脏运动康复中，急性低血压是心脏病常见的并发症，常见于体质较弱或病情严重的病人。低血压容易导致头晕，肢软，摔倒，甚至导致心脏缺血而触发心脏异常事件发生。为此，现有技术出现了通过血压测量数据对血压值进行预测的研究，该方面研究包括基于机器学习算法和神经网络算法进行的模型预测。其中，通过机器学习算法中的回声状态网络来进行血压预测，该回声状态网络是为解决传统递归神经网络(RNN)出现梯度消失与梯度爆炸问题而提出，其在RNN中添加了储备池来对简单时序数据进行记忆，但该网络只能进行短期的记忆，不能很好处理复杂动态问题；分别采用神经网络算法中的BP神经网络和径向基神经网络，通过使用用户个人信息预测用户的舒张压情况，对高于舒张压正常范围的用户进行提醒，对用户信息与舒张压情况建立关系，但该方法仅有单次预测能力，不具有实时预测，实时监控的能力，不能及时为用户提供血压预警。综上所述，为解决上述问题，并保证患者可以进行安全、有效的康复运动训练，本领域亟待一种心脏运动康复中急性低血压预警方法，
技术实现思路
本专利技术的目的在于提供了一种基于LSTM网络的急性低血压混合预警方法，对急性低血压进行预测预警，从而为监护人员争取时间，保证患者在康复训练时的安全，使心脏运动康复变得更加科学、高效和安全。本专利技术解决其技术问题所采用的技术方案是：一种基于LSTM网络的急性低血压混合预警方法，所述急性低血压混合预警方法包括以下步骤：步骤A，导入采集的生理数据序列，对其进行低血压事件检测，若检测到当前处于低血压状态，则输出结果为低血压预警，进入步骤C，否则，进入步骤B；步骤B，对当前所采集的生理数据序列进行急性低血压事件预测，若预测到下一时段会发生急性低血压，则输出结果为低血压预测预警，而后进入步骤C；步骤C，进行血压保护值检测，若超出保护值，则输出结果血压超出保护值，返回步骤A和步骤B中的两个结果进行预警，该血压保护值为低血压阈值；其中，所述步骤B中预测过程包括基于LSTM网络建立预警模型，并对该模型进行训练，该训练步骤依次包括为步骤X1、步骤X2、步骤X3、步骤X4；步骤X1，导入采集的生理数据序列，对该数据进行预处理；步骤X2，对预处理后的信号进行小波分解；步骤X3，通过LSTM神经网络结构对下一段时间的细节系数和接近系数进行预测；步骤X4，对前一步骤所预测的数据进行小波重构，进而得到信号时间序列预测结果。优选地，步骤A还包括对是否已经处于急性低血压状态进行检测，该检测过程包括如下步骤：步骤1，根据所导入采集的生理数据序列，在该生理数据序列的队列中，固定一个指针作为起点，队尾作为终点，同时使用整型变量N记录起点到终点的平均动脉压序列中血压值低于低血压阈值的数据个数；步骤2，每次有数据入队时，查看固定指针所指的数据的平均动脉压是否低于低血压阈值，若是，则整型变量N减1，否则，不进行加减，入队新数据；步骤3，若新血压值小于低血压阈值，那么变量整型变量N加1，否则不进行加减；步骤4，判断整型变量N与反应时间的比例是否大于低血压阈值百分比，若是，则输出结果为低血压状态。优选地，步骤A还包括对急性低血压事件进行预测预警，该预测预警是将所导入采集的生理数据序列放入步骤X所训练的模型当中去进行预测，其包括如下过程：针对一段时间内病人的生理信号数据，判断其平均动脉压是否满足该平均动脉压的计算公式为：其中，MAP为平均动脉压；Diastolic为舒张压；Systolic为收缩压；p表示低血压阈值吗，其单位为mmHg；t表示反应时间，其单位为分钟；q表示低血压阈值百分比。优选地，步骤X1中对数据进行预处理包括以下步骤：步骤1，在所导入采集的生理数据序列中存在离群点，剔除该离群点，同时，将平均动脉压高于140mmHg和低于35mmHg的数据置为零；步骤2，填充缺失值，对于缺失的值使用线性插值将其填充，具体公式如下：其中，(x1，y1)和(x0，y0)表示缺失段两端的端点。优选地，步骤X2的分解过程和X4的重构过程为如图4所示，其分解结果为：X(t)＝A1(t)+D1(t)＝A2(t)+D2(t)+D1(t)＝A3(t)+D3(t)+D3(t)+D1(t)＝AL(t)+DL(t)+DL-1(t)+…+D1(t)其中，H[·]和L[·]分别是分解过程中的高通滤波器和低通滤波器，H′[·]和L′[·]分别是重构过程中的高通滤波器和低通滤波器；DL(t)与AL(t)分别是第L层分解的细节系数和接近系数，将得到这两个新的系数序列作为输入去预测下一时段的分解系数。优选地，在步骤X3中，LSTM网络中包括输入层、隐含层和输出层，在隐含层的神经元上加入与输出门、输入门和遗忘门，同时对LSTM网络结构中的参数进行调整，调整参数包括：Activation层，将其激活函数默认设置为tanh；Recurrent_activation循环步，将其激活函数默认设置为hard_sigmoid；添加Dropout，训练中的神经元按照概率P被丢弃，P为0.5；Timestep设定，设定为每个数据与其前一段的时间序列的输入数据相关联；隐含层个数设置范围为log2N～2N，N为输入层节点数；Batch_size设定，设定为本次训练模型中的样本数目总数；Epochs设定，该设定对应所有样本完整训练的次数；LossFunction设定，设置LossFunction为MAE，当LossFunction在收敛时，即停止模型的训练；Optimizer设定，采用Adam。本专利技术的有益效果在于：1、通过提前对患者的低血压事件进行预判，当发生异常情况时，能够提前预警，给监护人员争取了时间，避免了意外的发生，保证了患者能够高效安全的进行康复运动；2、通过Lstm模型对检测者进行低血压预测，数据可靠，预测准确，效率高；3、通过低血压检测预警、低血压预测预警和血压保护值预警的混合预警方式，能够最大程度的对低血压异常事件进行预警作用，避免了单一预警方式无法全面的对低血压进行预本文档来自技高网...

【技术保护点】
1.一种基于LSTM网络的急性低血压混合预警方法，其特征在于，所述急性低血压混合预警方法包括以下步骤：/n步骤A，导入采集的生理数据序列，对其进行低血压事件检测，若检测到当前处于低血压状态，则输出结果为低血压预警，进入步骤C，否则，进入步骤B；/n步骤B，对当前所采集的生理数据序列进行急性低血压事件预测，若预测到下一时段会发生急性低血压，则输出结果为低血压预测预警，而后进入步骤C；/n步骤C，进行血压保护值检测，若超出保护值，则输出结果血压超出保护值，返回步骤A和步骤B中的两个结果进行预警，该血压保护值为低血压阈值；/n其中，所述步骤B中预测过程包括基于LSTM网络建立预警模型，并对该模型进行训练，该训练步骤依次包括为步骤X1、步骤X2、步骤X3、步骤X4；/n步骤X1，导入采集的生理数据序列，对该数据进行预处理；/n步骤X2，对预处理后的信号进行小波分解；/n步骤X3，通过LSTM神经网络结构对下一段时间的细节系数和接近系数进行预测；/n步骤X4，对第前一步骤所预测的数据进行小波重构，进而得到信号时间序列预测结果。/n

【技术特征摘要】
1.一种基于LSTM网络的急性低血压混合预警方法，其特征在于，所述急性低血压混合预警方法包括以下步骤：
步骤A，导入采集的生理数据序列，对其进行低血压事件检测，若检测到当前处于低血压状态，则输出结果为低血压预警，进入步骤C，否则，进入步骤B；
步骤B，对当前所采集的生理数据序列进行急性低血压事件预测，若预测到下一时段会发生急性低血压，则输出结果为低血压预测预警，而后进入步骤C；
步骤C，进行血压保护值检测，若超出保护值，则输出结果血压超出保护值，返回步骤A和步骤B中的两个结果进行预警，该血压保护值为低血压阈值；
其中，所述步骤B中预测过程包括基于LSTM网络建立预警模型，并对该模型进行训练，该训练步骤依次包括为步骤X1、步骤X2、步骤X3、步骤X4；
步骤X1，导入采集的生理数据序列，对该数据进行预处理；
步骤X2，对预处理后的信号进行小波分解；
步骤X3，通过LSTM神经网络结构对下一段时间的细节系数和接近系数进行预测；
步骤X4，对第前一步骤所预测的数据进行小波重构，进而得到信号时间序列预测结果。


2.根据权利要求1所述的基于LSTM网络的急性低血压混合预警方法，其特征在于，步骤A还包括对是否已经处于急性低血压状态进行检测，该检测过程包括如下步骤：
步骤1，根据所导入采集的生理数据序列，在该生理数据序列的队列中，固定一个指针作为起点，队尾作为终点，同时使用整型变量N记录起点到终点的平均动脉压序列中血压值低于低血压阈值的数据个数；
步骤2，每次有数据入队时，查看固定指针所指的数据的平均动脉压是否低于低血压阈值，若是，则整型变量N减一，否则，不进行加减，入队新数据；
步骤3，若新血压值小于低血压阈值，那么变量整型变量N加一，否则不进行加减；
步骤4，判断整型变量N与反应时间的比例是否大于低血压阈值百分比，若是，则输出结果为低血压状态。


3.根据权利要求1或2所述的基于LSTM网络的急性低血压混合预警方法，其特征在于，步骤A还包括对急性低血压事件进行预测预警，该预测预警是将所导入采集的生理数据序列放入步骤X所训练的模型当中去进行预测，其包括如下过程：
针对一段时间内病人的生理信号数据，判断其平均动脉压是否满足该平均动脉压的计算公式为：
其中，MAP为平均动脉压；Diastolic为舒张压；Systolic为收缩压；p表示低血压阈值吗，其...

【专利技术属性】
技术研发人员：吴映波，何委燚，赵朋朋，吉皇，吴杰，周敏，骈伟国，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆;50