一种血流图识别方法技术

本发明专利技术公开了血流图识别算法的目的是将有效的血流图正确的识别出来，并进行分类标记，提取血流图参数用于脑血管健康状态的评估；血流图识别算法是将采集到的阻抗血流图数据，进行归一化，通过深度学习系统进行模型训练，将训练出来的模型用于血流图的实时识别，并对提取出的血流图进行参数提取；心脏每一次搏动的会使脑部电阻抗发生规律性的变化，对这种变化绘制出相应波形，不同的人因脑血管硬化程度不同，波形及波形指标也不同，通过与正常的波形比对，来判断用户的脑血管健康状态及中风风险。

【技术实现步骤摘要】
一种血流图识别方法
本专利技术涉及血流图
，更具体地说，涉及一种血流图识别方法。
技术介绍
目前，对于电阻抗技术和脑血流图技术的应用都是相对独立的。市场上的产品是采用单一技术，而且产品体积都比较大，基本应用于专业医疗机构。脑血流图技术，人体各组织结构导电性不同，包括各种体液导电性都不同，血液的导电性最好。在头颅两个部位之间施加微弱的高频电流，根据欧姆定律和容积导电的原理，观察两个检测电极之间电流或电压变化，可以了解该检测部位电场范围内血液流体动力学的瞬时变化情况。心脏每一次搏动的会使脑部电阻抗发生规律性的变化，对这种变化绘制出与时间相关的函数曲线，这个曲线与心脏活动(流入量)密切相关，反映血管紧张度与弹性的变化，受外周阻力(中、小动脉及微动脉口径)和血液黏度(流体性质)的影响。不同的人因脑血管健康状态程度不同，波形及波形指标也不同，通过与正常的波形比对，来判断用户的脑血管健康状态。为此，本专利技术提出了一种血流图识别方法。
技术实现思路
1.要解决的技术问题对于电阻抗技术和脑血流图技术的应用都是相对独立本文档来自技高网...

【技术保护点】
1.一种血流图识别方法，其特征在于，血流图识别算法的目的是将有效的血流图正确的识别出来，并进行分类标记，提取血流图参数用于脑血管健康状态的评估；血流图识别算法是将采集到的阻抗血流图数据，进行归一化，通过深度学习系统进行模型训练，将训练出来的模型用于血流图的实时识别，并对提取出的血流图进行参数提取；/n具体按以下步骤操作：/n1)将每相邻两个心跳特征点之间的波形T作为一个心跳周期的脑阻抗血流图数据，匹配神经网络输入数据接口标准，对脑阻抗血流图数据进行归一化处理。波形T中取得单个心跳周期波形数据X(值域不定，点数30～50之间)，幅值归一化处理后得到值域为(0～1)的波形数据M，周期归一化处理后得...

【技术特征摘要】
1.一种血流图识别方法，其特征在于，血流图识别算法的目的是将有效的血流图正确的识别出来，并进行分类标记，提取血流图参数用于脑血管健康状态的评估；血流图识别算法是将采集到的阻抗血流图数据，进行归一化，通过深度学习系统进行模型训练，将训练出来的模型用于血流图的实时识别，并对提取出的血流图进行参数提取；
具体按以下步骤操作：
1)将每相邻两个心跳特征点之间的波形T作为一个心跳周期的脑阻抗血流图数据，匹配神经网络输入数据接口标准，对脑阻抗血流图数据进行归一化处理。波形T中取得单个心跳周期波形数据X(值域不定，点数30～50之间)，幅值归一化处理后得到值域为(0～1)的波形数据M，周期归一化处理后得到100点波形数据N作为样本数据进行神经网络训练。
2)血流图标记：将生产环境血流图数据通过训练好的神经网络算法识别出该血流图的类别，并为该血流图做标记。
神经网络模型为BP神经网络模型，模型结构为：
输入层：输入归一化后脑阻抗血流图数据N；
隐含层：2层512个神经元网络、激活函数为relu函数；
输出层：输出各个类别标签，激活函数为softmax函数；
损失函数：交叉熵函数；
反向传播方式：梯度下降法。
3)经典脑阻抗血流图波形包括上升段C-S，下降段S-C’。由神经网络识别出符合经典特征的脑阻抗血流图波形后，对应到归一化之前的血流图数据进行参数提取。
其中参数分为幅度指标Y、时间指标X以及关系指标。
①幅度指标:
S点幅值Fs＝Tmax(即该心跳周期内T波形的最大值)
D...

【专利技术属性】
技术研发人员：陈聪，苏国庆，蒋聪，高梁山，周巍，
申请(专利权)人：陈聪，
类型：发明
国别省市：江苏;32