一种基于在线学习的无袖带连续血压估测系统技术方案

该发明专利技术公开了一种基于在线学习的无袖带连续血压估测系统，属于数据处理，深度学习领域。本发明专利技术基于在线学习方式对网络进行训练，可有效解决大数据量下训练所得血压估测模型普适性较差这一问题，从而可实现对个体血压的连续实时监测，反映患者真实的连续血压变化情况，有效避免诊所测压的随意性、排除白大衣性高血压、及时检测血压的变化等情况，可综合全面分析随血压波动而升高或降低的体内生理活动变化或生化指标的变化。动变化或生化指标的变化。动变化或生化指标的变化。

【技术实现步骤摘要】
一种基于在线学习的无袖带连续血压估测系统


[0001]本专利技术涉及深度学习、生物医学工程等领域，具体涉及利用深度学习在线学习方法估测无袖带连续动脉血压。

技术介绍

[0002]自人类1733年发现动脉血压，观察到动脉搏动并成功利用水银压力计实现血压的间歇性测量，到上世纪通过动脉内置管实现连续血压测量以来，如何实现非侵入无创连续血压测量成为血压测量领域一大问题。较为传统的方法如动脉张力测量法、动脉容积钳法等,虽能够实现非侵入间接连续时间的血压测量，但由于受方法本身局限以及其他各种因素的影响，如压平程度、传感器位置设定以及动作伪影等，其所能实现的精度相较于标准的侵入式连续血压测量。此外，基于这些方法的测量系统庞大、昂贵，且需要专业人员操作，一定程度限定了其应用。
[0003]目前的血压测量方式主要以符合国际标准(ESH、BHS和AAMI)的上臂式医用电子血压计为主，如“电子血压计临床准确性评价标准综述_李芹”。该血压计广泛应用于临床及家用血压测量，但其问题主要在于：1)操作所需的充气式袖带会给用户带来不适，若在夜间监测也会干扰睡眠；2)无本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于在线学习的无袖带连续血压估测系统，该系统包括：数据采集与预处理模块，数据输入控制模块，在线学习模型构建模块，模型更新优化模块，血压预测显示模块；所述数据采集与预处理模块实现对输入信号的采集与预处理，即利用可穿戴设备在用户体表采集时序生理信号，并同时采用血压测量装置采集同步时序血压数据，并将采集到的所有信号传输给数据预处理模块，数据预处理方法包括数据转换、去除非平稳数据、差分化、归一化；所述数据输入控制模块实现数据的实时有序传输，保持多信号输入的同步性，在云端服务器Kafka中实现，即将预处理后的时序数据写入到云端服务器Kafka消息队列中，由此事件被组织并持久地存储在Topic中，其中的事件可以根据需要随时读取，事件在使用后不会被删除，通过配置来定义云端服务器Kafka中每个Topic应该保留事件的时间，超过该时间后旧事件将被丢弃；所述在线学习模型构建模块实现实时监督学习，数据输入控制模块持续的实时输出作为在线学习模型构建模块的输入，在这一过程中数据将分为两部分即：训练集和验证集，根据具体需求选择不同的网络建立初始在线学习模型，进一步利用数据采集与预处理模块采集的时序生理信号进行监督学习与后续计算分析；所述模型更新优化模块中的实现方法为：对数据输入控制模块传输的流式数据，连续截取一时间长度为T的时序数据段STData
Ti
，STData
Ti
中包括参考血压在内的多模态信号，每个STData
Ti
读取完毕后用于优化网络模型，模型参数为W
i
，其对应连续血压预测准确性为Acc
i
，连续读取完毕时间长度为T的STData

【专利技术属性】
技术研发人员：丁晓蓉，张春霖，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：