一种血压监测方法、装置及电子设备制造方法及图纸

本申请提供了一种血压监测方法、装置及电子设备；所述方法包括：将阵列光电式脉搏波(PPG)信号进行预处理，得到对应的标准化的阵列PPG信号和所述阵列PPG信号对应的图结构的邻接矩阵；基于所述标准化的阵列PPG信号以及所述邻接矩阵，确定所述阵列PPG信号对应的空间特征和时间特征；将所述空间特征和所述时间特征进行特征融合得到空时特征；基于所述空时特征确定血压预测值；基于所述血压预测值，确定所述阵列PPG信号对应的收缩压的血压区间和舒张压的血压区间。本申请提供的基于血压监测方法具有较高的准确性。方法具有较高的准确性。方法具有较高的准确性。

【技术实现步骤摘要】
一种血压监测方法、装置及电子设备


[0001]本申请涉及血压监测
，尤其涉及一种血压监测方法、装置及电子设备。

技术介绍

[0002]目前，在血压监测技术中，CNN(Convolutional Neural Networks，卷积神经网络)虽然能够自动提取具有判别性的特征以及对提取到的特征进行收缩压和舒张压的回归，实现基于回归预测实现端到端的血压测量。但是，在对阵列PPG(Photoplethysmographic，光电容积脉搏波描记法)信号对血压进行收缩压和舒张压实时监测时，由于阵列中的PPG信号的相关关系是非规则的，用传统的欧式距离无法准确描述，使用CNN模型不仅不能够充分提取具有区分度的特征信息，而且还会导致血压监测准确率不高的问题。
[0003]因此，有必要提出一种用于阵列PPG信号在不同收缩压和舒张压实时监测的算法，可以提升传统的深度学习方法对阵列PPG信号在不同收缩压和舒张压值实时监测准确性能不高的问题。

技术实现思路

[0004]本申请实施例提供一种血压监测方法、装置及电子设备，可以提高血压监测的准确率。
[0005]本申请实施例的技术方案是这样实现的：
[0006]第一方面，本申请实施例提供一种血压监测方法，包括：
[0007]将阵列PPG信号进行预处理，得到标准化的阵列PPG信号和所述阵列PPG信号对应的图结构的邻接矩阵；
[0008]基于所述标准化的阵列PPG信号以及所述邻接矩阵，确定所述阵列PPG信号对应的空间特征和时间特征；
>[0009]将所述空间特征和所述时间特征进行特征融合得到空时特征；
[0010]基于所述空时特征确定血压预测值；
[0011]基于所述血压预测值，确定所述阵列PPG信号对应的收缩压的血压区间和舒张压的血压区间。
[0012]在上述方案中，所述将阵列PPG信号进行预处理，得到标准化的阵列PPG信号和所述阵列PPG信号对应的图结构的邻接矩阵，包括：
[0013]对所述阵列PPG信号进行标准化处理，得到所述标准化的阵列PPG信号。
[0014]在上述方案中，所述将阵列PPG信号进行预处理，得到标准化的阵列PPG信号和所述阵列PPG信号对应的图结构的邻接矩阵，包括：
[0015]基于滑动窗口选取第一长度的阵列PPG信号；
[0016]针对每次选取的第一长度的阵列PPG信号，基于每路PPG信号与相邻PPG信号之间的最大互信息系数之和的平均值，构建所述邻接矩阵。
[0017]在上述方案中，所述基于标准化的阵列PPG信号以及所述邻接矩阵，确定所述阵列
PPG信号对应的空间特征和时间特征，包括：
[0018]基于图卷积神经网络得到所述阵列PPG信号对应的空间特征；
[0019]基于长短期记忆神经网络得到所述阵列PPG信号对应的时间特征。
[0020]在上述方案中，所述将所述空间特征和所述时间特征进行特征融合得到空时特征，包括：
[0021]将所述空间特征和所述时间特征通过全连接层进行特征融合，得到所述空时特征。
[0022]在上述方案中，所述基于所述空时特征确定血压预测值，包括：
[0023]基于线性回归算法对所述空时特征进行预测，得到收缩压的预测值和舒张压的预测值。
[0024]在上述方案中，所述基于所述血压预测值，确定所述阵列PPG信号对应的收缩压的血压区间和舒张压的血压区间，包括：
[0025]基于收缩压的预测值和舒张压的预测值，确定收缩压对应的第一上界值和第一下界值；
[0026]基于所述第一上界值和所述第一下界值，确定所述收缩压的血压区间；
[0027]基于收缩压的预测值和舒张压的预测值，确定舒张压对应的第二上界值和第二下界值；
[0028]基于所述第二上界值和所述第二下界值，确定所述舒张压的血压区间。
[0029]第二方面，本申请实施例提供一种血压监测模型的训练方法，其特征在于，所述方法包括：
[0030]将样本数据集中的阵列PPG信号进行预处理，得到标准化的阵列PPG信号以及所述阵列PPG信号对应的图结构的邻接矩阵，所述样本数据集包括阵列PPG信号以及阵列PPG信号对应的收缩压的标注值和舒张压的标注值；
[0031]将所述标准化的阵列PPG信号以及所述邻接矩阵作为血压监测模型中第一子模型的输入，得到血压预测值，所述血压预测值包括收缩压的预测值和舒张压的预测值；
[0032]将所述收缩压的预测值和舒张压的预测值作为第二子模型的输入，得到收缩压的血压区间范围和舒张压的血压区间范围。
[0033]在上述方案中，所述将所述标准化的阵列PPG信号以及所述邻接矩阵作为血压监测模型中第一子模型的输入，得到血压预测值，包括：
[0034]基于图卷积神经网络得到所述阵列PPG信号对应的空间特征；
[0035]基于长短期记忆神经网络得到所述阵列PPG信号对应的时间特征；
[0036]将所述空间特征和所述时间特征通过全连接层进行特征融合，基于线性回归算法对融合后的空时特征进行预测，得到收缩压的预测值和舒张压的预测值；
[0037]其中，所述第一子模型基于收缩压的标注值和收缩压的预测值之间的差异，以及所述舒张压的标注值和所述舒张压的预测值之间的差异，调整所述第一子模型的参数，进行模型训练。
[0038]在上述方案中，所述将所述收缩压的预测值和舒张压的预测值作为第二子模型的输入，得到收缩压的血压区间范围和舒张压的血压区间范围，包括：
[0039]所述第二子模型基于所述收缩压的预测值进行高斯回归处理，确定所述收缩压对
应的第一上界值和第一下界值，基于所述第一上界值和所述第一下界值，确定所述收缩压的血压区间；
[0040]所述第二子模型基于所述舒张压的预测值进行高斯回归处理，确定舒张压对应的第二上界值和第二下界值，基于所述第二上界值和所述第二下界值，确定所述舒张压的血压区间。
[0041]第三方面，本申请实施例提供一种血压监测装置，所述血压监测装置包括：
[0042]预处理模块，用于将阵列PPG信号进行预处理，得到标准化的阵列PPG信号和所述阵列PPG信号对应的图结构的邻接矩阵；
[0043]血压值确定模块，用于基于所述标准化的阵列PPG信号以及所述邻接矩阵，得到所述阵列PPG信号对应的空间特征和时间特征；将所述空间特征和所述时间特征进行特征融合，基于融合后得到的空时特征确定收缩压的预测值和舒张压的预测值；
[0044]血压区间确定模块，用于基于所述收缩压的预测值和所述舒张压的预测值，确定所述阵列PPG信号对应的收缩压的血压区间和舒张压的血压区间。
[0045]第四方面，本申请实施例提供一种血压监测模型训练装置，所述装置包括：
[0046]预处理模块，用于将样本数据集中的阵列PPG信号进行预处理，得到标准化的阵列PPG信号以及所述阵列PPG信号对应的图结构的邻本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种血压监测方法，其特征在于，所述方法包括：将阵列光电式脉搏波PPG信号进行预处理，得到标准化的阵列PPG信号和所述PPG信号对应的图结构的邻接矩阵；基于所述标准化的阵列PPG信号以及所述邻接矩阵，确定所述阵列PPG信号对应的空间特征和时间特征；将所述空间特征和所述时间特征进行特征融合得到空时特征；基于所述空时特征确定血压预测值；基于所述血压预测值，确定所述阵列PPG信号对应的收缩压的血压区间和舒张压的血压区间。2.根据权利要求1所述的方法，其特征在于，所述将光电式脉搏波阵列PPG信号进行预处理，得到标准化的阵列PPG信号和所述PPG信号对应的图结构的邻接矩阵，包括：对所述阵列PPG信号进行标准化处理，得到所述标准化的阵列PPG信号。3.根据权利要求1所述的方法，其特征在于，所述将光电式脉搏波阵列PPG信号进行预处理，得到标准化的阵列PPG信号和所述阵列PPG信号对应的图结构的邻接矩阵，包括：基于滑动窗口选取第一长度的阵列PPG信号；针对每次选取的第一长度的阵列PPG信号，基于每路PPG信号与相邻PP G信号之间的最大互信息系数之和的平均值，构建所述邻接矩阵。4.根据权利要求1所述的方法，其特征在于，所述基于标准化的阵列PP G信号以及所述邻接矩阵，确定所述阵列PPG信号对应的空间特征和时间特征，包括：基于图卷积神经网络得到所述阵列PPG信号对应的空间特征；基于长短期记忆神经网络得到所述阵列PPG信号对应的时间特征。5.根据权利要求1所述的方法，其特征在于，所述将所述空间特征和所述时间特征进行特征融合，得到空时特征，包括：将所述空间特征和所述时间特征通过全连接层进行特征融合，得到所述空时特征。6.根据权利要求1所述的方法，其特征在于，所述基于所述空时特征确定血压预测值，包括：基于线性回归算法对所述空时特征进行预测，得到收缩压的预测值和舒张压的预测值。7.根据权利要求1所述的方法，其特征在于，所述基于所述血压预测值，确定所述阵列PPG信号对应的收缩压的血压区间和舒张压的血压区间，包括：基于收缩压的预测值和舒张压的预测值，确定收缩压对应的第一上界值和第一下界值；基于所述第一上界值和所述第一下界值，确定所述收缩压的血压区间；基于收缩压的预测值和舒张压的预测值，确定舒张压对应的第二上界值和第二下界值；基于所述第二上界值和所述第二下界值，确定所述舒张压的血压区间。8.一种血压监测模型的训练方法，其特征在于，所述方法包括：将样本数据集中的阵列PPG信号进行预处理，得到标准化的阵列PPG信号以及所述阵列PPG信号对应的图结构的邻接矩阵，所述样本数据集包括阵列PPG信号以及阵列PPG信号对
应的收缩压的标注值和舒张压的标注值；将所述标准化的阵列PPG信号以及所述邻接矩阵作为血压监测模型中第一子模型的输入，得到血压预测值，所述血压预测值包括收缩压的预测值和舒张压的预测值；将所述收缩压的预测值和舒张压的预测值作为第二子模型的输入，得到收缩压的血压区间范围和舒张压的血压区间范围。9.根据权利要求8所述的方法，其特征在于，所述将所述标准化的阵列PPG信号以及所述邻接矩阵作...

【专利技术属性】
技术研发人员：李小勇，余友，张博，
申请(专利权)人：出门问问信息科技有限公司，
类型：发明
国别省市：