血压预测方法、装置、存储介质和计算机设备制造方法及图纸

本申请提供一种血压预测方法、装置、存储介质和计算机设备，其中，方法包括：获取心电信号样本、脉搏波信号样本以及血压数据样本；从心电信号样本和脉搏波信号样本分别获取与血压数据样本关联的第一心电信号样本特征集和第一脉搏波信号样本特征集；对第一心电信号样本特征集和第一脉搏波信号样本特征集进行特征筛选，得到第二心电信号样本特征集和第二脉搏波信号样本特征集；根据第二心电信号样本特征集、第二脉搏波信号样本特征集以及血压数据样本对初始神经网络模型进行训练，得到血压预测模型；将待检测对象的实时心电信号和实时脉搏波信号输入血压预测模型，得到血压预测结果。本申请可以提高预测血压数据的准确性。本申请可以提高预测血压数据的准确性。本申请可以提高预测血压数据的准确性。

【技术实现步骤摘要】
血压预测方法、装置、存储介质和计算机设备


[0001]本申请涉及血压数据获取的
，具体涉及一种血压预测方法、装置、存储介质和计算机设备。

技术介绍

[0002]对于现有的相关技术，是通过脉搏波信号获取血压数据的，然而只通过脉搏波信号获取血压数据，存在获取的血压数据精度低，容易受干扰而导致出现误差的问题。

技术实现思路

[0003]本申请的目的在于克服现有技术中的缺点与不足，提供一种血压预测方法、装置、存储介质和计算机设备，可以提高预测血压数据的准确性。
[0004]本申请实施例的第一方面提供了一种血压预测方法，包括：
[0005]获取心电信号样本、脉搏波信号样本以及血压数据样本；
[0006]从所述心电信号样本获取与所述血压数据样本关联的第一心电信号样本特征集；从所述脉搏波信号样本获取与所述血压数据样本关联的第一脉搏波信号样本特征集；
[0007]对所述第一心电信号样本特征集进行筛选，得到第二心电信号样本特征集；其中，所述第二心电信号样本特征集的心电信号样本特征数量少于所述第一心电信号样本特征集，且所述第二心电信号样本特征集的心电信号样本特征与所述血压数据样本的平均关联性大于所述第一心电信号样本特征集与所述血压数据样本的平均关联性；
[0008]对第一脉搏波信号样本特征集进行筛选，得到第二脉搏波信号样本特征集；其中，所述第二脉搏波信号样本特征集的心电信号样本特征数量少于所述第一脉搏波信号样本特征集，且所述第二脉搏波信号样本特征集的心电信号样本特征与所述血压数据样本的平均关联性大于所述第一脉搏波信号样本特征集与所述血压数据样本的平均关联性；
[0009]根据所述第二心电信号样本特征集、所述第二脉搏波信号样本特征集以及所述血压数据样本对初始神经网络模型进行训练，得到血压预测模型；
[0010]将待检测对象的实时心电信号和实时脉搏波信号输入所述血压预测模型，得到血压预测结果。
[0011]本申请实施例的第二方面提供了一种血压预测装置，包括：
[0012]信号数据样本获取模块，用于获取心电信号样本、脉搏波信号样本以及血压数据样本；
[0013]特征集获取模块，用于从所述心电信号样本获取与所述血压数据样本关联的第一心电信号样本特征集；从所述脉搏波信号样本获取与所述血压数据样本关联的第一脉搏波信号样本特征集；
[0014]心电信号特征筛选模块，用于对所述第一心电信号样本特征集进行筛选，得到第二心电信号样本特征集；其中，所述第二心电信号样本特征集的心电信号样本特征数量少于所述第一心电信号样本特征集，且所述第二心电信号样本特征集的心电信号样本特征与
所述血压数据样本的平均关联性大于所述第一心电信号样本特征集与所述血压数据样本的平均关联性；
[0015]脉搏波信号特征筛选模块，用于对第一脉搏波信号样本特征集进行筛选，得到第二脉搏波信号样本特征集；其中，所述第二脉搏波信号样本特征集的心电信号样本特征数量少于所述第一脉搏波信号样本特征集，且所述第二脉搏波信号样本特征集的心电信号样本特征与所述血压数据样本的平均关联性大于所述第一脉搏波信号样本特征集与所述血压数据样本的平均关联性；
[0016]模型训练模块，用于根据所述第二心电信号样本特征集、所述第二脉搏波信号样本特征集以及所述血压数据样本对初始神经网络模型进行训练，得到血压预测模型；
[0017]预测模块，用于将待检测对象的实时心电信号和实时脉搏波信号输入所述血压预测模型，得到血压预测结果。
[0018]本申请实施例的第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的血压预测方法的步骤。
[0019]本申请实施例的第四方面提供了一种计算机设备，包括储存器、处理器以及储存在所述储存器中并可被所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的血压预测方法的步骤。
[0020]相对于相关技术，本申请分别对心电信号样本中，与血压数据样本关联的第一心电信号样本特征集，以及脉搏信号样本中，与血压数据样本关联的第一脉搏波信号样本特征集进行筛选，得到平均关联性更大的第二心电信号样本特征集和第二脉搏波信号样本特征集，然后根据第二心电信号样本特征集和第二脉搏波信号样本特征集训练神经网络模型，得到的血压预测模型可以根据待检测对象的实时心电信号和实时脉搏波信号，更准确地输出血压预测结果，可以提高预测血压数据的准确性。
[0021]为了能更清晰的理解本申请，以下将结合附图说明阐述本申请的具体实施方式。
附图说明
[0022]图1为本申请一个实施例的血压预测方法的流程图。
[0023]图2为本申请一个实施例的血压预测方法的Bland
‑
Altman图。
[0024]图3为本申请一个实施例的血压预测装置的模块连接示意图。
[0025]100、血压预测装置；101、信号数据样本获取模块；102、特征集获取模块；103、心电信号特征筛选模块；104、脉搏波信号特征筛选模块；105、模型训练模块；106、预测模块。
具体实施方式
[0026]为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施例方式作进一步地详细描述。
[0027]应当明确，所描述的实施例仅仅是本申请实施例一部分实施例，而不是全部的实施例。基于本申请实施例中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本申请实施例保护的范围。
[0028]下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似
的要素。在本申请的描述中，需要理解的是，术语“第一”、“第二”、“第三”等仅用于区别类似的对象，而不必用于描述特定的顺序或先后次序，也不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。在此所使用的词语“如果”/“若”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”。
[0029]此外，在本申请的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
[0030]请参阅图1，其是本申请一个实施例的血压预测方法的流程图，包括：
[0031]S1：获取心电信号样本、脉搏波信号样本以及血压数据样本。
[0032]心电信号样本是采取心脏兴奋的电活动过程得到的心电信号(ECG)，心电信号可以表现为心电图的形式；心电信号包括P波、QRS波群和T波；其中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种血压预测方法，其特征在于，包括：获取心电信号样本、脉搏波信号样本以及血压数据样本；从所述心电信号样本获取与所述血压数据样本关联的第一心电信号样本特征集；从所述脉搏波信号样本获取与所述血压数据样本关联的第一脉搏波信号样本特征集；对所述第一心电信号样本特征集进行筛选，得到第二心电信号样本特征集；其中，所述第二心电信号样本特征集的心电信号样本特征数量少于所述第一心电信号样本特征集，且所述第二心电信号样本特征集的心电信号样本特征与所述血压数据样本的平均关联性大于所述第一心电信号样本特征集与所述血压数据样本的平均关联性；对第一脉搏波信号样本特征集进行筛选，得到第二脉搏波信号样本特征集；其中，所述第二脉搏波信号样本特征集的心电信号样本特征数量少于所述第一脉搏波信号样本特征集，且所述第二脉搏波信号样本特征集的心电信号样本特征与所述血压数据样本的平均关联性大于所述第一脉搏波信号样本特征集与所述血压数据样本的平均关联性；根据所述第二心电信号样本特征集、所述第二脉搏波信号样本特征集以及所述血压数据样本对初始神经网络模型进行训练，得到血压预测模型；将待检测对象的实时心电信号和实时脉搏波信号输入所述血压预测模型，得到血压预测结果。2.根据权利要求1所述的血压预测方法，其特征在于，所述对所述第一心电信号样本特征集进行筛选，得到第二心电信号样本特征集的步骤，包括：将所述第一心电信号样本特征集中的各个第一心电信号样本特征作为第一基因，得到多个第一基因；从所述多个第一基因中，重复随机选择第一预设数量的第一基因构成第一染色体，得到多个第一染色体；将所述多个所述第一染色体确定为第一种群，计算所述第一种群中各个第一染色体的适应度值；重复对上一代第一种群进行基于适应度值的选择操作、交叉操作和变异操作，获得下一代第一种群和下一代第一种群中各个第一染色体的适应度值，直至达到预设的第一终止条件，将最后一代第一种群的适应度值最大的第一染色体确定为所述第二心电信号样本特征集。3.根据权利要求2所述的血压预测方法，其特征在于，所述第一终止条件为：重复获取下一代第一种群的次数达到预设的第一最大次数，或下一代第一种群中各个第一染色体的适应度值到达预设的目标适应度值，或下一代第一种群中各个第一染色体的适应度值不再提高。4.根据权利要求1所述的血压预测方法，其特征在于，所述对第一脉搏波信号样本特征集进行筛选，得到第二脉搏波信号样本特征集的步骤，包括：将所述第二脉搏波信号样本特征集中的各个第二脉搏波信号样本特征作为第二基因，得到多个第二基因；从所述多个第二基因中，重复随机选择第二预设数量的第二基因构成第二染色体，得到多个第二染色体；将所述多个所述第二染色体确定为第二种群，计算所述第二种群中各个第二染色体的
适应度值；重复对上一代第二种群进行基于适应度值的选择操作、交叉操作、和变异操作，获得下一代第二种群和下一代第二种群中各个第二染色体的适应度值，直至达到预设的第二终止条件，将最后一代第二种群的适应度值最大的第二染色体确定为所述第二脉搏波信号样本特征集。5.根据权利要求4所述的血压预测方法，其特征在于，所述第一终止条件为：重复获取下一代第二种群的次数达到预设的第二最大次数，或下一代第二种群中各个第二染色体的适应度值到达预设的目标适应度值，或下一代第二种群中各个第二染色体的...

【专利技术属性】
技术研发人员：张涵，蒋翼飞，余宝贤，
申请(专利权)人：华南师范大学，
类型：发明
国别省市：