血压测量方法、装置及相关设备制造方法及图纸

本发明专利技术公开了一种血压测量方法、装置、计算机设备及存储介质，所述方法包括：获取待测用户的面部视频和个体信息；将待测用户的面部视频和个体信息输入至血压预测模型，得到待测用户的收缩压和舒张压，其中，血压预测模型包括时空特征提取模块和血压信号预测模块，时空特征提取模块用于对待测用户的面部视频进行特征提取，得到包含全局空间信息和时间信息的特征向量；血压信号预测模块用于对所述特征向量和所述个体信息进行融合，并基于融合后的特征向量预测得到待测用户的收缩压和舒张压；输出待测用户的收缩压和舒张压。采用本发明专利技术可以不需要与被测者直接接触，降低血压测量复杂度和成本，提高血压测量效率和测量精度。提高血压测量效率和测量精度。提高血压测量效率和测量精度。

【技术实现步骤摘要】
血压测量方法、装置及相关设备


[0001]本专利技术涉及人脸视频特征处理和血压测量
，尤其涉及一种血压测量方法、装置、计算机设备及存储介质。

技术介绍

[0002]血压是指心脏将血液运输至身体周围的过程中，对脉管施加的压力，是人体一项很重要的健康指标，在医学诊断、健康监控等领域发挥着重要作用。水银血压计和袖带式电子血压计是目前较为常见和主流对的血压检测设备，水银血压计测量得到的结果较为准确，但是需要与被测者接触，操作比较复杂，且对专业性要求较高，电子血压计也需要与被测者接触，且在使用过程中存在很多局限性，例如精度受传感器位置影响、无法进行连续测量等。
[0003]光电容积脉搏波描记法(photoplethysmographic，PPG)是一种利用光电技术检测人体脉搏波的方法，其根据皮下血液容积随着心脏周期性射血而产生周期性变化的原理，利用光电探测器检测这种脉动性变化获得容积脉搏波信号，随着该技术的发展，市场上也出现了许多基于光电式容积脉搏波的血压测量设备(例如血压测量手环)，但是这也提高血压测量成本，其这些设备普遍存在测量精度不高、对于异常血压的捕获能力不足的问题。
[0004]因此，如何提高血压测量的灵活性，降低血压测量复杂度和成本，提高血压测量效率和测量精度是目前亟待解决的问题。

技术实现思路

[0005]本专利技术实施例提供一种血压测量方法、装置、计算机设备和存储介质，不需要与被测者直接接触，能够提高血压的灵活性，降低血压测量复杂度和成本，提高血压测量效率和测量精度。/>[0006]为了解决上述技术问题，本申请实施例提供一种血压测量方法，包括以下步骤：获取待测用户的面部视频和个体信息，所述面部视频包括多个面部图像序列；将所述待测用户的面部视频和所述个体信息输入至血压预测模型，得到所述待测用户的收缩压和舒张压，其中，所述血压预测模型包括时空特征提取模块和血压信号预测模块，所述时空特征提取模块用于对所述待测用户的面部视频进行特征提取，得到包含全局空间信息和时间信息的特征向量；所述血压信号预测模块用于对所述特征向量和所述个体信息进行融合，并基于融合后的特征向量预测得到所述待测用户的收缩压和舒张压；输出所述待测用户的收缩压和舒张压。
[0007]在一种可能的实现方式中，将所述待测用户的面部视频输入至浅层特征提取网络进行卷积处理，输出浅层特征图，所述浅层特征提取网络包括多个2D卷积块；基于所述浅层特征图和多尺度核空间注意力机制，得到注意力特征图；将所述注意力特征图输入基于分步时空自注意力的编码器进行编码，得到所述包含全局空间信息和时间信息的特征向量。
[0008]在另一种可能的实现方式中，利用多个不同尺寸大小的卷积核对所述浅层特征图
进行卷积操作，提取得到多尺度特征图；将所述多尺度特征图进行级联并在通道维度上分别进行全局最大池化和全局平均池化，得到全局最大池化特征图和全局平均池化特征图；根据所述全局最大池化特征图和所述全局平均池化特征图，得到注意力权重图；基于所述注意力权重图和所述浅层特征图，得到所述注意力特征图。
[0009]在另一种可能的实现方式中，将所述注意力特征图输入嵌入层Embedding网络，得到所述注意力特征图对应的嵌入向量token；将所述嵌入向量token输入至基于longformer的编码网络，输出所述包含全局空间信息和时间信息的特征向量，所述基于longformer的编码网络用于对所述嵌入向量token在时间维度和空间维度上采用自注意力机制。
[0010]在另一种可能的实现方式中，将所述个体信息输入至线性映射网络进行映射处理，得到所述个体信息对应的个体特征；利用自注意力机制对所述个体特征和所述特征向量进行融合，生成融合后的特征向量；将所述融合后的特征向量输入至全连接层网络，得到所述待测用户的收缩压和舒张压的预测值。
[0011]在另一种可能的实现方式中，获取样本数据，所述样本数据包括样本人脸视频、所述样本人脸视频对应的个体信息和所述样本人脸视频对应的真实血压值，所述真实血压值包括收缩压和舒张压；将所述样本数据输入至初始血压预测模型；所述初始血压预测模型预测得到所述样本人脸视频对应的血压值，并将得到的血压值与所述真实血压值进行比对，计算得到血压损失函数；根据所述血压损失函数对所述初始血压预测模型中的参数和权重进行调整，得到所述血压预测模型。
[0012]为了解决上述技术问题，本申请实施例还提供一种血压测量装置，包括：数据获取模块，用于获取待测用户的面部视频和个体信息，所述面部视频包括多个面部图像序列；预测模块，用于将所述待测用户的面部视频和所述个体信息输入至血压预测模型，得到所述待测用户的收缩压和舒张压，其中，所述血压预测模型包括时空特征提取模块和血压信号预测模块，所述时空特征提取模块用于对所述待测用户的面部视频进行特征提取，得到包含全局空间信息和时间信息的特征向量；所述血压信号预测模块用于对所述特征向量和所述个体信息进行融合，并基于融合后的特征向量预测得到所述待测用户的收缩压和舒张压；输出模块，用于输出所述待测用户的收缩压和舒张压。
[0013]为了解决上述技术问题，本申请实施例还提供一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
[0014]为了解决上述技术问题，本申请实施例还提供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上述方法的步骤。
[0015]本专利技术实施例提供的血压测量方法、装置、计算机设备及存储介质，在获取待测用户的面部视频后，通过预先构建的端到端血压预测模型对待测用户的血压进行直接的预测，可以避免由于信号处理和手工特征提取所造成的测量精度下降的问题，降低血压测量复杂度和测量成本，此外，通过不同人群的个体信息与血压之间的相关性，将待测用户的个体信息，例如性别、年龄、身高、体重等信息与面部视频所包含的特征信息进行融合处理以辅助血压的预测，可以进一步提高测量精度，而且整个测量过程不需要与被测用户进行直接接触，提高了检测灵活性，拓宽了使用场景。
附图说明
[0016]为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0017]图1是本申请可以应用于其中的示例性系统架构图。
[0018]图2是本申请的血压测量方法的一个实施例的流程图。
[0019]图3是本申请的血压预测模型结构的一个示意图。
[0020]图4是本申请的多尺度核空间注意力机制结构的一个示意图。
[0021]图5是本申请的血压预测模型训练过程的一个实施例的流程图。
[0022]图6是根据本申请的血压测量装置的一个实施例的结构示意图。
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种血压测量方法，其特征在于，所述方法包括：获取待测用户的面部视频和个体信息，所述面部视频包括多个面部图像序列；将所述待测用户的面部视频和所述个体信息输入至血压预测模型，得到所述待测用户的收缩压和舒张压，其中，所述血压预测模型包括时空特征提取模块和血压信号预测模块，所述时空特征提取模块用于对所述待测用户的面部视频进行特征提取，得到包含全局空间信息和时间信息的特征向量；所述血压信号预测模块用于对所述特征向量和所述个体信息进行融合，并基于融合后的特征向量预测得到所述待测用户的收缩压和舒张压；输出所述待测用户的收缩压和舒张压。2.如权利要求1所述的方法，其特征在于，所述时空特征提取模块用于对所述待测用户的面部视频进行特征提取，得到包含全局空间信息和时间信息的特征向量包括：将所述待测用户的面部视频输入至浅层特征提取网络进行卷积处理，输出浅层特征图，所述浅层特征提取网络包括多个2D卷积块；基于所述浅层特征图和多尺度核空间注意力机制，得到注意力特征图；将所述注意力特征图输入基于分步时空自注意力的编码器进行编码，得到所述包含全局空间信息和时间信息的特征向量。3.如权利要求2所述的方法，其特征在于，所述基于所述浅层特征图和多尺度核空间注意力机制，得到注意力特征图包括：利用多个不同尺寸大小的卷积核对所述浅层特征图进行卷积操作，提取得到多尺度特征图；将所述多尺度特征图进行级联并在通道维度上分别进行全局最大池化和全局平均池化，得到全局最大池化特征图和全局平均池化特征图；根据所述全局最大池化特征图和所述全局平均池化特征图，得到注意力权重图；基于所述注意力权重图和所述浅层特征图，得到所述注意力特征图。4.如权利要求2所述的方法，其特征在于，所述将所述注意力特征图输入基于分步时空自注意力的编码器进行编码，得到所述包含全局空间信息和时间信息的特征向量包括：将所述注意力特征图输入嵌入层Embedding网络，得到所述注意力特征图对应的嵌入向量token；将所述嵌入向量token输入至基于longformer的编码网络，输出所述包含全局空间信息和时间信息的特征向量，所述基于longformer的编码网络用于对所述嵌入向量token在时间维度和空间维度上采用自注意力机制。5.如权利要求1所述的方法，其特征在于，所述血压信号预测模块用于对所述特征向量和所述个体信息进行融合，并基于融合后的特征向量预测得到所...

【专利技术属性】
技术研发人员：左勇，刘伟华，潘馨，
申请(专利权)人：智慧眼科技股份有限公司，
类型：发明
国别省市：