[发明专利]一种基于CRNN-BP的血压值智能测量方法

权利要求书

1.一种基于CRNN-BP的血压值智能测量方法，其特征在于该方法主要包括如下步骤：

a)对于真实的数据进行预处理操作；

b)预处理后的数据作数据标准化并基于CRNN-BP模型建立脉搏波序列信号和血压值的一种非线性数学映射关系；

c)利用训练好的CRNN-BP模型对真实脉搏波特征进行智能血压值测量。

2.根据权利要求1所述的基于CRNN-BP的血压值智能测量方法，其特征在于：

所述的步骤a)中，对于真实的数据进行预处理操作，具体包括：去除基线漂移、心动周期划分、噪声样本去除，其中：

(1)：使用MIMIC数据库中真实人体生理数据作为实验样本，采用频率125HZ；对于采集到的PPG信号用小波分解的方法去除基线漂移，然后去除信号低频部分，达到去除基线的目的；

(2)：对于步骤(1)处理完的数据联合采集的ABP脉搏波信号进行心动周期划分，并依据时间关系将同属于一个心动周期的PPG和ABP信号进行合并；

(3)：使用基于规则的方法对波形形态存在明显异常的心动周期进行去除。

3.根据权利要求1或2所述的基于CRNN-BP的血压值智能测量方法，其特征在于：

在进行步骤a)后可以得到预处理后的波形特征，步骤b)中，由于每份样本的采集时间不同，并且每个病人的心动周期长度也不一致，因此需要做数据统计以标准化心动周期输出长度；实际实验中统计出心动周期长度一般不超过130个采样点；对于超过130个采样点的取前130个采样点，不足的采用补0操作；并且取10个心动周期的数据。

4.根据权利要求3所述的基于CRNN-BP的血压值智能测量方法，其特征在于：

假设实际实验中有N份样本数据，在进行如前面所述的操作后便可以得到N*1300维的波形特征，以及对应心动周期N*10维的SBP和DBP血压值特征；然后基于设计好的CRNN-BP结构构建模型；

将波形特征作为输入，SBP和DBP信号作为输出做高维度的非线性拟合，将数据按照约98:2的比例分成互不相交的训练集(178130)和验证集(3632)，利用训练集对CRNN-BP模型进行训练，利用验证集进行验证，当验证集预测精度达到设定值(比如绝对误差小于2)时停止训练，保存模型；

步骤c)中，将待测量的真实脉搏信号先按照步骤a)作预处理操作，然后输入保存的模型计算得到测量结果。