[发明专利]一种基于改进模拟退火优化算法的集中参数模型个性化方法

权利要求书

1.基于改进模拟退火优化算法的集中参数模型个性化方法，其特征在于，该方法包括以下步骤：

步骤A1:采集人体实际的生理波形数据，包括主动脉压、心输出量、颈动脉流量和四肢压力波形；

步骤A2:基于人体的血液循环系统结构和生理参数构建适用于一般人的血液循环系统集中参数模型；

步骤A3:以采集到的实际的生理波形数据为目标，对步骤A2集中参数模型中的参数进行敏感性分析，确定对目标影响较大的敏感参数；

步骤A4:将采集的实际的生理波形数据与集中参数模型计算出的仿真波形数据之间的均方根误差作为优化的目标函数，使用改进的模拟退火优化算法，对集中参数模型中的敏感参数进行迭代优化；

步骤A5:当目标函数小于容差时，认为优化结果达到可接受的最优解，结束优化，输出最优解。

2.按照权利要求1所述的基于改进模拟退火优化算法的集中参数模型个性化方法，其特征在于，步骤A1中采集人体的生理波形数据，其中主动脉根部的压力波形在临床上难以无创地被采集，而上臂的肱动脉距离主动脉根部不远且该处的压力波形容易被采集，故可用肱动脉的压力代替主动脉压。

3.按照权利要求1所述的基于改进模拟退火优化算法的集中参数模型个性化方法，其特征在于，步骤A2中用于一般人的血液循环系统集中参数模型为：基于正常人体血液循环系统的解剖学结构设计集中参数模型的结构，基于一般人的生理参数将模型的参数调整到可以计算出一般人的生理波形，但不必是个性化的波形数据。

4.按照权利要求1所述的基于改进模拟退火优化算法的集中参数模型个性化方法，其特征在于，步骤A3中确定敏感参数的判断依据为：单个调节集中参数模型中的各参数，观察其变化对于优化目标的影响，若当参数变化30％时，优化目标中任一生理波形数据均值变化5％以上或者生理波形的形状特征发生改变，变化前后波形之间的均方根误差大于波形均值的5％即视为波形发生明显变化时，即可认为该参数是敏感参数。

5.按照权利要求1所述的基于改进模拟退火优化算法的集中参数模型个性化方法，其特征在于，步骤A4中所述使用改进的模拟退火优化算法，对集中参数模型中的敏感参数进行迭代优化的方法包括以下步骤：

步骤B1:将步骤A3中的各敏感参数作为优化的初始参数；

步骤B2:设定需要优化参数的搜索范围；

步骤B3:设定模拟退火法的初始温度T、降温因子、参数增长/减少的最大步长、容差、以及优化迭代的终止条件等参数；

步骤B4:使用改进的参数调节方式，循环迭代执行优化，通过将每次参数优化后模型计算出的仿真波形数据与临床采集波形数据比较，根据比较结果将需要优化的参数在搜索范围内按指定方向增长或减少；

步骤B5:分别将更新前后的各参数代入集中参数模型(仿真程序)中进行目标函数的计算，比较新旧两次计算结果，参数更新后的解f(s’)若小于更新前的解f(s)，则接受当前解即更新后的解，否则以概率e^{-(f(s’)-f(s))/T}接受当前解，所述的解为目标函数的计算结果；

步骤B6:当满足终止条件时，结束优化，否则回到步骤B4。

6.按照权利要求5所述的基于改进模拟退火优化算法的集中参数模型个性化方法，其特征在于，

步骤B4:使用改进的参数调节方式，循环迭代执行优化的方法，若仿真的压力低于实际的目标压力，则提高电阻和电压源压力；若仿真的流量低于实际的目标血流量，则降低电阻；若仿真的压力波形脉压差小于目标压力波形的脉压差，则降低电容；若仿真的心输出量波形的收缩期时长小于目标心输出量波形的收缩期时长，则增大电感。