[发明专利]无袖带血压模型生成方法、装置、设备及可读存储介质

权利要求书

1.一种无袖带血压模型生成方法，其特征在于，包括如下步骤：

对构造的血压预测模型进行参数初始化，获得血压预测元模型；其中，所述血压预测模型的输入包括用户的生理信号数据，输出为测量血压值；

获取多个用户个体的训练样本数据；其中，所述训练样本数据包括用户个体的生理信号数据和对应的实测血压值；

基于每个用户个体的训练样本数据以及所述血压预测元模型进行优化训练，生成对应于每个用户个体的个体模型；

根据每个用户个体的个体模型对所述血压预测元模型的参数进行优化，使得优化后的所述血压预测元模型与各个个体模型在参数空间中的距离接近，从而获得优化后的血压预测模型；其中，优化后的所述血压预测元模型与各个个体模型在参数空间中的距离之和最小。

2.根据权利要求1所述的无袖带血压模型生成方法，其特征在于，所述根据每个用户个体的个体模型对所述血压预测元模型的参数进行优化，使得优化后的所述血压预测元模型与各个个体模型在参数空间中的距离接近，具体包括：

获取所述血压预测元模型根据初始化生成的第一参数组，以及每个个体模型根据所述优化训练得到的第二参数组；

根据所述第一参数组以及每个个体模型的第二参数组，计算所述血压预测元模型和各个个体模型在参数空间的距离；以及

根据计算得到的距离对所述第一参数组进行优化，使得所述血压预测元模型与各个个体模型在参数空间中的距离之和最小，从而获得优化后的血压预测模型。

3.根据权利要求2所述的无袖带血压模型生成方法，其特征在于，利用欧式距离算法、马氏距离算法、余弦距离算法或KL散度算法计算所述血压预测元模型和各个个体模型在参数空间的距离。

4.根据权利要求2所述的无袖带血压模型生成方法，其特征在于，根据计算得到的距离对所述第一参数组进行优化的方法为梯度下降法、遗传算法或粒子群算法。

5.根据权利要求1所述的无袖带血压模型生成方法，其特征在于，对所述血压预测模型进行参数初始化的方法为随机初始化方法、预训练法或启发式法。

6.根据权利要求1所述的无袖带血压模型生成方法，其特征在于，

所述基于每个用户个体的训练样本数据以及所述血压预测元模型进行优化训练，生成对应于每个用户个体的个体模型具体为：

将每个用户个体的生理信号数据输入所述血压预测元模型，得到对应的用户个体的测量血压值；

根据对应用户个体的实测血压值和测量血压值对所述血压预测元模型的参数进行优化，生成对应用户个体的个体模型。

7.一种无袖带血压模型生成装置，其特征在于，包括：

血压预测元模型获取单元，用于对构造的血压预测模型进行参数初始化，获得血压预测元模型；其中，所述血压预测模型的输入包括用户的生理信号数据，输出为测量血压值；

训练样本数据获取单元，用于获取多个用户个体的训练样本数据，所述训练样本数据包括用户个体的生理信号数据和对应的实测血压值；

个体模型生成单元，用于基于每个用户个体的训练样本数据以及所述血压预测元模型进行优化训练，生成对应于每个用户个体的个体模型；

血压预测元模型优化单元，用于根据每个用户个体的个体模型对所述血压预测元模型的参数进行优化，使得优化后的所述血压预测元模型与各个个体模型在参数空间的距离接近，从而获得优化后的血压预测模型；其中，优化后的所述血压预测元模型与各个个体模型在参数空间中的距离之和最小。

8.一种无袖带血压模型生成设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置由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权利要求1至6任一项所述的无袖带血压模型生成方法。

9.一种计算机可读存储介质，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置由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权利要求1至6任一项所述的无袖带血压模型生成方法。