[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

说明书

本发明公开了一种无袖带血压模型生成方法，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；获取多个用户个体的训练样本数据；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的距离接近，从而获得优化后的血压预测模型。本发明还公开了一种无袖带血压模型生成装置、设备及计算机可读存储介质，本发明通过对血压预测元模型与个体模型的相对位置进行约束，有效缓解因模型参数量大而导致的校准困难。

技术领域

本发明涉及医疗器械领域，具体地涉及一种无袖带血压模型生成方法、装置、设备及计算机可读存储介质。

背景技术

目前常见的无创血压测量方法可分为袖带式和无袖带式两种。袖带式法的代表是柯式音法和示波法，其优点是单次测量准确率高，但是由于需要通过袖带充放气进行血压测量，无法实现连续监测且不便于长期使用。因此，发展适用于连续血压监测的无袖带血压测量方法显得尤为重要。

现有的无袖带血压测量方法，受个体差异的影响较大，使用前需要针对每个个体进行校准以保证测量准确度。然而，校准模型所需的校准样本数和校准时间会随着模型参数量的增加而增加。尤其是利用深度学习技术对血压测量模型进行建模时，模型参数量很容易达到几十乃至上百万，此时需要的校准样本数量和校准时间会非常多，极大限制了无袖带血压测量技术的应用。

发明内容

有鉴于此，本发明的目的在于提出一种无袖带血压模型生成方法、装置、设备及计算机可读存储介质，能够实现血压测量模型在不同个体间的少样本、快速校准。

本发明实施例提供了一种无袖带血压模型生成方法，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。

优选地，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。

优选地，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。

优选地，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。

优选地，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。

优选地，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。

优选地，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：