[发明专利]一种基于多模态注意力融合的高血压老年人活动分析方法

说明书

本发明公开了一种基于多模态注意力融合的高血压老年人活动分析方法，融合多模态数据特征，并基于注意力机制提取各模态数据的注意力表示。同时基于脉搏波和心电传感器测量高血压老年人实时血压，并计算血压变异性，分析实时活动和血压关联的关系，得出适合高血压老年人的日常活动。本发明的分析方法基于卷积神经网络模型和长短期记忆神经网络组合模型，引入注意力机制，实现多模态特征提取及融合，可有效改善活动识别精度。并且本方法分析实时血压与日常活动之间的关联，为高血压老年人推荐合理的日常活动提供依据。

技术领域

本发明属于监护系统技术领域，具体涉及一种基于多模态注意力融合的高血压老年人活动分析方法。

背景技术

适量的身体活动是高血压、糖尿病和骨关节炎等慢性疾病辅助治疗的重要手段之一。量化慢病人群日常活动的强度和类型有助于医生或家人了解其活动方式、规律、类型及活动量，提高健康评价的准确性，以制定更合适的康复治疗策略。随着无线通信及可穿戴传感技术的发展，穿戴式传感设备可以实时采集人体活动过程的加速度、心率、心电等数据，通过对采集的数据进行分析，利用机器学习技术可实现对高血压等慢病人群日常活动进行监测。

发明内容

本发明的目的是为了解决老年人日常适量活动的问题，提出了一种基于多模态注意力融合的高血压老年人活动分析方法。

本发明的技术方案是：一种基于多模态注意力融合的高血压老年人活动分析方法，包括以下步骤：

S1：采用加速度传感器采集老年人的人体活动的加速度数据；采用光电体积描记器传感器采集老年人的人体活动的脉搏波数据；采用心电图传感器采集老年人的人体活动的心电图数据；

S2：对加速度数据、脉搏波数据和心电图数据分别进行归一化处理，得到加速度归一化数据、脉搏波归一化数据和心电图归一化数据；

S3：将加速度归一化数据、脉搏波归一化数据和心电图归一化数据均按照长度为1分钟，重叠为50％的时间窗口分割，得到加速度模态数据、脉搏波模态数据和心电图模态数据；

S4：将加速度模态数据、脉搏波模态数据和心电图模态数据分别输入各自对应的CNN-LSTM模型，进行池化，得到用户日常活动类型；

S5：基于用户日常活动类型，对脉搏波数据和心电图数据进行去噪；

S6：计算去噪后脉搏波信号和心电图信号之间的距离d以及脉搏波转换延迟时间t_delay；

S7：根据d和t_delay计算脉搏波传导速度PWV；

S8：根据PWV计算脉搏波传导时间PTT；

S9：根据PTT计算血压实时测量值BP；

S10：根据BP计算血压变异性系数CV；

S11：根据用户日常活动类型和血压变异性阈值，提取血压变异性系数CV大于血压变压性阈值的时段，得到血压变异性强的时段T；

S12：基于时段T连续测量用户的血压一周，标记频率最高的3个用户日常活动类型，并提醒用户进行安全防范，完成老年人活动分析。

本发明的有益效果是：本发明的分析方法基于卷积神经网络模型和长短期记忆神经网络组合模型，引入注意力机制，实现多模态特征提取及融合，可有效改善活动识别精度。并且本方法分析实时血压与日常活动之间的关联，为高血压老年人推荐合理的日常活动提供依据。

进一步地，步骤S1中，加速度传感器和光电体积描记器传感器的采样频率均为50Hz，心电图传感器的采样频率为256Hz。

上述进一步方案的有益效果是：在本发明中，不同的传感器采用不同的频率可采集连续时序数据，方便后续步骤进行活动识别。