[发明专利]一种基于MPGA-MIV-BP模型簇的连续血压无创监测方法

权利要求书

1.一种基于MPGA-MIV-BP模型簇的连续血压无创监测方法，其特征在于，该方法具体步骤包括：

S1：采集心电(Electrocardiography，ECG)信号和脉搏波(Photoplethysmography,PPG)信号；

S2：对步骤S1所采集的信号进行去噪；

S3：对步骤S2所得的ECG、PPG进行特征点标记；对于ECG，标记R波所在位置；对于PPG，标记PPG的波谷点b点、升支斜率最大的点a点、波峰点c点、降支斜率最小的点e、重搏波波谷点f点和重搏波波峰点g点；

S4：在步骤S3的基础上计算波形特征参数；

S5：引入个体特征参数，确定模型输入的初始特征参数；

S6：对步骤S5确定的初始特征参数进行Pearson相关性分析，完成特征参数的初步筛选；

S7：利用步骤S6所得的特征参数作为模型输入特征参数，构建BP神经网络；

S8：引入平均影响值(Mean Impact Value,MIV)，探索模型输入特征参数对模型输出结果的影响程度，完成特征参数的最终筛选；

S9：构建自组织映射神经网络(self-organizing feature mapping neural network,SOFM)对用于基础模型构建的数据进行分类；

S10：对步骤S9所得的样本分类，按类别确定BP神经网络的隐层节点数；

S11：按类别以及对应的隐层节点数构建BP神经网络，在BP神经网络构建过程中使用多种群遗传算法(Multiple Population Genetic Algorithm,MPGA)确定BP神经网络的初始阈值和权重，形成MPGA-MIV-BP血压监测模型簇；

S12：针对个体，确定模型的个性化参数，完成该个体的血压监测模型框架的构建；在个性化参数确定过程中，利用MPGA进行优化；

S13：在个体血压监测过程中，利用步骤S9中构建的SOFM对输入特征参数进行分类，调用步骤S11中对应类别的模型以及步骤S12确定的个体血压监测模型框架，实现血压监测过程中模型的自校正。

2.根据权利要求1所述的一种基于MPGA-MIV-BP模型簇的连续血压无创监测方法，其特征在于，所述步骤S2具体包括以下步骤：

S21：选择合适的小波包基函数、确定分解层数，对信号进行小波分解；

S22：选择信息代价函数，利用最佳小波包基选取函数确定最佳小波包基；

S23：对最佳小波包基分解的小波系数选择合适阈值，对其进行阈值量化处理；

S24：根据小波包分解系数以及处理后的小波包系数采用小波包重构算法得到重构信号；对于ECG，重构信号为去噪完成的ECG信号；对于PPG，重构信号为初步去噪完成的PPG信号；

S25：对于步骤S24所得初步去噪完成的PPG信号，利用三次样条插值法，得到去噪完成的PPG信号。

3.根据权利要求1所述的一种基于MPGA-MIV-BP模型簇的连续血压无创监测方法，其特征在于，所述步骤S3具体包括以下步骤：

S31：选择双正交样条小波对ECG信号作平稳小波变换；

S32：选择模极值对最明显的变换尺度作为R波检测的参考尺度；

S33：通过阈值法，结合多检算法，完成ECG信号的R波标记；

S34：基于滑窗法提取PPG的波峰点c点；

S35：利用b、c点的位置关系，对于同一脉搏波周期，c点前的第一个极值点即为b点的位置；

S36：在b点和c点之间求取斜率最大的点，确定a点的位置；

S37：利用重搏波的相对位置，在一定PPG周期范围内确定f点和g点的位置；

S38：在c点和f点之间求取斜率最小的点，确定e点的位置。