[发明专利]一种高血压风险预测方法及装置

权利要求书

1.一种高血压风险预测方法，其特征在于包括如下步骤：

步骤S1、获得待检测数据，该待检测数据包括OSA患者的血氧信号图像、功率谱特征图像和临床特征；

步骤S2、将所述待检测数据输入到预先训练好的高血压风险预测模型中；

步骤S3、所述高血压风险预测模型的输出结果为OSA患者的高血压患病概率。

2.如权利要求1所述的高血压风险预测方法，其特征在于获得所述血氧信号图像，包括如下步骤：

步骤S11、获得OSA患者的原始血氧信号，并进行预处理；

步骤S12、将预处理后的血氧信号转换为预设尺寸的血氧信号图像。

3.如权利要求2所述的高血压风险预测方法，其特征在于：

对OSA患者的原始血氧信号进行预处理的过程是对所述原始血氧信号依次进行重采样、异常值线性拟合和平滑处理。

4.如权利要求2所述的高血压风险预测方法，其特征在于获得预设尺寸的血氧信号图像，包括如下步骤：

步骤S120、将预处理后的血氧信号投影到横纵坐标范围固定的坐标系中，得到血氧信号曲线；

步骤S121、将所述血氧信号曲线转换为预设尺寸的血氧信号图像。

5.如权利要求2所述的高血压风险预测方法，其特征在于：

获得所述功率谱特征图像时，利用步骤S11中预处理后的血氧信号进行谱估计得到，包括如下步骤：

步骤S13、将步骤S11预处理后的血氧信号进行数据分段；

步骤S14、对每段数据依次进行窗处理和傅里叶变换，得到每段数据的功率谱；

步骤S15、将每段数据的功率谱按时间顺序拼接作图，得到OSA患者的功率谱特征图像。

6.如权利要求1所述的高血压风险预测方法，其特征在于：

所述高血压风险预测模型经过如下步骤得到：

步骤S21、获得多组OSA患者的检测数据，每一组检测数据为某一位OSA患者的血氧信号图像、功率谱特征图像和临床特征；

步骤S22、采用多组OSA患者的检测数据训练预先设计的高血压风险预测模型，得到最优高血压风险预测模型。

7.如权利要求1或6所述的高血压风险预测方法，其特征在于：

OSA患者的临床特征包括但不限于性别、年龄、身体质量指数、糖尿病、呼吸暂停-低通气指数和氧饱和度指数中的任意一种或多种。

8.如权利要求6所述的高血压风险预测方法，其特征在于：

所述高血压风险预测模型包括第一卷积神经网络、第二卷积神经网络和第三神经网络，所述第一卷积神经网络和所述第二卷积神经网络分别连接所述第三神经网络；

所述第一卷积神经网络，用于从输入的OSA患者的血氧信号图像中提取出OSA患者整夜睡眠过程中的血氧信号的血氧波动特征；

所述第二卷积神经网络，用于从输入的功率谱特征图像中提取出OSA患者整夜睡眠过程中血氧信号的频谱特征；

所述第三神经网络，用于根据所述血氧信号的血氧波动特征、频谱特征以及OSA患者的临床特征，判断出OSA患者患有高血压的概率。

9.如权利要求8所述的高血压风险预测方法，其特征在于：

所述第一卷积神经网络和所述第二卷积神经网络均包括N个网络块和一个全连接层，所述第三神经网络包括一个全连接层；每个网络块由卷积层、批标准化层、激活函数层和池化层组成，N为正整数。

10.一种高血压风险预测装置，其特征在于包括处理器和存储器，所述处理器读取所述存储器中的计算机程序，用于执行以下操作：

获得待检测数据，该待检测数据包括OSA患者的血氧信号图像、功率谱特征图像和临床特征；

将所述待检测数据输入到预先训练好的高血压风险预测模型中；

所述高血压风险预测模型的输出结果为OSA患者的高血压患病概率。