[发明专利]一种基于深度神经网络的无袖带血压建模方法

权利要求书

1.一种基于深度神经网络的无袖带血压建模方法，其特征在于，包括以下步骤：

预先采集信号并对信号进行预处理，其中预处理包括进行检点、分割和标准化处理；

将预处理信号作为数据源构建深度神经网络模型，包括以下步骤：

预先标定LSTM和ResNet进行建模，其中；3层的双向LSTM，将625×2的PPG和ECG输入按照周期拆成5x125x2的输入，其中5为序列长度，125x2为输入特征维度，隐藏层的特征维度设置为256，分别将双向的最后一个神经元的结果输出到512维的全连接层，最终输出SBP信号和DBP信号；

基于PPG信号和ECG信号作为两个通道的一维信号输入模型，将模型中的二维卷积改为一维卷积，其余参数维持不变；

输出512维特征到全连接层，最终输出SBP和DBP；

基于深度神经网络模型输出作为无袖带血压监测参数。

2.根据权利要求1所述的基于深度神经网络的无袖带血压建模方法，其特征在于，所述信号进行预处理，包括以下步骤:

预先采集PPG信号和ECG信号；

对所述PPG信号和所述ECG信号进行处理；

其中，所述PPG信号预先使用db8的小波经DWT将PPG信号分解为9级，提取代表低频分量的CA和代表高频分量的CD)；

将第1级的低频分量CA以及7-9级的高频分量CD置零，基于分解系数进行信号重构，即可去除PPG信号的基线漂移与少量的高频噪声；

所述ECG信号预先通过FIR滤波器进行带通滤波，消除ECG信号的工频干扰和基线漂移。

3.根据权利要求2所述的基于深度神经网络的无袖带血压建模方法，其特征在于，所述标准化处理，包括以下步骤：

预先对检点和分割的信号使每段信号等长，其中包括使PPG信号和ECG信号每段均为625个点，便于异常信号的筛除，以及后续RNN建模时的变形重组；

在幅值上，通过0-1标准化使PPG和ECG通过线性变换落在[0,1]区间，表示为：

Y＝(X-Min)/(Max-Min)

其中，Min和Max为该段信号的最大值和最小值。

4.根据权利要求3所述的基于深度神经网络的无袖带血压建模方法，其特征在于，所述深度神经网络模型，还包括以下步骤：

预先将训练的损失函数Loss定义为SBP信号和DBP信号的MSE之和，表示为：

其中，SBPp_i和DBPp_i为预测值，SBPt_i和DBPp_i为目标值，n样本的数量。