[发明专利]一种基于深度神经网络的无袖带血压建模方法

说明书

本发明公开了一种基于深度神经网络的无袖带血压建模方法，涉及无袖带血压监测技术领域，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，基于深度神经网络模型输出作为无袖带血压监测参数。本发明实现无需人工提取特征的的血压估计模型，仅需输入可穿戴设备采集的ECG和PPG信号即可实时输出动态血压，不仅监测效率高，且监测精度高，具有高实时性和高易用性。

技术领域

本发明涉及无袖带血压监测技术领域，具体来说，涉及一种基于深度神经网络的无袖带血压建模方法。

背景技术

高血压是心脑血管病最为主要的风险因素，伴随着可危及生命的心、脑、肾等器官的功能或器质性损害。根据世界卫生组织的统计报告，2014年全世界超过五分之一的18岁以上成年人(男性24.0％，女性20.5％)受到高血压的影响。尽管高血压可防可控，然而大多数患者并不知自己患病，未得到及时治疗，控制率很低，而监测一个人的血压却又是高血压的预防、早期发现和控制所必需的。

现在可用于改善人群血压管理的普遍存在的血压计为袖带式血压计，测量时需要使袖带充气以压迫袖带下方的动脉，在暂时中断血流的情况下才能获得血压读数。这带来了几个问题：第一，只能进行间隔超过2分钟的间歇测量，不便于长期监测，而单次的血压测量难以反映整体血压状况，也很难检测血压的变化，尤其是短期变化和全天变化等指标，这些对于患者的诊断和用药反馈非常重要；第二，反复压迫血管易造成不适，而且老年人的血管动脉壁较为坚硬，若不能被袖带充分压迫，测得的血压值就不准确，还可能产生“假性高血压”。此外，在医疗环境中测量时的“白大衣效应”，即在检查过程中由于神经质引起的血压升高也可能导致误诊。

针对相关技术中的问题，目前尚未提出有效的解决方案。

发明内容

针对相关技术中的问题，本发明提出一种基于深度神经网络的无袖带血压建模方法，以克服现有相关技术所存在的上述技术问题。

本发明的技术方案是这样实现的：

一种基于深度神经网络的无袖带血压建模方法，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。

进一步的，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(Discrete Wavelet Transform，离散小波变换)将PPG信号分解为9级，提取代表低频分量的 CA(Coefficient ofApproximation，近似系数)和代表高频分量的CD (Coefficients of Detail，细节系数)；

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；