[发明专利]获取中心动脉压的方法、装置与计算机可读存储介质

说明书

本申请提供了一种获取中心动脉压的方法、装置与计算机可读存储介质。该方法包括：采用人工智能算法构建计算模型；采用无创测量的方法，获取待测试者的外周动脉压波形；将待测试者的外周动脉压波形，输入至计算模型中进行计算，输出待测试者的中心动脉压波形。本方案相较于通用传递函数法考虑到了个体之间的差异性。且本方案实现了对中心动脉压波形的无创测量。另外，本方案相对于一维动脉模型计算出中心动脉压的方案，无需多次求解一维模型来调整敏感参数，节省了大量的时间。

技术领域

本申请涉及中心动脉压领域，具体而言，涉及一种获取中心动脉压的方法、装置、计算机可读存储介质与处理器。

背景技术

现有技术中由外周动脉压预测中心动脉压使用最广泛的方法是通用传递函数法(GTF)，该方法基于大样本的统计平均，得出外周动脉压和中心动脉压之间的通用传递函数。然而，由于通用传递函数是基于统计平均的，因此该方法对样本数据量和样本分布情况具有依赖性，并且通用传递函数无法有效考虑不同个体之间的差异性，难以给出高精度的预测结果。

发明内容

本申请的主要目的在于提供一种获取中心动脉压的方法、装置、计算机可读存储介质与处理器，以解决现有技术中采用通用传递函数法预测得到的中心动脉压精度较低的问题。

为了实现上述目的，根据本申请的一个方面，提供了一种获取中心动脉压的方法，包括：采用人工智能算法构建计算模型；采用无创测量的方法，获取待测试者的外周动脉压波形；将所述待测试者的外周动脉压波形，输入至所述计算模型中进行计算，输出所述待测试者的中心动脉压波形。

可选地，采用人工智能算法构建计算模型，包括：构建数据集，所述数据集包括虚拟测试者的外周动脉特征量和所述虚拟测试者的中心动脉特征量；将所述虚拟测试者的外周动脉特征量作为输入特征，所述虚拟测试者的中心动脉特征量作为输出特征进行训练，得到所述计算模型。

可选地，将所述待测试者的外周动脉压波形，输入至所述计算模型中进行计算，输出所述待测试者的中心动脉压波形，包括：从所述待测试者的外周动脉压波形中，提取出所述待测试者的外周动脉特征量；将所述外周动脉特征量输入至所述计算模型中进行计算，输出所述待测试者的中心动脉特征量；至少根据所述待测试者的中心动脉特征量，求解windkessel模型方程；根据所述windkessel模型方程，求解出所述待测试者的中心动脉压波形。

可选地，所述虚拟测试者的外周动脉特征量包括外周动脉收缩压、外周动脉舒张压和外周动脉平均压，所述虚拟测试者的中心动脉特征量包括中心动脉流量参量，至少根据所述待测试者的中心动脉特征量，求解windkessel模型方程，包括：至少根据所述待测试者的外周动脉收缩压、外周动脉舒张压和外周动脉平均压，计算出三元素windkessel模型方程中的预设参数；根据所述待测试者的中心动脉流量参量，构造出中心动脉流量模型；根据所述预设参数和所述中心动脉流量模型，求解出所述三元素windkessel模型方程。

可选地，所述虚拟测试者的外周动脉特征量包括外周动脉收缩压、外周动脉舒张压和外周动脉平均压，所述虚拟测试者的中心动脉特征量包括中心动脉流量参量和中心动脉收缩压、中心动脉舒张压和中心动脉平均压，至少根据所述待测试者的中心动脉特征量，求解windkessel模型方程，包括：根据所述待测试者的中心动脉流量参量，构造出中心动脉流量模型；根据所述中心动脉流量模型、所述待测试者的中心动脉收缩压、所述待测试者的中心动脉舒张压和所述待测试者的中心动脉平均压，计算出六元素windkessel模型方程。

可选地，所述数据集还包括真实测试者的外周动脉特征量和所述真实测试者的中心动脉特征量。

可选地，所述数据集还包括随机噪声。