[发明专利]一种用于血压预测的机器学习模型样本获取的方法及装置

权利要求书

1.一种用于血压预测的机器学习模型样本获取的方法，其特征在于，所述方法包括：

获取心电信号及其对应的血压值；

确定所述心电信号的第一特征值、第二特征值及第三特征值；

将所述血压值确定为所述心电信号的第一特征值、第二特征值及第三特征值的标签，并将所述心电信号的第一特征值、第二特征值、第三特征值及所述标签确定为所述机器学习模型样本。

2.根据权利要求1所述的方法，其特征在于，确定所述心电信号的第一特征值包括：

确定所述心电信号中每个心跳波形；

基于每个心跳波形，获取每个心跳波形的特征值，

遍历所述心电信号的全部心跳波形，获取全部心跳波形的特征值的统计值，并将所述统计值确定为所述心电信号的第一特征值。

3.根据权利要求2所述的方法，其特征在于，所述每个心跳波形的特征值包括以下至少一项：

每个心跳波形的P波时长；

每个心跳波形的PR间期；

每个心跳波形的QRS时间；

每个心跳波形的ST段时长；

每个心跳波形的T波时长；

每个心跳波形的TP段时长；

每个心跳波形的QT间期；

每个心跳波形的U波时长。

4.根据权利要求2所述的方法，其特征在于，所述统计值包括以下至少一项：

均方根；

中值绝对偏差；

中值变异系数。

5.根据权利要求1所述的方法，其特征在于，确定所述心电信号的第二特征值包括：

确定所述心电信号中每个心跳波形；

基于两两相邻的两个心跳波形，获取两两相邻的两个心跳波形的特征值，

遍历所述心电信号的全部心跳波形，获取全部两两相邻的两个心跳波形的特征值的统计值，并将所述统计值确定为所述心电信号的第二特征值。

6.根据权利要求5所述的方法，其特征在于，所述两两相邻的两个心跳波形的特征值包括以下至少一项：

两两相邻的心跳波形的PP间期；

两两相邻的心跳波形的QQ间期；

两两相邻的心跳波形的RR间期；

两两相邻的心跳波形的SS间期；

两两相邻的心跳波形的TT间期；

两两相邻的心跳波形的UU间期。

7.根据权利要求5所述的方法，其特征在于，所述统计值包括以下至少一项：

均方根；

中值绝对偏差；

中值变异系数；

大于50毫秒的连续间隔差异数。

8.根据权利要求5所述的方法，其特征在于，确定所述心电信号的第三特征值包括：

获取所述第二特征值对应的时域波形的功率频谱；

基于所述功率频谱，获取若干预设频域的功率值；

将所述若干预设频域的功率值之间的比值确定为所述心电信号的第三特征值。

9.根据权利要求8所述的方法，其特征在于，确定所述心电信号的第三特征值还包括：

基于所述功率频谱，计算所述功率频谱的熵值；

将所述功率频谱的熵值确定为所述心电信号的第三特征值。

10.根据权利要求1至9中任一项所述的方法，其特征在于，所述方法还包括：

基于获取的若干历史心电信号及其对应的血压值，确定若干所述机器学习模型样本，以构建所述机器学习模型的样本集。

11.根据权利要求10所述的方法，其特征在于，所述方法还包括：

基于所述样本集，训练所述机器学习模型，当所述机器学习模型的评估指标符合预设阈值，将训练后的机器学习模型确定为血压预测模型。