[发明专利]一种基于脉搏周期间特征的高血压识别方法、装置及设备

权利要求书

1.一种基于脉搏周期间特征的高血压识别方法，其特征在于，包括：

获取样本人员的脉搏数据，并对样本人员的脉搏数据依次进行预处理、周期划分处理和滑动窗口处理，所述样本人员的脉搏数据打上了用于区分样本人员是否是患高血压的标签；

基于滑动窗口处理后的样本人员脉搏数据构建连通图，从所述连通图中提取多个周期间网络特征，从多个周期间网络特征中优选出对高血压疾病分类贡献度较大的四个周期间网络特征作为脉搏周期间网络特征向量，四个周期间网络特征分别为平均聚簇系数、传递性系数、中介中心性系数和局部效率；

将滑动窗口处理后的样本人员脉搏数据输入到多尺度排列熵算法中，提取多尺度排列熵值；

将所述脉搏周期间网络特征向量和多尺度排列熵值融合组成高血压脉搏特征向量，输入到分类模型中，并以样本人员对应的标签进行监督，进行训练，获得训练好的分类模型。

2.根据权利要求1所述的一种基于脉搏周期间特征的高血压识别方法，其特征在于，还包括：

获取待诊断人员的脉搏数据，并对待诊断人员的脉搏数据依次进行预处理、周期划分处理和滑动窗口处理；

从滑动窗口处理后的待诊断人员的脉搏数据中获取待诊断人员的脉搏周期间网络特征向量和多尺度排列熵值，融合组成待诊断人员的高血压脉搏特征向量，输入训练好的分类模型中，确定待诊断人员是否为高血压患者。

3.根据权利要求1所述的一种基于脉搏周期间特征的高血压识别方法，其特征在于，所述对样本人员的脉搏数据依次进行预处理、周期划分处理和滑动窗口处理，具体包括：

采集多位健康人和多位高血压患者的脉搏数据，分别对采集的脉搏数据进行去除基线漂移、平滑处理、滤波后、周期划分，然后利用滑动窗口将连续10个周期的脉搏数据构成一组高血压识别脉搏数据。

4.根据权利要求3所述的一种基于脉搏周期间特征的高血压识别方法，其特征在于，所述基于滑动窗口处理后的样本人员脉搏数据构建连通图，从所述连通图中提取多个周期间网络特征，从多个周期间网络特征中优选出对高血压疾病分类贡献度较大的四个周期间网络特征作为脉搏的周期间网络特征向量，具体包括：

对滑动窗口处理后的得到的连续10个周期的脉搏信号，按照皮尔逊相关系数的计算方法求连续10个周期的脉搏信号相互之间的相关系数，然后取合适阈值进行矩阵的二值化，再根据二值化后的矩阵构建连通图，从所述连通图中提取脉搏信号的对高血压疾病分类有效的10个周期间网络特征，10个周期间网络特征分别为平均聚簇系数，传递性系数，中介中心性系数，局部效率与包括连通图的边数、度中心性、接近中心性、全局效率、连通分量数量和平均节点连接性，经试验，获得4个对高血压疾病分类贡献度较大的周期间网络特征，将其作为脉搏的周期间网络特征向量。

5.根据权利要求1或2所述的一种基于脉搏周期间特征的高血压识别方法，其特征在于，所述提取多尺度排列熵值为20个尺度下的排列熵值。

6.根据权利要求1所述的一种基于脉搏周期间特征的高血压识别方法，其特征在于，所述分类模型为袋装树BaggedTrees。

7.一种基于脉搏周期间特征的高血压识别装置，其特征在于，包括：

采集模块，用于获取样本人员的脉搏数据，并对样本人员的脉搏数据依次进行预处理、周期划分处理和滑动窗口处理，所述样本人员的脉搏数据打上了用于区分样本人员是否是患高血压的标签；

特征提取模块，用于基于滑动窗口处理后的样本人员脉搏数据构建连通图，从所述连通图中提取多个周期间网络特征，从多个周期间网络特征中优选出对高血压疾病分类贡献度较大的四个周期间网络特征作为脉搏周期间网络特征向量，四个周期间网络特征分别为平均聚簇系数、传递性系数、中介中心性系数和局部效率；将滑动窗口处理后的样本人员脉搏数据输入到多尺度排列熵算法中，提取多尺度排列熵值；

训练模块，用于将所述脉搏周期间网络特征向量和多尺度排列熵值融合组成高血压脉搏特征向量，输入到分类模型中，并以样本人员对应的标签进行监督，进行训练，获得训练好的分类模型。