[发明专利]一种基于脉搏波信号的无创血压实时预测系统

权利要求书

1.一种基于脉搏波信号的无创血压实时预测系统，其特征在于，包括：

数据处理模块，用于采集数据信息并进行解析和存储；

血压预测模块，采用血压预测模型预测数据处理模块采集到的血压值；

波形展示模块对数据处理模块采集到的脉搏信号进行波形滤波之后再展示；

手术过程数据记录模块，用于记录病人在手术过程中进行的操作和使用的药剂。

2.根据权利要求1所述的一种基于脉搏波信号的无创血压实时预测系统，其特征在于，所述数据处理模块包括信号采集和处理模块、数据库模块；

所述信号采集和处理模块包括有机半导体传感器、信号采集卡，通过有机半导体传感器获取传输的连续光电信号，光电信号通过信号采集卡进行数值转换，最终获得所需的脉搏波信号；

数据库模块将采集到的脉搏波信号和预测的血压值进行结构化的数据处理，并存储数据，以方便其他模块调用和分析。

3.根据权利要求2所述的一种基于脉搏波信号的无创血压实时预测系统，其特征在于，数据库使用关系型数据库MySQL，将脉搏波信号进行One-Hot编码以生成结构化数据，同时保存血压值和个人特征信息。

4.根据权利要求2所述的一种基于脉搏波信号的无创血压实时预测系统，其特征在于，所述采集卡为带有滤波功能的数模转换器和处理器构成的信号采集卡。

5.根据权利要求1所述的一种基于脉搏波信号的无创血压实时预测系统，其特征在于，所述血压预测模型为基于深度学习的AI算法模型。

6.根据权利要求5所述的一种基于脉搏波信号的无创血压实时预测系统，其特征在于，AI算法模型在基于深度学习的U-Net框架上进行改进：

将二维卷积层、池化层和采样操作改为一维操作以适应一维脉搏波数据的处理；

将U-Net网络的两个3*3卷积核替换为3*3、5*5、7*7的三个卷积核的并行运算，5*5的卷积运算由两个3*3的卷积核替代，7*7的卷积运算由三个3*3的卷积核替代，并额外引入1*1卷积核；

将U-Net网络中的跳跃连接，替换为残差连接，通过含有残差连接的卷积层链路与扩展路径部分相连；

平均集成块由一系列一维卷积和批归一化组成，去噪快由一系列反转卷积和批归一化构成。

7.根据权利要求1所述的一种基于脉搏波信号的无创血压实时预测系统，其特征在于，血压预测模型的训练，包括以下步骤：

对脉搏波信号进行特征提取，通过深度神经网络提取特征向量；

合并被测人员的个人特征信息，以收缩压、舒张压和平均动脉压为标签进行训练，获得具有代表性和高可分辨性特征向量的AI算法模型。

8.根据权利要求1所述的一种基于脉搏波信号的无创血压实时预测系统，其特征在于，在进行训练前，先将数据进行小波变换，然后进行分割、归一化等预处理操作，并且分配好相应的类别标签，类别标签为被测人员的收缩压、舒张压和平均动脉压。

9.根据权利要求1～8任一项所述的一种基于脉搏波信号的无创血压实时预测系统，其特征在于，血压预测模型进行血压预测，经过信号采集处理模块后获得的脉搏信号，输入到训练好的血压预测模型中，输出被测人员的收缩压、舒张压和平均动脉压，并实时显示在上位机上，同时也将预测的收缩压、舒张压和平均动脉压以结构化的数据存储到数据库中。

10.根据权利要求9所述的一种基于脉搏波信号的无创血压实时预测系统，其特征在于，波形展示模块包括两个子模块：实时波形显示模块和实时波形滤波模块；

所述实时波形滤波模块采用离散小波变换对脉搏波的滤波，db4小波被作为小波基函数来对脉搏波进行分解和重构，并对脉搏波信号采取七层的小波分解。