[发明专利]一种无袖带式长时连续血压无创监测模型的构建方法

权利要求书

1.一种无袖带式长时连续血压无创监测模型的构建方法，其特征在于，该方法包括：构建血压无创动态监测模型簇Models，具体包括以下步骤：

S11：从无袖带式血压测量出发，采用心电信号和光电容积脉搏波测量子系统监测病人的生理病理信号并提取信号特征参数；

S12：基于患者个体差异-特征参数平均影响值-机器学习方法，评估不同参数对血压模型输出产生影响的重要程度，以及这些参数在血压动态监测过程中产生多大变化时会对血压预测模型输出结果产生显著性影响的规律；

S13：基于MIMIC数据库和实测数据样本集，结合患者个体差异性指标，利用机器学习方法进行分类，找出影响血压预测精度的重要性参数及其变化量大小对血压预测结果影响的规律，得到不同类别下的数据样本，将其划分为不同类别下的训练样本和验证样本子集；

S14：利用对应类别下的训练样本子集对MIV-BP模型进行训练，构建基于遗传算法GA的GA-MIV-BP网络模型，从而构建血压无创动态监测模型簇Models；所述构建血压无创动态监测模型簇Models包括以下步骤：

S141：调用MIMIC数据库中的ECG、PPG和ABP信号；并对ECG、PPG信号处理及特征提取；

S142：计算10秒内ECG、PPG信号特征参数平均值，记为初始脉搏波传输时间PWTT₀、初始脉搏波特征参数PWPs₀；

S143：判断计算是否已到最后一个节拍，若是，则结束计算；否则继续ECG、PPG信号处理及特征提取；

S144：计算ECG、PPG信号每个节拍的特征参数值，记为PWTT_i0、PWPs_i0；

S145：调用GA-MIV-BP血压预测模型model₀，计算得到血压预测值BP_i；

S146：计算血压预测值BP_i与实际测量值ABP_i之间的误差：，并判断△BP_i是否在容许范围内，若是，则返回步骤S143；否则执行步骤S147；

S147：计算当前节拍ECG、PPG信号特征参数平均值，记为PWTT_i、PWPs_i；并计算特征参数变化量：

S148：利用机器学习分类并构建对应类别的MIV-BP模型训练样本，并调用MIV-BP模型训练算法生成新的GA-MIV-BP血压预测模型model_i；

S149：用model_i替换model₀，并返回至S141；

S15：应用血压预测模型确定患者血压监测过程中患者生理病理变化重要性参数及其变化量，得到在血压无创动态监测模型簇中的匹配类别i；

S16：通过每个节拍的心电和光电容积脉搏波信号的生理病理特征参数的提取和变化程度的计算，实时判断与血压预测模型簇中模型的匹配类别，从而实现自适应选择血压无创动态监测模型簇中的合适模型，实现血压预测模型的“自校正”。