[发明专利]一种基于融合注意力机制的脉搏异常判别方法及系统

权利要求书

1.一种基于融合注意力机制的脉搏异常判别方法，其特征在于，包括：

获取脉搏波历史数据，并对所述脉搏波历史数据进行预处理，得到满足预设规律的脉搏波图像；

根据所述脉搏波图像建立注意力模块，并通过所述注意力模块分别在空间维度和通道维度上进行特征提取，分别得到空间特征数据及维度特征数据；具体为：

通过重搏波注意力机制，对所述脉搏波图像的重搏波高度进行标注，得到重搏波高度信号；

根据所述脉搏波图像对应的所述重搏波高度信号，建立注意力模块；

通过单通道注意力机制，提取所述脉搏波图像的灰度梯度特征；

通过对所述灰度梯度特征分别在空间维度和通道维度上进行特征提取，分别得到空间特征数据及维度特征数据；

根据所述空间特征数据及所述维度特征数据对预设的CNN神经网络模型进行自适应特征学习及训练，得到脉搏异常判别神经网络模型；

采集脉搏波当前数据，将所述脉搏波当前数据作为输入信号，输入至所述脉搏异常判别神经网络模型，所述脉搏异常判别神经网络模型输出所述脉搏波当前数据的检测结果，实现对当前脉搏波异常判别。

2.如权利要求1所述的一种基于融合注意力机制的脉搏异常判别方法，其特征在于，所述对所述脉搏波历史数据进行预处理，得到满足预设规律的脉搏波图像，包括：

通过拉依达准则，对所述脉搏波历史数据中的离群值极性检测及剔除，得到一次处理信号；

对所述一次处理信号进行带通滤波，得到二次处理信号；

根据滑动窗口积分对所述二次处理信号进行处理，增大所述二次处理信号的波形的振幅，得到所述脉搏波图像。

3.一种基于融合注意力机制的脉搏异常判别系统，其特征在于，包括：

数据处理模块，用于获取脉搏波历史数据，并对所述脉搏波历史数据进行预处理，得到满足预设规律的脉搏波图像；

特征提取模块，用于根据所述脉搏波图像建立注意力模块，并通过所述注意力模块分别在空间维度和通道维度上进行特征提取，分别得到空间特征数据及维度特征数据；

所述特征提取模块，还用于：

通过重搏波注意力机制，对所述脉搏波图像的重搏波高度进行标注，得到重搏波高度信号；

根据所述脉搏波图像对应的所述重搏波高度信号，建立注意力模块；

通过单通道注意力机制，提取所述脉搏波图像的灰度梯度特征；

通过对所述灰度梯度特征分别在空间维度和通道维度上进行特征提取，分别得到空间特征数据及维度特征数据；

模型建立模块，用于根据所述空间特征数据及所述维度特征数据对预设的CNN神经网络模型进行自适应特征学习及训练，得到脉搏异常判别神经网络模型；

异常检测模块，用于采集脉搏波当前数据，将所述脉搏波当前数据作为输入信号，输入至所述脉搏异常判别神经网络模型，所述脉搏异常判别神经网络模型输出所述脉搏波当前数据的检测结果，实现对当前脉搏波异常判别。

4.如权利要求3所述的一种基于融合注意力机制的脉搏异常判别系统，其特征在于，所述数据处理模块，还用于：

通过拉依达准则，对所述脉搏波历史数据中的离群值极性检测及剔除，得到一次处理信号；

对所述一次处理信号进行带通滤波，得到二次处理信号；

根据滑动窗口积分对所述二次处理信号进行处理，增大所述二次处理信号的波形的振幅，得到所述脉搏波图像。

5.一种电子装置，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至2中任意一项所述的基于融合注意力机制的脉搏异常判别方法。

6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至2中任意一项所述的基于融合注意力机制的脉搏异常判别方法。