[发明专利]一种基于生成对抗网络的有创血压波形估计的方法及系统在审
申请号: | 202310045547.2 | 申请日: | 2023-01-30 |
公开(公告)号: | CN116049674A | 公开(公告)日: | 2023-05-02 |
发明(设计)人: | 张光磊;麻琛彬 | 申请(专利权)人: | 北京航空航天大学 |
主分类号: | G06F18/214 | 分类号: | G06F18/214;A61B5/021;G06N3/0475;G06N3/0464;G06N3/094;G06N3/048;G06N3/08 |
代理公司: | 北京鑫瑞森知识产权代理有限公司 11961 | 代理人: | 王前明 |
地址: | 100191*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 生成 对抗 网络 血压 波形 估计 方法 系统 | ||
1.一种基于生成对抗网络的有创血压波形估计的方法,其特征在于,包括:
采集待测用户的光电容积脉搏波信号;
将所述待测用户的光电容积脉搏波信号输入至训练好的估计监测模型中,得到所述待测用户的血压信号;
所述估计监测模型的构建方法包括:
采集样本用户的光电容积脉搏波信号及连续血压波形信号数据;
对所述样本用户的光电容积脉搏波信号及连续血压波形信号数据进行数据预处理,得到预处理数据;
构建基于光电容积脉搏波实现有创血压波形的估计监测模型;所述估计监测模型包括信号波形估计模型、目标优化函数、注意力机制模块、生成器及判别器;
根据所述预处理数据对所述基于光电容积脉搏波实现有创血压波形的估计监测模型进行训练,得到训练好的估计监测模型。
2.根据权利要求1所述的基于生成对抗网络的有创血压波形估计的方法,其特征在于,所述构建基于光电容积脉搏波实现有创血压波形的估计监测模型包括:
构建基于条件生成对抗网络实现根据光电容积脉搏波信号估计有创血压波形的所述信号波形估计模型,并设计所述目标优化函数;
构建基于条件生成对抗网络实现根据光电容积脉搏波信号估计有创血压波形的方法的所述注意力机制模块;
构建基于条件生成对抗网络实现根据光电容积脉搏波信号估计有创血压波形的方法的所述生成器及所述判别器的架构。
3.根据权利要求1所述的基于生成对抗网络的有创血压波形估计的方法,其特征在于,所述对所述样本用户的光电容积脉搏波信号及连续血压波形信号数据进行数据预处理,得到预处理数据,包括:
对所述样本用户的光电容积脉搏波信号及连续血压波形信号数据进行信号降频,得到降频信号;
利用具有预设截止频率的有限脉冲响应滤波器对所述降频信号进行滤波,得到滤波信号;
对所述滤波信号进行相位对齐,得到对齐信号;
对所述对齐信号进行最大-最小归一化处理,得到归一化信号;
对所述归一化信号进行窗口分割,得到所述预处理数据。
4.根据权利要求2所述的基于生成对抗网络的有创血压波形估计的方法,其特征在于,所述构建基于条件生成对抗网络实现根据光电容积脉搏波信号估计有创血压波形的所述信号波形估计模型,并设计所述目标优化函数,包括:
构建GAN模型;所述GAN模型由一个带参数的生成器和一个带参数的判别器组成;所述生成器和所述判别器通过最小-最大优化任务的博弈论原理进行对抗性学习;
根据所述生成器和所述判别器确定对抗损失;
根据所述对抗损失计算生成的血压波形和真实的血压波形之间的平均绝对误差;
计算参考的血压波形的特征图和生成的血压波形之间的平均绝对误差;
根据所述参考的血压波形的特征图和生成的血压波形之间的平均绝对误差确定感知损失;
计算参考血压波形与收缩期和舒张期点位置的估计的波形之间的均方误差;
根据所述GAN模型、所述对抗损失、所述对抗损失计算生成的血压波形和真实的血压波形之间的平均绝对误差、所述参考的血压波形的特征图和生成的血压波形之间的平均绝对误差、所述感知损失和所述均方误差构建所述信号波形估计模型;
根据所述信号波形估计模型确定所述目标优化函数。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京航空航天大学,未经北京航空航天大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202310045547.2/1.html,转载请声明来源钻瓜专利网。