[发明专利]个性化血压预测模型的训练方法、装置及电子设备

权利要求书

1.一种个性化血压预测模型的训练方法，其特征在于，所述方法包括：

获取单路脉搏波PPG传感器对第一对象采集的单路脉搏波信号；

对所述单路脉搏波信号进行特征提取，得到多个特征信息；

将所述多个特征信息输入至预先训练的血压预测模型，以得到所述血压预测模型输出的血压预测值；

建立所述多个特征信息与所述血压预测值之间的对应关系，并基于所述对应关系将所述多个特征信息和所述血压预测值进行存储；

从已存储的历史特征信息和历史血压预测值中获取训练集数据；

基于所述训练集数据对所述血压预测模型进行更新训练，得到所述第一对象的个性化血压预测模型。

2.根据权利要求1所述的方法，其特征在于，所述血压预测模型通过以下方式预先训练：

分别获取单路PPG传感器对第二对象采集的单路脉搏波样本信号数据和所述第二对象的血压实测数据；其中，所述单路脉搏波样本信号和所述血压实测数据的采集时间相同；所述血压实测数据用于对所述单路脉搏波样本信号进行标定；

对所述单路脉搏波样本信号进行特征提取，得到多个样本特征数据；

基于所述多个样本特征数据和所述血压实测数据对初始血压预测模型进行训练。

3.根据权利要求1所述的方法，其特征在于，所述单路脉搏波样本信号数据包括单路脉搏波样本信号和所述单路脉搏波样本信号的采集时间；所述对所述单路脉搏波样本信号进行特征提取，得到多个样本特征数据，包括：

根据所述单路脉搏波样本信号的采集时间，将所述单路脉搏波样本信号按照预设时长划分为多个数据段；

分别对所述多个数据段进行特征提取，得到所述多个数据段各自的多个样本特征子数据；

针对每个数据段，分别将每个样本特征子数据中的特征值取平均值，得到每个样本特征子数据对应的特征平均值；

将所述多个数据段各自对应的多个特征平均值确定为所述样本特征数据。

4.根据权利要求3所述的方法，其特征在于，所述血压实测数据包括血压实测值和所述血压实测值的采集时间；所述基于所述多个样本特征数据和所述血压实测数据对初始血压预测模型进行训练，包括：

根据所述血压实测值的采集时间，将所述血压实测数据按照所述预设时长划分为多组血压实测子数据；

分别将每组血压实测子数据中的血压值取平均值，得到每组血压实测子数据的血压平均值；

将所属同一采集时间的所述数据段对应的多个特征平均值和所述血压平均值确定为一组训练数据；

基于多组所述训练数据对所述初始血压预测模型进行训练。

5.根据权利要求3所述的方法，其特征在于，所述针对每个数据段，分别将每个样本特征子数据中的特征值取平均值，得到每个样本特征子数据对应的特征平均值，包括：

针对每个数据段，分别将每个样本特征子数据中多个特征值的最大值和最小值去除，得到每个样本特征子数据对应的中间子数据；

针对每个样本特征子数据对应的中间子数据，将所述中间子数据中的特征值取平均值，得到每个样本特征子数据对应的特征平均值。

6.根据权利要求1所述的方法，其特征在于，所述从已存储的历史特征信息和历史血压预测值中获取训练集数据，包括：

从已存储的所述历史特征信息中获取第一预设时间段采集的单路脉搏波信号对应的目标特征信息；所述第一预设时间段为夜间时间段；

基于所述对应关系，从已存储的所述历史血压预测值中获取所述目标特征信息对应的目标血压预测值；

将所述目标特征信息和所述目标血压预测值确定为所述训练集数据。