[發明專利]基于深度學習的PPG信號重構方法及設備有效
| 申請號： | 201811150627.X | 申請日： | 2018-09-29 |
| 公開（公告）號： | CN109363652B | 公開（公告）日： | 2021-05-07 |
| 發明（設計）人： | 張進東;丁立明;劉文江;劉金海;崔久莉 | 申請（專利權）人： | 天津驚帆科技有限公司 |
| 主分類號： | A61B5/021 | 分類號： | A61B5/021;A61B5/00 |
| 代理公司： | 天津濱海科緯知識產權代理有限公司 12211 | 代理人： | 楊慧玲 |
| 地址： | 300384 天津市濱海新區高新區*** | 國省代碼： | 天津;12 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 深度 學習 ppg 信號 方法 設備 | ||
1.一種PPG信號重構方法，其特征在于，所述方法利用深度網絡模型重構單周期PPG信號，重構PPG信號使用的函數為：
G(x)＝max(a1*f1(x),a2*f2(x))
其中f(x)為高斯函數：
重構PPG信號一共需要估計a1，μ1，σ1，a2，μ2，σ2這六個參數，其中μ1、μ2為高斯函數f1(x)和f2(x)的位置參數，σ1、σ2為高斯函數f1(x)和f2(x)的尺度參數，a1，a2為重構后單周期PPG信號的兩個峰值；
深度網絡模型用于計算重構G(x)時使用的參數a1，a2，μ1，μ2，σ1，σ2，重構PPG信號使用的深度網絡模型結構包括，依次相連的4層卷積深度網絡層、全局池化層和全連接層，其中第一層卷積深度網絡層的網絡映射為恒等映射函數，第三層卷積深度網絡層的網絡映射為殘差函數。
2.如權利要求1所述一種PPG信號重構方法，其特征在于，訓練深度網絡模型時使用的誤差損失函數為：
其中N為一個周期PPG信號P的長度，x為一個周期PPG信號的數據點，θ(P)為將數據點輸入深度網絡模型后輸出的參數。
3.如權利要求2所述一種PPG信號重構方法，其特征在于，訓練模型時使用的正則化損失函數為：
L2＝(θ)2
其中θ為深度網絡模型參數。
4.如權利要求3所述一種PPG信號重構方法，其特征在于，整個深度網絡模型的損失函數為：
L＝s1*L1+s2*L2
其中s1，s2為兩個損失函數的權重。
5.如權利要求4所述一種PPG信號重構方法，其特征在于，使用Adam算法對網絡參數進行優化，訓練時每次輸入深度網絡模型的樣本量為1。
6.如權利要求5所述一種PPG信號重構方法，其特征在于，訓練模型時使用的樣本集為，從原始測量信號中分割得到的單周期PPG信號的集合。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于天津驚帆科技有限公司，未經天津驚帆科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201811150627.X/1.html，轉載請聲明來源鉆瓜專利網。
