[發明專利]基于RBF和LSTM模型的多因素網絡的血壓預測方法

在審

• 申請號: 201910150825.4
• 申請日: 2019-02-28
• 公開（公告）號: CN109886347A
• 公開（公告）日: 2019-06-14
• 發明（設計）人: 劉寧
• 申請（專利權）人: 泉州師范學院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;A61B5/021;A61B5/00
• 代理公司: 福州君誠知識產權代理有限公司 35211
• 代理人: 戴雨君

本發明公開基于RBF和LSTM模型的多因素網絡的血壓預測方法，其包括以下步驟：步驟1，輸入近期血壓觀測值利用現有的雙通道預測的LSTM模型獲取血壓預測輸出h₃；步驟2，輸入時序測量數據利用現有的雙通道預測的LSTM模型獲取時序數據預測輸出h₄；步驟3，采用RBF神經網絡對用戶基本信息歸類且線性求和獲取輸出h₆并作為基本信息線索b，步驟4，將h₃、h₄、h₆數據聯合后采用Relu非線性激活得到輸出h₅，步驟5，應用線性回歸分別得到血壓的預測值和時序線索的預測值。本發明引入RBF網絡對輸入的用戶信息進行特征提取，將預測血壓預測值和時序數據預測值與用戶信息相關聯，以適應不同人群特點，具有更好預測效果，適用于血壓長期預測。

技術領域

本發明涉及醫療技術領域，尤其涉及基于RBF和LSTM模型的多因素網絡的血壓預測方法。

背景技術

血壓是一個人健康狀況的重要指標，血壓過高容易發生心肌梗死、心力衰竭、腦出血等突發狀況。為了預防血壓的不良變化帶來嚴重后果，提前對血壓進行預測以監控血壓變化非常重要。

血壓監測包括測量和預測兩種方法，絕大部分血壓計采用聽診法和示波法等換算測量得到某一時刻的血壓值。隨著健康管理的普及，從連續的歷史血壓數據來提前預測近期可能的血壓變化成為可能。然而，僅僅采用用戶連續時段的血壓數據預測其下一時段的血壓是不全面的。事實上，血壓的變化與很多因素相關，將這些因素作為輔助因素用于血壓預測，將會提高血壓預測的準確度。

目前使用歷史血壓測量數據對血壓值進行預測的研究還是比較少，該方面研究多采用機器學習算法和神經網絡算法。文獻[26]采用多模糊函數模型來預測平均動態血壓，該方法改善了在進行連續多個時間段的血壓預測的誤差累積狀況，但沒有能夠充分利用血壓數據時間狀態上的關聯性和其他與血壓關聯的因素對其的影響，文獻[27]采用回聲狀態網絡來進行血壓預測，回聲狀態網絡是為解決傳統遞歸神經網絡(RNN)出現梯度消失與梯度爆炸問題而提出，其在RNN中添加了儲備池來對簡單時序數據進行記憶，但該網絡只能進行短期的記憶，不能很好處理復雜動態問題，文獻[28]分別采用BP神經網絡和徑向基神經網絡使用用戶個人信息預測用戶的舒張壓情況，對高于舒張壓正常范圍的用戶進行提醒，對用戶信息與舒張壓情況建立關系，但該方法僅有單次預測能力，不具有實時預測，實時監控的能力，不能及時為用戶提供血壓預警，文獻[29]基于遞歸神經網絡，提出了一種帶有用戶輔助信息層的遞歸模型(LSTM-CL)來預測用戶的血壓值，但模型沒有考慮基本信息與血壓的相關性大小差異和時序測量數據與血壓變化關系，以上方法單從血壓本身或一些簡單的相關數據出發，沒有能夠充分利用與血壓相關聯的數據變化對血壓的影響。

發明內容

本發明的目的在于提供基于RBF和LSTM模型的多因素網絡的血壓預測方法。

本發明采用的技術方案是：

基于RBF和LSTM模型的多因素網絡的血壓預測方法，其包括以下步驟：

步驟1，輸入近期血壓觀測值X₁＝[x₁₁，x₁₂,…,x_1n]，利用現有的雙通道預測的LSTM模型獲取血壓預測通道隱藏層輸出h₃；

步驟2，輸入與血壓關聯的時序測量數據X₂＝[x₂₁，x₂₂,…,x_2n]，利用現有的雙通道預測的LSTM模型獲取時序數據預測通道隱藏層輸出h₄；

步驟3，獲取用戶基本信息，采用RBF神經網絡對用戶基本信息歸類且線性求和得到隱藏層輸出h6并作為基本信息線索b，