[發明專利]一種多數據源的血壓預測方法和裝置

有效

• 申請號: 202010189221.3
• 申請日: 2020-03-17
• 公開（公告）號: CN111358455B
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 孫洪岱;曹君
• 申請（專利權）人: 樂普（北京）醫療器械股份有限公司
• 主分類號: A61B5/021
• 分類號: A61B5/021
• 代理公司: 北京慧誠智道知識產權代理事務所(特殊普通合伙) 11539
• 代理人: 李楠

1.一種多數據源的血壓預測方法，其特征在于，所述方法包括：

從上位機獲取數據源標識和原始數據；所述數據源標識為一類光體積變化描記圖法PPG原始信號標識，二類PPG原始信號標識和三類PPG視頻標識三種數據源標識中的一種；所述原始數據為一類PPG原始信號，二類PPG原始信號和三類PPG視頻數據三種原始數據中的一種，所述原始數據與所述數據源標識相對應；

根據所述數據源標識對所述原始數據進行數據預處理操作；當所述數據源標識為所述一類PPG原始信號標識時對所述一類PPG原始信號進行歸一化濾波處理生成標準PPG數據序列；當所述數據源標識為所述二類PPG原始信號標識時對所述二類PPG原始信號進行去基線漂移及歸一化濾波處理生成所述標準PPG數據序列；當所述數據源標識為所述三類PPG視頻標識時對所述三類PPG視頻數據進行視頻質量檢測及歸一化信號轉換生成所述標準PPG數據序列；

獲取卷積神經網絡CNN模型標識符；所述CNN模型標識符包括一類CNN標識和二類CNN標識；

根據所述CNN模型標識符，選擇對應的CNN模型對所述標準PPG數據序列進行血壓預測；當所述CNN模型標識符為所述一類CNN標識時，選擇一類CNN模型對所述標準PPG數據序列進行血壓預測；當所述CNN模型標識符為所述二類CNN標識時，選擇二類CNN模型對所述標準PPG數據序列進行帶小波變換的血壓預測；

其中，所述當所述CNN模型標識符為所述二類CNN標識時，選擇二類CNN模型對所述標準PPG數據序列進行帶小波變換的血壓預測，具體包括：

當所述數據源標識為所述一類PPG原始信號標識或所述二類PPG原始信號標識，且所述CNN模型標識符為所述二類CNN標識時，對所述標準PPG數據序列進行片段劃分生成標準PPG數據片段；

獲取預置的小波基類型、伸縮因子數組和移動因子數組；所述伸縮因子數組包括H個伸縮因子；所述移動因子數組包括L個移動因子；所述H與所述L均為整數；

根據所述伸縮因子數組的伸縮因子、所述移動因子數組的移動因子和所述小波基類型，對所述標準PPG數據片段使用連續小波變換方式進行信號分解處理，生成PPG小波系數矩陣[H,L]；

通過對矩陣元素取模的方式對所述PPG小波系數矩陣[H,L]進行實數矩陣轉換，并將轉換后的矩陣進行矩陣元素值歸一化處理，生成PPG歸一矩陣[H,L]；

獲取RGB色盤矩陣，并且根據所述RGB色盤矩陣對所述PPG歸一矩陣[H,L]進行PPG時頻張量轉換生成PPG時頻三維張量[H,L,3]；

根據預置的二類CNN輸入寬度閾值，使用雙三次插值算法對所述PPG時頻三維張量[H,L,3]進行張量形狀重構操作生成PPG卷積三維張量[K,K,3]；所述K為所述二類CNN輸入寬度閾值；

使用所述二類CNN模型對所述PPG卷積三維張量[K,K,3]進行血壓預測處理，生成PPG預測血壓數據對；所述PPG預測血壓數據對包括PPG預測收縮壓數據和PPG預測舒張壓數據。