[發(fā)明專利]一種基于神經(jīng)網(wǎng)絡(luò)的脈搏波模型預(yù)測方法

在審

• 申請?zhí)枺?/td>: 202011116425.0
• 申請日: 2020-10-19
• 公開（公告）號(hào): CN112274119A
• 公開（公告）日: 2021-01-29
• 發(fā)明（設(shè)計(jì)）人: 蘇子美;張海嘯
• 申請（專利權(quán)）人: 哈爾濱理工大學(xué)
• 主分類號(hào): A61B5/02
• 分類號(hào): A61B5/02;A61B5/11
• 代理公司: 哈爾濱三目知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 23214
• 代理人: 賈澤純

1.一種基于神經(jīng)網(wǎng)絡(luò)的脈搏波模型預(yù)測方法，其特征在于：所述方法通過以下步驟實(shí)現(xiàn)：

步驟一、通過被監(jiān)測者身上佩戴的智能穿戴設(shè)備具有的多種傳感器獲取信息；具體為：

智能穿戴設(shè)備具有的微處理器控制脈搏傳感器實(shí)時(shí)獲取被監(jiān)測者的脈搏波信息，控制加速度傳感器實(shí)時(shí)獲取被監(jiān)測者的姿態(tài)信息，最后將脈搏波數(shù)據(jù)和姿態(tài)數(shù)據(jù)按設(shè)定的數(shù)據(jù)格式打包，通過藍(lán)牙模塊發(fā)送至被監(jiān)測者的智能手機(jī)；

步驟二、被監(jiān)測者的智能手機(jī)將接收到的脈搏波數(shù)據(jù)和姿態(tài)數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，之后進(jìn)行本地存儲(chǔ)，之后通過UI顯示的同時(shí)，在軟件后臺(tái)將預(yù)處理后的數(shù)據(jù)再進(jìn)行打包，上傳至服務(wù)器端；

步驟三、服務(wù)器端根據(jù)對應(yīng)的網(wǎng)絡(luò)接口，對接收到的脈搏波數(shù)據(jù)和姿態(tài)數(shù)據(jù)進(jìn)行解包和恢復(fù)，再將接收到的數(shù)據(jù)存入服務(wù)器數(shù)據(jù)庫，最后利用神經(jīng)網(wǎng)絡(luò)進(jìn)行脈搏波預(yù)測模型的訓(xùn)練，通過預(yù)測脈搏波模型，實(shí)時(shí)預(yù)測脈搏波數(shù)據(jù)。

2.根據(jù)權(quán)利要求1所述的一種基于神經(jīng)網(wǎng)絡(luò)的脈搏波模型預(yù)測方法，其特征在于：

步驟二所述的數(shù)據(jù)預(yù)處理的步驟包括，采用平滑先驗(yàn)法校正脈搏波基線漂移，以及進(jìn)行波形分割的同時(shí)去除運(yùn)動(dòng)偽跡；另外，將加速度信息轉(zhuǎn)化為心血管狀態(tài)值；

其中，所述的平滑先驗(yàn)法校正脈搏波基線漂移的過程具體為：

假設(shè)脈搏波原始信號(hào)為f，則其應(yīng)包含兩部分信號(hào)：

f＝f_stat+f_trend

其中，f_stat是f中的平穩(wěn)信號(hào)；f_trend是f的基線漂移信號(hào)；其中：

f_stat＝Hq+v

其中，為觀測矩陣，為回歸參數(shù)，N指信號(hào)長度，M指回歸參數(shù)的個(gè)數(shù)，v為觀測誤差；

然后使用通用的正則化最小二乘準(zhǔn)則估計(jì)回歸參數(shù)，得到基線漂移信號(hào)的最優(yōu)估計(jì)為如下所示：

其中，為二階微分矩陣，K相當(dāng)于一個(gè)高通濾波器，可以有效地分離平穩(wěn)信號(hào)和基線漂移信號(hào)；

通過此法進(jìn)行波形分割的同時(shí)去除運(yùn)動(dòng)偽跡，具體的如下：

首先、標(biāo)記所有的波峰點(diǎn)和波谷點(diǎn)，再對成對的波峰波谷點(diǎn)做差，通過閾值判斷是否為主波的峰谷對，從而通過起始點(diǎn)劃分波形；

然后、通過對峰谷值在處理過程中進(jìn)行指數(shù)平滑，預(yù)測下一個(gè)峰谷差，并以此確定閾值范圍；

最后、通過閾值范圍判斷：

(1)當(dāng)峰谷值之差小于最小閾值時(shí)則不是主波的峰谷對；

(2)當(dāng)介于最大和最小閾值之間時(shí)，即為主波峰谷對，然后根據(jù)指數(shù)平滑更新閾值；

(3)當(dāng)大于最大閾值時(shí)則為波形斷崖，應(yīng)當(dāng)去除；

故通過上述方法即可劃分波形，且去除波形斷崖。

3.根據(jù)權(quán)利要求1或2所述的一種基于神經(jīng)網(wǎng)絡(luò)的脈搏波模型預(yù)測方法，其特征在于：

步驟三所述的通過預(yù)測評(píng)價(jià)模型，實(shí)時(shí)預(yù)測心血管數(shù)據(jù)類型的過程包括：

首先、進(jìn)行模型的訓(xùn)練，具體為：

先將脈搏波進(jìn)行DBSCAN聚類，再以聚類的標(biāo)簽作為目標(biāo)值，分別訓(xùn)練脈搏波和心血管狀態(tài)的分類模型；

然后、進(jìn)行實(shí)際預(yù)測，具體為：

先通過心血管狀態(tài)值確定狀態(tài)，再通過脈搏波符合對應(yīng)狀態(tài)的概率衡量脈搏波的突變程度進(jìn)而預(yù)測脈搏波模型。

4.根據(jù)權(quán)利要求3所述的一種基于神經(jīng)網(wǎng)絡(luò)的脈搏波模型預(yù)測方法，其特征在于：步驟一所述的控制加速度傳感器實(shí)時(shí)獲取被監(jiān)測者的姿態(tài)信息的過程中，

進(jìn)行人體運(yùn)動(dòng)劇烈程度估計(jì)：

首先、對人體的運(yùn)動(dòng)劇烈程度進(jìn)行定性分析，通過六軸加速度傳感器獲取人體的姿態(tài)信息，實(shí)驗(yàn)采取以坐，走，跑作為運(yùn)動(dòng)劇烈程度為低，中，高的表現(xiàn)形式，進(jìn)行數(shù)據(jù)采集，通過六軸加速度的綜合標(biāo)準(zhǔn)差進(jìn)行分析，確定人體的運(yùn)動(dòng)狀態(tài)；

綜合標(biāo)準(zhǔn)差即為六軸的加速度的綜合，即六軸的標(biāo)準(zhǔn)差的平方和的平方根：

其中，SD_i表示六軸的標(biāo)準(zhǔn)差，1-6分別對應(yīng)x,y,z軸的加速度和角加速度。