[發明專利]一種用于血壓預測的機器學習模型樣本獲取的方法及裝置

在審

• 申請號: 202110997501.1
• 申請日: 2021-08-27
• 公開（公告）號: CN113854985A
• 公開（公告）日: 2021-12-31
• 發明（設計）人: 蔡其武
• 申請（專利權）人: 聯衛醫療科技（上海）有限公司
• 主分類號: A61B5/021
• 分類號: A61B5/021;A61B5/346;A61B5/353;A61B5/366;A61B5/358;A61B5/355;A61B5/352;A61B5/349;A61B5/00
• 代理公司: 上海百一領御專利代理事務所(普通合伙) 31243
• 代理人: 朱永海

1.一種用于血壓預測的機器學習模型樣本獲取的方法，其特征在于，所述方法包括：

獲取心電信號及其對應的血壓值；

確定所述心電信號的第一特征值、第二特征值及第三特征值；

將所述血壓值確定為所述心電信號的第一特征值、第二特征值及第三特征值的標簽，并將所述心電信號的第一特征值、第二特征值、第三特征值及所述標簽確定為所述機器學習模型樣本。

2.根據權利要求1所述的方法，其特征在于，確定所述心電信號的第一特征值包括：

確定所述心電信號中每個心跳波形；

基于每個心跳波形，獲取每個心跳波形的特征值，

遍歷所述心電信號的全部心跳波形，獲取全部心跳波形的特征值的統計值，并將所述統計值確定為所述心電信號的第一特征值。

3.根據權利要求2所述的方法，其特征在于，所述每個心跳波形的特征值包括以下至少一項：

每個心跳波形的P波時長；

每個心跳波形的PR間期；

每個心跳波形的QRS時間；

每個心跳波形的ST段時長；

每個心跳波形的T波時長；

每個心跳波形的TP段時長；

每個心跳波形的QT間期；

每個心跳波形的U波時長。

4.根據權利要求2所述的方法，其特征在于，所述統計值包括以下至少一項：

均方根；

中值絕對偏差；

中值變異系數。

5.根據權利要求1所述的方法，其特征在于，確定所述心電信號的第二特征值包括：

確定所述心電信號中每個心跳波形；

基于兩兩相鄰的兩個心跳波形，獲取兩兩相鄰的兩個心跳波形的特征值，

遍歷所述心電信號的全部心跳波形，獲取全部兩兩相鄰的兩個心跳波形的特征值的統計值，并將所述統計值確定為所述心電信號的第二特征值。

6.根據權利要求5所述的方法，其特征在于，所述兩兩相鄰的兩個心跳波形的特征值包括以下至少一項：

兩兩相鄰的心跳波形的PP間期；

兩兩相鄰的心跳波形的QQ間期；

兩兩相鄰的心跳波形的RR間期；

兩兩相鄰的心跳波形的SS間期；

兩兩相鄰的心跳波形的TT間期；

兩兩相鄰的心跳波形的UU間期。

7.根據權利要求5所述的方法，其特征在于，所述統計值包括以下至少一項：

均方根；

中值絕對偏差；

中值變異系數；

大于50毫秒的連續間隔差異數。

8.根據權利要求5所述的方法，其特征在于，確定所述心電信號的第三特征值包括：

獲取所述第二特征值對應的時域波形的功率頻譜；

基于所述功率頻譜，獲取若干預設頻域的功率值；

將所述若干預設頻域的功率值之間的比值確定為所述心電信號的第三特征值。

9.根據權利要求8所述的方法，其特征在于，確定所述心電信號的第三特征值還包括：

基于所述功率頻譜，計算所述功率頻譜的熵值；

將所述功率頻譜的熵值確定為所述心電信號的第三特征值。

10.根據權利要求1至9中任一項所述的方法，其特征在于，所述方法還包括：

基于獲取的若干歷史心電信號及其對應的血壓值，確定若干所述機器學習模型樣本，以構建所述機器學習模型的樣本集。

11.根據權利要求10所述的方法，其特征在于，所述方法還包括：

基于所述樣本集，訓練所述機器學習模型，當所述機器學習模型的評估指標符合預設閾值，將訓練后的機器學習模型確定為血壓預測模型。