[發明專利]多任務神經網絡脈象數據處理方法、系統及終端

有效

• 申請號: 202210102125.X
• 申請日: 2022-01-27
• 公開（公告）號: CN114366047B
• 公開（公告）日: 2023-05-09
• 發明（設計）人: 楊杰
• 申請（專利權）人: 上海國民集團健康科技有限公司
• 主分類號: A61B5/02
• 分類號: A61B5/02;A61B5/00;G06F18/24;G06N3/0464;G06N3/048;G06N3/082
• 代理公司: 上海光華專利事務所(普通合伙) 31219
• 代理人: 倪靜

1.一種多任務神經網絡脈象數據處理方法，其特征在于，包括：

獲取待識別的脈象數據片段；其中，所述脈象數據片段由對脈象信號進行重采樣獲得；

基于構建的多任務脈象信號識別模型，根據所述脈象數據片段獲得對應該片段的多要素脈象識別結果；其中，所述多要素識別結果包括：同時輸出的脈率識別結果、節律識別結果、脈勢流利度識別結果以及脈勢緊張度識別結果；

其中，所述多任務脈象信號識別模型的構建方式包括：

構建脈象信號識別框架模型；

利用訓練數據集訓練脈象信號識別框架模型，以獲得多任務脈象信號識別模型；并且

其中，所述訓練數據集包括：多個脈象數據片段樣本以及對應各脈象數據片段樣本的多要素脈象識別結果；

其中，所述脈象信號識別框架模型包括：

特征粗提取結構，用于對輸入的脈象數據片段進行粗特征提取，以輸出粗特征提取數據；其中，所述特征粗提取結構包括：兩個連接的特征粗子提取結構；其中，每個特征粗子提取結構包括：一卷積層、一與所述卷積層連接的Dropout層以及一與所述Dropout層連接的BatchNormalization層；

特征細提取結構，連接所述特征粗提取結構，用于對所述粗特征提取數據進行細特征提取，以輸出細特征提取數據；其中，所述特征細提取結構包括：分支特征提取結構，包括：對應不同卷積核的三個分支結構，用于根據輸入的粗特征提取數據分別輸出對應的分支特征數據；其中，每個分支結構包括：三層連接的ResBlock1D結構，用于對進行輸入的粗特征提取數據進行三次殘差計算；全局平均池化層，用于對經過三次殘差處理的數據進行平均處理；融合結構，連接所述分支特征提取結構，用于將三個分支結構輸出的分支特征數據進行融合，輸出細特征提取數據；

多要素結果輸出結構，連接所述特征細提取結構，用于基于輸入的細特征提取數據獲得對應所述脈象數據片段的多要素識別結果；其中，所述多要素結果輸出結構包括：脈率識別結果輸出結構，用于基于輸入的細特征提取數據輸出脈率識別結果；節律識別結果輸出結構，用于基于輸入的細特征提取數據輸出節律識別結果；脈勢流利度識別結果輸出結構，用于基于輸入的細特征提取數據輸出脈勢流利度識別結果；脈勢緊張度識別結果輸出結構，用于基于輸入的細特征提取數據輸出脈勢緊張度識別結果；并且其中，所述脈率識別結果輸出結構采用的激活函數為relu函數；所述節律識別結果輸出結構采用的激活函數為sigmoid函數；所述脈勢流利度識別結果輸出結構采用的激活函數為softmax函數；所述脈勢緊張度識別結果輸出結構采用的激活函數為sigmoid函數；

損失加權計算層，連接所述多要素結果輸出結構，包括：第一損失加權計算模塊，用于采用MSE函數對脈率識別結果進行損失加權計算；第二損失加權計算模塊，用于采用加權交叉熵損失函數對節律識別結果、脈勢流利度識別結果以及脈勢緊張度識別結果進行損失加權計算；其中，對脈率識別結果，節律識別結果、脈勢流利度識別結果以及脈勢緊張度識別結果分別設置控制參數。

2.根據權利要求1中所述的多任務神經網絡脈象數據處理方法，其特征在于，所述多要素結果輸出結構包括：

脈率識別結果輸出結構，用于基于輸入的細特征提取數據輸出以次每分為單位的脈率值；

節律識別結果輸出結構，用于基于輸入的細特征提取數據輸出節律二分類結果；其中，所述節律二分類結果包括：對應節律齊或節律不齊的結果；

脈勢流利度識別結果輸出結構，用于基于輸入的細特征提取數據輸出脈勢流利度三分類結果；其中，所述脈勢流利度三分類結果包括：對應脈勢滑、脈勢澀以及脈勢無滑澀特征情形中的一種的結果；

脈勢緊張度識別結果輸出結構，用于基于輸入的細特征提取數據輸出脈勢緊張度二分類結果；其中，所述脈勢緊張度二分類結果包括：對應脈勢弦或脈勢平的結果。