申请/专利权人:南京财经大学
申请日:2022-06-17
公开(公告)日:2022-09-23
公开(公告)号:CN115089145A
主分类号:A61B5/021
分类号:A61B5/021;A61B5/00
优先权:
专利状态码:在审-实质审查的生效
法律状态:2022.10.14#实质审查的生效;2022.09.23#公开
摘要:本发明涉及无创血压预测技术领域,具体公开了一种基于多尺度残差网络和PPG信号的智能血压预测方法,包括:采集PPG信号;对PPG信号进行滤波;滤波后的PPG信号进行分割和贴上对应的血压标签;划分训练数据和测试数据;构建基于多尺度残差网络的血压预测模型;将训练集输入到血压预测网络模型中进行训练;将测试集输入到训练好的血压预测网络模型中,验证血压预测网络模型的有效性。本发明提供的基于多尺度残差网络和PPG信号的智能血压预测方法,能够从PPG信号中提取到更丰富的特征信息,随后采用3×1卷积核的卷积层加深网络,提高了血压预测网络的泛化性,能够有效提高血压预测网络的预测精度。
主权项:1.一种基于多尺度残差网络和PPG信号的智能血压预测方法,其特征在于,包括以下步骤:步骤S1:采集用户的PPG信号;步骤S2:对采集到的用户PPG信号进行滤波处理,得到滤波后的PPG信号;步骤S3:根据预先设置的样本时长对所述滤波后的PPG信号进行分割,得到多个PPG信号样本;步骤S4:将分割后的多个PPG信号样本分为训练集和测试集,并将所述训练集中的PPG信号样本和所述测试集中的PPG信号样本进行归一化处理;步骤S5:构建初始多尺度残差网络血压预测模型;步骤S6:将所述训练集中归一化处理后的PPG信号样本输入到所述初始多尺度残差网络血压预测模型中进行训练,得到训练后的多尺度残差网络血压预测模型;步骤S7:将所述测试集中归一化处理后的PPG信号样本输入到所述训练后的多尺度残差网络血压预测模型中进行血压预测,得到用户的血压预测结果。
全文数据:
权利要求:
百度查询: 南京财经大学 基于多尺度残差网络和PPG信号的智能血压预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。