申请/专利权人：长春理工大学

申请日：2023-03-28

公开（公告）日：2023-11-28

公开（公告）号：CN117133437A

主分类号：G16H50/20

分类号：G16H50/20;A61B5/021;A61B5/346;A61B5/33;A61B5/00;G16H50/50

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2023.11.28#公开

摘要：本发明属于医疗方法技术领域，尤其为一种基于CSA‑CBLSTM算法的无创连续血压估计方法，包括以下步骤：步骤A，利用血压数据库中的血压数据对模型进行训练。本发明我们以脉搏信号PPG和心电信号ECG作为信号输入，经过信号处理和CSA‑CBLSTM网络模型对输入信号进行特征提取进行血压估计，本发明提出的CSA‑CBLSTM算法在模型中引入了两种注意力机制，对提取到的不同通道和空间的特征进行筛选，筛选出各通道和空间特征的重要程度，提高模型性能，从而提升整体的拟合效果，整体方案为在CNN‑BiLSTM神经网络中，在卷积神经网络之后加入通道注意力模块，在BiLSTM模块之后加入空间注意力模块，同时加强模型的通道特征和空间特征的筛选，从而提高模型估计准确率。

主权项：1.一种基于CAS-CBLSTM算法的无创连续血压估计方法，其特征在于：包括以下步骤：步骤A，利用血压数据库中的血压数据对模型进行训练；步骤B，光电容积脉搏信号和心电信号采集；步骤C，将采集到的两路信号进行降噪滤波；步骤D，利用窗函数对PPG和ECG进行分段步骤E，将步骤D得到的ECG和PPG输入到CSA-CBLSTM模型进行收缩压SBP和舒张压DBP的估计。

全文数据：

权利要求：

百度查询： 长春理工大学 一种基于CSA-CBLSTM算法的无创连续血压估计方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD