申请/专利权人：哈尔滨理工大学

申请日：2020-10-19

公开（公告）日：2024-04-05

公开（公告）号：CN112274119B

主分类号：A61B5/02

分类号：A61B5/02;A61B5/11

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2021.02.23#实质审查的生效;2021.01.29#公开

摘要：一种基于神经网络的脉搏波模型预测方法，属于图像识别领域。一种基于神经网络的脉搏波模型预测方法，通过被监测者身上佩戴的智能穿戴设备具有的多种传感器获取信息；被监测者的智能手机将接收到的脉搏波数据和姿态数据进行数据预处理，之后进行本地存储，之后通过UI显示的同时，在软件后台将预处理后的数据再进行打包，上传至服务器端；服务器端根据对应的网络接口，对接收到的脉搏波数据和姿态数据进行解包和恢复，再将接收到的数据存入服务器数据库，最后利用神经网络进行脉搏波预测模型的训练，通过预测脉搏波模型，实时预测脉搏波数据。本发明通过融合脉搏波和加速度信息，设计了一种泛化能力好，实用性强的脉搏波预测方法。

主权项：1.一种基于神经网络的脉搏波模型预测方法，其特征在于：所述方法通过以下步骤实现：步骤一、通过被监测者身上佩戴的智能穿戴设备具有的多种传感器获取信息；具体为：智能穿戴设备具有的微处理器控制脉搏传感器实时获取被监测者的脉搏波信息，控制加速度传感器实时获取被监测者的姿态信息，最后将脉搏波数据和姿态数据按设定的数据格式打包，通过蓝牙模块发送至被监测者的智能手机；步骤二、被监测者的智能手机将接收到的脉搏波数据和姿态数据进行数据预处理，之后进行本地存储，之后通过UI显示的同时，在软件后台将预处理后的数据再进行打包，上传至服务器端；步骤三、服务器端根据对应的网络接口，对接收到的脉搏波数据和姿态数据进行解包和恢复，再将接收到的数据存入服务器数据库，最后利用神经网络进行脉搏波预测模型的训练，通过脉搏波预测模型，实时预测脉搏波数据；步骤二所述的数据预处理的步骤包括，采用平滑先验法校正脉搏波基线漂移，以及进行波形分割的同时去除运动伪迹；另外，将加速度信息转化为心血管状态值；步骤三所述的通过脉搏波预测模型，实时预测心血管数据类型的过程包括：首先、进行模型的训练，具体为：先将脉搏波进行DBSCAN聚类，再以聚类的标签作为目标值，分别训练脉搏波和心血管状态的分类模型；然后、进行实际预测，具体为：先通过心血管状态值确定状态，再通过脉搏波符合对应状态的概率衡量脉搏波的突变程度进而预测脉搏波模型；步骤一所述的控制加速度传感器实时获取被监测者的姿态信息的过程中，进行人体运动剧烈程度估计：首先、对人体的运动剧烈程度进行定性分析，通过六轴加速度传感器获取人体的姿态信息，实验采取以坐，走，跑作为运动剧烈程度为低，中，高的表现形式，进行数据采集，通过六轴加速度的综合标准差进行分析，确定人体的运动状态；综合标准差即为六轴的加速度的综合，即六轴的标准差的平方和的平方根；所述的将加速度信息转化为心血管状态值的过程，心血管状态值估计具体为：借助指数平滑的滞后性，通过对综合标准差作高阶指数平滑作为估计心血管状态值的标准；其中高阶指数次数取决于设定的六轴加速度采样频率，采样频率越高，需要的高阶指数次数越高。

全文数据：

权利要求：

百度查询： 哈尔滨理工大学 一种基于神经网络的脉搏波模型预测方法

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。

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