[发明专利]一种基于深度学习的血压检测系统

说明书

本发明涉及医疗检测领域，具体涉及一种基于深度学习的血压检测系统，其不同之处在于，其步骤包括：S1、获取用户近期的血压检测数据；S2、利用LSTM神经网络算法将血压检测数据按时间节点进行比较分析，生成专属于用户的血压状态时间序列模型；S3、将用户的血压状态时间序列模型在计算引擎中进行相似性匹配，得到用户的血压趋势预测；S4、当用户再次测量血压时，将测得的血压数据与血压趋势预测相比较；若超出预测范围，则判断血压异常，触发预警系统；S5、将步骤S4中测得的血压数据写入该用户的血压状态时间序列模型进行更新，并重新执行步骤S3。本发明实现更贴合用户个人情况的血压检测分析及预警。

技术领域

本发明涉及医疗检测领域，具体涉及一种基于深度学习的血压检测系统。

背景技术

在现有的各种医疗检测设备中，检测血压的标准是依赖于国际血压标准表，只能根据年龄来判断血压是否正常。然而这个标准对一些患有高血压的病人并不适用；比如当一个有高血压的病人经过治疗，血压已经稳定在一个范围，但这个范围依然比血压标准值要高，依然处于高血压状态，但是对于这个病人的来说，这个值是比较安全的；如果使用传统的检测设备，由于超过了标准值，则会报警，这对临床实时监测会产生很大的影响。

综上所述，现有的血压检测系统存在以下问题：并不具备针对个人的检测系统；对于自动报警的控制太过死板；缺乏智能生成历史数据的功能。

鉴于此，为克服上述缺陷，提供一种智能检测系统成为本领域亟待解决的问题。

发明内容

本发明的目的在于克服现有技术的缺点，提供一种基于深度学习的血压检测系统，实现更贴合用户个人情况的血压检测分析及预警。

为解决以上技术问题，本发明的技术方案为：一种基于深度学习的血压检测系统，其不同之处在于，其步骤包括：S1、获取用户近期的血压检测数据；S2、利用LSTM神经网络算法将步骤S1中获取的血压检测数据按时间节点进行比较分析，判断用户近期的血压状态，从而生成专属于用户的血压状态时间序列模型；S3、将用户的血压状态时间序列模型在计算引擎中进行相似性匹配，生成模拟血压变化范围，以得到用户的血压趋势预测；S4、当用户再次测量血压时，将测得的血压数据与步骤S3中生成的血压趋势预测相比较；若符合预测范围，则判断血压正常；若超出预测范围，则判断血压异常，触发预警系统；S5、将步骤S4中测得的血压数据写入该用户的血压状态时间序列模型进行更新，并重新执行步骤S3。

按以上方案，所述步骤S1中，获取血压检测数据的方式为数据库检索或手动输入。

按以上方案，所述步骤S2中，用户的血压状态时间序列模型保存利用LSTM神经网络算法分析过的结点。

按以上方案，所述结点中包含时间与血压数据相关联的信息。

按以上方案，所述步骤S2中，判断用户近期的血压状态是通过用户自身的血压数据进行血压状态分析及异常检测。

按以上方案，所述步骤S3中，使用的计算引擎为Spark计算引擎。

按以上方案，所述步骤S3中，还包括获取用户的治疗信息，作为血压趋势预测的参考数据。

按以上方案，根据用户的治疗情况，判断用户的血压状况是否有所改善，并将该信息反馈给医生作为下一步治疗的参考。

按以上方案，所述步骤S4中，超出预测范围±5mmHg时触发预警系统。

按以上方案，当血压数值处于标准范围内时，不触发预警系统。

对比现有技术，本发明的有益特点为：实现更贴合用户个人情况的血压检测分析及预警，使血压检测及分析预警对于每个人来说更加的准确；并可结合治疗情况来预测分析，并将信息反馈给医生作为下一步治疗的参考；还可随时生成历史数据供病人及医生进行全方面的了解。

附图说明