[发明专利]一种血压分类预测方法和装置

权利要求书

1.一种血压分类预测方法，其特征在于，所述方法包括：

对测试对象进行光体积变化描记图法PPG信号采集处理生成PPG信号数据；对所述PPG信号数据进行信号采样处理生成PPG一维数据序列；

根据卷积层数阈值，利用血压卷积神经网络CNN模型对所述PPG一维数据序列进行卷积池化计算，生成特征数据一维向量；

利用血压分类模型对所述特征数据一维向量进行分类计算生成血压分类二维矩阵；所述血压分类二维矩阵包括收缩压分类向量和舒张压分类向量；

从所述收缩压分类向量和所述舒张压分类向量中分别提取最大值，生成对应的收缩压分类和舒张压分类；

根据所述收缩压分类查询收缩压分类区间表，获取对应的收缩压区间范围的中间值，生成收缩压预测数据；根据所述舒张压分类查询舒张压分类区间表，获取对应的舒张压区间范围的中间值，生成舒张压预测数据；

根据所述收缩压预测数据和所述舒张压预测数据，生成血压预测数据对。

2.根据权利要求1所述的血压分类预测方法，其特征在于，所述方法之前，

根据血压分类总数阈值，设置所述收缩压分类区间表的所述收缩压区间范围，设置所述舒张压分类区间表的所述舒张压区间范围；

参照所述收缩压分类区间表和所述舒张压分类区间表，获取大样本PPG数据和对应的大样本血压分类结果，对所述血压CNN模型和所述血压分类模型进行联合训练；具体为，使用所述大样本PPG数据对所述血压CNN模型进行卷积层与池化层训练生成血压CNN模型训练输出数据，使用所述血压CNN模型训练输出数据对所述血压分类模型的收缩压分类权重矩阵和舒张压分类权重矩阵进行训练生成血压分类模型训练输出数据，通过比对所述血压分类模型训练输出数据和所述大样本血压分类结果对所述血压CNN模型和所述血压分类模型进行训练校正。

3.根据权利要求2所述的血压分类预测方法，其特征在于，

所述血压CNN模型包括多层所述卷积层和多层所述池化层；

所述收缩压分类权重矩阵具体为收缩压分类权重矩阵W_sp[M,N]；所述舒张压分类权重矩阵具体为舒张压分类权重矩阵W_dp[M,N]；所述M为所述血压分类总数阈值；所述N为CNN输出长度阈值；

所述特征数据一维向量具体为特征数据一维向量{f₁,f₂…f_i…f_N}；所述f_i为特征数据；所述i的取值范围从1到所述N；

所述血压分类二维矩阵具体为血压分类二维矩阵[2,M]；

所述收缩压分类向量具体为收缩压分类向量{sp₁,sp₂…sp_j…sp_M}；所述sp_j为收缩压分类概率；所述j的取值范围从1到所述M；

所述舒张压分类向量具体为舒张压分类向量{dp₁,dp₂…dp_k…dp_M}；所述dp_k为舒张压分类概率；所述k的取值范围从1到所述M；

所述收缩压分类区间表包括所述血压分类总数阈值个所述收缩压区间范围；所述收缩压区间范围包括收缩压区间最小值和收缩压区间最大值；

所述舒张压分类区间表包括所述血压分类总数阈值个所述舒张压区间范围；所述舒张压区间范围包括舒张压区间最小值和舒张压区间最大值。