[发明专利]一种血压分类预测方法和装置

说明书

本发明实施例涉及一种血压分类预测方法和装置，所述方法包括：进行PPG信号采集生成PPG信号数据；对PPG信号数据进行信号采样生成PPG一维数据序列；利用血压CNN模型对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特征数据一维向量进行分类计算生成血压分类二维矩阵；从收缩压分类向量和舒张压分类向量中分别提取最大值生成收缩压分类和舒张压分类；根据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；根据收缩压和舒张压预测数据生成血压预测数据对。

技术领域

本发明涉及电生理信号处理技术领域，特别涉及一种血压分类预测方法和装置。

背景技术

心脏是人体血液循环的中心，心脏通过有规律的搏动产生血压，进而向全身供血完成人体的新陈代谢，血压是人体非常重要的生理信号之一。正常范围内的血压才能保证血液正常循环流动，许多因素共同作用下才能使血压保持正常，从而人体的各个器官与组织能获得足够的血量，进而保持人体正常运转。人体血压含有两个重要的数值：收缩压和舒张压，医学上通过这两个量来判断人体血压的正常与否。长期持续观测血压这两项参数，可以帮助人们对自身心脏健康状态有较为清晰的认识。但是，当下大多数传统的血压测量方式均采用有创的介入式测量法或者外力上压的压力计测量法，不仅操作繁琐，且容易引起被测者的不适，因此也就不能多次地使用以达到连续监测的目的。

光体积变化描记图法(Photoplethysmography，PPG)信号是利用光感传感器对特定光源的光强识别记录光强变化的一组信号。在心脏搏动时，对血管内单位面积的血流量形成周期性变化，与之对应的血液体积也相应发生变化，从而导致反映血液吸收光量的PPG信号也呈现周期性变化趋势。

发明内容

本发明的目的，就是针对现有技术的缺陷，提供一种血压分类预测方法和装置，首先使用PPG信号采集设备对测试对象进行数据采集，其次采用血压卷积神经网络(Convolutional Neural Network，CNN)模型对PPG采集数据进行特征计算，然后使用血压分类对特征数据进行分类计算从而预测出测试对象的血压分类(收缩压分类和舒张压分类)，最后通过查询分类区间表(收缩压分类区间表和舒张压分类区间表)计算出测试对象的预测血压(收缩压预测数据和舒张压预测数据)；通过本发明实施例，既避免了常规测试手段的繁琐和不适感，又产生了一种结合测试对象个体特征的自动数据分析方法，从而使得应用方可以方便地对被测对象进行多次连续监测。

为实现上述目的，本发明实施例第一方面提供了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。

优选的，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；