[发明专利]一种基于卷积自编码器的脉搏波波形重建的方法及系统

权利要求书

1.一种基于卷积自编码器的脉搏波波形重建的方法，其特征在于，包括以下步骤：

步骤M1：设置采样频率和采样时间，分别采集指脉和桡动脉脉搏信号数据，待信号明显且平稳后进行记录；

步骤M2：对所得到的原始脉搏波信号数据进行预处理：去除噪声和基线、单波切分、去除异常波形、统一单波的采样频率、幅值归一化并映射到[0,1]范围内，并将数据以一定比例切分成训练集和测试集；

步骤M3：使用训练集对PRCAE网络模型进行训练，并使用参数正则化方法对模型参数进行优化，通过交叉验证法训练得到重建模型；

步骤M4：将测试集送入网络，利用训练好的PRCAE网络模型实现从指脉波形数据到桡动脉波形数据的重建，以构建起指脉波形数据到桡动脉波形数据的转换关系；

所述步骤M3包括：

所述PRCAE网络模型包括编码器模块和解码器模块；

步骤M3.1：所述编码器模块用于：通过编码提取指脉数据特征，并将该特征进行压缩编码；编码器模块包括：一维卷积单元、激活单元和池化层；

步骤M3.2：所述解码器模块用于：解码前述指脉经过编码器所编码的特征，并根据训练目标的桡动脉数据将特征进行重构，输出为与目标桡动脉相同维度的重建数据；解码器模块包括：一维卷积单元、激活单元和上采样层。

2.根据权利要求1所述的一种基于卷积自编码器的脉搏波波形重建方法，其特征在于，所述步骤M1包括：

为避免环境中噪声、温度在实验过程中的影响，实验在温度20～30℃的安静室内进行；采用光电容积传感器检测指端容积脉搏波；采样频率为100Hz，且检测脉搏波过程持续5分钟。

3.根据权利要求1所述的一种基于卷积自编码器的脉搏波波形重建方法，其特征在于，所述步骤M2包括：

步骤M2.1：采用小波变换法去除脉搏信号中的噪声；

步骤M2.2：找到指脉和桡动脉脉搏信号中的极小值点，将极小值点使用三次样条插值法拟合出对应脉搏信号的基线，将脉搏信号与其基线采样点对应相减，得到去基线后的波形数据；

步骤M2.3：将去基线后的波形根据其零轴极小值点将数据切分成单波，并去除掉首末两段的不完整波形；

步骤M2.4：统一单波的采样频率，使用三次样条插值法将每个单波的采样点统一到100；

步骤M2.5：不同的测量压力和位置导致桡动脉压力脉搏波与指端容积脉搏波的波形幅值不同，因此需要将其进行幅值归一化，将波形幅值映射到[0,1]范围内，公式如下：

其中y(i)是未进行幅值归一化的一条脉搏波信号数据，y_min是该条数据的最小值点，y_max是该条数据的最大值点，y_N(i)是该条数据进行幅值归一化后的结果；

步骤M2.6：将所得单波数据以8：2的比例切分成训练集和测试集。

4.根据权利要求1所述的一种基于卷积自编码器的脉搏波波形重建的方法，其特征在于，所述步骤M4包括：

步骤M4.1：根据先验医学知识，在PRCAE网络模型训练过程的损失函数中增加正则化项，损失函数公式如下：

L＝L₀+λ∑_w|w| (2)

其中L₀是原始的损失函数，λ表示可调预设超参数，∑_w|w|表示所有可训练的w参数，L表示加入正则化项的损失函数；

步骤M4.2：当使用训练集输入到PRCAE网络模型进行训练时，通过该模型在训练中损失函数的变化趋势，使用early-stopping方法约束模型的迭代次数；并采用交叉验证方法，使得最终能够得到最优学习模型。

5.一种实现权利要求1所述基于卷积自编码器的脉搏波波形重建系统，其特征在于，包括以下模块：

模块M1：用于采集受试者桡动脉压力脉搏波的压电式传感器和用于采集指端容积脉搏波的光电容积传感器，两个传感器均能将采集到的脉搏信号以数字信号的形式输出，并能够通过显示屏对脉搏波的波形数据进行显示；

模块M2：用于对脉搏信号数据进行去除信号噪声、去除基线、单波切分、归一化、去除异常波形、统一单波采样频率，并能够进行幅值归一化的数据处理模块；

模块M3：用于通过训练好的PRCAE网络模型，实现通过指脉信号重建桡动脉信号的数据重建模块；

模块M4：用于提升PRCAE模型最终学习表现的模型优化模块。