[发明专利]用于血压分类的模型训练方法、装置及可穿戴设备

说明书

本发明实施例提供一种用于血压分类的模型训练方法、装置及可穿戴设备；用于血压分类的模型训练方法包括：获取血管容积图信号并对所述血管容积图信号进行预处理；提取经预处理后的血管容积图信号中的特征参数；将所述特征参数作为多个分类算法的输入以训练得到血压分类融合模型。本发明提供的一种基于血管容积图信号的多种分类模型融合的用于血压分类的模型训练方法，获取血管容积图信号并对血管容积图信号进行预处理后，提取经预处理后的血管容积图信号中的特征参数，并根据特征参数利用了三种多种分类模型，让分类器做出最可能预测正确的选择。相比单一分类模型方法，本发明实施例所提供的融合模型方法实现了对血压类别分类的更高准确率。

技术领域

本发明涉及电生理信号处理技术领域，特别涉及一种用于血压分类的模型训练方法、装置及可穿戴设备。

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。高/低血压病属于慢性疾病，多数需要长期终身护理，都需要对血压进行长时间动态监测。在日常生活中，目前最常用的是采用有创介入式测量方法和压力测量方法，在测量过程中需要对被测者产生微创伤害或者通过对被测者身体施加外部压力获取测试结果，这两种方法不仅操作繁琐，容易对被测者造成不适和伤害，而且也不便于进行连续监测。

于是可穿戴设备进行测量的方式应运而生，现代可穿戴设备如智能手表和智能腕带通常由光体积描记器传感器组成，而不是心电图传感器，因为与心电图传感器相比，光体积描记器传感器具有更高的可用性和更低的成本。然而，它更容易受到噪音的影响。这给信号的处理、分类和回归估计造成了极大的困难，从而带来测量的不准确。

发明内容

为解决上述技术问题，本发明实施例的目的是提供一种用于血压分类的模型训练方法、装置及可穿戴设备。

为了实现上述目的，在本发明第一方面，提供一种复合滤芯结构，包括：获取血管容积图信号的参数并对参数进行预处理；提取经预处理后的参数的特征参数；将特征参数作为多个分类算法的输入，以训练得到血压分类融合模型。

在本申请实施例中，获取血管容积图信号的参数并对参数进行预处理包括：获取原始的血管容积图信号的参数；定义滑动窗口长度和窗口大小，将参数表征为队列；对队列进行卷积运算以获得去噪后的参数。

在本申请实施例中，提取经预处理后的血管容积图信号的特征参数包括：对去噪后的血管容积图信号进行离散余弦变换；确定去噪后的血管容积图信号经离散余弦变换后的系数；在系数中提取前n个系数作为特征参数。

在本申请实施例中，将特征参数作为多个分类模型的输入，以训练得到血压分类融合模型包括：将所有参数不重叠的分为训练集和测试集，其中训练集和测试机为第一预设比例；将训练集分为第一训练集和第二训练集，其中第一训练集和第二训练集为第二预设比例；根据特征参数，用第一训练集的特征向量作为多个分类算法的输入，以得到多个分类模型；将第二训练集对多个分类模型进行验证，并获得多个分类模型的准确度模型；根据测试集对多个分类模型进行测试，并根据准确度模型输出对应的准确度；将准确度排序以获得血压分类融合模型。

在本申请实施例中，多个分类算法包括：随机森林、支持向量机和K最邻近算法的任一者。

在本申请实施例中，将准确度排序以获得血压分类融合模型包括：将准确度大于第一阈值的多个分类模型作为第一目标模型；将准确度小于第二阈值的多个分类模型所预测的类别取反得到第二目标模型；将第一目标模型和第二目标模型的输出作为最终结果以得到血压分类融合模型。

在本申请实施例中，第一预设比例为4:1，第二预设比例为1:3。

在本申请的第二方面，还提供一种用于血压分类的装置，装置包括处理器，处理器被配置成根据上项的用于血压分类的模型训练方法。