[发明专利]血液灌注信号分离模型训练方法及设备

权利要求书

1.一种血液灌注信号分离模型训练方法，其特征在于，包括：

获取训练数据，包括屏息状态下的电阻抗信号和自主呼吸时的电阻抗信号，及相应的标签信息；

利用所述训练数据训练组合模型，所述组合模型包括第一神经网络模型和第二神经网络模型，所述第一神经网络模型用于对输入的电阻抗信号进行判别，输出判别结果，所述第二神经网络模型用于从所述自主呼吸时的电阻抗信号中分离出血液灌注信号；根据所述判别结果与所述标签信息的差异，以及分离出的血液灌注信号与所述自主呼吸时的电阻抗信号的差异优化所述组合模型的参数。

2.根据权利要求1所述的方法，其特征在于，利用所述训练数据训练组合模型具体包括：

利用所述训练数据训练第一神经网络模型，所述第一神经网络模型用于对输入的电阻抗信号进行判别，输出判别结果，根据所述判别结果与所述标签信息的差异优化参数；

利用所述训练数据中的自主呼吸时的电阻抗信号训练组合模型，其中所述第一神经网络模型被配置为使用优化后的参数且被固定，所述第二神经网络模型用于从所述自主呼吸时的电阻抗信号中分离出血液灌注信号，所述第一神经网络模型用于对分离出血液灌注信号进行判别，输出判别结果；根据所述判别结果与所述标签信息的差异，以及分离出的血液灌注信号与所述自主呼吸时的电阻抗信号的差异优化所述组合模型的参数。

3. 根据权利要求2所述的方法，其特征在于，在利用所述训练数据中的自主呼吸时的电阻抗信号训练组合模型的步骤中，使用以所述训练数据中的自主呼吸时的电阻抗信号和第二神经网络模型分离出的血液灌注信号作为输入的损失函数。

4.根据权利要求3所述的方法，其特征在于，所述损失函数为

，

其中表示所述组合模型的可被优化的参数，表示交叉熵函数，为求信号能量的函数，表示第一神经网络模型函数，表示第二神经网络模型分离出的血液灌注信号，表示所述训练数据中的自主呼吸时的电阻抗信号，为预设权重。

5.根据权利要求1-4中任一项所述的方法，其特征在于，第二神经网络模型分离出的血液灌注信号与所述训练数据中的自主呼吸时的电阻抗信号长度相同。

6.根据权利要求1-4中任一项所述的方法，其特征在于，所述训练数据中的电阻抗信号长度大于或等于15秒。

7.一种血液灌注信号分离方法，其特征在于，包括：

获取患者自主呼吸时的电阻抗信号；

利用神经网络模型从所述自主呼吸时的电阻抗信号中分离出血液灌注信号，所述神经网络模型是利用包括屏息状态下的电阻抗信号和自主呼吸时的电阻抗信号，及相应的标签信息的训练数据进行训练后的神经网络模型。

8.根据权利要求7所述的方法，其特征在于，利用神经网络模型从所述自主呼吸时的电阻抗信号中分离出血液灌注信号，包括：

将患者自主呼吸时的电阻抗信号分割为预设长度的信号片段；

将所述信号片段作为所述神经网络模型的输入数据，得到分离出的血液灌注信号片段。

9.一种血液灌注信号分离模型训练设备，其特征在于，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行如权利要求1-6中任一项所述的血液灌注信号分离模型训练方法。

10.一种血液灌注信号分离设备，其特征在于，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行如权利要求7或8所述的血液灌注信号分离方法。