[发明专利]一种基于轻量级神经网络的PPG血压检测方法

权利要求书

1.一种基于轻量级神经网络的PPG血压检测方法，其特征在于，包括：

S1：采集PPG血压数据；

S2：对采集的PPG血压数据进行去噪处理，对去噪后的数据进行数据清洗；

S3：构建PPG血压检测模型，其中，PPG血压检测模型包括输入层、卷积层、池化层、逐点卷积层以及全连接层，输入层用于接收输入的PPG血压数据，卷积层包括多个轻量级非本地幻影瓶颈模块NG-bneck，用于对输入数据进行特征提取，NG-bneck包括多个轻量级非本地幻影模块NL-Ghost，NL-Ghost由幻影网络结构中的幻影瓶颈模块Ghost Bottleneck与轻量级非本地模块LightNL结合得到，池化层和逐点卷积层用于对特征图进行下采样来对感受域内的特征进行筛选，提取最具代表性的特征，全连接层用于对处理后的特征图进行分类；

S4：将构建的PPG血压检测模型部署至嵌入式设备中，得到嵌入式血压检测系统；

S5：利用嵌入式血压检测系统对清洗后的PPG数据进行检测。

2.如权利要求1所述的PPG血压检测方法，其特征在于，步骤S2中对采集的PPG血压数据进行去噪处理，包括：选用通带频率范围为0.5-10Hz的巴特沃斯带通滤波器去除高频噪声和基线漂移。

3.如权利要求1所述的PPG血压检测方法，其特征在于，步骤S2中对去噪后的数据进行数据清洗，包括：

将不符合预设要求的数据进行过滤或者删除。

4.如权利要求1所述的PPG血压检测方法，其特征在于，步骤S3包括：

将LightNL模块与幻影网络GhostNet中Ghost Bottleneck结合，构建NL-Ghost模块，其中，Ghost Bottleneck包括两个堆叠的Ghost模块，第一个Ghost模块用于增加通道数，第二个Ghost模块用于减少通道数；

由NL-Ghost模块构成轻量级非本地幻影瓶颈模块NG-bneck，进而构建PPG血压检测模型。

5.如权利要4所述的PPG血压检测方法，其特征在于，Ghost模块用于将原始特征图进行简单线性变换生成幻影特征图，从而获取所需的特征图，其中，原始特征图的计算公式：

Y′＝X*f′

X表示输入数据，Y′表示原始特征图，f′∈R^c×k×k×m表示使用的过滤器，m表示原始特征图个数，c和k分别为通道数和卷积核大小，对原始特征图进行线性变换为：y_ij＝Φ_i,j(y′_i)，j＝1,...,s

y′_i表示Y′中的第i个特征图，Φ_i,j表示第j个线性运算，s表示重影特征个数，y_ij为生成的幻影特征图。

6.如权利要4所述的PPG血压检测方法，其特征在于，每个Ghost模块包括逐点卷积模块，将LightNL模块与幻影网络GhostNet中Ghost Bottleneck结合，构建NL-Ghost模块，包括：

在每个Ghost模块的逐点卷积模块之后加入LightNL模块，构建NL-Ghost模块。

7.如权利要1所述的PPG血压检测方法，其特征在于，在步骤S5之前所述方法还包括：

判断清洗后的数据的质量是否满足要求。