[发明专利]一种基于光电容积脉搏波实现有创血压波形估计的方法

权利要求书

1.一种基于光电容积脉搏波实现有创血压波形估计的方法，其特征在于，包括以下步骤：

S1，采集监测人体的光电容积脉搏波信号，同时收集连续血压波形作为参考血压信号；

S2，对步骤S1中获得的光电容积脉搏波信号及参考血压信号片段进行数据预处理，得到训练数据；

S3，通过步骤S2数据预处理获取的训练数据，计算得到大量的PPG形态学参数，然后采用BEFS算法筛选具有鉴别意义的信息参数作为深度学习模型的先验信息；

S4，搭建用于无袖带血压波形连续估计监测的深度学习模型，得到具有KD策略的新型Informer架构KD-Informer，KD-Informer采用Informer作为学习共享高级特征的骨干网络，采用带有压缩和激发模块的ResNet结构用于融合先验信息，基于响应的KD策略，将教师Informer学到的知识转移到轻量级学生Informer上；

S5，将步骤S2中数据预处理获取的训练数据按照一定比例划分训练集、验证集和测试集，其中，利用训练集和验证集对步骤S4建立的深度学习模型进行训练和参数选择，测试集用于检验经训练和参数选择后得到的深度学习模型的泛化能力；

S6，采集用户的待测光电容积脉搏波信号数据，输入步骤S5得到的深度学习模型中，输出用户的预测血压波形。

2.根据权利要求1所述的基于光电容积脉搏波实现有创血压波形估计的方法，其特征在于，所述步骤S2中，所述数据预处理包括重采样、滤波降噪、信号分割、时间对齐以及先验特征提取操作。

3.根据权利要求1所述的基于光电容积脉搏波实现有创血压波形估计的方法，其特征在于，所述步骤S3中，采用BEFS算法筛选具有鉴别意义的信息参数作为深度学习模型的先验信息，具体包括：

采用Wrapper和Embedded方法分别过滤出具有前k位的特征子集，用于估计收缩压和舒张压，并将合并后的集合作为基线集；

然后，在特征参数的后向消除阶段，依次消除重要性最低的特征，将剩余的特征集输入到回归器以拟合血压值，并根据优化后的回归结果考虑最终的特征集，作为深度学习模型的先验信息。

4.根据权利要求1所述的基于光电容积脉搏波实现有创血压波形估计的方法，其特征在于，所述步骤S5中，按照7:1.5:1.5的比例划分训练集、验证集和测试集。