【技术实现步骤摘要】
本申请涉及医疗健康领域，尤其涉及一种数据处理方法、装置及计算机可读存储介质。
技术介绍
1、随着人口老龄化，心血管健康越来越受到关注，设备小型化与便捷化成为消费者的最新诉求。目前智能穿戴设备已普遍搭载心率、血氧饱和度、心电图等心血管数据的测量功能，有部分产品支持血压测量功能，但一般仅支持收缩压和舒张压的推算。收缩压和舒张压虽然能满足对血压的基本分析，但其信息量比较有限。
2、收缩压和舒张压，分别是血压波形中的峰值和谷值两点，而完整血压波形能够提供更丰富的血管压力起伏信息，因此相比收缩压和舒张压，血压波形数据信息更丰富，更为准确。
3、因此，如何准确地获得更完善的血压波形，成为本领域的研究热点。
技术实现思路
1、有鉴于此，提出了一种数据处理方法、装置及计算机可读存储介质，根据本申请实施例的数据处理方法，能够获得更完善的血压波形，并保证血压波形具备一定的准确度。该方法还可应用于便携设备，以提升用户的使用体验。
2、第一方面，本申请的实施例提供了一种数据处理方法，所述方法包括：在接收到检测请求时，获取多个传感器在第一时间段内采集的多种生理数据；对所述多种生理数据进行处理得到处理后的生理数据，所述处理后的生理数据中不同种生理数据之间同步且不同种生理数据的数据点数量相同；将所述处理后的生理数据输入第一神经网络模型；获取所述第一神经网络模型输出的第一检测结果，所述第一检测结果指示用户的血压波形。
3、根据本申请实施例的数据处理方法，通过在接收到
4、根据第一方面，在所述数据处理方法的第一种可能的实现方式中，所述多种生理数据包括心电数据、光体积变化描记数据、心音数据、心振动数据、心阻抗数据、血液流量数据、血液流速数据中的至少一种，以及脉搏振动机械波数据、脉搏压力波数据中的至少一种。
5、根据第一方面或第一方面的第一种可能的实现方式，在所述数据处理方法的第二种可能的实现方式中，所述处理后的生理数据是多通道的一维的数据，每个通道的一维数据根据对应的一个传感器采集的生理数据得到。
6、每个通道可作为处理后的生理数据的一个存储单位，在此情况下，处理后的生理数据在支持一维数据运算的硬件模块中计算的效率更高。
7、根据第一方面或第一方面的第一种可能的实现方式，在所述数据处理方法的第三种可能的实现方式中，所述处理后的生理数据是单通道的二维的数据，其中第一维度的数据是生理数据的采样时间，第二维度的数据是多个传感器采集的生理数据。
8、在此情况下，处理后的生理数据在支持二维数据运算的硬件模块中计算的效率更高。
9、根据第一方面或以上第一方面的任意一种可能的实现方式，在所述数据处理方法的第四种可能的实现方式中，所述将所述处理后的生理数据输入第一神经网络模型，包括：根据预设的第一窗口长度和窗口步长，确定多个时间窗口，其中相邻两个时间窗口不完全重叠；将所述多个时间窗口内的处理后的生理数据依次输入所述第一神经网络模型。
10、通过这种方式，可以保证相邻两次输入第一神经网络模型的生理数据在时间上是连贯的，从而保证第一神经网络模型输出的第一检测结果指示的血压波形也是连贯的。
11、根据第一方面或以上第一方面的任意一种可能的实现方式，在所述数据处理方法的第五种可能的实现方式中，所述方法还包括：获取样本数据，所述样本数据包括多个传感器在第二时间段内采集的多种生理数据；对所述样本数据进行处理得到处理后的样本数据，处理后的样本数据包括的不同种生理数据之间同步且不同种生理数据的数据点数量相同；将所述处理后的样本数据输入第二神经网络模型，所述第二神经网络模型是未训练完成的模型；根据所述第二神经网络模型的输出与所述样本数据对应的真实血压波形，调整所述第二神经网络模型的参数，得到所述第一神经网络模型；其中，所述第二神经网络模型每次输出的数据点数与所述样本数据对应的真实血压波形的数据点数一致。
12、通过这种方式，使得以与第一神经网络模型训练时的输入数据获取方式相同的处理后的生理数据，作为使用第一神经网络模型检测血压波形时的输入数据时，得到的第一检测结果的准确度能够得到保证。
13、根据第一方面的第五种可能的实现方式，在所述数据处理方法的第六种可能的实现方式中，所述根据所述第二神经网络模型的输出与所述样本数据对应的真实血压波形，调整所述第二神经网络模型的参数，得到所述第一神经网络模型，包括：根据所述第二神经网络模型的输出与所述样本数据对应的真实血压波形，确定回归损失；根据所述回归损失调整所述第二神经网络模型的参数，得到所述第一神经网络模型。
14、通过这种方式，可以得到满足使用需求的第一神经网络模型。从而保证使用第一神经网络模型进行血压波形检测的准确度。
15、根据第一方面或以上第一方面的任意一种可能的实现方式，在所述数据处理方法的第七种可能的实现方式中，所述第一神经网络模型包括至少一个推理单元，各推理单元之间通过串联和/或并联的方式连接，第一神经网络模型的第一层是一个推理单元时，所述处理后的生理数据输入该推理单元；第一神经网络模型的第一层是并联的多个推理单元时，所述处理后的生理数据分别输入该多个推理单元；对于串联连接关系的两个推理单元，前一个推理单元的输出作为后一个推理单元的输入；对于并联连接关系的多个推理单元，其中每个推理单元的输出的串接或加权求和结果作为多个推理单元共同的输出；第一神经网络模型的最后一层是一个推理单元时，该推理单元的输出作为所述第一检测结果；第一神经网络模型的最后一层是并联的多个推理单元时，所述多个推理单元共同的输出作为所述第一检测结果。
16、多个推理单元串联和/或并联可提高结果的准确性，通过这种方式，可以有效提升第一神经网络模型的结构的灵活性。
17、根据第一方面或以上第一方面的任意一种可能的实现方式，在所述数据处理方法的第八种可能的实现方式中，所述方法应用于可穿戴设备，所述对多种生理数据进行处理得到处理后的生理数据，包括：在多个传感器设置在所述可穿戴设备上时，基于可穿戴设备的时钟对多个传感器采集的生理数据进行同步；在多个传感器未设置在所述可穿戴设备上时，通本文档来自技高网...
【技术保护点】
1.一种数据处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述多种生理数据包括心电数据、光体积变化描记数据、心音数据、心振动数据、心阻抗数据、血液流量数据、血液流速数据中的至少一种，以及脉搏振动机械波数据、脉搏压力波数据中的至少一种。
3.根据权利要求1或2所述的方法，其特征在于，所述处理后的生理数据是多通道的一维的数据，每个通道的一维数据根据对应的一个传感器采集的生理数据得到。
4.根据权利要求1或2所述的方法，其特征在于，所述处理后的生理数据是单通道的二维的数据，其中第一维度的数据是生理数据的采样时间，第二维度的数据是多个传感器采集的生理数据。
5.根据权利要求1-4中任一项所述的方法，其特征在于，所述将所述处理后的生理数据输入第一神经网络模型，包括：
6.根据权利要求1-5中任一项所述的方法，其特征在于，所述方法还包括：
7.根据权利要求6所述的方法，其特征在于，所述根据所述第二神经网络模型的输出与所述样本数据对应的真实血压波形，调整所述第二神经网络模型的参数，得到所述
8.根据权利要求1-7中任一项所述的方法，其特征在于，所述第一神经网络模型包括至少一个推理单元，各推理单元之间通过串联和/或并联的方式连接，
9.一种数据处理装置，其特征在于，所述装置包括：
10.一种数据处理装置，其特征在于，包括：
11.一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1-8任意一项所述的方法。
...【技术特征摘要】
1.一种数据处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述多种生理数据包括心电数据、光体积变化描记数据、心音数据、心振动数据、心阻抗数据、血液流量数据、血液流速数据中的至少一种，以及脉搏振动机械波数据、脉搏压力波数据中的至少一种。
3.根据权利要求1或2所述的方法，其特征在于，所述处理后的生理数据是多通道的一维的数据，每个通道的一维数据根据对应的一个传感器采集的生理数据得到。
4.根据权利要求1或2所述的方法，其特征在于，所述处理后的生理数据是单通道的二维的数据，其中第一维度的数据是生理数据的采样时间，第二维度的数据是多个传感器采集的生理数据。
5.根据权利要求1-4中任一项所述的方法，其特征在于，所述将所述处理后的生理数据输入第一...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。