【技术实现步骤摘要】
本专利技术属于医学信号处理领域，具体地说，特别涉及一种基于多波长光电容积脉搏波融合的血压预测方法及装置。
技术介绍
1、血压是人体循环系统中重要的生理指标，对血压的日常测量和及时处置，提高血压知晓率，是降低高血压、心脏病发病率的有效手段。所以，准确的预测血压对于医学诊断和科学研究都有非常重要的意义。
2、常见的利用光电容积脉搏波预测血压的方法有三种：第一种方法是使用信号处理算法提取特征参数，如脉搏波振幅、上升时间和下降时间等。接着，通过建立基于这些特征参数的数学模型，如线性回归模型或支持向量机模型，来预测血压值。这种方法的主要优点是简单直接，不需要侵入性操作，但预测精度可能较低，受到个体差异和环境因素的影响。第二种方法是收集包括血压和相关特征(如年龄、性别、体重、心率等)的数据集。然后，使用机器学习算法，如决策树、随机森林、支持向量机或神经网络等，对数据进行训练和学习，建立一个血压预测模型。在模型训练完成后，可以使用新的特征数据输入到模型中，得到相应的血压预测结果。机器学习方法的优势在于能够处理大量的数据和复杂的特征关系，相对于传统方法有更高的预测准确性。第三种方法是通过构建深层神经网络模型来解决复杂的问题。在预测血压方面，深度学习可以利用多层神经网络来学习从输入数据(如光电容积脉搏波信号、相关特征等)到输出血压的映射关系。深度学习模型通常包含多个隐藏层，每个隐藏层都有大量的神经元，通过反向传播算法来训练模型参数。深度学习方法的优势在于可以自动学习特征表示，并且能够处理非线性关系，具有更强的预测能力。然而，深度学习方
3、综上，目前对血压预测中的方法还存在不足，还没有采用利用多波长光电容积脉搏波并进行融合的报道。
技术实现思路
1、为了解决现有技术的问题，本专利技术实施例提供了一种基于多波长光电容积脉搏波融合的血压预测方法及装置。所述技术方案如下：
2、一方面，提供了一种基于多波长光电容积脉搏波融合的血压预测方法，包括以下步骤：
3、获取多波长脉搏波信号作为数据集；
4、对所述数据集进行滤波和归一化预处理操作；
5、对完成预处理的多波长脉搏波信号分别进行连续小波变换，获取每个波长对应的频谱图；
6、将同一时间段的各个波长的频谱图融合成多通道输入，并输入多通道acnn-bilstm神经网络；
7、通过所述acnn-bilstm网络对输入的多通道输入进行特征提取和融合，实现血压值的预测输出。
8、进一步地，所述滤波采用的是0.5-8hz的巴特沃斯二阶滤波器，所述归一化采用的是z-score方法。
9、进一步地，所述将同一时间段的各个波长的频谱图融合成多通道输入的步骤包括：
10、将每个波长的频谱图转换为rgb三通道图像；
11、将各个波长转换后的rgb图像按波长顺序深度方向上叠加成一个多通道数组，作为所述多通道输入。
12、进一步地，所述acnn-bilstm网络的结构包括：
13、多组级联的卷积层、激活层、批归一化层和通道注意力层；
14、连接在所述多组级联之后的双向长短期记忆网络层；
15、连接在所述双向长短期记忆网络层之后的全连接层，用于输出血压预测值。
16、进一步地，所述卷积层为二维卷积层，所述激活层采用自激活函数。
17、另一方面，提供了一种基于多波长光电容积脉搏波融合的血压预测装置，包括：
18、数据采集模块，用于获取多波长脉搏波信号作为数据集；
19、预处理模块，用于对所述数据集进行滤波和归一化预处理操作；
20、连续小波变换模块，用于对完成预处理的多波长脉搏波信号分别进行连续小波变换，获取每个波长对应的频谱图；
21、数据融合模块，用于将同一时间段的各个波长的频谱图融合成多通道输入；
22、acnn-bilstm网络模块，用于对所述多通道输入进行特征提取和融合，实现血压值的预测输出。
23、进一步地，所述数据采集模块采用多波长光电容积脉搏波传感器，用于同步采集至少两个不同波长的脉搏波信号。
24、进一步地，，所述预处理模块包括滤波子模块和归一化子模块，所述滤波子模块采用0.5-8hz的巴特沃斯二阶滤波器，所述归一化子模块采用z-score归一化方法。
25、进一步地，，所述数据融合模块将每个波长的频谱图转换为rgb三通道图像，再将各个波长转换后的rgb图像按预设顺序深度方向上叠加成所述多通道输入；所述预设顺序为所述至少两个不同波长的序列顺序。
26、进一步地，所述acnn-bilstm网络模块的结构包括：
27、多组级联的卷积层、激活层、批归一化层和通道注意力层；
28、连接在所述多组级联之后的双向长短期记忆网络层；
29、连接在所述双向长短期记忆网络层之后的全连接层，用于输出血压预测值。
30、本专利技术实施例提供的技术方案带来的有益效果是：
31、本专利技术提供了一种多波长融合光电容积脉搏波进行血压预测方法及装置，将多波长脉搏波信号进行融合，将其送入acnn-bilstm神经网络当中，提取输入的多波长脉搏波信号融合后得到的数组中的特征再进行血压预测。由于融合后数组保留了多波长脉搏波信号的时域和频域特征，并且acnn-bilstm因为加入通道注意力机制从而提高了表征能力，可以关注重要特征并抑制不重要的信息，能够更好的寻找各个波长之间的联系，从而达到更高的预测效果。
本文档来自技高网...【技术保护点】
1.一种基于多波长光电容积脉搏波融合的血压预测方法，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述滤波采用的是0.5-8Hz的巴特沃斯二阶滤波器，所述归一化采用的是z-score方法。
3.根据权利要求1所述的方法，其特征在于，所述将同一时间段的各个波长的频谱图融合成多通道输入的步骤包括：
4.根据权利要求1所述的方法，其特征在于，所述ACNN-BiLSTM网络的结构包括：
5.根据权利要求4所述的方法，其特征在于，所述卷积层为二维卷积层，所述激活层采用自激活函数。
6.一种基于多波长光电容积脉搏波融合的血压预测装置，包括：
7.根据权利要求6所述的装置，其特征在于，所述数据采集模块采用多波长光电容积脉搏波传感器，用于同步采集至少两个不同波长的脉搏波信号。
8.根据权利要求6所述的装置，其特征在于，所述预处理模块包括滤波子模块和归一化子模块，所述滤波子模块采用0.5-8Hz的巴特沃斯二阶滤波器，所述归一化子模块采用z-score归一化方法。
9.根据权利要求6所述的装置
10.根据权利要求6所述的装置，其特征在于，所述ACNN-BiLSTM网络模块的结构包括：
...【技术特征摘要】
1.一种基于多波长光电容积脉搏波融合的血压预测方法，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述滤波采用的是0.5-8hz的巴特沃斯二阶滤波器，所述归一化采用的是z-score方法。
3.根据权利要求1所述的方法，其特征在于，所述将同一时间段的各个波长的频谱图融合成多通道输入的步骤包括：
4.根据权利要求1所述的方法，其特征在于，所述acnn-bilstm网络的结构包括：
5.根据权利要求4所述的方法，其特征在于，所述卷积层为二维卷积层，所述激活层采用自激活函数。
6.一种基于多波长光电容积脉搏波融合的血压预测装置，包括：
7.根据权利要求6所述的...
【专利技术属性】
技术研发人员：梁永波，崔谋，刘雷，张锡壮，李世勇，操良丽，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：
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。