买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京航空航天大学

摘要：本发明提供了一种基于自监督迁移学习的无创血压估计方法，该方法包括：采集人体的光电容积脉搏波信号及有创连续血压波形信号，构建基于自监督迁移学习的无创血压估计模型，根据监测人体的光电容积脉搏波信号及有创连续血压波形信号对无创血压估计模型进行训练，采集用户光电容积脉搏波信号，将其输入无创血压估计模型中，进行无创血压估计。本发明提供的基于自监督迁移学习的无创血压估计方法，能够通过仅光电容积脉搏波实现无创血压估计，无需大量的监督数据，且预测误差满足医疗标准。

主权项：1.一种基于自监督迁移学习的无创血压估计方法，其特征在于，包括如下步骤：步骤1：采集人体的光电容积脉搏波信号及有创连续血压波形信号；步骤2：构建基于自监督迁移学习的无创血压估计模型；步骤3：根据监测人体的光电容积脉搏波信号及有创连续血压波形信号对无创血压估计模型进行训练；步骤4：采集用户光电容积脉搏波信号，将其输入无创血压估计模型中，进行无创血压估计；步骤2中，构建基于自监督迁移学习的无创血压估计模型，具体为：构建基于自监督迁移学习的无创血压估计模型，其中，无创血压估计模型包括数据预处理模块、自监督学习模块、模式适应模块及血压估计模块；构建数据预处理模块，具体为：获取采集到的PPG信号及有创BP信号，对其进行重新取样，取样完毕后，对其去除噪音，噪音去除完毕后，对其进行离群点去除，去除完毕后，对PPG信号进行归一化处理，处理完毕后，对PPG信号及相匹配的有创BP信号进行相位对准处理，用于确保PPG信号及有创BP信号的相位一致，相位对准完毕后，对PPG信号及有创BP信号进行分割，根据分割完成后的PPG信号及有创BP信号生成BP模式适应数据集及BP估计数据集，将无相匹配的有创BP信号的PPG信号作为自监督数据集；构建自监督学习模块，具体为：构建自监督学习模块及对应的目标优化函数，获取自监督数据集，并对其进行信号变换，将变换的信号输入自监督学习模块中进行信号重建或信号转换识别，并将重建或转换完成后的信号与变换前的信号相对比，实现自监督学习模块的预训练；其中，获取自监督数据集中的PPG信号集其中，s代表样本数，对PPG信号集通过信号变换函数G·进行信号变换，即： 最终得到变换后的信号其中，具体的信号变换包括添加高斯噪声、添加工频噪声、添加运动干扰、添加基线漂移、进行呼吸道窦性心率失常频率调制、进行随机掩码、进行硬性削波、进行振幅翻转、进行时间尺度翻转、进行时间尺度互换及进行时间尺度缩放，其中，每种信号变换方式均以预设的概率对每个输入的自监督数据集中的PPG信号进行变换；对于PPG信号重建，通过基于Transformer的编码器-解码器架构来学习信号恢复函数，用于将变换后的信号恢复到最初的PPG信号，为： 其中，为重建的PPG信号样本集，将MSE定义为训练损失 对于PPG信号变换识别，同样通过Transformer编码器架构对信号变化的伪标签进行分类： 式中，γi是第i个转换任务的损失系数，相应的损失为： 式中，pi∈P是根据第i个转化的PPG自动生成的标签，κi是模型对该类的预测概率；构建模式适应模块及血压估计模块，具体为：构建模式适应模块及对应的目标优化函数，其中，模式适应模块包括模式特征提取器Ga及模式判别器Da，在模式特征提取器Ga及模式判别器Da之间添加梯度反转层，梯度反转层在前向传播过程中执行恒定的变换，同时，从Da到Ga的反向传播过程中反传梯度模式特征提取器Ga为自监督学习模块中移除Transformer解码器后其余的Transformer编码器，模式判别器Da由PatchGAN组成，其中，模式判别器Da以最小化模式损失来区分目标异常血压和正常血压模式之间的特征表示，模式特征提取器Ga及模式判别器Da通过最小-最大优化任务的博弈论原理进行对抗性学习： 其中，对抗损失La为： 式中，y～ptargetY表示目标标签，模式适应性训练损失Laj为： 式中，yj是第j个PPG信号xj∈Rt×d的模式标签；构建血压估计模块及对应的目标优化函数，其中，血压估计模块由经过两次递进式预训练之后的Transformer编码器组成，具体地，在自监督学习模块及模式适应模块预训练任务完成后，将预训练的编码器Ga迁移到估计BP值的特征提取器Gd上，通过迁移学习实现准确估计BP值，使用MSE损失作为回归训练损失Ld：

全文数据：

权利要求：

百度查询： 北京航空航天大学 一种基于自监督迁移学习的无创血压估计方法