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：电子科技大学

摘要：该发明公开了一种基于在线学习的无袖带连续血压估测系统，属于数据处理，深度学习领域。本发明基于在线学习方式对网络进行训练，可有效解决大数据量下训练所得血压估测模型普适性较差这一问题，从而可实现对个体血压的连续实时监测，反映患者真实的连续血压变化情况，有效避免诊所测压的随意性、排除白大衣性高血压、及时检测血压的变化等情况，可综合全面分析随血压波动而升高或降低的体内生理活动变化或生化指标的变化。

主权项：1.一种基于在线学习的无袖带连续血压估测系统，该系统包括：数据采集与预处理模块，数据输入控制模块，在线学习模型构建模块，模型更新优化模块，血压预测显示模块；所述数据采集与预处理模块实现对输入信号的采集与预处理，即利用可穿戴设备在用户体表采集时序生理信号，并同时采用血压测量装置采集同步时序血压数据，并将采集到的所有信号传输给数据预处理模块，数据预处理方法包括数据转换、去除非平稳数据、差分化、归一化；所述数据输入控制模块实现数据的实时有序传输，保持多信号输入的同步性，在云端服务器Kafka中实现，即将预处理后的时序数据写入到云端服务器Kafka消息队列中，由此事件被组织并持久地存储在Topic中，其中的事件可以根据需要随时读取，事件在使用后不会被删除，通过配置来定义云端服务器Kafka中每个Topic应该保留事件的时间，超过该时间后旧事件将被丢弃；所述在线学习模型构建模块实现实时监督学习，数据输入控制模块持续的实时输出作为在线学习模型构建模块的输入，在这一过程中数据将分为两部分即：训练集和验证集，根据具体需求选择不同的网络建立初始在线学习模型，进一步利用数据采集与预处理模块采集的时序生理信号进行监督学习与后续计算分析；所述模型更新优化模块中的实现方法为：对数据输入控制模块传输的流式数据，连续截取一时间长度为T的时序数据段STDataTi，STDataTi中包括参考血压在内的多模态信号，每个STDataTi读取完毕后用于优化网络模型，模型参数为Wi，其对应连续血压预测准确性为Acci，连续读取完毕时间长度为T的STDataTi数据下，经过时长NT，N＝1，2，3···,得到最优模型WNO，优化方式如下：A1.设置初始优化阈值th，训练时间阈值NT；A2.对每个时序数据段STDataTi，在同一网络模型下，优化学习后该网络模型的预测准确性为Acci,，根据所设立的优化阈值th判断是否保留模型参数：若Acci≥th；即满足阈值条件，则保留模型参数，记录保存模型参数为Wi，并设置该模型为最优模型WNO＝Wi，重置优化阈值为th＝Acci，若Acci＜th；即不满足阈值条件，则舍弃该模型参数；A3.输入达到时间阈值，优化完毕后输出在采集数据STDataNT下训练学习所得优化模型WNO＝Wi，AccN0＝max{Acci}；最后在N次训练学习后得到最优模型为WNO，并输出该模型WNO作为当前系统最优预测模型，并利用该模型预测未来一段时间内的连续血压值。

全文数据：

权利要求：

百度查询： 电子科技大学 一种基于在线学习的无袖带连续血压估测系统