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：深圳市优创亿科技有限公司

摘要：本申请涉及血压分析技术领域，公开了一种基于深度学习的血压分析方法及装置。所述方法包括：采集多个源人群的初始血压测量数据并进行预处理，得到目标血压测量数据；进行特征提取和特征降维，得到降维血压特征数据；进行深度学习网络模型训练，得到多个源人群的初始深度学习网络模型并进行迁移学习模型构建，得到目标人群的初始迁移学习网络模型；构建联合损失函数；进行模型训练和模型参数调优，得到目标深度学习网络模型和目标迁移学习网络模型；进行模型集成，生成血压预测模型集，本申请采用深度学习技术提高了血压分析和预测的准确率。

主权项：1.一种基于深度学习的血压分析方法，其特征在于，所述基于深度学习的血压分析方法包括：采集多个源人群的初始血压测量数据，并对所述初始血压测量数据进行预处理，得到目标血压测量数据；对所述目标血压测量数据进行特征提取和特征降维，得到降维血压特征数据；根据所述降维血压特征数据对所述多个源人群进行深度学习网络模型训练，得到所述多个源人群的初始深度学习网络模型，并根据所述初始深度学习网络模型对目标人群进行迁移学习模型构建，得到所述目标人群对应的初始迁移学习网络模型；具体包括：基于所述降维血压特征数据对所述多个源人群进行深度学习网络模型训练，得到所述多个源人群的初始深度学习网络模型，所述初始深度学习网络模型包括：输入层、线性网络层以及优化层；对所述初始深度学习网络模型进行模型参数提取，得到源人群模型参数；获取目标人群的原始迁移学习模型，并将所述源人群模型参数迁移到所述原始迁移学习模型中，得到所述目标人群的模型初始参数；对所述模型初始参数进行粒子群算法初始化，初始化粒子群的位置和速度，得到粒子群初始位置和速度；对所述粒子群初始位置和速度进行超参数组合，得到多个超参数组合；对所述多个超参数组合进行粒子速度更新，得到更新后的粒子速度，并对所述多个超参数组合进行粒子位置更新，得到更新后的粒子位置；对所述更新后的粒子位置进行适应度函数计算，得到适应度函数值；对所述适应度函数值进行个体最优位置更新，得到更新后的个体最优位置；对所述更新后的个体最优位置进行全局最优位置更新，得到更新后的全局最优位置，并对所述更新后的全局最优位置进行粒子群优化迭代，重复更新速度和位置的过程，得到优化后的粒子位置和速度；对所述优化后的粒子位置和速度进行停止条件检测，得到满足停止条件的粒子位置和速度，并对所述满足停止条件的粒子位置和速度进行模型参数映射，得到模型目标参数；通过所述模型目标参数对所述原始迁移学习模型进行模型参数更新，得到所述目标人群对应的初始迁移学习网络模型，所述初始迁移学习网络模型包括双向门限循环网络和两层全连接层；基于交叉熵分类损失函数和二分类损失函数构建所述初始深度学习网络模型和所述初始迁移学习网络模型的联合损失函数；通过所述联合损失函数对所述初始深度学习网络模型和所述初始迁移学习网络模型进行模型训练和模型参数调优，得到目标深度学习网络模型和目标迁移学习网络模型；具体包括：将所述降维血压特征数据输入所述初始深度学习网络模型进行预测，得到第一预测结果，并通过所述联合损失函数计算所述第一预测结果对应的第一损失函数值；根据所述第一损失函数值的梯度信息并通过梯度下降优化算法对所述初始迁移学习网络模型进行模型参数训练，同时，固定所述初始深度学习网络模型的第一模型参数不变，只更新所述初始迁移学习网络模型的模型参数，其中，所述第一模型参数包括：第一权重参数、第一偏置参数以及第一超参数；对所述初始迁移学习网络模型进行迭代训练，得到目标迁移学习网络模型；将所述降维血压特征数据输入所述初始深度学习网络模型进行预测，得到第二预测结果；通过所述联合损失函数对所述第二预测结果进行计算，得到第二损失函数值；固定所述目标迁移学习网络模型的第二模型参数，根据所述第二损失函数值对所述初始深度学习网络模型进行模型训练，得到目标深度学习网络模型；对所述目标深度学习网络模型和所述目标迁移学习网络模型进行模型集成，生成血压预测模型集；具体包括：对所述目标深度学习网络模型和所述目标迁移学习网络模型进行模型权重分配，得到所述目标深度学习网络模型的第一初始权重值以及所述目标迁移学习网络模型的第二初始权重值；对所述第一初始权重值进行动态变权分析，得到第一目标权重值，并对所述第二初始权重值进行动态变权分析，得到第二目标权重值；根据所述第一目标权重值和所述第二目标权重值对所述目标深度学习网络模型和所述目标迁移学习网络模型进行模型加权集成，生成血压预测模型集。

全文数据：

权利要求：

百度查询： 深圳市优创亿科技有限公司 基于深度学习的血压分析方法及装置