摘要
本申请公开了一种基于机器学习的颈动脉脉搏波速预测方法、设备及介质,包括:对每个试验样本的原始脉搏波数据组进行时域特征分析和相关性分析,得到每个试验样本的每个颈动脉位置的多个关键时域特征;并采用LASSO回归模型获取各颈动脉位置的关键时域特征的总回归系数;然后对颈动脉位置采用排列组合的方式,得到每个试验样本的每种颈动脉位置组合下的多个关键时域特征;构建每种颈动脉位置组合的试验样本特征集,并以此训练机器学习模型,寻优后得到颈动脉脉搏波速预测模型和目标颈动脉位置组合;并利用颈动脉脉搏波速预测模型对待预测样本进行颈动脉脉搏波速预测,得到预测脉搏波速。本申请提高了颈动脉脉搏波速的检测效率和检测准确性。
技术关键词
时域特征
样本
脉搏波
训练机器学习模型
支持向量回归模型
多元线性回归模型
压力变化曲线
数据
心动周期
处理器
计算机设备
误差
参数
可读存储介质
存储器
训练集
理论
系统为您推荐了相关专利信息
频域特征提取方法
海上风机叶片
滤波器
离散余弦变换
MFCC特征
母线槽检测设备
运动控制系统
故障检测
特征参量
局部运动模式
车辆行驶数据
车辆导航数据
逻辑回归模型
车辆节能
工况
数据整合平台
职业
预测系统
机器学习技术
GMM模型