摘要
本发明公开了一种基于心冲击图信号的小样本非侵入性连续血压监测方法,该方法基于心冲击图信号与血压的强生理关联特性,选择心冲击图信号作为输入数据,构建血压预测模型;构建多个小样本任务,每个任务对应有支持集和查询集;将元学习框架与血压预测模型结合,使用小任务对应的支持集和查询集进行训练;利用新受试者的带标签样本对训练好的血压预测模型进行微调后,输入未知心冲击图信号数据,实现个体血压的连续监测。本发明首创基于心冲击图信号的小样本血压回归方法,突破传统模型对个体脉管系统差异的忽视,克服附带血压监测的心冲击图信号样本缺乏的瓶颈,为个性化血压监测提供新范式;能够在数据量较小的情况下,取得较高的血压预测性能。
技术关键词
连续血压监测
残差模块
样本
切片
信号
输入模块
输出模块
数据
梯度下降算法
深度学习网络
构建训练集
处理单元
回归方法
框架
标签
参数
滑动窗口
优化器
线性