摘要
本发明公开了基于CBL‑iTransformer模型的中心动脉压波形重建方法,涉及中心动脉压评估技术领域。本发明通过方法的设计获得了波形重建模型(CBL‑iTransformer),波形重建模型基于改进的iTransformer架构,并融合了一维CNN和BiLSTM网络,显著提高了波形重建过程中数据特征提取能力,实现从RAP波形到CAP波形的重建;其中,首先将RAP波形输入到特征提取模块,再将通过波形重建模块输出重建的CAP波形,采用数据增强扩充数据样本量,提高模型性能;本发明通过和传统方法以及几种深度学习网络模型对比,采用的具有捕捉长短期记忆依赖的模型在桡动脉压重构中心动脉压方面优于其他方法,这证明了模型良好的重建性能。
技术关键词
波形
特征提取模块
双向长短期记忆网络
深度学习网络模型
非线性映射关系
时序特征
滑动窗口技术
多头注意力机制
数据特征提取
局部特征提取
序列
多尺度信息
学习特征
样本
估计方法
系统为您推荐了相关专利信息
障碍物识别
数据
分析方法
特征提取模块
噪声参数
梅尔频率倒谱系数
生成分类模型
异常监测方法
训练分类器
分合闸动作
深度学习网络模型
构建深度学习网络
外周血涂片
训练集
随机梯度下降
复合材料风电叶片
损伤检测方法
分支卷积神经网络
无监督聚类
数据
异常状态
生成控制指令
检测点
工业相机
注意力机制