本發(fā)明涉及生物醫(yī)學(xué)信號處理，尤其涉及一種基于心沖擊圖信號的小樣本非侵入性連續(xù)血壓監(jiān)測方法。

背景技術(shù)：

1、高血壓是世界各地最流行的慢性疾病之一，有報(bào)告表明，超過40%的成年人都可能受到高血壓的影響；這意味著高血壓的患病率極其高。如果沒有適當(dāng)?shù)闹委?，高血壓可能會?dǎo)致中風(fēng)、心臟病、腎衰竭等嚴(yán)重并發(fā)癥。因此，早期監(jiān)測血壓以緩解問題并避免進(jìn)一步的并發(fā)癥至關(guān)重要。

2、血壓監(jiān)測方法可分為三類：直接血壓監(jiān)測法、間歇性血壓監(jiān)測法和連續(xù)血壓監(jiān)測法。其中，直接血壓監(jiān)測方法的測量結(jié)果被認(rèn)為是血壓真實(shí)值，但由于其侵入性監(jiān)測的缺點(diǎn)和高技術(shù)要求，僅適用于接受大手術(shù)或重癥監(jiān)護(hù)的患者。間歇血壓監(jiān)測方法主要缺點(diǎn)是跟蹤和反映瞬時(shí)和連續(xù)血壓變化的能力不足。相比之下，連續(xù)血壓監(jiān)測方法可以監(jiān)測日常環(huán)境中的連續(xù)血壓變化，測量結(jié)果更接近人體真實(shí)情況，更具生理有效性和監(jiān)測準(zhǔn)確性。

3、心沖擊圖（ballistocardiography?，bcg）信號中蘊(yùn)含著豐富的生理信息，包括心臟活動的節(jié)律、強(qiáng)度、心臟泵血功能等，對于高血壓的識別具有潛在的價(jià)值。bcg測量技術(shù)是一種非侵入性技術(shù)，通過分析心跳引起的人體微小震動，并創(chuàng)建對應(yīng)的波形圖，具有操作簡單、性能穩(wěn)定、適應(yīng)性強(qiáng)等優(yōu)點(diǎn)。利用bcg進(jìn)行連續(xù)血壓監(jiān)測，克服了主流方法需要部署多個(gè)傳感器或者部署不方便的缺點(diǎn)，從而能夠進(jìn)一步提升連續(xù)血壓監(jiān)測效果。

4、在用于醫(yī)電信號分析的經(jīng)典回歸方法中，通常需要大量的實(shí)例標(biāo)注數(shù)據(jù)來訓(xùn)練模型，這在基于bcg信號的非侵入性血壓監(jiān)測中往往面臨諸多挑戰(zhàn)。首先，現(xiàn)實(shí)世界的長尾分布特性導(dǎo)致一些特殊的群體數(shù)據(jù)稀缺，比如罕見的病理性異常血壓數(shù)據(jù)。其次，血壓與bcg信號的同步測量數(shù)據(jù)的收集需要專業(yè)設(shè)備和人力，且標(biāo)注的準(zhǔn)確性也難以保證。此外，模型訓(xùn)練時(shí)需要依賴大量的計(jì)算資源和專業(yè)知識，例如需要克服會影響模型在新場景下的效果的域偏移現(xiàn)象。因此，如何在少量目標(biāo)樣本下實(shí)現(xiàn)準(zhǔn)確的血壓預(yù)測，成為一個(gè)具有重要現(xiàn)實(shí)意義的研究問題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于針對現(xiàn)有技術(shù)的不足，提供一種基于心沖擊圖信號的小樣本非侵入性連續(xù)血壓監(jiān)測方法。本發(fā)明考慮到個(gè)體之間的脈管系統(tǒng)和解剖學(xué)差異以及緩慢而微妙的心臟運(yùn)動干擾，通過元學(xué)習(xí)訓(xùn)練初始參數(shù)，使模型能夠在面對新數(shù)據(jù)時(shí)，進(jìn)行少量更新后優(yōu)化至較佳性能，從而對血管系統(tǒng)進(jìn)行建模，實(shí)現(xiàn)個(gè)體血壓的連續(xù)監(jiān)測。

2、本發(fā)明的目的是通過以下技術(shù)方案來實(shí)現(xiàn)的：一種基于心沖擊圖信號的小樣本非侵入性連續(xù)血壓監(jiān)測方法，包括以下步驟：

3、s1、采集心沖擊圖信號以及對應(yīng)的血壓信號，并按預(yù)設(shè)的時(shí)間窗口對其進(jìn)行切片，得到多個(gè)心沖擊圖切片信號和多個(gè)血壓切片信號；根據(jù)心沖擊圖切片信號及其對應(yīng)的血壓切片信號構(gòu)建心沖擊圖信號數(shù)據(jù)集；

4、s2、對心沖擊圖信號數(shù)據(jù)集中的心沖擊圖切片信號與其對應(yīng)的血壓切片信號進(jìn)行預(yù)處理，以構(gòu)建訓(xùn)練集；

5、s3、基于小樣本學(xué)習(xí)的需求，從訓(xùn)練集中選取樣本數(shù)據(jù)構(gòu)建多個(gè)小樣本任務(wù)，每個(gè)任務(wù)由支持集和查詢集構(gòu)成，以完成任務(wù)樣本對的構(gòu)建；

6、s4、基于采用梯度下降算法的深度學(xué)習(xí)網(wǎng)絡(luò)構(gòu)建血壓預(yù)測模型，其輸入為預(yù)處理后的心沖擊圖切片信號，其輸出為預(yù)測的血壓值；

7、s5、將元學(xué)習(xí)框架與血壓預(yù)測模型相結(jié)合，通過元學(xué)習(xí)框架使用多個(gè)小樣本任務(wù)對應(yīng)的支持集和查詢集對血壓預(yù)測模型進(jìn)行訓(xùn)練，以獲取訓(xùn)練好的血壓預(yù)測模型；

8、s6、利用新受試者的帶標(biāo)簽樣本對訓(xùn)練好的血壓預(yù)測模型進(jìn)行微調(diào)后，輸入該受試者的未知心沖擊圖信號數(shù)據(jù)，實(shí)現(xiàn)個(gè)體血壓的連續(xù)監(jiān)測。

9、進(jìn)一步地，所述步驟s2中，對心沖擊圖切片信號進(jìn)行預(yù)處理，具體包括：

10、以不同受試者為處理單元，采用滑動窗口降采樣對不同受試者的多個(gè)心沖擊圖切片信號進(jìn)行降采樣處理；

11、以不同受試者為處理單元，對于每個(gè)降采樣處理后的心沖擊圖切片信號，進(jìn)行z-score標(biāo)準(zhǔn)化處理，以獲取標(biāo)準(zhǔn)化處理后的心沖擊圖切片信號。

12、進(jìn)一步地，所述步驟s3中，任務(wù)樣本對的構(gòu)建，具體通過如下方法實(shí)現(xiàn)：

13、首先從訓(xùn)練集中選取樣本數(shù)據(jù)構(gòu)建多個(gè)小樣本任務(wù)，每個(gè)任務(wù)由該任務(wù)對應(yīng)的支持集和查詢集構(gòu)成；其中，每個(gè)任務(wù)對應(yīng)的支持集中70%-90%的訓(xùn)練樣本和查詢集中的全部測試樣本均來自于訓(xùn)練集中同一個(gè)受試者的樣本數(shù)據(jù)，支持集中其余的訓(xùn)練樣本來自于訓(xùn)練集中其他不同受試者的樣本數(shù)據(jù)；樣本數(shù)據(jù)包括預(yù)處理后的心沖擊圖切片信號和血壓切片信號，并將與預(yù)處理后的心沖擊圖切片信號相對應(yīng)的血壓切片信號的收縮壓或舒張壓作為血壓標(biāo)簽；

14、然后對于支持集中來自于不同受試者的樣本數(shù)據(jù)，通過人為加入擾動，以獲得最終的任務(wù)樣本對。

15、進(jìn)一步地，所述血壓預(yù)測模型采用resnet-18，該血壓預(yù)測模型包括輸入模塊、多個(gè)殘差模塊和輸出模塊，其中，輸入模塊包括卷積層和最大池化層；每個(gè)殘差模塊包括兩個(gè)殘差塊，每個(gè)殘差塊包括兩個(gè)卷積層；輸出模塊包括全局的平均池化層、全連接層和線性層；

16、預(yù)處理后的心沖擊圖切片信號輸入至血壓預(yù)測模型中，首先經(jīng)過輸入模塊的卷積層和最大池化層得到初始特征表示；然后初始特征表示依次經(jīng)過多個(gè)殘差模塊逐層提取心沖擊圖切片信號的不同層次的特征，在多個(gè)依次相連的殘差模塊中，通過跳躍連接機(jī)制將前一個(gè)殘差塊的輸出與前一個(gè)殘差塊的輸入相加作為當(dāng)前殘差塊的輸入，其中第一個(gè)殘差模塊的第一個(gè)殘差塊的輸入為輸入模塊輸出的初始特征表示，最后一個(gè)殘差模塊的最后一個(gè)殘差塊的輸出與該殘差塊的輸入相加后得到最終的特征向量；將最終的特征向量作為輸出模塊的輸入，經(jīng)過全局的平均池化層和全連接層將最終的特征向量縮減至定長嵌入向量，該定長嵌入向量通過線性層得到預(yù)測的血壓值。

17、進(jìn)一步地，所述步驟s5具體包括如下子步驟：

18、s51、初始化模型參數(shù)：隨機(jī)初始化血壓預(yù)測模型的參數(shù)，并將其作為元模型的初始狀態(tài)，將血壓預(yù)測模型視作元模型；

19、s52、定義損失函數(shù)：計(jì)算預(yù)測的血壓值與真實(shí)血壓值之間的均方誤差作為損失函數(shù)；

20、s53、任務(wù)訓(xùn)練與更新：針對每個(gè)小樣本任務(wù)，克隆元模型進(jìn)行元學(xué)習(xí)框架的內(nèi)循環(huán)訓(xùn)練，在每個(gè)任務(wù)的支持集上進(jìn)行若干步梯度下降更新，得到該任務(wù)對應(yīng)的模型參數(shù)，其中每步梯度下降更新均以最小化計(jì)算出的損失函數(shù)為優(yōu)化目標(biāo)進(jìn)行；

21、s54、元更新：在元學(xué)習(xí)框架的外循環(huán)訓(xùn)練過程中，依據(jù)每個(gè)任務(wù)在內(nèi)循環(huán)中得到的元模型在該任務(wù)對應(yīng)的查詢集上計(jì)算損失函數(shù)，將所有任務(wù)的損失函數(shù)進(jìn)行累加得到總損失，以最小化總損失為優(yōu)化目標(biāo)，使用adam優(yōu)化器通過反向傳播優(yōu)化元模型的模型參數(shù)；

22、s55、外循環(huán)訓(xùn)練元模型：重復(fù)步驟s53-步驟s54，利用內(nèi)循環(huán)傳出的損失函數(shù)對元模型進(jìn)行參數(shù)更新，以獲得訓(xùn)練好的元模型，即為訓(xùn)練好的血壓預(yù)測模型。

23、進(jìn)一步地，所述步驟s6具體包括如下子步驟：

24、s61、凍結(jié)血壓預(yù)測模型的前n個(gè)殘差模塊的參數(shù)，其中n的取值小于等于殘差模塊總數(shù)的二分之一；

25、s62、利用新受試者的預(yù)處理好的帶標(biāo)簽的部分樣本數(shù)據(jù)對訓(xùn)練好的血壓預(yù)測模型進(jìn)行微調(diào)，得到微調(diào)好的適用于該受試者的血壓預(yù)測模型；

26、s63、將受試者的未知心沖擊圖信號數(shù)據(jù)輸入至微調(diào)好的適用于該受試者的血壓預(yù)測模型，獲取預(yù)測的血壓值，實(shí)現(xiàn)個(gè)體血壓的連續(xù)監(jiān)測。

27、本發(fā)明的有益效果是，本發(fā)明同時(shí)考慮個(gè)體之間的脈管系統(tǒng)和解剖學(xué)差異以及緩慢而微妙的心臟運(yùn)動干擾，還考慮了bcg信號本身的信號特性，使得最后學(xué)習(xí)得到的血壓預(yù)測模型具備分析bcg信號的能力，并具有較高魯棒性，能在輸入新樣本后進(jìn)行個(gè)性化建模，提高了血壓預(yù)測的精度。