模型的训练方法、处理方法、电子设备、计算机可读介质与流程

本发明涉及医疗数据处理领域，具体地，涉及一种有创血压数据修正模型的训练方法、一种有创血压监测数据的处理方法、一种电子设备和一种计算机可读介质。

背景技术：

1、有创血压监测是经皮肤穿刺置管后直接测量血压的方法。通常采用充满液体的导管作为压力传输导管，并将该压力传输导管与检测传感器连接，通过液体压力转换为电信号，最终实现对被测者血压波形和数值的显示与监测。有创血压监测可实现动态化持续测量，迅速反映被测者血压变化。

2、针对采用压力传输导管的有创血压监测方法，压力传输导管的设置会导致血压监测结果的产生不可避免的偏差，进而引起压力波形测量准确性下降的问题，具体如下：

3、第一，由于压力传输导管壁、腔内液体和导管内存在的微小滞留气体的顺应性，导致压力波形上升与下降尖峰处与实际值偏差，称为衰减。这种现象会造成对患者收缩压与舒张压监测数值失真，也可能导致患者动脉压力波形重搏切迹的显示丢失。第二，由于压力传输导管与搏动血流之间的流固相互作用引起的导管运动、变形和重力作用、导管血栓等因素，引起测压波形失真，称为噪声。第三，由于压力波的传递在压力传输导管长度方向具有传输时间，引起实际波形与检测波形存在滞后现象，称为相移。第四，为适配不同的压力传感器，压力传输导管的规格不同时，压力传输导管对测量结果准确性的影响往往被忽略。

4、以上偏差使有创血压监测在某些情况下造成医生误诊情况，可能造成某些严重后果。如何提高有创血压监测的准确性一直是本领域所追求的目标。

技术实现思路

1、本发明旨在一定程度上解决相关技术中的技术问题之一。为此，本发明提供了一种有创血压数据修正模型的训练方法、一种有创血压监测数据的处理方法、一种电子设备和一种计算机可读介质。通过机器学习的方式得到修正模型，利用该修正模型对采集到的有创血压数据进行修正，可以获得准确度较高的血压监测结果。

2、作为本发明的第一个方面，提供一种有创血压数据修正模型的训练方法，其中，所述训练方法包括：

3、获取数据集，其中，所述数据集基于多组不同工况下采集到的有创血压时序数据和对应的真实血压时序数据构建得到，所述有创血压时序数据包括不同时刻的有创血压数据，所述真实血压时序数据包括不同时刻的真实血压数据；

4、基于所述数据集获取训练样本集，并输入至神经网络模型中进行训练，得到能够表征有创血压数据与真实血压数据之间的映射关系的有创血压数据修正模型；

5、基于所述数据集中获取测试样本集，并根据所述测试样本集对所述有创血压数据修正模型进行评估。

6、可选地，所述数据集为特征-标签数据集，所述特征-标签数据集包括不同工况下采集到的多组特征-标签数据，每组所述特征-标签数据中的特征数据包括特定工况下采集到的所述有创血压时序数据，每组所述特征-标签数据中的标签数据包括对应工况下采集到的所述真实血压时序数据，其中，所述有创血压时序数据的时序与所述真实血压时序数据的时序相匹配。

7、可选地，所述获取数据集，包括：

8、获取多种不同工况下采集到的真实血压时序初始数据，其中，所述真实血压时序初始数据包括不同时刻的多个真实血压初始数据；

9、获取多种不同工况下采集到的有创血压时序初始数据，其中，所述有创血压时序初始数据包括不同时刻的多个有创血压初始数据；

10、针对每种工况下，以设定时长为时序窗口，从所述有创血压时序初始数据中筛选出一个有创血压时序数据，并从所述真实血压时序初始数据中筛选出一个真实血压时序数据，以根据一个有创血压时序数据和对应的真实血压时序数据，确定一组所述特征-标签数据；

11、针对每种工况，按照设定步长分别在所述真实血压时序初始数据和所述有创血压时序初始数据上滑动所述时序窗口，重复所述确定一组所述特征-标签数据步骤，得到所述特征-标签数据集。

12、可选地，每个所述有创血压时序数据包括不同时刻的至少两个有创血压数据，每个所述真实血压时序数据包括特定时刻的至少一个真实血压数据。

13、可选地，所述不同工况包括以下数据中的至少一者：

14、压力波动频率、压力尖峰幅值、压力突升时间、压力低谷幅值、压力突降时间、压力传输导管的内径、所述压力传输导管的长度、所述压力传输导管的连接口的几何尺寸、所述压力传输导管的硬度、所述压力传输导管的弹性模量、所述压力传输导管的材料。

15、可选地，所述有创血压数据包括在压力传输导管处采集到的血压数据；所述真实血压数据包括在接触血液的位置处所采集到的血压数据。

16、可选地，将所述特征-标签数据集中的70％至90％作为所述训练样本集；将所述特征-标签数据集中剩余的数据作为所述测试样本集。

17、可选地，所述基于所述数据集中获取测试样本集，并根据所述测试样本集对所述有创血压数据修正模型进行评估，包括：

18、基于所述数据集中获取测试样本集，并输入至所述有创血压数据修正模型中，得到待评估血压数据；

19、根据所述待评估血压数据生成待评估血压波形；

20、根据对应工况下的真实血压时序数据得到真实血压波形；

21、确定所述待评估血压波形与所述真实血压波形之间的相似度；

22、判断所述相似度是否不低于预设相似度阈值。

23、可选地，所述对所述有创血压数据修正模型进行评估后，还包括：

24、如所述相似度不低于预设相似度阈值，则将所述有创血压数据修正模型作为应用模型；

25、如所述相似度低于预设相似度阈值，则根据评估结果对所述有创血压数据修正模型进行修正获得应用模型。

26、作为本发明的第二个方面，提供一种有创血压监测数据的处理方法，其特中，所述处理方法包括：

27、获取有创血压数据；

28、将所述有创血压数据输入修正模型，得到修正后的血压数据，其中，所述修正模型为根据本发明第一个方面所提供的有创血压数据修正模型；

29、根据所述修正后的血压数据生成有创血压监测波形。

30、作为本发明的第三个方面，提供一种电子设备，其中，包括：

31、一个或多个处理器；

32、存储器，其上存储有一个或多个计算机程序，当所述一个或多个计算机程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现根据本发明第一个方面和/或第二个方面所提供的方法。

33、作为本发明的第四个方面，提供一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现根据本发明第一个方面和/或第二个方面所提供的方法。

34、在本发明所提供的训练方法中，在本发明实施例所提供的有创血压数据修正模型的训练方法中，通过利用有创血压时序数据和真实血压时序数据所构建的数据集对神经网络模型进行训练，可以建立有创血压数据与真实血压数据之间的映射关系，并且还对所述有创血压数据修正模型的精确性进行评估，以验证所述有创血压数据修正模型所表征的映射关系的准确性。

35、在利用所述有创血压数据修正模型进行血压数据修正时，将采集到的有创血压数据输入至所述有创血压数据修正模型，可以将采集到的有创血压数据修正至真实血压数据，从而获得更准确的血压测量结果。需要指出的是，此处的“真实血压数据”可以不是与被测对象的真实血压数据100％一致，只要修正后获得的“真实血压数据”与被测对象的真实血压数据之间的误差在允许范围内即可。

36、需要解释的是，在本发明实施例中，训练样本集的数据包括多组不同工况下采集到的有创血压时序数据和对应的真实血压时序数据，也就是说，在训练所述有创血压数据修正模型时，考虑到了工况对采集到的有创血压数据的影响，利用有创血压数据修正模型可以对不同工况下采集到的有创血压数据进行修正，丰富了样本数量，并得到更准确的映射关系。