买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国科学院计算技术研究所申请的专利一种生理语义一致的无袖带血压模型对比学习预训练方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119745355B 。

龙图腾网通过国家知识产权局官网在2025-10-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411622930.0，技术领域涉及：A61B5/021；该发明授权一种生理语义一致的无袖带血压模型对比学习预训练方法是由范非易;刘人菊;沈建飞;陈益强设计研发完成，并于2024-11-14向国家知识产权局提交的专利申请。

本一种生理语义一致的无袖带血压模型对比学习预训练方法在说明书摘要公布了：本发明提供了一种生理语义一致的无袖带血压模型对比学习预训练方法，所述血压预测模型构建方法首先采用无标签PPG信号对模型进行无监督训练以提高模型的泛化能力，再采用有标签的PPG信号对模型进行有监督训练以训练模型的预测性能，最后采用少量的目标对象的有标签PPG信号对模型进行个性化训练以使模型具备预测目标对象血压数据的性能，其中，在无监督训练过程中，基于血压关键生理知识实现数据增强以确保增强数据的质量和实用性，并通过随机特征掩蔽、特征重采样以提高模型提取特征的多样性。本发明与现有的血压预测方法相比，减少了训练过程中有标签数据的需求量，同时，基于血压关键生理信息进行数据增强与特征重建以提高血压预测模型的泛化能力。

本发明授权一种生理语义一致的无袖带血压模型对比学习预训练方法在权利要求书中公布了：1.一种血压预测模型构建方法，所述血压预测模型用于根据目标对象的光电容积脉搏波预测其对应的收缩压与舒张压，其特征在于，所述方法包括： 步骤S1、获取包含多个无标签的光电容积脉搏波的第一训练集、包含多个有标签的光电容积脉搏波的第二训练集、包含目标对象的多个有标签的光电容积脉搏波的第三训练集，其中，每个光电容积脉搏波的标签为其对应的收缩压与舒张压； 步骤S2、构建初始模型，所述初始模型包括特征编码模块、特征重建模块、投影模块、预测模块，其中： 所述特征编码模块用于将光电容积脉搏波编码为特征表示，所述特征编码模块基于ConvNeXt网络架构并由四个连续的卷积神经网络组成，四个连续的卷积神经网络的卷积块数量依次配置为2,2,6,2，四个连续的卷积神经网络的通道数依次配置为64,128,256,512； 所述特征重建模块用于对特征表示进行重采样以得到光电容积脉搏波的新的特征表示，所述特征重建模块依次采用随机特征掩蔽、特征重采样的方式对编码模块编码的特征表示进行特征重建以获得新的特征表示，以及基于自注意力机制动态调整特征重采样的权重； 所述投影模块用于将光电容积脉搏波的新的特征表示转换为其对应的低维的特征向量，所述预测模块用于基于光电容积脉搏波的低维的特征向量预测光电容积脉搏波对应的收缩压与舒张压； 步骤S3、基于血压关键生理信息采用预设的方式对第一训练集中的光电容积脉搏波进行数据增强以获得多个正样本对，每个正样本对包含原始的光电容积脉搏波及其数据增强后的光电容积脉搏波，基于所有的正样本对采用对比学习的方式训练初始模型并基于预设第一损失函数调整特征编码模块、特征重建模块、投影模块的参数，其中，所述预设第一损失函数为对比学习损失函数，所述预设的方式为： 获取光电容积脉搏波中的所有包含血压关键生理信息的关键信号采样点，所述关键信号采样点包括所有心脏收缩期脉搏开始对应的信号采样点、所有心脏收缩期的射血期间的最大峰值对应的信号采样点、所有从心脏收缩期到心脏舒张期过度对应的信号采样点、所有动脉系统中的最低压力对应的信号采样点以及光电容积脉搏波信号对应的加速光电容积脉搏波的所有形态特征点、心脏舒张期峰对应的信号采样点，其中，所述加速光电容积脉搏波为光电容积脉搏波的二阶导数； 基于获取的信号采样点采用以下任一方式对光电容积脉搏波进行数据增强： 方式1、其为在光电容积脉搏波中除关键信号采样点及其邻近的信号采样点外的其他信号采样点的幅值上添加噪声的数据增强操作，其中，所述噪声为由预先配置的正态分布概率密度函数随机生成的数值； 方式2、其为将光电容积脉搏波的部分采样区间内除关键信号采样点及其邻近的信号采样点外的信号采样点对应的幅值调整为0并保持其它信号采样点的幅值不变的数据增强操作； 方式3、其为将光电容积脉搏波滚动位移多个信号采样点的数据增强操作，其中，通过如下方式确定滚动位移的信号采样点个数： 其中，表示滚动位移的信号采样点个数，表示心脏收缩期脉搏开始对应的信号采 样点的总数，表示第个心脏收缩期脉搏开始对应的信号采样点的索引，表示第个心脏收缩期脉搏开始对应的信号采样点的索引； 方式4、其为将光电容积脉搏波切分为多个子波，并对所有子波进行随机排列的数据增强操作，其中，每个子波为两个相邻的心脏收缩期脉搏开始对应的信号采样点之间的波形； 方式5、其为依次采用所述方式1与所述方式4中的操作对光电容积脉搏波进行数据增强； 步骤S4、基于第二训练集对经步骤S3训练后的模型进行有监督训练并基于预设第二损失函数调整模型参数以得到初始血压预测模型； 步骤S5、基于第三训练集对初始血压预测模型进行个性化有监督训练并基于预设第二损失函数调整模型参数以得到目标血压预测模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国科学院计算技术研究所，其通讯地址为：100190 北京市海淀区中关村科学院南路6号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。