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！

龙图腾网获悉北京航空航天大学申请的专利一种基于生成对抗网络的有创血压波形估计的方法及系统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：CN116049674B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202310045547.2，技术领域涉及：G06F18/214；该发明授权一种基于生成对抗网络的有创血压波形估计的方法及系统是由张光磊;麻琛彬设计研发完成，并于2023-01-30向国家知识产权局提交的专利申请。

本一种基于生成对抗网络的有创血压波形估计的方法及系统在说明书摘要公布了：本发明提供了一种基于生成对抗网络的有创血压波形估计的方法及系统，包括：采集待测用户的光电容积脉搏波信号；将其输入至训练好的血压波形估计监测模型中，得到待测用户的有创血压波形。模型构建方法包括：采集光电容积脉搏波信号及连续血压波形信号并进行数据预处理，得到预处理数据；基于生成对抗网络原理构建生成器和判别器，生成器融合空间‑时间注意机制以提高血压波生成形精度，判别器通过全卷积层增加血压波形感知场以提高波形判别能力；利用预处理数据对网络模型进行训练，得到训练好的血压波形估计监测模型。本发明利用生成对抗网络原理实现了高精度的血压波形估计，基于无创方式采集的光电容积脉搏波，获得高精度有创血压波形。

本发明授权一种基于生成对抗网络的有创血压波形估计的方法及系统在权利要求书中公布了：1.一种基于生成对抗网络的有创血压波形估计的方法，其特征在于，包括： 采集待测用户的光电容积脉搏波信号； 将所述待测用户的光电容积脉搏波信号输入至训练好的估计监测模型中，得到所述待测用户的血压信号； 所述估计监测模型的构建方法包括： 采集样本用户的光电容积脉搏波信号及连续血压波形信号数据； 对所述样本用户的光电容积脉搏波信号及连续血压波形信号数据进行数据预处理，得到预处理数据； 构建基于光电容积脉搏波实现有创血压波形的估计监测模型；所述估计监测模型包括信号波形估计模型、目标优化函数、注意力机制模块、生成器及判别器； 根据所述预处理数据对所述基于光电容积脉搏波实现有创血压波形的估计监测模型进行训练，得到训练好的估计监测模型； 所述构建基于光电容积脉搏波实现有创血压波形的估计监测模型包括： 构建基于条件生成对抗网络实现根据光电容积脉搏波信号估计有创血压波形的所述信号波形估计模型，并设计所述目标优化函数； 构建基于条件生成对抗网络实现根据光电容积脉搏波信号估计有创血压波形的方法的所述注意力机制模块； 构建基于条件生成对抗网络实现根据光电容积脉搏波信号估计有创血压波形的方法的所述生成器及所述判别器的架构； 所述构建基于条件生成对抗网络实现根据光电容积脉搏波信号估计有创血压波形的所述信号波形估计模型，并设计所述目标优化函数，包括： 构建GAN模型；所述GAN模型由一个带参数的生成器和一个带参数的判别器组成；所述生成器和所述判别器通过最小-最大优化任务的博弈论原理进行对抗性学习； 根据所述生成器和所述判别器确定对抗损失； 根据所述对抗损失计算生成的血压波形和真实的血压波形之间的平均绝对误差； 计算参考的血压波形的特征图和生成的血压波形之间的平均绝对误差； 根据所述参考的血压波形的特征图和生成的血压波形之间的平均绝对误差确定感知损失； 计算参考血压波形与收缩期和舒张期点位置的估计的波形之间的均方误差； 根据所述GAN模型、所述对抗损失、所述对抗损失计算生成的血压波形和真实的血压波形之间的平均绝对误差、所述参考的血压波形的特征图和生成的血压波形之间的平均绝对误差、所述感知损失和所述均方误差构建所述信号波形估计模型； 根据所述信号波形估计模型确定所述目标优化函数。

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北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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。