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！

龙图腾网获悉北京邮电大学申请的专利一种血压测量模型训练方法和脉搏血压测量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：CN119405292B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202411153459.5，技术领域涉及：A61B5/0225；该发明授权一种血压测量模型训练方法和脉搏血压测量系统是由周安福;吕锐;郝赫;郑子新;黄奕文设计研发完成，并于2024-08-21向国家知识产权局提交的专利申请。

本一种血压测量模型训练方法和脉搏血压测量系统在说明书摘要公布了：本发明提供一种血压测量模型训练方法和脉搏血压测量系统，脉搏波测量模块获得脉搏波信号，使用者手腕的脉搏波作用于加压模块的压力获得压力变化信号，通过信号去噪模块对脉搏波信号和压力变化信号进行去噪并传输至血压测量模块，血压测量模块执行血压测量模型训练方法，通过脉搏波信号数据集和压力变化信号数据集训练包括时序预测网络、特征提取网络和解码网络的初始神经网络，时序预测网络和特征提取网络分别输出个人血管特征和高维脉搏特征，经过解码网络输出血压数据预测结果，最小化血压数据预测结果和实际结果的偏差对初始神经网络模型进行参数迭代更新获得血压测量模型，通过血压测量模型获得血压数据，实现血压的持续测量。

本发明授权一种血压测量模型训练方法和脉搏血压测量系统在权利要求书中公布了：1.一种血压测量模型训练方法，其特征在于，所述方法包括以下步骤： 获取训练样本集，所述训练样本集包括脉搏波信号数据集和使用者手腕的脉搏波作用于施加在所述使用者手腕的压力获得的压力变化信号数据集；对所述训练样本集中的样本添加全程加压得到的对应血压测量结果作为标签；所述全程加压表示在血压测量全程中利用血压测量设备对所述使用者手腕施加低压信号和高压信号； 获取初始神经网络模型，所述初始神经网络模型包括时序预测网络、特征提取网络和解码网络；所述时序预测网络以所述脉搏波信号数据集和所述压力变化信号数据集为输入，输出预测脉搏波信号和预测的血压测量全程的全程压力变化信号并按照预设测算模型获得个人血管特征；所述特征提取网络以所述脉搏波信号数据集为输入，输出高维脉搏特征；将所述个人血管特征和所述高维脉搏特征融合后输入解码网络，所述解码网络学习所述个人血管特征和所述高维脉搏特征与血压数据之间的关系并输出所述使用者的血压数据预测结果； 通过最小化血压数据预测结果和实际结果的偏差对所述初始神经网络模型进行参数迭代更新，从而获得血压测量模型； 其中，所述时序预测网络包括连续设置的序列分块层、第一注意力与归一化层、第一前馈全连接与归一化层和全连接映射层；所述前馈全连接与归一化层的输入和所述全连接映射层的输入建立残差短连接； 所述特征提取网络包括连续设置的卷积层、第二注意力与归一化层、第二前馈全连接与归一化层、第三注意力与归一化层、第三前馈全连接与归一化层、第四注意力与归一化层、第四前馈全连接与归一化层和类别标签提取层；所述第二注意力与归一化层的输入与输出建立残差短连接；所述第二前馈全连接与归一化层的输入与输出建立残差短连接；所述第三注意力与归一化层的输入与输出建立残差短连接；所述第三前馈全连接与归一化层的输入与输出建立残差短连接；所述第四注意力与归一化层的输入与输出建立残差短连接；所述第四前馈全连接与归一化层的输入与输出建立残差短连接； 所述解码网络包括连续设置的第一全连接层、第一非线性激活函数层、第二全连接层、第二非线性激活函数层和第三全连接层； 将所述个人血管特征和所述高维脉搏特征融合包括： 将所述个人血管特征和所述高维脉搏特征通过预设映射函数映射至同一特征空间；所述个人血管特征包括血管直径、血管壁厚度、血流速度和血管顺应性参数；所述高维脉搏特征包括脉搏波波形特征、脉搏波传导特征、脉搏波频率特征、脉搏波动态特征和脉搏波脉冲特征； 将映射至同一特征空间的所述个人血管特征和所述高维脉搏特征根据特征重要性进行加权，直接拼接获得融合特征； 所述方法还包括：所述脉搏波信号数据集和所述压力变化信号数据集输入时序预测网络获得所述预测脉搏波信号和所述全程压力变化信号，所述预测脉搏波信号对所述全程压力变化信号进行响应并获得脉搏波变化信号，按照预设测算模型获得个人血管特征。

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邮电大学，其通讯地址为：100876 北京市海淀区西土城路10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。