(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111563583.5 (22)申请日 2021.12.20 (66)本国优先权数据 202110257540.8 2021.0 3.09 CN (71)申请人 香港中文大 学 （深圳） 地址 518172 广东省深圳市龙岗区龙翔大 道2001号 (72)发明人 李锦兴　李穆　郭超勋　张南南　 张大鹏　 (74)专利代理 机构 北京索睿邦知识产权代理有 限公司 1 1679 专利代理师 李根 (51)Int.Cl. G06V 40/10(2022.01) G06V 10/46(2022.01)G06V 10/774(2022.01) G06V 10/80(2022.01) G06K 9/62(2022.01) G06N 20/00(2019.01) (54)发明名称 基于糖尿病脉搏特征的检测数据获取方法 及系统 (57)摘要 本发明提供了基于糖尿病脉搏特征的检测 数据获取方法， 其通过多种脉搏信号特征的提 取、 依据融合策略实现多种脉搏特征融合表征、 融合表征即为最终获得的脉搏诊察数据。 本发明 拟三个不同视角， 分别提取脉搏特征， 通过互补 学习获得融合矩阵， 依靠融合矩阵实现脉搏信号 的融合表征。 从而本发明解决了单一脉搏特征在 脉搏表示的局限性， 通过为各种特征设置独立的 投影矩阵， 将各特征投影至公共子空间， 充分的 利用多特征之间的互补信息， 同时保留了差异 性。 有效地保留了脉搏信号中的表征信息。 同时， 本发明还提供了基于糖尿病脉搏特征的检测数 据获取系统。 权利要求书2页 说明书8页 附图6页 CN 114511874 A 2022.05.17 CN 114511874 A 1.基于糖尿病脉搏特 征的检测数据获取 方法， 其特 征在于， 其包括： 步骤S101， 获取脉搏训练样本集； 所述脉搏训练样本集中具有设定样本数量的训练样 本； 每个脉搏训练样本集具有设定的样本采集时间； 所述脉搏训练样本集中的每个脉搏训 练样本包括一个具有标识作用的样本标签Ytrain； 所述脉搏训练样本 集中包括设定样本数量 的糖尿病人和健康人 脉搏的训练样本； 步骤S102， 提取 所述脉搏训练样本集的波形 特征、 周期性特性及STFT特 征； 步骤S103， 通过优化函数将所述脉搏训练样本集的波形特征、 周期性特性及STFT特征 投影至公共的投影子空间， 所述优化函数中包括波形特征、 周期性特性及STFT特征的投影 矩阵Dv； 通过投射后波形 特征、 周期性特性及STFT特 征获取融合向量矩阵Ztrain； 步骤S104， 建立所述融合特征Ztrain与所述样本标签Ytrian之间的映射函数； 增加训练样 本数据中的先验知识， 通过图拉普拉斯矩阵保留训练脉象数据的分布特征； 进一步的， 通过 投影矩阵降维所述融合向量矩阵Ztrain且投影至能够与所述样本标签Ytrain对应的数列； 步骤S105， 通过所述优化 函数及所述映射 函数构建目标函数； 步骤S106， 根据脉搏训练样本集及脉搏训练样本标签， 通过所述目标函数获取融合表 征式； 学习获取融合表征式 中投影矩阵Dv； 通过具有所述投影矩阵Dv构成的融合表征式获取糖尿病人脉搏样本 数据的融合脉搏特 征模型； 根据所述融合脉搏特 征模型及当前采集糖尿病人 脉搏数据获取糖尿病检测数据。 2.根据权利要求1所述的基于糖尿病脉搏特征的检测数据获取方法， 其特征在于， 所述 样本采集时间为3 0s。 3.根据权利要求1所述的基于糖尿病脉搏特征的检测数据获取方法， 其特征在于， 所述 步骤S103中的融合向量矩阵Ztrain表示为公式1； 其中， η为 正则项的权 重系数、 Ztrain为投影后公共子空间。 4.根据权利要求3所述的基于糖尿病脉搏特征的检测数据获取方法， 其特征在于， 所述 步骤S104中包括： 通过公式2所示的映射函数； 增加训练样本数据中的先验知识， 通过图拉 普拉斯矩阵保留训练样本数据的分布特征； 通过投影矩阵P降维所述融合向量矩阵Ztrain且 投影至能够与所述样本标签Ytrain对应的数列： min||ZtrainP‑Ytrain||F+tr(ZtrainTLZtrain)+β ||P||F    公式2 其中， β 为正则项的权重系数， L为训练集的图拉普拉斯矩阵， ZtrainT表示Ztrain的转置矩 阵， tr()表示矩阵的迹 。 5.根据权利要求4所述的基于糖尿病脉搏特征的检测数据获取方法， 其特征在于， 所述 步骤S105包括： 通过公 式1所示的优化函数、 公 式2所示的映射函数构建如公 式3所示的目标 函数 。 6.根据权利要求5所述的基于糖尿病脉搏特征的检测数据获取方法， 其特征在于， 所述 步骤S107中的融合脉搏特 征模型如公式4所示 为：权　利　要　求　书 1/2 页 2 CN 114511874 A 2。 7.根据权利要求1所述的基于糖尿病脉搏特征的检测数据获取方法， 其特征在于， 步骤 S106后还包括： 步骤S107， 接收当前待诊断者的设定数量的脉搏数据； 通过公式4获取当前待诊断者的 当前融合脉搏特征数据； 比较所述糖尿病 人的融合脉搏特征数据及所述当前融合数据， 获 取比较差异值。 8.基于糖尿病脉搏特 征的检测数据获取系统， 其特 征在于， 其包括： 样本集获取单元， 其配置为获取脉搏训练样本集； 所述脉搏训练样本集中具有设定样 本数量的训练样本； 每个脉搏训练样本集具有设定的样本采集时间； 所述脉搏训练样本集 中的每个脉搏训练样本包括一个具有标识作用的样本标签Ytrain； 所述脉搏训练样本 集中包 括设定样本数量的糖尿病人和健康人 脉搏的训练样本； 特征提取单元， 其配置为提取所述脉搏训练样本集的波形特征、 周期性特性及STFT特 征； 投影单元， 其配置为通过优化函数将所述脉搏训练样本集的波形特征、 周期性特性及 STFT特征投影至公共的投影子空间， 所述优化函数中包括波形特征、 周期性特性及STFT特 征的投影矩阵Dv； 通过投射后波形 特征、 周期性特性及STFT特 征获取融合向量矩阵Ztrain； 映射单元， 其配置为建立所述融合特征Ztrain与所述样本标签Ytrian之间的映射函数； 通 过投影矩阵降维所述融合向量矩阵Ztrain且投影至能够与所述样本标签Ytrain对应的数列； 目标函数获取 单元， 其配置为 通过所述优化 函数及所述映射 函数构建目标函数； 糖尿病检测数据获取单元， 其配置为根据脉搏训练样本集及脉搏训练样本标签， 通过 所述目标函数获取融合表征式； 学习获取融合表征式 中投影矩阵Dv； 通过具有所述投影矩阵Dv构成的融合表征式获取糖尿病人脉搏样本 数据的融合脉搏特 征模型； 根据所述融合脉搏特 征模型及当前采集糖尿病人 脉搏数据获取糖尿病检测数据。 9.根据权利要求8所述的基于糖尿病脉搏特征的检测数据获取系统， 其特征在于， 所述 样本采集时间为3 0s。 10.根据权利要求8所述的基于糖尿病脉搏特征的检测数据获取系统， 其特征在于， 所 述投影单 元中的融合向量矩阵Ztrain表示为公式5； 其中， η为 正则项的权 重系数、 Ztrain为投影后公共子空间； 所述映射单元中包括： 通过公式6所示的映射函数； 增加了训练样本数据中的先验知 识， 通过图拉普拉斯矩阵保留训练样本数据的分布特征； 通过 投影矩阵P降维所述融合向量 矩阵Ztrain且投影至能够与所述样本标签Ytrain对应的数列： min||ZtrainP‑Ytrain||F+tr(ZtrainTLZtrain)+β ||P||F   公式6 其中， β 为正则项的权重系数， L为训练集的图拉普拉斯矩阵， ZtrainT表示Ztrain的转置矩 阵， tr()表示矩阵的迹 。权　利　要　求　书 2/2 页 3 CN 114511874 A 3