【技術實現步驟摘要】
本申請涉及人工智能，具體而言，本申請涉及一種模型訓練方法、生理指標檢測方法、裝置、電子設備、計算機可讀存儲介質及計算機程序產品。
技術介紹
1、智能穿戴設備被廣泛用于長期或短期的健康狀況檢測。
2、目前很多智能穿戴設備通過本地部署的神經網絡模型，基于光電容積脈沖波（photoplethysmography，ppg）信號預測生理指標。由于ppg信號的種類較多，而同一廠家的不同型號的智能穿戴設備所具備的采集ppg信號的硬件條件存在區別，所以不同型號的智能穿戴設備能夠采集ppg信號的數量和種類存在差異。
3、相關技術針對每種型號的智能穿戴設備，需要采集該型號的智能穿戴設備能夠采集的ppg信號作為訓練樣本訓練對應的神經網絡模型，訓練效率較低。
技術實現思路
1、本申請實施例提供了一種模型訓練方法、裝置、電子設備、計算機可讀存儲介質及計算機程序產品，可以解決現有技術的上述問題。所述技術方案如下：
2、根據本申請實施例的第一個方面，提供了一種模型訓練方法，應用于服務器，該方法包括：
3、以多個第一訓練樣本對第一初始模型進行訓練，獲得第一指標預測模型，所述第一訓練樣本包括一個時段內的全種類ppg信號，所述第一訓練樣本還包括樣本標簽，所述樣本標簽用于表示相應時段的實際生理指標值所在的生理指標區間；
4、將每個第一訓練樣本拆分為多個第二訓練樣本，每個第二訓練樣本包括對應第一訓練樣本中的部分種類ppg信號，所述第二訓練樣本還包括訓練標簽且與對
5、以對應相同的部分種類ppg信號的多個第二訓練樣本，結合所述第一指標預測模型，通過知識蒸餾方式，對與所述部分種類ppg信號對應的第二初始模型進行訓練，獲得對應的第二指標預測模型，每個第二指標預測模型用于部署于具有采集對應種類的ppg信號的智能穿戴設備；
6、以多個第三訓練樣本訓練第三初始模型進行訓練，獲得回歸模型，所述第三訓練樣本包括多個第二指標預測模型根據同一時段內相應的部分種類ppg信號輸出的生理指標區間的中間值，所述第三訓練樣本的訓練標簽為所述同一時段的實際生理指標值。
7、根據本申請實施例的第二個方面，提供了一種生理指標檢測方法，應用于智能穿戴設備，該方法包括：
8、采集第一時段的部分種類的ppg信號；
9、若確定所述目標指標預測模型已持續預設時長未校準，則獲取第二時段的全種類的ppg信號，并將第二時段的全種類ppg信號上傳到服務器，所述服務器通過如權利要求1-7所述的模型訓練方法訓練得到第一指標預測模型、回歸模型以及多個第二指標預測模型，所述目標指標預測模型為所述多個第二指標預測模型中的一個模型；
10、接收并展示所述服務器返回的所述第一時段的第一生理指標預測值；
11、其中，所述第一生理指標預測值是所述服務器通過以下方式獲得的：
12、從所述第一指標預測模型和多個第二指標預測模型中確定多個參考模型，所述多個參考模型包括多個第二指標預測模型；
13、從所述第二時段的全種類的ppg信號中確定與每個第二參考模型對應的ppg信號，并分別輸入至每個參考模型，獲得每個參考模型輸出的所述第二時段的第三生理指標區間；
14、將所述第二時段的各個第三生理指標區間的中間值輸入至所述回歸模型，獲得所述回歸模型輸出的所述第一生理指標預測值。
15、根據本申請實施例的第三個方面，提供了一種模型訓練裝置，應用于服務器，該裝置包括：
16、第一訓練模塊，用于以多個第一訓練樣本對第一初始模型進行訓練，獲得第一指標預測模型，所述第一訓練樣本包括一個時段內的全種類ppg信號，所述第一訓練樣本還包括樣本標簽，所述樣本標簽用于表示相應時段的實際生理指標值所在的生理指標區間；
17、樣本拆分模塊，用于將每個第一訓練樣本拆分為多個第二訓練樣本，每個第二訓練樣本包括對應第一訓練樣本中的部分種類ppg信號，所述第二訓練樣本還包括訓練標簽且與對應的第一訓練樣本的訓練標簽相同；
18、第二訓練模塊，用于以對應相同的部分種類ppg信號的多個第二訓練樣本，結合所述第一指標預測模型，通過知識蒸餾方式，對與所述部分種類ppg信號對應的第二初始模型進行訓練，獲得對應的第二指標預測模型；每個第二指標預測模型用于部署于具有采集對應種類的ppg信號的智能穿戴設備；
19、第三訓練模塊，用于以多個第三訓練樣本訓練第三初始模型進行訓練，獲得回歸模型，所述第三訓練樣本包括多個第二指標預測模型根據同一時段內相應的部分種類ppg信號輸出的生理指標區間的中間值，所述第三訓練樣本的訓練標簽為所述同一時段的實際生理指標值。
20、根據本申請實施例的第四個方面，提供了一種生理指標檢測裝置，應用于智能穿戴設備，該裝置包括：
21、信號采集模塊，用于采集第一時段的部分種類的ppg信號；
22、信號獲取模塊，用于若確定所述目標指標預測模型已持續預設時長未校準，則獲取第二時段的全種類的ppg信號，并將第二時段的全種類ppg信號上傳到服務器，所述服務器通過如第一方面提供的模型訓練方法訓練得到第一指標預測模型、回歸模型以及多個第二指標預測模型，所述目標指標預測模型為所述多個第二指標預測模型中的一個模型；
23、指標展示模塊，用于接收并展示所述服務器返回的所述第一時段的第一生理指標預測值；
24、其中，所述第一生理指標預測值是所述服務器通過以下方式獲得的：
25、從所述第一指標預測模型和多個第二指標預測模型中確定多個參考模型，所述多個參考模型包括多個第二指標預測模型；
26、從所述第二時段的全種類的ppg信號中確定與每個第二參考模型對應的ppg信號，并分別輸入至每個參考模型，獲得每個參考模型輸出的所述第二時段的第三生理指標區間；
27、將所述第二時段的各個第三生理指標區間的中間值輸入至所述回歸模型，獲得所述回歸模型輸出的所述第一生理指標預測值。
28、根據本申請實施例的第五個方面，提供了一種電子設備，該電子設備包括存儲器、處理器及存儲在存儲器上的計算機程序，處理器執行所述計算機程序以實現上述第一方面或者第二方面提供的方法的步驟。
29、根據本申請實施例的第六個方面，提供了一種計算機可讀存儲介質，其上存儲有計算機程序，計算機程序被處理器執行時實現上述第一方面或者第二方面提供的方法的步驟。
30、根據本申請實施例的第七個方面，提供了一種計算機程序產品，包括計算機程序，計算機程序被處理器執行時實現上述第一方面或者第二方面提供的方法的步驟。
31、本申請實施例提供的技術方案帶來的有益效果是：
32、先基于包括全種類ppg信號的第一訓練樣本訓練得到第一指標預測模型，再對第一訓練樣本進行拆分，獲得多個第二訓練樣本，每個第二訓練樣本包括部分種類ppg信號，結合所述第一本文檔來自技高網...
【技術保護點】
1.一種模型訓練方法，其特征在于，應用于服務器，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述以對應相同的部分種類PPG信號的多個第二訓練樣本，結合所述第一指標預測模型，通過知識蒸餾方式，對與所述部分種類PPG信號對應的第二初始模型進行訓練，獲得對應的第二指標預測模型，包括：
3.根據權利要求2所述的方法，其特征在于，所述第一損失值包括第二子值，所述第二子值用于表征所述第二生理指標區間與樣本標簽間的差異。
4.根據權利要求1-3任意一項所述的方法，其特征在于，所述以多個第三訓練樣本訓練第三初始模型進行訓練，獲得回歸模型，包括：
5.根據權利要求1所述的方法，其特征在于，每個第二訓練樣本包括相應第一訓練樣本中的一個種類的PPG信號，且所述第二指標預測模型的數量與所述全種類PPG信號的種類數一致。
6.根據權利要求1所述的方法，其特征在于，所述第一訓練樣本還包括相應時段的心電圖信號。
7.根據權利要求1所述的方法，其特征在于，生理指標的類型為舒張壓、收縮壓、血氧、血糖中的至少一種。
8
9.根據權利要求8所述的方法，其特征在于，還包括：
10.根據權利要求8所述的方法，其特征在于，還包括：
11.根據權利要求8所述的方法，其特征在于，所述多個參考模型集還包括所述第一指標預測模型。
12.一種模型訓練裝置，其特征在于，應用于服務器，所述裝置包括：
13.一種生理指標檢測裝置，其特征在于，應用于智能穿戴設備，所述智能穿戴設備部署目標指標預測模型，所述方法包括：
14.一種電子設備，包括存儲器、處理器及存儲在存儲器上的計算機程序，其特征在于，所述處理器執行所述計算機程序以實現權利要求1-11任一項所述的方法。
15.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1-11任一項所述的方法。
...【技術特征摘要】
1.一種模型訓練方法，其特征在于，應用于服務器，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述以對應相同的部分種類ppg信號的多個第二訓練樣本，結合所述第一指標預測模型，通過知識蒸餾方式，對與所述部分種類ppg信號對應的第二初始模型進行訓練，獲得對應的第二指標預測模型，包括：
3.根據權利要求2所述的方法，其特征在于，所述第一損失值包括第二子值，所述第二子值用于表征所述第二生理指標區間與樣本標簽間的差異。
4.根據權利要求1-3任意一項所述的方法，其特征在于，所述以多個第三訓練樣本訓練第三初始模型進行訓練，獲得回歸模型，包括：
5.根據權利要求1所述的方法，其特征在于，每個第二訓練樣本包括相應第一訓練樣本中的一個種類的ppg信號，且所述第二指標預測模型的數量與所述全種類ppg信號的種類數一致。
6.根據權利要求1所述的方法，其特征在于，所述第一訓練樣本還包括相應時段的心電圖信號。
7.根據權利要求1所述的方法，其特征在于，生...
【專利技術屬性】
技術研發人員：陳翰杰，呂良一，李凌豐，靳顏蔚，張元亭，
申請(專利權)人：香港心腦血管健康工程研究中心有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。