10.19678/j.issn.1000-3428.0056449
一种基于端到端神经网络的连续血压估计模型
传统基于脉搏波传导时间法及脉搏波特征参数法的血压测量模型存在精度较低及普适性差等不足.构建一种新的连续血压估计模型,通过自动提取必要的波形形态特征及其时域变化,以无创连续的方式估计血压,其由两个层次组成,较低层次使用人工神经网络从光电容积脉搏波(PPG)和心电图(ECG)波形中提取必要的形态特征,较高层次使用长短期记忆网络层来说明较低层次提取特征的时域变化.依据医疗器械发展协会标准,对69名受试者的采样数据进行模型评估,实验结果证明,与基于ECG和PPG特征参数的Deep-RNN血压估计模型相比,该模型具有更高的预测精度.
端到端神经网络、人工神经网络、长短期记忆、光电容积脉搏波、连续血压
46
TP183(自动化基础理论)
国家自然科学基金青年科学基金项目61703298
2021-02-04(万方平台首次上网日期,不代表论文的发表时间)
共6页
270-275