基于PSO-ELM的无创血压检测方法

摘要：

为降低人体特征差异对血压预测模型的影响,进一步提高血压预测的准确度,该文提出一种基于脉搏波传递时间改进的无创血压检测方法.首先由采集到的光电容积脉搏波信号(PPG)与心电信号(ECG)求得的脉搏波传递时间(PWTT)以及体重(weight),计算出血压粗略值;然后结合人体固有的生理参数作为PSO-ELM(Particle Swarm Optimization-Extreme Learning Machine)预测模型的输入参数,从而获得最终的血压预测值.通过与SVM、RF和传统水银计测量方法对比发现,PSO-ELM方法求得的舒张压(DBP)与收缩压(SBP)平均绝对误差(MAE)均满足美国医疗仪器促进协会(AAMI)制定的±5 mmHg的标准,与水银计测血压方法具有更好的一致性,并且在±5 mmHg误差范围的命中率均高于SVM与RF方法的命率.

关键词：脉搏波传递时间、粒子群优化、极限学习机、人体特征、血压检测

所属期刊栏目：32

分类号：TP274(自动化技术及设备)

资助基金：国家自然科学基金61801239

在线出版日期：2023-01-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：63-68