基于PPG信号的LSTM网络同步动脉血压预测

发布时间：2021-10-08 12:21

　　为通过光电容积脉搏波信号获取动脉血压参数,并将其作为判断个人健康状况的依据,基于Tensorflow框架训练LSTM网络模型与传统RNN模型,使用625 000条光电容积脉搏波数据序列通过忘记、选择记忆、输出阶段得出符合生理规律的血压参数,将两种模型放在125 000条样本的测试集中进行有效性验证。实验结果表明,训练后的LSTM模型对血压的预测比传统RNN模型更准确,LSTM预测评价指标MAE、RMSE、STD和R2_score分别为4.05、8.78、7.42和0.89,且预测结果符合美国医疗仪器促进协会标准（MAE<5mmHg,STD<8mmHg）,而传统RNN模型则为11.58、17.03、14.54和0.73。LSTM模型能较好地预测血压参数,在生物医学领域有较高的应用价值,其效果优于传统RNN模型。 

【文章来源】：软件导刊. 2020,19(08)

【文章页数】：5 页

【部分图文】：

RNN与LSTM结构对比

预处理后PPG信号波形（10秒样本）

预处理后ABP波形（10秒采样）

【参考文献】：
期刊论文
[1]基于LSTM等深度学习方法的股指预测研究[J]. 李佳,黄之豪,陈冬兰.  软件导刊. 2019(09)
[2]循环神经网络语言模型定点化优化算法研究[J]. 王敏,曾浩.  软件导刊. 2017(02)

博士论文
[1]基于脉搏波的无创连续血压测量方法研究[D]. 李顶立.浙江大学 2008



本文编号：3424147