基于PPG的无创连续血压预测模型研究

发布时间：2021-04-15 08:01

　　众所周知,心脏是人体血液循环的中心,承担着使人体各器官正常运转的重任。血压是由心脏产生的人体非常重要的物理信号之一,正常人的血压在多种因素的调节下保持稳定;而对于老人或者病人来说,血压的波动往往会超出正常范围,而这种血压的非正常波动,对于判断一个人的生理状态十分有帮助。因此,如何有效地测量血压在医疗和日常生活中具有重要意义。在日常生活中,目前最常用的血压测量设备是电子血压计,其原理是基于柯氏音和示波法,在使用电子血压计的过程中,需要对被测者施加压力,这种方法操作繁琐、不能连续监测,而且容易对被测者造成不适,所以有必要研究出更好的方法来进行无创连续的血压监测。得益于传感器技术的发展,人们可以很容易的获取人体脉搏的Photoplethysmogram（PPG）信号,很多研究也都基于PPG信号进行了血压的预测。因为PPG信号是一组连续波动的波形数据,通过从PPG信号的波形中提取出与血压显著相关的特征,然后对这些提取到的特征建立回归模型,从而预测出血压。目前大部分研究者都是通过线性回归的方式建立PPG特征与血压的关系模型,而通过实验可以看出线性方式获得的模型在预测准确性上存在不足,所以本文将通... 

【文章来源】：哈尔滨工程大学黑龙江省 211工程院校

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

传感器实现方式

已经广泛应用在各种医疗设备中，可以用来测量血压，血氧以及心输出量等，而且还以评价患者的自主神经功能和检查某些心血管方面的疾病。而且因为机器智能化的普及，PPG 也已经广泛应用于多种智能可穿戴设备。PPG 信号通常包含直流分量和交流分量，交流分量通常是周期变化的波形，频率般与心率相等，大约在 1Hz 左右，交流成分被叠加在一个与组织类型和平均血容量有的较大的直流分量上。将 PPG 传感器至于手腕即可获得 PPG 形式的脉搏波信号，脉搏波可以反映出被测者心血管功能方面的许多信息，而且理论上脉搏的形成与血压是密相关的，所以可以通过脉搏来预测血压。最常见的脉搏波曲线一般分为 2 种，如图 2所示。通常的一个周期内的脉搏波曲线都由前半部分的上升波和后半部分的下降波组成，前半部分的上升波形反映了心室在射血的时候动脉的扩张过程，后半部分反映射后期的血管的回缩。随着心室的舒张，心室内的压力低于主动脉的血压，于是血液产倒流，造成主动脉瓣的关闭，然后形成下降的波形。然后，因为主动脉瓣关闭，使得流的血液又能够继续向前流去，在下降过程中又会形成一个较小的上升，可以称为重

图 2.3 SVM 映射人工神经网络技术近年来快速发展，已经广泛用于人工智能，模式识别，回归预测等领域。神经网络模拟人脑神经元的工作方式，虽然起源于生物神经学，但现在已经在统计领域占据了重要地位[35]。人工神经网络发展到现在，已经在多个领域展现出了强大的能力，而且根据网络结构、学习算法或神经元数量等标准，人工神经网络又可以分为许多类别。比较常用且原理较为简单的神经网络模型是应用反向传播的前向神经网络，也叫作 BP 神经网络。BP 神经网络包含一个输入层与样本的特征向量相连，向量的维度和节点数相同，一个输出层与样本的输出向量，向量的维度和节点数相同，以及多个隐藏层，每层的节点数可以任意改变。每一个节点都和相邻层的所有节点相互连接并且具有特定的权重，下一层的结点接收上一层结点的加权平均作为输入，并且通过一个激活函数限定输入的范围。可以表示为：()ikiI F x= α (2-8)


本文编号：3138949