基于BP神经网络的血红蛋白浓度预测模型研究

发布时间：2021-04-26 18:32

　　为实现人体血红蛋白浓度的无创检测,建立了基于反向传播（BP）神经网络的血红蛋白浓度预测模型。采用MAX30102传感器与STM32F103芯片构成数据采集系统,采集人体指端光电容积脉搏波（PPG）数据。通过小波变换算法消除原始脉搏波信号中的基线漂移噪声,提取22个PPG时域特征参数与3个人体特征参数。结合Relief-PCA算法对这25个特征参数进行筛选,确定出10个关键特征参数作为输入值构建BP神经网络模型。一共采集115组数据,随机选择80组作为模型的训练集、35组为测试集。参考值为Misson HB血红蛋白分析仪测出的微创值。经过对比研究,其相关系数达到了0.88,均方误差为0.71 g/d L。研究表明,基于BP神经网络的血红蛋白浓度检测系统能够较好地对血红蛋白浓度进行测量。 

【文章来源】：传感器与微系统. 2020,39(08)CSCD

【文章页数】：4 页

【文章目录】：
0 引言
1 血红蛋白检测原理
2 PPG信号预处理
3 算法研究
    3.1 脉搏波特征参数的提取
    3.2 信号特征的选择
4 基于BP神经网络的预测模型
    4.1 模型建立
    4.2 结果分析
5 结论


【参考文献】：
期刊论文
[1]基于Relief算法的心血管疾病辅助诊断研究[J]. 周谭琪,梁永波,刘桂勇,谭少珍,陈真诚.  生物医学工程学杂志. 2017(04)
[2]基于TMS320F2812DSP的无创血红蛋白浓度检测仪设计[J]. 李国军,唐飞,王晓浩,李曙哲,杨涛.  传感器与微系统. 2012(12)
[3]人体血氧饱和度检测中消除脉搏波信号高频噪声的方法[J]. 李庆波,韩庆阳.  光谱学与光谱分析. 2012(09)
[4]基于形态滤波的脉搏波信号基线漂移消除方法研究[J]. 刘艳丽,赵为松,李海坤,汪方斌.  合肥工业大学学报(自然科学版). 2011(04)



本文编号：3161906