您当前的位置：
首页 > 文献资料
所属专业：
波形特征提取文献资料
-
基于卷积递归神经网络的血压测量模型
目的 提出一种新型卷积递归神经网络血压模型(convolutional recurrent neural network-blood pressure,CRNN-BP),解决使用脉搏波波形进行血压测量模型中存在的特征点难以提取和鲁棒性较低的问题,提高血压模型普适性和精度.方法 该模型首先使用卷积网络层自动提取脉搏波的波形特征;其次使用递归网络层依据连续心动周期血压变化关系对波形特征进行校正;后使用全连接网络层预测出当前的血压值.结果 使用MIMIC数据集中人体真实生理信息对模型进行验证,收缩压和舒张压的平均绝对误差分别为2.71 mmHg和1.41 mmHg.模型精度相比于未使用递归网络层的模型CNN-BP和使用全部脉搏波波形点的传统血压回归模型更有优势,且符合AAMI和BHS标准.结论 CRNN-BP有效地提取了脉搏波的波形特征,并提升了模型的精度和鲁棒性.
-
基于混合特征卷积神经网络的血压建模方法研究
传统使用脉搏波测量血压的方法存在准确率较低和特征点难以提取的问题.针对这些问题,本研究首先提出脉搏波分解算法,将脉搏波分解为三个钟型波复合的形式,由此获取到准确的脉搏波传播时间;之后提出混合特征卷积神经网络模型ABP－net,该模型将脉搏波传播时间特征和使用一维卷积自动提取的脉搏波波形特征相结合对动脉血压进行预测.后使用ABP－net对MIMIC III中15个患者的血压进行预测.实验结果表明,ABP－net能够有效地提取脉搏波波形特征而且对血压的预测精度更高.
