换一批基于深度学习的三维脉图分类方法研究
Research on Three-dimensional Pulse Map Classification Method Based on Deep Learning
摘要在手腕桡动脉的研究领域中,压力脉搏波研究已经成熟.随着阵列式触觉传感器的发展,基于多通道的脉搏波数据可形成三维脉图(脉长、脉宽、压力振幅值).本文基于冷刺激实验数据对平脉和弦脉的三维脉图进行分类研究.实验结果表明卷积-长短期记忆网络(CNN-LSTM)比支持向量机(SVM)、随机森林(RF)、单独的卷积神经网络(CNN)、单独的长短期记忆网络(LSTM)分类准确率要高.CNN-LSTM能实现准确率(Accuracy)为93.23%、精确率(Precision)为93.48%、召回率为(Recall)89.71%、F1值为0.9143、MAE值为0.0131、RMSE值为0.0129.因此,CNN-LSTM能对平脉和弦脉的三维脉图有很好的分类效果.
更多相关知识
关键词
桡动脉三维脉图时空特征深度学习卷积-长短期记忆网络(CNN-LSTM)radial arterythree-dimensional pulse map(3DPM)spatiotemporal featuredeep learningconvolutional neural network and long short-term memory(CNN-LSTM)
分类号
R318.04（医用一般科学）
栏目名称
DOI
10.3969/j.issn.1671-5136.2025.02.021
发布时间
2025-07-14（万方平台首次上网日期，不代表论文的发表时间）
基金项目
湖南省自然科学基金资助项目（2024JJ8025）
- 浏览0
- 被引1
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
