换一批基于卷积神经网络-长短期记忆神经网络模型利用光学体积描记术重建动脉血压波信号
Arterial Blood Pressure Wave Signal Reconstruction Using Photoplethysmography by CNN-LSTM Model
摘要目的 直接动脉血压(arterial blood pressure,ABP)连续监测是侵入式的,传统袖带式的间接血压测量法无法实现连续监测.既往利用光学体积描记术(photoplethysmography,PPG)实现了连续无创血压监测,但其为收缩压和舒张压的离散值,而非ABP波的连续值,本研究期望基于卷积神经网络-长短期记忆神经网络(CNN-LSTM)利用PPG信号波重建ABP波信号,实现连续无创血压监测.方法 构建CNN-LSTM混合神经网络模型,利用重症监护医学信息集(medical information mart for intensive care,MIMIC)中的PPG与ABP波同步记录信号数据,将PPG信号波经预处理降噪、归一化、滑窗分割后输入该模型,重建与之同步对应的ABP波信号.结果 使用窗口长度312的CNN-LSTM神经网络时,重建ABP值与实际ABP值间误差最小,平均绝对误差(mean absolute error,MAE)和均方根误差(root mean square error,RMSE)分别为2.79 mmHg和4.24 mmHg,余弦相似度最大,重建ABP值与实际ABP值一致性和相关性情况良好,符合美国医疗器械促进协会(Association for the Advancement of Medical Instrumentation,AAMI)标准.结论 CNN-LSTM 混合神经网络可利用PPG信号波重建ABP波信号,实现连续无创血压监测.
更多相关知识
关键词
连续无创血压监测容积脉搏波动脉血压波卷积神经网络长短期记忆神经网络混合神经网络continuous non-invasive blood pressure monitoringvolume pulse wavearterial blood pressure waveconvolutional neural networklong short term memory neural networkhybrid neural network
栏目名称
DOI
10.16476/j.pibb.2022.0574
发布时间
2024-03-12（万方平台首次上网日期，不代表论文的发表时间）
- 浏览29
- 被引2
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
