基于脉搏波的无创连续血压监测模型簇研究

摘要

血压是极其重要的血流参数，血压值的准确实时性对于高血压相关疾病的诊断、防治具有重要意义，但血压易受生理、环境等因素的影响，单次或间歇测量结果差异大。脉搏波中包含丰富的血压信息，且检测方便，无创伤性，适用于血压的无创连续监测。本文利用脉搏波，结合心电信号，提取其波形信息，引入个体特征，基于BP神经网络构建收缩压、舒张压预测模型。在模型构建过程中，使用相关性分析、平均影响值法筛选特征参数，减少冗余；为实现模型的自校正，利用自组织特征映射神对样本数据进行分类，按类别分别构建基于BP网络的血压模型，形成血压监测模型簇，并使用多种群遗传算法对神经网络进行优化，确定其初始权重、初始阈值；最后利用多种群遗传算法进行个性化参数优化，得到最终的个体连续血压监测模型。结果显示，本文模型的预测值与电子血压计实测值具有高度相关性，模型的估计误差满足AAMI标准以及BHS的A级标准，有望应用于长时无创连续血压监测设备当中。　　本文的主要研究工作以及成果有：　　①为满足本文模型的构建以及验证，设计了实验数据采集方案。为增加血压数据的波动性，在实验中设置了静态与动态实验；在长时血压数据的采集过程中则合理利用了人体血压的波动性。　　②对于采集到的心电信号、脉搏波信号，本文提出了相应的去噪算法、特征点识别算法。　　③构建了MPGA-MIV-BP血压监测模型簇，利用相关性分析、平均影响值法对特征参数进行筛选，借助自组织特征映射神经网络对实验样本进行分类，基于BP神经网络构建相对应的模型，形成血压监测模型簇，最后进行个性化参数优化，确定最终的个体血压监测模型。在模型构建过程中，使用多种群遗传算法对网络参数、以及个性化参数进行优化。　　④评估了MPGA-MIV-BP血压监测模型簇的性能，为保证客观性，基于相同的数据样本还引入了基于PWTT的BP血压估计模型、偏最小二乘回归的血压估计模型作为对比模型。通过对比分析，MPGA-MIV-BP血压监测模型簇在较长时间的血压监测过程中性能良好。

目录

1 绪 论

1.1 研究背景及意义

1.2 无创连续血压测量方式简介

1.2.1 动脉张力法

1.2.2 恒定容积法

1.2.3 脉搏波波速法

1.2.4脉搏波特征参数法

1.3 论文章节安排

2 血压生理基础以及脉搏波波形特性

2.1 动脉血压的形成以及影响因素

2.2 脉搏波的产生与传播

2.3 压力脉搏波与容积脉搏波

2.4 脉搏波的波形与血压的关系

3 实验数据采集及预处理

3.1 实验设计

3.1.1 实验1

3.1.2 实验2

3.2 数据分析

3.3.1 信号去噪

3.3.2 信号特征点标记

4 血压监测模型簇的构建

4.1 特征参数

4.2 特征参数筛选

4.2.1 特征参数相关性分析

4.2.2 特征参数对神经网络输出影响

4.3 MPGA-MIV-BP 血压监测模型簇构建

4.3.1 自组织特征映射神经网络理论

4.3.2 SOFM样本分类

4.3.3 BP神经网络参数优化理论

4.3.4 血压监测模型簇构建

4.4 个性参数优化

5 血压监测模型结果对比

5.1 对比模型

5.2 模型结果对比

6 总结与展望

6.1 总结

6.2 展望

参考文献

附录

A. 作者在攻读硕士学位期间发表的论文目录

B. 作者在攻读学位期间取得的科研成果目录

C. 学位论文数据集

致谢