融合多生理信号特征的无创逐拍动脉血压估计.pdfVIP

融合多生理信号特征的无创逐拍动脉血压估计

论文题目：融合多生理信号特征的无创逐拍动脉血压估计

摘要：

无创逐拍动脉血压估计是一项具有重要研究价值的领域，它可以帮

助实现无创、连续、准确的血压监测。本文旨在探讨融合多生理信号特

征的方法，提高无创逐拍动脉血压估计的精确度和可靠性。首先，介绍

了动脉血压的重要性和无创逐拍动脉血压估计的意义。其次，综述了目

前用于无创逐拍动脉血压估计的主要生理信号和特征提取方法。然后，

详细描述了融合多生理信号特征的框架和算法，并提出了一种基于机器

学习的血压估计模型。最后，通过实验验证了融合多生理信号特征的方

法在无创逐拍动脉血压估计中的有效性。

关键词：无创血压估计；逐拍动脉血压；生理信号；特征提取；机

器学习

1.引言

动脉血压是评估人体健康状况和心血管系统功能的重要指标。传统

的动脉血压测量方法通常使用有创的方法，需要插入血管内导管进行测

量，不仅具有一定的痛苦和创伤性，还限制了长时间连续监测的应用。

因此，发展无创逐拍动脉血压估计方法具有重要的临床意义。

2.相关研究

目前，无创逐拍动脉血压估计的研究主要集中在信号处理方法和特

征提取算法上。常用的生理信号包括光学信号（如光电容）

3.融合多生理信号特征的框架和算法

为了提高无创逐拍动脉血压估计的精确度和可靠性，本文提出了一

种融合多生理信号特征的框架和算法。首先，我们从多个传感器获取多

个生理信号，如光学信号、电容信号等。然后，对每个生理信号进行预

处理和特征提取，提取出代表血压变化的关键特征。接下来，使用特征

融合方法将多个特征进行融合，得到一个综合特征向量。最后，通过机

器学习算法训练模型，实现无创逐拍动脉血压的估计。

4.实验验证

为了验证融合多生理信号特征的方法在无创逐拍动脉血压估计中的

有效性，我们进行了一系列实验。首先，收集了一组血压测量数据，并

进行了标定和校准。然后，使用我们提出的方法对这组数据进行无创逐

拍动脉血压估计。最后，将估计结果与参考标准进行比较和评估，得到

了较好的结果。

5.结论

本文提出了一种融合多生理信号特征的无创逐拍动脉血压估计方法，

该方法能够提高血压估计的精确度和可靠性。实验结果表明，融合多生

理信号特征的方法具有较高的准确性和稳定性，可以为无创逐拍动脉血

压监测提供有效的解决方案。

参考文献：

[1]Shalini,G.,Anuradha,R.(2017).Non-InvasiveCufflessBlood

PressureEstimationAlgorithms.JournalofMedicalSystems,41(9),139.

[2]Raman,N.,Sasikumar,M.(2018).Non-invasiveMonitoringof

BloodPressureusingPhotoplethysmographyandDeepLearning.

JournalofMedicalSystems,42(8),148.

[3]Wu,Y.,Cui,N.,Zhang,L.(2020).Non-invasiveCuffless

BloodPressureEstimationbasedonMulti-FeatureFusion.IEEEAccess,

8,90330-90341.