基于波形 ANN-LSTM 网络从心电图与光电容积脉搏波估算无袖带血压
信号处理
2018-11-07 v1
摘要
目的：尽管光电容积脉搏波（PPG）与心电图（ECG）信号可通过提取多种特征来估算血压（BP），但由于循环系统各种疾病及其他生理系统相互作用所导致的 PPG 与 ECG 信号形态轮廓的变化，使得此类特征的提取极为困难。方法：本工作中，我们提出一种基于波形的层次化人工神经网络—长短期记忆（ANN-LSTM）模型用于血压估算。该模型包含两级层次结构，其中低层使用 ANN 从 ECG 与 PPG 波形中提取必要的形态学特征，高层使用 LSTM 层以考虑低层所提取特征的时间域变化。结果：所提模型在 39 名受试者上依据医疗器械促进协会（AAMI）标准与英国高血压学会（BHS）标准进行了评估。该方法在收缩压（SBP）与舒张压（DBP）估算中均满足两项标准。对于所提网络，SBP 估算的平均绝对误差（MAE）与均方根误差（RMSE）分别为 1.10 与 1.56 mmHg，DBP 估算则分别为 0.58 与 0.85 mmHg。结论：所提层次化 ANN-LSTM 模型的性能优于其他基于特征工程的网络。结果表明，该模型能够自动提取必要特征及其时间域变化，以无创连续方式可靠估算血压。意义：该方法有望极大便利现有移动医疗设备在连续血压估算方面的应用。
引用
@article{arxiv.1811.02214,
title = {Cuffless Blood Pressure Estimation from Electrocardiogram and Photoplethysmogram Using Waveform Based ANN-LSTM Network},
author = {Md. Sayed Tanveer and Md. Kamrul Hasan},
journal= {arXiv preprint arXiv:1811.02214},
year = {2018}
}