基于深度学习的无袖带血压预测方法

本研究提出了一种基于语音信号的无创动脉血压（ABP）预测方法，采用基于 BERT 的回归模型。动脉血压是心血管健康的重要指标，准确监测对于预防高血压相关并发症至关重要。传统袖带式方法常因白大衣高血压和隐性高血压等因素产生不一致的结果。我们的方法利用语音的声学特性，捕捉语音特征以建立与血压水平的相关性。利用先进的深度学习技术，我们分析语音信号以提取相关模式，实现实时监测，避免了传统方法的不适。在研究中，我们使用了来自 95 名参与者的录音数据集，确保了多样化的代表性。BERT 模型在从语音中提取的特征上进行了微调，取得了令人瞩目的性能指标：收缩压（SBP）的平均绝对误差（MAE）为 136 mmHg，舒张压（DBP）的平均绝对误差为 124 mmHg，R 分数分别为 0.99 和 0.94。这些结果表明模型在准确预测血压水平方面的鲁棒性。此外，训练和验证损失分析展示了有效的学习和最小的过拟合。我们的发现表明，将深度学习与语音分析相结合为血压监测提供了一种可行的替代方案，为远程医疗和远程健康监测的改进应用铺平了道路。通过提供一种用户友好且准确的血压评估方法，本研究对提升患者护理和心血管健康的主动管理具有重要意义。