基于混合深度形态-时间表征学习框架的示波法血压测量
信号处理
2023-01-25 v1
摘要
示波法监测仪是非专业环境中最常用的自动化血压（BP）测量设备。然而，其准确性与可靠性在不同环境、不同年龄组及健康状况下存在差异。现有示波法监测仪的一个主要局限在于其底层分析算法无法充分捕获所记录示波脉冲模式中编码的血压信息。本文提出一种新的二维示波数据表征，可实现对动脉系统的完整刻画，并赋能深度学习提取与血压最相关的信息特征。我们开发了混合卷积-循环神经网络，从二维结构中捕获示波脉冲的形态信息及其在袖带放气期间的时间演化，并估算血压。所提方法的性能在采集自245名个体手腕与上臂的三个示波数据库上得到验证。研究发现，其在收缩压估算中的平均误差与误差标准差分别低至0.08 mmHg与2.4 mmHg，在舒张压估算中分别为0.04 mmHg与2.2 mmHg。我们的方法优于最先进（state-of-the-art）技术，并大幅满足当前血压监测仪的国际标准。所提方法有望在各类患者与监测场景中实现稳健且客观的血压估算。
引用
@article{arxiv.2301.10154,
title = {Oscillometric Blood Pressure Measurement Using a Hybrid Deep Morpho-Temporal Representation Learning Framework},
author = {Niloufar Delfan and Mohamad Forouzanfar},
journal= {arXiv preprint arXiv:2301.10154},
year = {2023}
}