计算机技术与发展2022，Vol.32Issue(12) ：63-68.DOI:10.3969/j.issn.1673-629X.2022.12.010

基于PSO-ELM的无创血压检测方法

Non-invasive Blood Pressure Detection Method Based on PSO-ELM

周慧婕 陈小惠 于舒洋 张桂珍 张芳敬
计算机技术与发展2022，Vol.32Issue(12) ：63-68.DOI:10.3969/j.issn.1673-629X.2022.12.010
✕
  • 维普
  • 万方数据

基于PSO-ELM的无创血压检测方法

Non-invasive Blood Pressure Detection Method Based on PSO-ELM

周慧婕 1陈小惠 1于舒洋 1张桂珍 1张芳敬1
扫码查看

作者信息

  • 1. 南京邮电大学 自动化学院、人工智能学院,江苏 南京 210023
  • 折叠

摘要

为降低人体特征差异对血压预测模型的影响,进一步提高血压预测的准确度,该文提出一种基于脉搏波传递时间改进的无创血压检测方法.首先由采集到的光电容积脉搏波信号(PPG)与心电信号(ECG)求得的脉搏波传递时间(PWTT)以及体重(weight),计算出血压粗略值;然后结合人体固有的生理参数作为PSO-ELM(Particle Swarm Optimization-Extreme Learning Machine)预测模型的输入参数,从而获得最终的血压预测值.通过与SVM、RF和传统水银计测量方法对比发现,PSO-ELM方法求得的舒张压(DBP)与收缩压(SBP)平均绝对误差(MAE)均满足美国医疗仪器促进协会(AAMI)制定的±5 mmHg的标准,与水银计测血压方法具有更好的一致性,并且在±5 mmHg误差范围的命中率均高于SVM与RF方法的命率.

关键词

脉搏波传递时间/粒子群优化/极限学习机/人体特征/血压检测

引用本文复制引用

基金项目

国家自然科学基金(61801239)

出版年

2022
计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
参考文献量5
段落导航相关论文