论文部分内容阅读
血压的连续测量,能够帮助我们更好地了解血压变化规律,有助于预防和诊断高血压,并评价自身健康状态。从而使得它在日常的健康监护中,发挥着越来越重要的作用。 本研究,在其他血压模型的基础上,对人体血压进行建模分析,综合考虑影响血压的多种生理参数,并设计相关的实验。同步采集了40个人的心电、脉搏波和连续血压信号。对信号进行预处理后,运用差分阈值和小波变换的方法,对心电和脉搏波信号进行特征点的提取和计算。并建立相应的同步心电、脉搏波和连续血压的数据库。 针对采集的数据,分别运用一元线性回归、多元线性回归、分组建立模型和基于个体信息的参数估计模型的方法,建立相应的血压估算模型,并在独立的数据集上进行了测试。结果显示,多元线性回归,相比于一元线性回归,能够更加有效地拟合出血压数据。在独立数据集上进行分析,其相关性均值大于0.33。而针对于基于个体信息的参数估计模型,其考虑的参数更多,模型拟合效果更好,并且在独立的测试数据集上也有更好地表现。它对于收缩压、平均血压和舒张压相关系数的均值达到了0.4以上。可见,该方法具有一定的适用性。 本论文的主要研究工作包括: 同步采集心电、脉搏波和连续血压信号; 对生理信号进行预处理,并运用不同的方法进行特征点的提取,并计算相应的特征值; 建立多种回归模型,对血压值进行预测。并对不同模型进行性能的比较。