【摘要】：血壓是衡量人體健康狀況的重要指標,特別是連續(xù)血壓,它能夠間接反應出心臟和血管的運行狀況,是臨床上進行疾病診斷、治療效果觀察以及疾病預防判斷的重要依據(jù)。但現(xiàn)在市面上的連續(xù)血壓測量設備,主要為可穿戴式電子血壓計都有著精確度差的缺點,不能準確的判斷人體是否出現(xiàn)危險病態(tài),所以對血壓連續(xù)準確的測量以及異常狀況的有效判斷在預防心血管并發(fā)癥以及對長期高血壓患者的降壓用藥起到良好的監(jiān)督作用和重要意義。因此,針對上述問題,本文對于血壓連續(xù)測量提出了一種新型方法-基于脈象分類的血壓自適應連續(xù)測量。該方法采用新型傳感器一RF射頻雷達實現(xiàn)對人體橈動脈脈搏波的雙路信號獲取,然后引入分層定勢聯(lián)想機制模型實現(xiàn)脈象的引導式自動分類,最后通過分級自適應血壓預測模型實現(xiàn)血壓的實時測量。論文的主要研究內(nèi)容包括:(1)深入了解RF-射頻雷達的工作原理以及其優(yōu)勢,設計一套人體橈動脈脈搏波采集系統(tǒng),并利用Labview搭建出一套數(shù)據(jù)實時顯示與數(shù)據(jù)保存系統(tǒng)。通過與脈搏波采集系統(tǒng)金標準進行對比驗證了該系統(tǒng)的有效性。(2)脈象的準確分類是后期血壓預測的基礎,只有實現(xiàn)準確的分類才能保證血壓預測的準確性�；谌祟惗▌菟季S機制,我們提出了基于分層定勢聯(lián)想機制的脈象分類模型。首先進行友邦因子分析實現(xiàn)脈象粗分類并確定引導方向,然后利用定勢聯(lián)想神經(jīng)網(wǎng)絡實現(xiàn)對脈象的有效分類。神經(jīng)元交互聯(lián)想網(wǎng)絡融合了引導式變異以及脈象演變規(guī)則具有較強的定勢聯(lián)想能力,可以有效地實現(xiàn)被測脈象與典型脈象的自聯(lián)想。(3)在血壓的預測階段,我們引入了分級自適應血壓預測模型。首先,通過脈象建立其與血壓線性模型的內(nèi)部聯(lián)系,根據(jù)被測人的脈象以及相關信息實現(xiàn)一級血壓模型的動態(tài)調(diào)整。然后,利用訓練好的帶參數(shù)庫的PSO-BP神經(jīng)網(wǎng)絡實現(xiàn)二級血壓最終結(jié)果的調(diào)整。實驗結(jié)果表明,基于分層定勢聯(lián)想機制的脈象分類模型可以對人體常見脈象實現(xiàn)較高的分類準確度,其準確率達到92.86%,相比其他方法具有更好的分類效果。同時,血壓自適應預測模型的預測準確度總體達到了 94.65%,能夠?qū)Ξ惓Ｑ獕簲?shù)據(jù)做到準確的判斷,并且對個人血壓的連續(xù)追蹤趨勢實現(xiàn)較好的跟隨性。
[Abstract]:Blood pressure is an important index to measure human health, especially continuous blood pressure. It can indirectly reflect the operation of heart and blood vessels. It is an important basis for clinical diagnosis, observation of therapeutic effect and judgment of disease prevention. However, the existing continuous blood pressure measurement devices on the market, mainly wearable electronic sphygmomanometers, have the disadvantage of poor accuracy and cannot accurately judge whether the human body is in danger or not. Therefore, continuous and accurate measurement of blood pressure and effective judgment of abnormal condition play a good role in the prevention of cardiovascular complications and antihypertensive medication in long-term hypertensive patients. Therefore, to solve the above problems, this paper proposes a new method for continuous blood pressure measurement, which is adaptive continuous blood pressure measurement based on pulse classification. In this method, a new type of sensor, RF radio frequency radar, is used to obtain the dual signals of human radial pulse wave, and then the hierarchical setting association mechanism model is introduced to realize the guided automatic classification of pulse images. Finally, a hierarchical adaptive blood pressure prediction model is used to realize the real-time blood pressure measurement. The main contents of this paper are as follows: (1) deeply understand the working principle and advantages of RF- RF radar, design a pulse wave acquisition system of human radial artery, and set up a real-time data display and data storage system using Labview. The validity of the system is verified by comparing it with the gold standard of pulse wave acquisition system. (2) the accurate classification of pulse image is the basis of blood pressure prediction in the later stage, and the accuracy of blood pressure prediction can only be guaranteed by accurate classification. Based on the human fixed thinking mechanism, we propose a pulse classification model based on hierarchical stereotype association mechanism. Firstly, the coarse classification of pulse images is realized by friendly factor analysis and the guiding direction is determined. Then, the effective classification of pulse images is realized by using the fixed associative neural network. The neural interactive association network combines the guided mutation and pulse evolution rules, and has a strong ability of setting association, which can effectively realize the autoassociation between the measured pulse and the typical pulse. (3) in the stage of blood pressure prediction, We introduce a hierarchical adaptive blood pressure prediction model. Firstly, the internal relation between pulse and blood pressure linear model is established, and the first order blood pressure model is dynamically adjusted according to the pulse and related information. Then, a trained PSO-BP neural network with parameter library is used to adjust the final results of secondary blood pressure. The experimental results show that the classification model based on hierarchical fixed pattern association mechanism can achieve higher classification accuracy for common human pulse images, and the accuracy is 92.86, which is better than other methods. At the same time, the prediction accuracy of the adaptive blood pressure prediction model is 94.65, which can accurately judge the abnormal blood pressure data, and achieve a better follow-up to the continuous tracking trend of individual blood pressure.
【學位授予單位】：北京交通大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：R443.5

【參考文獻】

相關期刊論文 前10條

1 郭友達;雷恒波;徐雅潔;邢曉曼;康明才;孫明山;;基于動脈張力法和STM32L的24h動態(tài)血壓計設計[J];單片機與嵌入式系統(tǒng)應用;2016年09期

2 張洋;李毅彬;陳曉萌;鄧寧;;基于多種傳感器的無創(chuàng)連續(xù)血壓測量研究[J];電子技術應用;2016年05期

3 梅艷;倪淑明;李治國;;原發(fā)性高血壓患者心血管危險因素對動脈彈性的影響[J];中國現(xiàn)代醫(yī)學雜志;2016年02期

4 洋洋;陳小惠;王保強;姜吉榮;;脈搏信號中有效信號識別與特征提取方法研究[J];電子測量與儀器學報;2016年01期

5 虞秋葉;;社區(qū)老年高血壓患者用藥管理的護理干預方法[J];中國醫(yī)藥科學;2013年18期

6 任海靜;李亞芹;任海妹;;社區(qū)老年高血壓患者用藥管理的護理干預研究[J];中國全科醫(yī)學;2012年25期

7 白智峰;;老年高血壓患者脈壓和動脈彈性的臨床研究[J];臨床醫(yī)學工程;2012年02期

8 呂海姣;嚴壯志;陸維嘉;;一種基于脈搏波的無創(chuàng)連續(xù)血壓測量方法[J];中國醫(yī)療器械雜志;2011年03期

9 王志剛;賴麗娟;熊冬生;吳效明;;基于AR模型和支持向量機的急性低血壓預測[J];中國生物醫(yī)學工程學報;2011年02期

10 高樹枚;宋義林;田中志信;山越憲一;;基于容積補償法的手腕式血壓連續(xù)檢測系統(tǒng)[J];中國醫(yī)療器械雜志;2009年05期

相關博士學位論文 前3條

1 劉磊;基于多普勒超聲信號的脈象分析與分類研究[D];哈爾濱工業(yè)大學;2013年

2 宋丹;基于記憶—評價—引導機制的免疫優(yōu)化算法研究[D];中南大學;2013年

3 張冬雨;面向脈診的脈搏信號與血流信號分類研究[D];哈爾濱工業(yè)大學;2010年

相關碩士學位論文 前8條

1 董驍;可穿戴式多生理參數(shù)監(jiān)護系統(tǒng)的研究[D];北京工業(yè)大學;2015年

2 劉鑫;基于PTT的無創(chuàng)連續(xù)血壓測量方法研究[D];云南大學;2015年

3 何龍;基于獨立成分分析的脈搏波血壓算法研究[D];華中科技大學;2015年

4 甘亞晨;遠程生理參數(shù)系統(tǒng)的血壓測量方法研究[D];重慶理工大學;2015年

5 黃飛;基于貝葉斯網(wǎng)絡和本體的高血壓患者心血管風險水平分類系統(tǒng)研究[D];太原理工大學;2014年

6 黃軻;基于視覺感知的弱對比度車輛目標識別[D];北京交通大學;2014年

7 拜軍;基于生物雷達的脈搏波傳導時間提取技術的初步研究[D];第四軍醫(yī)大學;2013年

8 王繼寸;基于脈搏波的無創(chuàng)連續(xù)血壓測量方法研究[D];天津大學;2009年

，

本文編號：2276713