基于PSO-ELM的无创血压检测方法

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。