基于Bi-UNet的无创动脉血压波形重建算法

提出了一种非侵入性的深度学习方法,用于光电容积脉搏波信号重构动脉血压信号。设计的Bi-UNet模型采用U-Net作为特征提取器,设计了双向时间处理器模块,用于提取基于个体模型的时间依赖信息。双向时间处理器模块利用BiLSTM网络有效地分析正向和反向的时间序列数据。此外,笔者采用了深度监督方法,即训练模型关注数据的各个层面特征,以提高预测波形的准确性。本文模型在重要的动脉血压波形指标收缩压、舒张压和平均动脉血压上的平均绝对误差分别达到了2.89、1.55和1.52 mmHg,标准差分别达到了2.43、1.79和1.47 mmHg。这些结果表明本文方法相比现有技术的优越性,并展示了其在实施和应用中的潜力。