基于双路脉搏波的连续血压估算

通过双路脉搏波传感器采集了掌部和手指的脉搏波数据,根据其提取了PTT特征和脉搏波波形特征。利用提取的特征训练基于遗传算法优化搜索参数的Xgboost模型。在对普通测试者进行早晚实验和运动前后对比实验数据进行分析对比发现,该模型预测得到血压平均绝对误差小于5mmHg,满足AAMI标准,在对高血压患者的验证实验中发现,其收缩压和舒张压92.5%的差异值处于一致性界限内。

基于光电容积脉博波RR间期的睡眠静息状态识别

个体差异性对生理信号状态识别具有较大的影响。在实际应用中,解决个体差异性所遇到的问题是新个体数据难以获得与网络模型适应新个体需要大量的新个体数据之间的矛盾。本文从此处入手运用迁移学习的思想将MK-MMD加入全卷积网络中得到深度适配网络,在使用RR间期识别睡眠静息状态的应用中让网络模型可以通过少量无标签的新个体数据使网络模型达到自适应的效果。深度适配网络较全卷积网络在新个体上的准确率增加了12.27%的准确率,且准确率均提升至80%以上。在解决个体差异性的问题上,深度适配网络优于传统网络模型。且在实际应用中提供了一种不用大量采集新个体的数据就能解决个体差异性的新思路。