基于脉搏波传导时间和脉搏波特征参数的连续血压无创检测

本研究为克服在基于脉搏波传导时间(pulse transit time,PTT)方法无创血压检测中个体差异对测量准确性的影响,分析了个体脉搏波特征参数与血压值的相关性,并将个体脉搏波特征参数中与血压值相关度高的参数作为优化脉搏波特征参数加入PTT与血压的校正模型中,以提高模型普适性。基于偏最小二乘法(partial least squares,PLS)对50名志愿者200组PTT和脉搏波特征参数数据进行训练建模,得到舒张压、收缩压的预测模型。再选取5名新志愿者的PPT和脉搏波特征参数进行预测,最大预测误差小于5 mm Hg,满足AAMI国际电子血压计标准。将优化的脉搏波特征参数和PTT引入到连续血压预测模型当中,有助于提高血压预测模型的准确度和普适性,有助于无创连续血压检测的临床应用。

基于脉搏波特征参数的无创连续血压监测

据报道,血压的变化和脉搏波形息息相关,可以利用脉搏特征参数间接估计血压。本文针对无创血压的连续监测提出一种新的预测模型。本研究从脉搏波信号波形图中提取14个特征参数,建立多元线性模型,通过改进的逐步回归算法动态实时估计连续血压,并利用多参数智能监控数据库中6个病人的数据来验证该动态模型。分析实验结果发现,血压估计偏差的均值和方差符合美国医疗器械AAMI标准(5±8 mm Hg),且预测的血压值和提取的血压值呈显著相关。实验表明,利用脉搏波这14个特征参数参数建立的动态模型可以被用来预测连续血压,而且预测正确率较高。

一种基于脉搏波的无创连续血压测量方法

提出一种基于脉搏波的无创连续血压测量方法。该方法通过提取人体肱动脉脉搏波的特征参数,根据逐步回归分析建立的血压特征方程估计人体每搏的血压,实现无创连续血压测量。实验结果表明,采用此方法测得的血压与水银血压计测得的血压具有很好的一致性,收缩压与舒张压的平均差值都小于3mmHg,标准误差都小于5mmHg。

脉搏波法无创检测动脉血压的研究进展

文章介绍了脉搏波的测量方法以及利用脉搏波特征参数间接测量无创血压的原理和特点。综述了目前国内外利用脉搏波进行血压测量的现状以及探讨了发展趋势和存在的问题。

无创连续血压测量技术的研究进展

本文介绍了无创连续血压测量技术的重要性,重点分析了动脉张力法、容积补偿法、脉搏波速传导法和脉搏波特征参数测定法的原理、研究现状及难点,并根据研究现状对无创血压测量技术的发展提出了展望。

基于GA优化的MIV-BP神经网络连续血压无创监测方法研究

针对现有的基于脉搏波传导时间法或脉搏波特征参数法的血压测量模型存在的不足,提出利用平均影响值(Mean Impact Value,MIV)法从提取的脉搏波传导时间和脉搏波特征参数中优选出对血压值影响较大的参数作为输入量,血压值作为输出量训练BP神经网络模型,然后采用遗传算法(Genetic Algorithm,GA)对个性化参数进行优化,从而建立一种连续血压无创监测模型—GA-MIV-BP神经网络模型。该模型计算血压的结果与实际测量得到的结果进行Bland-Altman一致性分析,表明两者具有很好的一致性,可互换使用,因此该算法对促进无创连续血压监测方法的临床应用具有积极作用。