[发明专利]一种基于PTT和MIV-GA-SVR的连续血压无创监测方法

摘要

本发明涉及一种基于PTT和MIV‑GA‑SVR的连续血压无创监测方法，属于血压监测技术领域。该方法为在对脉搏波PPG、心电ECG信号进行去噪处理、以及特征点识别的基础上，提取特征参数，构建模型，实现对血压连续监测。提出了基于机器学习的SVR方法构建血压估计模型，在对收集整理的特征归一化的基础上，使用MIV法探究对模型的影响并筛掉影响较小的特征，在模型的训练过程中引入GA优化来进行参数寻优，有效避免了模型陷入过学习或欠学习状态。

主权项

1.一种基于PTT和MIV-GA-SVR的连续血压无创监测方法，其特征在于，在对脉搏波PPG、心电ECG信号进行去噪处理、以及特征点识别的基础上，提取特征参数，构建模型，实现对血压连续监测，具体步骤包括：/n(1)实验数据收集，实验数据分为两个部分，一部分是静态实验所得数据，另一部分是动态实验所得数据；/n(2)对步骤(1)所采集到的ECG信号利用小波阈值去噪进行预处理；/n(3)对步骤(1)所采集到的PPG信号利用小波阈值初步去噪后，利用三次样条插值法滤除基线漂移、运动伪迹；/n(4)在步骤(2)的基础上，通过对小波分解后小波系数的模极值对的分析定位ECG信号的R波；/n(5)在步骤(2)、步骤(4)的基础上，提取PPG特征点；PPG的特征点包括脉搏波的波谷点b点、波峰点c点、重搏波波谷点f点、重搏波波峰点g点；/n(6)在步骤(4)、步骤(5)的基础上，提取特征向量；/n(7)采用线性归一化，将特征向量归一化处理；/n(8)构建初始GA-SVR模型，使用遗传算法GA对支持向量回归SVR模型进行参数优化；/n(9)在步骤(8)构建的模型基础上，利用平均影响值法MIV进行特征筛选；/n(10)使用步骤(9)所筛选出的特征，用遗传算法对支持向量回归模型进行参数优化，构建GA-MIV-SVR血压估计模型。/n