監測連續血壓 (BP) 訊號對於個人的健康至關重要

Featureless Blood Pressure Estimation Based on Photoplethysmography Signal Using CNN and BiLSTM for IoT Devices

Yung-Hui Li, Latifa Nabila Harfiya, and Ching-Chun Chang

摘要

監測連續血壓 (BP) 訊號對於個人的健康至關重要。光電容積脈搏波 (PPG) 是過去十年中最流行的技術之一,以非侵入的方式估量血壓,並且許多文獻提出PPG 特徵擷取的方法。

在這項研究中,我們開發了一種連續的收縮壓 (SBP)舒張壓 (DBP)的估計機制,且汰除了特徵工程。僅使用前處理過的原始 PPG 訊號當作我們深度學習網路的輸入,該網路由一維卷積神經網路 (1D-CNN) 以及雙向長短期記憶網路 (BiLSTM) 所組成。

在實驗方面,我們通過均方根誤差 (RMSE)平均絕對誤差 (MAE) 來估計 DBP 與 SBP,並達到優於前者基於特徵工程方法:SBP 和 DBP 的 RMSE 分別為 11.503 和 6.525,SBP 和 DBP 的 MAE 分別為 7.849 和 4.418。在僅用 PPG 訊號進行血壓監測的情況下,我們提出的方法有望顯著提高智慧醫療物聯網上的效率。

回到頂端