采用融合的U-net模型连续无创动脉血压预测方法

来源：计算机工程与应用杂志2024年第4期北京时间：

作者：王军昂, 张立新, 王赛, 吴凯枫, 阚希, 陈乃源

单位：1. 南京信息工程大学 自动化学院，南京 210044；2. 无锡学院，江苏 无锡 214105

摘要：持续的血压监测有助于心血管疾病的诊断和治疗。由于目前使用机器学习和深度学习通过人工提取特征参数来预测血压的方法，无法重建完整的血压信号，提出了基于融合的U-net模型的连续无创动脉血压测量方法。首先将原始光电容积脉搏波（PPG）信号作为输入，减少人工提取特征参数的误差；然后使用U-net网络重构动脉血压信号，为进一步提高预测血压波形精度，将重构的血压信号作为MultiResUnet网络的输入，采用MultiRes模块从数据中学习不同特征，Res Path模块缓解编码器和解码器之间的语义差异，使得模型学习变得更加容易。融合的U-net网络在MIMIC-Ⅲ数据集中的受试者评估中预测的动脉血压（ABP）波形与实际波形高度相关。计算出的收缩压（SBP）、舒张压（DBP）和平均压（MAP）的平均绝对误差分别为2.20±4.30 mmHg、1.82±3.146 mmHg和2.25±2.86 mmHg，且该方法符合美国医疗仪器促进协会（AAMI）的标准，同时在英国高压协会（BHS）标准中达到A级。

关键词：动脉血压（ABP）,电容积脉搏波（PPG）,无创,U-net