基于 PSO-ELM 的无创血压检测方法

来源：计算机技术与发展杂志2022年第12期北京时间：

作者：周慧婕;陈小惠*;于舒洋;张桂珍;张芳敬

摘要：为降低人体特征差异对血压预测模型的影响,进一步提高血压预测的准确度,该文提出一种基于脉搏波传递时间改进的无创血压检测方法。 首先由采集到的光电容积　脉搏波信号( PPG) 与心电信号( ECG) 求得的脉搏波传递时间(PWTT) 以及体重( weight) ,计算出血压粗略值;然后结合人体固有的生理参数作为 PSO-ELM(Particle Swarm Optimization-Extreme Learning Machine) 预测模型的输入参数,从而获得最终的血压预测值。 通过与 SVM、RF 和传统水银计测量方法对比发现,PSO-ELM 　方法求得的舒张压( DBP) 与收缩压( SBP) 平均绝对误差( MAE) 均满足美国医疗仪器促进协会( AAMI)制定的依5 mmHg 的标准,与水银计测血压方法具有更好的一致性,并且在依5 mmHg 误差范围的命中率均高于 SVM 与 RF方法的命率。

关键词：脉搏波传递时间;粒子群优化;极限学习机;人体特征;血压检测