基于时空解析建模的脉搏信号量化分析方法研究

作     者：丑永新 张爱华 刘继承 林家骏 黄旭峰 CHOU Yongxin;ZHANG Aihua;LIU Jicheng;LIN Jiajun;HUANG Xufeng

作者机构：常熟理工学院电气与自动化工程学院江苏苏州215500 兰州理工大学电气工程与信息工程学院兰州730050 华东理工大学信息科学与工程学院上海200237 华东理工常熟研究院有限公司江苏苏州215500 

出 版 物：《生物医学工程学杂志》 (Journal of Biomedical Engineering)

年 卷 期：2020年第37卷第1期

页      面：61-70,79页

核心收录：

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 0836[工学-生物工程] 

基　　金：国家自然科学基金(81360229,61901062) 江苏省自然科学基金(BK20170436,BK20181033) 2018年江苏省博士后科研资助基金 2018年国家公派高级研究学者、访问学者、博士后项目 

主　　题：脉搏信号 时空解析建模 脉搏周期 脉搏波形 量化分析 

摘      要：为实现脉搏信号形态和周期的量化分析,本研究提出一种脉搏信号时空解析建模及量化分析方法。首先,根据脉搏信号的形成机理,将脉搏周期和基线引入脉搏解析模型,得到时空解析模型表达式及12个参数,用于脉搏波的量化描述。然后,提出了基于实际脉搏信号的模型参数估计流程,给出参数估计的优化方法、约束条件和边界条件。将所提出的时空解析建模方法用于国际标准生理信号开源数据库(PhysioNet)幻想曲(Fantasia)子库中的健康人脉搏波,从解析模型中可以得到一些年龄和性别因素引起的人体心脏搏动节律和血流动力学变化。以提取的模型参数为输入,采用随机森林、概率神经网络等机器学习方法对脉搏波按照年龄和性别进行分类,结果表明随机森林法分类效果最好,Kappa系数达到98%以上。本研究提出的时空解析建模方法可有效地对脉搏信号进行量化分析,为脉搏信号相关的应用研究提供了理论基础和技术框架。