摘要

无袖带血压测量技术拥有广泛的应用场景,其在穿戴式设备上的应用更是为关注血压的人群提供了随时随地测量血压的可能。为了使得血压测量的算法更加适应测量对象的身体情况变化,基于Tensorflow框架搭建了一种LSTM模型,建立了与测量血压的时刻、前一次测量结果以及当次PPG波形特征深度关联的血压计算模型,并使用采集的542个个体的6 931条数据进行了有效性验证。实验表明,经10折交叉验证后,测量的收缩压和舒张压均满足AAMI标准,即平均绝对误差(MAE)小于5 mmHg,标准差(SD)小于8 mmHg,收缩压和舒张压的MAE分别为4.29 mmHg和2.68 mmHg,SD分别为6.12 mmHg和3.86 mmHg,得到了准确度较高的测量结果,对于提高高血压的知晓率,辅助诊断心血管疾病有着较高的应用价值。