基于柯氏音时相分类的血压测量方法
寇文逸1
李世龙1
蒋志宇1
李莉2
赵启军3
潘帆1
1.四川大学 电子信息学院,成都 6100652.四川大学华西第二医院 儿童心血管科,成都 6100413.四川大学 计算机学院,成都 610065
摘要：为提升血压测量精度,本研究提出了一种基于深度学习的柯氏音时相分类模型,并设计了一种基于柯氏音时相分类的血压测量方法.首先,采集 102 名健康志愿者的 369 条柯氏音数据,并利用人工听诊对不同时相进行标注;其次,提取柯氏音信号的对数梅尔频谱和希尔伯特包络特征,并结合ResNet18、卷积注意力模块(CBAM)、双向长短时记忆网络(BiLSTM)和多头自注意力模块,充分学习柯氏音信号特征;最后,在柯氏音时相分类的基础上,完成血压测量.实验结果表明,柯氏音时相分类的平均准确率达 88.9%.本研究的血压测量方法在 4 种血压测量标准下,测量精度均满足英国高血压学会(BHS)制定的A级标准,且组内相关系数(ICC)均大于 0.95,为自动血压测量方法的研究提供了借鉴意义.
关键词：柯氏音血压测量多模态特征融合深度学习注意力机制
分类号：R318(医用一般科学)R443.5(诊断学)TP183(自动化基础理论)
资助基金：国家自然科学基金(62066042)四川省重点研发项目(2024YFFK0051)
论文发表日期：2025-08-30
在线出版日期：2026-09-11（本平台首次上网日期，不代表文献的发表时间）
页数：9( 221-228,237 )
英文信息