论文部分内容阅读
目的 提出一种新型卷积递归神经网络血压模型（convolutional recurrent neural networkblood pressure,CRNN-BP）,解决使用脉搏波波形进行血压测量模型中存在的特征点难以提取和鲁棒性较低的问题,提高血压模型普适性和精度。方法 该模型首先使用卷积网络层自动提取脉搏波的波形特征;其次使用递归网络层依据连续心动周期血压变化关系对波形特征进行校正;最后使用全连接网络层预测出当前的血压值。结果 使用MIMIC数据集中人体真实生理信息对模型进行验证,收缩压和舒张压的平