基于卷积神经网络-长短期记忆神经网络模型利用光学体积描记术重建动脉血压波信号

目的 直接动脉血压（arterial blood pressure，ABP）连续监测是侵入式的，传统袖带式的间接血压测量法无法实现连续监测。既往利用光学体积描记术（photoplethysmography，PPG）实现了连续无创血压监测，但其为收缩压和舒张压的离散值，而非ABP波的连续值，本研究期望基于卷积神经网络-长短期记忆神经网络（CNN-LSTM）利用PPG信号波重建ABP波信号，实现连续无创血压监测。方法 构建CNN-LSTM混合神经网络模型，利用重症监护医学信息集（medical information mart for intensive care，MIMIC）中的PPG与ABP波同步记录信号数据，将PPG信号波经预处理降噪、归一化、滑窗分割后输入该模型，重建与之同步对应的ABP波信号。结果 使用窗口长度312的CNN-LSTM神经网络时，重建ABP值与实际ABP值间误差最小，平均绝对误差（mean absolute error，MAE）和均方根误差（root mean square error，RMSE）分别为2.79 mmHg和4.24 mmHg，余弦相似度最大，重建ABP值与实际ABP值一致性和相关性情况良好，符合美国医疗器械促进协会（Association for the Advancement of Medical Instrumentation，AAMI）标准。结论 CNN-LSTM混合神经网络可利用PPG信号波重建ABP波信号，实现连续无创血压监测。