Неинвазивная классификация артериального давления на основе сигналов фотоплетизмографии с использованием двунаправленной долгой краткосрочной памяти и анализа «время–частота»
Noninvasive Classification of Blood Pressure Based on Photoplethysmography Signals Using Bidirectional Long Short-Term Memory and Time-Frequency Analysis
2020-01-01
SCID: 54.1/t3w6a7wr
Discuss with AI
Двунаправленная LSTMКлассификация артериального давленияСигналы фотоплетизмографииСпектральная энтропияВременнó-частотный анализ
Figures from the paper
Abstract (AI)
Метод фотоплетизмографии (PPG) для непрерывного неинвазивного измерения артериального давления (АД) обеспечивает более комфортное решение по сравнению с традиционными методами. Основная проблема применения PPG заключается в том, что его точность значительно зависит от двигательных артефактов. Кроме того, характеристики PPG изменяются в зависимости от физиологического состояния; следовательно, систему необходимо калибровать с учетом таких изменений. Для устранения этих ограничений предложен новый метод классификации АД с использованием двунаправленной сети долгой краткосрочной памяти (BLSTM) и анализа «время–частота» (TF) на основе сигналов PPG. Анализ «время–частота» извлекает информацию из сигналов PPG с помощью кратковременного преобразования Фурье (STFT) во временной области для получения двух признаков: мгновенной частоты и спектральной энтропии. Обучение сети BLSTM на признаках TF существенно повышает эффективность классификации и сокращает время обучения. Проведена классификация 900 сегментов сигналов PPG, полученных от 219 взрослых участников, по трем категориям: нормотензия (NT), предгипертензия (PHT) и гипертензия (HT). Результаты показывают, что предложенный метод успешно классифицирует АД, обеспечивая значения точности, чувствительности и специфичности 97,33%, 100% и 94,87% соответственно. Значения F1-меры для трех классов АД составили соответственно 97,29%, 97,39% и 93,93%. Выполнено сравнение с современными и ранее опубликованными методами классификации АД. Предложенный метод обеспечивает более высокую точность по сравнению с методами на основе сверточных нейронных сетей (CNN), метода k ближайших соседей (KNN), бэггированных деревьев, логистической регрессии и деревьев AdaBoost.
Key Findings
1
Сочетание двунаправленной сети долгой краткосрочной памяти (BLSTM) с признаками кратковременного преобразования Фурье обеспечивает неинвазивную классификацию артериального давления по сигналам ФПГ на три уровня.
2
F1-меры составили 97,29% для нормотензии, 97,39% для предгипертензии и 93,93% для гипертензии; точность превысила показатели нескольких традиционных методов машинного обучения и CNN.
3
Метод классифицировал 900 сегментов сигналов ФПГ от 219 взрослых по категориям нормотензии, предгипертензии и гипертензии.
4
Предложенный подход достиг точности 97,33%, чувствительности 100% и специфичности 94,87% при классификации артериального давления.
5
Временнó-частотный анализ извлекает мгновенную частоту и спектральную энтропию, повышая качество классификации и сокращая время обучения BLSTM.
Research Object
Сигналы фотоплетизмографии (PPG), полученные у взрослых испытуемых
Research Subject
Классификация артериального давления на нормотензию, предгипертензию и гипертензию, включая устойчивость к артефактам движения и физиологическим вариациям
Publication Details
Publication Date
2020-01-01
Journal
Publisher
ISSN
Cited by
67
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest